城镇居民人均旅游消费模型探究.docx

城镇居民人均旅游消费模型探究.docx

《城镇居民人均旅游消费模型探究.docx》由会员分享，可在线阅读，更多相关《城镇居民人均旅游消费模型探究.docx（12页珍藏版）》请在冰豆网上搜索。

城镇居民人均旅游消费模型探究

计量经济学论文

城镇居民人均旅游消费模型探究

目录

内容摘要…………………………3

经济或社会现象…………………3

文献回顾…………………………3

分析方法…………………………4

数据来源与说明…………………7

结论与建议………………………8

参考文献…………………………8

附录………………………………9

城镇居民人均旅游消费模型探究

内容摘要

改革开发以来，我国旅游业得到了迅速发展。

就现今发展趋势而言，旅游业依然拥有很大的发展空间。

本文通过建立计量经济模型来进一步分析社会各项经济指标对于我国人均旅游消费的影响。

关键词：

旅游业计量经济模型经济指标

经济或社会现象

旅游消费是在人们基本生活需要得到满足之后而产生的更高层次的消费需要，同旅游者收入水平、旅游者结构密切相关，也同旅游产品结构与产品质量密不可分。

旅游业具有一定的波动性，是资金密集型和劳动密集型产业，包括国际旅游和国内旅游两个部分。

两者由于接待对象不同而有所区别，但其性质和作用是基本一致的。

经济发达国家的旅游业，一般是从国内旅游业开始，逐步向国际旅游业发展。

一些发展中国家,由于经济落后,经济建设需要外汇，大多是从国际旅游业开始发展的。

国内旅游业和国际旅游业是密切相联的统一体，统筹规划、合理安排，能够互相促进、互相补充、共同发展。

旅游能使人们在体力上和精神上得到休息,改善健康情况,开阔眼界，增长知识，推动社会生产的发展。

而随着社会的不断发展，旅游业在国民经济所占的地位日益显著。

在传统的观光旅游持续增长的同时，休闲度假旅游将快速发展。

与现代生活方式紧密相关的旅游新业态将大量涌现。

城乡居民出游的选择将更趋多样，旅游产品的供应将更加丰富和充裕。

对于城镇居民而言，旅游消费的数额大小往往由诸多因素决定，例如家庭收入水平，旅游地点物价，景区知名度，交通方式等等。

通过计量经济模型来研究居民人均旅游消费有助于人们更加客观清晰地了解社会因素作用下的显著效果，有助于旅游产业针对居民的各类需求偏好做出相应调整，更好地服务于消费者并获得更多收益。

文献回顾

在对于城镇居民人均旅游消费模型的过程中，我通过查阅资料了解到了建立该类模型的实际意义。

经济学家凯恩斯有这样的一个观点，如果实际收入是当期消费状况的一个决定因素时，消费量便会随着实际收入量的增加而增加。

陈敏的《关于我国城镇居民旅游消费行为的研究——基于计量经济学模型的分析》一文中由模型就得出了符合该理论结论：

我国城镇居民人均可支配收入每增长1元，其中仅有约2.22%部分用于旅游消费，这说明我国人民的生活水平还处于比较低的层次，这与我国的传统美德—勤俭节约也是有关联的，居民的可支配收入除了必要的开支之外，其余的大部分作为储蓄储存起来，所以我国城镇居民的人均旅游消费占人均可支配收入的比重较小。

同时也说明现阶段我国的旅游消费还没有完全启动，旅游消费市场还有很大的潜力可以开发。

这篇文献中建立的模型中我国城镇居民人均可支配收入作为一个重要的解释变量引入，并最终根据模型的分析给出制定合理的旅游产品价格体系，加快经济发展，增加人民收入，提升旅游消费水平，开展消费者教育，加强旅游公共服务体系建设，健全旅游法规，规范旅游企业经营行为几个建议。

收集资料时考虑到了GDP对于城镇居民旅游消费模型可能会有一定的影响，而杨智勇的《基于计量模型的旅游消费研究》这篇论文得出了在一定程度上符合猜想的结论。

在他的观点中，旅游业对我国经济的发展做出了巨大的贡献，同时第三产业对国内旅游业的发展也做出了巨大的贡献。

另一方面，经济繁荣带动了国际旅游业的发展，有必要把旅游产业放在优先发展的位置来考虑，把旅游产业作为经济社会发展的重要支柱来培育，强化旅游业作为第三产业发展的龙头地位，从而发挥旅游业在带动社会就业、增加国民收入、拉动消费、提高第三产业在国民经济中的比重等方面的作用。

这就要求发挥旅游业的乘数效应，延伸产业链，更多地争取和推进与诸多产业的联动发展，充分发挥第三产业对旅游业的支撑作用。

而第三产业收入恰恰是GDP的重要组成部分之一。

因此在下面的建模中将考虑把我国人均GDP作为解释变量之一引入模型。

人们的消费支出行为与储蓄有关，储蓄金额数量与利率则有一定相关性。

国际旅游外汇收入可能会对本地居民的消费产生刺激作用。

在对模型的构想中本打算将国际旅游外汇收入与年平均储蓄利率两个变量引入，但是由于数据存在残缺的缘故最终选择将其剔除。

分析方法

基于对变量的分析，建立如下计量经济模型

Y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+μi

其中，β0为常数，y为城镇居民人均旅游消费，x1为城镇居民人均可支配收入，x2为城镇居民消费价格指数，x3为储蓄增加额，x4为人均国内生产总值，x5为国内旅游收入，μi为随机误差项，β1，β2，β3，β4，β5分别为x1,x2,x3,x4,x5的系数。

