本地商业数据系列:流行病支出-12bet官方

2021年4月

新型冠状病毒肺炎迅速改变了人们的日常生活. While the scope of the pandemic is global, consumers experience the economic impacts locally.

To help decision-makers understand the impact of the 新型冠状病毒肺炎 pandemic on local economies, we created a local commerce data series which provides a place-based view of local spending. Based upon transactions made by over 70 million de-identified credit and debit card users a month on average, 该系列提供了当地商业支出增长的观点.

The downloadable data and charts capture year-over-year growth rates and growth contributions for local commerce spending for 16 metro areas. The "national" view is constructed as the aggregate trend across these 16 metro areas. For all geographies, growth is broken out by consumer age, product type (e.g. 餐厅)和渠道(i.e. online/offline) to help local stakeholders better understand how consumer spending varied prior to and over the course of the pandemic.

With spending growth continuing to decline after October 2020, cities are seeing their lowest growth rates since before July 2020

All CBSAs still experienced sharp spending contractions in April

查看文本版本

cur_periodid	水平	growth_rate
2019-01	亚特兰大	0.058200254
2019-01	西雅图	0.106540533
2019-01	旧金山	0.194660931
2019-01	圣地亚哥	0.127566422
2019-01	波特兰	0.05077627
2019-01	纽约	0.10076935
2019-01	新奥尔良	0.023489644
2019-01	迈阿密	0.152645235
2019-01	凤凰城	0.159069561
2019-01	休斯顿	0.080988142
2019-01	底特律	0.122944113
2019-01	丹佛	0.119224576
2019-01	达拉斯	0.050891634
2019-01	哥伦布	0.135556388
2019-01	芝加哥	0.118133044
2019-01	洛杉矶	0.18287275
2019-02	新奥尔良	-0.00611204
2019-02	西雅图	0.034042279
2019-02	旧金山	0.170279957
2019-02	圣地亚哥	0.100428302
2019-02	波特兰	0.01200764
2019-02	凤凰城	0.094955987
2019-02	纽约	0.070394499
2019-02	迈阿密	0.140630709
2019-02	达拉斯	0.05868755
2019-02	休斯顿	0.056007999
2019-02	底特律	0.140202397
2019-02	丹佛	0.126166108
2019-02	哥伦布	0.151885776
2019-02	芝加哥	0.151411418
2019-02	亚特兰大	0.025092288
2019-02	洛杉矶	0.156624955
2019-03	新奥尔良	-0.034050859
2019-03	西雅图	0.088329076
2019-03	旧金山	0.173368281
2019-03	圣地亚哥	0.109601782
2019-03	波特兰	0.025262182
2019-03	纽约	0.065281676
2019-03	迈阿密	0.148698845
2019-03	凤凰城	0.102947795
2019-03	休斯顿	0.049703928
2019-03	底特律	0.130299703
2019-03	丹佛	0.0983242
2019-03	洛杉矶	0.16726163
2019-03	达拉斯	0.037930532
2019-03	哥伦布	0.147366423
2019-03	芝加哥	0.139137398
2019-03	亚特兰大	0.021701731
2019-04	旧金山	0.185532465
2019-04	圣地亚哥	0.187287152
2019-04	波特兰	0.161834647
2019-04	凤凰城	0.186276205
2019-04	纽约	0.193287375
2019-04	新奥尔良	0.139805074
2019-04	迈阿密	0.166560426
2019-04	西雅图	0.19470071
2019-04	休斯顿	0.137441359
