[摘 ?要]選取2016年1月至2020年6月的遼寧省1500余家限額以上餐飲企業(yè)（單位）經(jīng)營(yíng)情況數(shù)據(jù)，運(yùn)用描述性統(tǒng)計(jì)分析方法與時(shí)間序列ARIMA干預(yù)分析模型，就新冠肺炎疫情對(duì)遼寧省餐飲業(yè)產(chǎn)生的影響進(jìn)行定量分析，并測(cè)算其影響的程度。進(jìn)而對(duì)餐飲企業(yè)在物資儲(chǔ)備、方案預(yù)案、制度規(guī)定、環(huán)境整治等方面提出科學(xué)、有效的應(yīng)對(duì)建議。

[關(guān)鍵詞]餐飲業(yè);新冠肺炎疫情;時(shí)間序列ARIMA干預(yù)分析模型

[中圖分類號(hào)]F719.3 ?[文獻(xiàn)標(biāo)識(shí)碼]A ?[文章編號(hào)]1672-2426（2021）04-0049-07

餐飲業(yè)是第三產(chǎn)業(yè)的重要組成部分，直接服務(wù)百姓。餐飲業(yè)具有人員流動(dòng)頻繁、人員高度聚集、空間相對(duì)封閉等特點(diǎn)，對(duì)就餐環(huán)境衛(wèi)生要求較高，也易受突發(fā)公共衛(wèi)生事件尤其是傳染性疫情的影響。一旦發(fā)生重大突發(fā)疫情，餐飲業(yè)的生產(chǎn)經(jīng)營(yíng)活動(dòng)往往受影響最直接、最突出、最持久。

餐飲業(yè)市場(chǎng)大、增長(zhǎng)快、影響廣、吸納就業(yè)能力強(qiáng)，也是發(fā)達(dá)國(guó)家輸出資本、品牌和文化的重要載體，因此一直受到國(guó)內(nèi)外學(xué)者的關(guān)注。突如其來的新冠肺炎疫情（以下簡(jiǎn)稱疫情）對(duì)餐飲業(yè)造成了最直接的沖擊，部分學(xué)者就新冠肺炎疫情對(duì)餐飲業(yè)的影響進(jìn)行了深入分析。Yost Elizabeth和Cheng Yusi結(jié)合情感決策框架、動(dòng)機(jī)元理論模型（3M）和樂觀偏差理論分析了新冠肺炎疫情對(duì)餐飲企業(yè)的影響，提出了解決新冠肺炎疫情對(duì)餐飲業(yè)影響的消費(fèi)者動(dòng)機(jī)的理論方案。[1]Kim Jungkeun和Lee Jacob C.將風(fēng)險(xiǎn)心理學(xué)的相關(guān)理論與私人餐飲偏好結(jié)合起來研究新冠肺炎疫情對(duì)餐飲業(yè)的負(fù)面影響。[2]王宏運(yùn)運(yùn)用產(chǎn)業(yè)鏈理論與波特五力模型分析疫情對(duì)餐飲業(yè)的影響，并對(duì)餐飲行業(yè)未來發(fā)展進(jìn)行趨勢(shì)性預(yù)測(cè)，提出復(fù)工后的對(duì)策建議。[3]石云逸和李延莉主要從營(yíng)業(yè)收入、固定成本、現(xiàn)金流、行業(yè)前景等四個(gè)方面來分析疫情給我國(guó)餐飲業(yè)帶來的負(fù)面影響，最后提出餐飲業(yè)的應(yīng)對(duì)措施。[4]丁智超主要討論了疫情對(duì)餐飲行業(yè)主要收入途徑等方面影響，提出餐飲行業(yè)應(yīng)對(duì)危機(jī)的對(duì)策。[5]目前，大多數(shù)學(xué)者采用定性研究方法來研究新冠肺炎疫情對(duì)餐飲業(yè)的影響，本文擬采用時(shí)間序列ARIMA模型與干預(yù)分析模型構(gòu)建新冠肺炎疫情對(duì)餐飲業(yè)影響程度的統(tǒng)計(jì)分析模型，對(duì)其影響的深度和廣度進(jìn)行定量分析。

