Using the Federal Reserve’s Y-14M credit card data, this paper constructs a high-frequency, county-level consumption dataset and benchmarks it against official consumption measures, finding that credit card spending growth explains 92% of monthly adjusted PCE variation at the national level and reveals meaningful cross-state variation. As a proof of concept, the county panel uncovers heterogeneous monetary policy transmission: in lower-income counties, spending falls more than in higher-income counties, aligning with heterogeneous-agent macro models. The paper also provides practical guidance on data coverage, sample composition, and approximating card spending from credit bureau data .
###County-level consumption dataset: scope and validation
以下是一份对题为“Measuring Consumption with Credit Card Data: Benchmarking and Beyond” (Aditya Aladangady, Ricardo Duque Gabriel, Carlo Wix, July 2026) 的极其详尽分析。分析尽量覆盖原文的核心论点、数据、假设、图表与表格,同时对图表所呈现的趋势进行解读与批判性评估,并在关键结论处给出溯源标注。为便于后续溯源,凡涉及原文结论或推断的句末均附上 [page::页码] 标注。涉及图片的地方,按照文中给出的相对路径嵌入图像。
标题与元数据概览(引言要点)
2.1 数据与构建(Section 2)
2.2 基准数据(Section 2.2)
2.3 描述统计(Section 3)
2.4 基准比较(Section 4)
2.5 Beyond Benchmarking(Section 5)
2.6 研究应用:货币政策冲击的消费响应(Section 6)
2.7 实务指引与风险(Section 7)
2.8 结论性综合(Section 8)
Figure 1: Monthly National Consumption Growth: Official Benchmarks 描述:月度 YoY 的信用卡支出增长、调整后的 PCE 增长、零售销售增长的对比线。重要发现是三者在 2014–2020 年间波动区间较小,COVID-19 期间三者的下降高度相吻合,且 COVID 期间信用卡支出 trough 与 PCE、零售销售相符。图像路径:images/4b2e6748cd06bedc24403e707c7b4a5c96743130d80049785b6bb7b910e1b0c6.jpg?page=12。 溯源点:文本指出“信用卡支出增长与调整后的 PCE 增长高度相关,且在 COVID-19 期呈现一致的下降-回升趋势”,以及回归的 R2、 slope 等。
Figure 2: Annual State-Level Consumption Levels 描述:州级年度 PCE 人均与 Y-14M 平均支出/卡的关系。展示一个强正相关的散点图,以及回归线。图像路径:images/acaa9b74e261d4e4a8df87b14231a19622223f8f257e8786857197170368e20b.jpg?page=14。
Figure 3: Annual State-Level Consumption Growth: Cross-Sectional Evidence 描述:州层面的年度 PCE 增长 vs 年度平均信用卡支出增长的横截面回归,分年展示(2017、2018、2020、2021 等)。回归结果显示跨州的相关性显著,且随年份波动。图像路径:images/6b5bb3ec5959cea492d4435c4d7c9309f29730d3404301a26ad5259710b95b1a.jpg?page=15。
Figure 4: Monthly State-Level Retail Spending Growth: Cross-Sectional Evidence 描述:月度 YoY 的 Census 零售销售增长 vs Y-14M 的月度平均支出增长之间的关系,斜率约 0.81,R2 约 0.40;较之年度 PCE 的相关性弱一些。图像路径:images/d8e9c41bf6528f24723a0149819a7d30a22621b36a9c5087ea599d19e9870ad3.jpg?page=17。
Figure 5: Monthly National Consumption Growth: Private-Sector Benchmarks 描述:Y-14M 与 Fiserv/Numerator/Verisk 的对比,显示 private HFIs 的时间序列与 Y-14M 的趋势在 COVID-19 期后均显示出相似的下降-回升趋势。图像路径:images/91b602cf9d2fb7c168bf7a055a52a990bb18a1970841055b5f100b6631563935.jpg?page=18。
Figure 6: County-Level Spending Shares: Total Credit Card Spending and Economic Census 描述:县级总信用卡支出份额与 Economic Census 支出份额在 2017 与 2022 的对比,拟合线几乎落在 45° 线附近,R2=0.91,支持县级空间分布的一致性。图像路径:images/0136b4bba31d0b9629b54e0bc59fa2ca1dd4539a0fe3d8eae67ae6cd3bd5cff6.jpg?page=21。
Figure 7: Monthly County-Level Consumption Growth 描述:四个县的月度消费增长率比较(如纽约县 vs Harris County,DC vs Arlington, VA),揭示疫情初期和区域内的相似性。图像路径:images/1d27b0c548e1e8ad6428e208ed6246c95cf20202cca95467928e2f43341d0091.jpg?page=22。
Figure 8: County-Level Consumption Growth and Pandemic Incidence 描述:县级消费增长与疫情强度(新冠病例)之间的空间对比(2020年4月),两张地图直观呈现出疫情强度与消费下降的空间对称关系。图像路径:images/f3c81060395c405bfe2730bd46865fb12f412f32b7bd8dad795236066836826e.jpg?page=23。
