新冠肺炎疫情对餐饮业影响的实证分析

1、新冠肺炎疫情对餐饮业影响的实证分析摘 要选取2022年1月至2022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

2、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。YotElizabeth 和ChengYui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。1KimJungkeun和LeeJacobC.将风险 心理学的相关理论与私人餐饮偏好结合起来

3、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

4、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，2022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

5、工复产，生意渐旺，营业额逐月 上升。2022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2022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2022年5月份疫情得到控制后才逐步放堂食。 iMediaReearch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

6、饮企业虽业务缩水，但外卖订单收入迅速增长。数据显示，2022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2022年1月至2022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2022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

7、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。140-142三、实证分析选取2022年1月至2022年6月的辽宁省限额以上餐饮企业平均营业 额指标，运用2022年1月至2022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。

8、餐饮企业平均营业额最小值出现在2022年2月，最大值出现在2022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

9、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A

10、R（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2022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

11、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，2022年1月之前的企 业平均营业额的ARIMA模型ARIMA（0，1，3），即：AlnZt=P0+P1AlnZt-1+P2AlnZt-2+P3AlnZt-3+et（2）得出ARIMA （0，1，3）参数估计结果为：AlnZt=0.0007666-0.0997048AlnZt-1-0.1620601 AlnZt-2- 0.3772136AlnZt-3+et（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2022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

12、辽宁省餐饮 企业平均营业额的影响程度。其中，当 t2022m1 （2022 年 1 月）时，S=0;当 tN2022m1 （2022 年1 月）时，S=1，t=2022m12022m6，T=2022m1。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

13、（一）主要结论通过对2022年1月至2022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

14、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。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

15、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。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 生陌羊超市、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。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。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