張雨晴，馬 強(qiáng)，陳建東，張 文，陳雪平

（江蘇理工學(xué)院 數(shù)理學(xué)院，江蘇 常州 213001）

新冠疫情的暴發(fā)給全球經(jīng)濟(jì)造成了極大沖擊和挑戰(zhàn)。面對(duì)突如其來的疫情，中國(guó)政府積極采取強(qiáng)有力的抗疫措施，嚴(yán)控疫情蔓延，幾億人居家隔離，企業(yè)停工停產(chǎn)數(shù)月，給國(guó)家經(jīng)濟(jì)帶來了極大的影響。作為一種突發(fā)公共衛(wèi)生事件，與自然災(zāi)害相比，新冠疫情對(duì)企業(yè)的影響可能更持續(xù)、廣泛，疫情防控期間停工停產(chǎn)、延遲復(fù)工以及市場(chǎng)需求的下降，給企業(yè)經(jīng)營(yíng)帶來了較大的壓力。既有文獻(xiàn)表明疫情給企業(yè)帶來了不同程度的影響，這次沖擊的覆蓋面之廣前所未有，對(duì)農(nóng)業(yè)、制造、影視、旅游、餐飲、物流、交通等三大產(chǎn)業(yè)的各個(gè)領(lǐng)域都帶來不同程度的重壓[1-5]。研究基本認(rèn)為[4-5]；第三產(chǎn)業(yè)受疫情影響程度更大，特別是其中的勞動(dòng)密集型產(chǎn)業(yè)；同時(shí)，認(rèn)為中小微企業(yè)將在未來一段時(shí)間內(nèi)面臨更大的困境。企業(yè)的經(jīng)營(yíng)狀況到底如何，有學(xué)者對(duì)此進(jìn)行了一定的研究。其中，有通過企業(yè)樣本的問卷調(diào)查進(jìn)行的研究，有通過上市企業(yè)業(yè)績(jī)報(bào)表進(jìn)行的研究，有根據(jù)企業(yè)現(xiàn)金流的研究，有根據(jù)企業(yè)負(fù)債能力的研究，有從多維度綜合選取指標(biāo)對(duì)企業(yè)的經(jīng)營(yíng)發(fā)展進(jìn)行的研究。

以上既有研究限于當(dāng)時(shí)數(shù)據(jù)尚未完全公布及研究指標(biāo)的差異性，無法系統(tǒng)比較疫情對(duì)各行業(yè)的發(fā)展影響。為此，本文以滬深交易所上市的A股企業(yè)作為研究對(duì)象，選取2020年第一季度的企業(yè)業(yè)績(jī)數(shù)據(jù)與2019年同期的業(yè)績(jī)數(shù)據(jù)，從企業(yè)盈利能力、運(yùn)營(yíng)能力、發(fā)展能力方面選取15個(gè)業(yè)績(jī)指標(biāo)進(jìn)行縱向比較[6]。同時(shí)，采用因子分析方法[7-10]對(duì)業(yè)績(jī)數(shù)據(jù)進(jìn)行綜合比較分析，定量比較疫情下企業(yè)及其所在行業(yè)的發(fā)展?fàn)顩r。

一、行業(yè)分類和指標(biāo)選取

根據(jù)國(guó)家統(tǒng)計(jì)局提出的《國(guó)民經(jīng)濟(jì)行業(yè)分類》（2019年修改版）的標(biāo)準(zhǔn)，即《國(guó)民經(jīng)濟(jì)行業(yè)分類》國(guó)家標(biāo)準(zhǔn)GB/T 4754-2019，將我國(guó)行業(yè)分為20個(gè)門類；從盈利能力、運(yùn)營(yíng)能力、發(fā)展能力三個(gè)方面初步選取15個(gè)業(yè)績(jī)指標(biāo)，具體內(nèi)涵參見下表1。

表1 業(yè)績(jī)?cè)u(píng)價(jià)指標(biāo)解釋

本文以滬深交易所上市的A股上市企業(yè)為樣本，收集了2020年第一季度與2019年同期的業(yè)績(jī)報(bào)表中的各指標(biāo)數(shù)據(jù)，數(shù)據(jù)資料來源于東方財(cái)富網(wǎng)數(shù)據(jù)中心。

