收到日期:03/08/2020接受日期:15/08/2020发表日期:25/08/2020
企业动态管理;COVID-19流行后期;旅游产业;政策评估;做模型;时间序列分析
更多相关文章请访问研究与评论:社会科学杂雷竞技苹果下载志
背景:随着新型冠状病毒在全球范围内的传播，全球经济进入寒冬，国际货币基金组织预测，2020年全球经济将萎缩约3%。新冠肺炎疫情也给中国经济造成重大损失。2020年第一季度，实际GDP首次大幅下降，同比首次下降6.8%。这是有记录以来的首次下降。然后，从3月份的商业调查数据来看，中国经济比2月份有所改善，这说明在政策的影响下，经济已经反弹。从目前的情况来看，虽然中国已经度过了疫情高峰期，但受国外高病例的影响，对于复产只能缓慢进行。企业作为宏观经济下的微观个体，需要通过对企业动态管理的分析来深化商事制度改革，激发企业活力。这也将为政府制定相关政策提供数据支持，有利于各项政策的协同，增强经济复苏势头。
另一方面，我们选择旅游业作为具体的研究对象。因此，我们需要根据疫情的发展情况设置不同的情景，评估新冠肺炎疫情对中国旅游业的影响，并从旅游业应对疫情和疫情后旅游业的发展趋势等方面探讨后疫情时代的旅游业发展和机遇4。
方法:本文首先探讨了后疫情时代企业动态管理问题，建立了差分模型(DID模型)，并对模型进行了合理的改进。提出不同区域的动态管理方案，判断政策对疫情实施的效果。同时，也针对疫情在重要时间点对旅游业的影响。采用弹性法和线性回归法进行评价和预测。以交通数据为先行指标，计算得出春节和春节期间游客总数弹性Et1和旅游总收入弹性Ei1分别为1.39和1.60。通过春节弹性评估新冠肺炎疫情对春节旅游市场的影响;通过历年数据计算，在此期间，国际劳动节旅游市场相对于春节旅游市场的弹性Et2, Ei2分别为1.14和0.9024。结合春节旅游市场的预测结果和不同预测场景的数据校准，对国际劳动节进行了预测。期间旅游总人次、旅游总收入;对于国庆假期，利用上述思路计算出国庆假期旅游市场相对于春节和国际劳动节旅游市场的弹性Et3 ã Ei3，分别为0.69和0.94，预测国庆假期期间的游客总数和旅游总收入。
发现:基于DID模型分析的结果表明，政策对江苏省GDP的显著性水平为32%。湖北省的显著性水平为37%。在2020年第一季度，预测2020年第一季度旅游总时间和旅游总收入，并以2020年旅游总人次和旅游总收入作为第一季度旅游总人次和旅游总收入的解释变量，建立对数线性回归方程。2020年一季度全国旅游总人次3.94亿人次，比去年同期下降74.42%，旅游总收入3195.65亿元，比去年同期下降77.01%。2020年一季度旅游总人次的反事实预测值为16.76亿人次，旅游总收入的反事实预测值为1.58亿元。对2020年上半年的游客总数和旅游总收入进行了预测。以一季度旅游总人数和国际劳动节作为上半年旅游总时间的解释变量。分别建立对数线性回归方程，用估计值代替。2020年上半年旅游总人次预测为14.4亿人次，比去年同期下降53.25%。旅游总收入预测值为1165.98亿元，下降58.09%。 Compared with the same period last year, the potential decline of the total number of tourists in the first half of the year 2020 is 1 billion 911 million, with a decrease of 57.03%, resulting in a potential loss of 1 trillion and 994 billion 902 million yuan and a loss ratio of 63.13% for tourism total revenue. Under the optimistic forecast, the total number of tourist trips in the year 2020 is 4 billion 659 million. A decrease of 23.12% compared with the same period last year, and the total value of tourism revenue is 4 trillion and 807 billion 295 million yuan, 26.27% lower than that of the same period last year. Under the prudent forecast, the total number of tourist trips in the year 2020 is 3 billion 941 million, a decrease of 34.97% over the same period last year, and the total value of tourism revenue is 3 trillion and 922 billion 883 million yuan, a decrease of 39.83%, over the same period of the last year.
