我国国内旅游需求的计量经济学分析

我国国内旅游需求的计量经济学分析

【摘要】 随着我国经济的快速发展，第三产业产值不断扩大而逐步成为我国GDP 增长的重要因素。而近年来与国际间的政治经济文化交流的日益频繁，我国居民可支配收入和闲暇时间的增多，旅游业的发展逐渐达到高潮。本文主要是通过建立计量经济学模型，对影响我国国内旅游需求进行回归分析，并以此为依据分析影响我国国内旅游需求的主要因素及其影响程度，并提出相应的政策建议。精彩内容，尽在百度攻略：https://gl.baidu.com

【关键词】 旅游需求 计量经济 回归分析

Abstract：

With the rapid development of our economy, the third industry production expands unceasingly and gradually become China's GDP growth of important factor. And in recent years and the international politics, economy, culture, the increasing exchanges, our country residents' disposable income and the increase of free time, tourism development gradually reached its peak. This paper mainly through the establishment of the econometrics model, the impact of our domestic tourism demand a regression analysis, and based on this analysis affecting our domestic tourism demand of main factors and its influence, put forward the corresponding policy recommendations Key words：精彩内容，尽在百度攻略：https://gl.baidu.com

tourism demand ; Econometric Theory; regressive analysis

随着中国加入WTO 和知识经济时代的到来以及人们生活水平的提高，旅游市场范围不断扩大，旅游业进入高速发展阶段，如何正确掌握我国国内的旅游需求对于该产业的发展就显得尤为重要。影响旅游需求的不仅有消费者内部的因素，也有外部环境的因素。出游的偏好和动机、旅游产品的价格、旅游地的安全状况、路途的远近都会或多或少的影响旅游需求量。但是这些因素中哪些是主要因素，哪些是次要因素？这就需要通过建立计量经济模型并进行回归分析来确定。

一、文献综述精彩内容，尽在百度攻略：https://gl.baidu.com

目前，对于旅游需求影响的研究较多，既有定性分析，也有定量分析，既有理论描写，也有实证研究。

一些学者认为影响旅游需求的因素有国内经济发展水平，人民生活水平，旅游休闲时间，人口特征，交通条件，价格因素等。他们认为随着国民经济的稳定快速发展，人民生活水平的日益提高，国家假日制度的改革等带来的我国居民可支配收入和闲暇时间的增多，以及旅游相关设施的进一步完善，这些因素都向着有利于国内旅游的方向发展，也必将给我国国内旅游带来新一轮的发展机会。另外，居民选择旅游消费与否，还取决于本人的消费意识以及社会消费潮流的变化。邓金阳还认为人们文化素养的提高和健康意识的增强是人们能够实现外出旅游的内在原因。

通过研究发现，从出游率和消费两方面衡量中国城市间居民的旅游需求的确存在类型差别，并且在不同程度上与人均收入有相关关系;人均收入与旅游需求存在相关性，但是不同地区的人均收入只影响其部分旅游需求。精彩内容，尽在百度攻略：https://gl.baidu.com

通过分析评定，我们可以看出，影响旅游需求的因素主要有以下几方面：①政府方面：法定休息日假期的确定、对于旅游业发展的投入；②个人家庭方面：家庭富裕程度、旅游偏好；③社会环境方面：旅游业的发展现状、交通情况、旅游人数的总体比例等。下面主要选取一些比较典型的影响因素进行分析，得出其对旅游需求的影响程度。

二、模型设定

根据旅游经济学理论，旅游需求是指在不同的价格水平下，旅游者愿意购买的旅游产品数量。旅游需求的主要影响因素包括：旅游者可支配收入、出游的偏好和动机、旅游产品的价格、非旅游消费品的价格、闲暇时间、旅游客源地与旅游目的地之间的距离，旅游地的安全状况和旅游地的形象等等。综合上述因素和变量的可观测性，我们首先建立一个多元线性回归模型：精彩内容，尽在百度攻略：https://gl.baidu.com

