稿件:econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
关于多期或交错DID,Bacon分解,参看:1.平衡回归, 面板事件研究法和Bacon分解方法学习与应用前沿案例,2.诚实双重差分法DID, 面板事件研究法和Bacon分解的经典应用文!3.一篇使用Bacon分解作为交错DID稳健性检验的TOP文章, 数据和代码分享!4.交错(渐进)DID中, 用TWFE估计处理效应的问题, 及Bacon分解识别估计偏误,5.事件研究法开展政策评估和因果识别, 分享8篇提供数据和代码的文章,6.DID前沿: 5种方法估计事件研究的因果效应, 并使用绘制系数和置信区间, 详细代码和数据,7.AER未监测的污染, DID和事件研究法运用的典范(附代码),8.AER上事件研究+DID做得真出神入化, 国内很多大牛都借此学习到该方法的精髓!中文TOP刊上关于零工经济的研究, 思路和方法借鉴的是这篇金融顶刊文章?
社群群友讨论是说借鉴了,但这并不重要,重要的是这篇JFE上的文章讲了什么,用了什么计量方法去检验这一关系的。
正文
关于下方文字内容,作者:马小彧,天津大学管理与经济学部公共管理学院,通信邮箱:maxiaoyu0127@tju.edu.cn
John M. Barrios & Yael V. Hochberg & Hanyi Yi, 2022. "Launching with a Parachute: The Gig Economy and New Business Formation," Journal of Financial Economics, 144(1), 22-43.We utilize the staggered arrival of Uber and Lyft—large sources of on-demand, platform-enabled gig opportunities—in U.S. cities to examine the effect of the arrival of flexible gig work opportunities on new business formation. The introduction of gig opportunities is associated with an increase of ∼5% in the number of new business registrations in the local area, and a correspondingly-sized increase in small business lending to newly registered businesses. Internet searches for entrepreneurship-related keywords increase ∼7%. These effects are strongest in locations where proxies for ex ante economic uncertainty regarding the viability of new businesses are larger. Our findings suggest that the introduction of the gig economy creates fallback opportunities for would-be entrepreneurs that reduce risk and encourage new business formation.
摘要
本文利用Uber和Lyft交替兴起的证据来探究零工经济的引入对创业活动的影响。多期(交错)DID研究结果表明,随着零工经济的引入,本土企业注册数量增加了5%,并且新注册企业的贷款量也出现相应的增长,互联网上创业相关主题词的搜索强度增加了7%,并且这种影响在新企业形成前经济不确定性大的地方更为强烈。本文的研究结果还表明,零工经济通过为潜在创业家提供创业失败的退路,降低了创业的风险,促进了创新活动的发生。1 引言
1.1 研究背景
近年来,伴随着科技进步与智能手机的不断普及,零工经济逐渐兴起,并由此诞生了包括Uber、Lyft和DoorDash等在内的诸多具有零工经济特色的企业。在零工经济的基本商业模式中,按需匹配服务以及灵活的工作时间是其区别于其他传统固定的显著优势,人们可以在任何其想工作的时间工作,并且只在他们希望的工作时间内工作。Uber、Lyft等基于应用的零工经济企业的出现更是强化了这一优势,通过降低人们进入零工行业的门槛,为人们提供了传统工作外的额外就业机会。基于Knight(1921)的观点,个人选择创业或就业主要依据是两种工作能够提供的预期回报,而零工经济的存在,能够让潜在企业家获取创业活动之外的额外收入,降低了创业失败的影响,特别是在其创业目标风险较高时,零工机会提供的“保险”更具价值。换句话说,零工机会的存在,可能会鼓励更多的潜在企业家选择创业。1.2 研究问题
