不同行業(yè)中小微企業(yè)受突發(fā)公共事件的影響情況研究

陳易琛 高繼寧 范智成 鐘高倩

摘 要：2020年初突發(fā)公共衛(wèi)生事件，我國中小微企業(yè)遭受了巨大的沖擊，其中第三產(chǎn)業(yè)受到的沖擊尤為明顯。本文通過對第三產(chǎn)業(yè)各行業(yè)部分企業(yè)的經(jīng)營數(shù)據(jù)進行整理，并利用時間序列模型對未發(fā)生突發(fā)公共事件條件下的企業(yè)經(jīng)營情況進行預(yù)估。通過將預(yù)估數(shù)據(jù)與顯示數(shù)據(jù)進行對比，客觀體現(xiàn)出不同行業(yè)企業(yè)在疫情期間的經(jīng)營狀況，希望從中分析出相應(yīng)的對策及建議，為中小微企業(yè)的生存發(fā)展提供幫助。

關(guān)鍵詞：突發(fā)公共事件;中小微企業(yè);時間序列分析

本文索引：陳易琛，高繼寧，范智成，等.<變量 2>[J].中國商論，2021（20）：-160.

中圖分類號：F272 文獻標(biāo)識碼：A 文章編號：2096-0298（2021）10（b）--04

1 引言

1.1 背景

自2020年初突發(fā)公共事件以來，我國立即采取多項措施，對此次突發(fā)公共事件進行防控，我國經(jīng)濟也在此次重大公共衛(wèi)生事件中遭受重大影響。

相關(guān)數(shù)據(jù)顯示，我國中小企業(yè)數(shù)量已超過3000萬，占我國企業(yè)總數(shù)的90%以上，吸收了80%以上的勞動力，貢獻了全國60%以上的GDP，在國民經(jīng)濟中占有重要地位。但是，此次突發(fā)公共事件使我國中小企業(yè)的發(fā)展遭受重創(chuàng)，其中餐飲業(yè)、娛樂業(yè)和旅游業(yè)在此期間遇到斷崖式下跌。因此，緩解中小企業(yè)的壓力，幫助中小企業(yè)化解危機刻不容緩，我國政府積極采取減免稅收、發(fā)放補貼等方式，助力中小企業(yè)渡過危機。在政府和全民的共同努力下，2020年第二季度以來，我國經(jīng)濟呈現(xiàn)逐步回升趨勢，但是很多行業(yè)的經(jīng)濟增長速度尚未恢復(fù)到突發(fā)公共事件發(fā)生前的水平。

1.2 文獻綜述

本次突發(fā)公共事件爆發(fā)以來，很多學(xué)者對中小企業(yè)面臨的困境和如何走出困境進行了研究。朱武祥等（2020）表示：受突發(fā)公共事件影響，中小微企業(yè)財務(wù)風(fēng)險較高，提出應(yīng)提高稅費政策落地效率，創(chuàng)新中小微企業(yè)金融服務(wù)模式等建議。盛松成等（2020）從宏觀層面研究如何在突發(fā)公共事件影響下，助力企業(yè)擺脫困境，有效緩解企業(yè)資金流動性壓力等問題。石聰聰（2020）認(rèn)為，本次突發(fā)公共事件使中小企業(yè)面臨運營難、融資難等困境，企業(yè)應(yīng)以此為機遇，充分利用政府出臺的金融救助和稅費優(yōu)惠等政策，創(chuàng)新經(jīng)營模式，調(diào)整業(yè)務(wù)結(jié)構(gòu)。

2 數(shù)據(jù)來源及預(yù)處理

筆者以網(wǎng)絡(luò)問卷調(diào)研為主，輔以實地采訪、電話訪談等調(diào)研方法，調(diào)研集中于第三產(chǎn)業(yè)，依托網(wǎng)絡(luò)資源、個人人脈等渠道，對34家住宿餐飲類企業(yè)、12家信息傳輸、軟件和信息技術(shù)服務(wù)類企業(yè)、21家租賃和商務(wù)服務(wù)類企業(yè)、29家文體娛樂類企業(yè)、14家交通運輸、倉儲和郵政類企業(yè)、42家批發(fā)和零售類企業(yè)、31家居民服務(wù)、修理和其他服務(wù)類企業(yè)所有者及其實際負(fù)責(zé)人進行采訪調(diào)研。本次調(diào)研以季度為單位，定向收集了中小微企業(yè)所有者及其實際負(fù)責(zé)人提供的企業(yè)自2017年第一季度至2020年第三季度共計15個季度的企業(yè)收支情況，確保數(shù)據(jù)能夠真實客觀反映中小微企業(yè)遭受突發(fā)公共事件影響的具體情況。

