NBER: 家庭支出如何应对疫情？2020年新冠流行期间的消费 | 唧唧堂论文解析
picture from Internet
专栏介绍
长按二维码直接进入专栏
本文为唧唧堂《新冠病毒主题论文导读专栏》内一篇论文解析，唧唧堂将在本专栏收录发布所有新冠病毒主题的经济金融社会心理等社科类论文解析导读，同时也或将收录部分医学论文。
本专栏论文收录无截止时限，现已有24篇论文完成解析，另有超100篇NBER工作论文解析中，未来唧唧堂将源源不断把发现的新冠病毒主题论文放入本专栏，期待各位研究人的关注与订阅。点击了解专栏！
唧唧堂现招募更多经济金融研究人加入写作小组，以更快完成本专栏内容的解析产出，解析作者在获得固定稿费同时，还将获得付费阅读收入的部分提成。点击加入写作小组！
本文是针对NBER工作论文《How does houselold spending respond to an epidemic? Consumption during the 2020 COVID-19 pandemic（家庭支出如何应对疫情？2020年新冠流行期间的消费）》的一篇解析，文章作者为Scott R. Baker, R.A. Farrokhnia, Steffen Meyer, Michaela Pagel, Constantine Yannelis.
一、研究背景与问题提出
本文使用交易层面的家庭数据研究了家庭消费和债务在面对突发事件时的反应。随着Covid-19在美国的流行，美国政府下令关闭了大量企业，限制人员外出和接触他人，美国家庭的生活面临了重大变化，对经济活动下降的估计达到了历史最高水平，各级政府和各类机构的政策制定者努力减轻家庭和小企业受到的经济伤害，但是由于在科学的基础上以及在如此大的家庭数量的地理范围内，人们对家庭支出受到大流行病的影响知之甚少，政府的决策不能充分缓解疫情对家庭的冲击。
本文旨在利用交易层面的家庭财务数据，更好、更全面地了解随着病毒传播的消息的增加以及在特定地理区域内的影响变化，家庭如何转移支出，或者说疫情如何影响人们消费习惯的变化。
本文参考了大量有关于家庭消费的文献。早期的实证工作主要关于以下几个方面：对家庭调查数据的使用以及关于家庭退税，家庭消费反应的理论模型、引入行政数据以及研究收入冲击与家庭消费的关系等。这篇论文也涉及到关于危机如何影响经济的文献，以及应对危机的政策反应。此外，这篇论文还加入了近年来逐渐增加的的关于由党派政治塑造的信仰异质性如何影响实际经济决策的金融文献。参考最新关于研究股票价格和股息等因素对疫情的反应，从而探讨潜在衰退的增长预期的文献。
本文的贡献为，本文是第一篇研究家庭消费在面对大流行病时的反应的文章，引入了收入冲击与供应链冲击。本文研究了在重大危机面前的党派行为差异，结果表明，不同政党的人在信仰上有很大差异，同时与政策制定者的声明非常相关。本文首先研究了家庭支出和债务对COVID-19或其他重大流行病的反应，这主要是因为在之前的大流行病期间没有详细的高频家庭财务数据。
本文后续的撰文顺序为：第二部分介绍了主要使用的数据，第三部分讨论了病毒在美国的传播，第四部分展示了主要结果，尤其是关于家庭在疫情期间消费的一些新证据，第五部分讨论了关于党派归属的异质性反应，第六部分是总结。
二、数据
数据主要包括三个方面。
1、交易数据
作者分析了一家非营利性机构的交易层面数据。非营利性金融科技鼓励家庭通过有针对性的信息和奖励来增加储蓄。用户可以使用该平台与非盈利机构注册一个账户，并连接他们的主要银行账户，包括支票账户、储蓄账户和信用卡账户。用户链接账户有两个主要动机。首先，非盈利机构可以为他们提供信息，提供工具来帮助个人理财决策，并提供理财建议。其次，这家非盈利机构向那些将自己的账户关联起来以实现储蓄目标的个人提供有针对性的奖励。
本文使用的主要数据包括从所有关联的支票账户、储蓄账户和信用卡账户中提取的每个用户的日常支出和收入交易数据。此外，因为有大量用户，作者能够将金融交易与人口和地理信息联系起来。
作者使用了2016年8月至2020年3月的数据，观察了44660名用户的银行账户交易样本。
图1是这个非盈利机构的页面截图，它显示了主链接账户的截图以及该网站提供的储蓄和财务建议资源的截图。
图1
表1显示了用户在几个类别中的支出以及他们的收入的每月汇总统计数据。可以看到，对于非营利性机构的中部用户来说，工资收入相对较低，许多用户的收入来自一系列非工资来源。此外，还可以看到链接账户的数量以及所有链接账户的用户每月交易数量。
表1
消费交易被分为大量的类别和子类别。例如，商店被分解为53个独特的子类，包括便利店、书店、美容产品、宠物和药店。在大部分分析中，作者检查了大多数类别的支出，但不包括账单、抵押贷款和租金等支出。也分别关注一些单独的类别，包括杂货店、超市和餐馆。
图2图2的面板A中，可以看到在每个美国邮政编码中有多少用户。图2的面板B显示了用户在与非盈利金融科技公司签约时报告的按邮政编码计算的平均家庭年收入。
2、Gallup 每日追踪数据
主要是关于政党偏见的数据。作者从2018年盖洛普每日跟踪数据中预测党派偏见。盖洛普公司每年通过固定电话和手机每天随机抽取1000名美国人。个人会被问及他们的政治信仰、对经济的期望和人口统计数据。样本仅限于18岁以上的人。
作者发现老年人、男性、已婚人士和有孩子的人更有可能是共和党人。认定自己是共和党人的比例随着收入的增加单调上升。教育程度和党派归属之间的关系是非单调的，没有高中文凭的人强烈倾向于民主党，而有高中文凭、职业学位或大专学位的人最有可能被认定为共和党人。
3、社交距离数据
作者收集了关于社交距离有效性的数据。Unacast提供每日更新的社交距离记录。这里有关于平均移动的日常变化，通过测量平均旅行距离的变化和非必要的访问次数的变化来衡量，这些数据来自GPS信号跟踪智能手机。