基于EViews的国内旅游收入影响因素分析1.docx
《基于EViews的国内旅游收入影响因素分析1.docx》由会员分享,可在线阅读,更多相关《基于EViews的国内旅游收入影响因素分析1.docx(18页珍藏版)》请在冰豆网上搜索。
基于EViews的国内旅游收入影响因素分析1
基于EViews的国内旅游收入影响因素分析1
基于EViews的国内旅游收入影响因素分析
摘要:
本文运用EViews软件,从众多的国内旅游收入影响因素中选取国内旅游
人数、城镇居民人均旅游支出、农村居民人均旅游支出、公路里程和铁
路里程建立模型,利用逐步回归分析法对模型消除多重共线性,科学地
确定了国内旅游收入预测模型,也为以后增加国内旅游收入制定政策措
施提供了理论依据。
关键字:
EViews国内旅游收入回归分析法
一、引言
(一)、研究目的:
旅游业是以提供服务为主的综合性服务行业,通过提供食、住、行、游、购等服务满足人们对旅游业的需求。
旅游业现已成为全球经济中发展势头最强劲和规模最大的产业之一。
近年来,中国旅游业一直保持较高的发展速度,旅游业作为国民经济新的增长点,在整个社会经济发展中的作用日益显现。
中国的旅游业分为国际旅游和国内旅游两大市场,虽然国际旅游外汇收入的年均增长率高于国内旅游收入,但国内旅游收入在中国旅游收入中占50%以上的比例,而且近些年来国内旅游收入年增长率已明显超过国际旅游收入的年增长率,特别是20世纪90年代以来,随着我国国民经济的飞速发展,我国的旅游业也呈现出迅猛发展的态势。
城镇居民收入逐年增加,人均消费水平逐步提高,加之可自由支配时间的有薪假期时间的增多,以及旅游交通设施的进一步完善,旅游已在人们的日常生活中得到了广泛的普及。
旅游业作为国民经济新的增长点,将在整个社会经济发展中发挥了巨大的作用。
本文收集了中国统计年鉴1994到2008年间的统计数据,对我国的年度旅游收入建立相关模型并进行分析。
(二)、理论背景
本文的研究对象是我国历年的旅游收入,目前学术界对旅游出现了许多不同的定义,一般都是从各个角度给旅游下的定义,这样的定义多达十多种,分别描述了旅游的不同方面。
影响旅游的因素也是不计其数,从经济状况、人口、社会结构,到目的地的旅游资源开发、两地交通、两地文化差异,以及国际游的汇率、
1
通胀率和政治环境等诸多因素都会影响旅游。
结合本文的实际,由于近十几年我国旅游增长主要集中在国内游方面,并且政治环境,旅游资源优势相对稳定,本文选取的影响因素包括以下几个方面:
国内旅游人数、城镇居民人均旅游支出、农村居民人均旅游支出、公路里程和铁路里程。
数据的来源均为历年的中国统计年鉴。
在我们构建的模型中,可能会遗漏很多重要的信息,比如01年美国的911事件,影响了人们出行信念。
03年发生了较为严重的非典疫情,这个事件严重影响了当年的旅游收入,等等类似的突发事件在模型中是无法得到显示并且没有进行定量分析。
当然计量模型只能反映经济系统的某一方面或某几方面的联系,并不能从整个社会的角度系统的反应某一问题,因此模型中出现遗漏一些影响因素也是能够接受的,这其中的某些因素我们能够在模型中解决,比如03年非典的影响可以试着用虚拟变量来解决,但我们并不能找到更一般化的预测性方程,包含了所有的影响因素。
这也是计量经济学中很难解决的问题。
在定性分析中,我们会考虑。
旅游属于奢侈品的一种,是人们在物质生活得到满足之后对于精神生活的一种追求。
随着现代旅游学研究规模的不断深入,人们逐渐发现,旅游并不仅仅是一种经济现象,更多的是一种社会文化现象。
旅游活动所涉及的范围之广泛都是以往任何活动都无法比拟的。
随着旅游的快速发展和广泛流行,人们对旅游现象的研究逐渐由经济角度专项奖旅游作为一种复杂的社会现象来研究。
这是旅游学卖出了下载的范畴,开阔了研究视野。
很显然,这些人文方面的影响目前为止是很难用定量分析来进行研究的,例如我们只能研究旅游收入、人数方面的因素,而必须忽略旅游中带个人们美的感受和人文气息的熏陶,因为那些事物无法定量化研究。
二、运用EViews软件分析影响国内旅游收入因素
(一)、数据的选择与处理
1、影响因素的选择
影响国内旅游收入的影响因素有很多,包括国内旅游人数、居民人均花费及包括交通条件、服务设施、接待机构设施在内的旅游基础设施等。
经分析,影响国内旅游收入(y)的因素主要有国内旅游人数(x1)、城镇居民人均旅游支出
2
(x2)、农村居民人均旅游支出(x3)、公路里程(x4)、铁路里程(x5)。
2、数据的收集
表1国内旅游收入数据资料
年份国内旅游国内旅游城镇居民农村居民公路里程铁路里程/
收入/亿人数/百人均旅游人均旅游/万km万km
