请 更新浏览器.
2020年1月21日 第一个案例 在华盛顿州被诊断出新型冠状病毒肺炎。. 到2020年5月23日,美国各地的病例量将增加.S. 已经成长为 / (1.600万人 死亡人数近10万人. 随着病毒的传播, 全国各地的企业纷纷关门,以减缓疫情蔓延, 导致广泛的失业. 从3月14日到5月9日的六周,结束 33.600万人 首次申请失业救济. 在经济灾难中, 各级政策领导人都在努力理解经济冲击波及整个经济的规模和范围. 在联邦层面, 国会动员了历史上规模最大的经济刺激计划, 将数万亿美元的财政援助拨给 个人 和 企业. 付出如此巨大的代价,这种援助必须送到最需要的人手中.
这项研究的目的是利用12bet官方研究所的数据来了解疫情对美国各地当地商业供需的影响.S. 城市.1 虽然这一流行病的范围是全球性的,但我们在当地受到影响. 消费者需要能够在他们居住的地方获得关键的商品和服务. 生产商需要能够为稳定的消费者群体提供服务, 通常是同一社区的人. 因此,要了解当地经济生态系统所承受的压力,需要一个 实体 对当地商业活动的看法 日常 社区中消费者和生产者之间的相互作用.
让这种相互作用成为焦点, 我们使用信用卡交易的子集构建了一个“本地商业”经济视图,这些交易代表了本地买家和卖家之间交易的日常商品和服务. 这个本地商业视图不同于其他公开可用的系列,因为它包含了更广泛的商品和服务集,以反映现代, 更多以服务业为基础的经济.2 我们进一步限制以信用卡交易为代表的商品和服务. 这种表征对于研究消费者替代模式很重要, 比如对网上商品和服务的兴趣. 使用这些条件, 我们将本地商业(LC)定义为包括以下商品和服务, 杂货店, 燃料, 一般商品, 家居维修用品及服务, 与艺术及体育活动有关的本地康乐用品及服务, 药店。, 个人护理和专业消费者服务, 餐厅, 以及当地的私人和公共地面交通.3 4
以下LC分析依赖于每月约4.5亿笔信用卡交易,这些交易是由1100万客户账户的滚动样本完成的.5 6 这些事务级数据的丰富性使我们能够将消费者的属性与进行购买的机构的属性结合起来. 这包括消费者住所和企业所在地之间的距离信息.7 这些交易具有广泛的地理覆盖范围, 但我们关注的是16个城市,有足够数量的观察结果,可以在社区层面进行进一步的详细分析. 在这个初步分析发表之后, 我们计划发布一套在线配套资源,使国家和地方公共政策官员能够跟踪当地商业发展的表现.
我们从最初的分析中记录了许多引人注目的特征. 在我们分析的16个城市中,我们测量了12.2020年3月LC支出同比增长下降8%.8 我们还发现,城市之间和城市内部、线上和线下的消费增长差异很大. 3月份16个城市的消费大幅下降, 无论当地是否封锁或新型冠状病毒肺炎。爆发的严重程度如何, 下降幅度从2.8%(菲尼克斯)对16%.6%(旧金山). 城市内部和城市之间, 在家庭收入中位数差异较大的社区,LC支出的下降相对一致. 然而, 不成比例的低收入社区经历了极端的负支出下降. 消费者在线消费的份额增加了4%.6个百分点,因此在线LC消费增长仍然是正的,但只有1.5%. 3月, 与前一年相比,只有杂货店和药房的支出有所增长, 以惊人的速度增长.
在最初的片段中, 我们进一步详细介绍了食品消费类别的变化:食品杂货和餐馆. 总体而言,2020年3月,食品总支出下降了5%.最低收入为0%,8%.收入第四高的五分之一家庭占4%. 意料之中的是, 在食物, 消费者将大部分支出从餐馆转向了杂货店. 我们发现,2020年3月,在所有收入水平的社区中,分配给杂货店和餐馆的食品支出的比例变化相对均匀. 然而, 网上杂货消费增幅最低的社区更有可能是低收入群体. 低收入社区的消费者也往往住得离他们购物的杂货店更远. 将这两个缺点结合起来表明,尽管在食物上的总体消费模式相似, 生活在低收入社区的消费者在购买杂货时可能更容易感染新型冠状病毒肺炎。.