y=b0+b1x1+b2x2+b3x3+b4x4+b5x5+u

其中：y ——国内旅游需求，使用国内旅游出游数量衡量

x1——旅游者可支配收入，使用居民可支配收入衡量精彩内容，尽在百度攻略：https://gl.baidu.com

x2——经济发展状况，使用GDP衡量

x3——旅游业发展状况，使用国内旅行社职工人数衡量

x4——旅游价格指数精彩内容，尽在百度攻略：https://gl.baidu.com

x5——人口数量

b0,b1,b2,b3,b4,b5,回归系数；u为随机扰动项

三.数据收集精彩内容，尽在百度攻略：https://gl.baidu.com

通过在期刊网和统计年鉴上的数据查找，本文主要选用1993 年至 2004年 的数据对该模型进行回归分析。数据见附表

四、模型的回归分析与调整

（一）估计参数与模型检验精彩内容，尽在百度攻略：https://gl.baidu.com

1、直接对模型进行OLS法估计，结果如下：

Dependent Variable: Y

Method: Least Squares精彩内容，尽在百度攻略：https://gl.baidu.com

Date:12/06/10 Time: 11:21

Sample: 1993 2004

Included observations: 12精彩内容，尽在百度攻略：https://gl.baidu.com

表2精彩内容，尽在百度攻略：https://gl.baidu.com

2、分析

由上表我们看到解释变量t值不显著，而可决系数R和F统计量显著，说明极有可能存在多重共线性。

（二）多重共线性检验与修正精彩内容，尽在百度攻略：https://gl.baidu.com

1、多重共线性检验

计算解释变量之间的简单相关系数，结果如下：

x1 x2 x3 x4 x5精彩内容，尽在百度攻略：https://gl.baidu.com

x1 1 0.997478 0.940115 -0.67771 0.976511

x2 0.997478 1 0.928883 -0.67865 0.971951

x3 0.940115 0.928883 1 -0.52953 0.902582精彩内容，尽在百度攻略：https://gl.baidu.com

x4 -0.67771 -0.67865 -0.52953 1 -0.79203

x5 0.976511 0.971951 0.902582 -0.79203 1

表3 由表3可以看出，解释变量之间存在严重的多重共线性。精彩内容，尽在百度攻略：https://gl.baidu.com

2、多重共线性修正

（1）运用OLS法逐一求y对各个解释变量的回归，发现y对x1的线性关系很强，拟合度最好，如下：

y=209.33+0.087x1 t (5.82) (14.95) se (35.96) (0.0058) R^2=0.957 S.E.=38.93 F=223.41212 逐步回归,将其余解释变量逐一代入：精彩内容，尽在百度攻略：https://gl.baidu.com

（2）将x2代入后，

y=186.32+0.124x1-0.000462x2 t 6.31 0.438 1.5797 R^2=0.961 S.E.=36.305 F=129.659 R^2提高到了0.966,F统计量也有所提高，但对其它参数有明显影响b1下降到了0.033,此外代入x2后，t统计量的值大副下降，分别为b0:6.31,b1:0.438,b2:1.5797,因此决定舍去变量x2，保留x1。

（3）将x3代入后，精彩内容，尽在百度攻略：https://gl.baidu.com

y=186.32+0.124x1-0.000462x3 t 4.28286 5.96301 -0.95

R^2=0.961 S.E.=39.116 F=111.069

R^2提高到了0.9611, 但t统计量的值有所降低，而且该变量对y的影响很小，斜率系数只有 0.000462，故将该变量舍去。精彩内容，尽在百度攻略：https://gl.baidu.com

（4）将x4代入后，

y= -51.783+0.093x1+2.133x4 t -0.223223 11.92497 1.138959

R^2=0.962555 S.E.=38.359 F=115.67 R^2的值提高了，但是x4的t统计量并不显著，因为x4为旅游物价指数，因此我们发现x4的回归系数符号跟经济意义发生了背离，根据表一我们看到x1与x4的相关系数为-0.67771相关程度不高。因此推断有可能是模型的设定出现了偏差，或是数据不真实，或是模型遗漏了其它的重要影响变量。因此首先改变模型的形式，采用对数模型进行回归，回归结果如下：精彩内容，尽在百度攻略：https://gl.baidu.com