元万人次支出/元支出/元
19941023.5524414.6754.88111.785.919951375.7629464.0261.47115.76.238919961638.4639.5534.170.45118.586.4919972112.7644599.8145.68122.646.619982391.2695607197127.856.6419992831.9719614.8249(5135.176.7420003175.5744678.6226.6140.276.8720013522.4784708.3212.7169.87.005820023878.4878739.7209.1176.527.1920033442.3870684.9200180.987.320044710.71102731.8210.2187.077.4420055285.91212737.1227.6334.527.5437620066229.71394766.4221.9345.77.7083820077770.621610906.9222.5358.377.7965903资料来源:
中国统计年鉴(2008)
3、模型设定与估计
设定并估计多元线性回归模型
(模型1.1)YXXXXX,,,,,,,,,,,,,,t12132435465t
(1)、建立工作文件并录入数据。
具体步骤如下:
1)双击桌面EViews快速启动图标,启动EViews6程序。
2)点击主界面菜单File\New\Worekfile,弹出WorkfileCreate对话框。
在WorkfileCreate对话框左侧Workfilestructuretype栏中选择Dated-regularfrequency选项,在右侧frequency中选择Annual数据类型。
在
3
Start和End的文本框中分别输入1994和2007,在右下角文本框中输入新建的这个Workfile的名称,为“旅游”,如图1:
图1
点击左下的“OK”就建立了一个名称为旅游的Workfile。
如图2所示:
图2
3)建立Workfile后,进行数据录入工作。
点击主界面(或Workfile界面)的菜单栏Object,再点击NewObject选项,弹出一对话框,左侧的Typeofobject选项中选择Group选项,在右侧框中命名为lvyou。
如图3所示。
4
图3
点击OK之后,出现数据录入界面(以表格形式出现),如图4所示。
图4
4)在图4中,先将右侧滑块拉上顶端,单击obs右侧灰色小框(空白数据列上端灰框),键入y(对样本数据列进行命名),回车(这时Workfile中会出现Y这个对象),选择NumericSeries选项,点击OK后,开始逐个录入相应的数据。
5
这样我们就建立了一个序列Y并录入了数据,然后同样办法建立序列X1、X2、X3、X4、X5并录入数据,录入完成后,最终得到如图5所示结果:
图5
(2)、对(模型1.1)采用OLS估计参数。
具体步骤如下:
点击主界面菜单Quick\EstimateEquation,弹出如下图的对话框,输入ycx1x2x3x4x5。
如图6:
图6
6
点击确定即可得到回归结果。
如图7
图7
根据图7中的数据,得到(模型1.1)的估计结果为:
ˆY,,,,,,,,,-467.7726+4.2975325.1459772.6941201.452708-568.408112345
1153.2660.5018661.0035010.9894591.333274238.1547,,,,,,,,,,,,
t,-0.4056078.5631075.1280222.7228211.089580-2.386718,,,,,,,,,,,,22R,0.997779R,0.996390F,718.7086DW,1.377655
从上回归结果可以看出,拟合优度很高,整体效果的F检验通过。
但有重要变量X4、X5的t检验不显著,可能存在严重的多重共线性。
4、模型的检验
22由(模型1.1)的估计结果可以看出,可决系R,0.997779R,0.996390数很高,说明模型对样本的拟合很好;检验值很大,相应的F,718.7086
p,0.000000,说明回归方程显著,即各自变量联合起来确实对因变量“全国旅游收入”有显著影响;给定显著性水平,但变量X4、X5系数的t统计量a,0.05
分别为、,相应的p值分别为、,说明X4、X5对1.089580-2.3867180.30760.0441因变量影响不显著,而且X5系数符号与经济意义不符。
综合上述分析,表明(模型1.1)很可能存在严重的多重共线性.
