请 更新浏览器.
介绍
在它发作近三年之后, 在家工作(WFH)技术及其影响是2019冠状病毒病大流行带来的最重要、最持久的经济遗产之一(巴雷罗), 等., 2021). 根据美国.S. 人口普查局,27.2021年,600万美国人表示主要在家工作, 到2019年,这一人口规模将增加三倍.1 为了应对这种工作和通勤模式的革命, 主要从事商业服务行业的高收入居民已经从市中心搬到了郊区,并走出了大城市, 昂贵的城市(费雷拉 & Wong, 2022; Ding & Hwang, 2022; Athloff, 等., 2022; Li & Su, 2022; Brueckner, 等.即将到来,; Ramani & 布鲁姆,2021). 到目前为止, 大多数关于公司地点变化的文献都集中在那些工人已经完成了WFH过渡的公司. 他们发现,这些公司也正在离开市中心,并大幅缩小其商业办公空间的规模(道尔顿) & Groen, 2022; Rosenthal, 等., 2022; Gupta, 等., 2022).
研究较少的是WFH对零售公司拥有的实体店选址决策的影响. 零售机构, 通过改变他们的客户群的位置和行为,更直接地暴露于WFH的采用, 而不是通过他们的员工(大部分仍然是面对面的). 例如, 很大一部分消费者的购物之旅是从家里开始或结束的, 导致许多公司在居民区附近选址(Relihan), 2022; Farrell, 等., 2017). 这可能会促使零售公司类似地转移到消费者的居住地. 此外,消费者倾向于在通勤途中连锁访问零售商店(Miyauchi等)., 2022). 每天往返于不同地点的消费者越来越少, 传统的就业中心可能无法支持相同水平的零售机构. 此外, 例如,如果在家工作的消费者出行次数更少,出行方式也不同,那么这种零售活动可能不会简单地转移到居民区, 在家工作的人可以自己准备午餐,而不用去当地的餐馆. 2
该报告首次提供了详细的证据,说明由于WFH技术的广泛采用,零售场所的位置发生了变化. 这样做, 我们建立了一个新的数据集,根据每个机构的信用卡和借记卡终端的活动,跟踪零售机构到2021年第四季度的进出情况. 有了这个数据集, 我们发现,零售机构在各个地区的复苏程度存在很大差异. 我们发现,零售机构已经平行人口从大型, 昂贵的城市优先于较小的城市, 阳光地带的城市,从市中心到郊区. 这些影响相互抵消, 因此,机构总数几乎等于其大流行前的基线. 除了, 我们的研究表明,受WFH冲击的社区是市中心与郊区零售场所构成变化的关键驱动因素, 甚至控制了社区人口的变化. 这可能是由于在家工作的人的购物行为不同, 例如减少对服装和个人护理服务的需求.
了解人口增长和地暖对零售场所影响的规模和性质非常重要,因为这些场所占商业空间和经济活动的很大一部分. 在大流行之前, 零售商品和服务占主要商业建筑活动的29%, 相比之下,只有16%的人选择了办公室.3 如果机构在组成和位置上发生变化, 然后,这将对其他经济部门产生重要的溢出效应, 包括劳动力市场和房地产市场. 这些影响也对城市的生产和消费价值以及政策干预产生影响, 比如土地使用法规和税法的变化, 这可能是支持城市经济持续健康发展的必要条件.
数据资产
我们使用超过7000万大通客户的交易数据来识别2017年第一季度至2022年第二季度的实体店. 我们对企业的定义是商家标识符的唯一组合.g. “鲍勃餐厅#1234”), 邮政编码制表区(ZCTA), 和产品对应的销售点,在那里面对面的交易发生. 确保足够的卡片活动,以确定进出场所, 我们将研究对象限制在12bet官方拥有重要客户基础的16个主要城市,并按季度进行观察.4 我们对城市的定义是以核心为基础的统计区域, 包括主要城市和外围郊区吗.