一、新冠肺炎疫情對(duì)餐飲業(yè)影響程度的描述性統(tǒng)計(jì)分析

（一）疫情影響逐漸減弱，經(jīng)營(yíng)狀況逐步向好

由于此次疫情具有突發(fā)性強(qiáng)、傳播速度快、波及面廣等特點(diǎn)，為抗擊疫情，大量餐飲企業(yè)暫停營(yíng)業(yè)，人們外出聚餐數(shù)量驟降，餐飲行業(yè)受到較大沖擊。數(shù)據(jù)顯示，2020年2月，遼寧省限額以上餐飲業(yè)營(yíng)業(yè)額僅為3.5億元，同比下降71.8%，環(huán)比下降68.8%，其中正餐實(shí)現(xiàn)營(yíng)業(yè)額786.0萬元，同比下降81.5%，快餐實(shí)現(xiàn)營(yíng)業(yè)額3072.6萬元，同比下降79.5%。[6]隨著疫情逐步得到控制，餐飲企業(yè)經(jīng)營(yíng)狀況逐步恢復(fù)并向好發(fā)展。從遼寧省限額以上餐飲業(yè)營(yíng)業(yè)額變化趨勢(shì)看，隨著疫情逐步得到控制，餐飲企業(yè)在各級(jí)政府的積極引導(dǎo)和助力下，逐步復(fù)工復(fù)產(chǎn)，生意漸旺，營(yíng)業(yè)額逐月上升。2020年3月，遼寧省餐飲業(yè)開始逐步恢復(fù)，改變了2月的陡降趨勢(shì)，雖同比下降52.4%，但環(huán)比上漲68.8%，到6月已基本恢復(fù)到2019年同期水平。[6]

（二）堂食減少，外賣訂單增多

為減少人員聚集，降低疫情傳播范圍和風(fēng)險(xiǎn)，餐飲企業(yè)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調(diào)查數(shù)據(jù)顯示，62.1%的受訪網(wǎng)民表示外出堂食的頻率大幅降低。而外賣業(yè)務(wù)由于人員接觸相對(duì)較少，疫情傳染風(fēng)險(xiǎn)較低，受到了廣大消費(fèi)者的歡迎。疫情雖使傳統(tǒng)線下餐飲企業(yè)受損嚴(yán)重，但外賣成為餐飲企業(yè)增收的重要手段。在疫情推動(dòng)下，線下餐飲企業(yè)雖業(yè)務(wù)縮水，但外賣訂單收入迅速增長(zhǎng)。數(shù)據(jù)顯示，2020年全國(guó)在線外賣市場(chǎng)規(guī)模突破6600億元。[7]

二、模型的設(shè)定

根據(jù)此次新冠肺炎疫情的特點(diǎn)及對(duì)餐飲業(yè)的影響程度，本文選擇干預(yù)分析模型和ARIMA模型來構(gòu)建餐飲企業(yè)經(jīng)營(yíng)狀況時(shí)間序列模型。模型的基本形式如下：

ARIMA時(shí)間序列干預(yù)模型構(gòu)建的思路和具體步驟：

首先選取2016年1月至2019年12月遼寧省餐飲企業(yè)平均營(yíng)業(yè)額數(shù)據(jù)，建立一個(gè)單變量的ARIMA時(shí)間序列模型。并運(yùn)用此模型對(duì)2020年1月至6月的餐飲企業(yè)平均營(yíng)業(yè)額進(jìn)行外推預(yù)測(cè)，得到的預(yù)測(cè)值作為不受干預(yù)事件影響的數(shù)值。用實(shí)際值減去預(yù)測(cè)值，得到的是受干預(yù)事件影響的程度的測(cè)算結(jié)果，利用這些結(jié)果估計(jì)干預(yù)模型的參數(shù)。最后，選取排除干預(yù)影響后的全部數(shù)據(jù)，識(shí)別與估計(jì)出一個(gè)單變量的ARIMA時(shí)間序列模型，得出總的干預(yù)分析模型。[8]140-142

三、實(shí)證分析

選取2016年1月至2020年6月的遼寧省限額以上餐飲企業(yè)平均營(yíng)業(yè)額指標(biāo)，運(yùn)用2016年1月至2020年6月的遼寧省《餐飲業(yè)經(jīng)營(yíng)情況統(tǒng)計(jì)月報(bào)》相關(guān)數(shù)據(jù)，對(duì)新冠肺炎疫情給遼寧省餐飲業(yè)帶來的影響進(jìn)行實(shí)證分析，檢驗(yàn)和分析結(jié)果如下。

（一） DF-GLS和KPSS檢驗(yàn)

