国内旅游总花费影响因素分析.docx
《国内旅游总花费影响因素分析.docx》由会员分享，可在线阅读，更多相关《国内旅游总花费影响因素分析.docx（40页珍藏版）》请在冰豆网上搜索。
国内旅游总花费影响因素分析
中国国内旅游总花费影响因素分析
一、问题提出
1、研究问题
旅游可以促进人力、物力、资源的优化利用,促进当地的相关产业的发展，解决就业问题，提高经济收益等都是大有裨益的。
更重要是随着旅游业的发展，当地人的观念将会发生根本改变,即按照市场需求,组织生产,搞活流通，以信息化取代封闭的传统的生产模式。
旅游可以使单一资源产生规模效应，扩大单一资源的产品转化和升级，将市场建在家门口,对外提高当地的影响力。
旅游业是现代服务业的重要组成部分，带动作用大。
加快旅游业改革发展，是适应人民群众消费升级和产业结构调整的必然要求，对于扩就业、增收入,推动中西部发展和贫困地区脱贫致富,促进经济平稳增长和生态环境改善意义重大，对于提高人民生活质量、培育和践行社会主义核心价值观也具有重要作用。
中国旅游业的发展是与改革开放同步进行的.改革开放之前，由于受传统计划体制观念的影响,注重生产轻视消费，旅游被当做一种奢侈品而遭到排斥，同时，国内生活水平普遍较低，对外又采取闭关锁国政策，因此，旅游产业的发展缺乏必要的物质基础和政治条件。
改革开放以后,随着中国经济的发展，一方面，国民经济建设需要大量的资金；另一方面，由于对外开放的大门打开，境外游客和资本急于进入中国，从而为中国的旅游业形成创造了良好的内外条件和环境.本文通过对国内旅游总花费的影响因素展开研究，运用建立多元线性回归模型的方法，探讨影响国内旅游总花费的主要因素，并对这些因素进行分析。
2、数据来源（1994—2013，国家统计局）
Y国内旅游总花费（亿元）X1国内生产总值（亿元）X2平均工资（元）X3客运量（万人）x4国内游客（百万人次）x5居民消费价格指数（上年=100）
年份
国内旅游总花费（亿元）
国内生产总值（亿元）
平均工资（元）
客运量（万人）
国内游客（百万人次）
居民消费价格指数（1987年=100）
1994
1023。
5
48197.9
5120
1092882
524
270.4
1995
1375.7
60793。
7
5348
1172596
629
396.9
1996
1638。
4
71176。
6
5980
1245357
640
429。
9
1997
2112。
7
78973。
0
6444
1326094
644
441.9
1998
2391。
2
84402。
3
7446
1378717
695
438.4
1999
2831.9
89677。
1
8319
1394413
719
432.2
2000
3175。
5
99214.6
9333
1478573
744
434.0
2001
3522.4
109655.2
10834
1534122
784
437。
0
2002
3878.4
120332。
7
12373
1608150
878
433。
5
2003
3442。
3
135822。
8
13969
1587497
870
438。
7
2004
4710.7
159878。
3
15920
1767453
1102
455。
8
2005
5285。
9
184937。
4
18200
1847018
1212
464.0
2006
6229。
7
216314.4
20856
2024158
1394
471。
0
2007
7770.6
265810.3
24721
2227761
1610
493。
6
2008
8749。
3
314045.4
28898
2867892
1712
522.7
2009
10183。
7
340902。
8
32244
2976898
1902
519。
0
2010
12579.8
401512.8
36539
3269508
2103
536.1
2011
19305。
4
473104.0
41799
3526319
2641
565。
0
2012
22706。
2
519470。
1
46769
3804035
2957
579.7
2013
26276。
1
568845.2
51483
2122992
3262
594.8
3、定性分析
为了研究国内旅游总花费的影响因素，把国内旅游总花费（亿元）作为被解释变量y，将国内生产总值（亿元）、平均工资（元）、客运量（万人）、国内游客（百万人次）、居民消费价格指数（上年=100）作为解释变量，分别设为x1，x2、x3、x4、x5，假定其多元线性回归模型表示为：
y=β0+β1x1+β2x2+β3x3+β4x4+β5x5
二、相关分析
1、数据基本描述
DescriptiveStatistics
Mean
Std.Deviation
N
国内旅游总花费（亿元）
7。
4595E3
7351。
58315
20
国内生产总值（亿元）
2。
1715E5
1。
64588E5
20
平均工资（元）
2.01E4
14745。
147
20
客运量（万人）
2.0126E6
8.31668E5
20
国内游客（百万人次）
1。
3511E3
834.46503
20
居民消费价格指数（上年=100）
4.6773E2
73.11847
20
2、相关分析
利用散点图、简单相关系数检验被解释变量y和解释变量x1，x2,x3，x4，x5之间的关系。
根据散点图可以看出，国内旅游总花费y与国内生产总值x1、平均工资x2、客运量x3、国内游客x4、居民消费价格指数x5成正相关.
