推荐 国内城镇居民旅游消费研究.docx

1、推荐 国内城镇居民旅游消费研究CHANGZHOU INSTITUTE OF TECHNOLOGY期 末 论 文题目： 国内城镇居民旅游消费研究二级学院（直属学部）： 经济与管理学院 专 业： 经济与管理学院 班级： 10贸一 学生姓名： 张婷 学号： 10060139 指导教师姓名： 职称： 评阅教师姓名： 职称： 2012年 12 月摘要本文根据国内城镇居民旅游消费的特点,建立了相应的经济计量模型。通过对此模型的研究分析了影响国内城镇居民旅游消费的因素及其数量关系,揭示了它的特征。同时还可以应用此模型对未来的旅游消费情况进行预测,为制定未来的旅游消费政策提供依据。关键词： 国内城镇居民 旅游

2、消费 经济计量模型 影响因素目 录一、引言（1）二、文献综述（1）三、城镇居民旅游的现状（2）四、目前国家相关政策的支持（5）五、建立模型（5）（一）经济意义检验（9）（二）统计意义检验（9）（三）计量经济学检验（9） 序列相关检验（10）2异方差检验（11）3多重共线性检验（12）六、建立模型（13）七、针对国内城镇居民旅游消费特点的应对策略（14）八、结论（16）一、引言随着人们物质文化生活的日益提高,旅游已经成为人们的主要休闲方式,我国旅游业的发展一直遵循适度超前的原则,立足于开发国内旅游市场,在国际旅游市场竞争日益激烈和国内旅游需求日益增长的情况下,国内旅游逐渐在我国的旅游市场上占据重

3、要的地位,旅游产业也成为我国新的经济增长点,旅游消费占国内生产总值的比例不断上升,说明旅游业在国民经济中的地位日益重要,并且已经成为我国目前经济发展面临的新课题和拉动国内需求的新机遇。在我国的旅游消费中,主要消费群体为城镇居民,因此,研究城镇居民的旅游消费状况具有重要的实际意义。二、文献综述 在目前对旅游消费的研究中,定性的研究较多,比较有代表性的有,池进(1996)从旅游消费的分析入手进行了部分预测的研究工作;许春晓(1999)通过对中国旅游消费研究的状况进行分析和评论,指出今后旅游消费的研究方向之一是旅游消费典型现象的研究;颜绍梅(2001)从宏观上探讨了中国旅游消费的运行特征,提出了可持

4、续的旅游消费的建议;谷慧敏和伍来春(2003)从居民收入分配及其结构演变的角度,对中国20年来国内旅游消费的特征进行了理论分析;尹世杰(2003)提出了我国旅游消费发展中的情况和问题,提出了未来促进我国旅游消费的措施。 定量研究的文献,多数是从宏观消费层面出发,李银兰和范红(2002)利用1993-1998年的统计数据,分析了我国城镇居民国内旅游消费支出与可自由支配收入之间的关系,但作者没能把价格指数的因素纳入到研究范畴中,因此其结论尚需推敲;黄河等(2003)对上海市城市居民消费结构的统计数据进行了分析,并采用对数模型,计算出各项消费支出的收入弹性系数,对消费结构的变化趋势进行了预测,旨在探

5、求改善上海城市居民消费结构的有效途径。李一玮等(2004)通过对国内城镇居民旅游者人均每天花费构成比例的横向和纵向对比,分析了城镇居民旅游者旅游消费结构的现状和变化规律,找出了影响旅游者消费结构的因素,但作者没有对城镇居民的旅游花费做更深入的量化的分析和研究。从上述的文献综述中我们不难看出,高书军等(2004)得出的城镇居民是旅游消费主体这一个结论,使得我们对旅游消费的研究找到了一个关键的出发点,即把城镇居民的旅游消费作为本研究的立足点,同时,针对国内部分学者在研究旅游消费问题时缺乏深入的量化分析和研究,本研究拟采用计量经济学的模型方法,对城镇居民这一旅游消费主体从1995-2004年的人均旅