2019-04	底特律	0.188267109
2019-04	丹佛	0.201827841
2019-04	达拉斯	0.244084188
2019-04	哥伦布	0.21858702
2019-04	芝加哥	0.17446428
2019-04	亚特兰大	0.18238502
2019-04	洛杉矶	0.188434426
2019-05	西雅图	0.180950289
2019-05	旧金山	0.176372065
2019-05	圣地亚哥	0.174837905
2019-05	波特兰	0.14996004
2019-05	凤凰城	0.161447197
2019-05	纽约	0.145972907
2019-05	新奥尔良	0.127135103
2019-05	迈阿密	0.163247804
2019-05	洛杉矶	0.182043187
2019-05	底特律	0.1252134
2019-05	丹佛	0.17815327
2019-05	达拉斯	0.215643562
2019-05	哥伦布	0.153723053
2019-05	芝加哥	0.128130775
2019-05	亚特兰大	0.17541374
2019-05	休斯顿	0.111280997
2019-06	新奥尔良	0.101447205
2019-06	西雅图	0.160328715
2019-06	旧金山	0.147355187
2019-06	圣地亚哥	0.147381997
2019-06	波特兰	0.126136404
2019-06	纽约	0.126184708
2019-06	迈阿密	0.128766176
2019-06	凤凰城	0.138001615
2019-06	休斯顿	0.091267004
2019-06	亚特兰大	0.130534515
2019-06	芝加哥	0.118124618
2019-06	哥伦布	0.142265271
2019-06	洛杉矶	0.156218493
2019-06	丹佛	0.154223443
2019-06	底特律	0.118398978
2019-06	达拉斯	0.192394533
2019-07	西雅图	0.143611913
2019-07	旧金山	0.144366914
2019-07	圣地亚哥	0.149774288
2019-07	波特兰	0.117932096
2019-07	凤凰城	0.144954957
2019-07	新奥尔良	0.082793632
2019-07	迈阿密	0.126786733
2019-07	纽约	0.134241222
2019-07	休斯顿	0.112841009
2019-07	底特律	0.130703753
2019-07	丹佛	0.163206342
2019-07	达拉斯	0.215842939
2019-07	哥伦布	0.151017251
2019-07	芝加哥	0.123566624
2019-07	亚特兰大	0.136466381
2019-07	洛杉矶	0.150235659
2019-08	新奥尔良	0.109608079
2019-08	西雅图	0.139874312
2019-08	旧金山	0.130962802
2019-08	圣地亚哥	0.136249471
2019-08	波特兰	0.125500097
2019-08	凤凰城	0.135769746
2019-08	纽约	0.123589018
2019-08	迈阿密	0.146596653
2019-08	哥伦布	0.144239817
2019-08	休斯顿	0.111236313
2019-08	底特律	0.127111472
2019-08	丹佛	0.155933864
2019-08	达拉斯	0.205170305
2019-08	芝加哥	0.112574049
2019-08	亚特兰大	0.13158135
2019-08	洛杉矶	0.150314868
2019-09	迈阿密	0.074857548
2019-09	旧金山	0.107965394
2019-09	圣地亚哥	0.120250777
2019-09	波特兰	0.094836512
2019-09	凤凰城	0.116930292
2019-09	纽约	0.111968439
2019-09	新奥尔良	0.088385249
2019-09	西雅图	0.107474012
2019-09	洛杉矶	0.12239335
2019-09	底特律	0.092449434
2019-09	丹佛	0.126502876
2019-09	达拉斯	0.185559243
2019-09	哥伦布	0.120482228
2019-09	芝加哥	0.081137815
2019-09	亚特兰大	0.107736859
2019-09	休斯顿	0.081141324
2019-10	西雅图	0.122025039
2019-10	旧金山	0.110762981
2019-10	圣地亚哥	0.127691205
2019-10	波特兰	0.101773636
2019-10	凤凰城	0.136009795
2019-10	纽约	0.098529228
2019-10	新奥尔良	0.077556599
2019-10	迈阿密	0.109083469
2019-10	休斯顿	0.104835049
2019-10	底特律	0.108936662
2019-10	丹佛	0.127622311
2019-10	达拉斯	0.189640157
2019-10	哥伦布	0.125064823
2019-10	芝加哥	0.095740602
2019-10	亚特兰大	0.110013292
2019-10	洛杉矶	0.133712907
2019-11	新奥尔良	0.066491216
2019-11	西雅图	0.096982924
2019-11	旧金山	0.075866696
