浙江工業(yè)大學(xué) 舒 婕

20世紀(jì)以來，重大疫情事件在全球時有發(fā)生，如1918年的大流感、2003年的非典型肺炎(以下簡稱“非典”)疫情、2009年的甲型H1N1流感、2014年的埃博拉疫情，以及2020年的新冠肺炎疫情等。此類公共衛(wèi)生事件嚴(yán)重威脅著世界人民的生命，影響著世界各國社會與經(jīng)濟(jì)的運行。其中，2003年的“非典”疫情與2020年的新冠肺炎疫情對我國宏觀經(jīng)濟(jì)產(chǎn)生了極大的負(fù)面影響，加大了經(jīng)濟(jì)運行的不確定性。

2003年“非典”疫情蔓延期間，各行業(yè)都受到了疫情的負(fù)面沖擊，給我國經(jīng)濟(jì)帶來了巨大的損失。據(jù)交通部數(shù)據(jù)顯示，受“非典”疫情影響，2003年5月公路客運量和鐵路客運量分別下降了39.86%和61.28%，“非典”疫情對交通運輸業(yè)、旅游業(yè)和餐飲住宿業(yè)等行業(yè)影響較大。相比較而言，醫(yī)藥業(yè)、電信業(yè)以及互聯(lián)網(wǎng)業(yè)等行業(yè)受“非典”疫情影響較小。2020年初，突如其來的新冠肺炎疫情對我國生產(chǎn)生活秩序造成了重大沖擊。李克強(qiáng)總理于2020年5月22日在政府工作報告中提到，“新冠肺炎疫情，是新中國成立以來我國遭遇的傳播速度最快、感染范圍最廣、防控難度最大的公共衛(wèi)生事件”。餐飲業(yè)、交通運輸業(yè)和傳媒業(yè)等行業(yè)受新冠疫情影響極大，據(jù)交通運輸部數(shù)據(jù)顯示，2020年1月10日到2月13日，全國鐵路、公路、水路和民航累計發(fā)送旅客14.14億人次，比去年同期下降46.6%?；ヂ?lián)網(wǎng)服務(wù)業(yè)、電商行業(yè)和物流快遞業(yè)在新冠肺炎疫情肆虐期間所受影響較小。

“非典”疫情與新冠肺炎疫情均屬公共衛(wèi)生事件，對社會造成威脅的途徑相似。從對宏觀經(jīng)濟(jì)造成沖擊的數(shù)據(jù)可以看出，兩次疫情對于我國宏觀經(jīng)濟(jì)的沖擊程度、沖擊范圍以及后續(xù)影響的持續(xù)時間有許多相似之處，并且兩次疫情皆對服務(wù)業(yè)的沖擊尤為明顯和嚴(yán)重。本文借助時變參數(shù)隨機(jī)波動向量自回歸(TVP-VAR)模型，對2003年“非典”疫情和2020年新冠肺炎疫情對服務(wù)業(yè)的沖擊程度及影響進(jìn)行分析，通過對比研究分析得到兩次疫情對于服務(wù)業(yè)沖擊的共性與個性特征，希望基于實證分析能夠得出一些有益的結(jié)論。

一、文獻(xiàn)綜述

20世紀(jì)以來，發(fā)生過多次重大突發(fā)事件。Goh等(2002)探究了1997年亞洲金融危機(jī)以及1998年禽流感事件對于旅游業(yè)的影響，其利用干預(yù)模型實證分析表明,重大突發(fā)事件會對旅游業(yè)產(chǎn)生明顯的負(fù)面沖擊。Bowles等(2016)通過事件分析法比較埃博拉疫情暴發(fā)后不同地區(qū)之間經(jīng)濟(jì)活動的差異，發(fā)現(xiàn)在疫情期間所有研究地區(qū)的經(jīng)濟(jì)活動和工作機(jī)會都發(fā)生了驟減。Boehm等(2019)研究了2011年日本“3·11”大地震對于國際貿(mào)易產(chǎn)業(yè)鏈的影響，結(jié)果顯示日本國際貿(mào)易企業(yè)均受到了顯著的負(fù)面沖擊。