拼车平台作为美国首批大规模推出的零工经济平台之一,自2010年Uber成立以来,用不到四年的时间覆盖了全美80%人口超十万的城市。本文便是利用这一事件冲击,来探究零工机会增加对新企业形成的影响。1.3 研究发现
(1)零工经济的兴起,通过为潜在创业者提供额外的收入的形式,促进的当地的创业活动,企业注册量、新注册企业贷款量与创业兴趣均有所上升。(2)零工经济对创业活动的影响在经济不确定性较高的地区会产生更大的作用。2 研究样本及数据
2.1 研究样本
研究对象:美国2010年人口大于或等于10000的建制区(Incorporated places)数据来源:美国人口普查局、Uber、Lyft、Google等(https://www.census.gov/content/dam/Census/data/developers/understandingplace.pdf)2.2 拼车数据
拼车服务启动日期数据:Uber与Lyft平台直接获取拼车司机注册数据:Google Health Trends API注册数据处理方法:利用Google Health Trends API,获取“Uber”、“Lyft”和“rideshare”在不同时期的搜索强度。注:司机注册的实际数据无法获取,作者基于Cramer等人的研究,使用互联网有关拼车主体词的搜索强度来间接衡量拼车司机的注册强度。2.3 创业活动数据
作者主要使用三个指标来衡量创业活动,分别是新注册企业数量、新企业贷款量以及创业兴趣,具体指标的衡量方式与数据来源如下表所示。作者使用工资增长的波动、企业营收额的波动(横截面波动+时序性波动)和企业破产率四项指标来衡量经济不确定性。本文使用劳工统计局(BLS)的就业和工资季度普查数据来衡量劳动力市场的不确定性。通过在县级维度计算各行业部门工资增长率的方差与协方差之和,辅以各部门就业份额进行加权,进而计算工资增长率的波动性,具体计算公式如下所示:其中表示行业i总就业人数的比例,表示行业i的工资增长率方差,p表示建制区。本文利用美国国税局(IRS)中企业净收入数据,在邮政编码维度测度企业家的收入波动性。包括拼车出现之前2010年的收入波动性(横截面波动性度量标准)和2010年之前五年期的收入波动性(时序波动性度量标准)。首先,作者通过IRS SOI数据库收集变量A00900和N00900的数据,以获得净收入的金额和企业数量。其次,作者将使用同一个邮政编码的净收入除以申请企业数量,以得到每个申请的平均净收入。再次,作者计算了不同年份里各地区企业营收额的标准差。最后,作者计算了2005-2010年间所有邮政编码平均营收额的标准差。最后,作者从美国法院获取一个地区的企业破产率,并将其与IRS提供了企业数量进行比较,以衡量创业失败率。2.5 控制变量与建制区异质性
本研究中,作者使用数种方法来探索不同建制区特征的异质性,并将其作为模型的控制变量。首先,作者通过控制建制区的人口估计数、人口密度以及年度县级人均收入,这些数据分别来自美国人口普查局和经济分析局。作者通过控制它们来探索建制区特征的异质性。其次,作者为控制个人信用约束变化的影响,使用2010年匿名个人信用局的数据集来构建收入与信贷约束的几个事前代理变量。包括每个建制区的个人年均收入、信用评分、低收入和次级借款人的比例,其中作者将信用评分低于660分的定义为次级借款人,约为样本总人数的44%。最后,为控制人口统计学特征的异质性,作者利用人口普查局的5年社区调查数据,计算了2010年每个建制区拥有高中学历和学士学位的人口比例以及县级层面的种族和民族构成指标。2.6 描述性统计
表1显示了本文样本的描述性统计数据。由该表可知,在2010年出现拼车平台之前,样本中44.1%的借款人是次级借款人,49%的是低收入借款人,85.6%的人至少拥有高中学历,28.6%的人至少拥有学士学位。从该表的统计分布也可以发现,这些特征在不同建制区中有很大差异。3 模型设计
其中是建制区c在t季度的创业活动或创业兴趣。是建制区固定效应,是季度固定效应,是随时间变化的建制区特定控制变量,是建制区特定的线性时间趋势。模型估计时使用的是在建制区一级聚类的稳健标准误。模型分别对两组不同样本进行估计,分别是2001-2016的全样本估计和将样本限制在曾接受过拼车服务的建制区2005-2016年的子样本估计。以此来缓解结果可能是由于处理与未处理建制区的区域差异所驱动的担忧。4 结果分析
