Sales Losses in the First Quarter of the COVID-19 Pandemic: Evidence from California Administrative Data
Notice bibliographique
Résumé
COVID-19 led to a massive shutdown of businesses in the second quarter of 2020.Estimates from the CPS, for example, indicate that the number of active business owners dropped by 22 percent from February to April 2020.In this descriptive research note, we provide the first analysis of losses in sales and revenues among the universe of businesses in California using administrative data from the California Department of Tax and Fee Administration.The losses in sales average 17 percent in the second quarter of 2020 relative to the second quarter of 2019 even though year-over-year sales typically grow by 3-4 percent.We find that sales losses were largest in businesses affected by mandatory lockdowns such as Accommodations, which lost 91 percent, whereas online sales grew by 180 percent.Losses also differed substantially across counties with large losses in San Francisco (50 percent) and Los Angeles (24 percent) whereas some counties experienced small gains in sales.Placing business types into different categories based on whether they were essential or non-essential (and thus subject to early lockdowns) and whether they have a moderate or high level of person-to-person contact, we find interesting correlations between sales losses and COVID-19 cases per capita across counties in California.The results suggest that local implementation and enforcement of lockdown restrictions and voluntary behavioral responses as reactions to the perceived local COVID-19 spread both played a role, but enforcement of mandatory restrictions may have had a larger impact on sales losses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».