“非典”疫情發(fā)生以后，許多學(xué)者以“非典”疫情為例，分析研究疫情對于經(jīng)濟(jì)的影響。王東(2003)認(rèn)為，雖然中國經(jīng)濟(jì)特別是旅游、餐飲等服務(wù)行業(yè)受到“非典”疫情的沖擊，但中國整體經(jīng)濟(jì)仍將保持高速增長態(tài)勢。萬東華(2003)研究表明，短期內(nèi)“非典”疫情的確給我國造成了一定的負(fù)面影響，但該影響只是局部的，并沒有傷及經(jīng)濟(jì)的根本。Kang(2003)研究表明，“非典”疫情是短期突發(fā)的不確定性事件，社會的總體需求不會消失，但國家對抗疫情的強(qiáng)制性措施和社會的恐慌會影響部分服務(wù)業(yè)的需求，當(dāng)“非典”疫情過后，人們的消費需求就會逐漸恢復(fù)。楊霞等(2020)采用DID和PSM-DID方法實證研究了以“非典”疫情為代表的重大公共衛(wèi)生事件對保險行業(yè)需求的影響，研究結(jié)果表明事件對于保險需求的影響不顯著；之后更是結(jié)合2020年新冠肺炎疫情，在供給端采用識別—評估—應(yīng)對的風(fēng)險管理流程分析法研究探討了其對保險攻擊帶來的挑戰(zhàn)。

田盛丹(2020)運用可計算的一般均衡模型，量化分析新冠肺炎疫情對于我國宏觀經(jīng)濟(jì)和各行業(yè)部門帶來的影響，研究結(jié)果表明經(jīng)濟(jì)主體和行業(yè)都受到了嚴(yán)重的沖擊，其中居民消費所受的負(fù)向影響尤甚，還得出財政政策對于緩解疫情對經(jīng)濟(jì)的沖擊是十分有效的這一結(jié)論。Sharif等(2020)基于連續(xù)小波變換分析，揭示了相比于油價下跌，新冠疫情肺炎暴發(fā)對美國的地緣政治風(fēng)險和美國經(jīng)濟(jì)不確定性影響更大。此外，新冠肺炎疫情對于產(chǎn)業(yè)、企業(yè)、勞動力市場的沖擊也是不可忽視的。例如，祝坤福等(2020)就疫情對全球生產(chǎn)體系以及我國產(chǎn)業(yè)鏈的沖擊進(jìn)行研究，研究結(jié)果表明，疫情引起的產(chǎn)能缺口將對全球產(chǎn)業(yè)鏈產(chǎn)生沖擊。楊子暉等(2020)基于因子增廣向量自回歸模型，考察了重大突發(fā)公共衛(wèi)生事件對我國宏觀經(jīng)濟(jì)與金融市場的沖擊情況，并采用風(fēng)險溢出網(wǎng)絡(luò)方法對我國金融市場各部門間風(fēng)險傳導(dǎo)關(guān)系進(jìn)行探究。Baker等(2020)通過股票市場波動、新聞報紙以及商業(yè)調(diào)查等方法來衡量新冠肺炎疫情給美國經(jīng)濟(jì)帶來的不確定性，研究結(jié)果表明，新冠肺炎疫情造成的不確定性將導(dǎo)致產(chǎn)出大幅減少，且該沖擊比2008年全球金融危機(jī)的沖擊更大，與1929年“大蕭條”時期的情況更為接近。

縱觀該領(lǐng)域的研究，現(xiàn)有的大部分文獻(xiàn)主要依靠事件回顧研究法、比較靜態(tài)分析法對疫情沖擊情況進(jìn)行研究，采用實證模型進(jìn)行分析的并不多。事件回顧以及比較靜態(tài)分析等方法通過數(shù)據(jù)進(jìn)行羅列比較，具有快速直接的特點，但該方法對于量大且龐雜的數(shù)據(jù)分析有些許困難。而量化模型則能方便快速地處理分析龐大數(shù)據(jù)。本文利用時變參數(shù)隨機(jī)波動向量自回歸(TVP-VAR)模型，致力于對2003年“非典”疫情和2020年新冠肺炎疫情對服務(wù)業(yè)的沖擊程度進(jìn)行比較分析，探究兩次疫情對于服務(wù)業(yè)沖擊的影響差異，具有一定的學(xué)術(shù)價值。

