计量经济学中国旅游外汇收入的因素分析.docx
《计量经济学中国旅游外汇收入的因素分析.docx》由会员分享，可在线阅读，更多相关《计量经济学中国旅游外汇收入的因素分析.docx（24页珍藏版）》请在冰豆网上搜索。
计量经济学中国旅游外汇收入的因素分析
中国旅游外汇收入的因素分析
金融116左娟16311606
【摘要】
入境旅游业是一个国家（地区）赚取外汇和解决就业的重要渠道,其入境旅游外汇收入是衡量该国家（地区）旅游业发展水平的重要指标。
中国作为有着丰富的自然和人文旅游资源的旅游大国，入境旅游业的发展更是显示出巨大的发展潜力和生命力。
本文主要通过对影响入境旅游发展的多因素分析，建立以旅游外汇收入为被解释变量，若干影响因素为解释变量的多元线性回归模型，并应用2012年全国30个省、自治区、直辖市截面数据回归得到的模型，对中国的入境旅游发展显著因素分析和提出问题及建议。
【关键词】：
旅游产业入境旅游入境旅游收入入境旅游人数
一，前言
中国作为世界旅游大国之一,有着非常丰富的旅游资源和广大的旅游客源市场。
因此,研究我国的入境旅游市场,对于制定我国入境旅游开发对策有着积极的参考价值。
旅游业作为第三产业服务业的重要组成部分,具有强大的生命力和发展前景。
随着经济的发展,国民收入的增加,使得人们有了自由支配的可支配收入;随着我国的改革开放,也增强着外国人对中国国内探求的渴望。
于是,入境旅游业开始逐年升温,构成我国外汇收入的一部分。
入境旅游是指外国旅游者来华进行游览和观光,休闲度假等有目的活动的总称。
入境旅游业是一个国家（地区）赚取外汇和解决就业的重要渠道,其入境旅游外汇收入是衡量该国家（地区）旅游业发展水平的重要指标。
入境旅游业是由旅行社业、住宿业、交通业、商业等相关产业的集合，是一种关联带作用较大的综合性产业。
入境旅游业的发展不但对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，和加强国家之间的经济文化交流。
因此,研究入境旅游意义重大。
2012年我国入境游人数达到1.2亿多人次，全国旅游（外汇）收入为292亿美元。
目前我国国际旅游竞争力指数在世界仍名列前茅，但从外汇旅游收入在旅游总收入的这一比重来看，我国外汇旅游的发展潜力是十分巨大的。
二，研究现状
我们通过收集数据、建立模型来对影响我国入境旅游收入的因素进行研究分析，一方面力求为增加旅游方法的研究指出明确的方向，另一方面通过模型的分析针对重要的影响因素提出我们对增加旅游外汇收入的一些建议。
国际旅游业中的创汇收入的角色是由入境旅游来扮演的。
因此将旅游外汇收入作为被解释变量,同时模型的设定考虑到可能影响入境旅游的几个最主要的因素作为解释变量.
三，影响因素分析
（一）结构影响因素的选择:
根据理论分析和经验，我们选择了入境旅游人数,国际旅行社职工人数,星级饭店数量.公路里程,以及国际旅行社数量做为可能对入境旅游外汇收入的影响因素.并初步设立多元线性回归模型.其中:
Y:
入境旅游收入（百万美元）
X1:
入境旅游人数（万人次）
X2:
国际旅行社职工人数（人次）
X3:
星级饭店数量.（个）
X4:
公路里程（公里）
X5:
国际旅行社数量（个）
（二）数据的搜集:
在搜集时间序列数据的过程中，所能获得的年度数据最多为15年,样本数据过小,不利于模型的分析和检验.同时为了避免时间序列的非平稳性，本模型使用截面数据.我们提取了2012年全国30个省,自治区,直辖市的截面数据.所有数据来源于中经统计数据网.