找到一个: 各城市在地方商业上的支出同时下降, 尤其是低收入社区
大流行造成了严重的供需冲击. 许多生产商要么停产,要么远离消费者, 同时将保持社交距离准则纳入生产流程. 同时, 消费者的平均支出收入较低,而且由于担心传染,他们不太愿意亲自光顾企业. 因此,我们城市的消费者减少了12%的LC支出.2019年3月至2020年3月期间为8%.
图1 -旧金山, 芝加哥, 纽约, 底特律的当地商业支出下降幅度最大
如图1所示, all sixteen 城市 enjoyed robust LC growth in February 2020; by March, 都经历了显著的下降. 降幅最大的是旧金山(16).6%),这是美国第一个拥有 全职 订单将于3月17日开始. 跌幅紧随其后的是芝加哥、纽约和底特律: three major 城市 which, 还有新奥尔良, 新型冠状病毒肺炎。发病率最高 情况下利率 到目前为止. 即使是3月份疫情有限的城市也出现了大幅下降.9 在我们的分析中,表现最好的城市是凤凰城,那里的消费者支出仍然下降了2%.8%. 这些结果表明, 尽管不同城市的新型冠状病毒肺炎。发病时间不同, 各城市的消费者在很短的时间内缩减了支出. 相关反应表明,大流行期间的消费者信心和政策干预可以推动增长成果.
尽管这些高水平的结果揭示了当前美国经济危机的规模.S., 决策者可以更好地向最需要的人提供援助,了解疫情如何影响不同社会经济地位的社区. 为了帮助这项工作,我们根据社区收入提供了跨社区的分析. 在整个分析过程中,我们使用邮政编码作为社区的代理. 在每个城市, 我们使用美国社区调查2014-2018年5年数据中报告的社区家庭收入中位数,将社区按城市划分为社区收入五分之一. 图2显示了2月份社区收入五分之一的所有消费者都增加了LC支出, 然后在3月份减少了LC支出. 高收入社区在2020年3月经历了最大的收缩,为-13.6%.
尽管每个五分位数的社区LC消费增长相对相似, 我们发现,低收入社区在极端支出下降中所占比例不成比例. 我们将严重的消费下降定义为超过一个标准差(15).1%),低于所有社区的平均降幅(- 9%).5%).10 如图3、11所示.5%的低收入社区.9%的社区处于第二高的五分之一, 是否处于支出严重下降的类别. 低收入社区更有可能经历严重的下降,而高收入社区的平均下降幅度最大,这一事实可能是居民选择不同的结果. 例如, 低收入社区可能更容易失业,而高收入社区能够减少很大一部分可自由支配的支出. 在后面的章节中,我们将进一步分析不同社区的收入差异.
在进一步分解LC消费变化之前, 我们表明,与未包含在信用证支出中的商品和服务相比,信用证支出对支出下降的抵抗力更强. 如图4所示, 我们发现,我们样本中的消费者在3月份对疫情的反应是,他们在商品和服务上的信用卡总支出减少了21%.6%. 这对美国经济来说是一个令人担忧的数字.S. 在美国,消费者支出占国内生产总值(gdp)的近70%.11 本地经济整体出现实质萎缩, 但主要在国外消费的商品和服务的支出减少幅度更大. 从1月到2月,LC支出增长与非LC支出增长之间的差距扩大了, 3月份差距最大. 低收入国家支出的持续较高增长意味着,随着疫情的恶化,低收入国家在总支出中所占的份额也在增加. 为了更好地了解美国各地的经济状况.S.,我们在剩余的分析中重点关注LC支出.