我们专注于日常零售产品的一个子集,这些产品被卡交易数据很好地捕获. 这些包括食品杂货, 一般商品, 服装, 餐厅, 家居用品, 休闲, 个人护理服务, 专业的消费者服务, 和药店. 以下是所选产品类型的非详尽示例列表:杂货店包括传统杂货店和特色食品店. 一般商品包括百货商店, 折扣店, 以及其他销售日常用品的零售商.g.、花店或书商). 除了提供全方位服务的餐厅和快餐店外,餐厅还包括出售供在店内食用的食物的酒吧. 家居用品包括家具和家装用品. 个人护理服务包括沙龙、理发店和干洗店. 休闲活动包括电影院、保龄球馆和健身房等场所. 专业的消费者服务包括兽医、税务准备和儿童保育.
我们的建立识别过程定义了超过1的活动.在我们的研究期间,有700万家机构. 我们认为一个机构在每个季度都是活跃的,我们观察该机构的任何交易, 虽然我们认为机构存在于所有季度,包括其第一个和最后一个活跃季度. 例如, 考虑在2019年第三季度首次活跃的机构, 在2020年第二季度和2020年第三季度的局部停产期间变得不活跃之前,在接下来的两个季度都是活跃的, 然后在2020年第四季度再次活跃,直到2021年第二季度. 我们确定该机构的进入日期为2019年第三季度,退出日期为2021年第二季度. 对于外部基准, 我们将2019年的编制水平和2018年至2019年的变化结果与普查县商业模式进行的编制调查进行了比较,发现它们足够一致.
对我国建制措施的解释取决于几个重要特征. 首先,我们没有覆盖所有的场所. 该数据集中不包括仅使用现金支付的机构以及零售商品和服务以外的机构, 比如制造业和商业服务业. 第二,机构不同于公司. 当焦点是机构与公司时,这可能导致进入和退出的不同模式. 例如,一家公司可能关闭了一个机构,但仍然存在. 一个公司也可以在城市的同一时间开设和关闭机构,这使得我们可以在不改变公司数量的情况下测量空间的进入和退出.
我们将这些数据与来自每个参考月至少有10笔交易的客户报告的住宅地址的消费者位置信息结合起来, 社区线下和线上消费的变化来源于大通信用卡数据, 2015-2019年美国社区调查(ACS)的流行病前社区人口统计数据, 以及来自2019年纵向雇主-家庭动态来源-目的地就业统计(LODES)的住宅和就业劳动力数据. 数据由ZCTA地理合并. 在整个分析中,为了便于说明,我们将zcta称为邻域.
找到一个: 零售场所已与大型居民的迁移并行不悖, 昂贵的城市变成小城市, 阳光地带的城市,从市中心到郊区
图1显示,我们跟踪的每个城市都经历了企业急剧下降,随后又出现复苏, 尽管大多数城市仍低于大流行前的水平. 我们追踪的城市, 旧金山, 洛杉矶, 圣地亚哥最初的下降幅度最大,仍然是增长率最低的城市之一. 到2021年第四季度,旧金山仍有6家.比2019年第四季度减少了5%,而洛杉矶有4家.少了2%,圣地亚哥少了3个.减少7%. 凤凰城,休斯顿和达拉斯- ft. 沃思的企业数量增长最快. 到2021年第四季度,凤凰城拥有4座.休斯顿有4家餐馆,比2019年第四季度增加了1%.达拉斯-福特大学的增长率为0%. 沃斯有3个.5%以上.
图1:到2021年第四季度, 在我们追踪的城市中,只有6个城市的增长相对于大流行前的水平
我们发现,各城市在企业恢复方面的这种巨大差异反映了大流行期间发生的人口变化. 这种关系可以在图2的散点图中看到. 比如旧金山, 洛杉矶, 圣地亚哥, 纽约市除了人口大幅下降外,还经历了一些最大的机构下降. 这与劳工统计局商业就业动态和商业形成统计的数据是一致的,数据显示,阳光地带的企业增长强劲,沿海城市地区的企业增长疲软或负增长(德克尔) & 哈尔蒂旺格尔2022). 在这个中心模式之外, 新奥尔良是疫情复苏迹象最不明显的城市. 两年多来,这座城市只恢复了最初6%的1%.下跌了2%,目前已经下跌了2%.占人口的4%.
