張?jiān)禄ǎ?楊 林， 薛偉賢,2

(1.西安理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院， 陜西 西安 710054；2.西安市科技創(chuàng)新智庫(kù) 社會(huì)經(jīng)濟(jì)系統(tǒng)管理與政策研究院， 陜西 西安 710054)

2020年，“黑天鵝”事件——新冠疫情的爆發(fā)對(duì)我國(guó)制造業(yè)產(chǎn)生了巨大沖擊。據(jù)國(guó)家統(tǒng)計(jì)局公布數(shù)據(jù)，2月份我國(guó)制造業(yè)采購(gòu)經(jīng)理指數(shù)(PMI)為35.7%，較1月份下降14.3個(gè)百分點(diǎn)；同時(shí)，1～2月份我國(guó)規(guī)模以上工業(yè)增加值下降13.5%，其中制造業(yè)下降15.7%，第二產(chǎn)業(yè)第一季度增加值同比下跌9.6%，上半年第二產(chǎn)業(yè)增加值下降1.9%。受疫情影響，多家制造企業(yè)舉步維艱甚至走向破產(chǎn)，如大型輪胎制造企業(yè)浙江富輪橡膠化工集團(tuán)、大型汽車(chē)制造企業(yè)華晨汽車(chē)集團(tuán)控股公司等相繼破產(chǎn)，疫情使制造業(yè)發(fā)展面臨巨大挑戰(zhàn)。

股票市場(chǎng)是反映行業(yè)、企業(yè)發(fā)展?fàn)顩r的“顯示器”，圖1為綜合日市場(chǎng)回報(bào)率。如圖1所示，隨著疫情形勢(shì)逐步惡化，市場(chǎng)出現(xiàn)恐慌情緒，在2月3日，綜合日市場(chǎng)回報(bào)率跌至谷底，股市劇烈震蕩，行業(yè)、企業(yè)發(fā)展遭受重創(chuàng)?；诠善笔袌?chǎng)對(duì)突發(fā)公共事件的敏感度,大多數(shù)國(guó)內(nèi)外學(xué)者從住宿業(yè)[1]、醫(yī)藥業(yè)[2，3]等行業(yè)角度，著重研究股票市場(chǎng)對(duì)突發(fā)公共事件的反應(yīng)，而鮮有學(xué)者從股票市場(chǎng)角度，側(cè)重研究突發(fā)公共事件對(duì)行業(yè)的影響。此外，諸多學(xué)者集中于從產(chǎn)業(yè)鏈[4]、供應(yīng)鏈[5]角度探討此次疫情對(duì)制造業(yè)的影響，但鮮有學(xué)者采用定量分析方法，研究突發(fā)公共事件對(duì)制造業(yè)股票市場(chǎng)回報(bào)的影響。

圖1 綜合日市場(chǎng)回報(bào)率Fig.1 Daily composite return of market(數(shù)據(jù)來(lái)源于國(guó)泰安CSMAR)

本文聚焦重大突發(fā)公共事件，從股票市場(chǎng)角度，采用定量分析方法，研究突發(fā)公共事件對(duì)制造業(yè)股票市場(chǎng)回報(bào)的影響，并進(jìn)一步考察其對(duì)制造業(yè)發(fā)展的影響。這對(duì)我國(guó)政府、企業(yè)應(yīng)對(duì)突發(fā)公共事件制定針對(duì)性行業(yè)政策與應(yīng)急措施以及投資者對(duì)突發(fā)公共事件與股票市場(chǎng)回報(bào)間的聯(lián)系認(rèn)知與決策分析，都將具有及其重要的意義。

1 文獻(xiàn)回顧

分析重大突發(fā)公共事件對(duì)經(jīng)濟(jì)社會(huì)、行業(yè)發(fā)展的重要影響是諸多學(xué)者研究的熱點(diǎn)。就突發(fā)公共事件對(duì)行業(yè)發(fā)展的影響而言，國(guó)內(nèi)外學(xué)者主要聚焦于其對(duì)商業(yè)[6]、旅游業(yè)[7,8]、酒店住宿業(yè)[9]以及飛機(jī)制造業(yè)[10]等行業(yè)的影響。對(duì)于此次新冠疫情，諸多學(xué)者則集中于其對(duì)旅游業(yè)[11,12]、酒店住宿業(yè)[13,14]、乳制品行業(yè)[15]、資產(chǎn)評(píng)估行業(yè)[16]、保險(xiǎn)業(yè)[17]等的影響。而論及此次疫情對(duì)我國(guó)制造業(yè)的影響，大部分學(xué)者則是從產(chǎn)業(yè)鏈[18]、供應(yīng)鏈[19]角度出發(fā)，通過(guò)定性分析方法，探討其影響并提出應(yīng)對(duì)策略。

