[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）經營情況數(shù)據，運用描述性統(tǒng)計分析方法與時間序列ARIMA干預分析模型，就新冠肺炎疫情對遼寧省餐飲業(yè)產生的影響進行定量分析，并測算其影響的程度。進而對餐飲企業(yè)在物資儲備、方案預案、制度規(guī)定、環(huán)境整治等方面提出科學、有效的應對建議。

[關鍵詞]餐飲業(yè);新冠肺炎疫情;時間序列ARIMA干預分析模型

[中圖分類號]F719.3 ?[文獻標識碼]A ?[文章編號]1672-2426（2021）04-0049-07

餐飲業(yè)是第三產業(yè)的重要組成部分，直接服務百姓。餐飲業(yè)具有人員流動頻繁、人員高度聚集、空間相對封閉等特點，對就餐環(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)的生產經營活動往往受影響最直接、最突出、最持久。

餐飲業(yè)市場大、增長快、影響廣、吸納就業(yè)能力強，也是發(fā)達國家輸出資本、品牌和文化的重要載體，因此一直受到國內外學者的關注。突如其來的新冠肺炎疫情（以下簡稱疫情）對餐飲業(yè)造成了最直接的沖擊，部分學者就新冠肺炎疫情對餐飲業(yè)的影響進行了深入分析。Yost Elizabeth和Cheng Yusi結合情感決策框架、動機元理論模型（3M）和樂觀偏差理論分析了新冠肺炎疫情對餐飲企業(yè)的影響，提出了解決新冠肺炎疫情對餐飲業(yè)影響的消費者動機的理論方案。[1]Kim Jungkeun和Lee Jacob C.將風險心理學的相關理論與私人餐飲偏好結合起來研究新冠肺炎疫情對餐飲業(yè)的負面影響。[2]王宏運運用產業(yè)鏈理論與波特五力模型分析疫情對餐飲業(yè)的影響，并對餐飲行業(yè)未來發(fā)展進行趨勢性預測，提出復工后的對策建議。[3]石云逸和李延莉主要從營業(yè)收入、固定成本、現(xiàn)金流、行業(yè)前景等四個方面來分析疫情給我國餐飲業(yè)帶來的負面影響，最后提出餐飲業(yè)的應對措施。[4]丁智超主要討論了疫情對餐飲行業(yè)主要收入途徑等方面影響，提出餐飲行業(yè)應對危機的對策。[5]目前，大多數(shù)學者采用定性研究方法來研究新冠肺炎疫情對餐飲業(yè)的影響，本文擬采用時間序列ARIMA模型與干預分析模型構建新冠肺炎疫情對餐飲業(yè)影響程度的統(tǒng)計分析模型，對其影響的深度和廣度進行定量分析。

一、新冠肺炎疫情對餐飲業(yè)影響程度的描述性統(tǒng)計分析

（一）疫情影響逐漸減弱，經營狀況逐步向好

由于此次疫情具有突發(fā)性強、傳播速度快、波及面廣等特點，為抗擊疫情，大量餐飲企業(yè)暫停營業(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)據顯示，2020年2月，遼寧省限額以上餐飲業(yè)營業(yè)額僅為3.5億元，同比下降71.8%，環(huán)比下降68.8%，其中正餐實現(xiàn)營業(yè)額786.0萬元，同比下降81.5%，快餐實現(xiàn)營業(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)經營狀況逐步恢復并向好發(fā)展。從遼寧省限額以上餐飲業(yè)營業(yè)額變化趨勢看，隨著疫情逐步得到控制，餐飲企業(yè)在各級政府的積極引導和助力下，逐步復工復產，生意漸旺，營業(yè)額逐月上升。2020年3月，遼寧省餐飲業(yè)開始逐步恢復，改變了2月的陡降趨勢，雖同比下降52.4%，但環(huán)比上漲68.8%，到6月已基本恢復到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險，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調查數(shù)據顯示，62.1%的受訪網民表示外出堂食的頻率大幅降低。而外賣業(yè)務由于人員接觸相對較少，疫情傳染風險較低，受到了廣大消費者的歡迎。疫情雖使傳統(tǒng)線下餐飲企業(yè)受損嚴重，但外賣成為餐飲企業(yè)增收的重要手段。在疫情推動下，線下餐飲企業(yè)雖業(yè)務縮水，但外賣訂單收入迅速增長。數(shù)據顯示，2020年全國在線外賣市場規(guī)模突破6600億元。[7]