對(duì)遼寧省餐飲企業(yè)的平均營(yíng)業(yè)額時(shí)間序列作時(shí)間趨勢(shì)圖（見圖1），可以看到餐飲企業(yè)的平均營(yíng)業(yè)額最小值為23.9萬元，最大值為106.9萬元，均值為78.8萬元，方差為14.5。餐飲企業(yè)平均營(yíng)業(yè)額最小值出現(xiàn)在2020年2月，最大值出現(xiàn)在2019年8月。餐飲企業(yè)平均營(yíng)業(yè)額時(shí)間序列沒有呈現(xiàn)明顯的趨勢(shì)性。

使用DF-GLS檢驗(yàn)對(duì)餐飲企業(yè)平均營(yíng)業(yè)額（Zt）時(shí)間序列進(jìn)行單位根檢驗(yàn)，結(jié)果顯示：從1階到9階滯后均無法在5%的置信水平上拒絕“存在單位根”的原假設(shè)，也就是說原時(shí)間序列存在單位根，是非平穩(wěn)的時(shí)間序列。進(jìn)行KPSS檢驗(yàn)，結(jié)果顯示：5%的臨界值為0.463，而從0階到1階滯后，其統(tǒng)計(jì)量均大于0.463，由于KPSS檢驗(yàn)是右邊單側(cè)檢驗(yàn)，故可以在5%的水平上拒絕“平穩(wěn)序列”的原假設(shè)，即認(rèn)為存在單位根。因此，對(duì)原時(shí)間序列進(jìn)行對(duì)數(shù)轉(zhuǎn)換以消除單位根，進(jìn)一步檢驗(yàn)企業(yè)平均營(yíng)業(yè)額對(duì)數(shù)（lnZt）的一階差分是否為平穩(wěn)過程。DF-GLS檢驗(yàn)結(jié)果顯示，在5%的置信水平上拒絕“存在單位根”的原假設(shè)，變換后的時(shí)間序列不存在單位根，是平穩(wěn)時(shí)間序列。

（二）疫情發(fā)生之前的ARIMA（p，d，q）模型識(shí)別及參數(shù)估計(jì)

首先，對(duì)ARIMA（p，d，q）模型進(jìn)行自相關(guān)和偏自相關(guān)識(shí)別以確定模型中自回歸項(xiàng)p，差分次數(shù)d，移動(dòng)平均項(xiàng)數(shù)q等參數(shù)。結(jié)果顯示，直至第3階的Q統(tǒng)計(jì)量較為顯著（P值為0.0561）。

如圖2和圖3所示，第3階自相關(guān)和偏自相關(guān)系數(shù)均在5%水平上顯著的不為0（落在95%的置信區(qū)間之外），由于自相關(guān)系數(shù)和偏自相關(guān)系數(shù)均存在斷尾，故分別考慮AR（3）和MA（3）模型，對(duì)AR（3）模型進(jìn)行參數(shù)估計(jì)，結(jié)果如表1。AR（3）模型系數(shù)顯著（P值為0.005），可以保留。

對(duì)MA（3）模型進(jìn)行參數(shù)估計(jì)，結(jié)果如表2。但由于MA（3）模型系數(shù)不顯著（P值為1.00），所以決定舍棄。

計(jì)算信息準(zhǔn)則衡量統(tǒng)計(jì)模型擬合優(yōu)良性，得出AIC為-72.75，BIC為-63.5，表明可以接受殘差項(xiàng)無自相關(guān)的原假設(shè)，模型擬合較好。

對(duì)疫情發(fā)生之前即2020年1月之前的數(shù)據(jù)建立時(shí)間序列ARIMA模型。通過上面的模型識(shí)別，確定企業(yè)平均營(yíng)業(yè)額ARIMA模型在一階差分后，時(shí)間序列趨于平穩(wěn)，偏自相關(guān)函數(shù)（PACF）可能在p=0階滯后前有明顯的截尾并開始逐漸趨向于零。而自相關(guān)函數(shù)（ACF）則是在q=3階滯后前有明顯的截尾，從第3階滯后開始逐漸趨于零。因此，2020年1月之前的企業(yè)平均營(yíng)業(yè)額的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）參數(shù)估計(jì)結(jié)果為：

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

（三）疫情發(fā)生后的干預(yù)分析模型參數(shù)估計(jì)

運(yùn)用ARIMA（0，1，3）模型對(duì)2020年1-6月的遼寧省餐飲企業(yè)平均營(yíng)業(yè)額進(jìn)行預(yù)測(cè)如表3所示，用實(shí)際值減去預(yù)測(cè)值得出疫情對(duì)遼寧省餐飲企業(yè)平均營(yíng)業(yè)額的影響程度。