Figure 9: County-Level Consumption Growth and Local Economic Conditions 描述:按县级数据的年度收入增长与年内/月度失业的相关性分组散点(带箱形/分组图),显示消费增长与收入增长正相关、与失业增速负相关的预期关系。图像路径:images/84b511d9334761e5528d92f450bbb9895b24b479137bd7cef1b46876063da122.jpg?page=23。
Figure 10: Monthly Credit Card Spending Growth by Cardholder Characteristics 描述:按 FICO 分数与 utilization 的月度 YoY 增长分组比较,揭示不同借款人群体在消费波动中的异质性。图像路径:images/a9d0a371c9e93d23707db5d25aec19cd386729d9315189d5944fd1f0b0c4fe29.jpg?page=24。
Figure 11: Monthly National Response to Monetary Policy Shocks 描述:对 25bp 紧缩冲击的四类消费测度的冲击响应,信用卡支出呈现最大且最显著的下降。图像路径:images/1e233b6d62d123098da83825b9ad5f546f7b163aa9bc6dda11fad02758e03142.jpg?page=28。
Figure 12: Annual State-Level Response to Monetary Policy Shocks 描述:州年度层面的冲击响应,信用卡支出对冲击的响应显著且具有较强的跨州通用性,但幅度较国家层面略低,Total PCE 的传导在年度层面也可观测。图像路径:images/e909431eaf8403d69758339072a667f872f33a69dca85851882382d5c114ec34.jpg?page=30。
Figure 13: Monthly County-Level Response to Monetary Policy Shocks 描述: county-level 的冲击响应与国家层面非常相似, trough ~ -7%~ -8%,并且 county-level 的估计精度高于国家层面。图像路径:images/de2d2c208f8f9840c9b9376727f71d32c5208310f1074621c107d58354030075.jpg?page=31。
Figure 14: Monthly County-Level Response to Monetary Policy Shocks by Income 描述: county-level 按收入组别的冲击响应(高收入 vs 低收入)以及两组的差异(High-Low),显示低收入县的消费传导更强且显著,差异在大多数时 horizon 为正且在 68% 置信区间内显著。图像路径:images/4936287e64a768172e9d0850b3d051688dd36c26408849c2345c1fe80e0d7659.jpg?page=33。 ,
Figure 15–16: Major PCE Subcategories 与信用卡支出对比 描述:Figure 15 展示信用卡支出与总 goods、durable、nondurable、services 的月度 YoY,对比显示疫情期间服务支出与信用卡支出之间的差异性。Figure 16 展示被排除在 Adjusted PCE 之外的子类的对比。图像路径:Figure 15(images/3588bc480b5d82e7c05fdf7a3060f4ca1142209f3c890094081b195e2f1b551c.jpg?page=36)、Figure 16(images/3e16d0d01a655bd9951d86ae3a58e8d2aa25fa852d3d09ef9358369050c9d8e0.jpg?page=37)。 ,
Figure 17–18: Decompositions of Total/Average Card Spending Growth 描述:Figure 17 把平均支出增长分解为 intensive margin(继续卡的内部支出增长)与 extensive margin(净进入/退出卡的边际效应),Figure 18 将其进一步分解为继续卡的“强度”与“进入/退出”的相对贡献,显示 extensive margin 对平均支出增长的贡献较大,尤其在疫情后期。图像路径:Figure 17(images/a8e6c2d97242327b8590082f76b08330f140a2cae54195cdcb488a287d7f0551.jpg?page=38)、Figure 18(images/5c1bd057be5e1a03b0eebeafdc22abae08c3441adaf64a9fcb72787ed2f0c452.jpg?page=39)。 ,
Figure 19: Bank-Level Heterogeneity in Credit Card Spending Growth 描述:展示全样本的平均支出增长与各银行分布的分位区间,表明总体聚合趋势通常能由各银行的动态所支撑,但在 2016–2017、2022 等时期,银行间的波动差异更显著。图像路径:images/92453771d197f08bd854e2fea1a13b73f27a9bc062c18bb988c76854763b3a47.jpg?page=40。
Figure 20: Approximating Credit Card Spending from Credit Bureau Data 描述:用信用 bureau 数据近似信用卡购买量的四种回归设定(仅余额、余额+实际支付、余额+支付+Finance Charges),在全样本中,纯余额的拟合度很差(R2 ~0.35),而加入实际支付后拟合度显著提升(R2 ~0.87),Finance Charges 的提升几乎没有额外收益。此图清晰呈现了无支付信息时近似的局限性。图像路径:images/121c8de01e26a8e50af330058b3ea6dba2a69fb4c1d56a25a394467aff8b18a7.jpg?page=42。
A1–A6(Online Appendix 附录图表)
内容覆盖:A1 年度州级消费增长时间序列、A2 月度州级零售支出、A3 Affinity Solutions 基准、A4 County-Level 与 Economic Census 的支出层次对比、A5 Counties 的收入分位对比、A6 行业类别的信用卡交易份额分布等。图像路径分布在页 49–54 区间。通过这些附录图,作者展示了跨州、跨县、跨行业的对比以及对基准的稳健性检验。以上图表用于支撑主文中的稳健性论证。 , , , , ,
结构性分析与对比总结
结论性总结
附注与溯源清单(简要对照)
核心事实与数值溯源:
重要图像引用与嵌入(示例,按图索引):
Omnibus:在线附录 A1–A6 提供了额外的对照、稳健性检验以及方法论细节;引用来源在文献末尾与附录处。对于“County-level 数据与 Economic Census 的一致性”和“银行级别异质性”的讨论,附录图表提供了额外证据。 –54]
总体而言,这篇研究通过系统的基准检验、 county-level 构建、以及货币政策传导的实证分析,为以信用卡数据测量消费提供了一个切实可行且具有高度参考价值的框架。它不仅证实了信用卡支出作为消费代理的有效性,还揭示了地理与收入层面的异质性,并给出实际可执行的研究设计指南与警示,具有较强的学术与政策研究价值。 , , ,
若在后续工作中需要,我可以据此深度扩展某一特定章节的逐图逐表解读、或将本文的 county-level 应用转化为更具体的研究问题(如区域财政政策、劳动市场结构性变化、或金融包容性分析等)的设计框架。
2607.08759.pdf