中国入境旅游外汇收入增长影响因素的实证分析.docx
《中国入境旅游外汇收入增长影响因素的实证分析.docx》由会员分享，可在线阅读，更多相关《中国入境旅游外汇收入增长影响因素的实证分析.docx（18页珍藏版）》请在冰豆网上搜索。
中国入境旅游外汇收入增长影响因素的实证分析
国贸11全英班
中国入境旅游外汇收入增长影响因素的实证分析
计量经济学课程论文
组员：
徐惠子梁宇燊李龙陈煜华刘丽玲指导老师：
刘红娟
2014/6/1
【摘要】近些年来，旅游业作为我国的传统旅游服务项目，获得了长足且快速的发展，已成为国民经济发展的重要产业之一。
然而，2013年，我国旅游服务贸易逆差额达到769亿美元，我国已经成为世界上旅游服务贸易逆差额最大的国家。
本文通过利用2012年我国各省、直辖市的国际旅游外汇收入的截面数据，建立计量模型，用实证分析的方法，研究影响各地区国际旅游外汇收入的因素，并希望以此提出相应的政策建议，为我国各省、直辖市提高旅游服务水平，吸引更多外来游客做出一些指导。
【关键词】国际旅游外汇收入人均GDP接待旅客数量实证分析
一、引言
加入世贸组织以来，我国的涉外旅游业获得了长足的发展，已成为国民经济发展的重要产业之一。
据统计，2012年的我国的入境旅游人数达到1.32亿人次，同比下降2.2%；旅游外汇收入达到500.28亿美元，同比增长3.2%，世界排名第4位。
中国一直被普遍认为是“未来最有发展前景的旅游目的地”。
然而，2012年，我国旅游服务贸易额逆差达到330亿；2013年，这一数字持续增长到769亿美元，我国已经成为世界上旅游服务贸易逆差额最大的国家。
如何通过提高国际旅游外汇收入来提高我国的旅游服务贸易出口额，已经成为近些年来学者们研究的热点问题。
本文第一部分主要介绍了国内一些学者对我国入境旅游影响因素以及区域差异的一些研究成果；第二部分列明了本文为进行实证分析而选取的数据，以及以此构建的计量模型；第三部分，主要通过经济意义检验、统计学检验、多重共线性检验以及异方差检验，对计量模型的拟合程度做出了衡量。
二、文献综述
旅游业作为一个关联性很强的传统服务行业，对国民经济的增长有着重大的影响力，国外一些学者认为，旅游业发展对国民经济增长有正向促进作用（KhanPhang＆Toh,，1995；Lee＆Kwon，1995；Holder，1998）。
国内学者也就旅游业对国民经济的贡献分别在整体层面（吴国新，2003；杨勇，2006）和省际（或地区）层面（李志青，2001；林刚，2000；陶金龙，2004）上进行了理论分析和实证研究。
另外，在我国的入境旅游方面，陈秀琼、黄福才利用Theil系数测量1990~2004年我国入境旅游时间尺度上的地带间、地带内和省际差异变化状况，发现入境旅游在缩小地带间差异方面也发挥一定的作用。
蒋存虎搜集了1980年至2005年入境旅游收入、入境旅游人数及国内物价水平的相关数据，采用EG两步法建立相关计量经济模型，认为，在长期，入境旅游收入、入境旅游人数及物价水平三者之间存在稳定关系。
刘慧玲收集了1991至2003年相关数据并对涉外旅游进行了计量分析，认为涉外旅游收入与入境旅游人数和民航里程数有着密切的关系。
刘德谦（2002）中对影响中国旅游业的因素进行了分析，得出了最重要的影响中国旅游需求的两个因素是个人可支配收入和人们的闲暇时间，并根据这一点提出一个旅游趋势的走势。
从各种经济理论和资料分析来看，影响某地区入境旅游外汇收入的因素可能与入境旅游人数、地区经济发展程度、地区差异、交通状况等有关。
三、数据选取
3.1国际旅游外汇收入
在模型中用Y来表示。
国际旅游外汇收入，指入境旅游者在中国（大陆）境内旅行、游览过程中用于交通、参观游览、住宿、餐饮、购物、娱乐等全部花费（单位：
百万美元）。
3.2国际旅游外汇收入的影响因素：
3.2.1地区经济发展程度
在模型中用X1来表示。
本文选用人均地区生产总值（即地区的人均GDP）来衡量地区的经济发展程度。
地区的人均GDP，是指国内生产总值的绝对值与该年平均人口的比值，是衡量一个国家或地区每个居民对该国家或地区的经济贡献或创造价值的指标（单位：
元）。
一个地区的人均GDP越高，说明这个地区的经济越发达，则越能吸引外国游客，入境人数随之增加，旅游外汇收入增加。
3.2.2接待人数
在模型中用X2来表示。
指该地区接待的，来中国参观、访问、旅行、探亲、访友、休养、考察、参加会议和从事经济、科技、文化、教育、宗教等活动的外国人、华侨、港澳同胞和台湾同胞的人数（单位：
人次）。
地区接待的入境旅游人数越多，该地区获得的旅游外汇收入就越多。
3.2.3服务业发展状况
在模型中用X3来表示。
本文选用星级饭店总数来衡量地区的旅游业发展状况。
星级饭店总数是指，由国家（省级）旅游局评定的能够以夜为时间单位向旅游客人提供配有餐饮及相关服务的住宿设施，按不同习惯它也被称为宾馆、酒店、旅馆、旅社、宾舍、度假村、俱乐部、大厦、中心等。
在此以星级饭店总数为解释变量，其中包括了该地区内一星至五星级标准的所有饭店的总数（单位：
家）。
该地区的星级饭店总数越多，可以体现其旅游服务的配套服务比较完善，旅游业发展更发达，就更吸引游客的到访，获得的旅游外汇收入就越多。
