張?jiān)禄ǎ?楊 林， 薛偉賢,2

(1.西安理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院， 陜西 西安 710054；2.西安市科技創(chuàng)新智庫 社會經(jīng)濟(jì)系統(tǒng)管理與政策研究院， 陜西 西安 710054)

2020年，“黑天鵝”事件——新冠疫情的爆發(fā)對我國制造業(yè)產(chǎn)生了巨大沖擊。據(jù)國家統(tǒng)計(jì)局公布數(shù)據(jù)，2月份我國制造業(yè)采購經(jīng)理指數(shù)(PMI)為35.7%，較1月份下降14.3個(gè)百分點(diǎn)；同時(shí)，1～2月份我國規(guī)模以上工業(yè)增加值下降13.5%，其中制造業(yè)下降15.7%，第二產(chǎn)業(yè)第一季度增加值同比下跌9.6%，上半年第二產(chǎn)業(yè)增加值下降1.9%。受疫情影響，多家制造企業(yè)舉步維艱甚至走向破產(chǎn)，如大型輪胎制造企業(yè)浙江富輪橡膠化工集團(tuán)、大型汽車制造企業(yè)華晨汽車集團(tuán)控股公司等相繼破產(chǎn)，疫情使制造業(yè)發(fā)展面臨巨大挑戰(zhàn)。

股票市場是反映行業(yè)、企業(yè)發(fā)展?fàn)顩r的“顯示器”，圖1為綜合日市場回報(bào)率。如圖1所示，隨著疫情形勢逐步惡化，市場出現(xiàn)恐慌情緒，在2月3日，綜合日市場回報(bào)率跌至谷底，股市劇烈震蕩，行業(yè)、企業(yè)發(fā)展遭受重創(chuàng)?；诠善笔袌鰧ν话l(fā)公共事件的敏感度,大多數(shù)國內(nèi)外學(xué)者從住宿業(yè)[1]、醫(yī)藥業(yè)[2，3]等行業(yè)角度，著重研究股票市場對突發(fā)公共事件的反應(yīng)，而鮮有學(xué)者從股票市場角度，側(cè)重研究突發(fā)公共事件對行業(yè)的影響。此外，諸多學(xué)者集中于從產(chǎn)業(yè)鏈[4]、供應(yīng)鏈[5]角度探討此次疫情對制造業(yè)的影響，但鮮有學(xué)者采用定量分析方法，研究突發(fā)公共事件對制造業(yè)股票市場回報(bào)的影響。

圖1 綜合日市場回報(bào)率Fig.1 Daily composite return of market(數(shù)據(jù)來源于國泰安CSMAR)

本文聚焦重大突發(fā)公共事件，從股票市場角度，采用定量分析方法，研究突發(fā)公共事件對制造業(yè)股票市場回報(bào)的影響，并進(jìn)一步考察其對制造業(yè)發(fā)展的影響。這對我國政府、企業(yè)應(yīng)對突發(fā)公共事件制定針對性行業(yè)政策與應(yīng)急措施以及投資者對突發(fā)公共事件與股票市場回報(bào)間的聯(lián)系認(rèn)知與決策分析，都將具有及其重要的意義。

1 文獻(xiàn)回顧

分析重大突發(fā)公共事件對經(jīng)濟(jì)社會、行業(yè)發(fā)展的重要影響是諸多學(xué)者研究的熱點(diǎn)。就突發(fā)公共事件對行業(yè)發(fā)展的影響而言，國內(nèi)外學(xué)者主要聚焦于其對商業(yè)[6]、旅游業(yè)[7,8]、酒店住宿業(yè)[9]以及飛機(jī)制造業(yè)[10]等行業(yè)的影響。對于此次新冠疫情，諸多學(xué)者則集中于其對旅游業(yè)[11,12]、酒店住宿業(yè)[13,14]、乳制品行業(yè)[15]、資產(chǎn)評估行業(yè)[16]、保險(xiǎn)業(yè)[17]等的影響。而論及此次疫情對我國制造業(yè)的影響，大部分學(xué)者則是從產(chǎn)業(yè)鏈[18]、供應(yīng)鏈[19]角度出發(fā)，通過定性分析方法，探討其影響并提出應(yīng)對策略。