為了保證數(shù)據(jù)的一致性，我們刪除了兩期企業(yè)業(yè)績(jī)數(shù)據(jù)中缺失的樣本，最終得到3 537家A股上市企業(yè)的業(yè)績(jī)數(shù)據(jù)。將企業(yè)按照行業(yè)歸類后，樣本總體信息如表2所示。

表2 樣本企業(yè)的行業(yè)分布

由表2可知，行業(yè)類別中，屬于制造業(yè)的企業(yè)數(shù)最多，有1 663家；其次是信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)，有368家；再次是批發(fā)和零售業(yè)，有297家；最少的是公共管理、社會(huì)保障和社會(huì)組織行業(yè)，共15家。根據(jù)國(guó)家統(tǒng)計(jì)局產(chǎn)業(yè)分類，所有樣本企業(yè)中屬于第一產(chǎn)業(yè)有68家，第二產(chǎn)業(yè)有1 888家，第三產(chǎn)業(yè)有731家，第四產(chǎn)業(yè)有823家，綜合產(chǎn)業(yè)有27家。限于篇幅，具體的企業(yè)名單這里不再給出。

二、基于因子分析的企業(yè)業(yè)績(jī)?cè)u(píng)價(jià)

（一）數(shù)據(jù)檢驗(yàn)

本文選取的評(píng)價(jià)指標(biāo)共有15個(gè)，均是正向指標(biāo)，即數(shù)值越大表明績(jī)效越好。在因子分析前，首先，進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。本文采用“Z-score標(biāo)準(zhǔn)化”方法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，即

其中，xi為原始變量，ui為原始變量的期望，σii為原始變量的方差?？傮w期望和方差在實(shí)際應(yīng)用中一般都是未知，這里采用樣本均值和樣本方差替代。

其次，采用KMO和Bartlett球形檢驗(yàn)進(jìn)行信度效度分析。KMO值越接近1，原有變量就越適合進(jìn)行因子分析，通常0.5以下表示不適合做因子分析。Bartlett’s球形檢驗(yàn)用于檢驗(yàn)相關(guān)矩陣是否為單矩陣，若檢驗(yàn)的P值低于0.05，表明數(shù)據(jù)指標(biāo)適合做因子分析。本文對(duì)2020年第一季度上市A股企業(yè)的業(yè)績(jī)數(shù)據(jù)和2019年同期數(shù)據(jù)，都進(jìn)行了檢驗(yàn)，相應(yīng)的KMO與Bartlett’s檢驗(yàn)結(jié)果如表3所示。

表3 KMO and Bartlett’s檢驗(yàn)

由于在做KMO檢驗(yàn)過程中，發(fā)現(xiàn)加入X5營(yíng)業(yè)收入同比增長(zhǎng)和X6凈利潤(rùn)同比增長(zhǎng)這兩個(gè)指標(biāo)后，變量間的相關(guān)性變?nèi)?，做因子分析效果不是很好，所以將這兩個(gè)指標(biāo)從之后分析中剔除，原15個(gè)指標(biāo)變量現(xiàn)調(diào)整為13個(gè)。由表3可知，調(diào)整后的兩期指標(biāo)變量數(shù)據(jù)的KMO值均在0.7～0.8之間，說明可以進(jìn)行因子分析，且Bartlett’s檢驗(yàn)的顯著性均小于給定的顯著性水平0.05。根據(jù)KMO值和Bartlett’s檢驗(yàn)說明變量之間存在較為顯著的相關(guān)性，適合做因子分析。

（二）公共因子確定

一般來說，公共因子的選擇標(biāo)準(zhǔn)有三個(gè)[8]：第一，特征值大于1；第二，累計(jì)貢獻(xiàn)率在80%以上；第三，其因子解釋能夠與客觀事實(shí)相符。

通過分析與比較所選因子的碎石圖特征值變化趨勢(shì)和平行分析均值線，結(jié)合考慮位于均值線之上的點(diǎn)個(gè)數(shù)，以及特征值大于1的準(zhǔn)則，確定選擇前6個(gè)因子代表原始13個(gè)變量。

