不同行業中小微企業受突發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年初突發公共衛生事件，我國中小微企業遭受了巨大的沖擊，其中第三產業受到的沖擊尤為明顯。本文通過對第三產業各行業部分企業的經營數據進行整理，并利用時間序列模型對未發生突發公共事件條件下的企業經營情況進行預估。通過將預估數據與顯示數據進行對比，客觀體現出不同行業企業在疫情期間的經營狀況，希望從中分析出相應的對策及建議，為中小微企業的生存發展提供幫助。

關鍵詞：突發公共事件;中小微企業;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年初突發公共事件以來，我國立即采取多項措施，對此次突發公共事件進行防控，我國經濟也在此次重大公共衛生事件中遭受重大影響。

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

1.2 文獻綜述

本次突發公共事件爆發以來，很多學者對中小企業面臨的困境和如何走出困境進行了研究。朱武祥等（2020）表示：受突發公共事件影響，中小微企業財務風險較高，提出應提高稅費政策落地效率，創新中小微企業金融服務模式等建議。盛松成等（2020）從宏觀層面研究如何在突發公共事件影響下，助力企業擺脫困境，有效緩解企業資金流動性壓力等問題。石聰聰（2020）認為，本次突發公共事件使中小企業面臨運營難、融資難等困境，企業應以此為機遇，充分利用政府出臺的金融救助和稅費優惠等政策，創新經營模式，調整業務結構。

2 數據來源及預處理

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

通過收集數據并整理分析可知，對于住宿餐飲類、租賃和商務服務類、文體娛樂類、交通運輸、倉儲和郵政類、批發和零售類以及居民服務、修理和其他服務類企業而言，2020年第一季度，這幾類行業均遭遇巨大打擊，部分行業平均利潤甚至出現負值，利潤圖線呈現斷崖式下跌。第二三季度期間，即使市場重新活躍，行業收支與往年同期相比仍有較大差距。但通過數據分析可以發現，突發公共事件期間信息傳輸、軟件和信息技術服務業并未受到大的影響。相反，此次突發公共事件的爆發導致多數線下活動轉為線上進行，促進了信息傳輸、軟件和信息技術服務業更加蓬勃發展。

3 模型分析

3.1 時間序列預測

按2017—2019年時間順序的業務變化過程形成的數據，構造時間序列，并預測未來的走勢。根據對收集到的各中小微企業所在行業進行歸類，對每個行業平均利潤值進行季節性時間序列分析。

3.1.1 平穩性檢驗

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

3.1.2 自相關和偏自相關檢驗

為了確定進行差分后的數據是否為平穩序列，還需要對得到的序列進行自相關和偏自相關檢驗。自相關函數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函數，反映了同一序列在不同時序取值的相關性。偏自相關系數PACF（partial autocorrelation function）計算公式如下：

（2）

（3）

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

由表1顯示的自相關檢驗的結果可以看出，自相關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差分后的序列是平穩的，可以利用該序列值進行模型擬合。

3.1.3 模型定階

通過觀察平穩序列的ACF圖和PACF圖來選擇適當的模型進行擬合，如圖2所示。

3.1.4 模型確定

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

3.1.5 檢驗模型的有效性

模型的顯著性檢驗主要指檢驗模型整體的有效性，即殘差序列的白噪聲檢驗。

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