2019-11	圣地亚哥	0.090303069
2019-11	波特兰	0.073909482
2019-11	凤凰城	0.099197128
2019-11	纽约	0.083052936
2019-11	迈阿密	0.101439515
2019-11	亚特兰大	0.090689726
2019-11	休斯顿	0.069346525
2019-11	底特律	0.086846822
2019-11	丹佛	0.092081182
2019-11	达拉斯	0.159492591
2019-11	哥伦布	0.102060737
2019-11	芝加哥	0.070110508
2019-11	洛杉矶	0.104160885
2019-12	新奥尔良	0.099462497
2019-12	西雅图	0.11553444
2019-12	旧金山	0.109451284
2019-12	圣地亚哥	0.116058859
2019-12	波特兰	0.093744533
2019-12	凤凰城	0.122426099
2019-12	纽约	0.104500964
2019-12	迈阿密	0.105312386
2019-12	洛杉矶	0.116875027
2019-12	休斯顿	0.10997912
2019-12	底特律	0.113083445
2019-12	丹佛	0.143825521
2019-12	达拉斯	0.178345636
2019-12	哥伦布	0.122302549
2019-12	芝加哥	0.089880634
2019-12	亚特兰大	0.121659866
2020-01	旧金山	0.083807221
2020-01	圣地亚哥	0.153334302
2020-01	波特兰	0.214388855
2020-01	凤凰城	0.13407954
2020-01	纽约	0.187590246
2020-01	新奥尔良	0.214145165
2020-01	迈阿密	0.117137012
2020-01	西雅图	0.17923577
2020-01	休斯顿	0.12974581
2020-01	底特律	0.128390618
2020-01	丹佛	0.206390047
2020-01	达拉斯	0.234639634
2020-01	哥伦布	0.1450886
2020-01	芝加哥	0.110829545
2020-01	亚特兰大	0.242393627
2020-01	洛杉矶	0.110693868
2020-02	西雅图	0.30136091
2020-02	旧金山	0.130119915
2020-02	圣地亚哥	0.209503326
2020-02	波特兰	0.293591724
2020-02	凤凰城	0.224033731
2020-02	纽约	0.235926659
2020-02	新奥尔良	0.25523888
2020-02	迈阿密	0.140649748
2020-02	洛杉矶	0.162071199
2020-02	底特律	0.146293703
2020-02	丹佛	0.224440532
2020-02	达拉斯	0.272611768
2020-02	哥伦布	0.164528553
2020-02	芝加哥	0.137247008
2020-02	亚特兰大	0.278349237
2020-02	休斯顿	0.170785822
2020-03	纽约	-0.062796082
2020-03	西雅图	-0.065536499
2020-03	旧金山	-0.16428026
2020-03	圣地亚哥	-0.073396514
2020-03	波特兰	0.007520426
2020-03	凤凰城	0.004895158
2020-03	新奥尔良	0.010061623
2020-03	迈阿密	-0.116983881
2020-03	休斯顿	-0.082333659
2020-03	底特律	-0.113307536
2020-03	丹佛	-0.026728358
2020-03	达拉斯	0.002670019
2020-03	哥伦布	-0.081463216
2020-03	芝加哥	-0.131089477
2020-03	亚特兰大	0.000132238
2020-03	洛杉矶	-0.120640196
2020-04	西雅图	-0.252556278
2020-04	旧金山	-0.339393276
2020-04	波特兰	-0.199443758
2020-04	凤凰城	-0.162044811
2020-04	纽约	-0.332145127
2020-04	新奥尔良	-0.209087073
2020-04	迈阿密	-0.283899836
2020-04	圣地亚哥	-0.276892421
2020-04	休斯顿	-0.267361557
2020-04	底特律	-0.271561171
2020-04	丹佛	-0.251522146
2020-04	达拉斯	-0.209237368
2020-04	哥伦布	-0.201954607
2020-04	芝加哥	-0.248295554
2020-04	亚特兰大	-0.248700265
2020-04	洛杉矶	-0.285664846
2020-05	西雅图	-0.201907327
2020-05	旧金山	-0.297026346
2020-05	圣地亚哥	-0.197025599
2020-05	波特兰	-0.158858373
2020-05	凤凰城	-0.080548029
2020-05	纽约	-0.238631836
2020-05	新奥尔良	-0.110369239
2020-05	迈阿密	-0.188493511
2020-05	底特律	-0.108724543
2020-05	休斯顿	-0.154878032
2020-05	丹佛	-0.143437945
