国内旅游总花费影响因素分析.docx

1、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

2、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

3、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）19941023.548197.951201092882524270.419951375.760793.753481172596629396.919961638.471176.659801245357640429.919972

4、112.778973.064441326094644441.919982391.284402.374461378717695438.419992831.989677.183191394413719432.220003175.599214.693331478573744434.020013522.4109655.2108341534122784437.020023878.4120332.7123731608150878433.520033442.3135822.8139691587497870438.720044710.7159878.31592017674531102455.820055285

5、.9184937.41820018470181212464.020066229.7216314.42085620241581394471.020077770.6265810.32472122277611610493.620088749.3314045.42889828678921712522.7200910183.7340902.83224429768981902519.0201012579.8401512.83653932695082103536.1201119305.4473104.04179935263192641565.0201222706.2519470.14676938040352

6、957579.7201326276.1568845.25148321229923262594.83、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 = 0 +1x1 + 2x2 + 3x3 +4x4 +5x5二、相关分析1、 数据基本描述Descriptive StatisticsMeanStd. DeviationN国内旅游总花费（亿元）7.4595E37351.

7、5831520国内生产总值（亿元）2.1715E51.64588E520平均工资（元）2.01E414745.14720客运量（万人）2.0126E68.31668E520国内游客(百万人次) 1.3511E3834.4650320居民消费价格指数（上年=100）4.6773E273.11847202、 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

8、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）Pearson Correlation国内旅游总花费y1.000.974.968.785.986.855国内生产总值x1.9741.000.999.875.996.895平均工资x2.968.9991.000.875.994.891客运量x3.785.875.8751.000.847.814国内游客x4.986.996.994.8471.000.886居民消费价格指数（上年=100）x5.855.895.891.814.8861.000Sig. (1-tailed)国内旅游总花费y.000.000.000.0

9、00.000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y202020202020国内生产总值x1202020202020平均工资x2202020202020客运量x3202020202020国内游客x4202020202020居民消费价格指数（上年=100）x5202020202020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

10、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 = 0 +1x1 + 2x2 + 3x3 +4x4 +5x5 ，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Model SummarybModelRR SquareAdjusted R SquareStd. Error of the EstimateChang

11、e StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.993a.987.982987.66685.987207.735514.000.584a. 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. Dependent Variable: 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。A

12、NOVAbModelSum of SquaresdfMean SquareFSig.1Regression1.013E952.026E8207.735.000aResidual1.366E714975485.806Total1.027E919a. 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. Dependent Variable: 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， x

13、2， 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CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsCollinearity StatisticsBStd. ErrorBetaZero-orderPartialPartToleranceVIF1(Constant)-2265.0533283.235-.690.502国内生产总值x1.042.038.9341.088.295.974.279.034.001776.155平均工资x2-.653.293-1

14、.310-2.226.043.968-.511-.069.003364.442客运量x3-.001.001-.117-1.426.176.785-.356-.044.1427.038国内游客x413.1374.1691.4913.151.007.986.644.097.004235.720居民消费价格指数（上年=100）x5-3.9887.094-.040-.562.583.855-.149-.017.1915.241a. Dependent Variable: 国内旅游总花费（亿元）通过表格，我们看到平均工资x2、国内游客x4的回归检验系数P值小于0.05，通过检验。而常数项、国内生产总值x

15、1、客运量x3、居民消费价格指数x5系数检验P值均大于0.05，未通过检验。4、残差分析正态性检验根据直方图和正态概率分布图可以看到，残差基本上符合正态性假设。5、残差分析异方差检验CorrelationsABSE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）Spearmans rhoABSECorrelation Coefficient1.000.158.158.229.156-.008Sig. (2-tailed).506.506.332.510.975N202020202020国内生产总值x1Correlation Coeffici

16、ent.1581.0001.000*.967*.998*.947*Sig. (2-tailed).506.000.000.000N202020202020平均工资x2Correlation Coefficient.1581.000*1.000.967*.998*.947*Sig. (2-tailed).506.000.000.000N202020202020客运量x3Correlation Coefficient.229.967*.967*1.000.968*.910*Sig. (2-tailed).332.000.000.000.000N202020202020国内游客x4Correlati