6、游花费与价格指数、前期旅游消费之间的关系进行深入地探讨。三、城镇居民旅游消费的现状2010年,我国旅游业三大市场实现了全面恢复并较快增长。国内旅游人数达21亿人次,比2009年增长1016%;国内旅游收入1126万亿元,增长2315%;全国旅游业总收入1157万亿元,增长2117%。预计到2015年,旅游市场规模进一步扩大,国内旅游人数达33亿人次,年均增长10%;入境过夜游客人数达9000万人次,年均增长8%;出境旅游人数达8300万人次,年均增长9%。旅游消费稳步增长,城乡居民年均出游超过2次,旅游消费相当于居民消费总量的10%。经济社会效益更加明显,旅游业总收入年均增长12%以上,旅游业

7、增加值占全国GDP的比重提高到415%,占服务业增加值的比重达到12%。每年新增旅游就业50万人。2009年12月3日,国务院办公厅发布国务院关于加快发展旅游业的意见，提出将旅游业培育成国民经济的战略性支柱产业。本文欲建立模型得出影响城镇居民旅游消费的因子,通过作用于影响因子,使得城镇居民旅游消费的经济社会效益更加明显。 18-19 国 内 旅 游 情 况年 份旅游人数旅游总花费人均花费(百万人次)城镇居民农村居民(亿元)城镇居民农村居民(元)城镇居民农村居民19956292463831375.71140.1235.6218.7464.061.519966402563831638.41368.

8、4270.0256.2534.170.519976442593852112.71551.8560.9328.1599.8145.719986952504452391.21515.1876.1345.0607.0197.019997192844352831.91748.21083.7394.0614.8249.520007443294153175.52235.3940.3426.6678.6226.620017843754093522.42651.7870.7449.5708.3212.720028783854933878.42848.11030.3441.8739.7209.120038703

9、515193442.32404.11038.2395.7684.9200.0200411024596434710.73359.01351.7427.5731.8210.2200512124967165285.93656.11629.7436.1737.1227.6200613945768186229.74414.71815.0446.9766.4221.9200716106129987770.65550.42220.2482.6906.9222.52008171270310098749.35971.72777.6511.0849.4275.32009190290399910183.77233.

10、82949.9535.4801.1295.3201021031065103812579.89403.83176.0598.2883.0306.0 统计数据来源于：国家统计局年度数据上表数据反映了1995-2010年我国国内的旅游消费情况，观察这16年的数据发现：从旅游人数的角度分析，2010年相对于1995年国内、城镇以及农村旅游人数至少翻了两番，旅游人数大幅度增加。从旅游人数来看，城乡旅游人数几乎没有什么差距；从旅游总花费的角度分析，2010年的国内、城镇旅游总花费是1995年相应花费的9倍多，2010年农村旅游总花费是1995年的农村旅游花费的13倍还多，贡献更是惊人！但是从城乡旅游消费比

11、较，农村旅游总花费与城镇旅游总花费之间存在较大差距。由此可以看出：针对目前掌握的数据而言，城镇旅游人数与农村旅游人数相当，但是城镇旅游花费却是农村旅游花费望尘莫及的。也就是说：城镇居民的消费能力强，更加具有挖掘力，潜在市场规模强大，潜在利润丰厚！ 从1995-2010年国内、城镇以及农村旅游人均花费的折线图中可以看出：从总体上看，国内、城镇以及农村的旅游人均花费均呈现出上升趋势。但是农村旅游人均花费与城镇旅游人均花费之间仍然存在巨大差距，城镇旅游人均花费是农村旅游人均花费三倍左右。由此可见：城镇旅游花费对国内旅游花费贡献突出。但是，观察城镇的旅游人均花费的走向，我们发现：城镇的旅游人均花费相对

12、于农村旅游人均花费波动较大。以2008年为例，2008年全球性的金融危机对我国的城镇旅游消费造成了巨大的冲击，使得城镇的旅游人均花费在以后两年一直下降。因此，我们应该研究城镇旅游花费的影响因素，帮助我们科学预测未来城镇旅游花费的变化趋势，积极做出相应政策和措施推动城镇旅游消费更好更快发展。 从1995-2010年国内、城镇以及农村旅游人数的折线图中可以看出：从总体上看，国内、城镇以及农村的旅游人数均呈现出上升趋势。2003年以前国内、城镇以及农村旅游人数上升比较缓慢，2003年以后国内、城镇以及农村旅游人数上升速度很快。由于城镇居民工作压力大、工作时间紧张，而农村居民生活轻松、空闲时间充裕，所