3.2.4交通状况
在模型中用X4来表示。
一个地区交通如果很方便，在一定程度上会更利于外国旅游者的进入，也就更容易增加旅游外汇收入。
本文选择人均道路面积来代表交通发展状况。
是指报告期末城区内平均每人拥有的城市道路面积（单位：
平方米）。
3.2.5虚拟变量
“是否东部地区”，在模型中用D1来表示。
若D1的取值为0，则代表非东部地区；若D1的取值为1，则代表该地区属于东部地区。
该变量的取值具体参照国家统计局对各省/直辖市的区域划分。
从我国的客观实际经验来看，我国的东部沿海省份经济比较发达，基础设施建设完善，城市环境以及居民素质等方面也较中部、西部省市好。
东部沿海省市也更吸引外来游客入境旅游，获得的旅游外汇收入也更多。
3.2.6其他因素
在模型中用μ表示。
我们将由于各种原因未考虑到和无法度量的因素归入随机扰动项，如该地区服务业的从业人数、该地区的文化吸引力等。
表-1原始数据：
地区
国际旅游外汇收入（Y）
人均地区生产总值（X1）
接待人数（X2）
星级旅店总数（X3）
人均道路面积（X4）
东部（D1）
北京市
5149.00
87475.00
5008609.00
584.00
7.57
1.00
天津市
2226.41
93173.00
737481.00
103.00
17.88
1.00
河北省
544.94
36584.00
1293201.00
404.00
17.84
1.00
辽宁省
3263.69
56649.00
4731340.00
399.00
11.55
1.00
上海市
5493.23
85373.00
6512347.00
281.00
4.08
1.00
江苏省
6299.72
68347.00
7915366.00
732.00
22.35
1.00
浙江省
5151.74
63374.00
8659290.00
783.00
17.88
1.00
福建省
4225.67
52763.00
4936738.00
390.00
14.13
1.00
山东省
2923.65
51768.00
4699116.00
796.00
24.7
1.00
广东省
15610.67
54095.00
34894300.00
927.00
13.42
1.00
海南省
348.02
32377.00
815838.00
155.00
18.85
1.00
山西省
720.24
33628.00
1891758.00
280.00
11.79
0.00
吉林省
494.77
43415.00
1182689.00
192.00
12.61
0.00
黑龙江省
835.48
35711.00
2076165.00
236.00
11.83
0.00
安徽省
1562.67
28792.00
3314679.00
383.00
18.47
0.00
江西省
484.73
28800.00
1561793.00
303.00
14.99
0.00
河南省
611.41
31499.00
1907713.00
339.00
11.08
0.00
湖北省
1202.97
38572.00
2647163.00
367.00
15.85
0.00
湖南省
928.36
33480.00
2245528.00
449.00
13.49
0.00
内蒙古自治区
771.96
63886.00
1591682.00
245.00
17.67
0.00
广西壮族自治区
1278.87
27952.00
3502732.00
339.00
14.74
0.00
重庆市
1168.32
38914.00
2242834.00
240.00
10.67
0.00
四川省
798.15
29608.00
2273377.00
396.00
12.72
0.00
贵州省
168.94
19710.00
705038.00
290.00
6.8
0.00
云南省
1947.08
22195.00
4578433.00
480.00
11.92
0.00
西藏自治区
105.70
22936.00
194933.00
102.00
14.22
0.00
陕西省
1597.47
38564.00
3352365.00
283.00
14.71
0.00
甘肃省
22.35
21978.00
102028.00
287.00
12.56
0.00
青海省
24.32
33181.00
47257.00
84.00
11.17
0.00
宁夏回族自治区
5.45
36394.00
18994.00
77.00
17.56
0.00
新疆维吾尔自治区
550.57
33796.00
624941.00
44.00
14.16
0.00
数据来源：
中国统计局
国家旅游局统计年鉴
四、模型设定
回归模型设定如下：
Y=β0+β1X1+β2X2+β3X3+β4X4+ð1D1+μ
Y=国际旅游外汇收入
X1=人均地区生产总值
X2=接待人数
X3=星级旅店总数
X4=人均城市道路面积
D1=是否东部地区
μ=随机扰动项
β0β1β2β3β4ð1——待估参数
五、模型估计和检验
5.1模型的初始估计
