论文首页哲学论文经济论文法学论文教育论文文学论文历史论文理学论文工学论文医学论文管理论文艺术论文 |
我国入境旅游经济发展状况的多因素分析
【摘要】:本文主要通过对我国入境旅游经济进行多因素分析,建立以入境旅游经济发展状况为应变量,以其它可量化影响因素为自变量的多元线性回归模型,并利用模型对我国入境旅游经济发展状况这一问题进行数量化分析,就有关如何发展我国入境旅游提出一些可供参考的意见。
【关键词】:入境旅游 多因素分析 模型 计量经济学 检验
一、引言部分
20多年来,中国旅游业经历了从倔起到平稳发展的过程。目前,旅游业作为初具规模的独立产业,对国民经济的贡献日益显现。特别是加人世贸组织后,旅游业已经成为增加外汇收入、刺激公民消费、加速经济发展的新的经济增长点,同时也成为社会各界关注的热点。景象。根据世界旅游组织的统计显示,2001年我国接待入境过夜者人数和旅游外汇收入已同时高居世界第5位。
二、文献综述
1.中国旅游网
2002年我国旅游业迎来入境、国内、出境游3大市场蓬勃发展、全面繁荣的新景象。近20年来年均增长达20%的我国入境旅游市场,继6年前旅游外汇收入突破100亿美元之后,2002年又将突破200亿美元。
我国入境旅游业日益兴旺发达。据2002中国国际旅游交易会组委会提供的数据,2002年前3季度,我国共接待入境旅游者7287.82万人次,比2001年同期增长10.78%。这一时期,作为旅游业重要指标的过夜旅游者人数和旅游外汇收入分别达2751.69万人次和152.20亿美元,分别比去年同期增长11.77%和15.10%。2. 中国统计局
截止到2001年底,我国共有旅游饭店1万多家,其中星级饭店7358家,全国旅游住宿设施从业人员达502万人。 世界上评价一个城市的繁荣程度都以五星级酒店的平均房价来衡量,目前,中国的五星级房价居于前列,这也从一个侧面反映中国经济发展速度。
四、建立模型
Y= β1+ β2X2+ β3X3+ β4 X4+μ
其中,Y—国际旅游外汇收入 X2——入境外国旅游者人数 X3 ——国际旅行社数量
X4——旅游星级宾馆数量
注:有关模型的一些假定:
(1)假定政府有效经费投入的有效系数为1,即投入全部有效。
(2)无重大的国际国内政治经济的变动。
(3)各个旅游区处于正常接待状态。
五、数据搜集
数据说明
一方面,模型中旅游外汇收入主要是受当期各个自变量的影响;另一方面,由于我国入境旅游经济发展起步较晚,早期的旅游经济发展状况有关数据不易收集且数量不会很多,若使用时间序列数据进行拟合,自由度很低。故在此我们采用了截面数据,试看一下效果。
2.数据的搜集情况
采用2002年统计年鉴上分地区截面数据,具体情况见附表一。
六、模型的参数估计、检验及修正
1.模型的经济意义的检验
β1=-79.1929 β2=3.3972 β3=0.15108 β4=0.7128
从回归模型的结果中我们可以看出与经济意义是相符合的,各个自变量与应变量之间都是呈正相关关系,且截距系数为负,表明的是对国外旅游业的所有投资没有得到回报。 (转载自中国科教评价网http://www.nseac.com)
2.模型的参数估计和统计推断的检验
利用EVIEWS软件,用OLS方法估计得:
Dependent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 14:39
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X4 0.712838 0.808154 0.882057 0.3855
X3 0.151078 0.538590 0.280506 0.7812
X2 3.397214 0.419825 8.091981 0.0000
C -79.19295 136.7329 -0.579180 0.5673
R-squared 0.843551 Mean dependent var 515.1290
Adjusted R-squared 0.826167 S.D. dependent var 948.4382
S.E. of regression 395.4347 Akaike info criterion 14.91776
Sum squared resid 4221951. Schwarz criterion 15.10279
Log likelihood -227.2253 F-statistic 48.52659
Durbin-Watson stat 1.319996 Prob(F-statistic) 0.000000
Y = 0.7128X4 + 0.15108X3 + 3.3972X2 - 79.1929
(0.882057)(0.280506)(0.8091981)(-0.579180)
R2=0.843551 R2=0.826167 F=48.52659
可见, X3 、X4的t值都不显著。另外,可决系数为0.843551 修正可决系数为0.826167,F值为48.52659,通过检验。故我们对上述模型进行计量经济学的检验,并进行修正,看是否能使模型方程得到改进。
3.计量经济学检验
(1)多重共线性检验
用EVIEWS软件,得相关系数矩阵表:
X2 X3 X4
X2 1.000000 0.290115 0.610620
X3 0.290115 1.000000 0.749035
X4 0.610620 0.749035 1.000000
由上表可以看出,解释变量X3与X4 、X2与X4之间的相关系数都较大,可见存在显著的多重共线性。在经济意义上:在旅行社与星级宾馆之间是一种客源供求合作的关系,一般一家旅行社确定了客源后必定与星级宾馆签订入住合同,各家旅行社有自己的合作伙伴,因此二者的相关性较高