17、on Coefficient.156.998*.998*.968*1.000.941*Sig. (2-tailed).510.000.000.000.000N202020202020居民消费价格指数（上年=100）x5Correlation Coefficient-.008.947*.947*.910*.941*1.000Sig. (2-tailed).975.000.000.000.000.N202020202020*. Correlation is significant at the 0.01 level (2-tailed).由残差图可知，残差图上的点的散布是随机的，不太有规律；由Co

18、rrelations表可知，残差绝对值与x1， x2， x3， x4，x5的相关系数分别为0.158，0.158，0.229，0.156，-0.08，相应的P值均大于0.05，说明残差绝对值与自变量x1， x2， x3， x4，x5之间显著不相关。故综上所述，不存在异方差。6、自相关性检验Model SummarybModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.993a.987.9

19、82987.66685.987207.735514.000.584a. 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. Dependent Variable: 国内旅游总花费（亿元）从模型汇总表中可知，D.W值为0.584，查D.W表，当n=20，k=5时，dL=0.90,du= 1.83， D.W=0.584dL，且滞后残差图呈正相关关系，所以模型存在正自相关性。7、共线性诊断CoefficientsaModelUnstandardized CoefficientsSt

20、andardized CoefficientstSig.CorrelationsCollinearity StatisticsBStd. ErrorBetaZero-orderPartialPartToleranceVIF1(Constant)-2265.0533283.235-.690.502国内生产总值x1.042.038.9341.088.295.974.279.034.001776.155平均工资x2-.653.293-1.310-2.226.043.968-.511-.069.003364.442客运量x3-.001.001-.117-1.426.176.785-.356-.044.

21、1427.038国内游客x413.1374.1691.4913.151.007.986.644.097.004235.720居民消费价格指数（上年=100）x5-3.9887.094-.040-.562.583.855-.149-.017.1915.241a. Dependent Variable: 国内旅游总花费（亿元）Collinearity DiagnosticsaModelDimensionEigenvalueCondition IndexVariance Proportions(Constant)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（

22、上年=100）115.6221.000.00.00.00.00.00.002.3454.037.01.00.00.00.00.003.02814.064.01.00.00.56.00.014.00344.309.52.00.00.02.02.935.00168.413.14.00.35.22.46.016.000139.200.331.00.64.20.52.05a. Dependent Variable: 国内旅游总花费（亿元）由Coefficients表可以看出x1，x2,x4的VIF值都大于10，所以存在严重的多重共线性。由Collinearity Diagnostics表可知，自变量x

23、2,x3， x4， x5的条件数均大于10，进一步说明自变量之间存在严重的多重共线性。8、异常值检验年 份SDR_1COO_1LEV_11994-0.257820.232881530.9015021995-0.983940.038112580.1407191996-0.636240.018695950.1596921997-0.046431.51E-040.23063419980.0386275.15E-050.11137819990.5248240.005772360.05653220000.9271930.014850420.04305820011.4512980.034677440.04

24、632320021.1793060.042015660.10705920031.3402280.091617820.1943942004-0.147719.20E-040.1405732005-0.480880.007753470.1097542006-1.453380.066534090.1194382007-2.101490.042878970.0175742008-0.766430.032932860.1961192009-0.638430.020775640.1765392010-0.230330.009780430.45771320110.3989540.01716090.32813

25、220122.1584680.860188780.53286520130.9679957.687625980.930002从上表可知，所有数据的删除学生化残差绝对值都小于3，除2013年库克距离都小于0.5，该模型存在异常值。四、模型修改1.全模型存在的问题（1）常数项、国内生产总值x1、旅客运输平均距离x3、居民消费价格指数x5系数检验P值均大于0.05，未通过检验；（2）存在自相关性；（3）自变量之间存在严重的多重共线性；（4）2013年存在异常值。2. 修改利用SPSS软件采用逐步回归的方式，得到以下结果并加以分析。（1）拟合优度检验Variables Entered/RemovedaModelVariables EnteredVariables RemovedMethod1国内游客(百万人次)x4 .Stepwise (Criteria: Probability-of-F-to-enter = .050, Prob