解释:中国经济在各个领域都受到了不同程度的影响，特别是第三产业。由于2020年第一季度中国的疫情形势看起来不太好，几乎所有公司在2020年第一季度都出现了亏损。为了应对经济衰退，中国政府采取了各种措施，如发行优惠券刺激消费，打折促销等。随着中国国内疫情持续向好，近两个月来，越来越多的企业恢复正常生产。相信在不久的将来，中国经济形势将明显好于一季度。
新冠肺炎疫情影响到国民经济的各行各业。经过4个多月的抗击，疫情基本得到控制，国内经济正面临后疫情时代的重启[1，2］．如何准确推动疫情后产业复苏，最终化危为机，成为各界持续关注的重要课题。如果我们想让经济复苏的步伐走得更远，我们需要让企业管理可计算化，然后理性地实施动态管理。3.］．只有分析企业战略调整的影响因素，建立动态管理模型，才能在企业动态战略管理的基础上获得持续的竞争优势。另一方面，高度市场化、主要依靠人聚集消费的旅游业是受影响最大的行业之一[4］．因此，研究旅游业可以很好地分析疫情对经济的影响，并提出建议[5］．
本文将解决以下问题:分析新冠肺炎疫情对后疫情时代企业动态管理的影响，并给出总体方案设计。2.结合政府疫情动态管理政策，评估微观动态管理对企业实施动态管理的影响，并提出建议。3.在重要时间点上，新型冠状病毒肺炎在春节、五一、十一等节假日对我国旅游业已经和可能产生的影响。
根据旅游业在不同情况下的影响，政府应该如何制定或完善政策进行干预。
数据
基于模型1，我们选择将湖北能源集团股份有限公司(以下简称湖北能源)[7]、江苏新能源发展有限公司(以下简称江苏新能)[8]、九州通药业集团有限公司(以下简称九州通药业)[9]和江苏恒瑞医药股份有限公司(以下简称恒瑞医药)[10]作为两个群体，都来自第二产业。为了保证企业的全面性，我们还选择了湖北广播电视信息网络有限公司(以下简称湖北广播电视)[11]、江苏广播电视有线信息网络有限公司(以下简称江苏有线)[12作为另一个群体。对于各行业的分析，我们主要收集了第三产业，如阿里巴巴网络科技股份有限公司(以下简称阿里巴巴)[13]、顺丰速运股份有限公司(以下简称顺丰)[14]、深圳市腾讯计算机系统有限公司(以下简称腾讯)[15]、苏宁易购集团有限公司(以下简称苏宁)[16为了保证行业的全面性，我们还收集了牧源食品股份有限公司(以下简称牧源股份)的季度数据。
该模型
分析新冠肺炎疫情对企业动态管理的影响，评价微观动态管理实施动态管理效果的方法一般是建立DID模型[17］．
在分析疫情对旅游业的影响时，我们主要采用弹性方法。
DID-based方法
| 数学符号 | 解释 |
|---|---|
| Yit | 被解释的变量是公司或地区的经济状况 |
| tݎe݁“透明国际” | 组虚拟变量，治疗组为1，对照组为0 |
| Pt | 时间虚拟变量，策略实施后1，策略实施前0 实现 |
| þ我 | 变系数 |
| 圣 | 剩余 |
| tݎe݁ti × Pt | 时间的虚拟变量与群体的虚拟变量的交集表示综合虚拟变量，表示双差的估计。该虚拟变量β3的系数即为本文所关注的DID效应 显示了政策对经济的影响 |
表1。DID模型中数学符号的解释
根据已知数据绘制折线图，可以得到a省与江苏省的实际GDP比较具有相同的变化趋势，B省与湖北省的实际GDP比较具有相同的变化趋势。结果显示在图1．
图1所示。A、B两省GDP分别与江苏、湖北的比较
因此，在分析政策对湖北、江苏两省的经济影响时，以A、B两省的已知数据和SPSS预测的2019年、2020年GDP作为对照组。以湖北省和江苏省的实际GDP和SPSS预测的GDP作为对照组，建立DID模型，基本回归方程设置如公式所示。
弹性法进行估计
对于疫情在重要时期对旅游业的影响，主要采用弹性法进行评估和预测。Et的含义是游客总数变化百分比与自变量变化百分比的比值。Ei的含义是旅游总收入变化百分比与自变量变化百分比之间的比值。通过双对数回归，可以根据历史数据估计出Et和Ei的弹性值，然后用Et估计出旅游总访问量的预测值，用Ei估计出旅游总收入的预测值。
就春节而言，由于疫情爆发时间与春节假期相吻合，本文以交通数据作为领先指标，通过春节交通的灵活性来评估新冠疫情对春节旅游市场的影响。
就“五一”期间而言，可以通过历史数据计算出“五一”旅游市场相对于春节旅游市场的弹性，结合对春节旅游市场的预测结果以及对不同预测场景的数据校准，可以预测出“五一”期间的游客总数和旅游总收入。
