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