【国民经济研究局】消费金融财政刺激：来自中国数字优惠券的证据_61页_11mb

总结：消费者资助型财政刺激的实证证据来自中国数字优惠券

核心内容

本研究探讨了中国在2020年疫情期间通过数字优惠券进行的消费者资助型财政刺激政策的效果。通过分析一个大型电商平台的数据，研究发现这些优惠券对消费产生了显著的刺激作用，其边际消费倾向（MPC）远高于1，表明政府的财政支出通过消费者行为得到了放大。

主要观点

• 数字优惠券的刺激效果显著：研究发现，每1元的政府财政支出通过优惠券刺激了约3.1-3.3元的消费增加，表明优惠券具有较高的杠杆效应。
• 刺激效果不来源于跨类别替代或短期时间替代：分析显示，消费者并没有减少其他类别的支出以换取优惠券，也没有出现明显的短期时间替代行为。
• 优惠券的“门槛”机制是关键：优惠券的最低消费门槛促使消费者在特定类别中增加支出以获得折扣，从而提高了整体消费水平。
• 模型解释：研究构建了一个动态消费模型，解释了为何MPC大于1。模型表明，当门槛高于消费者原本在该类别的支出时，消费者会增加支出以满足门槛，从而提升总消费。

关键信息

• 研究方法：使用了“bunching estimator”（聚类估计）和随机分配方法来评估优惠券对消费的影响。
• 数据来源：研究基于一个大型电商平台的数据，覆盖了中国三个城市中不同类型的优惠券使用情况。
• MPC的定义：MPC$^\text{coupon}$ 定义为每1元政府财政支出所带动的消费增长。
• 结果稳健性：研究结果在多种估计方法和数据子集下保持一致，且随机分配方法进一步验证了结果的可靠性。
• 消费者福利比较：研究发现，与现金相比，优惠券在提升消费者福利方面效果相近，但能更有效地刺激特定行业消费。

结构分析

1. 介绍

• 许多国家在经济衰退期间发放刺激款项以提升消费。
• 中国在2020-2021年疫情期间采用数字优惠券作为财政刺激手段，目标行业包括餐饮、零售和旅游等受疫情影响严重的领域。
• 优惠券具有固定的消费门槛和折扣，且需在有效期内使用。

2. 背景与数据

• 优惠券背景：各地政府通过预存的科技平台（如阿里巴巴、美团、京东）分批次发放优惠券，旨在以低成本刺激消费。
• 数据特点：研究使用了一个大型电商平台的数据，涵盖三座城市中所有领取优惠券的消费者的交易记录，包括消费金额、类别和时间。

3. 实证方法

• bunching estimator：通过比较优惠券发放前后消费分布，估计MPC$^\text{coupon}$。公式为：
  $$
  MPC_{\tau}^{coupon} = \frac{\widehat{EM}{\tau} + \widehat{MM}{\tau}}{S_{\tau}}
  $$
• 随机分配方法：在某些优惠券中，门槛和折扣是随机分配的，利用这一特性进一步验证MPC$^\text{coupon}$。
• 公式关系：通过公式(3)表明，随机分配方法得出的MPC$^\text{coupon}$是bunching估计的加权平均。

4. 主要结果

• 图形证据：在优惠券发放前后，消费分布出现了明显的聚类现象，表明消费者行为受到门槛的影响。
• MPC估计：不同优惠券的MPC范围为1.9到4.6，加权平均为3.1-3.3。
• 跨类别替代：未发现优惠券对非目标类别的消费有显著影响。
• 时间替代：短期内没有显著的时间替代行为，MPC在几个月内保持稳定。
• 异质性分析：不同年龄组和平台使用频率的消费者对MPC的影响相似，表明优惠券的刺激效果具有普遍性。

5. 模型与校准

• 模型设定：构建了一个T期动态消费模型，假设消费者有完美预见、无不确定性且收入外生。
• 模型解释：模型显示，当门槛高于消费者原本的支出水平时，消费者会增加支出以获得折扣，从而提高总消费。
• MPC比较：MPC$^\text{coupon}$ 与MPC$^\text{cash}$ 相比，MPC$^\text{coupon}$ 更高，因为消费者需要额外支出才能满足门槛。

结论

• 政策建议：数字优惠券是一种有效的、低成本的财政刺激工具，尤其适合特定行业的恢复。
• 研究贡献：本研究首次使用明确的随机分配验证了bunching估计方法，并构建了动态模型解释结果。
• 未来方向：研究为理解税收门槛与补贴政策的经济效应提供了新的视角，并为政策制定者提供了关于如何设计更有效刺激措施的实证依据。