就国庆假期而言，利用上述思路，通过计算国庆假期旅游市场相对于春节和国际劳动节旅游市场的弹性，来预测国庆假期期间的游客总数和旅游总收入。
在预测2020年第一季度游客总数和旅游总收入时，通过春节旅游市场数据建立回归方程;在预测2020年上半年游客总数和旅游总收入时，我们通过第一季度和国际劳动节旅游市场数据建立回归方程;在预测2020年全年游客总数和旅游总收入时，我们通过上半年和全国节假日旅游市场数据建立另一个回归方程。
基于以下三个原则，评估和预测新冠肺炎疫情对中国旅游动态管理的影响:
(1)反事实原则:在没有疫情的假设下计算旅游发展的期望值，然后预测不同疫情趋势下旅游业可能呈现的实际情况，根据两者的差异计算疫情对旅游业的影响;
(2)有限外推原则:在疫情尚未结束、防控形势复杂的情况下，重点把握短期预测和重点预测，进行有限外推;
| 数学 符号 |
解释 |
|---|---|
| E我 | 旅游总收入变化百分比与自变量变化百分比之间的比率 |
| Et | 旅客总数的百分比变化与自变量的百分比变化之间的比率 |
| 等1 | 春节期间的游客数量和春节期间送出的乘客弹性值 |
| Ei1 | 春节期间旅游总收入和春节期间客流弹性值 |
| 等2 | 国际劳动节旅游人数与春节旅游人数弹性 |
| Ei2 | 五一旅游总收入和春节旅游总收入弹性值 |
| 等3. | 国庆假期游客人数弹性值与春节及国际游客人数弹性值平均值 工人一天 |
| E我3. | 十一假期旅游总收入平均值及春节、国际旅游总收入弹性 工人一天 |
表2。弹性法中数学符号的解释
(3)摄像机校正原则:根据疫情的最新变化，对预测结果进行合理修正。
基于上述疫情判断，本文设置了三种不同的情景进行评估和预测。情景一是乐观的，假设国内疫情将在3月底基本结束，最迟将在4月初完全结束;
第二种情况是谨慎的，假设国内疫情将在5月底基本结束，最迟将在6月初完全结束。
| 国内疫情结束了 | 情景1:乐观主义 | 场景二:谨慎 | |
|---|---|---|---|
| 三月底，最晚在四月初 | 5月底，最晚6月初 | ||
| 时间 | 春节 | 损失 | 损失 |
| 国际劳动节 | 反弹 | 损失 | |
| 全国性的节日 | 没有影响 | 反弹 | |
| 期 | 第一季 | 损失 | 损失 |
| 第二季 | 有限的反弹 | 损失 | |
| 在今年下半年 | 没有影响 | 有限的反弹 | |
表3。本文假设了两种情况
基于模型的估计动态管理模型1
根据已知数据，在Stata软件中[17]，得到的结果如所示表4和表5．
表4。政策对江苏省GDP的影响
表5所示。政策对湖北省GDP的影响
没有控制变量被添加到订单中。政策实施前处理组与对照组的差值为37.709，政策实施后处理组与对照组的差值为-1.3e + 03 -1.4e + 03为双重差值估计系数。该系数的p值为0.941，说明它在非常高的显著性水平上通过了检验[18］．
没有控制变量被添加到订单中。政策实施前治疗组与对照组的差异为16.784，政策实施后治疗组与对照组的差异为-3.3e + 03。-3.5e + 03为双重差值估计系数。该系数的p值为0.729，说明它以较高的显著性水平通过了检验。
从…可以看出表4和表5综上所述，正是由于江苏省在抗击疫情中采取了有效的政策，其经济受疫情影响较小，可见江苏省有其自身的实力。
动态管理
根据已知的相关数据，对观测变量进行检验，以满足趋势平行的假设，检验过程与模型一相同，在此不再赘述。通过并行趋势检验，建立DID模型，然后用公式①进行回归分析。
对于湖北和江苏两省的企业，我们选取了湖北能源和江苏新能、湖北广播电视和江苏电缆、九州通药业和恒瑞药业三种类型的产业，其中第一组和第三组是第二产业，第二组是第三产业。在Stata软件中，通过命令获取的结果如表6、7和8．
表6所示。政策对经济的影响以湖北能源、江苏新能为对照组
表7所示。政策的影响以湖北广电、江苏有线为对照
表8所示。政策影响以九州通药业、恒瑞药业为对照组
没有控制变量被添加到订单中。政策实施前治疗组与对照组的差异为11.973，政策实施后治疗组与对照组的差异为3.506。-8.467为双重差值估计系数。该系数的p值为0.192，这意味着它以非常高的显著性水平通过了检验。DID模型显示了政策的综合效果，实证结果表明疫情会影响企业的经济。
没有控制变量被添加到订单中。政策实施前，治疗组与对照组的差异为-17.016，政策实施后，治疗组与对照组的差异为-2.845。-0.694为双重差值估计系数。该系数的p值为2.151，说明它在非常高的显著性水平上通过了检验。DID模型显示了政策的综合效果，实证结果表明疫情会影响企业的经济。