二、模型設(shè)定與數(shù)據(jù)說明

本文借助時變參數(shù)隨機(jī)波動向量自回歸模型，致力研究2003年“非典”疫情和2020年新冠肺炎疫情對服務(wù)業(yè)的沖擊程度及影響。該模型具有時變參數(shù)的性質(zhì)，更能捕捉經(jīng)濟(jì)變量在不同時代背景下所具有的關(guān)系和特征，希望基于實證分析能得出一些具有參考價值的結(jié)論。

(一)實證模型與方法

本文利用Nakajima(2011)提出的時變參數(shù)隨機(jī)波動向量自回歸模型進(jìn)行實證分析。TVP-VAR模型表達(dá)式為：

yt=ct+B1tyt-1+…+Bstyt-s+et，et～N(0,θt)

其中，t=s+1,…,n；yt是k×1階觀察變量向量；B1t,…,Bst是k×k階的時變系數(shù)矩陣；θt是一個k×k階的時變協(xié)方差矩陣。

βt+1=βt+μβt

at+1=at+μat

ht+1=ht+μht

TVP-VAR模型與普通VAR模型的不同之處在于，TVP-VAR模型沒有同方差的假定，此假定更符合實際情況。并且，TVP-VAR模型具有時變參數(shù)的性質(zhì)，更能夠體現(xiàn)出經(jīng)濟(jì)變量在不同時代背景下所具有的關(guān)系和特征。

(二)數(shù)據(jù)來源與說明

在“非典”疫情樣本中，以第一例病例發(fā)病和最后一位病人出院作為這一突發(fā)公共衛(wèi)生事件的起始與結(jié)束日期，樣本區(qū)間為2002年11月至2003年8月。本文以每日新增確診人數(shù)的月度平均值作為該事件嚴(yán)重程度的代理變量。其中，相關(guān)數(shù)據(jù)自2003年4月19日起面向社會公布，本文參考楊子暉等(2020)的方法，將第一例病例發(fā)病的2002年11月16日至2003年4月18日的代理變量取值為1。此外，以服務(wù)業(yè)中全部上市企業(yè)的營業(yè)凈利率作為各個服務(wù)業(yè)發(fā)展現(xiàn)狀的代理變量,營業(yè)凈利率數(shù)值來源于國泰安數(shù)據(jù)庫?；跀?shù)據(jù)的可獲得性，本文將服務(wù)業(yè)細(xì)分為廣播、電視、電影和影視制作業(yè)、互聯(lián)網(wǎng)和相關(guān)服務(wù)行業(yè)、餐飲業(yè)、零售業(yè)、房地產(chǎn)行業(yè)、貨幣金融服務(wù)業(yè)、道路運輸業(yè)和航空運輸業(yè)八類行業(yè)進(jìn)行考察。本文將建立4個TVP-VAR模型，即“非典”嚴(yán)重程度代理變量與廣播、電視、電影和影視制作業(yè)、互聯(lián)網(wǎng)和相關(guān)服務(wù)業(yè)的營業(yè)凈利率(模型1)；“非典”嚴(yán)重程度代理變量與餐飲業(yè)、零售業(yè)的營業(yè)凈利率(模型2)；“非典”嚴(yán)重程度代理變量與房地產(chǎn)行業(yè)、貨幣金融服務(wù)業(yè)的營業(yè)凈利率(模型3)；“非典”嚴(yán)重程度代理變量與道路運輸業(yè)、航空運輸業(yè)的營業(yè)凈利率(模型4)。同一模型內(nèi)兩個行業(yè)之間存在著相似的特點，如此構(gòu)建模型可以更好地分析不同行業(yè)之間所受疫情沖擊的異同點。

在新冠肺炎疫情事件中，樣本區(qū)間選定為2019年12月至2020年6月。鑒于新冠肺炎疫情比“非典”疫情每日新增確診人數(shù)多很多，每日新增確診人數(shù)的月度平均值與營業(yè)凈利率數(shù)額相差過大，兩組絕對值相差過大的數(shù)據(jù)進(jìn)行向量自回歸導(dǎo)致脈沖響應(yīng)結(jié)果非常相近，不符合實際情況，因此在新冠肺炎疫情事件中，以每月新增確診人數(shù)的對數(shù)值作為新冠肺炎疫情事件嚴(yán)重程度的代理變量，以“非典”樣本中8類服務(wù)業(yè)的全部上市企業(yè)的營業(yè)凈利率作為服務(wù)業(yè)發(fā)展現(xiàn)狀的代理變量。依照“非典”樣本中的服務(wù)業(yè)分組情況，建立4個新冠肺炎疫情嚴(yán)重程度代理變量與服務(wù)業(yè)營業(yè)凈利率的TVP-VAR模型進(jìn)行實證分析。