7
下面通过计算解释变量x1、x2、x3、x4、x5的简单相关系数矩阵来证明(模型1.1)存在严重的多重共线性.具体步骤如下:
点击Eviews主画面的顶部的Quick/GroupStatistics/Correlatios弹出对话框(图8)。
在对话框中输入解释变量x1、x2、x3、x4、x5,点击OK,即可得出相关系数矩阵(图9)
图8
图9
由图9相关系数矩阵可以看出,每个要素都与国内旅游收入具有较高的相关系数,而且解释变量之间的相关系数也较高,证实解释变量之间确实存在严重的多重共线性。
根据以上分析的结果可以知道,本文所研究的回归变量间确实存在多重共线
8
性。
但是,多重共线性是一个程度问题而不是存在与否的问题。
下面我们将采用逐步回归法来减少共线性的严重程度而不是彻底地消除它。
(二)、用逐步回归法修正多重共线性
第一步:
运用OLS方法分别求Y对各解释变量x1、x2、x3、x4、x5进行一元回归。
(1)在主界面命令框栏中输入lsycx1,然后回车,即可得到如下的参数的估计结果
图10
(2)在主界面命令框栏中输入lsycx2,然后回车,即可得到如
下参数的估计结果:
9
图11
(3)在主界面命令框栏中输入lsycx3,然后回车,即可得到如下的参数的估计结果。
图12
(4)在主界面命令框栏中输入lsycx4,然后回车,即可得到如下的参数的估计结果
图13
(5)在主界面命令框栏中输入lsycx5,然后回车,即可得到如下的参数的估计结果
10
图14
2通过一元回归结果图10-图14进行对比分析,依据调整后可决系数最大原R则,选取x1作为进入回归模型的第一个解释变量,形成一元回归模型。
第二步:
逐步回归。
将剩余解释变量x2、x3、x4、x5分别加入模型,得到分别如图15、16、17、18所示的二元回归结果。
(1)在主界面命令框栏中输入lsycx1x2,然后回车,即可得到如下的参数的估计结果:
图15
(2)在主界面命令框栏中输入lsycx1x3,然后回车,即可得到如下的参数的估计结果:
11
图16
(3)在主界面命令框栏中输入lsycx1x4,然后回车,即可得到如下的参数的估计结果:
图17
(4)在主界面命令框栏中输入lsycx1x5,然后回车,即可得到如下的参数的估计结果:
12
图18
通过观察比较图15-18所示结果,并根据逐步回归的思想,我们可以看到,
2新加入变量x2的二元回归方程最大,并且各参数的t检验显著,参R,0.993484
数的符号也符合经济意义,因此,保留变量x2。
第三步:
在保留变量x1、x2基础上,继续进行逐步回归,分别得到如图19、20、21所示的回归结果。
(1)在主界面命令框栏中输入lsycx1x2x3,然后回车,即可得到如下的参数的估计结果:
图19
13
(2)在主界面命令框栏中输入lsycx1x2x4,然后回车,即可得到如下的参数的估计结果:
图20
(3)在主界面命令框栏中输入lsycx1x2x5,然后回车,即可得到如下的参数的估计结果:
图21
2R观察图19、21我们可以看到,在x1、x2基础上加入x3、x5后的方程明显增大,统计量也很大,说明模型对样本的拟合很好且回归方程显著;但是加入x3、x5后t检验变得不显著,并且参数为负不符合经济意义.通过图20可以看到,在x1、
14
2x2基础上加入x4后不仅=0.993418<0.993484降低,而且t值很小,说明x4自R
变量对因变量的影响不显著;因此,根据逐步回归的思想,说明x4的出现引起严重多重共线性。
x3、x4、x5应予以剔除。
最后应保留的变量是x1、x2.相应的回归结果为