其中，當(dāng)t<2020m1（2020年1月）時(shí)，S=0;當(dāng)t≥2020m1（2020年1月）時(shí)，S=1，t=2016m1……2020m6，T=2020m1。

模型的擬合結(jié)果如圖4所示，從圖中可以看到模型模擬的數(shù)據(jù)基本符合原數(shù)據(jù)的趨勢(shì)和走向。同時(shí)，計(jì)算的企業(yè)平均營(yíng)業(yè)額ARIMA干預(yù)分析模型的平均絕對(duì)差為7.38，平均絕對(duì)差率為12.7%，均方根誤差為10.98，擬合優(yōu)度為0.950436。從檢驗(yàn)的結(jié)果可以看到，模型擬合得很好，即ARIMA組合干預(yù)分析模型能夠較好模擬時(shí)間序列的變化趨勢(shì)，是分析疫情對(duì)遼寧省餐飲業(yè)影響程度的有效模型。

四、結(jié)論與建議

（一）主要結(jié)論

通過對(duì)2016年1月至2020年6月遼寧省餐飲企業(yè)平均營(yíng)業(yè)數(shù)據(jù)的研究，運(yùn)用ARIMA時(shí)間序列模型和干預(yù)分析模型就新冠肺炎疫情對(duì)遼寧省餐飲企業(yè)影響程度進(jìn)行了定量分析，從模型的測(cè)度結(jié)果中可以看出疫情對(duì)餐飲企業(yè)的影響程度在疫情初期較大，即每個(gè)餐飲企業(yè)月平均營(yíng)業(yè)額瞬時(shí)減少7.6萬元，推算整個(gè)餐飲行業(yè)月平均營(yíng)業(yè)額瞬時(shí)減少約1.14億元。隨著疫情的常態(tài)化和逐步可控，沖擊影響會(huì)持續(xù)伴隨并逐漸減弱。

（二）建議

1.進(jìn)一步提高網(wǎng)上訂餐配餐的質(zhì)量和速度。疫情期間，網(wǎng)絡(luò)訂餐、非接觸式配送展現(xiàn)出了巨大的優(yōu)越性，既有效地減少了居民因外出就餐而產(chǎn)生的人員聚集，又滿足了居民對(duì)餐飲的基本需求，為穩(wěn)定消費(fèi)品市場(chǎng)、方便居民生活做出了突出的貢獻(xiàn)。為此，應(yīng)以此為契機(jī)，進(jìn)一步提高網(wǎng)上訂餐的質(zhì)量和配送速度。豐富網(wǎng)上訂餐的菜品，可推出家庭生日宴、祝壽宴、滿月宴，菜品整體套餐外賣配送。密集建設(shè)外賣送餐配送網(wǎng)點(diǎn)，適當(dāng)為外賣騎手提供經(jīng)濟(jì)補(bǔ)貼，讓餐飲業(yè)發(fā)展與“互聯(lián)網(wǎng)+”結(jié)合更加緊密。努力推動(dòng)餐飲外賣精準(zhǔn)訂餐、精準(zhǔn)配送，提高消費(fèi)者的訂購(gòu)就餐體驗(yàn)，擴(kuò)大居民購(gòu)買外賣的意愿。

2.進(jìn)一步推進(jìn)餐飲企業(yè)采取堂食分餐方式。以本次新冠肺炎疫情防控為契機(jī)，把疫情防控中采取的堂食分餐制、設(shè)置就餐透明隔離屏、設(shè)置公勺公筷、保持適度就餐距離、降低就餐人員密度等經(jīng)驗(yàn)常態(tài)化，逐步轉(zhuǎn)變傳統(tǒng)的圓桌就餐習(xí)慣，把按份按位就餐、自助餐作為餐飲業(yè)的主要就餐模式，降低人員就餐中的交叉感染概率，提高餐飲文化水平和就餐效率。

3.進(jìn)一步加快非現(xiàn)場(chǎng)制作成品快餐的發(fā)展。探索餐飲零售化、配送無接觸化，加快推進(jìn)大型化、現(xiàn)代化、自動(dòng)化的中央無菌廚房發(fā)展，逐步按區(qū)域劃分，以大型餐飲加工企業(yè)為基礎(chǔ)和骨干，發(fā)展中央廚房集中加工成品或半成品，將大型中央廚房作為區(qū)域內(nèi)配餐的主體和骨干，將區(qū)域內(nèi)的生鮮超市、社區(qū)超市作為流通節(jié)點(diǎn)，逐步打通中央廚房到百姓餐桌的物流通道，實(shí)現(xiàn)居民根據(jù)自身口味在線預(yù)訂半成品或成品菜品，高端無菌中央廚房加工，物流快速配送到家或就近自提的全鏈條零售式餐飲模式。