三、實證結(jié)果與分析

鑒于本文所選基礎(chǔ)數(shù)據(jù)屬于時間序列數(shù)據(jù)，有必要對各序列進(jìn)行平穩(wěn)性檢驗。本文采用DF-GLS檢驗方法，選取數(shù)據(jù)皆已通過平穩(wěn)性檢驗。根據(jù)TVP-VAR模型分別測定領(lǐng)先1、6、12期數(shù)下“非典”和新冠肺炎疫情對服務(wù)業(yè)時變脈沖影響情況。

(一)模型估計結(jié)果

本文選擇Nakajima(2011)提出的蒙特卡洛(MCMC)方法進(jìn)行估計，其中設(shè)定

為獲取未知參數(shù)的后驗分布，利用蒙特卡洛模擬進(jìn)行1萬次抽樣，并丟棄前1000個樣本。由于文章篇幅有限，本文展示“非典”時期下模型2的估計結(jié)果(見表1)，其余模型的蒙特卡洛模擬估計結(jié)果也是有效的。

表1 “非典”時期模型2的蒙特卡洛模擬估計結(jié)果

根據(jù)表1估計結(jié)果顯示，Geweke收斂診斷值均小于5%置信水平下的相應(yīng)臨界值1.96，說明其在5%的顯著性水平上接受原假設(shè)，參數(shù)收斂于后驗分布。最大的無效因子為71.61，遠(yuǎn)小于抽樣次數(shù)1萬次，根據(jù)模擬抽樣次數(shù)，計算仍能夠得到139個不相關(guān)的樣本，模型估計有效。

(二)實證結(jié)果分析

本文采用時變參數(shù)隨機(jī)波動向量自回歸模型，考察2003年“非典”疫情和2020年新冠肺炎疫情對服務(wù)業(yè)的沖擊強(qiáng)度。根據(jù)實證結(jié)果得知，服務(wù)業(yè)所受疫情沖擊分為兩種結(jié)果：一種為疫情所導(dǎo)致的負(fù)向沖擊；另一種為所受疫情沖擊的影響不大，或沖擊結(jié)果不確定。在脈沖響應(yīng)圖中，縱坐標(biāo)表示疫情對不同行業(yè)的沖擊程度；橫坐標(biāo)表示時間。

1.疫情沖擊為負(fù)向沖擊。

兩次疫情對于廣播、電視、電影和影視制作業(yè)、餐飲業(yè)、零售業(yè)，房地產(chǎn)行業(yè)、道路運輸業(yè)以及航空運輸業(yè)的影響表現(xiàn)為負(fù)向沖擊。

圖1(a)中t代表“非典”時期廣播、電視、電影和影視制作業(yè)的受沖擊情況，圖1(b)中tt則代表新冠肺炎疫情時期該行業(yè)所受沖擊情況?！胺堑洹倍唐趦?nèi)對廣播、電視、電影和影視制作業(yè)具有較強(qiáng)的負(fù)向沖擊，隨著時間的推移，沖擊所帶來的影響逐漸消失。新冠肺炎疫情對于影視行業(yè)同樣產(chǎn)生負(fù)向沖擊，但負(fù)向沖擊時間更長、程度更大。新冠肺炎疫情傳播范圍比“非典”更廣、傳染性更強(qiáng)，居民們隔離在家，影視行業(yè)中的院線和大型活動受負(fù)向沖擊巨大。據(jù)國家電影局統(tǒng)計，2020年以來全國范圍內(nèi)已有7300余家影視公司注銷，預(yù)計全年票房損失將超過300億元。影視作品停止拍攝，但疫情期間電視廣播和網(wǎng)播節(jié)目關(guān)注度上升，電視劇的平均收視率高于往年同期。

圖1 廣播、電視、電影和影視制作業(yè)的時變脈沖響應(yīng)

