距離新冠疫情的整體爆發已經80多天，經過政府和全國人民艱苦卓絕的努力，疫情在中國全境內已經實現超預期的控制，湖北和武漢解除封閉，各省市在嚴格防控境外輸入病例的同時，工作和生活正逐步在恢復常態。
受益於移動支付在我國居民生活中的高滲透率，並且對線下個體工商戶、居民全方位日常消費行為等傳統指標統計盲區的覆蓋[3]，我們發現疫情對居民造成的消費衝擊強度，高於傳統統計指標反映的情況。基於2019年和2020年春節前後的資料，我們匡算發現從2020年大年初一開始，我國移動支付金額發生了劇烈下滑。從春節前超過20%的增長，到年後很長時間內超過30%的下跌，疫情使得本年度節後理論消費量幾乎“腰斬”。直到年後的第45天，我國居民移動支付金額才漸漸趕上去年同期的數值（仍遠低於其平均增速20%）。
我們根據螞蟻金服提供的移動支付資料推算，即使是基於樂觀和保守的假設（3月以後消費基本全部恢復，非移動支付下滑幅度不超過線上），一季度消費下滑最少造成3%的GDP損失[4]。其中，居民線下消費支付額度下降超過40%，線下商戶遭遇了非常嚴重的衝擊；我國居民可選消費商品及服務的衝擊幅度更大，同比降幅達到40%-60%。
要注意，這裡估算的假設是4月份以後基本全面恢復，以及沒有任何其他外生衝擊的情況。現實情況會比較複雜：
-
由於輸入型病例的壓力，4月份北京上海等重點城市仍然處於高度防疫狀態，線下消費恢復幾乎不可能。 -
線上消費的恢復較快。截止3月9號移動支付的金額已經達到去年同期的水平，這意味著，後期部分消費可能從線下轉入線上，彌補一部分消費的損失。 -
考慮到國內線下消費難以完全恢復，城市服務業人遭受重創，同時全球疫情大流行，需求雪崩導致中國製造業也面臨停工潮，大量勞動人口會面臨失業，收入下降的效應會使得消費的恢復更加緩慢和不可預期。
春節後的一個多月，大多數線下經濟活動按下了“暫停鍵”。各個行業都遭受了不同程度的衝擊。我們基於兩個標準對行業進行分類：一是按照消費品的屬性分成商品和服務，二是按照消費品的彈性分成可選、中間和必需消費。整體而言，不同行業的消費衝擊和行業消費彈性高度相關，排序如下：“可選商品”>“可選服務”>“中間商品”>“必需服務”>“必需商品”。
具體而言，可選商品類行業（以汽車、家電為代表），和可選服務類行業（以航旅、文娛、保健為代表），受到的衝擊最大，節後相比節前的同比下滑超過60%。化妝品、服裝、通訊器材等中間彈性的商品，也受到了比較大的衝擊，下滑幅度超過40%。必須消費的下滑幅度相對較小，必須商品（糧油、食品、飲料、日用品）下滑約20%，必須服務（餐飲、教育、生活服務）下滑約35%。
分割槽域來看，從南到北，可選消費的下滑幅度逐漸增大，而且相對於必需消費也有更大幅度的下滑。在此次疫情中，平時奢侈消費和非必需消費更多的北方地區，受到的衝擊要明顯超過更加踏實務實的南方地區。另外，大城市的可選消費受到的衝擊程度也明顯高過小城市，隨城市級別呈單調下滑趨勢。
新冠疫情對全國各地區消費都產生了廣泛衝擊，但仍有較強的地區性差異。首先，疫情對湖北省消費的衝擊最大，湖北省各城市總消費支付金額下降40%以上，線下消費支付金額下降50%以上。其次，除湖北省之外，長三角地區、中部地區（安徽、河南等地）的總消費下降幅度最大，超過20%，而且線下小微商戶受到的影響更高。尤其是上述地區的省會城市受到的消費衝擊更嚴重，例如杭州、南京、合肥，總消費同比下降幅度在35%-40%左右，線下消費同比下降40%以上[5]。華北（北京、天津、河北）以及蘇北魯南地區的總消費下降幅度也較高，在10%-20%左右。而華南地區（廣東、廣西、海南、福建南部）受到的消費衝擊普遍較小，總消費支付額同比下降不超過10%。
為了直觀表示全國各地區消費下降幅度的差異，我們在全國範圍內，按春節後24天（1.24-2.17）總消費下降幅度的大小，將全國城市（網際網路普及度較低的偏遠六線城市除外）分為4檔，如圖3.1所示：
