国内旅游收入的影响因素分析.docx

1、国内旅游收入的影响因素分析国内旅游收入的影响因素分析引言：中国是世界上著名的旅游大国，拥有丰富的旅游资源。我国旅游业从1978年改革开放以后，呈现蓬勃发展的趋势。尤其是在推行“黄金周”以后，外出旅游已经成为一种具有共识的潮流，国内旅游得到了全面快速的发展。据世界旅游组织（WTO）预测，到2020年中国将成为世界最大的旅游目的地和第四位的旅游客源产生地。旅游业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。一、问题的提出旅游业在城市经济发展中的产业地位、经济作用逐步增强，旅游业对城市经济的拉动性、社会就业的带动力、以及对文化与环境的促进作用日益显现。然而，旅游业的如此快速的发展，到底是何种因

2、素在起推动作用？该如何预测未来时间里旅游业的前景方向呢？本文将从定量的角度，采用现有的统计数据，运用回归分析的方法，来研究我国目前国内旅游市场规模的影响因素，弄清在目前的社会经济下，影响我国国内旅游市场的各主要因素及其影响程度。并在此基础上，对国内旅游市场的规模进行科学的预测。二、理论综述国内目前关于居发旅游消费的研究中，主要以定性研究为主。比较有代表性的研究如下：许春晓（1999）通过对中国旅游消费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，提出了可持续性旅游消费的建议；谷慧敏和伍来春（2003）从居发

3、收入分配及其结构演变的角度，对中国改革开放20多年的国内旅游消费的特征进行了理论分析；尹世杰（2003）指出了我国旅游消费发展中的情况和存在问题，并提出了未来促进我国旅游消费的措施。至于旅游消费定量研究的文献，大部分则是从局部影响因素出发。李银兰和范红（2002）利用19931998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，但未能把价格指数的因素纳入到研究范畴中；张立生则（2004）则主要从交通条件分析。综上，我们得出启示，纳入多方面的影响因素，从交通条件和环境条件及居民消费水平方面综合考虑，建立模型分析对国内旅游收入的影响。三、影响因素的分析1、人均可支配收

4、入可支配收入是衡量购买能力的重要指标，可支配收入是指人们从事社会经济活动而得到的个人收入扣除所得税的余额，是自己可以自由决定其用途的收入。随着经济的发展和社会的进步，人们的收入不断增加，生活水平逐步提高，人们在基本生存需要满足之后，将会把追求目标转移到精神方面去，会不断建立良好、和谐的人际关系，来完善和发展自己。现在，一些发达国家，人们已经把旅游看作现代生活方式中必不可少的重要组成部分。因此，本文选择人均可支配收入作为一个指标。2、CPICP I反映了与居民生活有关的产品及劳务价格统计出来的物价变动指标，同时也必然影响到出游者消费的增长，从而增加旅游收入。3、国内旅行社数旅行社作为旅游业的三大

5、支柱之一，与旅游业有着极其紧密的联系。当前的旅行社数目既受旅游产业发展的直接影响，同时它也反映出我国旅游产业的发展水平。因此，在对旅游产业影响因素进行分析时，国内旅行社数必须作为一个重要解释变量加以分析。4、国内旅游人数从1994年到2005年这十余年间，国内旅游总人次从524百万人次增加到1212百万人次增加到六倍左右；国内旅游总收入从1023.5亿元，增加到5285.86亿元增加到五倍左右。说明两者之间有很大的相关性。5、城乡居民年底存款余额 为反映我国人民生活水平与国内旅游收入之间的关系，我们选取城乡居民年底存款余额指标。从数据可以看出，我国城乡居民年底存款余额2005年达到141051

6、亿元，是1994年的6.55倍。而同期国内旅游收入达到5286亿元，为1994年的5.16倍。经相关分析，发现两者之间的相关系数为0.969。可见，国内旅游收入与城乡居民年底余额呈正相关，即人民生活水平的提高促进了国内旅游收入的增长。6、交通里程 很长一段时间以来，我国办旅游业的发展都受到了交通条件的制约。随着经济的发展，我国的交通条件也得到了很大的提高，同时给旅客的出行提供了很大的方便。因此选择交通里程这一指标作为影响旅游收入的一个指标。四，数据的收集本文获取了1994年到2005年的数据如下表一所示。表一 1994年到2005年的统计数据YX1X2X3X4X5X619941023.5123

7、58.6258.6339952421518.8184.708819951375.72930.35302.8282162929662.3196.24119961638.43382.5327.93275639.538520.8198.878819972112.73625.2337.1399564446279.8219.489319982391.23793.55334.4491069553407.5233.021419992831.94032.16329.7607071959621.8240.854420003175.54266.7331772574464332.4245.583820013522.