股票市場(chǎng)作為金融學(xué)研究的重點(diǎn)，在突發(fā)公共事件的大背景下，多數(shù)學(xué)者以投資者的非理性行為為出發(fā)點(diǎn)，認(rèn)為突發(fā)公共事件出現(xiàn)后，投資者往往比較悲觀，其負(fù)面情緒反映在股票市場(chǎng)上便是不愿意投資，這會(huì)對(duì)股票市場(chǎng)產(chǎn)生負(fù)面影響，使股價(jià)大跌[20,21]；也有學(xué)者認(rèn)為，消費(fèi)者、商業(yè)信心和投資者對(duì)未來(lái)經(jīng)濟(jì)的預(yù)期，在很大程度上取決于突發(fā)公共事件的持續(xù)時(shí)間和其未來(lái)卷土重來(lái)的幾率[22]，而當(dāng)此類突發(fā)公共事件反復(fù)出現(xiàn)時(shí)，其對(duì)股票市場(chǎng)的影響將微乎其微甚至沒(méi)有[23-25]。此外，也有部分學(xué)者直接研究了突發(fā)公共事件對(duì)股票市場(chǎng)的影響，早期的相關(guān)研究，例如“9·11”恐怖襲擊[26]、“5·12”汶川地震[27]、重大政治事件[28]、埃博拉病毒爆發(fā)[29]等，都會(huì)影響股票市場(chǎng)收益情況。

當(dāng)前，鮮有學(xué)者從股票市場(chǎng)角度，側(cè)重研究新冠疫情對(duì)行業(yè)發(fā)展的影響。因此，本文選取滬、深兩市所有制造業(yè)上市公司面板數(shù)據(jù)，采用固定效應(yīng)模型，基于股票市場(chǎng)回報(bào)，實(shí)證研究新冠疫情對(duì)制造業(yè)的影響，并就政府和制造型企業(yè)如何應(yīng)對(duì)突發(fā)公共事件提出有效建議。

2 研究假設(shè)

自2020年1月11日(1)2020年1月11日，國(guó)家衛(wèi)健委開(kāi)始公布新冠疫情相關(guān)數(shù)據(jù)。因此，將其視為此次疫情爆發(fā)的時(shí)間起始點(diǎn)。新冠疫情爆發(fā)以來(lái)，縱觀整個(gè)疫情發(fā)展過(guò)程(見(jiàn)圖2)，可將其大致分為三個(gè)階段：1月11日起至1月23日(2)2020年1月23日，按照疫情防控指揮部通告，武漢全市城市公交、地鐵等暫停運(yùn)營(yíng)，機(jī)場(chǎng)等離漢通道暫時(shí)關(guān)閉。視為“疫情爆發(fā)初期”，此后至3月上旬視為“遏疫階段”，之后視為“緩疫階段”。由圖2可以看出，2月是疫情最為嚴(yán)重的時(shí)期，且死亡病例增長(zhǎng)速度相較于確診病例增長(zhǎng)速度在時(shí)間上存在滯后性；3月份以后，疫情防控逐步步入常態(tài)化，確診和死亡病例均維持在較低水平。

圖2 確診、死亡病例增長(zhǎng)速度變化趨勢(shì)Fig.2 Trends at the rate of increase in confirmed and fatal cases(數(shù)據(jù)來(lái)源于國(guó)泰安CSMAR)

