新冠肺炎疫情对餐饮业影响的实证分析

[摘  要]选取2016年1月至2020年6月的辽宁省1500余家限额以上餐饮企业（单位）经营情况数据，运用描述性统计分析方法与时间序列ARIMA干预分析模型，就新冠肺炎疫情对辽宁省餐饮业产生的影响进行定量分析，并测算其影响的程度。进而对餐饮企业在物资储备、方案预案、制度规定、环境整治等方面提出科学、有效的应对建议。

[关键词]餐饮业;新冠肺炎疫情;时间序列ARIMA干预分析模型

[中图分类号]F719.3  [文献标识码]A  [文章编号]1672-2426（2021）04-0049-07

餐饮业是第三产业的重要组成部分，直接服务百姓。餐饮业具有人员流动频繁、人员高度聚集、空间相对封闭等特点，对就餐环境卫生要求较高，也易受突发公共卫生事件尤其是传染性疫情的影响。一旦发生重大突发疫情，餐饮业的生产经营活动往往受影响最直接、最突出、最持久。

餐饮业市场大、增长快、影响广、吸纳就业能力强，也是发达国家输出资本、品牌和文化的重要载体，因此一直受到国内外学者的关注。突如其来的新冠肺炎疫情（以下简称疫情）对餐饮业造成了最直接的冲击，部分学者就新冠肺炎疫情对餐饮业的影响进行了深入分析。Yost Elizabeth和Cheng Yusi结合情感决策框架、动机元理论模型（3M）和乐观偏差理论分析了新冠肺炎疫情对餐饮企业的影响，提出了解决新冠肺炎疫情对餐饮业影响的消费者动机的理论方案。[1]Kim Jungkeun和Lee Jacob C.将风险心理学的相关理论与私人餐饮偏好结合起来研究新冠肺炎疫情对餐饮业的负面影响。[2]王宏运运用产业链理论与波特五力模型分析疫情对餐饮业的影响，并对餐饮行业未来发展进行趋势性预测，提出复工后的对策建议。[3]石云逸和李延莉主要从营业收入、固定成本、现金流、行业前景等四个方面来分析疫情给我国餐饮业带来的负面影响，最后提出餐饮业的应对措施。[4]丁智超主要讨论了疫情对餐饮行业主要收入途径等方面影响，提出餐饮行业应对危机的对策。[5]目前，大多数学者采用定性研究方法来研究新冠肺炎疫情对餐饮业的影响，本文拟采用时间序列ARIMA模型与干预分析模型构建新冠肺炎疫情对餐饮业影响程度的统计分析模型，对其影响的深度和广度进行定量分析。

一、新冠肺炎疫情对餐饮业影响程度的描述性统计分析

（一）疫情影响逐渐减弱，经营状况逐步向好

由于此次疫情具有突发性强、传播速度快、波及面广等特点，为抗击疫情，大量餐饮企业暂停营业，人们外出聚餐数量骤降，餐饮行业受到较大冲击。数据显示，2020年2月，辽宁省限额以上餐饮业营业额仅为3.5亿元，同比下降71.8%，环比下降68.8%，其中正餐实现营业额786.0万元，同比下降81.5%，快餐实现营业额3072.6万元，同比下降79.5%。[6]随着疫情逐步得到控制，餐饮企业经营状况逐步恢复并向好发展。从辽宁省限额以上餐饮业营业额变化趋势看，随着疫情逐步得到控制，餐饮企业在各级政府的积极引导和助力下，逐步复工复产，生意渐旺，营业额逐月上升。2020年3月，辽宁省餐饮业开始逐步恢复，改变了2月的陡降趋势，虽同比下降52.4%，但环比上涨68.8%，到6月已基本恢复到2019年同期水平。[6]

（二）堂食减少，外卖订单增多

为减少人员聚集，降低疫情传播范围和风险，餐饮企业普遍采取了停止堂食的措施，直到2020年5月份疫情得到控制后才逐步放開堂食。iMedia Research调查数据显示，62.1%的受访网民表示外出堂食的频率大幅降低。而外卖业务由于人员接触相对较少，疫情传染风险较低，受到了广大消费者的欢迎。疫情虽使传统线下餐饮企业受损严重，但外卖成为餐饮企业增收的重要手段。在疫情推动下，线下餐饮企业虽业务缩水，但外卖订单收入迅速增长。数据显示，2020年全国在线外卖市场规模突破6600亿元。[7]

二、模型的设定

根据此次新冠肺炎疫情的特点及对餐饮业的影响程度，本文选择干预分析模型和ARIMA模型来构建餐饮企业经营状况时间序列模型。模型的基本形式如下：

ARIMA时间序列干预模型构建的思路和具体步骤：

首先选取2016年1月至2019年12月辽宁省餐饮企业平均营业额数据，建立一个单变量的ARIMA时间序列模型。并运用此模型对2020年1月至6月的餐饮企业平均营业额进行外推预测，得到的预测值作为不受干预事件影响的数值。用实际值减去预测值，得到的是受干预事件影响的程度的测算结果，利用这些结果估计干预模型的参数。最后，选取排除干预影响后的全部数据，识别与估计出一个单变量的ARIMA时间序列模型，得出总的干预分析模型。[8]140-142

