蚂蚁金服：中国个体经营户新冠疫情下的复苏（39页）.pdf

《蚂蚁金服：中国个体经营户新冠疫情下的复苏（39页）.pdf》由会员分享，可在线阅读，更多相关《蚂蚁金服：中国个体经营户新冠疫情下的复苏（39页）.pdf（39页珍藏版）》请在三个皮匠报告上搜索。

1、个体经营户疫情期间冲击程度与恢复情况 在经济学中，进行外生冲击或某一个政策的效果评估中，一个根本性的问题是，如何进行反事实结果的构建。具体而言，我们只能够观测到受新冠疫情影响的实际情况，而不知道如果疫情没有发生，经济活动的运行情况。为了进行疫情 冲击评估，最理想的方式是我们构建出没有新冠疫情的平行世界里，2020 年个 体经营户的“反事实”经营状况，疫情带来的冲击便是 2020 实际经营状况与构造出的“反事实”经营状况之差。机器学习方法为计算该“反事实”情况提供了 一个可行的思路。具体而言，我们使用机器学习算法，结合 2020 年疫情前以及 2019 年和 2018 年同期春节前后（

2、农历）的数据， “预测”2020 年疫情后的数据， 因此相当于构造出了一个如果没有疫情发生的“反事实结果”。 具体而言，新冠肺炎可以在人与人之间传播于 2020 年 1 月 20 日首次得到确认，该确认时点可以被视为疫情的一个重要转折点，此后，全国各地逐步进入了被肺炎疫情影响的状态：确诊人数增加，各地开始实施严格的防控政策，各类商 业活动受到严重影响。而在 1 月 20 日（农历廿六）之前，包含个体经营户在内的经济活力并没有受到明显的影响，可以视为一个典型的春节节前状态。而且， 线下商业活动往往在春节前后呈现明显的周期性特征，如果我们能拿 2018、 2019年春节前后同期的数据建立一个映射关系，那么，在充分控制关键外部变量的前 提下，若不存在疫情，2020 年春节前后的映射关系应当维持一致。因此，我们将 2018 和 2019 年的数据建立起的映射关系应用于 2020 年的数据，估算出了 2020年春节后个体经营户的活跃商户量、营业额等应该具有的“反事实结果”，然后 将 2020 年的实际数据与该“反事实结果”的差值作为疫情对个体经营户产生的真正影响的估计。这一方法在经济学上有坚实的科学基础，对该方法的详细介绍 和模型设定等详见本报告的附录。