下面討論此次疫情對(duì)股票市場(chǎng)回報(bào)的影響。Abdullah等[30]研究得出，我國(guó)股票市場(chǎng)回報(bào)與新冠疫情確診病例及死亡病例增長(zhǎng)速度均呈線性負(fù)相關(guān)關(guān)系；而陳林和曲曉輝[31]發(fā)現(xiàn)，確診病例增長(zhǎng)速度與股票市場(chǎng)回報(bào)呈倒“U”型關(guān)系，死亡病例增長(zhǎng)速度與股票市場(chǎng)回報(bào)呈“U”型關(guān)系。而從制造業(yè)角度出發(fā)，理論上，疫情造成社會(huì)有效需求不足、企業(yè)產(chǎn)業(yè)鏈和供應(yīng)鏈面臨中斷風(fēng)險(xiǎn)、企業(yè)經(jīng)營(yíng)效益欠佳等，使制造業(yè)發(fā)展面臨巨大挑戰(zhàn)，其反映在股票市場(chǎng)上，則引起投資者的悲觀情緒，進(jìn)一步導(dǎo)致股市震蕩，股票市場(chǎng)回報(bào)發(fā)生相應(yīng)的變化。制造業(yè)采購(gòu)經(jīng)理指數(shù)及市盈率如圖3所示。

圖3 制造業(yè)采購(gòu)經(jīng)理指數(shù)及市盈率Fig.3 Purchasing managers’ index and price earnings ratio for manufacturing(數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局和國(guó)證指數(shù))

實(shí)踐數(shù)據(jù)表明，在疫情爆發(fā)初期，社會(huì)公眾對(duì)醫(yī)療防護(hù)需求的急劇增加以及對(duì)未來(lái)悲觀形勢(shì)的理性判斷，加之企業(yè)對(duì)疫情反應(yīng)滯后，使得疫情對(duì)制造業(yè)產(chǎn)生了短期正向影響，市盈率呈現(xiàn)小幅上升；但隨著確診病例和死亡病例的增加，進(jìn)入“遏疫階段”之后，疫情對(duì)制造業(yè)發(fā)展的邊際影響逐漸加大，此時(shí)根據(jù)國(guó)家疫情防控要求，大部分企業(yè)已停工停產(chǎn)，這嚴(yán)重妨礙了公司的正常生產(chǎn)經(jīng)營(yíng)，同時(shí)使公司面臨供應(yīng)鏈斷裂等諸多風(fēng)險(xiǎn)，制造業(yè)采購(gòu)經(jīng)理指數(shù)(PMI)急劇下降至35.7%，加之社會(huì)公眾需求不足及市場(chǎng)悲觀情緒蔓延，在2月3日，制造業(yè)市盈率降至谷底；進(jìn)入“緩疫階段”后，疫情逐步得到控制，對(duì)制造業(yè)發(fā)展的邊際影響逐漸減弱，企業(yè)陸續(xù)復(fù)工復(fù)產(chǎn)，制造業(yè)PMI指數(shù)維持在50%以上，市盈率也逐漸回升?；诖?，本文提出以下假設(shè)。

H1：在既定的條件下，我國(guó)制造業(yè)股票市場(chǎng)回報(bào)與疫情確診病例增長(zhǎng)速度呈倒“U”型關(guān)系。

H2：在既定的條件下，我國(guó)制造業(yè)股票市場(chǎng)回報(bào)與疫情死亡病例增長(zhǎng)速度呈線性負(fù)相關(guān)關(guān)系。

同時(shí)，由于不同類型制造業(yè)在產(chǎn)品需求彈性、產(chǎn)品生產(chǎn)要素供應(yīng)鏈、產(chǎn)品生產(chǎn)周期等方面存在差異，因此，提出假設(shè)H3。

H3：在既定的條件下，疫情對(duì)不同類型制造業(yè)股票市場(chǎng)回報(bào)的影響存在顯著差異。

3 變量設(shè)計(jì)與模型構(gòu)建

3.1 樣本選擇及數(shù)據(jù)來(lái)源

本研究時(shí)間窗口期為2020年1月11日至2020年7月11日，剔除股市休市日，共計(jì)得到118個(gè)股票有效交易日。同時(shí)，根據(jù)證監(jiān)會(huì)2012版行業(yè)分類，選取滬、深兩市所有制造業(yè)上市公司作為初始樣本，剔除ST類和數(shù)據(jù)缺失的上市公司，共計(jì)得到2 122家上市公司，經(jīng)過(guò)整理，最終得到250 396個(gè)實(shí)驗(yàn)面板數(shù)據(jù)。實(shí)驗(yàn)數(shù)據(jù)均來(lái)自于國(guó)泰安CSMAR數(shù)據(jù)庫(kù)。

3.2 變量設(shè)計(jì)