股票市場作為金融學(xué)研究的重點(diǎn)，在突發(fā)公共事件的大背景下，多數(shù)學(xué)者以投資者的非理性行為為出發(fā)點(diǎn)，認(rèn)為突發(fā)公共事件出現(xiàn)后，投資者往往比較悲觀，其負(fù)面情緒反映在股票市場上便是不愿意投資，這會對股票市場產(chǎn)生負(fù)面影響，使股價(jià)大跌[20,21]；也有學(xué)者認(rèn)為，消費(fèi)者、商業(yè)信心和投資者對未來經(jīng)濟(jì)的預(yù)期，在很大程度上取決于突發(fā)公共事件的持續(xù)時(shí)間和其未來卷土重來的幾率[22]，而當(dāng)此類突發(fā)公共事件反復(fù)出現(xiàn)時(shí)，其對股票市場的影響將微乎其微甚至沒有[23-25]。此外，也有部分學(xué)者直接研究了突發(fā)公共事件對股票市場的影響，早期的相關(guān)研究，例如“9·11”恐怖襲擊[26]、“5·12”汶川地震[27]、重大政治事件[28]、埃博拉病毒爆發(fā)[29]等，都會影響股票市場收益情況。

當(dāng)前，鮮有學(xué)者從股票市場角度，側(cè)重研究新冠疫情對行業(yè)發(fā)展的影響。因此，本文選取滬、深兩市所有制造業(yè)上市公司面板數(shù)據(jù)，采用固定效應(yīng)模型，基于股票市場回報(bào)，實(shí)證研究新冠疫情對制造業(yè)的影響，并就政府和制造型企業(yè)如何應(yīng)對突發(fā)公共事件提出有效建議。

2 研究假設(shè)

自2020年1月11日(1)2020年1月11日，國家衛(wèi)健委開始公布新冠疫情相關(guān)數(shù)據(jù)。因此，將其視為此次疫情爆發(fā)的時(shí)間起始點(diǎn)。新冠疫情爆發(fā)以來，縱觀整個(gè)疫情發(fā)展過程(見圖2)，可將其大致分為三個(gè)階段：1月11日起至1月23日(2)2020年1月23日，按照疫情防控指揮部通告，武漢全市城市公交、地鐵等暫停運(yùn)營，機(jī)場等離漢通道暫時(shí)關(guān)閉。視為“疫情爆發(fā)初期”，此后至3月上旬視為“遏疫階段”，之后視為“緩疫階段”。由圖2可以看出，2月是疫情最為嚴(yán)重的時(shí)期，且死亡病例增長速度相較于確診病例增長速度在時(shí)間上存在滯后性；3月份以后，疫情防控逐步步入常態(tài)化，確診和死亡病例均維持在較低水平。

圖2 確診、死亡病例增長速度變化趨勢Fig.2 Trends at the rate of increase in confirmed and fatal cases(數(shù)據(jù)來源于國泰安CSMAR)

下面討論此次疫情對股票市場回報(bào)的影響。Abdullah等[30]研究得出，我國股票市場回報(bào)與新冠疫情確診病例及死亡病例增長速度均呈線性負(fù)相關(guān)關(guān)系；而陳林和曲曉輝[31]發(fā)現(xiàn)，確診病例增長速度與股票市場回報(bào)呈倒“U”型關(guān)系，死亡病例增長速度與股票市場回報(bào)呈“U”型關(guān)系。而從制造業(yè)角度出發(fā)，理論上，疫情造成社會有效需求不足、企業(yè)產(chǎn)業(yè)鏈和供應(yīng)鏈面臨中斷風(fēng)險(xiǎn)、企業(yè)經(jīng)營效益欠佳等，使制造業(yè)發(fā)展面臨巨大挑戰(zhàn)，其反映在股票市場上，則引起投資者的悲觀情緒，進(jìn)一步導(dǎo)致股市震蕩，股票市場回報(bào)發(fā)生相應(yīng)的變化。制造業(yè)采購經(jīng)理指數(shù)及市盈率如圖3所示。

