计量经济学中国旅游外汇收入的因素分析.docx

1、计量经济学 中国旅游外汇收入的因素分析中国旅游外汇收入的因素分析金融116 左娟 16311606【摘要】 入境旅游业是一个国家( 地区) 赚取外汇和解决就业的重要渠道, 其入境旅游外汇收入是衡量该国家( 地区) 旅游业发展水平的重要指标。中国作为有着丰富的自然和人文旅游资源的旅游大国，入境旅游业的发展更是显示出巨大的发展潜力和生命力。本文主要通过对影响入境旅游发展的多因素分析，建立以旅游外汇收入为被解释变量，若干影响因素为解释变量的多元线性回归模型，并应用2012年全国30个省、自治区、直辖市截面数据回归得到的模型，对中国的入境旅游发展显著因素分析和提出问题及建议。【关键词】：旅游产业 入境

2、旅游 入境旅游收入 入境旅游人数 一，前言 中国作为世界旅游大国之一, 有着非常丰富的旅游资源和广大的旅游客源市场。因此, 研究我国的入境旅游市场, 对于制定我国入境旅游开发对策有着积极的参考价值。旅游业作为第三产业服务业的重要组成部分, 具有强大的生命力和发展前景。随着经济的发展,国民收入的增加, 使得人们有了自由支配的可支配收入; 随着我国的改革开放, 也增强着外国人对中国国内探求的渴望。于是,入境旅游业开始逐年升温, 构成我国外汇收入的一部分。入境旅游是指外国旅游者来华进行游览和观光, 休闲度假等有目的活动的总称。入境旅游业是一个国家( 地区) 赚取外汇和解决就业的重要渠道, 其入境旅游

3、外汇收入是衡量该国家(地 区) 旅游业发展水平的重要指标。入境旅游业是由旅行社业、住宿业、交通业、商业等相关产业的集合，是一种关联带作用较大的综合性产业。入境旅游业的发展不但对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，和加强国家之间的经济文化交流。因此, 研究入境旅游意义重大。2012年我国入境游人数达到1.2亿多人次，全国旅游(外汇)收入为292亿美元。目前我国国际旅游竞争力指数在世界仍名列前茅，但从外汇旅游收入在旅游总收入的这一比重来看，我国外汇旅游的发展潜力是十分巨大的。 二，研究现状 我们通过收集数据、建立模型来对影响我国入境旅游收

4、入的因素进行研究分析，一方面力求为增加旅游方法的研究指出明确的方向，另一方面通过模型的分析针对重要的影响因素提出我们对增加旅游外汇收入的一些建议。国际旅游业中的创汇收入的角色是由入境旅游来扮演的。因此将旅游外汇收入作为被解释变量,同时模型的设定考虑到可能影响入境旅游的几个最主要的因素作为解释变量.三，影响因素分析（一） 结构影响因素的选择:根据理论分析和经验，我们选择了入境旅游人数,国际旅行社职工人数,星级饭店数量.公路里程,以及国际旅行社数量做为可能对入境旅游外汇收入的影响因素.并初步设立多元线性回归模型.其中:Y: 入境旅游收入(百万美元)X1: 入境旅游人数(万人次)X2: 国际旅行社职

5、工人数(人次)X3 : 星级饭店数量.(个)X4: 公路里程(公里) X5: 国际旅行社数量(个)（二） 数据的搜集:在搜集时间序列数据的过程中，所能获得的年度数据最多为15年,样本数据过小,不利于模型的分析和检验.同时为了避免时间序列的非平稳性，本模型使用截面数据.我们提取了2012年全国30个省,自治区,直辖市的截面数据.所有数据来源于中经统计数据网.公路里程入境旅游者人数国际旅游收入星级饭店数量国际旅行社数量国际旅行社职工人数北京市14453185.12190461716611081天津市1016848.9032987191253河北省6539128.0385313311767山西省63

6、12211.6036236231724内蒙古自治区7413541.36138132281166辽宁省5009577.89454379572946吉林省4377921.1766192421459黑龙江省6512358.71244205622385上海市6484244.712053338415846江苏省65565223.161132590725369浙江省46193180.83873733464181安徽省6956028.0883298361547福建省54876149.72915305383984江西省6123316.564718722998山东省7626677.67370482552684河