图2:高成本的沿海都会区人口和零售场所减少,而阳光地带都会区则出现增长
人口和企业增长之间的这种相关性在城市内部也存在. 为了证明这一点, 我们创建了一个城市不变的距离尺度, 城市中心的社区位于距离0.而城市中最远的街区位于距离1处.0. 然后, 我们使用局部加权散点图平滑来描述从市中心核心到远郊的城市内社区的平均人口和企业增长. 图3显示了截至2020年第二季度(橙色线)和2021年第四季度(蓝色线)相对于2019年第四季度的城市每个点的平均增长效果. 图4显示了距离为0时的平均效果.0, 0.1, 0.4和0.完整时间序列为8.5
早期的大流行条件为城市内的人口和机构创造了不同的增长曲线. 这可以在图3面板中的橙色线条中看到. 在2020年第二季度大流行开始时, 市中心和外核心区的人口下降幅度不大. 整个城市的增长曲线的形状, 其中郊区的人口增长略高于核心地区, 仍然与过去几十年的模式大体一致(高定 & Handbury, 2020). 这可能是由于许多客户在2020年第二季度离开城市最初是暂时的,因此没有反映在我们的数据中.
然而, 早期的大流行条件立即永久关闭了整个城市的零售场所,市中心的零售场所下降幅度更大. 对于中心的社区,平均影响为12.与2019年第二季度相比减少了9%. 稍微离开市中心,搬到距离只有0.1大大减少了负面影响,只有6.0%. 从那里开始,向城市外围地区的坡度要小得多. 离市中心最远的社区只有1.大流行开始时,营业场所减少了1%.
截至2021年第四季度,这些增长曲线存在重要差异. 第一个值得注意的特征是人口曲线的急剧旋转. 城市中心和外围核心的社区下降了8%.9%和3%.分别为4%. 然而,在内郊和远郊的起点,人口增长强劲,为1.0%和4%.在最近的数据中分别为9%. 图4中的时间序列显示,这种模式是过去两年中人口从市中心持续向郊区转移的结果. 这种转变正在减速,但在最近几个季度仍在继续增长.
与此形成鲜明对比的是, 企业的时间序列是在最初的冲击之后恢复的, 根据最近的数据,只有郊区恢复了增长. 市中心的商店仍然损失惨重.8%. 与人口不同的是,最近的增长在近郊最为强劲,尽管不高于1%.7%的增长率. 这是大流行前趋势的逆转, 其中,城市中心地区的机构增长最快,而且到处都是正增长(见附录图C1)。. 图4中的时间序列显示,到2021年,市中心的营业场所正在恢复, 而该市的其他地区在2021年的每个季度都保持着稳定的增长率. 这表明,新的郊区WFH人口可能只支持郊区机构的适度增长.
图3:城市内部, 居民和零售企业都从市中心迁往郊区
图4:自大流行开始以来,市中心的设施和人口增长一直较低
在总体水平上, 我们发现,我们观察到的跨空间企业的盈亏差异很大,到2021年第四季度将出现适度下降. 我们汇总结果的时间序列如图5所示. 正如上图所示,在我们追踪的16个城市中,餐馆的数量减少了6家.相对于2019年第二季度增长7%. 这个比15个小得多.营业场所减少2%, 哪一种既代表永久退出,又代表由于大流行条件而临时关闭.6下图显示,2020年第二季度,与大流行相关的永久性关闭使企业的典型退出率增加了一倍以上, 从4岁开始.从季度到十点的5%.2020年第二季度为0%. 2020年第三季度的退出率要低得多.3%)表明,大流行在一定程度上加速了可能已经发生的关闭.
