企业应对总体波动的非线性和异质性：我们能从机器学习中学到什么？

本文研究了企业对宏观经济冲击的反应异质性，并探讨了非线性关系和异质性的影响。研究发现，企业对宏观经济冲击的反应存在显著的非线性特征，传统的线性模型无法捕捉这些非线性关系，导致对经济敏感度的估计存在偏差。研究发现，企业规模是影响其对宏观经济冲击敏感度的关键因素，但并非唯一因素。此外，企业异质性对宏观经济冲击的总体影响具有显著的缓冲作用，特别是大型企业对冲击的敏感度较低，从而降低了宏观经济波动。

研究采用广义随机森林（GRF）模型对美国企业层面的数据进行分析，发现GRF模型与线性面板模型（LPM）在估计企业平均敏感度方面相似，但在高阶矩方面存在显著差异。GRF模型估计的企业敏感度分布的离散度和峰度均低于LPM模型，表明GRF模型更准确地捕捉了企业异质性的分布。研究发现，企业特征之间的相互作用对企业敏感度有显著影响，其中企业规模与其他特征之间的交互作用尤为突出。

研究进一步提出了一个聚合理论，将企业层面的反应与宏观经济结果联系起来，并分解了平均效应和协方差效应。研究发现，非线性关系和高阶交互作用降低了经济的平均敏感度，而企业异质性则通过降低大型企业的敏感度进一步降低了宏观经济波动。研究还发现，非金融特征（如企业规模和行业范围）比金融特征（如杠杆率和流动性）对企业敏感度的影响更大。

研究结论表明，在分析宏观经济波动和冲击的传导机制时，必须考虑非线性关系和企业异质性。这些发现对政策制定者具有重要意义，提示他们在设计经济稳定政策时应考虑企业对经济扰动的多样化和非线性反应。