-
消費衝擊最低組：總消費支付額未降反升的城市，紅色區域； -
次低組：總消費支付額降幅低於10%，黃色區域； -
次高組：總消費支付額降幅高於10%、低於20%，綠色區域； -
最高組：總消費支付額降幅高於20%，藍色區域。
（一）疫情嚴重程度和人口流動是影響消費衝擊的最直接因素
在研究城市消費衝擊的過程中，我們發現疫情嚴重程度和人口流動是影響消費衝擊的最直接因素。首先，我們用各城市的每百萬人日均確診人數（截至2月17日），來衡量各個城市的疫情嚴重程度，並將湖北以外城市按疫情嚴重程度分5組。我們發現，疫情嚴重程度越高的城市，消費支付金額的同比下滑幅度越大。疫情最嚴重的一組城市（例如，浙江溫州、江西新餘、安徽蚌埠、河南信陽、廣東珠海），總消費支付金額平均下降20.4%，比確診病例最少的城市高18.5個百分點。
除疫情之外，春節期間的人口流動也對各城市消費衝擊帶來嚴重影響。春節期間，遷徙人口大量返鄉，而且受疫情影響，這些人口無法返回常住地，滯留了家鄉地，也使得家鄉地的消費總額偏高，而常住地的消費偏低。我們用網際網路大資料估算了各城市的春節前兩週淨流入人口，也將各地級市按照春節前流入人口比例（春節前兩週淨流入人口與常住人口之比）分組，發現春節前流入人口比例最高的一組城市（例如，廣東湛江、茂名，安徽亳州、安慶，河南周口）總消費平均下降6.1%，春節前人口流出最多的一組城市（例如，北上廣深、東莞、佛山、蘇州、寧波、廈門）總消費平均下降21.5%，相差15.4個百分點。兩組城市的線下消費下降幅度也相差14.7個百分點。
（二）華南地區、大城市、基礎設施較好、家庭金融資產更高的地區消費韌度更高
考慮到春節大規模的人口遷徙和節後全國性的封鎖，以及各個地方疫情及其防控措施的鬆緊，消費衝擊會有很不同的表現，我們希望得到一個更加代表各地消費韌度，即各城市的消費水平對抗外部衝擊的能力的量化指標。我們使用疫情嚴重程度和人口流動情況調整消費下降幅度之後，計算得到消費淨衝擊[6]，來衡量消費韌性，基於這個指標，我們有以下發現：
從地理位置上區分：南方沿海地區顯示出比中西部更高的消費韌性，華南地區始終顯示出更高的消費韌性（如下圖3.4所示），證明收入水平始終是消費的決定性因素，在高收入和低收入地區，消費刺激的目標和方法應該有所區別。此外，給定類似的收入水平，在應對新冠這樣的外生衝擊上，珠三角顯示出比長三角地區更高的消費韌度，這和兩個地區的消費習慣有密切聯絡：長三角地區在可選商品上，e.g, 奢侈品，品牌商品，的消費比例顯著大於珠三角地區。
從城市特徵上區分：大城市消費韌性顯著高於小城市，證明這些年中國大城市化的戰略非常正確（如上圖3.5所示）。和預期接近，消費受收入水平影響，我們也發現，老齡化嚴重，財政收支缺口較大的城市則顯示出更差的消費韌性。此外，還有三個非常重要的發現：
1）城市社群便利度越高，城市居民到生活必備基礎設施的距離越短，在疫情中城市居民消費受到的衝擊越小。我們用各城市人口距離商圈、醫院、小學、銀行四大類基礎設施的平均距離，作為一個城市社群便利度的衡量標準。我們發現，到城市各大基礎設施的平均距離越短，社群便利度越高，居民消費受衝擊的程度越低（下圖3.6所示）。在一些社群便利度極高的城市組（到基礎設施平均距離最低城市組），比如北上廣深以及珠三角地區大部分城市，其遭受的消費衝擊要4倍地弱於社群便利度極低的城市組（到基礎設施平均距離最遠城市組），比如黃山、臨滄、麗水等。這說明，當重大公共衛生事件發生的時候，城市居民衣、食、住、行所依賴的最小單位——社群的基礎設施完善程度，對於居民在經歷外生衝擊的正常生活、生產，起到了決定性的影響。其中，支撐社群線上生活的基礎設施（線上電商物流體系、社群治理能力等）也在疫情中有產生了重要緩衝作用。