4.1 新企业注册
表2所示为作者使用新企业注册数作为结果变量的DID估计结果,其中结果变量作者进行了对数化处理(为求简洁,作者仅报告了其关注的变量系数)。表2共呈现了4个模型的估计结果,其中模型(1)代表整个样本期的估计值,模型(2)将样本期缩短至2005年以后,模型(3)将样本仅限于曾经处理过的建制区,模型(4)将样本仅限于曾经处理过的建制区,且样本期在2005年以后。观察这四个模型可以发现,交乘项的系数范围受到了样本的影响,但总体来说零工经济的引入与新企业注册增长约3%到6%相关。图1呈现了进入点附近的年度系数,通过观察该图,作者表示DID模型的平行趋势假设成立。4.2 新企业贷款量
本小节中,作者将结果变量由企业注册量更换为SBA向新注册企业提供的贷款量进行重新估计。对于新注册的界定范围,作者选取了6个月内注册的企业与12个月内注册的企业两种,并且对该结果变量也进行了对数化处理,最终结果如表3所示。表3呈现的结果与表2的结果相类似,且幅度相当。表3的模型结果均表明以拼车平台形式出现的零工经济与新企业贷款量的增加有关。结合表2、3的结果,作者证实了零工经济的引入与该地区的创业活动增加相关。4.3 创业兴趣
本小节,作者将结果变量从实质的创业活动(新企业注册量、新企业贷款量)转换为该地区的创业兴趣(互联网有关创业主题词的搜索强度),来分析零工经济、创业兴趣以及创业活动之间的关系。一方面,作者通过绘制引入拼车服务前后,搜索强度与新企业注册量的散点图,分析了三者之间的关系,结果如图2所示。根据图2的结果可知,创业兴趣与新企业注册量正相关,并且随着零工经济的引入,这种正相关曲线变得更加陡峭。另一方面,作者以搜索强度作为结果变量,进行重新估计,结果见表4。其中模型(1)代表整个样本期的估计值,模型(2)将样本期缩短至2005年以后,模型(3)将样本仅限于曾经处理过的建制区,模型(4)将样本仅限于曾经处理过的建制区,且样本期在2005年以后。模型估计结果表明,零工经济的到来,使得有关创业主题词的搜索强度增加了7%到13%。4.4 经济不确定性
作者使用四个与经济不确定性相关的指标来测试是否在经济不确定性的区域,零工经济的作用效果更大,结果如表5所示。其中模型(1)使用劳动力市场的不确定性与处理变量进行交互,模型(2)和(3)则是使用两个与企业营收不确定性与处理变量交互,模型(4)则是使用企业破产风险的代理变量。由表5模型(1)结果可知,在事前劳动力市场不确定性高的区域,零工经济的影响更大,除了主要的处理效应外,一个建制区的工资增长波动增加一个标准差,会导致新企业注册量增加2.9个百分点,创业兴趣增加1.5个百分点。由模型(2)和(3)的结果可知,企业收入波动增加一个标准差,新企业注册量增加3到4个百分点,创业兴趣则增加约9个百分点。最后,观察模型(4)结果可知,零工经济在企业破产率较高的地区影响更大,企业破产率每增加一个标准差,新企业注册量和创新兴趣均会增加1个百分点。表5的结果支撑了作者关于零工经济对创业提供的保险机制的推论,作者在之后进行了额外测试,以进一步分解保险效应的性质,结果如表6所示。表6的结果表明经济不确定性会通过影响已成立企业的收益以及为创业提供退路的方式影响创业活动。4.5 异质性分析:创业类型差异
作者在本小节探究了零工经济的作用是否会受到创业类型以及地理分布的影响。通过将SCP获取的创业质量指数(EQI)以及基于邮政编码的HHI指数作为结果变量进行重新估计,前者衡量了一个地区成立企业具有高价值的概率,后者则是衡量了新企业注册的地理集中程度,最终得到的结果见表7。由表7结果可知,零工经济的到来并不会显著改变区域内的企业类型构成,也没能观察到企业地理集中度发生了显著变化,因此认为零工经济的作用并不会受到企业创业类型以及其地理分布的影响。4.6 异质性分析:经济增长差异
考虑到不同区域经济增长趋势存在差异,作者使用地区平均周工资代替新企业注册作为结果变量,并进行重新估计,结果如表8所示。观察表8的结果可知,零工经济的引入并没有带来对应周工资的上涨,估计系数实际上还是一个负值,这表明创业活动的增加并不是由于区域经济活动的增加所导致的。4.7 异质性分析:人口统计特征差异