本文的變量設(shè)計(jì)參考文獻(xiàn)[30]。首先，將確診病例增長(zhǎng)速度和死亡病例增長(zhǎng)速度兩個(gè)指標(biāo)作為解釋變量，用以衡量新冠疫情的嚴(yán)重程度，該指標(biāo)可有效量化疫情發(fā)展形勢(shì)。其次，將公司股票回報(bào)率作為被解釋變量，用以度量制造業(yè)股票市場(chǎng)回報(bào)。此外，為了控制公司個(gè)體異質(zhì)性，選擇日個(gè)股總市值及日個(gè)股市凈率作為控制變量。變量說(shuō)明如表1所示。

表1 變量定義及說(shuō)明Tab.1 Variable definition and description

3.3 模型構(gòu)建

借鑒文獻(xiàn)[31]的研究，在設(shè)置不同控制變量條件下，以HBL為被解釋變量，QZBL、QZBL2和SWBL、SWBL2為解釋變量，采用固定效應(yīng)模型構(gòu)建多元回歸數(shù)學(xué)模型，用以檢驗(yàn)假設(shè)，即式(1)檢驗(yàn)H1，式(2)檢驗(yàn)H2，據(jù)此考察解釋變量與被解釋變量之間的動(dòng)態(tài)關(guān)系。此外，由于面板數(shù)據(jù)較多，為減少極端值對(duì)實(shí)驗(yàn)結(jié)果的影響，故對(duì)所有連續(xù)型變量進(jìn)行上下10%的縮尾處理。

1) 確診病例增長(zhǎng)速度與股票回報(bào)率多元回歸數(shù)學(xué)模型：

HBLi,t=?1×QZBLt+?2×QZBLt2+

?3×SJLi,t+?4×ZSZi,t+C+φ

(1)

2) 死亡病例增長(zhǎng)速度與股票回報(bào)率多元回歸數(shù)學(xué)模型：

HBLi,t=β1×SWBLt+β2×SWBLt2+

β3×SJLi,t+β4×ZSZi,t+C+φ

(2)

其中，?i、βi(i=1,2,3,4)為解釋變量的偏回歸系數(shù)，用以描述其對(duì)被解釋變量的貢獻(xiàn)度；C為其他變量;φ為隨機(jī)擾動(dòng)項(xiàng)。

4 實(shí)證結(jié)果分析

4.1 描述性統(tǒng)計(jì)分析

利用Stata 16.0對(duì)實(shí)驗(yàn)相關(guān)變量進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表2所示。由表2可知，QZBL、SWBL指標(biāo)的均值比最大值更加接近于最小值，說(shuō)明疫情的嚴(yán)重程度正逐步趨向緩和；此外，HBL最大值為0.200 1，最小值為-0.200 2，其正負(fù)方向并不一致，這可能是醫(yī)藥類等制造型企業(yè)在疫情影響下股票收益呈現(xiàn)上漲，同時(shí)另外一些制造型企業(yè)受疫情影響股價(jià)大跌所致。

表2 變量描述性統(tǒng)計(jì)Tab.2 Variable descriptive statistics

4.2 多元回歸分析

1) 確診病例增長(zhǎng)速度與股票回報(bào)率多元回歸分析

利用Stata 16.0，采用固定效應(yīng)模型，將面板數(shù)據(jù)代入式(1)，其結(jié)果如表3所示。

表3 確診病例增長(zhǎng)速度與制造業(yè)股票市場(chǎng)回報(bào)率回歸分析結(jié)果Tab.3 Regression analysis results of the growthrate of confirmed cases and the returns ofmanufacturing stock markets

從回歸分析結(jié)果可以看出，第(2)、(3)、(4)列F檢驗(yàn)的P值均為0.000 0，表明在1%的顯著性水平上拒絕混合估計(jì)模型。并且，模型經(jīng)過(guò)Hausman檢驗(yàn)，其P-值均為0.000 0，則接受原假設(shè)，拒絕隨機(jī)效應(yīng)模型。對(duì)比分析QZBL、QZBL2、SJL、ZSZ的結(jié)果可以看出，QZBL與HBL均呈顯著負(fù)相關(guān)，說(shuō)明隨著確診病例增長(zhǎng)速度的增加，股票市場(chǎng)回報(bào)率反而降低。再者，QZBL2的回歸系數(shù)均為負(fù)值，且與HBL在1%的水平上顯著相關(guān)，說(shuō)明在既定條件下，HBL與QZBL呈倒“U”型關(guān)系，H1得到驗(yàn)證。此外，SJL和ZSZ與HBL均存在顯著正相關(guān)關(guān)系，當(dāng)SJL和ZSZ增加時(shí)，表明公司發(fā)展?fàn)顩r較好，其所創(chuàng)造的價(jià)值也在逐步增加，整個(gè)行業(yè)的股票市場(chǎng)回報(bào)自然也會(huì)上升。