（三）累計(jì)總方差獲取

累計(jì)總方差的獲取，主要通過載荷短矩陣計(jì)算、因子旋轉(zhuǎn)及因子得分計(jì)算方法得出。

本文就載荷矩陣進(jìn)行估計(jì)的方法選用主成分法、因子旋轉(zhuǎn)方法選用最大方差旋轉(zhuǎn)法、因子得分計(jì)算方法采用回歸估計(jì)法，計(jì)算得到累計(jì)總方差解釋表，并且給出了旋轉(zhuǎn)后每個(gè)公共因子所解釋的方差及累計(jì)和，結(jié)果如表4所示。

表4 總方差解釋表

2019年第一季度指標(biāo)數(shù)據(jù)的累計(jì)前6個(gè)主成分的累計(jì)方差貢獻(xiàn)率達(dá)到82.517%；2020年同期的數(shù)據(jù)前6個(gè)主成分的累計(jì)方差貢獻(xiàn)率達(dá)到78.024%，接近80%。這兩期指標(biāo)數(shù)據(jù)的累計(jì)方差貢獻(xiàn)率都很大，因此選用6個(gè)公共因子來代替原來的15個(gè)指標(biāo)變量可以達(dá)到降維的目的。

兩組數(shù)據(jù)的因子得分載荷矩陣分別如表5、表6所示。

表5 2019年指標(biāo)數(shù)據(jù)因子得分載荷

表6 2020年指標(biāo)數(shù)據(jù)因子得分載荷

由此得到2019年第一季度指標(biāo)數(shù)據(jù)因子模型為：

從2019年因子載荷矩陣與因子模型可以看出，因子f1主要解釋X2營(yíng)業(yè)收入、X3凈利潤(rùn)、X13總股本、X14平均股東權(quán)益及X15股東權(quán)益總額（凈資產(chǎn)），可以將其看作股票規(guī)模因子；因子f2主要解釋X1每股收益、X7每股凈資產(chǎn)，可以將其看作每股價(jià)值因子；因子f3主要解釋X9銷售毛利率、X12銷售凈利率，可以將其看作銷售利率因子；因子f4主要解釋X8每股經(jīng)營(yíng)現(xiàn)金流量、X11凈利潤(rùn)季度環(huán)比增長(zhǎng)，可以將其看作運(yùn)營(yíng)能力因子；因子f5主要解釋X4凈資產(chǎn)收益率，可以將其看作收益因子；因子f6主要解釋X10營(yíng)業(yè)收入季度環(huán)比增長(zhǎng)，可以將其看作成長(zhǎng)能力因子。2020年因子代表的指標(biāo)略有差別，但總體上也可按2019年的因子名稱來解釋，即兩期指標(biāo)因子結(jié)構(gòu)基本保持一致。

（四）因子得分測(cè)算

下面給出2019年指標(biāo)數(shù)據(jù)因子得分系數(shù)矩陣和2020年指標(biāo)數(shù)據(jù)因子得分系數(shù)矩陣，分別見表7和表8。

表7 2019年指標(biāo)數(shù)據(jù)因子得分系數(shù)

表8 2020年指標(biāo)數(shù)據(jù)因子得分系數(shù)

因此，2019年指標(biāo)數(shù)據(jù)因子得分表達(dá)式為：

2020年指標(biāo)數(shù)據(jù)因子得分表達(dá)式為：

公因子得分進(jìn)行標(biāo)準(zhǔn)化處理后，根據(jù)總方差解釋表4，以各因子貢獻(xiàn)率為權(quán)數(shù)，對(duì)6個(gè)公因子得分（F1、F2、F3、F4、F5、F6）加權(quán)平均，可以得出業(yè)績(jī)指標(biāo)綜合評(píng)價(jià)得分函數(shù)。2019年與2020年第一季度業(yè)績(jī)指標(biāo)評(píng)價(jià)綜合得分表達(dá)式分別如下：