Dependent Variable: Y1

Method: Least Squares

Date: 12/06/10 Time: 12:00精彩内容，尽在百度攻略：https://gl.baidu.com

Sample: 1993 2004

Included observations: 12

6精彩内容，尽在百度攻略：https://gl.baidu.com

回归系数符号跟经济意义仍然发生了背离。

用x4的平方值、立方值和开平方值进行回归，系数符号仍然没有改变。精彩内容，尽在百度攻略：https://gl.baidu.com

于是猜想有可能是数据出现了偏差，因为由于没有直接的旅游价格指数，我们简单地使用了居民消费价格指数来代替旅游价格指数，于是改变旅游价格指数的衡量方式，首先采用交通价格指数来代替，回归后发现，系数符号仍然没有改变。再使用居民文娱价格指数来代替，回归后发现，系数符号也没有改变。此外，还有可能是缺失了某些重要的解释变量，留在异方差和自相关检验中进行分析。

（5）再将x5带入：

Dependent Variable: Y精彩内容，尽在百度攻略：https://gl.baidu.com

Method: Least Squares

Date: 12/06/10 Time: 12:10

Sample: 1993 2004精彩内容，尽在百度攻略：https://gl.baidu.com

Included observations: 12

精彩内容，尽在百度攻略：https://gl.baidu.com

7

表6精彩内容，尽在百度攻略：https://gl.baidu.com

可以看出t统计量的值大副下降，而且x5的回归系数仅为0.019，对y影响很小，故舍去。

（三）异方差检验与修正

1、异方差检验精彩内容，尽在百度攻略：https://gl.baidu.com

OLS估计法估计的参数为：

Y = -51.78329206 + 0.[1**********]*X1 + 2.133003771*X4

Dependent Variable: Y精彩内容，尽在百度攻略：https://gl.baidu.com

Method: Least Squares

Date: 05/29/05 Time: 15:59

Sample: 1993 2004精彩内容，尽在百度攻略：https://gl.baidu.com

Included observations: 12

Variable Coefficient Std. Error t-Statistic Prob.

C -51.78329 231.9803 -0.223223 0.8283精彩内容，尽在百度攻略：https://gl.baidu.com

X1 0.093093 0.007807 11.92497 0.0000

X4 2.133004 1.872765 1.138959 0.2841

R-squared 0.962555 Mean dependent var 719.9167精彩内容，尽在百度攻略：https://gl.baidu.com

Adjusted R-squared 0.954233 S.D. dependent

8

精彩内容，尽在百度攻略：https://gl.baidu.com

var 179.3065

S.E. of regression 38.35928 Akaike info

criterion 10.34419精彩内容，尽在百度攻略：https://gl.baidu.com

Sum squared resid 13242.91 Schwarz criterion 10.46541 Log likelihood -59.06513 F-statistic 115.6749 Durbin-Watson

stat 2.359411 Prob(F-statistic) 0.000000

（1）图示法精彩内容，尽在百度攻略：https://gl.baidu.com

E2精彩内容，尽在百度攻略：https://gl.baidu.com

—Quandt检验

由于样本数目太少，不能用Quandt检验。

检验精彩内容，尽在百度攻略：https://gl.baidu.com

9 (2)Goldfeld (3)ARCH

Dependent Variable: E2

Method: Least Squares精彩内容，尽在百度攻略：https://gl.baidu.com

Date: 12/06/10 Time: 12:25

Sample(adjusted): 1996 2004

精彩内容，尽在百度攻略：https://gl.baidu.com

Included observations: 9 after adjusting endpoints 计算（n-p）*R*R=（12-3）*0.130019*0.130019=0.1521444 它远远小于临界值。说明没有存在异方差。

（四）自相关检验与修正

1.自相关的检验精彩内容，尽在百度攻略：https://gl.baidu.com

对模型：y=b0+b1x1+b4x4进行估计为：

Dependent Variable: Y

Method: Least Squares精彩内容，尽在百度攻略：https://gl.baidu.com

Date: 12/06/10 Time: 12:40

Sample: 1993 2004

Included observations: 12精彩内容，尽在百度攻略：https://gl.baidu.com

10

精彩内容，尽在百度攻略：https://gl.baidu.com

表7

（1）图示法精彩内容，尽在百度攻略：https://gl.baidu.com

从图中看到，残差分布均匀，基本不存在自相关。 （2）DW检验精彩内容，尽在百度攻略：https://gl.baidu.com

根据表7的统计结果，由DW=2.359411,对于给定的显著性水平a=0.05，查Durbin-Watson表，n=12,k’=2,得下限临界值dl=0.812,du=1.579,4-du=2.421,因为DW=2.359411大于du=1.579小于4-du=2.421，所以认为不存在自相关。