圖3 制造業(yè)采購經(jīng)理指數(shù)及市盈率Fig.3 Purchasing managers’ index and price earnings ratio for manufacturing(數(shù)據(jù)來源于國家統(tǒng)計(jì)局和國證指數(shù))

實(shí)踐數(shù)據(jù)表明，在疫情爆發(fā)初期，社會公眾對醫(yī)療防護(hù)需求的急劇增加以及對未來悲觀形勢的理性判斷，加之企業(yè)對疫情反應(yīng)滯后，使得疫情對制造業(yè)產(chǎn)生了短期正向影響，市盈率呈現(xiàn)小幅上升；但隨著確診病例和死亡病例的增加，進(jìn)入“遏疫階段”之后，疫情對制造業(yè)發(fā)展的邊際影響逐漸加大，此時(shí)根據(jù)國家疫情防控要求，大部分企業(yè)已停工停產(chǎn)，這嚴(yán)重妨礙了公司的正常生產(chǎn)經(jīng)營，同時(shí)使公司面臨供應(yīng)鏈斷裂等諸多風(fēng)險(xiǎn)，制造業(yè)采購經(jīng)理指數(shù)(PMI)急劇下降至35.7%，加之社會公眾需求不足及市場悲觀情緒蔓延，在2月3日，制造業(yè)市盈率降至谷底；進(jìn)入“緩疫階段”后，疫情逐步得到控制，對制造業(yè)發(fā)展的邊際影響逐漸減弱，企業(yè)陸續(xù)復(fù)工復(fù)產(chǎn)，制造業(yè)PMI指數(shù)維持在50%以上，市盈率也逐漸回升。基于此，本文提出以下假設(shè)。

H1：在既定的條件下，我國制造業(yè)股票市場回報(bào)與疫情確診病例增長速度呈倒“U”型關(guān)系。

H2：在既定的條件下，我國制造業(yè)股票市場回報(bào)與疫情死亡病例增長速度呈線性負(fù)相關(guān)關(guān)系。

同時(shí)，由于不同類型制造業(yè)在產(chǎn)品需求彈性、產(chǎn)品生產(chǎn)要素供應(yīng)鏈、產(chǎn)品生產(chǎn)周期等方面存在差異，因此，提出假設(shè)H3。

H3：在既定的條件下，疫情對不同類型制造業(yè)股票市場回報(bào)的影響存在顯著差異。

3 變量設(shè)計(jì)與模型構(gòu)建

3.1 樣本選擇及數(shù)據(jù)來源

本研究時(shí)間窗口期為2020年1月11日至2020年7月11日，剔除股市休市日，共計(jì)得到118個(gè)股票有效交易日。同時(shí)，根據(jù)證監(jiān)會2012版行業(yè)分類，選取滬、深兩市所有制造業(yè)上市公司作為初始樣本，剔除ST類和數(shù)據(jù)缺失的上市公司，共計(jì)得到2 122家上市公司，經(jīng)過整理，最終得到250 396個(gè)實(shí)驗(yàn)面板數(shù)據(jù)。實(shí)驗(yàn)數(shù)據(jù)均來自于國泰安CSMAR數(shù)據(jù)庫。

3.2 變量設(shè)計(jì)

本文的變量設(shè)計(jì)參考文獻(xiàn)[30]。首先，將確診病例增長速度和死亡病例增長速度兩個(gè)指標(biāo)作為解釋變量，用以衡量新冠疫情的嚴(yán)重程度，該指標(biāo)可有效量化疫情發(fā)展形勢。其次，將公司股票回報(bào)率作為被解釋變量，用以度量制造業(yè)股票市場回報(bào)。此外，為了控制公司個(gè)體異質(zhì)性，選擇日個(gè)股總市值及日個(gè)股市凈率作為控制變量。變量說明如表1所示。