本小节,作者讨论了在人口统计学和社会经济学特征不同的建制区中,零工经济的作用是否会产生差异。作者关注教育、种族和信贷约束的影响,将其在建制区维度进行计算,并按四分位数与处理变量交互,结果变量为新企业注册量,最终结果如表9所示。由表9可知,零工经济对创业活动的影响集中在高中/学士学位比例较少的区域中,这与零工经济的保险效应对教育程度较低企业家更有价值的推论一致。对于种族异质性,作者发现零工经济的影响在西班牙裔人口比例较高的区域和黑人及非洲裔美国人人口分布居中的区域影响更大。而观察模型(5)和(6)的社会经济特征可以发现,零工经济的影响在信用评分最低和次级借款人比例最高的影响最大,这与Knight关于企业家风险承担的观点一致。4.8 稳健性检验:交错型DID模型
作者基于Goodman-Bacon(2021)等人的研究,使用交错DID模型验证结果的稳健性。其中样本选择的是2005年以后的数据,所有结果和控制变量均利用控制建制区估计的变量均值消除趋势,控制变量包括人口的对数、人均收入和失业率,结果如表10所示。表10中,模型(1)结果变量为新企业注册量的对数,模型(2)结果变量为6个月内注册成立的企业的SBA贷款数量,模型(3)结果变量为12个月内注册成立企业的SBA贷款数量。随后,作者又呈现了动态差异系数,忽略了处理前一年和第一年的相对时间系数,结果如图3所示。前文结论保持不变。4.9 稳健性检验:Goodman-Bacon分解
为给实证设计提供更多背景信息,作者还行Goodman-Bacon分解,并分析了交错DID估计结果的权重。分解结果如表11与图4所示。由表11的Panel A可知,第一个组成部分“早期处理组与后期控制组”比较了较早引入拼车服务的建制区与尚未引入拼车服务的建制区,其平均系数估计值为-0.006,权重为0.176,。第二个组成部分“后期处理组与早期控制组”比较了较晚引入拼车服务的建制区与已经引入拼车服务的建制区,其平均估计系数为-0.020,权重为0.014。第三个组成部分“处理组与未处理组”则是比较了某个时间节点引入拼车服务和没有引入拼车服务的建制区,其平均估计系数为0.020,权重为0.81。通过该表可知,交错DID的估计结果大部分来自于被处理的建制区与从未被处理建制区之间的差异,但同时处理过的建制区与未处理过的建制区可能存在一些潜在的差异会影响处理效果。同理可得,表11的Panel B也呈现了类似的结论。图4 交错DID系数的Goodman-Bacon分解4.10 稳健性检验:限制样本时间与增加二次趋势
作者通过将样本限制在2010年以后和增加二次趋势的方法,对样本进行重新估计,结果如表12、表13所示。结果保持不变。4.11 稳健性检验:加入主题词搜索强度进行交互
本文的基准模型仅使用拼车服务的启动日期作为处理日期,而随着时间推移,各种类型服务的接受可能会增加,因此作者在原本处理变量的基础上又加入了谷歌关于乘车相关数据的搜索强度进行交互,并进行了重新估计。结果如表14所示。结果依旧稳健。4.12 稳健性检验:Cox比例风险模型
考虑到拼车企业选择建制区可能并不是随机的,作者使用Cox比例风险模型对拼车服务进入建制区影响因素进行估计,结果如表15所示。由表15可知,虽然人口和收入强烈地预测了拼车服务的进入时机,但在新企业注册趋势方面没有统计上的显著性,说明新企业注册数本身并不是影响拼车服务选择建制区的原因。本文基于Uber和Lyft兴起的证据,探究了零工经济的兴起对创业活动的影响,并得出了以下几点结论:(1)零工经济的兴起将促进该地区的创业活动,该地区企业注册量与新企业贷款量增加了约5%,创业兴趣增加了约7%。(2)零工经济对于创业活动的促进作用主要源自为潜在企业家提供的保险机制,通过为其提供额外的收入来源,降低了创业失败的风险,因而能够鼓励更多的创业活动。(3)教育水平较低、西班牙裔人口比例较高、非裔人口比例较低的地区,零工经济对创业活动的影响更大。信贷约束和则会产生一个U型影响,即在信贷约束和次级借款人比例最高和最低的地区,零工经济的影响更大。
关于因果推断书籍:①哈佛大学新修订完成的因果推断经典大作免费下载!附数据和code!②图灵奖得主Pearl的因果推断新科学, Why?③计量课程免费开放!面板数据, 因果推断, 时间序列分析与Stata应用,④你应该阅读哪本因果推断书籍: 一份进阶流程图和简短书评列表。
下面这些短链接文章属于合集,可以收藏起来阅读,不然以后都找不到了。
3.5年,计量经济圈近1000篇不重类计量文章,
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle
计量经济圈组织了一个计量社群,有如下特征:热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此,建议积极进取和有强烈研习激情的中青年学者到社群交流探讨,始终坚信优秀是通过感染优秀而互相成就彼此的。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。