在大流行的早期阶段, 到2020年底,季度退出率迅速恢复到大流行前的基线水平.7因此,企业在2020年下半年的持续低迷并不是关门率持续上升的结果, 而是由于新企业的进入率较慢. In 2021, 进入率加快了, 使机构总数接近大流行前的基线水平. 到2021年第四季度,这一数字仅为1.与2019年第四季度相比减少了1%. 本季度没有欧米克隆波的影响, 这似乎提高了退出率,降低了进入率, 机构总数的增长可能高于大流行前的基线. 当然, 我们预计,如果没有发生大流行,并且设施增长率保持在每年5%左右,那么最新数据中的设施水平将远远高于这一基线.
图5:到2021年,设施几乎恢复到大流行前的总体水平
发现二: 更容易接受在家工作的社区失去了更多的机构
人们向新居住地的迁移与城市内部和城市之间的企业增长明显相关. 就像之前讨论的最近的工作一样, 这一运动主要是由WFH (Ramani)的采用所推动的 & Bloom, 2021; Athloff, 等., 2022; Ding & Hwang, 2022; Ferreira & Wong, 2022; Li & Su, 2022; Brueckner, 等.,即将出版). 然而, WFH的采用可能影响的不仅仅是居住地点的选择,它还可能影响个人消费者的日常消费行为. 例如, 在家工作的消费者可能会从在工作单位附近的餐馆购买午餐转向在离家近的餐馆购买午餐,或者转而利用更多的杂货店在家准备午餐. 他们也可能会减少购买与工作相关的服装或个人护理服务,以保持职业形象.
零售商品和服务机构的不同复苏提供了这种与WFH习惯一致的需求转变的证据. 如图6所示. 服装和个人护理服务是相对于大流行前水平恢复最少的两种产品类型. 与此形成鲜明对比的是, 食品杂货和餐馆的经营水平都迅速恢复,并且是最近数据中唯一整体增长的产品类型. 考虑到食品相关产品的本质,这是有道理的.
我们还发现,有证据表明,对与亲自就业无关的更广泛的产品的需求足够强劲,足以在消费者更多的郊区住宅区附近创造企业增长. 如图7所示, 我们在哪里复制2021年第四季度的产品与市中心的距离增长率分析. 在这里,我们发现杂货和餐馆的增长是由郊区的增长驱动的. 然而, 内郊区的餐馆增长更强劲,而外郊区的杂货店增长更强劲. 如果WFH的采用也随着距离的增加而增加,这可能反映出需求从餐馆到更远郊区的杂货店的强烈转变.8我们还发现,郊区的休闲和消费服务机构也在增长, 随着越来越多的人进入郊区. 我们预计,对这些产品的需求将更加独立于居民的工作地点和方式. 相比之下,服装和个人护理服务在该市的任何地方都没有增长. 事实上, 这些产品的增长率是凸的, 城郊人口与企业增长呈负相关. 如果有更多的居民在更远的郊区采用WFH,这将再次与更强的WFH效应相一致.
图6:到2021年第四季度,食品杂货店和餐馆是仅有的两种恢复到大流行前水平的场所
图7:内郊区的餐厅增长最为强劲. 杂货店, 休闲, 专业消费服务机构在远郊地区增长最快.
最后, 我们构建了WFH暴露的邻域度量,并在回归框架中正式分离出人口变化对WFH的影响. 对于WFH的影响,我们理想地度量哪些客户从事远程工作. 由于我们使用的数据中没有直接的WFH指标, 相反,我们衡量的是大流行前社区对世界粮食危机冲击的暴露程度. 我们以两种方式在社区水平上衡量这种暴露:就业暴露,通过在极有可能过渡到完全远程或混合工作时间表的行业中工作的份额来衡量;居住暴露,通过在这些行业中工作的社区人口的份额来衡量. 这些行业是与信息(51)相对应的两位数NAICS行业。, 金融保险(52), 专业服务(54), 和公司管理(55)在Athloff使用, 等.,(2022)研究远程工作的地理. 它们表明,这些行业的就业与疫情期间远程工作的倾向之间存在密切关系.