表1 變量定義及說明Tab.1 Variable definition and description

3.3 模型構(gòu)建

借鑒文獻(xiàn)[31]的研究，在設(shè)置不同控制變量條件下，以HBL為被解釋變量，QZBL、QZBL2和SWBL、SWBL2為解釋變量，采用固定效應(yīng)模型構(gòu)建多元回歸數(shù)學(xué)模型，用以檢驗(yàn)假設(shè)，即式(1)檢驗(yàn)H1，式(2)檢驗(yàn)H2，據(jù)此考察解釋變量與被解釋變量之間的動態(tài)關(guān)系。此外，由于面板數(shù)據(jù)較多，為減少極端值對實(shí)驗(yàn)結(jié)果的影響，故對所有連續(xù)型變量進(jìn)行上下10%的縮尾處理。

1) 確診病例增長速度與股票回報(bào)率多元回歸數(shù)學(xué)模型：

HBLi,t=?1×QZBLt+?2×QZBLt2+

?3×SJLi,t+?4×ZSZi,t+C+φ

(1)

2) 死亡病例增長速度與股票回報(bào)率多元回歸數(shù)學(xué)模型：

HBLi,t=β1×SWBLt+β2×SWBLt2+

β3×SJLi,t+β4×ZSZi,t+C+φ

(2)

其中，?i、βi(i=1,2,3,4)為解釋變量的偏回歸系數(shù)，用以描述其對被解釋變量的貢獻(xiàn)度；C為其他變量;φ為隨機(jī)擾動項(xiàng)。

4 實(shí)證結(jié)果分析

4.1 描述性統(tǒng)計(jì)分析

利用Stata 16.0對實(shí)驗(yàn)相關(guān)變量進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表2所示。由表2可知，QZBL、SWBL指標(biāo)的均值比最大值更加接近于最小值，說明疫情的嚴(yán)重程度正逐步趨向緩和；此外，HBL最大值為0.200 1，最小值為-0.200 2，其正負(fù)方向并不一致，這可能是醫(yī)藥類等制造型企業(yè)在疫情影響下股票收益呈現(xiàn)上漲，同時(shí)另外一些制造型企業(yè)受疫情影響股價(jià)大跌所致。

表2 變量描述性統(tǒng)計(jì)Tab.2 Variable descriptive statistics

4.2 多元回歸分析

1) 確診病例增長速度與股票回報(bào)率多元回歸分析

利用Stata 16.0，采用固定效應(yīng)模型，將面板數(shù)據(jù)代入式(1)，其結(jié)果如表3所示。

表3 確診病例增長速度與制造業(yè)股票市場回報(bào)率回歸分析結(jié)果Tab.3 Regression analysis results of the growthrate of confirmed cases and the returns ofmanufacturing stock markets

從回歸分析結(jié)果可以看出，第(2)、(3)、(4)列F檢驗(yàn)的P值均為0.000 0，表明在1%的顯著性水平上拒絕混合估計(jì)模型。并且，模型經(jīng)過Hausman檢驗(yàn)，其P-值均為0.000 0，則接受原假設(shè)，拒絕隨機(jī)效應(yīng)模型。對比分析QZBL、QZBL2、SJL、ZSZ的結(jié)果可以看出，QZBL與HBL均呈顯著負(fù)相關(guān)，說明隨著確診病例增長速度的增加，股票市場回報(bào)率反而降低。再者，QZBL2的回歸系數(shù)均為負(fù)值，且與HBL在1%的水平上顯著相關(guān)，說明在既定條件下，HBL與QZBL呈倒“U”型關(guān)系，H1得到驗(yàn)證。此外，SJL和ZSZ與HBL均存在顯著正相關(guān)關(guān)系，當(dāng)SJL和ZSZ增加時(shí)，表明公司發(fā)展?fàn)顩r較好，其所創(chuàng)造的價(jià)值也在逐步增加，整個(gè)行業(yè)的股票市場回報(bào)自然也會上升。