2020-05	达拉斯	-0.088309987
2020-05	哥伦布	-0.080939873
2020-05	芝加哥	-0.170097131
2020-05	亚特兰大	-0.145353437
2020-05	洛杉矶	-0.221253362
2020-06	凤凰城	-0.049477207
2020-06	纽约	-0.151594864
2020-06	波特兰	-0.110961234
2020-06	新奥尔良	-0.049902747
2020-06	旧金山	-0.229551089
2020-06	西雅图	-0.151242734
2020-06	圣地亚哥	-0.133007065
2020-06	迈阿密	-0.075079564
2020-06	丹佛	-0.085936423
2020-06	休斯顿	-0.107664612
2020-06	底特律	-0.023812369
2020-06	洛杉矶	-0.155582134
2020-06	达拉斯	-0.049007557
2020-06	哥伦布	-0.018451205
2020-06	芝加哥	-0.08330433
2020-06	亚特兰大	-0.07284014
2020-07	西雅图	-0.097872853
2020-07	旧金山	-0.19040968
2020-07	圣地亚哥	-0.119855354
2020-07	波特兰	-0.071596287
2020-07	凤凰城	-0.053372162
2020-07	纽约	-0.080541923
2020-07	新奥尔良	-0.012035514
2020-07	迈阿密	-0.058751248
2020-07	休斯顿	-0.112634932
2020-07	底特律	0.007676247
2020-07	丹佛	-0.07325438
2020-07	达拉斯	-0.053206893
2020-07	哥伦布	-0.01960377
2020-07	芝加哥	-0.048005922
2020-07	亚特兰大	-0.062845592
2020-07	洛杉矶	-0.131780042
2020-08	新奥尔良	-0.072791943
2020-08	西雅图	-0.11085624
2020-08	旧金山	-0.192546589
2020-08	圣地亚哥	-0.130473723
2020-08	波特兰	-0.099350983
2020-08	凤凰城	-0.06600566
2020-08	纽约	-0.105095377
2020-08	迈阿密	-0.115907512
2020-08	亚特兰大	-0.090535561
2020-08	休斯顿	-0.11862985
2020-08	底特律	-0.036225471
2020-08	丹佛	-0.090129149
2020-08	达拉斯	-0.069972996
2020-08	哥伦布	-0.055362105
2020-08	芝加哥	-0.069441782
2020-08	洛杉矶	-0.143639415
2020-09	新奥尔良	-0.052938136
2020-09	旧金山	-0.166288752
2020-09	圣地亚哥	-0.093712336
2020-09	波特兰	-0.091716431
2020-09	凤凰城	-0.03602762
2020-09	西雅图	-0.099510076
2020-09	纽约	-0.06005734
2020-09	迈阿密	-0.016540303
2020-09	丹佛	-0.068426714
2020-09	休斯顿	-0.074718525
2020-09	底特律	0.007066663
2020-09	达拉斯	-0.043159673
2020-09	哥伦布	-0.020588906
2020-09	芝加哥	-0.039615155
2020-09	亚特兰大	-0.068510129
2020-09	洛杉矶	-0.119734383
2020-10	西雅图	-0.080802999
2020-10	旧金山	-0.137571566
2020-10	圣地亚哥	-0.088539595
2020-10	凤凰城	-0.031590485
2020-10	纽约	-0.060742681
2020-10	新奥尔良	-0.06513071
2020-10	迈阿密	-0.056453265
2020-10	波特兰	-0.05313808
2020-10	休斯顿	-0.080329209
2020-10	底特律	0.006890302
2020-10	丹佛	-0.059890682
2020-10	达拉斯	-0.02524814
2020-10	哥伦布	-0.020408824
2020-10	芝加哥	-0.037121702
2020-10	亚特兰大	-0.053406823
2020-10	洛杉矶	-0.097689411
2020-11	圣地亚哥	-0.108132546
2020-11	波特兰	-0.101943136
2020-11	凤凰城	-0.069625924
2020-11	纽约	-0.106189313
2020-11	新奥尔良	-0.076018776
2020-11	迈阿密	-0.098599445
2020-11	洛杉矶	-0.115842564
2020-11	达拉斯	-0.072564893
2020-11	底特律	-0.058766485
2020-11	丹佛	-0.098943277
2020-11	哥伦布	-0.06736115
2020-11	芝加哥	-0.091026248
2020-11	亚特兰大	-0.087062505
2020-11	旧金山	-0.141351976
2020-11	休斯顿	-0.108693479
2020-11	西雅图	-0.122819195