公路里程
入境旅游者人数
国际旅游收入
星级饭店数量
国际旅行社数量
国际旅行社职工人数
北京市
14453
185.12
1904
617
166
11081
天津市
10168
48.90
329
87
19
1253
河北省
65391
28.03
85
313
31
1767
山西省
63122
11.60
36
236
23
1724
内蒙古自治区
74135
41.36
138
132
28
1166
辽宁省
50095
77.89
454
379
57
2946
吉林省
43779
21.17
66
192
42
1459
黑龙江省
65123
58.71
244
205
62
2385
上海市
6484
244.71
2053
338
41
5846
江苏省
65565
223.16
1132
590
72
5369
浙江省
46193
180.83
873
733
46
4181
安徽省
69560
28.08
83
298
36
1547
福建省
54876
149.72
915
305
38
3984
江西省
61233
16.56
47
187
22
998
山东省
76266
77.67
370
482
55
2684
河南省
73831
18.86
63
359
30
2370
湖北省
87813
40.52
136
540
30
5097
湖南省
85233
15.39
46
356
35
3229
广东省
110253
1196.96
4267
967
176
17891
广西壮族自治区
58451
65.02
164
293
50
3892
海南省
20877
29.34
80
199
39
1876
重庆市
31407
23.45
113
147
23
1628
四川省
112543
45.17
150
346
50
3831
贵州省
45304
7.70
29
112
12
861
云南省
166133
100.01
340
572
40
4047
陕西省
50019
46.58
198
229
33
2995
甘肃省
40293
10.18
21
157
27
1524
青海省
24377
1.77
5
50
11
412
宁夏回族自治区
11916
0.30
1
33
7
294
新疆维吾尔自治区
83633
17.05
49
239
41
1774
（三）模型的初步建立:
参数估计:
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/16Time:
14:
40
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
2.205597
0.420554
5.244507
0.0000
X2
0.121497
0.047294
2.568985
0.0168
X3
0.284726
0.376139
0.756972
0.4564
X4
-0.005414
0.001352
-4.005528
0.0005
X5
-0.932018
2.680021
-0.347765
0.7310
C
121.7030
93.53073
1.301209
0.2055
R-squared
0.955313
Meandependentvar
479.7000
AdjustedR-squared
0.946003
S.D.dependentvar
887.2313
S.E.ofregression
206.1687
Akaikeinfocriterion
13.67212
Sumsquaredresid
1020133.
Schwarzcriterion
13.95236
Loglikelihood
-199.0818
F-statistic
102.6128
Durbin-Watsonstat
1.342907
Prob（F-statistic）
0.000000
（四）模型的检验
1．经济意义检验:
模型初步估计结果显示,入境旅游外汇收入（Y）受入境旅游人数（X1）,和国际旅行社从业人员数量（X2）的正向影响,且影响较为显著,符合经济意义.而参数估计结果中,星级饭店数量（X3）,公路里程（X4）的系数估计结果为负,不符合经济意义,可能是多重共线影响所致,因而有待进一步分析和检验.
2．统计检验:
从估计的结果可以看出，模型的可决系数为0.955312，模型拟合情况比较理想，在给定显著水平α=0.05的情况下，各解释变量X1,X2的t统计量的值分别为均大于t统计量的临界值，说明X1,X2对应变量的影响是显著的.其他变量均未通过t检验,分析可能是由于变量之间的多重共线性所致,有待进一步分析.模型F统计量的值也较显著，说明回归方程非常显著,整体模型效果比较好。
3．计量经济学检验
（1）多重共线性检验
由EVIEWS软件得解释变量相关系数矩阵表：
X1
X2
X3
X4
X5
X1
1
0.895201
0.710997
0.23712
0.764249
X2
0.895201
1
0.829162
0.239673
0.914778
X3
0.710997
0.829162
1
0.470813
0.749027
X4
0.23712
0.239673
0.470813
1
0.162448
X5
0.764249
0.914778
0.749027
0.162448
1
由以上相关系数矩阵表可以看出部分解释变量之间相关系数较高,存在多重共线性.
对多重共线性的修正：
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/16Time:
7:
51
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
3.818586
0.269416
14.17358
0.0000
C
96.33813
63.68711
1.512679
0.1416
R-squared
0.877671
Meandependentvar
479.7000
AdjustedR-squared
0.873302
S.D.dependentvar
887.2313
S.E.ofregression
315.8072
Akaikeinfocriterion
14.41248
Sumsquaredresid
2792557.
Schwarzcriterion
14.50589
Loglikelihood
-214.1872
F-statistic
200.8904
Durbin-Watsonstat
1.750833
Prob（F-statistic）
0.000000
首先运用OLS方法逐一求对各个解释变量的回归。
结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。
Y对X1的回归
Y对X2的回归;
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/16Time:
7:
54
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X2
0.237576
0.017501
13.57479
0.0000
C
-313.0991
83.63920
-3.743449
0.0008
R-squared
0.868096
Meandependentvar
479.7000
AdjustedR-squared
0.863385
S.D.dependentvar
887.2313
S.E.ofregression
327.9339
Akaikeinfocriterion
14.48784
Sumsquaredresid
3011139.
