螞蟻金服：中國個體經營戶新冠疫情下的復蘇（39頁）.pdf

1、個體經營戶疫情期間沖擊程度與恢復情況 在經濟學中，進行外生沖擊或某一個政策的效果評估中，一個根本性的問題是，如何進行反事實結果的構建。具體而言，我們只能夠觀測到受新冠疫情影響的實際情況，而不知道如果疫情沒有發生，經濟活動的運行情況。為了進行疫情 沖擊評估，最理想的方式是我們構建出沒有新冠疫情的平行世界里，2020 年個 體經營戶的“反事實”經營狀況，疫情帶來的沖擊便是 2020 實際經營狀況與構造出的“反事實”經營狀況之差。機器學習方法為計算該“反事實”情況提供了 一個可行的思路。具體而言，我們使用機器學習算法，結合 2020 年疫情前以及 2019 年和 2018 年同期春節前后（

2、農歷）的數據， “預測”2020 年疫情后的數據， 因此相當于構造出了一個如果沒有疫情發生的“反事實結果”。 具體而言，新冠肺炎可以在人與人之間傳播于 2020 年 1 月 20 日首次得到確認，該確認時點可以被視為疫情的一個重要轉折點，此后，全國各地逐步進入了被肺炎疫情影響的狀態：確診人數增加，各地開始實施嚴格的防控政策，各類商 業活動受到嚴重影響。而在 1 月 20 日（農歷廿六）之前，包含個體經營戶在內的經濟活力并沒有受到明顯的影響，可以視為一個典型的春節節前狀態。而且， 線下商業活動往往在春節前后呈現明顯的周期性特征，如果我們能拿 2018、 2019年春節前后同期的數據建立一個映射關系，那么，在充分控制關鍵外部變量的前 提下，若不存在疫情，2020 年春節前后的映射關系應當維持一致。因此，我們將 2018 和 2019 年的數據建立起的映射關系應用于 2020 年的數據，估算出了 2020年春節后個體經營戶的活躍商戶量、營業額等應該具有的“反事實結果”，然后 將 2020 年的實際數據與該“反事實結果”的差值作為疫情對個體經營戶產生的真正影響的估計。這一方法在經濟學上有堅實的科學基礎，對該方法的詳細介紹 和模型設定等詳見本報告的附錄。