而随着时间的推移，在线增长仍然是积极的, overall growth has been dominated by contractions in offline spending

随着时间的推移，在线增长仍在继续, overall growth has been dominated by contractions in offline spending.

查看文本版本

cur_periodid	水平	growth_contribution
2019-01	离线	0.054711
2019-01	在线	0.065416
2019-02	离线	0.046341
2019-02	在线	0.057807
2019-03	离线	0.053917
2019-03	在线	0.047614
2019-04	离线	0.11833
2019-04	在线	0.067444
2019-05	离线	0.100992
2019-05	在线	0.05509
2019-06	离线	0.093087
2019-06	在线	0.041793
2019-07	离线	0.09182
2019-07	在线	0.048754
2019-08	离线	0.100315
2019-08	在线	0.034275
2019-09	离线	0.069672
2019-09	在线	0.039566
2019-10	离线	0.080409
2019-10	在线	0.035524
2019-11	离线	0.077758
2019-11	在线	0.012573
2019-12	离线	0.056706
2019-12	在线	0.056801
2020-01	离线	0.103059
2020-01	在线	0.046806
2020-02	离线	0.133819
2020-02	在线	0.060741
2020-03	离线	-0.08828
2020-03	在线	0.006651
2020-04	离线	-0.2937
2020-04	在线	0.020402
2020-05	离线	-0.23236
2020-05	在线	0.047274
2020-06	离线	-0.17936
2020-06	在线	0.064189
2020-07	离线	-0.14659
2020-07	在线	0.0623
2020-08	离线	-0.15925
2020-08	在线	0.054829
2020-09	离线	-0.13202
2020-09	在线	0.062691
2020-10	离线	-0.12224
2020-10	在线	0.059182
2020-11	离线	-0.16776
2020-11	在线	0.067286

Despite rapid growth during the summer of 2020, spending on general goods (e.g. department stores, large online retailers) declined notably in Q4 2020

杂货店 is the only product type to have consistently seen positive spending growth throughout the pandemic chart