7、南省7383118.8663359302370湖北省8781340.52136540305097湖南省8523315.3946356353229广东省1102531196.96426796717617891广西壮族自治区5845165.02164293503892海南省2087729.3480199391876重庆市3140723.45113147231628四川省11254345.17150346503831贵州省453047.702911212861云南省166133100.01340572404047陕西省5001946.58198229332995甘肃省4029310.18211572

8、71524青海省243771.7755011412宁夏回族自治区119160.301337294新疆维吾尔自治区8363317.0549239411774（三）模型的初步建立:参数估计:Dependent Variable: YMethod: Least SquaresDate: 13/12/16 Time: 14:40Sample: 1 30Included observations: 30VariableCoefficientStd. Errort-StatisticProb. X12.2055970.4205545.2445070.0000X20.1214970.0472942.5689

9、850.0168X30.2847260.3761390.7569720.4564X4-0.0054140.001352-4.0055280.0005X5-0.9320182.680021-0.3477650.7310C121.703093.530731.3012090.2055R-squared0.955313 Mean dependent var479.7000Adjusted R-squared0.946003 S.D. dependent var887.2313S.E. of regression206.1687 Akaike info criterion13.67212Sum squa

10、red resid1020133. Schwarz criterion13.95236Log likelihood-199.0818 F-statistic102.6128Durbin-Watson stat1.342907 Prob(F-statistic)0.000000（四）模型的检验1 经济意义检验: 模型初步估计结果显示,入境旅游外汇收入(Y) 受入境旅游人数(X1),和国际旅行社从业人员数量(X2)的正向影响,且影响较为显著,符合经济意义.而参数估计结果中,星级饭店数量(X3),公路里程(X4)的系数估计结果为负,不符合经济意义,可能是多重共线影响所致,因而有待进一步分析和检验.2

11、 统计检验: 从估计的结果可以看出，模型的可决系数为0.955312，模型拟合情况比较理想，在给定显著水平=0.05的情况下，各解释变量X1,X2的t统计量的值分别为均大于t统计量的临界值，说明X1,X2对应变量的影响是显著的.其他变量均未通过t 检验,分析可能是由于变量之间的多重共线性所致,有待进一步分析.模型F统计量的值也较显著，说明回归方程非常显著,整体模型效果比较好。3 计量经济学检验（1）多重共线性检验由EVIEWS软件得解释变量相关系数矩阵表：X1X2X3X4X5X110.8952010.7109970.237120.764249X20.89520110.8291620.23967

12、30.914778X30.7109970.82916210.4708130.749027X40.237120.2396730.47081310.162448X50.7642490.9147780.7490270.1624481由以上相关系数矩阵表可以看出 部分解释变量之间相关系数较高,存在多重共线性.对多重共线性的修正：Dependent Variable: YMethod: Least SquaresDate: 13/12/16 Time: 7:51Sample: 1 30Included observations: 30VariableCoefficientStd. Errort-Stat

13、isticProb. X13.8185860.26941614.173580.0000C96.3381363.687111.5126790.1416R-squared0.877671 Mean dependent var479.7000Adjusted R-squared0.873302 S.D. dependent var887.2313S.E. of regression315.8072 Akaike info criterion14.41248Sum squared resid2792557. Schwarz criterion14.50589Log likelihood-214.187

14、2 F-statistic200.8904Durbin-Watson stat1.750833 Prob(F-statistic)0.000000首先运用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性回归方程。Y对X1的回归 Y对X2的回归;Dependent Variable: YMethod: Least SquaresDate: 13/12/16 Time: 7:54Sample: 1 30Included observations: 30VariableCoefficientStd. Errort-StatisticProb. X20.23757

15、60.01750113.574790.0000C-313.099183.63920-3.7434490.0008R-squared0.868096 Mean dependent var479.7000Adjusted R-squared0.863385 S.D. dependent var887.2313S.E. of regression327.9339 Akaike info criterion14.48784Sum squared resid3011139. Schwarz criterion14.58125Log likelihood-215.3176 F-statistic184.2

16、750Durbin-Watson stat1.830973 Prob(F-statistic)0.000000Y对X3的回归Dependent Variable: YMethod: Least SquaresDate: 13/12/17 Time: 14:44Sample: 1 30Included observations: 30VariableCoefficientStd. Errort-StatisticProb. X32.9906010.5437805.4996530.0000C-486.5633209.6021-2.3213660.0278R-squared0.519282 Mean

17、 dependent var479.7000Adjusted R-squared0.502113 S.D. dependent var887.2313S.E. of regression626.0401 Akaike info criterion15.78105Sum squared resid10973932 Schwarz criterion15.87446Log likelihood-234.7157 F-statistic30.24618Durbin-Watson stat1.969905 Prob(F-statistic)0.000007Y对X4的回归Dependent Variab

18、le: YMethod: Least SquaresDate: 13/12/17 Time: 14:46Sample: 1 30Included observations: 30VariableCoefficientStd. Errort-StatisticProb. X40.0015440.0048910.3157840.7545C388.6581331.96331.1707860.2516R-squared0.003549 Mean dependent var479.7000Adjusted R-squared-0.032039 S.D. dependent var887.2313S.E.