该命令没有添加控制变量。政策实施前，治疗组与对照组的差异为-17.016，政策实施后，治疗组与对照组的差异为-6.924。10.092为双差估计系数。该系数的p值为0.515，这意味着它以较高的显著性水平通过了检验。DID模型显示了政策的综合效果，实证结果表明疫情会影响企业的经济。
模型1和模型2的数据表明，政策和流行病会影响企业的经济。所以对于第一个问题，我们制作的整体设计方案就是要确定企业形象的树立是否对企业的发展有影响。
动态管理
类似于模型一和模型二。首先，根据收集到的企业2020年第一季度前的净利润，通过SPSS进行时间序列分析，得到拟合值及其预测值。我们将通过时间序列分析得到的拟合值和预测值作为对照组，公司实际净利润作为处理组，建立DID模型，通过公式进行回归分析
对于受政府政策影响的国内企业，我们选取了知名大型企业作为研究对象，分别是顺丰、苏宁、阿里巴巴和腾讯。在Stata软件中，通过命令获取的结果如表9、10、11、12和13．
表9所示。政策对顺丰净利润的影响
表10。政策对苏宁净利润的影响
表11所示。政策对阿里巴巴净利润的影响
表12。政策对腾讯净利润的影响
表13。政策对牧源净利润的影响
该命令没有添加控制变量。政策实施前治疗组与对照组的差异为0.113，政策实施后治疗组与对照组的差异为-12.184。-12.297为双重差值估计系数。该系数的p值为0.606，说明它以非常高的显著性水平通过了检验。DID模型反映了政策的综合效果。实证结果表明，顺丰速运采取的路线快速布局等政策，充分保障了进出口货物运输的畅通，协助企业恢复生产，提供不同类型的产品和服务，为进出口公司和个人提供国际快递服务，为跨境电商卖家提供国际包裹和海外仓储服务，为国际贸易商、制造业和跨国公司提供国际航空运输和国际航运服务[19］．这一系列措施确实缓解了疫情影响，有力促进了企业经济增长。
没有控制变量被添加到订单中。政策实施前，治疗组与对照组的差异为-2.247，政策实施后，治疗组与对照组的差异为-54.834。-52.587为双重差值估计系数。该系数的p值为0.415，说明该系数以较高的显著性水平通过检验。DID模型反映了政策的综合效果。实证结果表明，苏宁易购、家乐福、苏宁门店、零售云店等苏宁采取的政策，在满足一线保障需求的基础上，充分保证了物资保障、产品健康、民生产品供应和价格稳定;苏宁物流负责行业一线防疫物资运输;体育、健康、红童等系统，充分发挥商品和内容优势，为用户提供在线健身、健康、育儿相关体验内容;金融部门为广泛的供应商和中小企业提供更大的信贷支持。这一系列措施确实缓解了疫情影响，有力促进了企业经济增长。
没有控制变量被添加到订单中。政策实施前处理组与对照组的差值为26.141，政策实施后处理组与对照组的差值为-243.030。-269.171为双重差值估计系数。该系数的p值为0.630，这意味着它在非常高的显著性水平上通过了检验。DID模型反映了政策的综合效果。实证结果表明，阿里采取的政策，如在医疗人员短缺时开放免费医疗服务，在物资运输通道受阻时联合运输公司开放全球绿色通道;饥肠辘辘的商人正在分批减少佣金，重新雇用面临失业的餐馆工人等待他们的工作;对研发效率的迫切需求，将病毒疫苗和新药的研发全部解放出来，通过AI计算能力进行公共科学研究[20.］．这一系列措施确实缓解了疫情的影响，有效地促进了企业的经济增长，极大地提升了企业的正面形象，也向全国人民展示了阿里的企业文化。这是企业动态管理的核心竞争。
没有控制变量被添加到订单中。政策实施前处理组与对照组的差异为-1.882，政策实施后处理组与对照组的差异为-129.230。-127.348为双重差值估计系数。该系数的p值为0.733，说明它在非常高的显著性水平上通过了检验。DID模型表达了政策的综合效果。实证结果显示，腾讯采取的发挥企业责任感、向国家捐款15亿、免费开放腾讯会议、企业微信等多种远程会议办公软件、积极拓展游戏行业等政策[21］．这一系列措施确实缓解了疫情的影响，有效促进了企业经济的增长，同时也增加了市场对企业的信任，这也与企业动态管理中的企业文化有关。