圖2(a)中h代表“非典”時期餐飲業(yè)的受沖擊情況，圖2(b)中hh則代表新冠肺炎疫情時期該行業(yè)所受沖擊情況。短期內(nèi)“非典”疫情對餐飲業(yè)產(chǎn)生持續(xù)的負(fù)面影響，影響的程度先重后輕。鑒于病毒的傳染性，短期內(nèi)民眾會自主避免在外就餐以防止被傳染。北京市統(tǒng)計局?jǐn)?shù)據(jù)顯示，2003年北京餐飲業(yè)零售額3年來首次下降，餐飲門店關(guān)門歇業(yè)率達(dá)到了70%，經(jīng)營業(yè)績普遍比 2002年同期下滑50%～80%，直至6月，餐飲市場才開始有回升的勢頭。新冠肺炎疫情對餐飲業(yè)的負(fù)向沖擊是巨大且持續(xù)的。與2003年的“非典”疫情相比，新冠肺炎疫情傳播速度更快、地域分布更廣，國家采取的相關(guān)防護(hù)措施也更為嚴(yán)格，因此新冠肺炎疫情對于餐飲行業(yè)的負(fù)向沖擊遠(yuǎn)遠(yuǎn)超過了“非典”時期。中國飯店協(xié)會調(diào)查顯示，單店餐企營業(yè)額下降90%以上的企業(yè)占比為76.24%，連鎖餐企營業(yè)額下降90%以上的企業(yè)占比為67.79%，營業(yè)額的下降直接導(dǎo)致現(xiàn)金回流的困難，許多小成本餐飲店鋪在此次疫情中永遠(yuǎn)關(guān)閉。

圖2 餐飲業(yè)的時變脈沖響應(yīng)

圖3(a)中f代表“非典”時期零售業(yè)的受沖擊情況，圖3(b)中ff則代表新冠肺炎疫情時期該行業(yè)所受沖擊情況?！胺堑洹币咔閷α闶蹣I(yè)沖擊的正向效應(yīng)一直在減弱，在后續(xù)轉(zhuǎn)變?yōu)樨?fù)向效應(yīng)。從零售品消費的表現(xiàn)來看，疫情期間實現(xiàn)逆勢上行的主要包括：中西藥品類，日用品類，糧油、食品、飲料等；回落幅度較大的主要包括：服裝類，體育、娛樂用品類等，但“非典”疫情過后均恢復(fù)至之前的水平甚至更高。在此次新冠肺炎疫情沖擊下，零售業(yè)的表現(xiàn)情況與餐飲業(yè)類似，短期內(nèi)所受負(fù)向沖擊巨大，但與“非典”疫情時期有較大的差異?！胺堑洹币咔楦腥緟^(qū)域較為集中，且中國的零售業(yè)正處于蓬勃發(fā)展的階段，而新冠肺炎疫情感染區(qū)域幾乎遍布整個中國，零售行業(yè)也開始進(jìn)入存量競爭的時代，零售市場趨于飽和，因此疫情對線下零售業(yè)的沖擊更為嚴(yán)重。但從中長期來看，我國零售行業(yè)仍然具備較大的增長潛力，受疫情的長期影響較小。

圖3 零售業(yè)的時變脈沖響應(yīng)

圖4(a)中k代表“非典”時期房地產(chǎn)業(yè)的受沖擊情況，圖4(b)中kk則代表新冠肺炎疫情時期該行業(yè)所受沖擊情況。短期內(nèi)“非典”疫情對房地產(chǎn)業(yè)的影響由正向作用轉(zhuǎn)向負(fù)向作用。從國家統(tǒng)計局公布的房地產(chǎn)業(yè)數(shù)據(jù)來看，2003年第二季度房地產(chǎn)業(yè)GDP同比增長11.9%，受信貸政策寬松和人們購房需求釋放影響，房地產(chǎn)業(yè)增速較第一季度上升0.8個百分點?！胺堑洹笔录χ袊?jīng)濟(jì)短期造成一定影響，但當(dāng)時中國處于人口紅利的爆發(fā)期和中國城鎮(zhèn)化的高速發(fā)展期，對于房地產(chǎn)業(yè)的影響并不大，且2003年8月國務(wù)院發(fā)布了《關(guān)于促進(jìn)房地產(chǎn)市場持續(xù)健康發(fā)展的通知》，首次明確房地產(chǎn)的國民經(jīng)濟(jì)支柱地位，此后房地產(chǎn)業(yè)進(jìn)入高速發(fā)展階段。不同于“非典”時期具有有利的政策與時代背景，新冠肺炎疫情對于房地產(chǎn)業(yè)的沖擊一直為負(fù)向，且在中長期來看都為負(fù)面影響。一方面，疫情期間多地售樓處關(guān)閉以及建筑工人返工慢等情況使房地產(chǎn)業(yè)的供給方面受到不利影響；另一方面，近年來大部分家庭已擁有一套住房，房地產(chǎn)業(yè)的“泡沫”一直在積聚。受疫情影響，消費者更多關(guān)注醫(yī)療和生存資源，資金主要向醫(yī)療還有日常消費開支轉(zhuǎn)移，對于房地產(chǎn)的需求大幅下降。