(转载自中国科教评价网www.nseac.com )
Dependent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:29
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2 3.764668 0.319745 11.77398 0.0000
C 100.3586 80.21337 1.251145 0.2209
R-squared 0.826997 Mean dependent var 515.1290
Adjusted R-squared 0.821031 S.D. dependent var 948.4382
S.E. of regression 401.2343 Akaike info criterion 14.88931
Sum squared resid 4668681. Schwarz criterion 14.98182
Log likelihood -228.7843 F-statistic 138.6267
Durbin-Watson stat 1.208100 Prob(F-statistic) 0.000000
Dependent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:29
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X3 1.638897 0.766885 2.137083 0.0412
C -36.38620 304.1930 -0.119616 0.9056
R-squared 0.136059 Mean dependent var 515.1290
Adjusted R-squared 0.106268 S.D. dependent var 948.4382 大学排名
S.E. of regression 896.6286 Akaike info criterion 16.49750
Sum squared resid 23314344 Schwarz criterion 16.59002
Log likelihood -253.7113 F-statistic 4.567123
Durbin-Watson stat 1.805084 Prob(F-statistic) 0.041153
Dependent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:30
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X4 3.617853 0.773433 4.677655 0.0001
C -343.5858 225.4107 -1.524266 0.1383
R-squared 0.430037 Mean dependent var 515.1290
Adjusted R-squared 0.410383 S.D. dependent var 948.4382
S.E. of regression 728.2729 Akaike info criterion 16.08157
Sum squared resid 15381062 Schwarz criterion 16.17408
Log likelihood -247.2643 F-statistic 21.88046
Durbin-Watson stat 1.842983 Prob(F-statistic) 0.000062
② 逐步回归。将其余解释变量逐一带入上式,可得如下几个模型:
Dependent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:50
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2 3.626929 0.327977 11.05849 0.0000
X3 0.509564 0.352011 1.447581 0.1588
C -55.94259 133.6352 -0.418622 0.6787
R-squared 0.839042 Mean dependent var 515.1290
Adjusted R-squared 0.827545 S.D. dependent var 948.4382
S.E. of regression 393.8641 Akaike info criterion 14.88165
(科教作文网 zw.nseac.com整理)
Dependent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:51
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2 3.359672 0.391319 8.585503 0.0000
X4 0.883900 0.521500 1.694917 0.1012
C -64.81908 124.6648 -0.519947 0.6072
R-squared 0.843095 Mean dependent var 515.1290
Adjusted R-squared 0.831887 S.D. dependent var 948.4382
S.E. of regression 388.8745 Akaike info criterion 14.85616