用OLS分析的方法，具体的回归分析结果如表-2所示：
表-2OLS分析结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/17/14Time:
16:
04
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.031661
0.006012
5.266655
0.0000
X2
0.000396
1.94E-05
20.36927
0.0000
X3
1.049388
0.587281
1.786856
0.0861
X4
-39.81111
20.91477
-1.903493
0.0686
D1
644.8432
276.0375
2.336071
0.0278
C
-747.4794
390.3539
-1.914876
0.0670
R-squared
0.982489
Meandependentvar
2145.695
AdjustedR-squared
0.978987
S.D.dependentvar
3077.097
S.E.ofregression
446.0509
Akaikeinfocriterion
15.21073
Sumsquaredresid
4974034.
Schwarzcriterion
15.48827
Loglikelihood
-229.7663
F-statistic
280.5387
Durbin-Watsonstat
1.796337
Prob（F-statistic）
0.000000
由以上回归分析可以得到
β1=0.031661β2=0.000396β3=1.049388
β4=-39.81111ð1=644.8432
回归模型为
Y=-747.4794+0.031661X1+0.000396X2+1.049388X3-39.81111X4
t值（-1.914876）（5.266655）（20.36927）（1.786856）（-1.903493）
+644.8432D1-747.4794
（2.336071）（-1.914876）
R2=0.982489修正后的R2=0.978987
由上式可知，模型的拟合度比较好。
5.2经济意义检验
5.2.1一般来说，人均地区生产总值增加，将会推动地区经济发展，从而推动旅游行业的发展，从而增加旅游的入境的外汇收入。
因此人均地区生产总值对国际旅游外汇收入的影响为正。
回归模型中，人均地区生产总值前的斜率系数为正，实证结果与上述理论预期一致。
该系数符合经济意义，通过经济意义检验。
5.2.2接待人数越多，在其他因素保持一定时，接待人数越多，旅游的入境的外汇收入就越多。
因此接待人数对国际旅游外汇收入的影响为正。
回归模型中，接待人数前的斜率系数为正，实证结果与上述理论预期一致。
该系数符合经济意义，通过经济意义检验。
5.2.3一般来说，星级旅店总数越多，表明该地区的旅游行业越发达，因此创汇的能力更强，因此在其他变量保持不变的情况下，星际旅馆总数越多，国际旅游外汇收入便越高。
回归模型中，人星级旅店总数前的斜率系数为正，实证结果与上述理论预期一致。
该系数符合经济意义，通过经济意义检验。
5.2.4人均城市道路面积是表示地区交通状况，其数值越大，表明交通状况越好，对该地的旅游行业的有促进作用，因此在其他变量保持不变的情况下，人均城市道路面积越多，国际旅游外汇收入便越高。
回归模型中，人均城市道路面积前的斜率系数为负，实证结果与上述理论预期不一致。
该系数不符合经济意义，没有通过经济意义检验。
因此将此变量X4从模型中删除。
5.2.5一般情况下，东部沿海城市的经济发展普遍比非中部城市要好，吸引更多入境游客。
因此虚拟变量“东部地区”相对“非东部地区”的外汇收入高，因此其变量前系数为正，符合经济意义。
5.3t,F检验
去掉变量X4之后，模型变为Y=β0+β1X1+β2X2+β3X3+ð1D1+μ，通过OLS的方法，可以得出以下结果：
表-3去X4后OLS检验结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/17/14Time:
16:
06
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.033581
0.006218
5.400472
0.0000
X2
0.000405
1.96E-05
20.65007
0.0000
X3
0.738035
0.591814
1.247072
0.2235
D1
527.4270
282.3043
1.868292
0.0730
C
-1280.112
285.5731
-4.482606
0.0001
R-squared
0.979951
Meandependentvar
2145.695
AdjustedR-squared
0.976867
S.D.dependentvar
3077.097
S.E.ofregression
468.0125
Akaikeinfocriterion
15.28156
Sumsquaredresid
5694928.