（五）行業(yè)排名

將兩組數(shù)據(jù)的綜合得分按照行業(yè)匯總求平均值，由此得到企業(yè)所在行業(yè)的排名情況，如表9所示。

表9 行業(yè)綜合得分排名

從表9可以看出，2020年相比2019年行業(yè)排名變化較大的有：“農(nóng)、林、牧、漁業(yè)”“居民服務(wù)、修理和其他服務(wù)業(yè)”“水利、環(huán)境和公共設(shè)施管理”，名次分別提高8位、5位、4位；“租賃和商務(wù)服務(wù)業(yè)”“房地產(chǎn)業(yè)”“住宿和餐飲業(yè)”名次分別降低11、7、6個(gè)，位列13、11、16位。鑒于所選A股上市企業(yè)基本是各個(gè)行業(yè)的龍頭企業(yè)且處于壟斷地位，其行業(yè)排名變化不會(huì)太大。若本次名次變化幅度較大，則可以推論該行業(yè)受到疫情的影響相對(duì)較大。

考慮到本文分析出的名次變化在正常年份也可能會(huì)存在，為更客觀地呈現(xiàn)2020年暴發(fā)的新冠疫情究竟對(duì)各個(gè)行業(yè)帶來多大影響，本文在同一分類同一指標(biāo)體系下，又選取了2017年、2018年和2021年這3個(gè)年份的第一季度上市A股企業(yè)業(yè)績(jī)報(bào)表數(shù)據(jù)，分別根據(jù)3 165、3 447、3 488家企業(yè)的業(yè)績(jī)數(shù)據(jù)，得出各個(gè)行業(yè)的綜合得分排名，結(jié)果如表10所示。

表10 2017—2021年間各個(gè)年份行業(yè)第一季度綜合得分排名

從表10中可以看出，“采礦業(yè)”“信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)”“文化、體育和娛樂業(yè)”“綜合行業(yè)”這幾個(gè)行業(yè)的排名變化同表9一致，5年內(nèi)基本都比較穩(wěn)定。

此次疫情暴發(fā)期間名次降低較多的“租賃和商務(wù)服務(wù)業(yè)”“房地產(chǎn)業(yè)”“住宿和餐飲業(yè)”三個(gè)行業(yè)，在疫情前的年份中排名均未跌出前10，但在2020年第一季度的排名中，名次分別降低到13、11、16位；同時(shí)，這三個(gè)行業(yè)各自在這5個(gè)年份的排名中，均是2020年名次最低。雖然2021年名次有些許上升，但依舊沒有恢復(fù)到往年排名，可見疫情對(duì)這3個(gè)行業(yè)的影響很大。

此處主要分析名次降低較多的行業(yè)，未分析名次上升的行業(yè)。因?yàn)榕琶窍鄬?duì)而言，名次上升可能只是說明受到疫情的影響相對(duì)較小，并不一定代表行業(yè)發(fā)展向好，總體上看此次疫情對(duì)各個(gè)行業(yè)都帶來一定程度的沖擊，而我們需要特別關(guān)注受到負(fù)面沖擊更大的行業(yè)。結(jié)論認(rèn)為，相較2019年，若2020年的名次降低較多，則反映該行業(yè)對(duì)本次突發(fā)公共衛(wèi)生事件相對(duì)更敏感，受到冠狀病毒疫情的沖擊相對(duì)較大。

三、結(jié)果分析

已有數(shù)據(jù)表明，由于受到新冠疫情沖擊，我國(guó)2020年第一季度的經(jīng)濟(jì)增長(zhǎng)環(huán)比下降9.8%[1]，各行各業(yè)或多或少都受到一定影響。應(yīng)用因子分析法對(duì)行業(yè)所受影響程度進(jìn)行量化分析后，我們認(rèn)為，在名次排名中下降較多的行業(yè)，相對(duì)于所有行業(yè)受影響平均水平，對(duì)本次突發(fā)公共衛(wèi)生事件反應(yīng)更敏感，受到疫情的負(fù)面沖擊更大。租賃和商務(wù)服務(wù)業(yè)、房地產(chǎn)業(yè)、住宿和餐飲業(yè)這3個(gè)名次降低顯著的行業(yè)均屬于傳統(tǒng)第三產(chǎn)業(yè)，為我國(guó)經(jīng)濟(jì)的主導(dǎo)產(chǎn)業(yè)，占2019年GDP比重高達(dá)53.9%。從產(chǎn)業(yè)結(jié)構(gòu)來看，疫情對(duì)我國(guó)第三產(chǎn)業(yè)沖擊程度更大。學(xué)者們?cè)谟懻撘咔閷?duì)我國(guó)不同產(chǎn)業(yè)的差異性影響中，也普遍認(rèn)為第三產(chǎn)業(yè)所受到的影響程度更大，對(duì)人群密集型行業(yè)更為直接[11]。