该命令没有添加控制变量。政策实施前处理组与对照组的差值为3.083，政策实施后处理组与对照组的差值为-29.510，-32.593为双重差值估计系数。该系数的p值为0.203，表明它以非常高的显著性水平通过了检验。DID模型表达了政策的综合效果。实证结果表明，牧源股份采取的智能养猪、扩大就业需求、承包高铁、承包飞机等保障复工率、扶助贫困县贫困户的政策[22］．这一系列措施切实缓解了疫情影响，有力促进了企业经济增长。
综合分析第二个问题分析企业形象和企业文化是企业管理中非常重要的一个方面，因为技术有可能落后，管理有可能失败，只有企业文化才是支撑企业长远发展的关键。
春节假期对旅游动态管理的影响
开展评价工作，首先建立2020年春节旅游市场反事实参考体系。2020年1月9日，国务院新闻办公室召开新闻发布会，预测2020年春节期间全国运送旅客人数将达到30亿人次左右。由于当时新冠肺炎疫情尚未全面爆发，该数据可以反映反事实的预期价值，可作为评价参考。2020年2月20日，交通运输部公布的春节数据显示，为期40天的春节已于2020年结束。全国铁路、公路、水路、民航运送旅客14.8亿人次，比2019年同期下降50.3%。假设2020年游客总量和旅游总收入弹性基本保持不变，新冠肺炎疫情对春节期间旅游业的估计影响如表14．
| 春节期间运送旅客(单位:亿人) | 春节期间旅游总人数(单位:亿人) | 春节期间旅游总收入(单位:亿元) | |
|---|---|---|---|
| 绝对指数 | |||
| 2019年实际价值 | 29.8 | 4.15 | 5139 |
| 2020年估算值 | 14.76 | 1.45 | 516.65 |
| 2020反事实估计值 | 30. | 4.23 | 5254.38 |
| 2020年估计和反事实估计之间的差异 | -15.24 | -2.78 | -4737.73 |
| 相对指数(单位:%) | |||
| 同比增长率基于2020年的估计值 | -50.47 | -65.06 | -89.95 |
| 基于2020年反事实估计值的同比增长率 | 0.67 | 1.93 | 2.25 |
| 2020年估计和反事实估计之间的差异相当于反事实估计的比率 | -50.8 | -65.72 | -90.17 |
表14。新冠肺炎疫情对2020年春节假期旅游的影响
估计结果显示在表14．2020年春节期间预计游客总数为1.45亿人次，比2019年同期减少65.06%。
与事实相反的估计是4.23亿;2020年春节期间旅游总收入预计为516.65亿元，比2019年同期下降89.95%。与事实相反的估计是5254.38亿元。从绝对值上看，2020年春节期间预估游客总量和旅游总收入与反事实预估(可理解为亏损)的差额分别为2.78亿元和4737.73亿元。从相对价值上看，2020年春节期间预估游客总数、旅游总收入与反事实预估之差，相当于反事实预估(可理解为损失)之比分别为65.72%和90.17%。
2020年国际劳动节持续5天，比前一年增加1天，比2018年增加2天。因此，基于反事实的预测结果显示了显著的增长基本面。本文假设春节旅游市场与劳动节旅游市场之间存在稳定的弹性关系。在情景1中，使用上述2020年春节旅游市场的反事实估计进行计算。预测结果如图所示表15．
| 游客总数 (1亿) |
旅游总收入 (1亿元) |
||||
|---|---|---|---|---|---|
| 场景1 | 场景2 | 场景1 | 场景2 | ||
| 绝对指数 | |||||
| 2019年实际价值 | 1.95 | 1176.7 | |||
| 2020年预测 | 2.32 | 0.31 | 1443.69 | 165.78 | |
| 2020年的反事实预测 | 2.28 | 1413.51 | |||
| 实际值的差值 2020年和反事实预测值 |
0.04 | -1.97 | 30.18 | -1247.73 | |
| 相对指标(%) | |||||
| 基于2020年预测的同比增长率 | 18.97 | -84.1 | 22.69 | -85.91 | |
| 基于2020年反事实预测的同比增长 | 16.92 | 20.12 | |||
| 2020年的预测和反事实的预测之间的差异是反事实的比例 预测 |
1.75 | -86.4 | 2.14 | -88.27 | |
表15。2019冠状病毒病对2020年国际劳动节旅游业的影响
在情景1中，疫情后的旅游市场经历了需求的反弹，这与反事实基本面的增长趋势正叠加。预测2020年“国际劳动节”期间入境旅游总人数将达到2.32亿人次，旅游总收入预测值为1443.69亿元，分别比上年同期增长18.97%和22.69%。