13、以城镇居民旅游人数少于农村居民旅游人数。但是从上图中，我们发现：2010年城镇居民旅游人数赶超了农村居民旅游人数，而且从2007-2010年城镇居民旅游人数迅速增长，农村居民旅游人数增长很平缓。城镇居民旅游人数异军突起之势，更加应该引起我们的关注。四、目前国家相关政策的支持2009年12月3日,国务院办公厅发布国务院关于加快发展旅游业的意见提出将旅游业培育成国民经济的战略性支柱产业。并提出十条主要任务促进旅游消费：1)深化旅游业改革开放; 2)优化旅游消费环境; 3)倡导文明健康的旅游方式; 4) 加快旅游基础设施建设; 5)推动旅游产品多样化发展; 6)培育新的旅游消费热 点; 7)提高旅游

14、服务水平; 8)丰富旅游文化内涵; 9)推进节能环保;10)促进区域 旅游协调发展。七条保障措施:1）加强规划和法制建设；2）加强旅游市场监管和诚信建设；3）加强旅游 从业人员素质建设；4）加强旅游安全保障体系建设；5）加大政府投入；6） 加大金融支持；7）完善配套政策和措施。五、建立模型 本文拟采用经济计量模型对国内城镇居民旅游消费情况进行分析、预测。经济计量学是一种经济测定方法,即把经济理论、数学公式和概率论统计推断结合起来,用以考察实际经济活动的数学规律,预测未来和规划政策。经济计量模型就是应用经济计量方法建立起来的模型,对单一方程来说其一般形式如下:y=a0+a1x1+a2x2+an

15、xn,这里y为因变量,x1,x2,xn为自变量;a0,a1,an为相应的经济计量参数。一般经济计量模型中的变量以它们的数值决定的范围为标准,可分为内生变量和外生变量两大类。内生变量的数值是在研究的对象系统范围之内决定的,从其数学特征看,在系统方程中大都以因变量方式存在,即其相应数值可通过其它变量值间接求得;外生变量是在研究的对象系统外决定的,在系统方程中以自变量形式出现,即它的数值的变化能影响内生变量的数值变化,但并不反过来受内生变量的影响。经济计量模型建模主要依靠历史统计数据,应用最小二乘法,要通过经济意义、统计的和经济计量的三级检验才可以应用。通过结合国内城镇居民旅游消费的特点以及收集来的

16、数据,建立以下模型:年份当期人均旅游花费人均可支配收入 x1居民消费价格指数 x2人民币储蓄存款 x3铁路运输线路的长度 x4前期人均旅游花费 x5城镇就业人数 x619954644283117.18143.56.24414.7190401996534.14838.9108.38858.66.49464199221997599.85160.3102.877596.6534.12078119986075425.199.27127.76.64599.8216161999614.8585498.66214.46.74607224122000678.66280100.44710.66.87614.82

17、31512001708.36859.6100.79430.17.01678.6241232002739.77702.899.213148.27.19708.3251592003684.98472.2101.2167077.3739.7262302004731.89421.6103.915937.77.44684.9272932005737.110493101.821495.67.54731.8283892006766.411759.5101.5205447.71737.1296302007906.913785.8104.810946.97.8766.4309532008849.415780.8

18、105.945351.27.97906.9321032009801.117174.799.342886.38.55849.433322201088319109.4103.342530.89.12801.134687表1 1995-2010年统计数据资料来源:中国国家统计局统计年鉴建立数据的函数模型为：Y=0+1X1+2lnX2+3X3+4X4+5X5+6X6+u y: 当期人均旅游花费；x1: 人均可支配收入；x2: 居民消费价格指数；x3: 人民币储蓄存款； x4 ：铁路运输线路的长度；x5：前期人均旅游花费；x6：城镇就业人数u :随机扰动项Dependent Variable: YMet

19、hod: Least SquaresDate: 12/10/12 Time: 13:48Sample: 1995 2010Included observations: 16CoefficientStd. Errort-StatisticProb.C-1820.2331892.707-0.9617090.3613X10.0240940.0135821.7739270.1098LOG(X2)361.0459342.06791.0554800.3187X3-0.0073030.001702-4.2904120.0020X473.0605975.389490.9691080.3578X50.87268

20、50.3003262.9057900.0174X6-0.0142640.017349-0.8221790.4322R-squared0.968709Mean dependent var706.6812Adjusted R-squared0.947849S.D. dependent var122.8599S.E. of regression28.05711Akaike info criterion9.805997Sum squared resid7084.814Schwarz criterion10.14400Log likelihood-71.44798Hannan-Quinn criter.