二、模型的設定

根據此次新冠肺炎疫情的特點及對餐飲業(yè)的影響程度，本文選擇干預分析模型和ARIMA模型來構建餐飲企業(yè)經營狀況時間序列模型。模型的基本形式如下：

ARIMA時間序列干預模型構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)平均營業(yè)額數(shù)據，建立一個單變量的ARIMA時間序列模型。并運用此模型對2020年1月至6月的餐飲企業(yè)平均營業(yè)額進行外推預測，得到的預測值作為不受干預事件影響的數(shù)值。用實際值減去預測值，得到的是受干預事件影響的程度的測算結果，利用這些結果估計干預模型的參數(shù)。最后，選取排除干預影響后的全部數(shù)據，識別與估計出一個單變量的ARIMA時間序列模型，得出總的干預分析模型。[8]140-142

三、實證分析

選取2016年1月至2020年6月的遼寧省限額以上餐飲企業(yè)平均營業(yè)額指標，運用2016年1月至2020年6月的遼寧省《餐飲業(yè)經營情況統(tǒng)計月報》相關數(shù)據，對新冠肺炎疫情給遼寧省餐飲業(yè)帶來的影響進行實證分析，檢驗和分析結果如下。

（一） DF-GLS和KPSS檢驗

對遼寧省餐飲企業(yè)的平均營業(yè)額時間序列作時間趨勢圖（見圖1），可以看到餐飲企業(yè)的平均營業(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)平均營業(yè)額時間序列沒有呈現(xiàn)明顯的趨勢性。

使用DF-GLS檢驗對餐飲企業(yè)平均營業(yè)額（Zt）時間序列進行單位根檢驗，結果顯示：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，也就是說原時間序列存在單位根，是非平穩(wěn)的時間序列。進行KPSS檢驗，結果顯示：5%的臨界值為0.463，而從0階到1階滯后，其統(tǒng)計量均大于0.463，由于KPSS檢驗是右邊單側檢驗，故可以在5%的水平上拒絕“平穩(wěn)序列”的原假設，即認為存在單位根。因此，對原時間序列進行對數(shù)轉換以消除單位根，進一步檢驗企業(yè)平均營業(yè)額對數(shù)（lnZt）的一階差分是否為平穩(wěn)過程。DF-GLS檢驗結果顯示，在5%的置信水平上拒絕“存在單位根”的原假設，變換后的時間序列不存在單位根，是平穩(wěn)時間序列。

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

首先，對ARIMA（p，d，q）模型進行自相關和偏自相關識別以確定模型中自回歸項p，差分次數(shù)d，移動平均項數(shù)q等參數(shù)。結果顯示，直至第3階的Q統(tǒng)計量較為顯著（P值為0.0561）。

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

對MA（3）模型進行參數(shù)估計，結果如表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。

計算信息準則衡量統(tǒng)計模型擬合優(yōu)良性，得出AIC為-72.75，BIC為-63.5，表明可以接受殘差項無自相關的原假設，模型擬合較好。

對疫情發(fā)生之前即2020年1月之前的數(shù)據建立時間序列ARIMA模型。通過上面的模型識別，確定企業(yè)平均營業(yè)額ARIMA模型在一階差分后，時間序列趨于平穩(wěn)，偏自相關函數(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)估計結果為：

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

（三）疫情發(fā)生后的干預分析模型參數(shù)估計

運用ARIMA（0，1，3）模型對2020年1-6月的遼寧省餐飲企業(yè)平均營業(yè)額進行預測如表3所示，用實際值減去預測值得出疫情對遼寧省餐飲企業(yè)平均營業(yè)額的影響程度。