結(jié)果表明，確診病例增長(zhǎng)速度是造成市場(chǎng)恐慌情緒的重要影響因素。隨著疫情形勢(shì)的發(fā)展，確診病例增長(zhǎng)速度與股票市場(chǎng)回報(bào)逐步呈倒“U”型關(guān)系，其對(duì)制造業(yè)發(fā)展的邊際影響先逐漸增大再逐漸減弱，且主要表現(xiàn)為阻礙作用。

2) 死亡病例增長(zhǎng)速度與股票回報(bào)率多元回歸分析

同理，將面板數(shù)據(jù)代入式(2)，檢驗(yàn)是否存在 “U”型關(guān)系，運(yùn)行結(jié)果顯示，不存在“U”型關(guān)系，這可能有三個(gè)原因：①研究窗口期較長(zhǎng)，其中新冠疫情新增死亡病例為0例共計(jì)63天；②疫情防控進(jìn)入“常態(tài)化”后，新增死亡病例逐步降至個(gè)位數(shù)，SWBL逐步下降，而SWBL數(shù)值遠(yuǎn)小于1，因此SWBL2更小，根據(jù)國(guó)家衛(wèi)健委公布數(shù)據(jù)，3月18日SWBL2只有0.000 006(保留6位小數(shù))；③SWBL較QZBL存在時(shí)滯性，其影響程度相對(duì)較弱，對(duì)制造業(yè)發(fā)展的邊際影響更是微弱。

通過(guò)刪除SWBL2變量對(duì)模型進(jìn)行修正，將SWBL作為解釋變量，利用固定效應(yīng)模型考察其與HBL的線性關(guān)系，以驗(yàn)證H2是否成立。其回歸結(jié)果如表4所示。

表4 死亡病例增長(zhǎng)速度與制造業(yè)股票市場(chǎng)回報(bào)率回歸分析結(jié)果Tab.4 Regression analysis results of the growth rate offatal cases and the returns of manufacturing stock markets

從上述回歸分析結(jié)果可以看出，第(1)、(2)、(3)列F檢驗(yàn)的P值均為0.000 0，表明在1%的顯著性水平上拒絕混合估計(jì)模型。并且，模型經(jīng)過(guò)Hausman檢驗(yàn)，其P-值均為0.000 0，則接受原假設(shè)，拒絕隨機(jī)效應(yīng)模型。其次，對(duì)比分析SWBL、SJL、ZSZ的結(jié)果可以看出，SWBL的回歸系數(shù)均為負(fù)值，且與HBL在1%的水平上顯著相關(guān)，即說(shuō)明在既定條件下，SWBL和HBL呈線性負(fù)相關(guān)關(guān)系，H2得以驗(yàn)證。

結(jié)果表明，在整個(gè)疫情發(fā)展階段，死亡病例增長(zhǎng)速度對(duì)制造業(yè)發(fā)展的邊際影響幾乎不變，這可能緣于人們相較于確診病例增長(zhǎng)速度，對(duì)死亡病例增長(zhǎng)速度敏感性較弱。隨著疫情形勢(shì)的好轉(zhuǎn)，死亡病例逐漸減少，其增長(zhǎng)速度也逐漸下降，加之企業(yè)陸續(xù)復(fù)工復(fù)產(chǎn)，制造業(yè)股票市場(chǎng)回報(bào)呈現(xiàn)出回升的態(tài)勢(shì)，說(shuō)明股市情緒逐漸樂(lè)觀，我國(guó)制造業(yè)發(fā)展形勢(shì)整體逐步向好。