查看文本版本

cur_periodid	水平	growth_rate
2019-01	服装	0.136736026
2019-01	燃料	0.048069832
2019-01	一般的好	0.132183394
2019-01	杂货店	0.083942655
2019-01	首页	0.116628415
2019-01	休闲	0.075688835
2019-01	个人护理	0.189086127
2019-01	药店	0.051023066
2019-01	专业的消费者	0.18801602
2019-01	餐厅	0.181957235
2019-01	运输	0.204213143
2019-02	运输	0.216945163
2019-02	餐厅	0.169333294
2019-02	专业的消费者	0.173377454
2019-02	药店	0.048384056
2019-02	个人护理	0.162024236
2019-02	一般的好	0.118576086
2019-02	首页	0.07748679
2019-02	杂货店	0.073642396
2019-02	燃料	0.034504132
2019-02	服装	0.097597248
2019-02	休闲	0.049143667
2019-03	个人护理	0.123107811
2019-03	运输	0.206363518
2019-03	餐厅	0.178238347
2019-03	专业的消费者	0.158648788
2019-03	休闲	0.124811961
2019-03	药店	0.03480068
2019-03	杂货店	0.046472418
2019-03	首页	0.068696547
2019-03	一般的好	0.100363676
2019-03	燃料	0.075522254
2019-03	服装	0.069060841
2019-04	餐厅	0.191392403
2019-04	专业的消费者	0.23869508
2019-04	药店	0.143479308
2019-04	个人护理	0.230860181
2019-04	休闲	0.235644723
2019-04	运输	0.264454712
2019-04	杂货店	0.156177301
2019-04	一般的好	0.191667517
2019-04	燃料	0.188914006
2019-04	服装	0.186717774
2019-04	首页	0.155497058
2019-05	运输	0.263921692
2019-05	餐厅	0.216413765
2019-05	专业的消费者	0.23189898
2019-05	药店	0.091581424
2019-05	个人护理	0.176889936
2019-05	休闲	0.190686482
2019-05	杂货店	0.124239373
2019-05	一般的好	0.15436382
2019-05	燃料	0.144326333
2019-05	服装	0.10791984
2019-05	首页	0.104035146
2019-06	个人护理	0.125905114
2019-06	运输	0.211676198
2019-06	餐厅	0.191501787
2019-06	专业的消费者	0.19223422
2019-06	休闲	0.181950274
2019-06	药店	0.066973055
2019-06	杂货店	0.118666794
2019-06	服装	0.091284306
2019-06	燃料	0.092883649
2019-06	首页	0.085013024
2019-06	一般的好	0.141705501
2019-07	运输	0.181079897
2019-07	餐厅	0.16058578
2019-07	专业的消费者	0.229955047
2019-07	个人护理	0.159555123
2019-07	休闲	0.279188573
2019-07	药店	0.079228393
2019-07	杂货店	0.10341264
2019-07	一般的好	0.154849137
2019-07	燃料	0.111197829
2019-07	服装	0.072690726
2019-07	首页	0.132494464
2019-08	药店	0.060208304
2019-08	运输	0.14841928
2019-08	餐厅	0.189940591
2019-08	专业的消费者	0.184435168
2019-08	个人护理	0.143991884
2019-08	燃料	0.091669401
2019-08	首页	0.104540864
2019-08	杂货店	0.121439848
2019-08	一般的好	0.133346726
2019-08	服装	0.065858231
2019-08	休闲	0.232851732
2019-09	个人护理	0.110290285
2019-09	餐厅	0.149452901
2019-09	专业的消费者	0.224820574
2019-09	药店	0.057046941
2019-09	运输	0.116217832
2019-09	休闲	0.233539722
2019-09	杂货店	0.071852465
2019-09	一般的好	0.118508948
2019-09	燃料	0.080860016
2019-09	服装	-0.000191038
2019-09	首页	0.1097657
2019-10	餐厅	0.159365256
2019-10	专业的消费者	0.1673739
2019-10	药店	0.049902732
2019-10	个人护理	0.136002076
2019-10	休闲	0.233445007
2019-10	运输	0.104256102
2019-10	杂货店	0.097112049
2019-10	一般的好	0.121627632
2019-10	燃料	0.084118766
2019-10	服装	0.027416143
2019-10	首页	0.099296353
2019-11	运输	0.086035728
2019-11	餐厅	0.169538614
2019-11	专业的消费者	0.130244718
2019-11	药店	0.038705569
2019-11	个人护理	0.126502865
2019-11	休闲	0.179825664
2019-11	杂货店	0.096966097
2019-11	一般的好	0.045133442
2019-11	燃料	0.101275608
2019-11	服装	-0.020299681
2019-11	首页	0.060070946
2019-12	药店	0.055658065
2019-12	运输	0.095593206
2019-12	餐厅	0.10743481
2019-12	专业的消费者	0.202290203
2019-12	个人护理	0.079334242
2019-12	休闲	0.197618574