8、44613333.3922278473762.4279.381620023878.45089.2330.61020387886910.6288.796820033442.35547.2334.611997870103617.3290.452220044710.76179347.7134671102119555.4308.693420055285.866873.95353.9163481212141051313.5269资料来源： http:/192.168.30.168:81/ http:/www.pinggu.org/bbs/index.asp注:Y为中国国内旅游收入，单位为亿元 x1为人均

9、可支配收入，单位为元 x2为消费价格指数，以1985年为基年 x3为国内旅社数，单位为个 x4为国内旅游人数，单位为百万人次 x5为城乡居民年底存款余额，单位为亿元 x6为交通里程，单位为万公里由中国国情决定，中国的旅游业在过去的几十年里发展的相当缓慢，到近几年才快速发展起来。因此直到1994年才有与旅游收入相关的统计数据，这直接导致我们研究问题的样本量不足的问题。五、模型的估计与调整1、检验多重共线性1）分别做y和各个解释变量的散点图，我们发现各个解释变量与y都是近似的线性关系，因此我们设定模型为 y=c+c1*x1+c2*x2+c3*x3+c4*x4+c5*x5+c6*x6EViews的最

10、小二乘估计结果见表二Dependent Variable: YMethod: Least SquaresDate: 12/16/07 Time: 20:27Sample: 1994 2005Included observations: 12VariableCoefficientStd. Errort-StatisticProb.C-8383.4332211.025-3.7916500.0127X1-1.4271661.667962-0.8556340.4313X224.8707113.720401.8126810.1296X30.3763460.1908801.9716360.1057X44.

11、8008251.8464662.6000070.0482X5-0.0145660.044721-0.3257080.7578X615.128897.6191281.9856460.1038R-squared0.987928Mean dependent var2949.047Adjusted R-squared0.973441S.D. dependent var1313.443S.E. of regression214.0499Akaike info criterion13.86149Sum squared resid229086.8Schwarz criterion14.14436Log li

12、kelihood-76.16896F-statistic68.19606Durbin-Watson stat2.483285Prob(F-statistic)0.000124从表一可以看出，除了x4的系数通过检验，其他解释变量的系数都未通过检验。可见上述模型不是太好，我们可将模型设定如下Y=clogy=c+c1*logx1+c2*logx2+c3*logx3+c4*logx4+c5*logx5+c6*logx6EViews的最小二乘估计结果见表三：表三 EViews的最小二乘计算结果Dependent Variable: LOG(Y)Method: Least SquaresDate: 12/

13、16/07 Time: 19:11Sample: 1994 2005Included observations: 12VariableCoefficientStd. Errort-StatisticProb.C-16.777575.632615-2.9786460.0308LOG(X1)-2.6194561.491743-1.7559700.1394LOG(X2)4.2914641.1588253.7032880.0140LOG(X3)0.8253380.3150382.6198030.0471LOG(X4)0.9246620.4990181.8529630.1231LOG(X5)0.2699

14、790.8675490.3111980.7682LOG(X6)0.9644130.7382221.3063990.2483R-squared0.992832Mean dependent var7.884227Adjusted R-squared0.984230S.D. dependent var0.501562S.E. of regression0.062986Akaike info criterion-2.400614Sum squared resid0.019836Schwarz criterion-2.117751Log likelihood21.40368F-statistic115.

15、4196Durbin-Watson stat2.874831Prob(F-statistic)0.000034由上表可知，有些解释变量的系数的t统计量有所增加，即模型有所改进。回归系数和修正的回归系数都很高，F统计量也很显著。我们猜想上述模型存在多重共线性。则由软件求得个解释变量的相关系数如表四：X1X2X3X4X5X6X110.76206905650.97605338120.97553429080.99653417790.9668251186X20.762069056510.61543847190.69621227990.71347127650.7152267592X30.976053381

16、20.615438471910.95877143660.98610813990.9615983457X40.97553429080.69621227990.958771436610.97872161820.9188646329X50.99653417790.71347127650.98610813990.978721618210.9612301192X60.96682511860.71522675920.96159834570.91886463290.96123011921由相关系数矩阵可以看出，各解释变量相互之间的 相关系数较高，证实确实存在严重多重共线性。 2）.修正多重共线性 采用逐步归

17、回的办法，去检验和解决多重共线性问题。分别做Iny对logx1，logx2，logx3，logx4，logx5,logx6的一元回归。结果如表五：变量logx1logx2logx3logx4logx5logx6参数估计值1.5761845.0531410.7836581.9351930.8721562.320342t统计量13.779614.5924029.0437277.95883616.676117.8635530.9499690.6783550.8910540.8636540.9652890.8607930.9449660.6461900.8801600.8500200.9618180.