我们的规格是
∆美国东部时间zc = β1 市中心zc + β2 ∆人口zc + β3 WFH_Emp_Exposurezc
+ β4 WFH_Resi_Exposurezc + Xzc + γc + εzc,
在∆美国东部时间zc 是社区中店铺数量的变化吗 z 在市区 c, 市中心zc 对于市中心的社区,虚拟变量是否等于1 (0.0 to 0.1(距离标尺),∆人口zc 是顾客数量的变化, WFH_Emp_Exposurezc 衡量就业暴露于WFH,和 WFH_Resi_Exposurezc 测量住宅暴露于WFH. 我们还包括一个邻域特征向量,Xzc, 这控制了大流行前社区非白人居民的比例, 收入中位数, 以及住在附近的顾客的线下和线上消费的变化. 在所有规格中,我们包括城市固定效果, γc . εz 假设是正态分布的iid误差项.
确定WFH对企业增长的影响存在许多挑战. 差异的估计控制了两年窗口内时不变的邻域特征,并与我们的因变量相关. 的 市中心zc我们的其他控制没有捕捉到的市中心中心流行病影响的剩余差异的虚拟控制. 城市固定效应控制针对疫情在各城市的共同影响. 纳入邻里特征确认,大流行病对低社会经济地位社区和高社会经济地位社区的经济表现产生了不同的影响. 这些影响可以通过疾病的直接影响和间接经济影响来实现, 例如通过劳动力市场或刺激支付(切蒂), 等., 2022). 正如我们在相关工作中所展示的那样, 疫情还导致一些在线产品出现新的和持续的使用, 尤其是杂货店和餐馆, 这可能会对实体零售的生存能力产生影响,并与WFH的采用有关(小麦, 等., 2021). 以这些控制为条件, we believe t在这里 is limited scope for reverse causality concerns in this context; arguably 新型冠状病毒肺炎 largely acted as an exogenous shock to customer locations and spending behaviors that then fundamentally altered the viability of retail establishments in different locations.
表1:选择的邻里水平特征与编制增长的关系
我们的结果见表1. 与我们之前的结果相呼应, 我们在模型1中发现,位于市中心与平均得分3相关联.在没有其他控制措施的情况下,营业场所的增长率降低了6个百分点. 模型2加入了我们对同期人口增长的估计,我们再次发现,在这一时期,人口的变化与企业增长有很强的相关性, 足以让市中心的虚拟变量变得无关紧要. 在Model 3上, 就业和居民对WFH的暴露对企业增长都有负面影响. 在这个估计中, WFH就业和住宅暴露增加1个百分点与-0相关.15和-0.企业增长率分别下降10个百分点. 这种关联即使在模型4的人口增长条件下也成立. 模型2 -4中系数的稳定性表明,WFH通过种群效应和行为效应的影响是数据变化的相对独立的来源.
在模型5的最终规格中, 我们还包括了社区人口统计数据和渠道消费行为变化的其他控制. 这些控制使WFH住宅暴露负系数的大小增加了四倍,达到-0.25个百分点. 这是有道理的,因为我们观察到WFH住宅暴露较多的社区之间存在强烈的正相关, 更高的收入, 非白人居民也越来越少.9 这些相关性被分开了, WFH住宅暴露度量的影响成为零售机构增长的最重要驱动力,仅次于人口增长. 这与我们的直觉相吻合,即如果WFH消费者的旅行次数总体上减少, 在大多数消费者购物的居住地点附近,这种日常WFH行为改变的影响应该更大.
整体, 这些结果表明,通过采用WFH行为影响零售场所选址的一系列机制. 首先是住宅的搬迁. 大多数消费者的购物活动都发生在住宅附近,最近进入商店的模式反映了顾客在郊区的新位置. 其次是通勤出行的减少. 严重依赖消费与通勤联系在一起的市中心地区继续受到影响. 最后的, 这是否超出了居住和就业地点选择的变化, 采用WFH驱动的消费者习惯的变化抑制了实体零售机构的复苏. WFH人群的总体消费行程可能较少,对与新工作环境不太相关的服装和个人护理服务的需求也较低.
发现三: 影响
我们发现,自2019冠状病毒病大流行以来,人口和零售场所都在从城市中心向郊区转移. 这既带来了挑战,也带来了机遇,可以通过谨慎的政策选择来应对.