4.進(jìn)一步加強(qiáng)餐飲業(yè)明廚亮灶監(jiān)管模式?？偨Y(jié)并推廣近年來大型正規(guī)餐飲企業(yè)實(shí)行明廚亮灶管理的經(jīng)驗(yàn)，分期分批向各級(jí)餐飲單位推廣，早日制定餐飲企業(yè)強(qiáng)制實(shí)施明廚亮灶的細(xì)化標(biāo)準(zhǔn)，把行業(yè)標(biāo)準(zhǔn)詳細(xì)化、標(biāo)準(zhǔn)化、可操作化，通過設(shè)立統(tǒng)一的監(jiān)管云平臺(tái)對(duì)全部餐飲企業(yè)后廚實(shí)施實(shí)時(shí)化、可視化、高清化監(jiān)控，通過技術(shù)手段加大監(jiān)管力度，讓每一個(gè)操作步驟、每一種食材加工進(jìn)程都實(shí)現(xiàn)可溯源、可核查，對(duì)餐飲加工過程安全實(shí)施全程可控。

5.進(jìn)一步嚴(yán)格餐飲業(yè)從業(yè)人員健康檢查。有關(guān)部門應(yīng)在現(xiàn)有餐飲業(yè)從業(yè)人員健康檢查標(biāo)準(zhǔn)的基礎(chǔ)上適當(dāng)提高健康檢查的頻率，擴(kuò)大健康檢查的范圍，把年檢查頻次提高至季度或月份，定期開展核酸檢測(cè)和血清抗體檢測(cè)，確保餐飲業(yè)從業(yè)人員身體健康，不成為隱性傳染源。

6.進(jìn)一步加大餐飲業(yè)違法違規(guī)處罰力度。要把打擊餐飲業(yè)制假售假放到更加突出的位置，將各類酒店、賓館、機(jī)關(guān)學(xué)校食堂、中央廚房等集中提供餐飲的場(chǎng)所作為監(jiān)管重點(diǎn)，對(duì)使用假冒偽劣食材、過期食材、衛(wèi)生不達(dá)標(biāo)食材、野生動(dòng)物食材，操作空間衛(wèi)生不達(dá)標(biāo)，違規(guī)使用非食品添加劑，從業(yè)人員健康檢查不合格等違法行為加大打擊力度，頂格處罰，從重處罰，一罰到底，堅(jiān)決遏制餐飲業(yè)違法違規(guī)行為，把通過餐飲過程感染流行性、傳染性疾病的概率降到最低，確保人民群眾餐飲消費(fèi)安全。

參考文獻(xiàn)：

[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]王宏運(yùn).基于波特五力模型的餐飲業(yè)發(fā)展機(jī)遇與挑戰(zhàn)趨勢(shì)分析[J].經(jīng)濟(jì)研究導(dǎo)刊，2021，（4）：141-143.

[4]石云逸，李延莉.新冠疫情對(duì)我國(guó)餐飲業(yè)發(fā)展的影響及對(duì)策研究[J].現(xiàn)代商業(yè)，2021，（1）：30-32.

[5]丁智超.新型冠狀病毒沖擊下餐飲行業(yè)的困境及突破[J].中國(guó)市場(chǎng)，2020，（31）：24-27.

[6]限額以上餐飲業(yè)統(tǒng)計(jì)月報(bào)[EB/OL].https：//10.6.133.123/yyaq/login.do.

[7]2020年“新冠疫期”中國(guó)餐飲業(yè)運(yùn)行狀況與變革創(chuàng)新研究報(bào)告[EB/OL].https：//www.iimedia.cn/c400/71463.html，2020-05-14.

[8]徐國(guó)祥.統(tǒng)計(jì)預(yù)測(cè)和決策（第五版）[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2016.

責(zé)任編輯 魏亞男

[收稿日期]2021-03-09

[作者簡(jiǎn)介]呂秋芬（1978— ），女，遼寧大連人，遼寧省統(tǒng)計(jì)局調(diào)查隊(duì)副處級(jí)調(diào)研員，經(jīng)濟(jì)學(xué)博士，主要從事抽樣調(diào)查、普查、國(guó)民經(jīng)濟(jì)核算及小微企業(yè)等方面理論及方法的研究。