发现二: 本地在线商务支出增长了1%.5%的线下消费急剧下降,而线上消费份额增长了4%.6个百分点
过去三十年来,在线商务的兴起已经在消费者与当地商品和服务生产商的互动方式上产生了深刻的结构性变化. 大流行既加速了在线渠道的使用,也扩大了其在人群中的使用. 为了减少外出时间,我们发现在线消费占LC消费的比例从42%上升到了42%.从2月份的9%上升到47%.3月份为5%,差距为4%.6个百分点. 因此,在线LC消费仍在增长,尽管3月份增速明显放缓.5%)相对于2月份(20%).2%),如图5所示.
我们发现,3月份在线LC的弹性在城市之间是不平衡的. 对于大多数人来说,在线LC消费增长是积极的. 然而, 许多总体支出下降最严重的城市(芝加哥), 纽约, 底特律, 和休斯顿)的在线和离线支出都有所下降(图6)。. 不出所料,我们观察到的每个城市的线下消费都出现了显著下降. 旧金山经历了最显著的收缩,增长率为- 31%.线下消费占比为0%,其次是西雅图(- 27%).7%),纽约(- 24%).9%),以及洛杉矶(- 24%).5%).
整体, 在线商务的增长并没有因社区收入的不同而产生实质性的差异(我们在下面发现了特定商品和服务的差异)。. 图7显示了社区LC支出增长在社区收入和线上与线下之间的分布. 3月, 我们观察到,在每个社区收入五分之一的人群中,线下消费急剧萎缩,线上消费却在增加. 各个社区的收入增长中值相似, 尽管与总体支出一样, 在低收入社区,网上消费下降的可能性更大. 此外, 值得注意的是,在所有的社区收入中, 近一半的社区减少了线下消费 和 在线.
发现三: 只有杂货店和药房的支出出现实质性增长, 线上增长至少是线下增长的三倍
LC视图捕获了, 通过设计, 一种商品和服务的子集的交换,这些商品和服务在卡片上有很好的表现,并且特定于当地消费者和生产者之间的互动. 这一观点突显的不仅仅是当地经济中零售商品部分的动态, 但在消费服务领域也是如此. 在这里, 我们研究大流行如何改变了本视图中包含的个人商品和服务的消费者消费模式. 我们的研究结果显示,商品和服务的LC支出构成在整体上以及在线与离线渠道之间发生了巨大变化.
如图8所示, 消费者大幅减少了与城市内交通相关的服务消费(例如.g. 私家车服务和公共交通)、服装、个人护理服务(例如.g. 沙龙和干洗店),餐馆,休闲相关的艺术和体育服务,以及燃料. 相比之下, 要么没有变化, 或者有限收缩, 在与商品和服务相关的支出中,人们可以在家或在家附近消费. 这些包括家庭用品和服务.g. 家具店,五金店,园林绿化服务),专业消费者服务(如.g. 兽医、法律和儿童保育服务)和一般商品(例如.g. 百货商店, 折扣店, 大型非特定在线零售商, 以及其他未分类的生产者,如花店和书店,我们认为它们出售日常用品). 最后, 有两个类别的消费出现了大幅增长:杂货店和药店. 图9显示了在杂货店和药店的LC支出份额从15%增长.6%降至23%.9%和2%.2%到2%.2020年2月至3月期间分别为7%. 对于剩余的LC商品和服务,份额从82%下降.2%至73%.4%,降幅最大的是餐厅份额.
进一步分解2020年3月线上与线下购买的商品和服务的LC支出增长表明,在线渠道在支持购买关键商品和服务方面至关重要(图10). 食品杂货的网上消费增加了一倍多, 与药店一般商品, 餐馆也大幅增加了他们的在线供应. 对于其他商品和服务,在大流行期间,在线提供并未被证明是生命线. 跨越线上线下渠道, 个人护理服务, 服装, 私人和公共地面交通也大幅减少. 这两个渠道的支出都在下降,这表明消费者对这些商品和服务的需求要小得多,因为它们主要局限于家庭.