三、实证分析

选取2016年1月至2020年6月的辽宁省限额以上餐饮企业平均营业额指标，运用2016年1月至2020年6月的辽宁省《餐饮业经营情况统计月报》相关数据，对新冠肺炎疫情给辽宁省餐饮业带来的影响进行实证分析，检验和分析结果如下。

（一） DF-GLS和KPSS检验

对辽宁省餐饮企业的平均营业额时间序列作时间趋势图（见图1），可以看到餐饮企业的平均营业额最小值为23.9万元，最大值为106.9万元，均值为78.8万元，方差为14.5。餐饮企业平均营业额最小值出现在2020年2月，最大值出现在2019年8月。餐饮企业平均营业额时间序列没有呈现明显的趋势性。

使用DF-GLS检验对餐饮企业平均营业额（Zt）时间序列进行单位根检验，结果显示：从1阶到9阶滞后均无法在5%的置信水平上拒绝“存在单位根”的原假设，也就是说原时间序列存在单位根，是非平稳的时间序列。进行KPSS检验，结果显示：5%的临界值为0.463，而从0阶到1阶滞后，其统计量均大于0.463，由于KPSS检验是右边单侧检验，故可以在5%的水平上拒绝“平稳序列”的原假设，即认为存在单位根。因此，对原时间序列进行对数转换以消除单位根，进一步检验企业平均营业额对数（lnZt）的一阶差分是否为平稳过程。DF-GLS检验结果显示，在5%的置信水平上拒绝“存在单位根”的原假设，变换后的时间序列不存在单位根，是平稳时间序列。

（二）疫情发生之前的ARIMA（p，d，q）模型识别及参数估计

首先，对ARIMA（p，d，q）模型进行自相关和偏自相关识别以确定模型中自回归项p，差分次数d，移动平均项数q等参数。结果显示，直至第3阶的Q统计量较为显著（P值为0.0561）。

如图2和图3所示，第3阶自相关和偏自相关系数均在5%水平上显著的不为0（落在95%的置信区间之外），由于自相关系数和偏自相关系数均存在断尾，故分别考虑AR（3）和MA（3）模型，对AR（3）模型进行参数估计，结果如表1。AR（3）模型系数显著（P值为0.005），可以保留。

对MA（3）模型进行参数估计，结果如表2。但由于MA（3）模型系数不显著（P值为1.00），所以决定舍弃。

计算信息准则衡量统计模型拟合优良性，得出AIC为-72.75，BIC为-63.5，表明可以接受残差项无自相关的原假设，模型拟合较好。

对疫情发生之前即2020年1月之前的数据建立时间序列ARIMA模型。通过上面的模型识别，确定企业平均营业额ARIMA模型在一阶差分后，时间序列趋于平稳，偏自相关函数（PACF）可能在p=0阶滞后前有明显的截尾并开始逐渐趋向于零。而自相关函数（ACF）则是在q=3阶滞后前有明显的截尾，从第3阶滞后开始逐渐趋于零。因此，2020年1月之前的企业平均营业额的ARIMA模型ARIMA（0，1，3），即：

ΔlnZt=β0+β1 ΔlnZt-1+β2 ΔlnZt-2+β3 ΔlnZt-3+εt （2）

得出ARIMA（0，1，3）参数估计结果为：

ΔlnZt=0.0007666-0.0997048ΔlnZt-1-0.1620601ΔlnZt-2-0.3772136ΔlnZt-3+εt （3）

（三）疫情发生后的干预分析模型参数估计

运用ARIMA（0，1，3）模型对2020年1-6月的辽宁省餐饮企业平均营业额进行预测如表3所示，用实际值减去预测值得出疫情对辽宁省餐饮企业平均营业额的影响程度。

其中，当t<2020m1（2020年1月）时，S=0;当t≥2020m1（2020年1月）时，S=1，t=2016m1……2020m6，T=2020m1。

模型的拟合结果如图4所示，从图中可以看到模型模拟的数据基本符合原数据的趋势和走向。同时，计算的企业平均营业额ARIMA干预分析模型的平均绝对差为7.38，平均绝对差率为12.7%，均方根误差为10.98，拟合优度为0.950436。从检验的结果可以看到，模型拟合得很好，即ARIMA组合干预分析模型能够较好模拟时间序列的变化趋势，是分析疫情对辽宁省餐饮业影响程度的有效模型。

四、结论与建议

（一）主要结论

通过对2016年1月至2020年6月辽宁省餐饮企业平均营业数据的研究，运用ARIMA时间序列模型和干预分析模型就新冠肺炎疫情对辽宁省餐饮企业影响程度进行了定量分析，从模型的测度结果中可以看出疫情对餐饮企业的影响程度在疫情初期较大，即每个餐饮企业月平均营业额瞬时减少7.6万元，推算整个餐饮行业月平均营业额瞬时减少约1.14亿元。随着疫情的常态化和逐步可控，冲击影响会持续伴随并逐渐减弱。