21、9.823306F-statistic46.43741Durbin-Watson stat2.669133Prob(F-statistic)0.000003用OLS估计模型,得到：Y=-1820.233 +0.024094X1+361.0459lnX2-0.006731X3 73.06059X4+0.872685X5-0.014264X6对模型进行t检验(假设显著性水平=5%)，根据上面回归结果中各个解释变量对应的概率值P可以看出：该模型中只有x3、x6通过了t检验，x1、x2、x4、x5均未通过t检验。此外，以通过建立辅助回归模型来检验多重共线性。本例中，在Eviews软件命令窗口中键入：L

22、S X1 C LOG(X2) X3 X4 X5 X6 LS LOG(X2) C X1 X3 X4 X5 X6 LS X3 C X1 LOG(X2) X4 X5 X6 LS X4 C X1 LOG(X2) X3 X5 X6 LS X5 C X1 LOG(X2) X3 X4 X6 LS X6 C X1 LOG(X2) X3 X4 X5得到相应的回归结果，分析每个方程对应的F值和T值，来检验这些变量是否相关以及相关联程度。发现：X3 、X4、 X5 、X6之间存在严重的多重共线性，所以删除变量X3（人民币储蓄存款）、X4（铁路运输线路的长度）、X5（前期人均旅游花费）、X6（城镇就业人数）。修改原来

23、的数据模型，即函数模型更改为：lnY=0+1nX1+21nX2+ uDependent Variable: LOG(Y)Method: Least SquaresDate: 12/14/12 Time: 09:06Sample: 1995 2010Included observations: 16CoefficientStd. Errort-StatisticProb.C8.4631491.8832204.4939780.0006LOG(X1)0.3259170.0347539.3780100.0000LOG(X2)-1.0504800.385730-2.7233560.0174R-squar

24、ed0.896417Mean dependent var6.545570Adjusted R-squared0.880481S.D. dependent var0.182005S.E. of regression0.062922Akaike info criterion-2.526484Sum squared resid0.051469Schwarz criterion-2.381623Log likelihood23.21187Hannan-Quinn criter.-2.519066F-statistic56.25133Durbin-Watson stat1.820483Prob(F-st

25、atistic)0.000000用OLS估计模型,得到： lnY=8.463149 +0.325917nX1-1.050480lnX2 （一）经济意义检验从经济学角度来讲：城镇居民当前人均旅游消费y与人均可支配收入x1成正相关，人均可支配收入增加，居民用于精神层面的旅游消费的支出也增加；居民消费价格x2与城镇居民当前人均旅游消费y成负相关, 居民消费价格上升表明物价的上涨、货币的贬值; 人民币储蓄存款x3与城镇居民当前人均旅游消费y成正相关，人民币储蓄存款x3值越大，那么说明城镇居民可用于旅游消费的资金越充裕；城镇居民当前人均旅游消费y与铁路运输线路的长度x4成成正相关，铁路运输线路的长度的增

26、加意味着交通的便捷，客观上促进城镇居民当前旅游消费；前期人均旅游花费x5与城镇居民当前人均旅游消费y成正相关关系；居民消费价格x2与城镇居民当前人均旅游消费y成负相关, 居民消费价格上升表明物价的上涨、货币的贬值。因此，从上述经济意义上的检验以及结合回归的结果来看：（二）统计检验R2=0.945399, F=25.97191.显然,方程拟和优度很高,总体显著性很好.当显 著性水平=0.05时,两变量都通过了变量的显著性检验，说明人均可支配收入、居民消费价格指数对旅游消费也起着重要的影响作用。对修改后的模型进行t检验(假设显著性水平=5%)：根据回归结果中LOG(X1)、LOG(X2)对应的P值

27、均小于显 著性水平=0.05，即LOG(X1)、LOG(X2)均通过了t检验。说明城镇居民人均可支配收入、居民消费价格指数对当前城镇居民旅游消费的线性关系是显著的。（三）计量经济学检验1、序列相关检验Breusch-Godfrey Serial Correlation LM Test:F-statistic0.052841Prob. F(1,12)0.8221Obs*R-squared0.070146Prob. Chi-Square(1)0.7911Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/14/12 Time: 09:14Sample: 1995 2010Included obse