3) 新冠疫情對(duì)不同類型制造業(yè)的影響分析

根據(jù)證監(jiān)會(huì)2012版行業(yè)分類，制造業(yè)下屬類型高達(dá)31個(gè)。為進(jìn)一步考察新冠疫情對(duì)不同類型制造業(yè)的影響，探究疫情影響下不同類型制造業(yè)的股票市場(chǎng)回報(bào)是否存在差異，從中選取醫(yī)藥制造業(yè)、食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車(chē)制造業(yè)共5個(gè)類型的上市公司作為研究對(duì)象，將其相關(guān)數(shù)據(jù)代入式(1)、(2)，其結(jié)果如表5、表6所示。由表5可知，F(xiàn)檢驗(yàn)的P值以及Hausman檢驗(yàn)的P值均表明接受固定效應(yīng)模型。醫(yī)藥制造業(yè)、食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車(chē)制造業(yè)股票市場(chǎng)回報(bào)與QZBL分別在1%、10%、1%、1%、1%的水平上呈顯著正相關(guān)，而與QZBL2分別在1%、5%、1%、1%、1%的水平上呈顯著負(fù)相關(guān)，即說(shuō)明其股票市場(chǎng)回報(bào)與確診病例增長(zhǎng)速度呈倒“U”型關(guān)系，表明在整個(gè)疫情發(fā)展階段，新冠疫情對(duì)醫(yī)藥制造業(yè)、食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車(chē)制造業(yè)的邊際影響是先增強(qiáng)再逐步減弱；并且，醫(yī)藥制造業(yè)的偏回歸系數(shù)為0.994，明顯高于其他類型制造業(yè)，表明QZBL對(duì)醫(yī)藥制造業(yè)的股票市場(chǎng)回報(bào)影響較大，這緣于此次疫情的傳染性較強(qiáng)，社會(huì)公眾對(duì)醫(yī)療防護(hù)的需求大幅增長(zhǎng)。反觀食品制造業(yè)的偏回歸系數(shù)，其顯著性水平均弱于其他類型制造業(yè)，表明食品制造業(yè)受疫情影響程度較小，這與實(shí)際情況相符，食品屬于生活必需品，往往在需求和供給方面缺乏彈性。

表5 確診病例增長(zhǎng)速度與不同類型制造業(yè)股票市場(chǎng)回報(bào)率回歸分析結(jié)果Tab.5 Regression analysis results of the growth rate of confirmed cases and the returnsof different types of manufacturing stock markets

表6 死亡病例增長(zhǎng)速度與不同類型制造業(yè)股票市場(chǎng)回報(bào)率回歸分析結(jié)果Tab.6 Regression analysis results of the growth rate of fatal cases and the returns ofdifferent types of manufacturing stock markets

由表6可知，醫(yī)藥制造業(yè)股票市場(chǎng)回報(bào)與SWBL在1%的水平上呈顯著正相關(guān)，而食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車(chē)制造業(yè)股票市場(chǎng)回報(bào)與SWBL在1%的水平上呈顯著負(fù)相關(guān)，表明在整個(gè)疫情發(fā)展階段，隨著疫情形勢(shì)的日益嚴(yán)峻，SWBL逐漸增加，口罩、防護(hù)服等需求驟增，對(duì)醫(yī)藥制造業(yè)產(chǎn)生了正向影響，而食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車(chē)制造業(yè)主要表現(xiàn)為負(fù)向影響；之后，得益于國(guó)家對(duì)疫情的有效控制，SWBL逐漸下降，食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車(chē)制造業(yè)逐步步入正軌。同時(shí)，醫(yī)藥制造業(yè)的偏回歸系數(shù)為0.033，均低于其他類型制造業(yè)，受SWBL的影響最小，這可能有兩個(gè)原因：其一，社會(huì)公眾采取的最廣泛、最普遍、最有效的防疫措施為佩戴口罩，而普通醫(yī)療防護(hù)用品包括防護(hù)服、口罩，只能在最大程度上避免被傳染，因此，公眾對(duì)醫(yī)療防護(hù)用品的需求逐漸趨向穩(wěn)定；其二，新冠疫苗當(dāng)時(shí)還處于研制階段，尚未進(jìn)入臨床實(shí)驗(yàn)階段。

此外，由表5和表6還可以看出，新冠疫情對(duì)醫(yī)藥制造業(yè)的影響程度最大，對(duì)食品制造業(yè)的影響程度最小。同時(shí)，新冠疫情的出現(xiàn)對(duì)專用設(shè)備、通用設(shè)備以及汽車(chē)制造業(yè)產(chǎn)生了嚴(yán)重影響，各地區(qū)企業(yè)停工停產(chǎn)、物流運(yùn)輸受阻，導(dǎo)致企業(yè)生產(chǎn)要素供給不足、需求降低，經(jīng)營(yíng)狀況每況愈下，例如富輪橡膠化工集團(tuán)和華晨汽車(chē)集團(tuán)相繼破產(chǎn)。