結(jié)果表明，確診病例增長速度是造成市場恐慌情緒的重要影響因素。隨著疫情形勢的發(fā)展，確診病例增長速度與股票市場回報(bào)逐步呈倒“U”型關(guān)系，其對制造業(yè)發(fā)展的邊際影響先逐漸增大再逐漸減弱，且主要表現(xiàn)為阻礙作用。

2) 死亡病例增長速度與股票回報(bào)率多元回歸分析

同理，將面板數(shù)據(jù)代入式(2)，檢驗(yàn)是否存在 “U”型關(guān)系，運(yùn)行結(jié)果顯示，不存在“U”型關(guān)系，這可能有三個(gè)原因：①研究窗口期較長，其中新冠疫情新增死亡病例為0例共計(jì)63天；②疫情防控進(jìn)入“常態(tài)化”后，新增死亡病例逐步降至個(gè)位數(shù)，SWBL逐步下降，而SWBL數(shù)值遠(yuǎn)小于1，因此SWBL2更小，根據(jù)國家衛(wèi)健委公布數(shù)據(jù)，3月18日SWBL2只有0.000 006(保留6位小數(shù))；③SWBL較QZBL存在時(shí)滯性，其影響程度相對較弱，對制造業(yè)發(fā)展的邊際影響更是微弱。

通過刪除SWBL2變量對模型進(jìn)行修正，將SWBL作為解釋變量，利用固定效應(yīng)模型考察其與HBL的線性關(guān)系，以驗(yàn)證H2是否成立。其回歸結(jié)果如表4所示。

表4 死亡病例增長速度與制造業(yè)股票市場回報(bào)率回歸分析結(jié)果Tab.4 Regression analysis results of the growth rate offatal cases and the returns of manufacturing stock markets

從上述回歸分析結(jié)果可以看出，第(1)、(2)、(3)列F檢驗(yàn)的P值均為0.000 0，表明在1%的顯著性水平上拒絕混合估計(jì)模型。并且，模型經(jīng)過Hausman檢驗(yàn)，其P-值均為0.000 0，則接受原假設(shè)，拒絕隨機(jī)效應(yīng)模型。其次，對比分析SWBL、SJL、ZSZ的結(jié)果可以看出，SWBL的回歸系數(shù)均為負(fù)值，且與HBL在1%的水平上顯著相關(guān)，即說明在既定條件下，SWBL和HBL呈線性負(fù)相關(guān)關(guān)系，H2得以驗(yàn)證。

結(jié)果表明，在整個(gè)疫情發(fā)展階段，死亡病例增長速度對制造業(yè)發(fā)展的邊際影響幾乎不變，這可能緣于人們相較于確診病例增長速度，對死亡病例增長速度敏感性較弱。隨著疫情形勢的好轉(zhuǎn)，死亡病例逐漸減少，其增長速度也逐漸下降，加之企業(yè)陸續(xù)復(fù)工復(fù)產(chǎn)，制造業(yè)股票市場回報(bào)呈現(xiàn)出回升的態(tài)勢，說明股市情緒逐漸樂觀，我國制造業(yè)發(fā)展形勢整體逐步向好。

