新冠肺炎疫情对线下微型商户短期冲击的定量估算-北京大学数字金融研究中心_25页_1mb

北京大学数字金融研究中心工作论文系列：新冠肺炎疫情对线下微型商户短期冲击的定量估算——兼论数字金融缓解冲击的价值

核心内容

本文通过分析支付宝旗下“码商”数据，结合机器学习方法，对2020年春节期间新冠肺炎疫情对线下微型商户的冲击进行了定量估算，并探讨了数字金融在缓解这种冲击中的作用。

主要观点

1. 疫情冲击严重：

   • 在2020年正月初七（1月31日）后的两周内，线下微型商户的活跃商户量与营业额分别下降了约40.4%和52.4%。
   • 在重点疫区湖北省，疫情对线下微型商户的影响更为严重，活跃商户量下降59.3%，营业额下降69.7%。
   • 疫情对城市线下微型商户的冲击程度大于农村，核心城区受到的冲击最大，分别下降45.7%和56.4%。
   • 弱势群体如中老年商户、女性商户和外省人商户受到的冲击更大。

2. 数字金融缓解冲击：

   • 数字金融的发展可以显著缓解疫情对线下微型商户的冲击。基于数字技术精准发放的贷款每增长1%，疫情对营业额的负面影响平均减弱2.57%。
   • 如果一个地区数字信贷发展水平从全国均值提升至杭州水平，疫情的负面冲击可下降约51%。
   • 数字信贷对疫情最严重的湖北省具有最佳的保护效果，信用消费与保险的作用相对较小，但仍呈正向影响。

3. 研究方法创新：

   • 采用机器学习算法（GBDT）进行反事实结果估计，以评估疫情对线下微型商户的影响。
   • 引入泰森多边形划分方法，以银行网点为中心，将全国划分为26.7万个区域，克服了传统行政区划和栅格划分的局限性。
   • 数据来源丰富，包括“码商”数据、兴趣点数据、夜晚灯光亮度、人口密度、地理特征、天气与空气质量等。

关键信息

• 数据来源：支付宝“码商”数据、高德地图兴趣点、夜晚灯光数据、人口数据、气象数据、空气质量数据、数字金融普惠指数等。
• 反事实结果估计：基于2019年春节前后数据，预测2020年春节后若无疫情的经营状况。
• 疫情冲击程度：
  • 全国线下微型商户活跃商户量下降40.4%，营业额下降52.4%。
  • 湖北省受影响最大，活跃商户量下降59.3%，营业额下降69.7%。
  • 城市比农村受到的冲击更大，核心城区受到的冲击最大。
• 数字金融缓解作用：
  • 数字信贷对营业额的缓解作用最强，每增长1%，疫情冲击平均减少2.57%。
  • 若达到杭州水平，疫情冲击可下降约51%。
  • 数字信贷对湖北省的保护作用最显著，信用消费与保险也有一定的缓解作用。

结构分析

一、引言

• 新冠肺炎疫情对国民经济和线下微型商户造成严重冲击。
• 线下微型商户在经济中具有重要地位，但传统统计方式难以准确评估其受冲击程度。
• 数字金融的发展为研究提供了数据支持，有助于评估疫情对这些商户的影响。

二、文献综述

• 线下微型商户通常被视为非正式或半正式经济的一部分，缺乏精确统计。
• 数字金融对小微企业和个体经营者的支持已有研究，但对线下微型商户的分析较少。
• 数字金融对经济的影响已广泛研究，包括对银行运行、农村金融、创新创业和居民消费等方面的影响。

三、数据来源与研究设计

（一）数据来源

• 码商数据：覆盖全国，与线下微型商户高度重合，用于估算活跃商户量和营业额。
• 兴趣点数据：从高德地图获取，用于分析商户分布。
• 夜晚灯光数据：用于衡量经济发展水平。
• 人口数据：1公里精度，用于衡量人口密度。
• 地理数据：包括高程、到区县和地市中心的距离等。
• 天气与空气质量数据：用于控制变量，减少天气对结果的干扰。
• 数字金融数据：基于“北京大学数字普惠金融指数”的底层指标，用于衡量数字金融发展水平。

（二）数据聚合

• 使用泰森多边形划分全国为26.7万个区域，以银行网点为划分中心。
• 该方法能够根据商业活跃程度进行自适应调整，避免传统方法的疏密问题。

（三）评估策略

• 反事实结果估计：通过机器学习算法预测2020年春节后若无疫情的经营状况。
• 机器学习算法：采用GBDT回归方法，利用2019年数据训练模型，预测2020年疫情下的结果。

四、实证结果

（一）疫情对线下微型商户的冲击

• 总量估算：全国线下微型商户活跃商户量下降40.4%，营业额下降52.4%。
• 异质性估算：
  • 疫情等级：湖北省受冲击最大，其他地区冲击相对较小。
  • 城乡差异：核心城区受冲击最大，农村受冲击最小。
  • 商户特征：中老年、女性、外省人商户受到的冲击更大。

（二）数字金融缓解疫情冲击

• 总体缓解效果：数字信贷对营业额的缓解作用最强，每增长1%，冲击减弱2.57%。
• 分区域缓解效果：
  • 数字信贷对湖北省的保护作用最佳。
  • 信用消费和保险对营业额也有正向影响，但作用较弱。
• 分城乡缓解效果：
  • 核心城区受信贷帮助最大。
  • 郊区与镇区受信用消费帮助最大。
  • 农村受保险帮助最大。
• 分业主身份缓解效果：
  • 数字信贷对55岁以上商户帮助最大。
  • 24岁以下年轻人和外省人商户在保险方面受益较多。

研究价值

• 本文的研究方法和结论对其他国家应对疫情以及我国未来可能发生的其他突发公共卫生事件具有借鉴意义。
• 数字金融的发展为监测和评估非正式经济提供了新的可能性，有助于提升政策制定的科学性。
• 疫情对线下微型商户的冲击程度与数字金融发展水平密切相关，数字金融的普及有助于增强其抗风险能力。