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

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

四、結論與建議

（一）主要結論

通過對2016年1月至2020年6月遼寧省餐飲企業(yè)平均營業(yè)數(shù)據的研究，運用ARIMA時間序列模型和干預分析模型就新冠肺炎疫情對遼寧省餐飲企業(yè)影響程度進行了定量分析，從模型的測度結果中可以看出疫情對餐飲企業(yè)的影響程度在疫情初期較大，即每個餐飲企業(yè)月平均營業(yè)額瞬時減少7.6萬元，推算整個餐飲行業(yè)月平均營業(yè)額瞬時減少約1.14億元。隨著疫情的常態(tài)化和逐步可控，沖擊影響會持續(xù)伴隨并逐漸減弱。

（二）建議

1.進一步提高網上訂餐配餐的質量和速度。疫情期間，網絡訂餐、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生的人員聚集，又滿足了居民對餐飲的基本需求，為穩(wěn)定消費品市場、方便居民生活做出了突出的貢獻。為此，應以此為契機，進一步提高網上訂餐的質量和配送速度。豐富網上訂餐的菜品，可推出家庭生日宴、祝壽宴、滿月宴，菜品整體套餐外賣配送。密集建設外賣送餐配送網點，適當為外賣騎手提供經濟補貼，讓餐飲業(yè)發(fā)展與“互聯(lián)網+”結合更加緊密。努力推動餐飲外賣精準訂餐、精準配送，提高消費者的訂購就餐體驗，擴大居民購買外賣的意愿。

2.進一步推進餐飲企業(yè)采取堂食分餐方式。以本次新冠肺炎疫情防控為契機，把疫情防控中采取的堂食分餐制、設置就餐透明隔離屏、設置公勺公筷、保持適度就餐距離、降低就餐人員密度等經驗常態(tài)化，逐步轉變傳統(tǒng)的圓桌就餐習慣，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.進一步加快非現(xiàn)場制作成品快餐的發(fā)展。探索餐飲零售化、配送無接觸化，加快推進大型化、現(xiàn)代化、自動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)域內配餐的主體和骨干，將區(qū)域內的生鮮超市、社區(qū)超市作為流通節(jié)點，逐步打通中央廚房到百姓餐桌的物流通道，實現(xiàn)居民根據自身口味在線預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.進一步加強餐飲業(yè)明廚亮灶監(jiān)管模式?？偨Y并推廣近年來大型正規(guī)餐飲企業(yè)實行明廚亮灶管理的經驗，分期分批向各級餐飲單位推廣，早日制定餐飲企業(yè)強制實施明廚亮灶的細化標準，把行業(yè)標準詳細化、標準化、可操作化，通過設立統(tǒng)一的監(jiān)管云平臺對全部餐飲企業(yè)后廚實施實時化、可視化、高清化監(jiān)控，通過技術手段加大監(jiān)管力度，讓每一個操作步驟、每一種食材加工進程都實現(xiàn)可溯源、可核查，對餐飲加工過程安全實施全程可控。

5.進一步嚴格餐飲業(yè)從業(yè)人員健康檢查。有關部門應在現(xiàn)有餐飲業(yè)從業(yè)人員健康檢查標準的基礎上適當提高健康檢查的頻率，擴大健康檢查的范圍，把年檢查頻次提高至季度或月份，定期開展核酸檢測和血清抗體檢測，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、機關學校食堂、中央廚房等集中提供餐飲的場所作為監(jiān)管重點，對使用假冒偽劣食材、過期食材、衛(wèi)生不達標食材、野生動物食材，操作空間衛(wèi)生不達標，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安全。

參考文獻：

[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.基于波特五力模型的餐飲業(yè)發(fā)展機遇與挑戰(zhàn)趨勢分析[J].經濟研究導刊，2021，（4）：141-143.

[4]石云逸，李延莉.新冠疫情對我國餐飲業(yè)發(fā)展的影響及對策研究[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].中國市場，2020，（31）：24-27.

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

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

[8]徐國祥.統(tǒng)計預測和決策（第五版）[M].上海：上海財經大學出版社，2016.

責任編輯 魏亞男

[收稿日期]2021-03-09

[作者簡介]呂秋芬（1978— ），女，遼寧大連人，遼寧省統(tǒng)計局調查隊副處級調研員，經濟學博士，主要從事抽樣調查、普查、國民經濟核算及小微企業(yè)等方面理論及方法的研究。