图10 -网上杂货消费翻了一倍多
发现四: Approximately 8% of LC spend shifted from restaurant to 杂货店 spend; local access to groceries varied widely by neighborhood income quintile 和 across 城市
在最后一节中, 我们将重点放在食品杂货店和餐馆的食品支出上,以此作为研究疫情对社区居民福祉影响的一种方式. 我们在2020年3月发现了这一点, 不同社区的居民在很大程度上以相似的速度减少了食品支出,并将相同比例的LC总支出分配给了食品. 然而,我们发现不同社区在使用在线食品渠道方面存在差异. 消费者正在全面增加他们在网上杂货和餐馆的支出, 但低收入社区的消费者在网上餐馆的消费增幅高于其他社区的消费者. 与此同时, 第四和第五五分位数社区的消费者在网上杂货上的支出增长速度快于低收入群体.
此外,我们还研究了杂货店的线下可达性. 这样做, 我们测量消费者家附近和他们交易的杂货店之间的距离, 然后计算每个消费者社区的这些交易的中位数距离.12 我们发现,低收入社区的消费者更有可能住得离他们选择的杂货店更远. 此外, 大流行期间, 高收入社区的消费者距离中值下降幅度最大. 我们通过渠道和中位数距离得出的结果表明,尽管不同经济手段的社区在食品杂货上的消费发生了一致的变化, 许多低收入社区的消费者不会从附近的商店购买杂货,也不会像高收入社区的消费者那样增加他们在网上购买杂货的数量. 这两个因素都增加了离开家的时间, 因此增加了与购买食物相关的传染风险.
最后, 我们发现,城市特有的动态可能会偏离整个城市所观察到的广泛模式,这表明我们在城市内部的研究结果对当地政策制定者特别有用.13 以突出我们在城市内的结果, 我们以纽约市为例, 哪个社区的购物中位数距离比其他城市短得多. 此外, 跨五分位数模式在某种程度上是u型的,因为低收入和高收入社区的消费者往往住得离他们选择的杂货店相对较近. 此外, 在所有的社区, 杂货店的中位数距离与线下和线上杂货消费的增长之间存在高度相关性.
找到4.1:许多低收入社区的消费者在网上购物的支出比高收入社区的消费者要少
我们发现,按社区收入五分之一划分,消费者在食品杂货和餐馆的消费份额变化基本相同. 图11显示了2月份的情况, 杂货店和餐馆的总支出占LC支出的比例分别为16%和20%, 分别, 在社区. 3月, 所有消费者重新分配到杂货店,杂货店和餐馆的消费份额分别为24%和13%, 分别. 有趣的是, 我们发现,与其他社区相比,最低收入社区的消费者增加了在线杂货的LC支出份额, 随着第四和第五收入阶层在第二和第三收入阶层以上的社区的消费增加. 这是违反直觉的, 鉴于其他研究的一致发现,高收入家庭在网上杂货上的花费更多.14 这可能与年龄和收入之间的潜在相关性有关,而本文并未对此进行探讨, 或者我们利用邻里关系而不是消费者收入.
通过社区收入来检验在线杂货增长率的分布确实提供了一些解释(图12(a))。. 在前五分之一的收入群体中,有一小部分社区的在线杂货消费增长特别快, 尽管第一和第二收入五分之一的低收入社区总体上不太可能像高收入社区那样迅速增加在线杂货支出. 在第一个和第二个五分位数中增长率为第25个百分位数的社区,其在线杂货支出增长率为12%.6和17个百分点.比第5五分位数的第25百分位社区的相应增长率低4个百分点.6%). 换句话说, 如果我们关注每五分之一的25%的社区,他们的在线杂货消费增长率最低, 第一和第二五分位数社区的增长速度明显低于第五五分位数社区.
同时, 在社区增长分布的每个点上,低收入社区的在线餐厅消费增长速度都快于高收入社区(图12 (b))。. 前五分位数社区的平均增长率为24%.4%,而第五个五分之一的增长率仅为12%.1%. 此外, 在超过四分之三的社区中,收入最低的五分之一是唯一一个在线餐厅消费增加的群体. 对这些食物种类内部和不同种类之间的差异的更全面的解释有待进一步的研究.