19、 of regression901.3321 Akaike info criterion16.50997Sum squared resid22747188 Schwarz criterion16.60338Log likelihood-245.6495 F-statistic0.099719Durbin-Watson stat1.919365 Prob(F-statistic)0.754509Y对X5的回归Dependent Variable: YMethod: Least SquaresDate: 13/12/17 Time: 23:00Sample: 1 30Included observ

20、ations: 30VariableCoefficientStd. Errort-StatisticProb. X519.596002.5124717.7994950.0000C-396.8945145.5947-2.7260220.0109R-squared0.684799 Mean dependent var479.7000Adjusted R-squared0.673542 S.D. dependent var887.2313S.E. of regression506.9333 Akaike info criterion15.35898Sum squared resid7195479.

21、Schwarz criterion15.45239Log likelihood-228.3846 F-statistic60.83212Durbin-Watson stat1.112378 Prob(F-statistic)0.000000在Y对X1,X2,X3,X4,X5进行逐步一元线性回归中我们发现 Y对X1回归的拟合优度最大,拟合效果最好,且t检验通过所以我们保留X1,并以X1为基础,顺次加入其他变量逐步回归加入X2的结果Dependent Variable: YMethod: Least SquaresDate: 13/12/17 Time: 23:15Sample: 1 30Incl

22、uded observations: 30VariableCoefficientStd. Errort-StatisticProb. C-130.698178.45110-1.6659810.1073X12.1090130.4938794.2703040.0002X20.1194670.0308963.8667570.0006R-squared0.921269 Mean dependent var479.7000Adjusted R-squared0.915438 S.D. dependent var887.2313S.E. of regression258.0036 Akaike info

23、criterion14.03846Sum squared resid1797278. Schwarz criterion14.17858Log likelihood-207.5769 F-statistic157.9708Durbin-Watson stat1.974408 Prob(F-statistic)0.000000加入x3的结果Dependent Variable: YMethod: Least SquaresDate: 13/12/18 Time: 14:48Sample: 1 30Included observations: 30VariableCoefficientStd. E

24、rrort-StatisticProb. X13.4990540.3804559.1970350.0000X30.4575800.3873671.1812550.2478C-19.42685116.6358-0.1665600.8690R-squared0.883682 Mean dependent var479.7000Adjusted R-squared0.875066 S.D. dependent var887.2313S.E. of regression313.6009 Akaike info criterion14.42876Sum squared resid2655330. Sch

25、warz criterion14.56888Log likelihood-213.4314 F-statistic102.5612Durbin-Watson stat1.320380 Prob(F-statistic)0.000000加入x4的结果Dependent Variable: YMethod: Least SquaresDate: 13/12/18 Time: 14:50Sample: 1 30Included observations: 30VariableCoefficientStd. Errort-StatisticProb. X13.9850740.24799016.0694

26、80.0000X4-0.0044660.001577-2.8312580.0087C342.8809104.04853.2953960.0028R-squared0.905675 Mean dependent var479.7000Adjusted R-squared0.898688 S.D. dependent var887.2313S.E. of regression282.4019 Akaike info criterion14.21918Sum squared resid2153273. Schwarz criterion14.35930Log likelihood-210.2877

27、F-statistic129.6220Durbin-Watson stat1.528165 Prob(F-statistic)0.000000加入X5的结果Dependent Variable: YMethod: Least SquaresDate: 13/12/18 Time: 22:05Sample: 1 30Included observations: 30VariableCoefficientStd. Errort-StatisticProb. X12.9831510.3697578.0678730.0000X56.3507842.1481542.9563910.0064C-103.881288.11471-1.1789310.2487R-squared0.907586 Mean dependent var479.7000Adjusted R-squared0.900741 S.D. dependent var887.2313S.E. of regression279.5260 Akaike info criterion14.19871Sum squared resid2109640.