土地使用. 不同类型的住宅和商业物业在空间上的相对需求的变化意味着,目前的分区法可能不再反映土地的最佳用途. 增加分区的灵活性,允许市中心的住宅和商业空间之间的转换,可以解决商业需求下降和住房负担能力问题,尽管人口发生了变化,但这些问题仍然存在. 我们的研究结果可以为旨在增加灵活土地利用的更广泛举措提供信息. 这方面的例子包括对办公楼改造法规进行现代化改革的建议,以及联邦政府将促进密集开发作为刺激当地经济增长的工具的建议.10 11
商业地产. 在短期和中期, 城市中心设施数量的减少意味着更多未使用的商业地产和价值的下降. 在边缘, 这可能会降低租金,并为那些原本没有租金的公司提供进入的机会. 相反, 人口不断增长的郊区可能会受益于商业地产价值的上涨, 尤其是在现有商业空间不足以满足新需求的情况下. 随着租金上涨,这可能反过来给现有企业带来新的挑战.
税收政策. 财产税是地方政府的主要收入来源. 市中心商业地产价格下跌将限制流向市政府的资金, 而市中心以外地区房价的上涨可能会给郊区的地方政府带来好处. 在某种程度上,地方政府征收地方销售税, 这些收入也会因场所地点的变化而受到影响.12在那里,居民不仅会搬到城市中人口密度较低的地区, 而是完全搬离这个州, 他们还在州一级重新分配了一项重要的收入来源.
发展新零售中心. 如果新的WFH模式通过改变消费者行为继续对某些部门产生比其他部门更多的负面影响, 这些行业的企业可能仍然面临阻力,即使它们要迎合稳定或不断增长的居住人口. 考虑如何发展零售设施的企业主和地方决策者应该考虑这种不断变化的消费者行为可能如何改变不同零售走廊的可持续零售组合.
交通运输政策. 通勤乘客的减少削弱了许多公共交通网络的财务状况 & 猫,2021). 我们的研究表明,随着更多的零售设施被分配到郊区, 随着疫情的结束,人们可能会更想去郊区购物,而不是通勤. 交通时刻表的改变和连接的便利可能会提高交通网络的效用. 由于乘客人数仍低于大流行前的水平,而且联邦政府的COVID援助支出减少,因此进行此类投资仍然是一项挑战.13 然而, 通过《12bet官方》提供的新资金可能会为城市提供机会,使其公共交通网络适应新的出行模式.
附录A:测量人口变化.
人口变化是通过使用我们在本报告中跟踪的16个大都市区的大通客户队列来计算的. 我们计算的是相对于2019年同季度的季度级增长. 被纳入这个队列, 客户必须在当前季度的每个月至少有10笔交易,在滞后季度的每个月至少有10笔交易. 这个过程可以防止将客户群的变化与更广泛人群的变化混为一谈. 客户按ZCTA级别分组. 如果一个客户在一个季度内生活在多个zcta中, 他们被分配到他们居住的模态ZCTA.
以这种方式创建我们的队列,使我们能够创建一个代表社区和大都市区域级别的季度人口变化的代理,这比其他数据源更及时. 在撰写本文时,ACS的最新人口估计数是从2021年开始的都市区一级的一年估计数. 表A1使用我们的方法和Frey(2022)计算的人口普查估计值比较了2019年至2020年大都市地区的增长情况。. 我们在这里使用2019年第三季度至2020年第三季度的季度增长指标,因为基准增长估计是在2020年7月计算的. 两组增长率的相关系数在0处很高.79. 我们的估计平均是0.下降了7个百分点. 这可能反映出我们追踪的银行人口收入更高, 因此更容易受到WFH冲击的影响, 而不是整个城市的人口.