食品总支出下降了5%.收入最低的五分之一为0%.今年3月,收入第四高的五分之一家庭的失业率为4%, 尽管杂货的增长率很高(图13). 高收入社区人口下降幅度更大的原因是远离餐馆的人口比例略高. 整体, 这些结果表明,不同社区的消费者正在以类似的方式改变他们在食品上的总支出, 但在许多低收入社区,在线食品杂货的使用增长较慢,这表明在疫情期间,人们获得一个关键的低风险食品渠道的机会存在差异.
找到4.2: 2020年3月,低收入社区消费者购买食品杂货的相对获取成本增加
消费者和他们光顾的商家之间的距离是另一个重要因素, 零售商品可及性的非货币维度, 尤其是现在外出旅行的风险更高了.15 在我们之前的工作中, 我们探索了这一距离的变化,以阐明一个城市内消费者之间的差异模式,这种差异无法用现有的经济数据轻易识别.16 我们的中位数距离测量符合直觉,因为距离在市中心和更密集的零售区域更低. 它也倾向于在数年内缓慢移动, 因为居民和机构的迁入迁出率很低.17
一般的深切关注的, 特别是在大流行期间, 杂货店的零售距离中位数是多少.18 在图14中, 我们观察到,2019年3月,高收入社区的消费者与低收入社区的消费者前往杂货店的距离几乎相同, 高收入社区的距离远比低收入社区短. 换句话说, 高收入社区的消费者比低收入社区的消费者更有可能走更短的距离去买杂货. 2020年3月, 杂货店的中位数距离在所有五分位数中都有所下降, 但最高收入社区的消费者消费指数下降幅度最大,而最低收入社区的消费者消费指数变化不大. 我们还注意到,对于第四和第五分位数的社区, 第25百分位距离减少了1.1和1.分别为0英里. 其余五分位数的相应分布变化也是负的, 但是要谦虚得多. 结合我们的结果按渠道, 距离变化的差异表明,许多低收入社区的消费者可能不会像高收入社区的消费者那样在网上购买杂货和附近的杂货店. 在大流行期间,通往更安全的食品杂货渠道的障碍正在扩大.
找到4.不像大多数其他城市, 纽约市低收入社区的消费者正在通过离家更近的地方购物来购买杂货
在本节中, 我们研究了纽约市大都市区不同家庭收入中位数的社区之间的城市内消费模式. 纽约的这些城市内部模式可能对人口密集的社区以及受危机打击严重的社区具有指导意义. 来固定讨论, 图15显示了不同家庭收入中位数的社区位置. 哈林区以南的曼哈顿, 威彻斯特与康涅狄格接壤, 和长岛东部是一些高收入社区高度集中的地区. 曼哈顿上, 布朗克斯, 布鲁克林, 皇后区, 以及新泽西州的纽瓦克,低收入社区的集中度更高.
在我们的社区消费地图中,社区收入与线下与线上杂货消费增长之间的对应关系是显而易见的(图16)。. 线下食品杂货的增长更集中在市中心, 特别是在这些地区, 比如哈莱姆区和布朗克斯区, 低收入社区更加集中. 网上杂货店的增长率最高的是曼哈顿较富裕的社区, 威彻斯特, 和长岛东部.
我们还发现,与大多数其他城市相比, 在纽约市,杂货零售距离的中位数在社区收入中呈u形(图17)。. 2019年3月和2020年3月, 低收入社区的消费者住得离他们选择的杂货店最近. 2020年3月, 所有五分位数的中位数社区的距离都下降了, 第二和第三收入阶层的中位数降幅最大, at 0.每人少跑3英里. 这里的主要收获是线下的杂货店体验, 用零售距离中位数来衡量, 与其他城市相比,纽约的情况明显不同. 在某种程度上,所有收入水平的纽约人都能光顾距离更近的杂货店, 他们在一定程度上做到了这一点,而不是将所有LC城市放在一起研究.