3) 新冠疫情對不同類型制造業(yè)的影響分析

根據(jù)證監(jiān)會2012版行業(yè)分類，制造業(yè)下屬類型高達(dá)31個(gè)。為進(jìn)一步考察新冠疫情對不同類型制造業(yè)的影響，探究疫情影響下不同類型制造業(yè)的股票市場回報(bào)是否存在差異，從中選取醫(yī)藥制造業(yè)、食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車制造業(yè)共5個(gè)類型的上市公司作為研究對象，將其相關(guān)數(shù)據(jù)代入式(1)、(2)，其結(jié)果如表5、表6所示。由表5可知，F(xiàn)檢驗(yàn)的P值以及Hausman檢驗(yàn)的P值均表明接受固定效應(yīng)模型。醫(yī)藥制造業(yè)、食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車制造業(yè)股票市場回報(bào)與QZBL分別在1%、10%、1%、1%、1%的水平上呈顯著正相關(guān)，而與QZBL2分別在1%、5%、1%、1%、1%的水平上呈顯著負(fù)相關(guān)，即說明其股票市場回報(bào)與確診病例增長速度呈倒“U”型關(guān)系，表明在整個(gè)疫情發(fā)展階段，新冠疫情對醫(yī)藥制造業(yè)、食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車制造業(yè)的邊際影響是先增強(qiáng)再逐步減弱；并且，醫(yī)藥制造業(yè)的偏回歸系數(shù)為0.994，明顯高于其他類型制造業(yè)，表明QZBL對醫(yī)藥制造業(yè)的股票市場回報(bào)影響較大，這緣于此次疫情的傳染性較強(qiáng)，社會公眾對醫(yī)療防護(hù)的需求大幅增長。反觀食品制造業(yè)的偏回歸系數(shù)，其顯著性水平均弱于其他類型制造業(yè)，表明食品制造業(yè)受疫情影響程度較小，這與實(shí)際情況相符，食品屬于生活必需品，往往在需求和供給方面缺乏彈性。

表5 確診病例增長速度與不同類型制造業(yè)股票市場回報(bào)率回歸分析結(jié)果Tab.5 Regression analysis results of the growth rate of confirmed cases and the returnsof different types of manufacturing stock markets

表6 死亡病例增長速度與不同類型制造業(yè)股票市場回報(bào)率回歸分析結(jié)果Tab.6 Regression analysis results of the growth rate of fatal cases and the returns ofdifferent types of manufacturing stock markets

由表6可知，醫(yī)藥制造業(yè)股票市場回報(bào)與SWBL在1%的水平上呈顯著正相關(guān)，而食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車制造業(yè)股票市場回報(bào)與SWBL在1%的水平上呈顯著負(fù)相關(guān)，表明在整個(gè)疫情發(fā)展階段，隨著疫情形勢的日益嚴(yán)峻，SWBL逐漸增加，口罩、防護(hù)服等需求驟增，對醫(yī)藥制造業(yè)產(chǎn)生了正向影響，而食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車制造業(yè)主要表現(xiàn)為負(fù)向影響；之后，得益于國家對疫情的有效控制，SWBL逐漸下降，食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車制造業(yè)逐步步入正軌。同時(shí)，醫(yī)藥制造業(yè)的偏回歸系數(shù)為0.033，均低于其他類型制造業(yè)，受SWBL的影響最小，這可能有兩個(gè)原因：其一，社會公眾采取的最廣泛、最普遍、最有效的防疫措施為佩戴口罩，而普通醫(yī)療防護(hù)用品包括防護(hù)服、口罩，只能在最大程度上避免被傳染，因此，公眾對醫(yī)療防護(hù)用品的需求逐漸趨向穩(wěn)定；其二，新冠疫苗當(dāng)時(shí)還處于研制階段，尚未進(jìn)入臨床實(shí)驗(yàn)階段。

此外，由表5和表6還可以看出，新冠疫情對醫(yī)藥制造業(yè)的影響程度最大，對食品制造業(yè)的影響程度最小。同時(shí)，新冠疫情的出現(xiàn)對專用設(shè)備、通用設(shè)備以及汽車制造業(yè)產(chǎn)生了嚴(yán)重影響，各地區(qū)企業(yè)停工停產(chǎn)、物流運(yùn)輸受阻，導(dǎo)致企業(yè)生產(chǎn)要素供給不足、需求降低，經(jīng)營狀況每況愈下，例如富輪橡膠化工集團(tuán)和華晨汽車集團(tuán)相繼破產(chǎn)。