普通最小二乘法估计结果如下：

拟合优度检验

Y=865.085+0.082*X1-4.740*X2-0.005*X3-0.021*X4-0.016*X5

（2.65）（2.04）（-1.71）（-2.88）（-0.75）（-1.27）

R²=0.926195adjustedR²=0.892647F=27.60823D.W.=2.282016

根据表格可以看出，由于R²较大且接近于1，而且F=27.60823>F0.05（5,11）=4.70，故认为城镇居民人均旅游消费与上述解释变量间总体线性关系显著。

多重共线性检验

根据相关系数表可知，部分相关系数大于0.839128，因此原模型存在多重共线性。

为找出最简单的回归形式，分别作Y与X1,X2,X3,X4,X5的回归，根据表格，通过比较可知，城镇居民人均旅游消费受城镇居民人均可支配收入（X1）的影响最大，与经验相符合，故选择方程Y=f（X1）为初始的回归模型。

在初始回归模型中引入X4，模型拟合优度提高且变量通过了t检验，D.W.检验表明不存在1阶序列相关性，模型变为Y=f（X1,X4）

接下来引X3，通过t检验与D.W.检验，进一步引入X2与X5时变量未通过t检验。

最终城镇居民人均旅游消费函数应以Y=f（X1,X3,X4）为最优,拟合结果如下：

Y=303.32596404+0.133529559848*X1-0.00493293823304*X3-0.0596544375761*X4

（5.110915）（4.317970）（-2.729915）（-3.345769）

序列相关性检验

由残差项e与时间t以及e与e（-1）关系图来看，无法确定随机项的序列相关性。

故进行D.W.检验。

根据OLS计算结果，D.W.=1.912534，n=17,k=3,查表可知，dL=1.02,dU=1.54,

dU

异方差检验

对上述确定的模型进行G-Q检验

Y=303.32596404+0.133529559848*X1-0.00493293823304*X3-0.0596544375761*X4

（5.110915）（4.317970）（-2.729915）（-3.345769）

依据残差平方和确定F统计量，得出F=27.479,在1%显著性水平下,F

数据来源与说明

本篇论文中各项数据均来自中国国家统计局2012年中国统计年鉴。

结论与建议

最终回归结果如下

Y=303.32596404+0.133529559848*X1-0.00493293823304*X3-0.0596544375761*X4

（5.110915）（4.317970）（-2.729915）（-3.345769）

y为城镇居民人均旅游消费，x1为城镇居民人均可支配收入，x3为储蓄增加额，x4为人均国内生产总值。

该回归模型说明我国城镇居民人均消费受城镇居民人均可支配收入，储蓄增加额，人均国内生产总值三个因素的影响较大。

城镇居民消费价格指数与国内旅游收入不适用于该模型。

我国城镇居民旅游消费水平增长缓慢。

因此国家更应该从提高人均可支配收入水平来保证人们的消费需求。

国家可以通过以下做法提高人均可支配收入：

加大农业投入，提高农民增收幅度；增加就业岗位，缓解失业压力；扩大社会保障范围，提高社会保障标准；改善低收入家庭的住房条件，提高住房标准；提高农村扶贫标准，适当扩大扶贫范围；提高城镇低保标准，扩大低保对象；关爱特殊低收入人群，认真落实“分类施保”；征收特种消费税，充实低保和扶贫资金。

参考文献

[1]姬文婷.我国城镇居民的旅游消费分析[J].商业经济,2008,11.

[2]陈敏.关于我国城镇居民旅游消费行为的研究——基于计量经济学模型的分析

[3]杨智勇.基于计量模型的旅游消费研究

[4]谢静.我国旅游消费支出的实证分析

[5]邓祖涛，王远坤.省域农村居民旅游消费的空间计量研究

附录

逐步回归

年份

城镇居民人均

城镇居民人均

城镇居民消费价格

储蓄增加

人均国内生

国内旅游

旅游消费（元）

可支配收入（元）

指数

额（亿元）

产总值（元）

收入（亿元）

1995

464.0

4283.0

116.8

8143.5

5046

1375.7

1996

534.1

4838.9

108.8

8858.6

5846

1638.4

1997

599.8

5160.3

103.1

7759.0

6420

2112.7

1998

607.0

5425.1

99.4

7127.7

6796

2391.2

1999

614.8

5854.0

98.7

6214.4

7159

2831.9

2000

678.6

6280.0

100.8

4710.6

7858

3175.5

2001

708.3

6859.6

100.7

9430.1

8622

3522.4

2002

739.7

7702.8

99.0

13148.2

9398

3878.4

2003

684.9

8472.2

100.9

16707.0

10542

3442.3

2004

731.8

9421.6

103.3

15937.7

12336

4710.7

2005

737.1

10493.0

101.6

21495.6

14185

5285.9

2006

766.4

11759.5

101.5

20544.0

16500

6229.7

2007

906.9

13785.8

104.5

10946.9

20169

7770.6

2008

849.4

15780.8

105.6

45351.2

23708

8749.3

2009

801.1

17174.7

99.1

42886.3

25608

10183.7

2010

883.0

19109.4

103.2

42530.8

30015

12579.8

2011

877.8

21809.8

105.3

41656.6

35181

19305.4