綜上所述，在既定條件下，新冠疫情對(duì)不同類型制造業(yè)的影響存在明顯差異，H3得以驗(yàn)證。

5 結(jié)論與建議

5.1 結(jié) 論

論文基于股票市場(chǎng)回報(bào)，采用面板數(shù)據(jù)和固定效應(yīng)模型，考察了新冠疫情對(duì)我國(guó)制造業(yè)的影響。研究發(fā)現(xiàn)，制造業(yè)股票市場(chǎng)回報(bào)與確診病例增長(zhǎng)速度呈倒“U”型關(guān)系，與死亡病例增長(zhǎng)速度呈線性負(fù)相關(guān)關(guān)系；進(jìn)一步研究發(fā)現(xiàn)，新冠疫情對(duì)不同類型制造業(yè)的影響存在顯著差異，具體表現(xiàn)為醫(yī)藥制造業(yè)、食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車(chē)制造業(yè)的股票市場(chǎng)回報(bào)與確診病例增長(zhǎng)速度呈倒“U”型關(guān)系，死亡病例增長(zhǎng)速度與醫(yī)藥制造業(yè)股票市場(chǎng)回報(bào)呈顯著正相關(guān)關(guān)系，而與食品制造業(yè)、專用設(shè)備、通用設(shè)備、汽車(chē)制造業(yè)股票市場(chǎng)回報(bào)呈線性負(fù)相關(guān)關(guān)系。

總之，從股票市場(chǎng)回報(bào)角度來(lái)看，本次新冠疫情對(duì)制造業(yè)發(fā)展的邊際影響是先增強(qiáng)再逐漸減弱，且對(duì)不同類型制造業(yè)的影響存在顯著差異性。這些發(fā)現(xiàn)為進(jìn)一步從微觀視角探索新冠疫情對(duì)制造業(yè)的影響機(jī)理奠定了基礎(chǔ)。

5.2 建 議

制造業(yè)是我國(guó)實(shí)體經(jīng)濟(jì)的支柱，此次突發(fā)公共事件嚴(yán)重阻礙了我國(guó)制造業(yè)的發(fā)展，而有效降低突發(fā)公共事件給制造業(yè)帶來(lái)的經(jīng)濟(jì)損失，有利于推動(dòng)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展。為有效應(yīng)對(duì)突發(fā)公共事件，基于研究?jī)?nèi)容，針對(duì)不同主體提出如下建議。

對(duì)于政府而言，在突發(fā)公共事件發(fā)生前，應(yīng)積極采取相關(guān)政策和措施，督促并引導(dǎo)各行業(yè)企業(yè)完善突發(fā)公共事件應(yīng)急管理體系，強(qiáng)調(diào)落實(shí)具體應(yīng)對(duì)細(xì)則，以降低突發(fā)事件帶來(lái)的巨大沖擊；在事件發(fā)生后，應(yīng)扶持“重災(zāi)區(qū)”行業(yè)，對(duì)受影響較大的企業(yè)給予補(bǔ)貼，例如采取貸款降息等措施，使行業(yè)發(fā)展快速步入正軌。

對(duì)于企業(yè)而言，一方面，要建立健全的應(yīng)急防范機(jī)制，考慮不同突發(fā)公共事件對(duì)企業(yè)的打擊，根據(jù)相應(yīng)情況適時(shí)調(diào)整生產(chǎn)策略。例如此次疫情對(duì)醫(yī)藥制造業(yè)產(chǎn)生了正向作用，這緣于社會(huì)需求的增加，部分制造型企業(yè)的生產(chǎn)線可以轉(zhuǎn)化為口罩、防護(hù)服等防疫裝備生產(chǎn)線，以降低企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)，待疫情形勢(shì)好轉(zhuǎn)時(shí)，再另行調(diào)整；另一方面，突發(fā)公共事件的出現(xiàn)，往往會(huì)使市場(chǎng)情緒較為消極，股市出現(xiàn)劇烈震蕩，市場(chǎng)環(huán)境發(fā)生變化，經(jīng)濟(jì)走向低迷，進(jìn)而導(dǎo)致消費(fèi)市場(chǎng)有效需求不足，企業(yè)應(yīng)適時(shí)調(diào)整經(jīng)營(yíng)策略，降低經(jīng)營(yíng)成本，避免企業(yè)破產(chǎn)。