綜上所述，在既定條件下，新冠疫情對不同類型制造業(yè)的影響存在明顯差異，H3得以驗(yàn)證。

5 結(jié)論與建議

5.1 結(jié) 論

論文基于股票市場回報(bào)，采用面板數(shù)據(jù)和固定效應(yīng)模型，考察了新冠疫情對我國制造業(yè)的影響。研究發(fā)現(xiàn)，制造業(yè)股票市場回報(bào)與確診病例增長速度呈倒“U”型關(guān)系，與死亡病例增長速度呈線性負(fù)相關(guān)關(guān)系；進(jìn)一步研究發(fā)現(xiàn)，新冠疫情對不同類型制造業(yè)的影響存在顯著差異，具體表現(xiàn)為醫(yī)藥制造業(yè)、食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車制造業(yè)的股票市場回報(bào)與確診病例增長速度呈倒“U”型關(guān)系，死亡病例增長速度與醫(yī)藥制造業(yè)股票市場回報(bào)呈顯著正相關(guān)關(guān)系，而與食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車制造業(yè)股票市場回報(bào)呈線性負(fù)相關(guān)關(guān)系。

總之，從股票市場回報(bào)角度來看，本次新冠疫情對制造業(yè)發(fā)展的邊際影響是先增強(qiáng)再逐漸減弱，且對不同類型制造業(yè)的影響存在顯著差異性。這些發(fā)現(xiàn)為進(jìn)一步從微觀視角探索新冠疫情對制造業(yè)的影響機(jī)理奠定了基礎(chǔ)。

5.2 建 議

制造業(yè)是我國實(shí)體經(jīng)濟(jì)的支柱，此次突發(fā)公共事件嚴(yán)重阻礙了我國制造業(yè)的發(fā)展，而有效降低突發(fā)公共事件給制造業(yè)帶來的經(jīng)濟(jì)損失，有利于推動我國經(jīng)濟(jì)高質(zhì)量發(fā)展。為有效應(yīng)對突發(fā)公共事件，基于研究內(nèi)容，針對不同主體提出如下建議。

對于政府而言，在突發(fā)公共事件發(fā)生前，應(yīng)積極采取相關(guān)政策和措施，督促并引導(dǎo)各行業(yè)企業(yè)完善突發(fā)公共事件應(yīng)急管理體系，強(qiáng)調(diào)落實(shí)具體應(yīng)對細(xì)則，以降低突發(fā)事件帶來的巨大沖擊；在事件發(fā)生后，應(yīng)扶持“重災(zāi)區(qū)”行業(yè)，對受影響較大的企業(yè)給予補(bǔ)貼，例如采取貸款降息等措施，使行業(yè)發(fā)展快速步入正軌。

對于企業(yè)而言，一方面，要建立健全的應(yīng)急防范機(jī)制，考慮不同突發(fā)公共事件對企業(yè)的打擊，根據(jù)相應(yīng)情況適時(shí)調(diào)整生產(chǎn)策略。例如此次疫情對醫(yī)藥制造業(yè)產(chǎn)生了正向作用，這緣于社會需求的增加，部分制造型企業(yè)的生產(chǎn)線可以轉(zhuǎn)化為口罩、防護(hù)服等防疫裝備生產(chǎn)線，以降低企業(yè)經(jīng)營風(fēng)險(xiǎn)，待疫情形勢好轉(zhuǎn)時(shí)，再另行調(diào)整；另一方面，突發(fā)公共事件的出現(xiàn)，往往會使市場情緒較為消極，股市出現(xiàn)劇烈震蕩，市場環(huán)境發(fā)生變化，經(jīng)濟(jì)走向低迷，進(jìn)而導(dǎo)致消費(fèi)市場有效需求不足，企業(yè)應(yīng)適時(shí)調(diào)整經(jīng)營策略，降低經(jīng)營成本，避免企業(yè)破產(chǎn)。