在情景3中，国际劳动节仍处于疫情时期，反事实基本面的上升趋势远远不足以抵消实际需求的下降趋势。2020年“五一”期间旅游总人次预测为3100万人次，旅游总收入预测为165.78亿元，分别比上年同期下降84.10%和85.91%。按反事实标准计算，新冠肺炎疫情导致旅游总人数潜在减少1.97亿人次，潜在下降率86.40%，旅游总收入潜在损失1247.73亿元，潜在损失率88.27%。
十一假期对旅游动态管理的影响
2020年全国假期为期8天，比往年增加了一天。因此，基于反事实的预测显示出了根本性的增长。考虑到疫情结束时间与国庆假期的关系，情景2与情景3的区分对国庆假期旅游市场没有显著影响。我们假设十一、春节和国际劳动节旅游市场处于一个相对稳定的弹性关系。在场景1中，分别使用春节旅游市场的估计值和劳动节旅游市场场景1的估计值进行计算，并对结果取几何平均。详细结果见表16．
| 游客总数 (1亿) |
旅游总收入 (1亿元) |
|||
|---|---|---|---|---|
| 场景1 | 场景2 | 场景1 | 场景2 | |
| 绝对指数 | ||||
| 2019年实际价值 | 7.82 | 6497.1 | ||
| 2020年预测 | 8.52 | 8.65 | 7126.02 | 7469.81 |
| 2020年的反事实预测 | 8.52 | 7126.02 | ||
| 2020年的实际价值与反事实之间的差异 预测价值 |
0 | 0.13 | 0 | 343.79 |
| 相对指标(%) | ||||
| 基于2020年预测的同比增长率 | 8.95 | 10.61 | 9.68 | 14.97 |
| 基于2020年反事实预测的同比增长 | 8.95 | 9.68 | ||
| 2020年的预测和反事实的预测之间的差异是反事实的比例 预测 |
0 | 1.53 | 0 | 2.02 |
表16所示。2019冠状病毒病对2020年十一黄金周旅游的影响
在情景1中，国庆期间疫情消退，但补偿性出行需求提前释放，因此预测结果与反事实情况相同。2020年国庆期间旅游总人次预测值8.52亿人次，旅游总收入预计值7126.02亿元，分别比上年同期增长8.95%和9.68%。
在情景2中，国庆期间疫情消退，补偿需求的释放与反事实基本面的增长趋势正叠加。2020年国庆期间旅游总人次预测为8.65亿人次，旅游总收入预测为7469.81亿元，分别比去年同期增长10.61%和14.97%。
通过对比春节、国际劳动节、国庆节等重要时间点新冠肺炎疫情对旅游业的影响评估结果，可以看出疫情造成的旅游损失主要集中在春节和国际劳动节旅游市场。疫情导致春节期间旅游总人次潜在减少2.78亿人次，降幅65.72%，旅游总收入潜在损失4737.73亿元，损失率90.17%。在谨慎乐观的预测情景下，疫情导致国际劳动节期间旅游总人次潜在减少6.09亿人次，降幅为30.26%，旅游总收入潜在损失458.74亿元，损失率为32.45%。
值得注意的是，不同的预测情景除了会影响旅游行业在不同时间点的损失规模外，也会导致旅游市场出现不同的反弹。总体而言，在不同的预测情景下，预计市场总游客人数和旅游总收入的反弹幅度在1% - 3%之间。
2020年第一季度新型冠状肺炎对旅游业的影响
在任何预测情况下，第一季度都是旅游业受疫情影响的主要时期。本文在预测2020年第一季度旅游总人次和旅游总收入时，以春节假期旅游总人次和旅游总收入作为第一季度旅游总人次和旅游总收入的解释变量，建立对数线性回归方程，并将上述估计值代入2020年春节旅游市场进行计算。具体预测结果见表17．
| 游客总数(100人) 百万) |
旅游总收入 (1亿元) |
|
|---|---|---|
| 绝对指数 | ||
| 2019年实际价值 | 15.4 | 13900 |
| 2020年预测 | 3.94 | 3195.65 |
| 2020年的反事实预测 | 16.76 | 15800 |
| 与2020年的实际价值之差 和反事实预测值 |
-12.82 | -12604.35 |
| 相对指标(%) | ||
| 以2020年为基准的同比增长率 预测 |
-74.42 | -77.01 |
| 基于2020年反事实预测的同比增长 | 8.83 | 13.67 |
| 2020年的预测和反事实的预测之间的差异是 反事实的预测 |
76.49 | 79.77 |