Schwarzcriterion
15.51285
Loglikelihood
-231.8641
F-statistic
317.7118
Durbin-Watsonstat
1.791870
Prob（F-statistic）
0.000000
在5%的显著性水平下，自由度为27的t值为1.703，因此X3的t统计量不显著，在没有高度多重共线性的情况下，对Y的影响不明显，因此模型去掉变量X3，得到新的模型，Y=β0+β1X1+β2X2+ð1D1+μ。
表-4去X3后检验结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/17/14Time:
23:
58
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.032506
0.006221
5.225101
0.0000
X2
0.000421
1.54E-05
27.28652
0.0000
D1
646.7351
268.3159
2.410350
0.0230
C
-1072.368
234.3235
-4.576440
0.0001
R-squared
0.978752
Meandependentvar
2145.695
AdjustedR-squared
0.976391
S.D.dependentvar
3077.097
S.E.ofregression
472.7998
Akaikeinfocriterion
15.27514
Sumsquaredresid
6035570.
Schwarzcriterion
15.46017
Loglikelihood
-232.7646
F-statistic
414.5727
Durbin-Watsonstat
1.645916
Prob（F-statistic）
0.000000
现在模型的每一个变量对Y的影响都是显著的。
（t值均大于1.703）
5.4多重共线性检验
5.4.1多重共线性EVIEWS检验结果
图-1多重共线性检验结果
根据上表可知，除了X2与X3之间，D1与X1之间有较高的多重共线性之外，其他变量之间的多重共线性均很小。
5.4.2方差膨胀因子的检验
方差膨胀因子计算公式：
VIF（j）=1/（1-Rj^2）
经过检验得到以下表格：
表-5方差膨胀因子检验结果
VIF
X1
X2
X3
X4
D1
X1
1.086594
1.092137
1.000936
2.02111
X2
2.003592
1.000025
1.227105
X3
1.069868
1.369579
X4
1.056106
D1
VIF越大，显示共线性越严重。
经验判断方法表明：
当0上图显示的VIF最大为0<2.02111<10，因此该模型不存在多重共线性。
不需要剔除多重共线性的影响。
5.5异方差检验
表-6WhiteHeteroskedasticityTest:
F-statistic
2.230275
Probability
0.065254
Obs*R-squared
13.88247
Probability
0.084881
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/18/14Time:
00:
09
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
668762.0
539501.3
1.239593
0.2282
X1
-43.46098
28.50254
-1.524810
0.1416
X1^2
0.000728
0.000368
1.977942
0.0606
X1*X2
-2.13E-06
2.33E-06
-0.916723
0.3692
X1*D1
-47.59625
19.64197
-2.423191
0.0241
X2
0.075454
0.089914
0.839182
0.4104
X2^2
-4.04E-09
2.39E-09
-1.692601
0.1046
X2*D1
0.193840
0.138945
1.395090
0.1769
D1
1845472.
711047.0
2.595430
0.0165
R-squared
0.447822
Meandependentvar
194695.8
AdjustedR-squared
0.247030
S.D.dependentvar
312652.4
升级会员 