2019-12	首页	0.14056239
2019-12	杂货店	0.054579642
2019-12	一般的好	0.147399602
2019-12	燃料	0.137448295
2019-12	服装	0.085583152
2020-01	餐厅	0.185558793
2020-01	专业的消费者	0.194032354
2020-01	药店	0.090311653
2020-01	个人护理	0.139771474
2020-01	休闲	0.261354009
2020-01	运输	0.112517835
2020-01	杂货店	0.11040293
2020-01	一般的好	0.13942091
2020-01	燃料	0.205627545
2020-01	服装	0.070290437
2020-01	首页	0.121756899
2020-02	运输	0.11309409
2020-02	餐厅	0.22065154
2020-02	专业的消费者	0.209620966
2020-02	药店	0.11893563
2020-02	个人护理	0.171743049
2020-02	休闲	0.304313487
2020-02	杂货店	0.165171741
2020-02	一般的好	0.205048916
2020-02	燃料	0.229300381
2020-02	服装	0.124247313
2020-02	首页	0.178156133
2020-03	药店	0.154524681
2020-03	运输	-0.435912191
2020-03	餐厅	-0.348104414
2020-03	专业的消费者	-0.036513636
2020-03	个人护理	-0.434249513
2020-03	休闲	-0.209350124
2020-03	首页	-0.035362392
2020-03	杂货店	0.344261502
2020-03	一般的好	0.032705525
2020-03	燃料	-0.162551735
2020-03	服装	-0.456450929
2020-04	餐厅	-0.558452188
2020-04	专业的消费者	-0.187831753
2020-04	药店	-0.16678114
2020-04	个人护理	-0.890627396
2020-04	休闲	-0.457128518
2020-04	运输	-0.821620269
2020-04	杂货店	0.171286768
2020-04	一般的好	-0.060208005
2020-04	燃料	-0.479151387
2020-04	服装	-0.659318694
2020-04	首页	-0.116762952
2020-05	运输	-0.769779505
2020-05	餐厅	-0.442605506
2020-05	专业的消费者	-0.157651725
2020-05	药店	-0.140180641
2020-05	个人护理	-0.728741443
2020-05	休闲	-0.440935973
2020-05	杂货店	0.161069625
2020-05	一般的好	0.041693619
2020-05	燃料	-0.365415205
2020-05	服装	-0.507310817
2020-05	首页	0.060362028
2020-06	药店	-0.08823372
2020-06	运输	-0.664116012
2020-06	餐厅	-0.341096483
2020-06	专业的消费者	-0.01363751
2020-06	个人护理	-0.456801958
2020-06	一般的好	0.117536703
2020-06	首页	0.167090392
2020-06	杂货店	0.074115929
2020-06	休闲	-0.367613244
2020-06	燃料	-0.261064958
2020-06	服装	-0.276247211
2020-07	餐厅	-0.265528356
2020-07	专业的消费者	0.01492988
2020-07	药店	-0.065126608
2020-07	个人护理	-0.384288224
2020-07	休闲	-0.382822191
2020-07	运输	-0.602961635
2020-07	杂货店	0.092212218
2020-07	一般的好	0.123785627
2020-07	燃料	-0.228062128
2020-07	服装	-0.164947951
2020-07	首页	0.130559651
2020-08	运输	-0.581209021
2020-08	餐厅	-0.242716644
2020-08	专业的消费者	-0.022760621
2020-08	药店	-0.117078945
2020-08	个人护理	-0.440756147
2020-08	休闲	-0.362627242
2020-08	杂货店	0.038359419
2020-08	一般的好	0.100385257
2020-08	燃料	-0.230344101
2020-08	服装	-0.237625258
2020-08	首页	0.099877597
2020-09	药店	-0.088706594
2020-09	餐厅	-0.203330099
2020-09	专业的消费者	0.039867572
2020-09	运输	-0.536460155
2020-09	个人护理	-0.328570946
2020-09	一般的好	0.126673697
2020-09	首页	0.173694633
2020-09	杂货店	0.03541159
2020-09	燃料	-0.228633555
2020-09	服装	-0.11079142
2020-09	休闲	-0.322023556
2020-10	运输	-0.529508592
2020-10	餐厅	-0.165384512
2020-10	药店	-0.110268433
2020-10	个人护理	-0.301113705
2020-10	休闲	-0.333157289
2020-10	专业的消费者	0.014353888
2020-10	杂货店	0.057659939
2020-10	一般的好	0.141516137
2020-10	燃料	-0.23791192
2020-10	服装	-0.118894391
2020-10	首页	0.112754365
2020-11	餐厅	-0.271727323
2020-11	服装	-0.169407958
2020-11	燃料	-0.272211885
2020-11	一般的好	0.098621228
2020-11	杂货店	0.008288792
2020-11	首页	0.12124383
2020-11	休闲	-0.322655097
2020-11	个人护理	-0.367991035
2020-11	药店	-0.142397783
2020-11	专业的消费者	0.028499098
2020-11	运输	-0.557641029