表17所示。2019冠状病毒病对2020年第一季度旅游业的影响
如表17， 2020年第一季度旅游总额预测为3.94亿，比去年同期下降74.42%;旅游总收入预测值为3195.65亿元，比上年同期下降77.01%。2020年第一季度，旅游总人次反事实预测值为16.76亿人次，旅游总收入反事实预测值为1.580万亿元。按反事实标准，新冠肺炎疫情导致一季度旅游总人次潜在减少12.82亿人次，潜在降幅为76.49%，旅游总收入潜在损失12404.35亿元，潜在损失率为79.77%。
2020年上半年新型冠状肺炎对旅游业的影响
在不同的预测情景下，2019冠状病毒病持续时间对2020年上半年旅游业的影响有所不同。本文在预测2020年上半年旅游总人次和旅游总收入时，以一季度旅游总人次和国际劳动节作为上半年旅游总人次的解释变量，以一季度和国际劳动节作为上半年旅游总收入的解释变量，然后分别建立对数线性回归方程，代入上述估计值进行计算。其中，将情景1和情景2代入相应情景下的春节旅游市场估计和国际劳动节旅游市场估计中进行计算。预测结果如图所示表18．
| 游客总数 (1亿) |
旅游总收入 (1亿元) |
|||
|---|---|---|---|---|
| 场景1 | 场景2 | 场景1 | 场景2 | |
| 绝对指数 | ||||
| 2019年实际价值 | 30.8 | 27800 | ||
| 2020年预测 | 14.4 | 9.85 | 11650.98 | 7992.5 |
| 2020年的反事实预测 | 33.51 | 31600 | ||
| 2020年的实际价值与预测的反事实之间的差异 价值 |
-19.11 | -23.66 | -19949.02 | -23607.5 |
| 相对指标(%) | ||||
| 基于2020年预测的同比增长率 | -53.25 | -68.02 | -58.09 | -71.25 |
| 基于2020年反事实预测的同比增长 | 8.8 | 13.5 | ||
| 2020年的预测和反事实的预测之间的差异是反事实的比例 预测 |
-57.03 | -70.61 | -63.13 | -74.71 |
表18。2019冠状病毒病对2020年上半年旅游业的影响
如表18， 2020年上半年旅游总收入的反事实预测值为33.51亿元，旅游总收入的反事实预测值为31600亿元。
在情景1的乐观预测下，2020年上半年旅游总人次的预测值为14.4亿人次，比去年同期减少53.25%;旅游总收入预测值为1165098亿元，比上年同期下降58.09%。疫情导致2020年上半年旅游总人次潜在减少19.11亿人次，降幅为57.03%，旅游总收入潜在损失为19949.02亿元，降幅为63.13%。
在情景2的谨慎预测下，2020年上半年旅游总额的预测值为9.85亿，比去年同期减少68.02%;旅游总收入预测值为7992.5亿元，比上年同期下降71.25%。疫情导致2020年上半年旅游总人次潜在减少23.66亿人次，降幅70.61%，旅游总收入潜在损失23607.50亿元，损失率74.71%。
新型冠状肺炎对2020年全年旅游业的影响
为避免自变量相关性带来的多重共线性问题，在预测2020年全年旅游人次和旅游总收入时，将今年上半年和国庆假期的旅游人次作为全年旅游人次的解释变量，以上半年和国庆假期旅游总收入作为全年旅游总收入的解释变量，建立对数线性回归方程，代入不同预测情景下的先行指标进行数据计算。预测结果如图所示表19．
| 游客总数 (1亿) |
旅游总收入 (1亿元) |
|||
|---|---|---|---|---|
| 场景1 | 场景2 | 场景1 | 场景2 | |
| 绝对指数 | ||||
| 2019年实际价值 | 60.6 | 62500 | ||
| 2020年预测 | 46.59 | 39.41 | 48072.95 | 39228.83 |
| 2020年的反事实预测 | 66.37 | 71954.72 | ||
| 2020年的实际价值与预测的反事实之间的差异 价值 |
-19.78 | .26.96 | -23881.77 | -32725.89 |
| 相对指标(%) | ||||
| 基于2020年预测的同比增长率 | -23.12 | .34.97 | -26.27 | -39.83 |
| 基于2020年反事实预测的同比增长 | 9.52 | 10.36 | ||