Sum squared resid 4234255. Schwarz criterion 14.99493
Log likelihood -227.2704 F-statistic 75.22578
Durbin-Watson stat 1.335883 Prob(F-statistic) 0.000000
Y = 3.35967215*X2 + 0.8838996584*X4 - 64.8190821
(8.585503) (1.694917) (-0.519947)
R2=0.843095 R2=0.831887 F=75.22578
从上述几个模型中可以看出,在原模型中加入变量X3、X4以后,模型的统计检验效果并没有得到较好的改善,模型的F值没有得到较大的提高,故应该把这两个影响因素从模型中剔除。
(2)异方差检验(white检验)
White Heteroskedasticity Test:
F-statistic 10.11369 Probability 0.000494
Obs*R-squared 13.00192 Probability 0.001502
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/19/04 Time: 15:10
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -291629.6 127906.8 -2.280016 0.0304
X2 6843.270 1532.029 4.466803 0.0001
X2^2 -4.953133 1.174720 -4.216436 0.0002
R-squared 0.419417 Mean dependent var 150602.6
Adjusted R-squared 0.377947 S.D. dependent var 575896.2
S.E. of regression 454211.4 Akaike info criterion 28.98228
Sum squared resid 5.78E+12 Schwarz criterion 29.12105
Log likelihood -446.2253 F-statistic 10.11369
Durbin-Watson stat 1.324120 Prob(F-statistic) 0.000494
由拟合的数据可知,N* R2=31*0.419417=13.001927>Χ20.05(2)=0.102587,故拒绝原假设,表明模型中随机误差项存在异方差。下面用去对数法对模型进行修正
Dependent Variable: LY
Method: Least Squares
Date: 05/19/04 Time: 18:58 (科教论文网 lw.nSeAc.com编辑发布)
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
LX 1.118786 0.049769 22.47949 0.0000
C 0.886090 0.203796 4.347931 0.0002
R-squared 0.945726 Mean dependent var 5.235897
Adjusted R-squared 0.943855 S.D. dependent var 1.502757
S.E. of regression 0.356078 Akaike info criterion 0.835009
Sum squared resid 3.676961 Schwarz criterion 0.927524
Log likelihood -10.94263 F-statistic 505.3276
Durbin-Watson stat 1.690927 Prob(F-statistic) 0.000000
修正后的方程如下:
LY = 1.118786368*LX + 0.886090126
(22.47949) ( 4.347931)
R2= 0.945726 R2=0.943855 F=505.3276
再对此方程进行异方差检验
White Heteroskedasticity Test:
F-statistic 3.114504 Probability 0.060075
Obs*R-squared 5.641392 Probability 0.059564
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/19/04 Time: 19:11
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 0.097721 0.116160 0.841260 0.4073
LX -0.046587 0.058209 -0.800345 0.4302
LX^2 0.012048 0.007735 1.557620 0.1306
R-squared 0.181980 Mean dependent var 0.118612
Adjusted R-squared 0.123550 S.D. dependent var 0.151504
S.E. of regression 0.141837 Akaike info criterion -0.976517
内容来自www.nseac.com
(3)自相关检验(D-W检验)
下面用修正后的对数线性回归模型进行自相关检验。从下表中可以看出D=1.690927。因为DL=1.363 DU=1.496 4-DL=2.637 4-DU=2.504 所以该对数模型不存在自相关性。