图17 -纽约大都会区杂货店距离中位数在中等收入社区有所改善
高收入社区在距离上有限的相对移动,加上在线杂货消费增长的空间差异,表明在纽约市,沿收入分布的消费者正在通过不同的方式减少杂货店的旅行——高收入社区更关注在线杂货,而低收入社区更关注在家附近的线下杂货消费. 个别社区的零售距离水平和变化模式如图18所示. 尽管许多纽约人表示,他们要么可以找到更近的杂货店,要么可以访问在线渠道, 空间差异清楚地表明,并非所有纽约人都有同样的机会. 消费和零售距离地图可以帮助当地官员了解各个社区的食品杂货获取情况,并将资源直接分配给那些最难获得食品杂货的地区.
结论
新型冠状病毒肺炎。大流行是最直接的公共卫生威胁, 但它也是一场严重的破坏性经济事件,其规模是大萧条以来我们从未见过的. 大流行的性质会对各种行业的需求和供应产生冲击, 严重限制了复苏的选择. 我们目前正在经历的经济困难可能会有一个长尾,因为很多人失去了工作,很多企业将无法在过去几个月的影响下生存下来.
本文介绍了12bet官方研究所数据资产对疫情对社区和在线本地商业影响的独特见解. 这篇文章和即将推出的配套在线资源将提供对影响的衡量和分析,供地方决策者在支持地方经济的持续努力中使用. 未来的研究将探索更多这里介绍的动力学.
参考文献。
[1]亚历山大,黛安,埃兹拉·卡格尔. “居家令会导致人们呆在家里吗?? 居家订单对消费者行为的影响."工作文件编号. WP-2020-12. 芝加哥联邦储备银行,2020年.
[2]刘志强,刘志强,等. 《12bet官方》.工作文件. 2020.
[3]李志强,李志强.等。. “家庭支出如何应对流行病?? 2020年新型冠状病毒肺炎。大流行期间的消费."工作文件编号. 26949. 国家经济研究局,2020年.
[4] —. 收入、流动性和消费对2020年经济刺激支出的反应."工作文件编号. 27097. 国家经济研究局,2020年.
[5]张志强,张志强.等。. “用高分辨率交易数据跟踪新型冠状病毒肺炎。危机."讨论文件编号. DP14642. 经济政策研究中心,2020.
[6]陈海强,钱文兰,文强. “新型冠状病毒肺炎。大流行对消费的影响:从高频交易数据中学习”.工作文件. 2020.
[7]李建军,李建军,李建军. “实时经济学:追踪新型冠状病毒肺炎。对人们影响的新平台”, 企业, 以及使用私营部门数据的社区.工作文件. 机会洞察,2020.
[8]王志强,王志强.,马塞尔·卢卡斯和约翰·欧. S. 威尔逊. 《12bet官网》.工作文件. 2020.
[9]法雷尔,黛安娜,琳赛·雷汗,马文·沃德. “走远:居民日常用品获取的大数据.“报告. 12bet官方研究所,2017年.
[10] —. “远近购物:数字时代的本地商业”.“报告. 12bet官方研究所,2018年.
[11]汉伯里,杰西,伊利亚·拉赫科夫斯基,莫莉·施内尔. “关注食物沙漠是徒劳的吗?? 跨社会经济阶层的零售渠道和食品购买."工作文件编号. 21126. 国家经济研究局,2016.
[12]李志强,李志强. “在线零售正在扼杀咖啡店吗?? 利用客户交易微数据估计在线零售的赢家和输家.工作文件. 2017.
致谢。
我们感谢James Duguid和Bryan Kim对本文研究的制作和分析做出的巨大贡献. 我们也感谢12bet官方研究所的同事们提出的意见和建议. JPMCI数据的所有统计数据,包括中位数,都反映了多次观察的细胞. 本文仅代表作者个人观点,不代表12bet官方的观点 & Co.