ˆY,,-3490.812+4.097838x5.144131x12
265.78930.2692190.672606,,,,,,
t,-13.1337515.221197.648059,,,,,,
22R,0.994486R,0.993484F,992.0473DW,1.193877
这说明,在其他因素不变的情况下,当国内旅游人数x1增加1百万人和城镇居民人均旅游支出x2增长1元时,国内旅游收入y将分别增长4.098亿元和5.144亿元。
分析结果:
可见,解释变量国内旅游人数、城镇居民人均旅游支出、农村居民人均旅游支出、公路里程、铁路里程的相关性较强,在模型中引入相关性较强的解释变量,会影响参数的估计值和t检验值,这正是多重共线性产生的影响。
对于最后确定的模型还存在一些问题,一是DW值=1.194,可能还存在自相关性;二是样本容量为14,引入了5个解释变量,所以模型的估计结果可能并不可靠,过高的拟合优度可能提供的是虚假信息。
所以有待于进一步分析。
三、结论及意见
以上的分析可知,在我们所研究的影响国内旅游收入的影响因素中,逐步回归分析表明,并不是国内旅游人数越多国内旅游收入就越高;也并不是人均花费、交通条件越好,国内旅游收入就越多。
换句话说,当前的旅游状况已处于饱和状态,如果一味只考虑吸引旅游者数量、增加居民人均旅游支出或增加旅游服务设施的数量,只会在一定程度上加重旅游景区的承载能力和环境压力,同时增强旅游服务机构的竞争机制,服务水平低、强买强卖的想象也会随之出现。
因此,增加国内旅游收入要从多方面入手,如加强旅游目的地的旅游特色建设和基础设施建设,增强对游客的吸引力;把旅游对象的重心转移到农村、农民那里;改善交通条件等。
15
根据以上模型的建立、分析及预测,结合国内游的实际情况提出以下建议:
(一)加强旅游目的地的旅游特色建设,增强对游客的吸引力。
经济增长、消费升级驱动旅游行业景气度持续上升。
由于我国带薪假期和"黄金周"制度的实行,出外旅游的人大幅增加,推动了国内旅游市场的迅猛增长,旅游人数的增加直接带动了国内旅游收入的大幅度增长。
旅游目的地要想吸引更多的游客,就要注重加强旅游目的地的旅游特色建设,依托资源特色,注重创新,建成高端旅游目的地。
(二)城市和农村居民旅游市场差异性明显,但农村市场潜力巨大
国内旅游业在发展过程中,城市旅游市场和农村旅游市场的差异性明显。
城镇居民仍然是旅游花费的主力军,且对旅游收入影响较大。
农村居民对我国旅游收入的贡献还是相对较少。
同时,城镇居民人均旅游花费对于旅游收入的影响高于农村。
由收集的数据可知,城市居民人均旅游消费水平和增长速度明显高于农村居民。
近年来农民出游呈现裹足不前的现象,其主要原因是受农村经济的制约。
另外还受到农村居民消费观念和农村服务供给条件水平低等因素的制约。
随着农村居民收入开始恢复性的增长,农民生活的改善、消费水平的提高,农村旅游市场具有巨大的开拓潜力。
(三)加强对旅游基础设施建设的支持力度
在公路里数和铁路里数两个代表交通运输网络的变量中,公路里程对国内旅游收入的影响系数最大,这意味着要发展国内旅游应注重发展国内的交通运输业尤其是要增加公路里程。
虽然铁路运输量相对较大,但成本较高,修建条件较为苛刻。
公路运输则在整个交通运输中的作用最为关键,对其他运输方式和其他旅游基础设施具有带动作用。
许多景区地处老少边穷地区,交通、通讯等基础设施的缺乏限制了这些地区的旅游业和整个经济的发展。
加快建设交通不发达地区的公路对于拉动该地区的经济发展和旅游收入有着巨大作用。
同时,日益兴起的自驾游也对于公路建设提出了更高的要求。
16