国内旅游收入的影响因素分析文档格式.docx

国内旅游收入的影响因素分析文档格式.docx

《国内旅游收入的影响因素分析文档格式.docx》由会员分享，可在线阅读，更多相关《国内旅游收入的影响因素分析文档格式.docx（16页珍藏版）》请在冰豆网上搜索。

随着经济的发展，我国的交通条件也得到了很大的提高，同时给旅客的出行提供了很大的方便。

因此选择交通里程这一指标作为影响旅游收入的一个指标。

四，数据的收集

本文获取了1994年到2005年的数据如下表一所示。

表一1994年到2005年的统计数据

Y

X1

X2

X3

X4

X5

X6

1994

1023.51

2358.6

258.6

3399

524

21518.8

184.7088

1995

1375.7

2930.35

302.8

2821

629

29662.3

196.241

1996

1638.4

3382.5

327.9

3275

639.5

38520.8

198.8788

1997

2112.7

3625.2

337.1

3995

644

46279.8

219.4893

1998

2391.2

3793.55

334.4

4910

695

53407.5

233.0214

1999

2831.9

4032.16

329.7

6070

719

59621.8

240.8544

2000

3175.5

4266.7

331

7725

744

64332.4

245.5838

2001

3522.4

4613

333.3

9222

784

73762.4

279.3816

2002

3878.4

5089.2

330.6

10203

878

86910.6

288.7968

2003

3442.3

5547.2

334.6

11997

870

103617.3

290.4522

2004

4710.7

6179

347.7

13467

1102

119555.4

308.6934

2005

5285.86

6873.95

353.9

16348

1212

141051

313.5269

资料来源：

http:

//192.168.30.168:

81/

http:

//www.pinggu.org/bbs/index.asp

注:

Y为中国国内旅游收入，单位为亿元

x1为人均可支配收入，单位为元

x2为消费价格指数，以1985年为基年

x3为国内旅社数，单位为个

x4为国内旅游人数，单位为百万人次

x5为城乡居民年底存款余额，单位为亿元

x6为交通里程，单位为万公里

由中国国情决定，中国的旅游业在过去的几十年里发展的相当缓慢，到近几年才快速发展起来。

因此直到1994年才有与旅游收入相关的统计数据，这直接导致我们研究问题的样本量不足的问题。

五、模型的估计与调整

1、检验多重共线性

1）分别做y和各个解释变量的散点图，我们发现各个解释变量与y都是近似的线性关系，因此我们设定模型为

y=c+c1*x1+c2*x2+c3*x3+c4*x4+c5*x5+c6*x6

EViews的最小二乘估计结果见表二

DependentVariable:

Y

Method:

LeastSquares

Date:

12/16/07Time:

20:

27

Sample:

19942005

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

-8383.433

2211.025

-3.791650

0.0127

-1.427166

1.667962

-0.855634

0.4313

24.87071

13.72040

1.812681

0.1296

0.376346

0.190880

1.971636

0.1057

4.800825

1.846466

2.600007

0.0482

-0.014566

0.044721

-0.325708

0.7578

15.12889

7.619128

1.985646

0.1038

R-squared

0.987928

Meandependentvar

2949.047

AdjustedR-squared

0.973441

S.D.dependentvar

1313.443

S.E.ofregression

214.0499

Akaikeinfocriterion

13.86149

Sumsquaredresid

229086.8

Schwarzcriterion

14.14436

Loglikelihood

-76.16896

F-statistic

68.19606

Durbin-Watsonstat

2.483285

Prob（F-statistic）

0.000124

从表一可以看出，除了x4的系数通过检验，其他解释变量的系数都未通过检验。

可见上述模型不是太好，我们可将模型设定如下

Y=clogy=c+c1*logx1+c2*logx2+c3*logx3+c4*logx4+c5*logx5+c6*logx6

EViews的最小二乘估计结果见表三：

表三EViews的最小二乘计算结果

LOG（Y）

19:

11

-16.77757

5.632615

-2.978646

0.0308

LOG（X1）

-2.619456

1.491743

-1.755970

0.1394

LOG（X2）

4.291464

1.158825

3.703288

0.0140

LOG（X3）

0.825338

0.315038

2.619803

0.0471

LOG（X4）

0.924662

0.499018

1.852963

0.1231

LOG（X5）

0.269979

0.867549

0.311198

0.7682

LOG（X6）

0.964413

0.738222

1.306399

0.2483

0.992832

7.884227

0.984230

0.501562

0.062986

-2.400614

0.019836

-2.117751

21.40368

115.4196

2.874831

0.000034

由上表可知，有些解释变量的系数的t统计量有所增加，即模型有所改进。

回归系数和修正的回归系数都很高，F统计量也很显著。

我们猜想上述模型存在多重共线性。

则由软件求得个解释变量的相关系数如表四：

1

0.7620690565

0.9760533812

0.9755342908

0.9965341779

0.9668251186

0.6154384719

0.6962122799

0.7134712765

0.7152267592

0.9587714366

0.9861081399

0.9615983457

0.9787216182

0.9188646329

0.9612301192

由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。

2）.修正多重共线性

采用逐步归回的办法，去检验和解决多重共线性问题。

分别做Iny对logx1，logx2，logx3，logx4，logx5,logx6的一元回归。

结果如表五：

变量

logx1

logx2

logx3

logx4

logx5

logx6

参数估计值

1.576184

5.053141

0.783658

1.935193

0.872156

2.320342

t统计量

13.77961

4.592402

9.043727

7.958836

16.67611

7.863553

0.949969

0.678355

0.891054

0.863654

0.965289

0.860793

0.944966

0.646190

0.880160

0.850020

0.961818

0.846872

由表五可知，Inx5的修正系数最大，而且也通过了t检验，现在以Inx5为基础，顺次加入其他变量逐步回归结果如表六：

logx5logx1

-1.160109

2.431449

0.963094

logx5logx2

0.603853

8.819078

0.959227

logx5logx3

0.264561

4.412193

0.957903

logx5logx4

-0.545288

5.245959

0.958932

logx5logx6

2.410565

0.965947

0.961560

由上表可知所有新引入的解释变量都没有通过t检验，则如表七有LnY对LnX5的回归结果

12/15/07Time:

13

-1.724540

0.576894

-2.989355

0.0136

0.052300

0.0000

0.098007

-1.656554

0.096053

-1.575736

11.93932

278.0926

1.383752

0.000000

所以最后的回归结果为：

log

=-1.724540+0.872156*log

se=0.5768940.052300

t=-2.98935516.67611

=0.965289

=0.961818F=278.0926DW=1.383752

2、异方差的检验

由于研究对象的特殊性及我们国家经济的发展状况，我们的样本量受实际情况限制无法足够大，因此我们只能选择用图示法来检验模型是否存在异方差。

1）相关图形分析

由于样本量太小，logY的离散程度随logX5的变化不是太明显，下面我们来分析残差图。

2）残差图分析

由上图可以看出残差的平方并未随着解释变量的变化而呈现增大或减小的趋势，是比较分散和随机的，因此初步判断此模型不存在异方差。

3、自相关的检验

首先我们用图示检验法，先绘制

和

的散点图，如下所示：

（其中E为

，E1为

）

由图可以看出该模型存在正的自相关。

下面用科克伦奥克特迭代法对自相关进行补救。

用软件对模型进行估计可以得到

的序列，然后利用最小二乘估计法对模型

=

+

进行估计的结果如表八：

（其中E1为

E

12/19/07Time:

22:

51

Sample（adjusted）:

19952005

11afteradjustments

E1

0.293139

0.302024

0.970584

0.3546

0.084243

0.004154

0.096837

0.092669

-1.833064

0.085875

-1.796891

11.08185

1.996219

由表八有

=0.293139，对原模型进行广义差分，得到广义差分方程：

-0.293139*log

=c1*（1-0.293139）+c2*（log

）+

令Y1=log

，X55=log

，c11=c1*（1-0.293139）

则模型变换为Y1=c11+c2*x55

对上述广义差分方程进行回归，得结果如表九：

Y1

23:

00

-2.983992

0.729103

-2.175638

0.2699

X55

0.826757

0.092164

8.970491

0.899407

5.678061

0.888230

0.288154

0.096336

-1.678994

0.083525

-1.606649

11.23447

80.46971

2.031662

0.000009

现在对差分后的方程用图示法进行检验，绘制

由图可知自相关已消除。

则由c1*（1-0.293139）=-2.983992得c1=-4.221469，且c2=0.826757。

所以本模型估计的最终结果为：

=-4.221469+0.826757log

六、结论分析

随着社会与时代的变迁，旅游业已成为我国乃至整个世界经济发展的一个重要组成部分，对旅游产业发展状况的统计量度就显得十分重要，这不仅从宏观上反映旅游业的发展水平、影响因素以及整个国家的经济发展水平，同时也直接关系到评估旅游业和旅游活动直接、间接和诱发性的经济影响，关系到旅游设施和资源的规划与开发，关系到如何确定旅游者结构并制订营销和促销策略，以及识别游客的流向、方式和偏好等，具有非常深远的实际应用价值。

旅游产业作为一个单独的行业，它既具备大多数行业在