Dependent Variable: LY
Method: Least Squares
Date: 05/19/04 Time: 14:34
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
LX 1.118786 0.049769 22.47949 0.0000
C 0.886090 0.203796 4.347931 0.0002
R-squared 0.945726 Mean dependent var 5.235897
Adjusted R-squared 0.943855 S.D. dependent var 1.502757
S.E. of regression 0.356078 Akaike info criterion 0.835009
Sum squared resid 3.676961 Schwarz criterion 0.927524
Log likelihood -10.94263 F-statistic 505.3276
Durbin-Watson stat 1.690927 Prob(F-statistic) 0.000000
七、模型的分析
我们进行了一系列检验和修正后的最终结果如下:
LY = 1.118786368*LX + 0.886090126
(22.47949) ( 4.347931)
R2= 0.945726 R2=0.943855 F=505.3276
(科教论文网 lw.nseaC.Com编辑发布)
八.政策建议
1. 模型直观来说,我们要想方设法的扩大入境旅游人数,中国有着悠久的历史,多彩的民族文化,奇异的自然资源,相对安全的政治社会环境,具备了吸引游客的硬件。但是软件上仍然存在欠缺。这一点上,国家政府要做好整体的对外旅游宣传,文化交流活动,地方政府也要在积极对外开展交流,宣传,推介。既要注意做到一个整体的形象的推广,又要推出各具特色的风味。 (转载自http://www.NSEAC.com中国科教评价网)
2.相对于扩大入境旅游人数,我们还要想到另外一个与之相关甚紧的因素——入境旅游者旅游消费总体水平较低,徘徊不前。入境旅游者旅游消费水平仍维持在90年代中期的水平,在135美元左右。这与进入90年代以来,我国旅游业强劲增势形成较为明显的反差。,旅游外汇收入和入境旅游者人次规模是不对称的,旅游者人均消费水平低于世界发达国家平均水平,参考入境旅游者旅游消费基本维持不变的事实,可以得出,“九五”期间我国旅游业快速发展主要是通过量的扩张来完成。根据魏小安旅游市场发展的“三阶段理论”(旅游市场发育大体分为贵族化旅游阶段、大众化旅游阶段和细分化旅游阶段),可基本判定我国目前入境旅游基本属于大众化旅游阶段。在未来旅游业市场开拓过程中,如何通过市场细分,根据旅游者需求和个性化和旅游产品的定制化,提高人境旅游者质量(主要以入境旅游者总体 消费水平来衡量),将成为未来旅游市场开拓重点
3.在模型外,我们要看到研究工作的重要性,但是目前我国的旅游统计工作不完善,国家一级可以有较完整的从交通到旅游消费的统计,而地方具体的统计工作大多口径不一致,项目也不完整,造成研究工作的困难。 内容来自www.nseac.com
4.旅游企业是增加旅游收入的主导力量,但是不管在模型还是现实中,它的贡献却没有发挥出来,因此我们要注重培育竞争力强,业务范围广泛,能参与国际竞争的大型旅游企业,限制恶性竞争,鼓励旅游企业的合作,兼并,破产,让企业在市场中优胜劣汰。
5.注重对其他影响旅游收入的因素的发掘,发掘传统文化,保护旅游资源,注重旅游产品的开发等,进一步提升我国旅游业发展。
九.参考文献:
1.中国旅游网,中国旅游报,中国旅游业等
2.中国2002年统计年鉴
3.魏小安.关于旅游发展的几个阶段性问题[J].旅游学刊,2000,(5):9—14.作者:中国科学院地理科学与资源研究所 旅游研究与规划设计中心 席建超 来源:原载《桂林旅游高等专科学校学报》,2003年2月
附表一:
OBJECTS 入境人数X2 国际旅行社数量X3 旅游星级宾馆数量X4 国际旅游外汇收入Y
1 285.79 480 508 2946
2 42.14 204 80 280
3 44.46 463 226 157
4 19.78 264 189 59
5 39.99 127 111 137
6 72.42 545 285 463
7 27.18 153 137 76
8 61.23 341 221 250
9 204.26 548 300 1808
10 183.71 772 565 822
11 146.91 637 610 699
12 38.09 374 215 106
13 163.48 384 230 942
14 19.63 292 185 70
15 82.87 961 342 382
16 36.56 458 242 133
17 66.78 320 460 201
18 50.46 308 166 271 (科教论文网 Lw.nsEAc.com编辑整理)
19 1292.38 479 640 4484
20 126.72 292 246 301
21 45.68 152 157 106
22 31.33 200 69 163
23 57.48 417 204 166
24 20.55 112 58 69
25 113.13 406 431 367
26 12.71 35 12 46
27 75.29 264 141 309
28 22.26 131 97 45
29 3.97 72 29 9
30 0.87 43 29 3
31 27.3 198 173 99