2022-07-27-ADB-Evaluating_COVID19s_Impact_on_Firm_Performance_in_the_CAREC_Region_Using_NightTime_Light_Data_Azerbaijan_Georgia_Kazakhstan_and_Mongolia_29页_1mb

总结：评估新冠疫情对CAREC地区企业绩效的影响——使用夜间灯光数据（阿塞拜疆、格鲁吉亚、哈萨克斯坦和蒙古）

核心内容

本研究利用夜间灯光数据和企业调查数据，评估新冠疫情对CAREC地区（阿塞拜疆、格鲁吉亚、哈萨克斯坦和蒙古）企业绩效的影响。夜间灯光数据被用作经济活动的代理指标，结合了世界银行企业调查（WBES）数据以及政府“封锁式”政策的严格程度指数，以分析企业在疫情中的表现变化。

主要观点

• 夜间灯光与企业绩效的关系：夜间灯光强度的增加与企业绩效恶化的可能性呈负相关，表明经济活动的增加有助于缓解企业绩效的下降。
• 企业规模的影响：大型企业比小型企业更有可能维持其绩效，这可能与其更强的资源和适应能力有关。
• 行业差异：制造业、服装业和服务行业企业的销售额更可能下降，而食品行业企业受影响较小。
• 政策影响：疫情相关的封锁政策对企业的运营和行为产生了显著影响，严格程度较高的地区企业绩效下降更为明显。
• 数字化转型：企业在线业务活动的增加有助于缓解疫情带来的负面影响，尤其是在阿塞拜疆，超过60%的企业实现了线上转型。
• 性别因素：女性在企业管理层和所有权中的参与度相对较低，但蒙古的性别差距最小，女性管理者和所有者的比例较高。
• 外资影响：外资企业在四个国家中占比均较低，但格鲁吉亚的外资企业比例最高，表明外资在该国经济中的重要性。

关键信息

数据来源与处理

• 本研究使用了世界银行2019年和疫情期间的两次企业调查数据，结合Google Earth的夜间灯光强度数据和Hale等人（2021）的封锁严格性指数。
• 数据样本共2,816个观察值，其中大部分为小型和中型企业（约80%）。
• 数据按国家和波次（Wave I 和 Wave II）进行整理，其中格鲁吉亚和蒙古有两次调查数据，而阿塞拜疆和哈萨克斯坦仅有一次。

方法论

• 采用二元响应概率模型（probit regression）分析夜间灯光强度、封锁严格性指数和其他企业特征对绩效变化的影响。
• 企业绩效由四个变量衡量：销售额下降、需求下降、工作时间减少和出口份额下降。
• 模型控制了企业特征（如所有权、管理结构、规模、行业）和环境因素（如封锁政策严格性）。

结果概览

• 在疫情期间，企业绩效普遍下降，特别是在服务行业。
• 夜间灯光强度在疫情中有所增加，尤其是在哈萨克斯坦和蒙古，这可能与基础设施改善和城市化进程有关。
• 女性管理者和所有者的比例在蒙古最高，而在阿塞拜疆、格鲁吉亚和哈萨克斯坦则较低。
• 外资企业在四个国家中的比例均低于10%，但格鲁吉亚的外资企业比例最高。

政策启示

• 加强数据收集：在统计能力较低的国家，夜间灯光数据可作为衡量经济活动的有用替代指标。
• 支持中小企业：中小企业在疫情期间受到较大冲击，应得到更多的政策支持。
• 鼓励数字化转型：推动企业在线业务活动的增加，有助于缓解疫情对经济的负面影响。
• 提升女性参与度：应鼓励女性在企业管理和所有权中的参与，以促进经济多元化和包容性增长。
• 优化外资政策：外资企业在经济中的作用不容忽视，应优化政策以吸引更多外资。

方法与变量说明

• 变量定义：企业绩效变量为二元变量（1表示下降，0表示未下降）。
• 模型公式：
  $$
  P (y _ {i} = 1 | x _ {i}) = F \left(\beta_ {0} + \beta_ {k} x _ {k}\right)
  $$
  其中，$y_{i}$ 是企业绩效下降的虚拟变量，$x_{k}$ 是影响企业绩效的解释变量，$F(.)$ 是标准正态分布的累积密度函数。

数据可视化摘要

• 图1至图5展示了四个国家在疫情期间的疫情情况、封锁政策严格性指数和疫苗接种率。
• 图6展示了企业绩效下降的平均比例。
• 图7和图8展示了在线业务活动和外资所有权的变化。
• 图9展示了企业所有者和管理者的性别分布。
• 图10和图11展示了夜间灯光强度的变化及地区差异。
• 图12展示了企业规模和行业的分布。
• 图13展示了企业样本在不同地区的分布情况。

结论

本研究为理解新冠疫情对CAREC地区企业绩效的影响提供了新的视角，强调了夜间灯光数据在经济分析中的价值。研究结果对政策制定者提供了重要的参考，特别是在支持中小企业、促进数字化转型和提升女性参与度方面。