我国涉外旅游业收入的实证分析.docx

我国涉外旅游业收入的实证分析.docx

《我国涉外旅游业收入的实证分析.docx》由会员分享，可在线阅读，更多相关《我国涉外旅游业收入的实证分析.docx（18页珍藏版）》请在冰豆网上搜索。

我国涉外旅游业收入的实证分析

我国涉外旅游业收入的实证分析

一．概况分析

涉外旅游．是指我国旅游部门经营对外招徕并接待外国人、外籍华人和华侨等国际旅行者旅游业务的活动。

涉外旅游业是一项新型的综合性的经济事业。

旅游业是日益兴起的新型“朝阳产业”，它的发展无论是对一国的经济，还是国际间的交流，都有着重要和积极的作用。

中国是世界上旅游资源和市场最丰富的国家，把握这一优势，大力发展旅游业，对正在深入的改革开放和产业结构的优化，都有着广泛的促进作用。

近年来，我国旅游业突飞猛进。

随着我国对外开放的逐步深入，涉外旅游业也获得了长足的发展。

它是我国国民经济和发展对外经济关系的一个重要组成部分，是第三产业的重要部门。

中国旅游市场在21世纪将进一步扩大，中国丰富的旅游资源不断得到开发；旅游产品结构不断完善；旅游产业规模不断扩大；发展旅游的大环境逐渐优化，这些都为中国旅游市场的扩大提供了坚实的保障。

我国涉外旅游市场将会继续扩大，亚洲是中国的最大客源市场，随着东南亚金融危机的过去，东南亚、日本的经济复苏，亚洲客源肯定有较大的发展；欧美远程客源国来华人数都在不断增长，在中国国际旅游市场上，来自欧美的游客只是一个全球的平均水平，欧美来华旅游的潜力显然很大。

二．模型的建立

我们通过分析我国涉外旅游业的收入，根据理论及对现实情况的认识,建立了一个单一方程模型:

Y=ß1+ß2X2+ß3X3+ß4X4+ß5X5+U（1.1）

其中：

Y——我国涉外旅游业收入（亿元）

X2——涉外饭店数目（个）

X3——旅游人数（万人）

X4——涉外旅游业职工人数（人）

X5——涉外旅行社个数（个）

U——随及扰动项

ßi——参数

三．模型的估计和检验

（一）估计

设模型中的随及误差项U满足古典假定，运用OLS方法估计未知参数，利用计量经济学计算机软件Eviews计算的过程如下：

1．建立文档，输入数据

首先点击Eviews图标，进入Eviews主页。

建立新的Workfile工作框，并输入数据，见表一。

表一

obs

X2

X3

X4

X5

Y

1991

2130.000

3335.000

38177.00

671.0000

28.40000

1992

2354.000

3811.500

40258.00

852.0000

39.50000

1993

2552.000

4152.700

45431.00

987.0000

46.80000

1994

2995.000

4368.450

57600.00

1110.000

73.23000

1995

3720.000

4638.650

59935.00

1025.000

87.33000

1996

4418.000

5112.750

53093.00

977.0000

102.0000

1997

5201.000

5758.790

48881.00

991.0000

120.7400

1998

5782.000

6347.840

52290.00

1312.000

126.0200

1999

7035.000

7279.560

47153.00

1256.000

140.9900

2．OLS估计未知参数

在主页上选Group菜单，点击EstimateEquation项，对数据进行OLS估计，结果如表二

表二

DependentVariable:

Y

Method:

LeastSquares

Date:

05/15/04Time:

10:

29

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X2

0.010831

0.019765

0.548008

0.6128

X3

0.019274

0.031260

0.616577

0.5709

X4

0.001652

0.000559

2.953751

0.0418

X5

-0.046484

0.050411

-0.922104

0.4087

C

-88.36498

52.76179

-1.674791

0.1693

R-squared

0.988138

Meandependentvar

85.00111

AdjustedR-squared

0.976277

S.D.dependentvar

40.71376

S.E.ofregression

6.270853

Akaikeinfocriterion

6.809883

Sumsquaredresid

157.2944

Schwarzcriterion

6.919452

Loglikelihood

-25.64447

F-statistic

83.30613

Durbin-Watsonstat

1.852069

Prob（F-statistic）

0.000419

（二）检验

1．经济意义检验

X5的系数与其经济意义不符。

我们将通过对模型的修正看是否能得到更好的结果。

2．统计检验

对回归系数进行整体检验，该检验是在方差分析的基础上利用F检验进行的。

由上表数据，F=248.8175>F0.05（4，4），应该拒绝原假设H0，说明回归方程显著。

所以从模型从整体上看，涉外旅游收入与解释变量之间线形关系显著

3．计量经济学检验

（1）.多重共线性检验

在Quick菜单中选取项GroupStatistics中的Correlation命令，输入变量名即可得到如下结果：

表三

X2

X3

X4

X5

X2

1.000000

0.991841

0.297759

0.777257

X3

0.991841

1.000000

0.302919

0.832983

X4

0.297759

0.302919

1.000000

0.573134

X5

0.777257

0.832983

0.573134

1.000000

由表3可以看出，解释变量之间存在高度线性相关。

同时由表2得到的可决系数很大，而且F统计量值显著的大于给定显著性水平下的临界值，而x2、x3、x5变量的偏回归系数t统计量值并不显著，且X5的系数的符号与经济意义相悖。

