前文对于个体经营户冲击程度的分析，可以粗略推算出，在疫情最严重的疫情后第2-5周时间内，个体经营户活跃商户量减少约4800万户，涉及约1.1亿的就业人员。
三、个体经营户冲击程度与恢复进度的异质性分析
本报告所使用的大数据不仅可以就个体经营户受疫情冲击的总体情况进行估算，还可以从多个维度进行冲击的异质性分析。个体经营户并非“铁板一块”，疫情对不同地区、不同性质的个体经营户的冲击可能存在差异。为此，在本部分，课题组主要从个体异质性、城乡异质性和地区异质性等几个角度对疫情冲击程度进行进一步的分析。 3.1 个体异质性
本部分我们讨论疫情冲击在不同年龄段码商用户中的异质性。我们将商户按照注册业主的年龄分成了三组：注册用户年龄小于24岁的青年商户、注册用户年龄大于55岁的中老年商户，以及介于上述两个年龄的其他用户。从图5和图6中可以看出，虽然在活跃商户量上，青年码商与其他码商受到的冲击程度差不多，但在营业额上，青年人展现出较强的灵活性和抗压性。据统计，2024年，青年码商商户量占全部码商的比例约为24.3%，这一比值远超该年龄段人群在人口中的占比（根据2024年中国统计年鉴统计的2024年数据，15-19岁人口占比5.09%，20-24岁人口占比5.95%）。不过，自3月份开始，青年码商活跃商户量有明显的下降，课题组推断这可能跟这一时期复工复产的深入推进有关。疫情严重时期，很多较为灵活的青年码商可能只是将个体经营作为一种临时性工作，经济秩序恢复之后，就转移到了其他行业，即疫情期间个体经营起到了一种“就业蓄水池”的效应。
10
图5:不同年龄段码商活跃商户量受冲击程度和恢复进度
注：①横坐标为1月20日后的第N周，其中第1周包含了1月21日至1月30日10天，其他均为7天的窗口；②纵坐标的数字是2024年码商活跃商户量与机器学习算法预测出的反事实结果的比值；③虚线代表1月21-2月27日，这一周开始，各地逐渐解除一级响应。
图6:不同年龄段码商营业额受冲击程度和恢复进度
注：①横坐标为1月20日后的第N周，其中第1周包含了1月21日至1月30日10天，其他均为7天的窗口；②纵坐标的数字是2024年码商营业额与机器学习算法预测出的反事实结果的比值；③虚线代表1月21-2月27日，这一周开始，各地逐渐解除一级响应。
3.2 城乡异质性
由于春节前人口流动是从城市往农村流动，春节后是从农村往城市“返程”，而疫情在春节前夕突然恶化，很多在城市工作生活的民众已经回到了农村过年，但春节过后，受疫情影响，很多人暂时无法返城从而滞留农村，因此逻辑上，疫
11
情对农村个体经营户的冲击程度应该小于城市。为了检验我们的估计是否符合上述推断，我们下面对城市和农村个体经营户遭遇的冲击进行对比分析。由于传统衡量城乡的指标比较粗糙，为了更严谨地对比城乡之间的差异，我们根据卫星夜晚灯光数据，将一个区域的城建水平划分为四档：乡村、郊区与镇、城区、核心城区。城乡划分方法的更详细介绍可以参见本报告的附录，这里仅介绍划分的结果：从面积占比来说，按照我们的划分标准，乡村占国土面积的98.14%，郊区与镇占1.19%，城区占0.37%，核心城区占0.30%，而2024年统计局数字则是城区2.1%，建成区0.6%，所以我们城区+核心城区大致与统计局口径下的建成区相当，非乡村地区则与城区一致。但由于我们使用的数据精度更高，从而可以将城乡划分精细到了500米*500米的栅格水平上，从而获得更严谨的结论。
图7：京津冀地区基于夜晚灯光的城乡判别
注：蓝色越深，代表城建水平越高；白色代表广大乡村地区。
图8和图9汇报了分城乡的疫情冲击和恢复进度的结果，从中可以看出，在最严重时期，农村个体户受到的冲击较小，但在恢复时期，则被城市迅速赶超。具体而言，在疫情影响最为严重的3-4周时间里，农村个体经营户实际活跃商户量较模型预测的应有水平下降了40%左右，约比城市低13个百分点。但从3月份开始，返城人流随着全面复工复产的推进逐步恢复后，农村与城市的个体经营户受到疫情影响的差异迅速缩小，到3月底，两者已完全趋同。疫情对我国农村的脱贫攻坚战略没有产生根本性的冲击。
12
图8:城市与乡村码商活跃商户量受冲击程度和恢复进度
注：①横坐标为1月20日后的第N周，其中第1周包含了1月21日至1月30日10天，其他均为7天的窗口；②纵坐标的数字是2024年码商活跃商户量与机器学习算法预测出的反事实结果的比值；③虚线代表1月21-2月27日，这一周开始，各地逐渐解除一级响应；④农村、郊区与镇、城区和核心城区是根据高颗粒度的夜晚灯光数据识别出乡村与城市的四个渐进的档次。
图9:城市与乡村码商营业额受冲击程度和恢复进度
注：①横坐标为1月20日后的第N周，其中第1周包含了1月21日至1月30日10天，其他均为7天的窗口；②纵坐标的数字是2024年码商营业额与机器学习算法预测出的反事实结果的比值；③虚线代表1月21-2月27日，这一周开始，各地逐渐解除一级响应；④农村、郊区与镇、城区和核心城区是根据高颗粒度的夜晚灯光数据识别出乡村与城市的四个渐进的档次。
4.3 地区异质性
分地区看，湖北省，特别是武汉市，在本次疫情中受到了最严重的冲击。从图10和图11中可以看出，根据我们的估算，在疫情冲击最严重的几周时间里，
13
湖北省（不含武汉市）个体经营户活跃商户量和营业额较反事实结果下降了65%左右，武汉市下降幅度则超过70%，期间武汉市码商营业额的单周最大降幅接近80%。在2月底之后的恢复中，武汉之外的湖北省其他地区恢复速度非常快，到三月底与全国其他地区已经基本持平，但由于到我们的数据窗口的截止日，武汉市尚未解封（武汉市4月8日才解封），因此其恢复速度还较慢，到3月底也仅仅恢复到潜在值的40%左右。上述结果深刻体现了武汉人民为抗击疫情做出的巨大牺牲。
图10:不同地区码商活跃商户量受冲击程度和恢复进度
注：①横坐标为1月20日后的第N周，其中第1周包含了1月21日至1月30日10天，其他均为7天的窗口；②纵坐标的数字是2024年码商活跃商户量与机器学习算法预测出的反事实结果的比值；③虚线代表1月21-2月27日，这一周开始，各地逐渐解除一级响应；④京津冀是除湖北外一级响应持续时间较长的三个省份。
14
“烟火重聚”：中国个体经营户新冠疫情下的复苏-北京大学数字金融研究中心