Correlations
国内旅游总花费（亿元）
国内生产总值（亿元）
平均工资（元）
客运量（万人）
国内游客（百万人次）
居民消费价格指数（上年=100）
PearsonCorrelation
国内旅游总花费y
1。
000
。
974
。
968
。
785
.986
。
855
国内生产总值x1
。
974
1.000
。
999
。
875
.996
.895
平均工资x2
.968
.999
1。
000
.875
.994
.891
客运量x3
。
785
.875
。
875
1.000
。
847
。
814
国内游客x4
.986
。
996
.994
。
847
1。
000
.886
居民消费价格指数（上年=100）x5
.855
.895
.891
.814
。
886
1。
000
Sig。
（1—tailed）
国内旅游总花费y
。
。
000
.000
.000
。
000
。
000
国内生产总值x1
.000
。
.000
。
000
。
000
。
000
平均工资x2
。
000
.000
。
。
000
。
000
.000
客运量x3
。
000
。
000
.000
。
。
000
。
000
国内游客x4
.000
.000
。
000
。
000
。
。
000
居民消费价格指数（上年=100）x5
。
000
.000
.000
.000
.000
.
N
国内旅游总花费y
20
20
20
20
20
20
国内生产总值x1
20
20
20
20
20
20
平均工资x2
20
20
20
20
20
20
客运量x3
20
20
20
20
20
20
国内游客x4
20
20
20
20
20
20
居民消费价格指数（上年=100）x5
20
20
20
20
20
20
从相关系数表中可以看出国内旅游总花费y与国内生产总值x1、平均工资x2、国内游客x4的相关系数都在0。
9以上，高度相关；国内旅游总花费y与居民消费价格指数x5的相关系数在0.8以上,相关性也很强，国内旅游总花费y与客运量x3的相关系数在0。
7以上,具有一定的相关性。
所以，国内旅游总花费y与这五个自变量做回归分析是合适的。
三、模型建立
根据之前建立的模型y=β0+β1x1+β2x2+β3x3+β4x4+β5x5
，利用SPSS，采用强行进入的方法进行多元线性回归，得到结果如下：
1、拟合优度检验
ModelSummaryb
Model
R
RSquare
AdjustedRSquare
Std。
ErroroftheEstimate
ChangeStatistics
Durbin—Watson
RSquareChange
FChange
df1
df2
Sig。
FChange
1
。
993a
。
987
.982
987.66685
。
987
207.735
5
14
.000
.584
a。
Predictors：
（Constant）,居民消费价格指数（上年=100）,客运量（万人）,国内游客（百万人次），平均工资（元）,国内生产总值（亿元）
b.DependentVariable:
国内旅游总花费（亿元）
从上表可以看出，方程的复相关系数R=0.993，样本决定系数R2=0.987,调整后的样本决定系数为0.982，说明方程拟合优度很好。
ANOVAb
Model
SumofSquares
df
MeanSquare
F
Sig。
1
Regression
1。
013E9
5
2。
026E8
207.735
。
000a
Residual
1.366E7
14
975485。
806
Total
1.027E9
19
a。
Predictors:
（Constant）,居民消费价格指数（上年=100），客运量（万人）,国内游客（百万人次）,平均工资（元），国内生产总值（亿元）
b.DependentVariable：
国内旅游总花费（亿元）
由ANOVA表可知,在0。
05的显著性水平下，F值=207.735，P值为0.000，说明回归方程高度显著,x1,x2，x3，x4，x5整体上对y有高度显著的线性影响。
回归系数的检验
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t
Sig。
Correlations
CollinearityStatistics
B
Std.Error
Beta
Zero—order
Partial
Part
Tolerance
VIF
1
（Constant）
—2265。
053
3283。
235
-.690
。
502
国内生产总值x1
.042
。
038
。
934
1。
088
.295
。
974
。
279
。
034
。
001
776.155
平均工资x2
-。
653
。
293
-1.310
-2。
226
.043
升级会员 