（二）建议

1.进一步提高网上订餐配餐的质量和速度。疫情期间，网络订餐、非接触式配送展现出了巨大的优越性，既有效地减少了居民因外出就餐而产生的人员聚集，又满足了居民对餐饮的基本需求，为稳定消费品市场、方便居民生活做出了突出的贡献。为此，应以此为契机，进一步提高网上订餐的质量和配送速度。丰富网上订餐的菜品，可推出家庭生日宴、祝寿宴、满月宴，菜品整体套餐外卖配送。密集建设外卖送餐配送网点，适当为外卖骑手提供经济补贴，让餐饮业发展与“互联网+”结合更加紧密。努力推动餐饮外卖精准订餐、精准配送，提高消费者的订购就餐体验，扩大居民购买外卖的意愿。

2.进一步推进餐饮企业采取堂食分餐方式。以本次新冠肺炎疫情防控为契机，把疫情防控中采取的堂食分餐制、设置就餐透明隔离屏、设置公勺公筷、保持适度就餐距离、降低就餐人员密度等经验常态化，逐步转变传统的圆桌就餐习惯，把按份按位就餐、自助餐作为餐饮业的主要就餐模式，降低人员就餐中的交叉感染概率，提高餐饮文化水平和就餐效率。

3.进一步加快非现场制作成品快餐的发展。探索餐饮零售化、配送无接触化，加快推进大型化、现代化、自动化的中央无菌厨房发展，逐步按区域划分，以大型餐饮加工企业为基础和骨干，发展中央厨房集中加工成品或半成品，将大型中央厨房作为区域内配餐的主体和骨干，将区域内的生鮮超市、社区超市作为流通节点，逐步打通中央厨房到百姓餐桌的物流通道，实现居民根据自身口味在线预订半成品或成品菜品，高端无菌中央厨房加工，物流快速配送到家或就近自提的全链条零售式餐饮模式。

4.进一步加强餐饮业明厨亮灶监管模式。总结并推广近年来大型正规餐饮企业实行明厨亮灶管理的经验，分期分批向各级餐饮单位推广，早日制定餐饮企业强制实施明厨亮灶的细化标准，把行业标准详细化、标准化、可操作化，通过设立统一的监管云平台对全部餐饮企业后厨实施实时化、可视化、高清化监控，通过技术手段加大监管力度，让每一个操作步骤、每一种食材加工进程都实现可溯源、可核查，对餐饮加工过程安全实施全程可控。

5.进一步严格餐饮业从业人员健康检查。有关部门应在现有餐饮业从业人员健康检查标准的基础上适当提高健康检查的频率，扩大健康检查的范围，把年检查频次提高至季度或月份，定期开展核酸检测和血清抗体检测，确保餐饮业从业人员身体健康，不成为隐性传染源。

6.进一步加大餐饮业违法违规处罚力度。要把打击餐饮业制假售假放到更加突出的位置，将各类酒店、宾馆、机关学校食堂、中央厨房等集中提供餐饮的场所作为监管重点，对使用假冒伪劣食材、过期食材、卫生不达标食材、野生动物食材，操作空间卫生不达标，违规使用非食品添加剂，从业人员健康检查不合格等违法行为加大打击力度，顶格处罚，从重处罚，一罚到底，坚决遏制餐饮业违法违规行为，把通过餐饮过程感染流行性、传染性疾病的概率降到最低，确保人民群众餐饮消费安全。

参考文献：

[1]Yost Elizabeth，Cheng Yusi.Customers'risk perception and dine-out motivation during a pandemic：Insight for the restaurant industry[J].International Journal of Hospitality Management，2021，（95）：42-45.

[2]Kim Jungkeun，Lee Jacob C.Effects of COVID-19 on preferences for private dining facilities in restaurants[J]. Journal of Hospitality and Tourism Management，2020，（45）：67-70.

[3]王宏运.基于波特五力模型的餐饮业发展机遇与挑战趋势分析[J].经济研究导刊，2021，（4）：141-143.

[4]石云逸，李延莉.新冠疫情对我国餐饮业发展的影响及对策研究[J].现代商业，2021，（1）：30-32.

[5]丁智超.新型冠状病毒冲击下餐饮行业的困境及突破[J].中国市场，2020，（31）：24-27.

[6]限额以上餐饮业统计月报[EB/OL].https：//10.6.133.123/yyaq/login.do.

[7]2020年“新冠疫期”中国餐饮业运行状况与变革创新研究报告[EB/OL].https：//www.iimedia.cn/c400/71463.html，2020-05-14.

[8]徐国祥.统计预测和决策（第五版）[M].上海：上海财经大学出版社，2016.

责任编辑 魏亚男

[收稿日期]2021-03-09

[作者简介]吕秋芬（1978— ），女，辽宁大连人，辽宁省统计局调查队副处级调研员，经济学博士，主要从事抽样调查、普查、国民经济核算及小微企业等方面理论及方法的研究。