通過收集數(shù)據(jù)并整理分析可知，對于住宿餐飲類、租賃和商務(wù)服務(wù)類、文體娛樂類、交通運輸、倉儲和郵政類、批發(fā)和零售類以及居民服務(wù)、修理和其他服務(wù)類企業(yè)而言，2020年第一季度，這幾類行業(yè)均遭遇巨大打擊，部分行業(yè)平均利潤甚至出現(xiàn)負(fù)值，利潤圖線呈現(xiàn)斷崖式下跌。第二三季度期間，即使市場重新活躍，行業(yè)收支與往年同期相比仍有較大差距。但通過數(shù)據(jù)分析可以發(fā)現(xiàn)，突發(fā)公共事件期間信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)并未受到大的影響。相反，此次突發(fā)公共事件的爆發(fā)導(dǎo)致多數(shù)線下活動轉(zhuǎn)為線上進行，促進了信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)更加蓬勃發(fā)展。

3 模型分析

3.1 時間序列預(yù)測

按2017—2019年時間順序的業(yè)務(wù)變化過程形成的數(shù)據(jù)，構(gòu)造時間序列，并預(yù)測未來的走勢。根據(jù)對收集到的各中小微企業(yè)所在行業(yè)進行歸類，對每個行業(yè)平均利潤值進行季節(jié)性時間序列分析。

3.1.1 平穩(wěn)性檢驗

以租賃行業(yè)為例，建立時間序列模型之前，首先要對租賃行業(yè)的pjlr（平均利潤）序列進行平穩(wěn)性檢驗。畫出原始數(shù)據(jù)的時序圖。由圖1可知原始數(shù)據(jù)序列為非平穩(wěn)序列，且存在季節(jié)性差異。分別對不同行業(yè)進行差分處理以繪制出pjlr的差分時序圖。

3.1.2 自相關(guān)和偏自相關(guān)檢驗

為了確定進行差分后的數(shù)據(jù)是否為平穩(wěn)序列，還需要對得到的序列進行自相關(guān)和偏自相關(guān)檢驗。自相關(guān)函數(shù)ACF（autocorrelation function）計算公式如下：

（1）

含義為有序變量序列與其自身相比較的自相關(guān)函數(shù)，反映了同一序列在不同時序取值的相關(guān)性。偏自相關(guān)系數(shù)PACF（partial autocorrelation function）計算公式如下：

（2）

（3）

在季節(jié)性差分處理時，因部分行業(yè)具有周期性，令k=4，按季度進行差分處理。以租賃行業(yè)為例，取置信水平α=0.05，進行自相關(guān)和偏自相關(guān)檢驗，其結(jié)果如表1所示。

由表1顯示的自相關(guān)檢驗的結(jié)果可以看出，自相關(guān)sig.均小于置信水平α= 0.05，因此可以判定做四階差分及季節(jié)差分后的序列是平穩(wěn)的，可以利用該序列值進行模型擬合。

3.1.3 模型定階

通過觀察平穩(wěn)序列的ACF圖和PACF圖來選擇適當(dāng)?shù)哪Ｐ瓦M行擬合，如圖2所示。

3.1.4 模型確定

在計算出自相關(guān)和偏自相關(guān)系數(shù)的值后估計得到（p，q），并將各種組合帶入計算，挑選出最小的AIC和BIC，由此確定各行業(yè)的時間序列模型。

3.1.5 檢驗?zāi)Ｐ偷挠行?/p>

模型的顯著性檢驗主要指檢驗?zāi)Ｐ驼w的有效性，即殘差序列的白噪聲檢驗。

由模型擬合度可得平穩(wěn)R方和R方的值分別為0.530和0.855。若數(shù)據(jù)有波動趨勢，則相當(dāng)大的變異解釋度也包括于R方中，因此選取較客觀的平穩(wěn)R方。