疫情具有極強(qiáng)傳播性，嚴(yán)格防控措施一定程度上導(dǎo)致各行各業(yè)延遲復(fù)工、畢業(yè)生實(shí)習(xí)就業(yè)延期、人員流動(dòng)減少及外地人員返崗受阻，使得各地住房與租房需求大幅下降，導(dǎo)致租賃和商務(wù)服務(wù)業(yè)得分排名在本文中也降低11位，變動(dòng)最大。

購(gòu)買住房作為一個(gè)家庭的重要決策，不僅需要一定資金支持，還需要實(shí)地查看、商討價(jià)格。而突如其來的疫情，一方面使得人們不能或不愿出門，另一方面也使得未來可支配收入無法預(yù)期，從而影響人們購(gòu)房需求。同時(shí)，延遲復(fù)工使得大量房地產(chǎn)開發(fā)建設(shè)項(xiàng)目停滯，銷售門店關(guān)停，導(dǎo)致市場(chǎng)供給減少。因此，疫情期間我國(guó)房地產(chǎn)業(yè)各方面增速都呈現(xiàn)出斷崖式下跌，在2021年2月疫情最嚴(yán)重時(shí)跌入谷底，這與本文分析中房地產(chǎn)業(yè)得分排名位次降低7位次情況相吻合。

根據(jù)所搜集到的上市企業(yè)數(shù)據(jù)，住宿和餐飲業(yè)的行業(yè)排名相較前一年降低6位，名次變化比較顯著。疫情暴發(fā)初期，聚餐數(shù)、商場(chǎng)人流量均驟減，多數(shù)餐館被迫暫停營(yíng)業(yè)，因而餐飲商戶營(yíng)業(yè)收入急劇下滑；旅游作為一種享受性活動(dòng)，十分容易受到經(jīng)濟(jì)危機(jī)、突發(fā)事件等影響，因此在春節(jié)旅游旺季暴發(fā)的疫情所帶來的影響遠(yuǎn)成倍于淡季。作為旅游業(yè)的下游產(chǎn)業(yè)酒店業(yè)，在2021年1月文化和旅游部發(fā)布緊急通知暫停旅游企業(yè)經(jīng)營(yíng)活動(dòng)后，入住率一度嚴(yán)重下跌。

四、總結(jié)

2020年第一季度，正值國(guó)內(nèi)疫情大爆發(fā)與嚴(yán)格防控期，很多企業(yè)停工停產(chǎn)，這一季度的企業(yè)業(yè)績(jī)數(shù)據(jù)情況可以在很大程度上反映社會(huì)突發(fā)公共衛(wèi)生事件對(duì)不同行業(yè)的沖擊。通過選取3 537家A股上市企業(yè)2020年第一季度企業(yè)的業(yè)績(jī)數(shù)據(jù)和2019年同期的業(yè)績(jī)數(shù)據(jù)，在同一理論框架和指標(biāo)結(jié)構(gòu)標(biāo)準(zhǔn)下，運(yùn)用因子分析進(jìn)行得分排名。結(jié)果表明，受疫情影響，租賃和商務(wù)服務(wù)業(yè)、房地產(chǎn)業(yè)、住宿和餐飲業(yè)短期內(nèi)均受到較大負(fù)面沖擊。可見，疫情對(duì)第三產(chǎn)業(yè)的沖擊最大。同時(shí)，不同價(jià)格指數(shù)、不同行業(yè)之間也存在著一定的相關(guān)性[12]，進(jìn)一步準(zhǔn)確描述行業(yè)影響需要一定時(shí)間的積累。