We hope these data can provide a better understanding of current local economic conditions and inform ongoing efforts to aid the recovery of local economies. 让我们知道任何反馈或问题通过电子邮件 institute@jpmchase.com.

如何使用这些数据?

Local commerce data provide a lens into the evolution of retail spending in the metro areas we track. 在2019冠状病毒病的背景下, these data enable local stakeholders to better understand initial responses to the pandemic, 随着政策干预的改变，消费者支出的路径发生了变化, and the extent to which spending is returning to pre-pandemic 水平s. 更一般地说, local commerce patterns illuminate trends in a critical fiscal base for state and local governments.

数据按地理位置组织在目录结构中. 我们追踪的16个都市区的数据在国家目录. The same views for each metro area sit in the sub-directories of the CBSA 目录. Each data view is comprised of both a chart and the associated data file.

Users of local commerce data should also be aware that these series are versioned products. The goal is to provide the best view of local commerce spending we can provide at any given time. To the extent that updates are made to sampling, reported measures, or the set of attributes (e.g. channel), the older versions of the data series will be made available for comparison.

数据中包括哪些地理区域?

数据中有16个都市区:

亚特兰大
芝加哥
哥伦布
达拉斯-Ft. 价值
丹佛
底特律
休斯顿
洛杉矶
迈阿密
新奥尔良
纽约
凤凰城
波特兰(或)
圣地亚哥
旧金山
西雅图

Each metro area is represented by the collection of ZIP codes that intersects the relevant

基于核心的统计区域.

How is the Pandemic 支出 (PS) series different than former Local Commerce Index (LCI)?

The Pandemic 支出 (PS) series differs from the former Local Commerce Index (LCI) in two primary ways. 第一个, the former LCI was based on transactions that occurred at establishments located inside of metro areas (i.e. 卖方/商户的观点). PS系列, 相比之下, is based upon transactions that are executed by people that live inside certain metro areas (i.e. 买家/消费者的观点). 这两种观点重叠，但在重要方面有所不同. Among other things, the Buyers' view provides better coverage of online purchases.

PS系列在采样方法上也有所不同. Both the former LCI and the PS series rely on a version of a "stable cohort". 前者在目标(e)中拥有完全相同的人口.g. 2020年1月)和比较(e.g. 2019年1月)的增长计算月份, while the latter only prevents new customers from joining the sample over the course of the year. PS系列 also differs by freezing the sample in the last month of the status quo, February 2020. 看到 “人们是如何被选择纳入样本的?" 有关详细信息,.

How are people selected for inclusion into the Pandemic 支出 series sample?

To the extent we are seeking to estimate growth in the broader economy, 我们采用稳定的队列方法. 用于包含在我们系列中的交易, the person making the transaction must have cleared our transaction threshold in the target month (e.g. 2020年1月) 比较月份 在增长计算中(e.g. 2019年1月). 这种方法排除了, 例如, growth due to new people entering the sample over the course of the year. This sampling approach also means that the population used for the January 2020 calculation can differ from the population used for the December 2019 calculation.

To focus on effect of the pandemic, we stop updating our population in February 2020. Since we require people to clear a transaction threshold to be included in the sample, 当每个人都缩减开支时，我们就会失去一些人. To measure the impact of the pandemic-related reduction in spending, we freeze our sample to include those people that cleared the threshold in February and use the same population for all subsequent months.

致谢

我们感谢Chris Wheat, 马文病房, 林赛Relihan, 詹姆斯·杜吉德, 阿奴Raghuram, and Bryan Kim for their substantial contributions to the production and analysis of this data series. We also thank colleagues at the 12bet官方研究所 for their comments and suggestions.

研究本地商业数据系列:流行病支出

下载

探索

更多的信息

相关的网站

法律

与我们联系

你现在要离开12bet官方了 & Co.

研究 本地商业数据系列:流行病支出

下载

研究本地商业数据系列:流行病支出