圖4 房地產(chǎn)業(yè)的時變脈沖響應(yīng)

圖5(a)中r代表“非典”時期道路運輸業(yè)的受沖擊情況，圖5(b)中rr則代表新冠肺炎疫情時期該行業(yè)所受沖擊情況?！胺堑洹币咔閷τ诘缆愤\輸業(yè)的沖擊逐漸由正向效應(yīng)轉(zhuǎn)向負(fù)向效應(yīng)。據(jù)交通部數(shù)據(jù)顯示，2003年“五一”時期，全國鐵路累計完成客運量624.9萬人次，同比下降67%。道路運輸?shù)闹饕攸c是點多面廣，“非典”疫情主要在一些城市蔓延，廣大農(nóng)村地區(qū)基本沒有大面積暴發(fā)，這可能是道路運輸業(yè)沒有受到猛烈負(fù)向沖擊的原因。新冠肺炎疫情不同于“非典”疫情，此次疫情感染范圍更加廣泛，同一時間幾乎全國每個省份都存在感染人員，部分城市封城封路，交通運輸基本停滯，對于運輸業(yè)的沖擊更加直接、嚴(yán)重。交通運輸部數(shù)據(jù)顯示，2020年1月10日至2月13日，全國鐵路、公路、水路和民航累計發(fā)送旅客14.14億人次，比上年同期下降46.6%。

圖6(a)中a代表“非典”時期道路運輸業(yè)的受沖擊情況，圖6(b)中aa則代表新冠肺炎疫情時期該行業(yè)所受沖擊情況。相較于道路運輸業(yè)，“非典”疫情對航空運輸業(yè)有更大的負(fù)向沖擊。交通的重點防控是阻斷疫情快速傳播的重要手段。據(jù)交通部數(shù)據(jù)顯示，2003年“五一”時期，全國累計航班班次6670次，同比下降61.6%，完成客運量僅34.4萬人，同比下降81.2%。由于新冠肺炎疫情傳播范圍幾乎覆蓋整個中國，交通管制政策也覆蓋了所有的交通方式，實證結(jié)果也表明航空運輸業(yè)與道路運輸業(yè)所受沖擊狀況類似。

圖5 道路運輸業(yè)的時變脈沖響應(yīng)

圖6 航空運輸業(yè)的時變脈沖響應(yīng)

2.疫情沖擊影響不大。

兩次疫情對于互聯(lián)網(wǎng)和相關(guān)服務(wù)業(yè)以及貨幣金融服務(wù)業(yè)的沖擊不大，從某種程度上來說，在疫情期間以上行業(yè)有新的生機(jī)出現(xiàn)。