Schwarzcriterion
14.58125
Loglikelihood
-215.3176
F-statistic
184.2750
Durbin-Watsonstat
1.830973
Prob（F-statistic）
0.000000
Y对X3的回归
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/17Time:
14:
44
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X3
2.990601
0.543780
5.499653
0.0000
C
-486.5633
209.6021
-2.321366
0.0278
R-squared
0.519282
Meandependentvar
479.7000
AdjustedR-squared
0.502113
S.D.dependentvar
887.2313
S.E.ofregression
626.0401
Akaikeinfocriterion
15.78105
Sumsquaredresid
10973932
Schwarzcriterion
15.87446
Loglikelihood
-234.7157
F-statistic
30.24618
Durbin-Watsonstat
1.969905
Prob（F-statistic）
0.000007
Y对X4的回归
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/17Time:
14:
46
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X4
0.001544
0.004891
0.315784
0.7545
C
388.6581
331.9633
1.170786
0.2516
R-squared
0.003549
Meandependentvar
479.7000
AdjustedR-squared
-0.032039
S.D.dependentvar
887.2313
S.E.ofregression
901.3321
Akaikeinfocriterion
16.50997
Sumsquaredresid
22747188
Schwarzcriterion
16.60338
Loglikelihood
-245.6495
F-statistic
0.099719
Durbin-Watsonstat
1.919365
Prob（F-statistic）
0.754509
Y对X5的回归
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/17Time:
23:
00
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X5
19.59600
2.512471
7.799495
0.0000
C
-396.8945
145.5947
-2.726022
0.0109
R-squared
0.684799
Meandependentvar
479.7000
AdjustedR-squared
0.673542
S.D.dependentvar
887.2313
S.E.ofregression
506.9333
Akaikeinfocriterion
15.35898
Sumsquaredresid
7195479.
Schwarzcriterion
15.45239
Loglikelihood
-228.3846
F-statistic
60.83212
Durbin-Watsonstat
1.112378
Prob（F-statistic）
0.000000
在Y对X1,X2,X3,X4,X5进行逐步一元线性回归中我们发现Y对X1回归的拟合优度最大,拟合效果最好,且t检验通过所以我们保留X1,并以X1为基础,顺次加入其他变量逐步回归
加入X2的结果
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/17Time:
23:
15
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-130.6981
78.45110
-1.665981
0.1073
X1
2.109013
0.493879
4.270304
0.0002
X2
0.119467
0.030896
3.866757
0.0006
R-squared
0.921269
Meandependentvar
479.7000
AdjustedR-squared
0.915438
S.D.dependentvar
887.2313
S.E.ofregression
258.0036
Akaikeinfocriterion
14.03846
Sumsquaredresid
1797278.
Schwarzcriterion
14.17858
Loglikelihood
-207.5769
F-statistic
157.9708
Durbin-Watsonstat
1.974408
Prob（F-statistic）
0.000000
加入x3的结果
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/18Time:
14:
48
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
3.499054
0.380455
9.197035
0.0000
X3
0.457580
0.387367
1.181255
0.2478
C
-19.42685
116.6358
-0.166560
0.8690
R-squared
0.883682
Meandependentvar
479.7000
AdjustedR-squared
0.875066
S.D.dependentvar
887.2313
S.E.ofregression
313.6009
Akaikeinfocriterion
14.42876
Sumsquaredresid
2655330.
Schwarzcriterion
14.56888
Loglikelihood
-213.4314
F-statistic
102.5612
Durbin-Watsonstat
1.320380
Prob（F-statistic）
0.000000
加入x4的结果
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/18Time:
14:
50
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
3.985074
0.247990
16.06948
0.0000
X4
-0.004466
0.001577
-2.831258
0.0087
C
342.8809
104.0485
3.295396
0.0028
R-squared
0.905675
Meandependentvar
479.7000
AdjustedR-squared
0.898688
S.D.dependentvar
887.2313
S.E.ofregression
282.4019
Akaikeinfocriterion
14.21918
Sumsquaredresid
2153273.
Schwarzcriterion
14.35930
Loglikelihood
-210.2877
F-statistic
129.6220
Durbin-Watsonstat
1.528165
Prob（F-statistic）
0.000000
加入X5的结果
DependentVariable:
Y
Method:
LeastSquares
Date:
13/12/18Time:
22:
05
Sample:
130
Includedobservations:
30
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
2.983151
0.369757
8.067873
0.0000
X5
6.350784
2.148154
2.956391
0.0064
C
-103.8812
88.11471
-1.178931
0.2487
R-squared
0.907586
Meandependentvar
479.7000
AdjustedR-squared
0.900741
S.D.dependentvar
887.2313
S.E.ofregression
279.5260
Akaikeinfocriterion
14.19871
Sumsquaredresid
2109640.
升级会员 