附录B:离中心距离的计算方法及其与植物生长关系的估计
ZCTA到市中心的距离是用ZCTA质心和城市中心的质心来定义的. 我们遵循Holian(2019)和Couture & Handbury(2020)根据主导城市市政厅的位置来定义城市中心.14 创建缩放距离,以便在大都市区域之间进行比较, 我们取每个都市区中最远的ZCTA质心到市中心的距离,并将所有其他ZCTA质心到市中心的距离除以这个最大距离. 这就给出了在0上到地铁中心的相对距离.0 to 1.0规模.
在0到1的距离范围内估计每个点的平均增长率, 我们使用局部加权散点图平滑(克利夫兰, 1979). 对于这个回归,我们的因变量, yi,是机构数量的增长,以及我们的自变量, xi表示距离市中心的距离. 的平滑值 yi 是通过取最接近的点的子集来估计的 xi 使用加权线性回归. 更远的点 xi 比那些更接近它的权重更小. 在每个点使用的数据子集, 带宽, 这里使用的是观测总数的三分之一. 唯一的例外是图7中的增长估计, 当估计产品水平的增长时,总观测值的一半用于解释观测值的减少和变异性的增加.
附录C:新冠疫情前编制增长的空间趋势
图C1:与大流行后的剧烈模式不同, 在大流行爆发之前,整个都市区的企业增长情况相似, 市中心比郊区的增长更快.
附录D:按社区种族构成和收入划分的店面增长
图D1:小的, 但在疫情爆发后,不同种族组成的社区之间的人口增长持续存在差距.
图D2:不同收入水平的社区之间的企业增长差异很小
Athloff L.埃克特,F.,加纳帕提,S. & 沃尔什,C., 2022. 远程工作的地理分布. NBER工作文件系列编号. 29181.
Barrero J. M.布卢姆,美国. & 戴维斯,年代. J., 2021. 为什么在家工作能坚持下去. NBER工作文件系列编号. 28731.
布鲁克纳J.卡恩,M. E. & 林,G. C.即将到来,. 新兴在家工作经济学中的新空间享乐均衡. 美国经济杂志:应用经济学.
柴提,R.弗里德曼. N.亨德森,N. & Stepner, M., 2022. 新型冠状病毒肺炎的经济影响:来自利用私营部门数据建立的新公共数据库的证据. NBER工作文件编号. w27431.
克利夫兰,W. S., 1979. 鲁棒局部加权回归和平滑散点图. 美国统计协会杂志, 74(368), pp. 829-836.
时装,V. & Handbury J., 2020. 美国的城市复兴. 城市经济学杂志, 第119卷. 103267.
起重机,. D. 等., 2021. 新型冠状病毒肺炎大流行期间的企业退出:历史背景下的非传统措施. 卷财经讨论系列2020-089rl.
道尔顿,M. & Groen J. A., 2022. 2019冠状病毒病大流行期间的远程办公:基于2021年业务响应调查的估计. 每月劳动回顾.
德克尔,R. A. & 哈尔蒂旺格尔J., 2022. 2019冠状病毒病大流行期间的企业进出:对官方数据的初步观察 华盛顿:联邦储备系统理事会钞票.
丁,我. & 黄,J., 2022. 新冠肺炎是否逆转了美国主要城市的中产阶级化.S. 城市? 新冠肺炎危机期间高档化社区居民流动性的实证研究. 费城联邦储备银行工作文件WP22-20.
费尔利,R., 2020. 新型冠状病毒肺炎对小企业主的影响:在广泛的社交距离限制后的头三个月的证据. 经济学杂志 & 管理策略, 29(4), pp. 727-740.
法雷尔,D.雷汗,L. & 病房里,米., 2017. 走远:居民日常用品获取的大数据 s.l.:12bet官方研究所.
费雷拉,F. V. & 黄,M., 2022. 新冠疫情后的社区选择:租金、设施和在家工作的作用. 工作报告.
Frey W. H., 2022. 新的人口普查数据显示,在疫情期间,大城市地区的人口流动大幅增加. (在线)
可以在: http://www.布鲁金斯学会.edu/blog/the-avenue/2022/04/14/new-census-data-shows-a-huge-spike-in-movement-out-of-big-metro-areas-during-the-pandemic/ #: ~:文本=但% 20 % 202020% 2 d21 % 2 c % 20,这些% 20区域
[2022年11月11日访问].