圖7(a)中i代表“非典”時期互聯(lián)網(wǎng)和相關(guān)服務(wù)業(yè)的受沖擊情況，圖7(b)中ii則代表新冠肺炎疫情時期該行業(yè)所受沖擊情況。短期內(nèi)“非典”疫情對互聯(lián)網(wǎng)和相關(guān)服務(wù)業(yè)的脈沖響應(yīng)是正向的。“非典”疫情發(fā)生時，民眾會通過互聯(lián)網(wǎng)收集信息，更多地利用互聯(lián)網(wǎng)的相關(guān)服務(wù)來跟進(jìn)事態(tài)的進(jìn)展。新冠肺炎疫情對該行業(yè)主要影響為正向的。與2003年“非典”時期相比，互聯(lián)網(wǎng)技術(shù)有了巨大的進(jìn)步，在此基礎(chǔ)上，互聯(lián)網(wǎng)行業(yè)迎來了新的發(fā)展機(jī)遇與新的市場增長空間。例如，隨著新冠肺炎疫情的發(fā)展，部分地區(qū)醫(yī)療物資短缺，醫(yī)院床位嚴(yán)重超載，“互聯(lián)網(wǎng)+醫(yī)療”業(yè)務(wù)迅速發(fā)展，可以先在線上看病，為線下減輕負(fù)擔(dān)。全國延期開學(xué)和延期開工將會為社會的運轉(zhuǎn)帶來巨大壓力，互聯(lián)網(wǎng)服務(wù)下的在線教育和網(wǎng)上辦公為社會運作順利過渡起到了積極作用。據(jù)中商產(chǎn)業(yè)研究院預(yù)測，2020年中國在線教育市場規(guī)模將達(dá)4538億元，在線教育用戶規(guī)模將達(dá)3.09億人。此外，生鮮零食電商用戶的需求也在疫情期間大幅增加，據(jù)QuestMobile發(fā)布數(shù)據(jù)顯示，2020年春節(jié)期間生鮮電商App的日均活躍用戶規(guī)模突破1000萬人，而春節(jié)后兩周保持增長突破1200萬人。

圖7 互聯(lián)網(wǎng)和相關(guān)服務(wù)業(yè)的時變脈沖響應(yīng)

圖8 貨幣金融服務(wù)業(yè)的時變脈沖響應(yīng)

圖8(a)中j代表“非典”時期貨幣金融服務(wù)業(yè)的受沖擊情況，圖8(b)中jj則代表新冠肺炎疫情時期該行業(yè)所受沖擊情況。實證結(jié)果表明，“非典”疫情對于貨幣金融服務(wù)業(yè)的短期影響由初始的負(fù)向沖擊變?yōu)檎驔_擊，隨后有一定程度的回落?！胺堑洹币咔榈谋┌l(fā)短期內(nèi)可能會對金融市場預(yù)期形成沖擊，但當(dāng)2003年4月中下旬中央采取全面管控措施時，人們對于金融市場的預(yù)期穩(wěn)定且較有信心，因此“非典”疫情并未對貨幣金融服務(wù)業(yè)造成沖擊。在此次新冠肺炎疫情期間，貨幣金融服務(wù)業(yè)的脈沖響應(yīng)主要為正向，雖然正向影響的幅度有所變化，但總體趨勢良好。隨著國家相關(guān)政策的相繼推出，金融市場的動蕩只持續(xù)了非常短的一段時間?？梢娫诒敬我咔榈臎_擊下，貨幣金融服務(wù)業(yè)雖會受到階段性的影響，但總的來說影響不大，居民對金融行業(yè)以及資金利用的預(yù)期依舊是積極的。

四、結(jié)論與啟示

本文梳理了“非典”疫情和新冠肺炎疫情時期每日新增確診人數(shù)和服務(wù)業(yè)的營業(yè)凈利潤，利用時變參數(shù)隨機(jī)波動向量自回歸模型進(jìn)行實證分析，對2003年“非典”疫情和2020年新冠肺炎疫情對服務(wù)業(yè)的沖擊強(qiáng)度進(jìn)行對比分析，得到以下研究結(jié)論。

(1)“非典”疫情與新冠肺炎疫情對于行業(yè)的沖擊皆主要為短期影響，而非長期影響。由前文實證結(jié)果可以看出，不管是“非典”疫情還是新冠肺炎疫情對于行業(yè)的沖擊都是短期較為明顯，長期影響較小?！胺堑洹币咔槁悠陂gGDP增速下降，消費需求驟減，各個行業(yè)遭受了不同程度的損失。但從“非典”疫情結(jié)束后的經(jīng)濟(jì)數(shù)據(jù)可知，這種損失是暫時的，并沒有影響我國經(jīng)濟(jì)的高速增長。消費需求的確在“非典”疫情期間減少，這并不代表需求消失了，在“非典”疫情結(jié)束后，各個行業(yè)都迎來了新一波的增長。2003年第三季度國內(nèi)生產(chǎn)總值增速為10%，較第二季度增加了0.9%，此后一段時間GDP呈現(xiàn)穩(wěn)健的上升態(tài)勢。這也可以由前文的實證結(jié)果得到驗證。新冠肺炎疫情雖然比“非典”疫情傳播速度更快、范圍更廣，但我國醫(yī)療設(shè)備與應(yīng)對措施也更為先進(jìn)，同時我國經(jīng)濟(jì)的韌性不容低估，只要認(rèn)真對待，保持我國經(jīng)濟(jì)長期穩(wěn)定發(fā)展依舊可期。