2) 居民持有的家庭金融資產是消費衝擊的減震器。我們發現一個城市的家庭金融資產配置比例越高，城市遭受的消費衝擊越小，城市的消費韌度越好。如下圖3.7所示，我們按證券使用者投資佔比將全國城市分五組，發現在證券使用者投資佔比較低的城市組別中，消費淨衝擊平均為8.5，消費受到嚴重衝擊。在證券使用者投資佔較高的城市組別中，消費淨衝擊平均為-12.7，其遭受的消費淨衝擊2.5倍地弱於前者。而且，控制人均收入、人均消費等多重變數的影響後，每10%金融資產投資佔比的增加，城市在疫情期間遭受的消費淨衝擊平均減小4.9%。在疫情期間，高槓杆、低儲蓄、缺乏金融資產的居民，在疫情期間遭受的衝擊較大。
3）從復工情況看，投資生產型復工能對消費起到非常強的拉動作用。城市開始逐步復工後，對比居民消費的拉動作用，我們發現，城市工程機械復工率，寫字樓和產業園復工率，和城市人口出行每10%的恢復，能分別拉動消費上升8.9%、5.1%和1.3%[7]。隨著城市居民的生活步入正軌，特別是城市基建投資、房地產投資的逐步啟動，城市消費水平逐步恢復。
根據我們團隊的網路經濟人口測算，流動人口數量約為3.36億。根據百度地圖公佈的各城市日度遷入指數(flowin_index i)、遷出指數（flowout_index i），我們可以估算城市i的春節前兩週淨流入人口為：
根據上述公式，我們估計深圳春節前兩週流出1196.6萬人、流入364.4萬人，淨流出832.2萬人；河南周口春節前兩週流出101.9萬人、流入298.1萬人，淨流入196.2萬人。類似地，我們估計了各大城市春節後的流入、流出人口。根據上述人口流動情況，我們對消費衝擊進行了調整，求得。之後，我們再通過以下回歸求得殘差項：
其中，變數為春節後24天（1.24-2.17）區間內日均確診病例與常住人口之比，取對數。為了避免偏遠地區網路覆蓋率較低的問題，我們在樣本中刨除了六線城市，只考慮五線及以上城市。不同規模城市的消費衝擊的變化規律可能有所不同，因此我們根據消費支付金額將全國城市分為三組：消費總額最低組、中間組、最高組，分別進行上述迴歸，求得殘差項，即消費淨衝擊。迴歸結果如附表1所示，我們也發現，中小城市消費淨衝擊受疫情影響較大，而大城市消費淨衝擊與疫情嚴重程度的相關性相對較小。
從控制了多元變數的迴歸分析（迴歸結果如附表2所示）來看，隨著城市復工水平的提升，城市消費水平快速恢復。其中，隨著工程機械復工率的提升，城市消費水平的恢復最為顯著。在控制了城市或者省份多重變數以及固定效應的基礎上，我們發現，對於消費的拉動作用中，城市工程機械復工率提升帶來的拉動效果>寫字樓和產業園復工率提升帶來的拉動效果>城市整體工作出行恢復的帶來的拉動效果。這證明投資帶動消費的作用力是最強的。隨著城市居民的生活步入正軌，特別是城市基建投資、房地產投資的逐步啟動，城市消費水平顯著地得到恢復。
[2] 資料來源：中國銀聯的調查報告。
[3] 支出法GDP中的最終消費支出資料來源於住戶調查、政府部分的行政記錄、金融機構、保險機構的有關資料。社會零售品銷售總額資料來源於批發和零售業、住宿和餐飲業及其他行業的社會消費品零售總額調查。
[4] 2020年春節後45天，移動支付額比去年同期下降了5萬億。由於移動支付大概佔支付總額的一半份額，假設非移動支付的下降幅度相同（其實應該更大），那麼消費總額萎縮10萬億。按照平均30%的增加值率來計算，這一個半月GDP的損失3萬億。
[5]總消費支付額包括通過支付寶支付的線上消費與線下消費之和。線下消費資料主要來自使用支付寶收款的線下商戶（“碼商”）。“碼商”指因生意規模小而無力或無必要購置掃碼槍等收款機具，使用支付寶等移動支付提供商推出的移動支付二維碼進行收錢的全部線下小微企業和個體工商戶。
[6] 具體計算方法請見附錄1。消費淨衝擊越大，則說明消費韌性越差。
[7] 迴歸分析請見附錄2。