Gkiotsalitis K. & 阿猫,., 2021. 新型冠状病毒肺炎大流行危机下的公共交通规划适应:研究需求和方向的文献综述. 运输审查, 41(3), pp. 374-392.
古普塔,.米塔尔,V. & Nieuwerburgh,年代. V., 2022. 在家工作和办公室房地产启示录. 工作报告.
Holian, M. J., 2019. 市中心在哪里? 中心位置的五项措施. 城市景观:政策发展与研究杂志, 21(2).
李女士. & 苏,Y., 2022. 大洗牌:新型冠状病毒肺炎大流行期间的住宅分类及其福利影响. 工作报告.
Miyauchi Y.中岛,K. & 整理,年代. J., 2022. 空间流动性的经济学:使用智能手机数据的理论和证据. 工作报告.
Ramani,. & 布鲁姆,N., 2021. 新冠肺炎对城市的“甜甜圈效应. NBER工作文件系列28876号.
Relihan L. E., 2022. 网上零售正在扼杀咖啡店吗? 利用客户交易微数据估计在线零售的赢家和输家. 工作报告.
罗森塔尔,年代. S.奇怪的,W. C. & Urrego J. A., 2022. 市中心正在失去吸引力吗? 商业地产、城市空间结构与新冠肺炎. 城市经济学杂志.
小麦、C.杜吉德,J.雷汗,L. & 金,B., 2021. 新冠肺炎对在线零售的冲击:新的在线购物习惯的持续存在及其对城市未来的影响, s.l.:12bet官方研究所.
我们感谢Maya Sokoletsky对分析的贡献. 我们还要感谢安东尼·里维拉, 安娜贝利Jouard, 阿方索Zenteno, 凯特Finnerty, 克拉克威尔逊, 以及史蒂夫·哈林顿的支持. 我们感谢我们的内部合作伙伴和同事, 谁以各种方式支持我们的议程交付,并承认他们对每个和所有版本的贡献.
我们要感谢12bet官方的首席执行官杰米·戴蒙 & Co., 表彰他在建立研究所和推动正在进行的研究议程方面的远见卓识和领导能力. 我们仍然深深地感谢彼得·谢尔, 副主席, 德米特里Marantis, 企业责任主管, 希瑟Higginbottom, 研究主管 & 政策, 以及公司其他员工的资源和支持,以开创一种新的方法,为全球经济分析和洞察力做出贡献.
本材料是12bet官方研究所的产品,仅供提供一般信息之用. 除非另有特别说明, 此处表达的任何观点或意见仅为所列作者的观点或意见,可能与J .表达的观点和意见不同.P. 摩根证券有限责任公司(JPMS)研究部或12bet官方的其他部门或部门 & Co. 或者它的附属机构. 本材料不是JPMS研究部门的产品. 消息来源被认为是可靠的,但12bet官方 & Co. 或其联属公司及/或附属公司(统称为J.P. 摩根)不保证其完整性或准确性. 截至本材料发布之日,意见和估计构成我们的判断,并可随时更改,恕不另行通知. 不应就任何计算作出任何陈述或保证, 图, 表, 本材料中的图表或注释, 哪些只作说明/参考用途. 本报告所依赖的数据是基于过去的交易,可能不代表未来的结果. J.P. 如果本材料中的任何信息发生变化,摩根不承担更新该等信息的责任. 此处的意见不应被解释为对任何特定客户的个人推荐,也不应被视为对特定证券的建议或推荐, 金融工具, 或者针对特定客户的策略. 本材料不构成招揽或要约在任何司法管辖区,这种招揽是非法的.
小麦、Chris, 詹姆斯·杜吉德, 林赛Relihan, 布莱恩·金. 2023. “市中心低迷:新冠肺炎对实体零售的冲击。.12bet官方研究所. http://ekd.jiechengstone.net/institute/research/cities-local-communities/downtown-downturn-covid-shock-to-brick-and-mortar