18、846872由表五可知，Inx5的修正系数最大，而且也通过了t检验，现在以Inx5为基础，顺次加入其他变量逐步回归结果如表六：logx1logx2logx3logx4logx5logx6logx5 logx1-1.1601092.4314490.963094logx5 logx20.6038538.8190780.959227logx5 logx30.2645614.4121930.957903logx5 logx4-0.5452885.2459590.958932logx5 logx62.4105650.9659470.961560由上表可知所有新引入的解释变量都没有通过t检验，则如表七有L

19、nY对LnX5的回归结果Dependent Variable: LOG(Y)Method: Least SquaresDate: 12/15/07 Time: 19:13Sample: 1994 2005Included observations: 12VariableCoefficientStd. Errort-StatisticProb.C-1.7245400.576894-2.9893550.0136LOG(X5)0.8721560.05230016.676110.0000R-squared0.965289Mean dependent var7.884227Adjusted R-squa

20、red0.961818S.D. dependent var0.501562S.E. of regression0.098007Akaike info criterion-1.656554Sum squared resid0.096053Schwarz criterion-1.575736Log likelihood11.93932F-statistic278.0926Durbin-Watson stat1.383752Prob(F-statistic)0.000000所以最后的回归结果为：log=-1.724540+0.872156*log se=0.576894 0.052300 t=-2.

21、989355 16.67611=0.965289 =0.961818 F=278.0926 DW=1.3837522、异方差的检验 由于研究对象的特殊性及我们国家经济的发展状况，我们的样本量受实际情况限制无法足够大，因此我们只能选择用图示法来检验模型是否存在异方差。1）相关图形分析由于样本量太小，logY的离散程度随logX5的变化不是太明显，下面我们来分析残差图。2）残差图分析由上图可以看出残差的平方并未随着解释变量的变化而呈现增大或减小的趋势，是比较分散和随机的，因此初步判断此模型不存在异方差。3、自相关的检验首先我们用图示检验法，先绘制和的散点图，如下所示：(其中E为，E1为)由图可以看

22、出该模型存在正的自相关。下面用科克伦奥克特迭代法对自相关进行补救。用软件对模型进行估计可以得到和的序列，然后利用最小二乘估计法对模型=+进行估计的结果如表八：（其中E1为）Dependent Variable: EMethod: Least SquaresDate: 12/19/07 Time: 22:51Sample (adjusted): 1995 2005Included observations: 11 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.E10.2931390.3020240.9705840.35

23、46R-squared0.084243Mean dependent var0.004154Adjusted R-squared0.084243S.D. dependent var0.096837S.E. of regression0.092669Akaike info criterion-1.833064Sum squared resid0.085875Schwarz criterion-1.796891Log likelihood11.08185Durbin-Watson stat1.996219由表八有=0.293139，对原模型进行广义差分，得到广义差分方程：log-0.293139*l

24、og=c1*（1-0.293139）+c2*（log-0.293139*log）+令Y1= log-0.293139*log，X55= log-0.293139*log，c11= c1*（1-0.293139）则模型变换为Y1=c11+c2*x55对上述广义差分方程进行回归，得结果如表九：Dependent Variable: Y1Method: Least SquaresDate: 12/19/07 Time: 23:00Sample (adjusted): 1995 2005Included observations: 11 after adjustmentsVariableCoeffic

25、ientStd. Errort-StatisticProb.C-2.9839920.729103-2.1756380.2699X550.8267570.0921648.9704910.0000R-squared0.899407Mean dependent var5.678061Adjusted R-squared0.888230S.D. dependent var0.288154S.E. of regression0.096336Akaike info criterion-1.678994Sum squared resid0.083525Schwarz criterion-1.606649Lo

26、g likelihood11.23447F-statistic80.46971Durbin-Watson stat2.031662Prob(F-statistic)0.000009现在对差分后的方程用图示法进行检验，绘制和的散点图，如下所示：（其中E为，E1为）由图可知自相关已消除。则由c1*（1-0.293139）=-2.983992得c1=-4.221469，且c2=0.826757。所以本模型估计的最终结果为：log=-4.221469+0.826757log六、结论分析随着社会与时代的变迁，旅游业已成为我国乃至整个世界经济发展的一个重要组成部分，对旅游产业发展状况的统计量度就显得十分重要，这不仅从宏观上反映旅游业的发展水平、影响因素以及整个国家的经济发展水平，同时也直接关系到评估旅游业和旅游活动直接、间接和诱发性的经济影响，关系到旅游设施和资源的规划与开发，关系到如何确定旅游者结构并制订营销和促销策略，以及识别游客的流向、方式和偏好等，具有非常深远的实际应用价值。旅游产业作为一个单独的行业，它既具备大多数行业在