尽管整体上线性回归拟合较好，但模型中解释变量存在严重的多重共线性。

对多重共线性的修正

a）.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形回归方程。

Y对X2的回归

表四

DependentVariable:

Y

Method:

LeastSquares

Date:

05/15/04Time:

14:

56

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X2

0.023098

0.002185

10.57110

0.0000

C

-7.868897

9.465154

-0.831354

0.4332

R-squared

0.941052

Meandependentvar

85.00111

AdjustedR-squared

0.932630

S.D.dependentvar

40.71376

S.E.ofregression

10.56752

Akaikeinfocriterion

7.746577

Sumsquaredresid

781.7067

Schwarzcriterion

7.790404

Loglikelihood

-32.85959

F-statistic

111.7481

Durbin-Watsonstat

0.736732

Prob（F-statistic）

0.000015

将上述回归结果整理如下：

Y=--7.868897+0.023098X2（1.2）

（-0.8313）（10.5711）

R^2=0.9410，S.E=10.5675，F=111.7481

Y对X3的回归

表五

DependentVariable:

Y

Method:

LeastSquares

Date:

05/15/04Time:

15:

06

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

0.030641

0.003358

9.126027

0.0000

C

-67.53941

17.19614

-3.927590

0.0057

R-squared

0.922467

Meandependentvar

85.00111

AdjustedR-squared

0.911391

S.D.dependentvar

40.71376

S.E.ofregression

12.11937

Akaikeinfocriterion

8.020616

Sumsquaredresid

1028.153

Schwarzcriterion

8.064444

Loglikelihood

-34.09277

F-statistic

83.28438

Durbin-Watsonstat

0.775610

Prob（F-statistic）

0.000039

将上述回归结果整理如下：

Y=-67.53941+0.030641X3（1.3）

（-3.9275）（9.1260）

R^2=0.9224，S.E=12.1193，F=83.2843

Y对X4的回归

表六

DependentVariable:

Y

Method:

LeastSquares

Date:

05/15/04Time:

15:

07

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X4

0.002713

0.001830

1.482325

0.1818

C

-48.47780

90.93217

-0.533120

0.6105

R-squared

0.238906

Meandependentvar

85.00111

AdjustedR-squared

0.130178

S.D.dependentvar

40.71376

S.E.ofregression

37.97137

Akaikeinfocriterion

10.30467

Sumsquaredresid

10092.77

Schwarzcriterion

10.34850

Loglikelihood

-44.37102

F-statistic

2.197288

Durbin-Watsonstat

0.301641

Prob（F-statistic）

0.181813

将上述回归结果整理如下：

Y=-48.4778+0.0027X4（1.4）

（-0.5331）（1.4823）

R^2=0.2389，S.E=37.9713，F=2.1972

Y对X5的回归

表七

DependentVariable:

Y

Method:

LeastSquares

Date:

05/15/04Time:

15:

08

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X5

0.168492

0.046892

3.593223

0.0088

C

-86.87950

48.60200

-1.787570

0.1170

R-squared

0.648440

Meandependentvar

85.00111

AdjustedR-squared

0.598217

S.D.dependentvar

40.71376

S.E.ofregression

6

Akaikeinfocriterion

9.532296

Sumsquaredresid

4661.995

Schwarzcriterion

9.576123

Loglikelihood

-40.89533

F-statistic

12.91125

Durbin-Watsonstat

1.119498

Prob（F-statistic）

0.008819

将上述回归结果整理如下：

Y=-86.8795+0.1684X5（1.5）

（-1.7875）（3.5932）

R^2=0.6484，S.E=25.8069，F=12.9112

分析：

通过对多重可决系数和t统计量的观察，X2，X3的可决系数接近1，且t的绝对值都远大于2，所以模型对数据的拟合程度较好。

同时结合经济意义，旅游人数x3较涉外饭店数x2对涉外旅游收入y的影响更大，选出x3，得一元线性回归方程：

Y=-67.53941+0.030641X3

b.逐步回归。

引入其余解释变量，得到以下模型。

表八

DependentVariable:

Y

Method:

LeastSquares

Date:

05/16/04Time:

00:

02

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

-0.003361

0.024767

-0.135705

0.8965

X2

0.025586

0.018485

1.384133

0.2156

C

-1.140102

50.62397

-0.022521

0.9828

R-squared

0.941232

Meandependentvar

85.00111

AdjustedR-squared

0.921643

S.D.dependentvar

40.71376

S.E.ofregression

11.39675

Akaikeinfocriterion

7.965734

Sumsquaredresid

779.3148

Schwarzcriterion

8.031476

Loglikelihood

-32.84580

F-statistic

48.04823

Durbin-Watsonstat

0.742719

Prob（F-statistic）

0.000203

表九

DependentVariable:

Y

Method:

LeastSquares

Date:

05/16/04Time:

00:

03

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

0.028536

0.002536

11.25191

0.0000

X4

0.001209

0.000441

2.740175

0.0337

C

-116.5457

21.75047

-5.358306

0.0017

R-squared

0.965563

Meandependentvar

85.00111

AdjustedR-squared

0.954084

S.D.dependentvar

40.71376

S.E.ofregression

8.724176

Akaikeinfocriterion

7.431275

Sumsquaredresid

456.6675

Schwarzcriterion

7.497016

Loglikelihood

-30.44074

F-statistic

84.11512

Durbin-Watsonstat

1.174184

Prob（F-statistic）

0.000041

表十

DependentVariable:

Y

Method:

LeastSquares

Date:

05/16/04Time:

00:

05

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

0.030188

0.006551

4.608392

0.0037

X5

0.003566

0.042964

0.083004

0.9365

C

-68.92251

24.94512

-2.762966

0.0327

R-squared

0.922556

Meandependentvar

85.00111

AdjustedR-squared

0.896742

S.D.dependentvar

40.71376

S.E.ofregression

13.08290

Akaikeinfocriterion

8.241691

Sumsquaredresid

1026.974

Schwarzcriterion

8.307432

Loglikelihood

-34.08761

F-statistic

35.73773

Durbin-Watsonstat

0.780006

Prob（F-statistic）

0.000464

Y=-1.140102+0.025586X2+-0.003361X3

（-0.0225）（1.3841）（-0.1357）

AdjustedR^2=0.9216S.E=11.3967F=48.0482

Y=-116.5457+0.028536X3+0.001209X4

（-5.3583）（11.2519）（2.7401）

AdjustedR^2=0.9540S.E=8.7241F=84.1151

Y=-68.92251+0.030188X3+0.003566X5

（-2.7629）（4.6083）（0.0830）

AdjustedR^2=0.8967S.E=13.0829F=35.7377

可以看出X2和X5的对模型的拟合优度并无改善，同时对X3影响较小。

X4在符合经济意义的前提下，使拟合优度提高，每个参数统计检验显著，应采纳该变量。

得到一个二元回归方程：

Y=-116.5457+0.028536X3+0.001209X4

表十一

DependentVariable:

Y

Method:

LeastSquares

Date:

05/16/04Time:

22:

03

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

-0.006655

0.013448

-0.494878

0.6417

X4

0.001227

0.000312

3.928074

0.0111

X2

0.026456

0.010020

2.640370

0.0460

C

-48.62606

29.98005

-1.621947

0.1657

R-squared

0.985617

Meandependentvar

85.00111

AdjustedR-squared

0.976987

S.D.dependentvar

40.71376

S.E.ofregression

6.176249

Akaikeinfocriterion

6.780402

Sumsquaredresid

190.7303

Schwarzcriterion

6.868057

Loglikelihood

-26.51181

F-statistic

114.2115

Durbin-Watsonstat

1.743783

Prob（F-statistic）

0.000050

表十二

DependentVariable:

Y

Method:

LeastSquares

Date:

05/16/04Time:

22:

09

Sample:

19911999

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

0.036303

0.003155

11.50697

0.0001

X4

0.001866

0.000371

5.036388

0.0040

X5

-0.070169

0.024064

-2.915919

0.0332

C

-115.9801

14.50022

-7.998507

0.0005

R-squared

0.987248

Meandependentvar

85.00111

AdjustedR-squared

0.979597

S.D.dependentvar

40.71376

S.E.ofregression

5.815561

Akaikeinfocriterion

6.660054

Sumsquaredresid

169.1038

Schwarzcriterion

6.747709

Loglikelihood

-25.97024

F-statistic

129.0310

Durbin-Watsonstat

1.949370

Prob（F-statistic）

0.000037

分析：

由表11、表12知，分别引入x2或x5后，他们对y的影响并不显著，故将x2和x5删除，

此后统计检验效果均有较大改善。

综上所述，选择此模型为修正后的