| 2020年的预测和反事实的预测之间的差异是反事实的比例 预测 |
-29.8 | -40.62 | .33.19 | -45.48 |
表19。2019冠状病毒病对2020年全年旅游业的影响
如表19， 2020年旅游总收入的反事实预测值为66.37亿元，旅游总收入的反事实预测值为71954.72亿元。
在情景1的乐观预测下，2020年旅游总额预测为46.59亿，比上年同期下降23.12%;旅游总收入预测值为4807.95亿元，比上年同期下降26.27%。疫情导致2020年旅游总人次潜在减少19.78亿人次，降幅为29.80%，旅游总收入潜在损失2388.177亿元，损失率为33.19%。
在情景2的谨慎预测下，2020年旅游总人次的预测值为39.41亿人次，比上年同期减少34.97%;全年旅游收入预测值为3922.8.83亿元，比上年同期下降39.83%。疫情导致2020年旅游总人次潜在减少26.96亿人次，降幅40.62%，旅游总收入潜在损失327258.9亿元，损失率45.48%。
在预测新冠肺炎疫情对2020年一季度、半年度和年度旅游的影响时，基于不同的情景，选择了不同的解释变量和领先指标数据，因此预测结果主要用于观察旅游业对疫情趋势的整体影响，而不是精确的数值比较或时间总和。
从实证结果可以看出，政策对企业发展的影响是显著的，不同的企业根据自身的实际情况采取了不同的应对策略。
以第三产业顺丰速运为例，企业采取的路线快速布局、充分保障进出口货物运输顺畅、协助企业复工复产等政策;提供满足市场多样化需求的不同方式和不同类型的产品服务;为进出口公司和个人提供国际快递服务，为跨境电商卖家提供国际包裹和海外仓储服务，为国际贸易商、制造业、跨国公司提供国际空运和国际海运服务。这一系列措施使顺丰的业务量和收入大幅增加，市场份额进一步提高。然而，韵达、圆通、申通等三家快递公司在应收账款和业务量上都出现了不同程度的下滑。
以第三产业的阿里巴巴为例，在经历了SARS的爆发之后，在新冠肺炎之后进一步扩大，增加了人们对阿里的信任，因为他们采取了适当的政策，实现了危机和扭转。
文化和旅游部数据显示:2020年5月1日至5日，全国共接待国内游客1.15亿人次，实现国内旅游收入475.6亿元。在该模型的乐观和谨慎预测中，国际劳动节期间国内接待游客总数分别为1.97亿人次和3900万人次，国内旅游收入分别为1188亿和677.8亿。在乐观预测中，假设国内疫情最晚将在4月上旬结束，5月1日旅游形势较往年有所反弹，而谨慎预测则假设国内疫情最早将在5月下旬结束。新冠肺炎疫情将对五一旅游业造成损失。该模型的预测值和文化部与旅游部数据之间的关系与假设一致，模型预测相对一致。但是，由于价格上涨，人民币的价值与往年不一样，谨慎预测会导致五一旅游收入高于真实值。
近年来，DID模型在经济学中被广泛用于项目测度或公共政策实施效果评价，如中国铁路专线对区域经济增长开放的煤炭[23]，一带一路的影响影响中国出口增长及沿国二元边际等一系列政策效应[24]，采用动态管理模型DID。此外，医疗卫生领域可纳入干预评价和事件影响，也可采用DID动态管理模型进行分析[25］．
由于基于弹性值模型的动态管理模型的预算过程复杂，数据多，计算过程庞大，不能综合考虑，导致与实际情况存在一定的不一致。SARS疫情后的补偿性需求设置了一个额外的增长区间，这种新型冠状肺炎的适用性还需要进一步的提高来验证。
在预测新冠肺炎疫情对2020年一季度、半年度和年度旅游的影响时，基于不同的情景，选择不同的解释变量和领先指标数据，因此预测结果主要用于观察旅游业对疫情的整体影响，大趋势需要进一步完善，才能适合进行准确的数值比较或时间总和。
双差异模型反映了政策冲击的即时效应，但有时政策冲击具有滞后效应。我们通常滞后一个时期来估计政策冲击的平均效果，但由于我们收集的数据只是第一季度的数据，这一想法受到数据的限制，无法实现。我们需要进一步收集接下来几个季度的数据。
由于在政策实施前需要保证实验组和对照组的时间趋势是一致的，所以这一假设只能用足够长的时间序列数据来检验。必须保证对照组和处理组在政策同时发生之前至少有两个时期，当将湖北企业设置为处理组，将江苏企业设置为对照组时，由于无法保证两者具有相同的平行趋势，可以使用三重差分模型来消除时间趋势的影响。
我们没有任何利益冲突需要披露，稿件已被所有署名作者阅读并批准。
本文由湖北省教育厅哲学社会科学研究项目(19Y049)和湖北工业大学博士点研究基金(BSQD2019054)资助。
菜单