(2)新冠肺炎疫情對服務(wù)業(yè)的沖擊并非全是嚴(yán)重的消極影響，也有部分行業(yè)所受沖擊不大。前文實證結(jié)果顯示，新冠肺炎疫情雖然對大多數(shù)行業(yè)都產(chǎn)生了不同程度的負(fù)向沖擊，但對于互聯(lián)網(wǎng)和相關(guān)服務(wù)業(yè)以及貨幣金融服務(wù)業(yè)而言，此次沖擊影響為正向的。新冠肺炎疫情催生了新的消費習(xí)慣，線上產(chǎn)業(yè)鏈迎來了發(fā)展機(jī)遇?！盎ヂ?lián)網(wǎng)+醫(yī)療”、在線教育、遠(yuǎn)程辦公等生活、工作方式都將形成新的市場增長空間。長期來看，互聯(lián)網(wǎng)技術(shù)不斷進(jìn)步，這樣的消費形式必然是未來社會發(fā)展的方向之一。貨幣與金融服務(wù)業(yè)的發(fā)展在我國處于上升期，金融科技對金融行業(yè)的支撐作用明顯。新冠肺炎疫情期間，國家迅速推出相應(yīng)的逆周期調(diào)節(jié)政策，與此同時人們的金融知識與意識也在不斷加強(qiáng)，這就使得在疫情的沖擊下，投資者并沒有無理由的慌亂，而是加大線上金融以及新型金融方式的使用頻率，依舊保持著穩(wěn)定有序的金融活動。由此可見，新冠肺炎疫情對我國提出巨大挑戰(zhàn)的同時，也為我國的發(fā)展帶來了多方面的新機(jī)遇。

基于以上結(jié)論，本文提出以下建議。

(1)針對行業(yè)短期沖擊制定應(yīng)對政策。由于各個行業(yè)所受的影響主要為短期影響，對行業(yè)產(chǎn)生永久性的損害較小甚至沒有，因此，特定時期下應(yīng)盡量采用見效快且便于執(zhí)行的政策，以此來幫助各個行業(yè)減輕損失、增加信心、渡過難關(guān)。例如，對于餐飲業(yè)、零售業(yè)以及交通運輸業(yè)等行業(yè)，可以通過降低銀行融資門檻、拓寬融資渠道等信貸政策來保證企業(yè)資金的流動性；或是通過降低稅費、增加補(bǔ)貼、發(fā)放消費券等政策促進(jìn)消費，增加企業(yè)的流動資金來穩(wěn)定各行各業(yè)，進(jìn)而提高我國經(jīng)濟(jì)發(fā)展水平。

(2)抓住新契機(jī)，發(fā)展新市場。新冠肺炎疫情使線上產(chǎn)業(yè)鏈迎來了巨大的發(fā)展機(jī)遇。“隔離”在家是防控疫情的有效手段，但社會運作不能停滯，基于互聯(lián)網(wǎng)技術(shù)的發(fā)展，線上醫(yī)療、線上教育、遠(yuǎn)程工作以及線上購物等產(chǎn)業(yè)鏈得到了迅速發(fā)展。除此之外，線上業(yè)務(wù)背后的云服務(wù)、云數(shù)據(jù)等產(chǎn)業(yè)也迎來了較大的市場增長空間。線上市場是未來消費需求轉(zhuǎn)移的一大方向，借由此次新冠肺炎疫情，線上產(chǎn)業(yè)鏈快速地進(jìn)入消費群體的視野中，我們應(yīng)該打好基礎(chǔ)，深度挖掘相關(guān)市場潛力，為我國經(jīng)濟(jì)的進(jìn)一步發(fā)展開拓新方向。