（五）模型分析

1.关于经济意义的检验精彩内容，尽在百度攻略：https://gl.baidu.com

由表7看到x1的斜率系数为0.093，x4的斜率系数为2.133,从模型上来说，收入对旅游需求的影响为人均可支配收入每增加1000元，旅游需求增加93万人，符合经济意义。对于x4斜率系数为2.133003771，很明显该斜率系数的符号与经济意义不相吻合，模型中的系数意味着价格越高旅游需求越大，这完全违背的客观现实，然而单独用x4对y做回归我们看到： Dependent Variable: Y Method: Least Squares

Date: 12/06/10 Time: 12:48 Sample: 1993 2004 Included observations: 12

精彩内容，尽在百度攻略：https://gl.baidu.com

表8

精彩内容，尽在百度攻略：https://gl.baidu.com

我们发现，这时候的斜率系数完全符合经济意义，但是可决系数很低，仅为 0.370897。推断有可能是模型的设定出现了偏差，或是数据不真实，或是模型遗漏了其它的重要影响变量。

因此首先改变模型的形式，在进行共线性检验时，我们用x4的对数、平方值、立方值和开平方值进行回归，系数符号仍然没有改变。

于是猜想有可能是数据出现了偏差，因为由于没有直接的旅游价格指数，我精彩内容，尽在百度攻略：https://gl.baidu.com

们简单地使用了居民消费价格指数来代替旅游价格指数，于是改变旅游价格指数的衡量方式，首先采用交通价格指数来代替，回归后发现，系数符号仍然没有改变。再使用居民文娱价格指数来代替，回归后发现，系数符号也没有改变。在找不到旅游物价指数的情况下，这些数据都不能完全代替旅游物价指数，因此问题很有可能出在数据的误差上。

此外，由于该我们对该模型进行异方差和自相关检验的时候得出了该模型并不存在异方差和自相关。而在对x4进行单独回归的时候发现斜率系数完全符合经济意义，但是可决系数很低，仅为0.370897。此外，在模型中，x4的斜率系数为2.133003771，尽管不符合经济意义，然而可以看出它对旅游需求的影响很大，在单独回归中斜率系数甚至高达-13。综合上述分析，我们认为很有可能旅游需求与收入x1和价格x4之间存在的并非是线性关系，它们之间很有可能是一种非线性关系。

（六）模型运用精彩内容，尽在百度攻略：https://gl.baidu.com

由于无法通过经济意义的检验，该模型甚至与现实的经济理论相悖，因此该模型不能运用与实际的经济计量分析。然而上述分析也为旅游需求的分析提供了一些可能有用的思路，包括：旅游需求与可支配收入存在很大关系。研究旅游需求应该建立合理的旅游物价指数核算体系。最后，关于旅游需求与旅游物价之间存在的很有可能是一种非线性关系。

五．总结与建议

本文基于计量经济学分析原理，研究了我国国内旅游需求影响因素，由于线性模型不能很好体现其影响，所以本文改用非线性模型。应用EVIEWS 模型分析国内旅游收入问题，可以分析各种因素对旅游收入的影响，为规划旅游未来发展政策提供依据。还可以对未来收入进行预测，但在使用时要注意结合模型和旅游收精彩内容，尽在百度攻略：https://gl.baidu.com

入本身的特性，因为我国国内旅游兴起是近十年的事情，所以旅游收入发展趋势还没有形成固定模式，又由于模型本身是动态的，所以在不同时间周期内影响它的主要因素不一定是相同的，因此该模型只能有效地预测近几年的情况，如果预测更长时期的数据，应该选取据预测值相近几年的数据重新建模。 鉴于这些影响我国旅游需求的因素，本文提出几点建议：

1、政府要加大致力于完善交通的力度，提高车辆上的环境以及服务水平，减少乘客不必要负担。

2、政府应该在农村、特殊人群中推行优惠政策来普及消费，缩小城乡旅游消费的差距。精彩内容，尽在百度攻略：https://gl.baidu.com

3、政府应加大旅游事业的发展力度，而且应该密切关注与旅游事业相关的产业的发展情况。

4、我国应加快经济建设，以经济增长带动旅游消费的增长。从模型中可看到国民经济的变化与旅游需求呈同步变化，且国民经济的增长会带动旅游者可支配收入的增长，最终刺激旅游消费的增加。

[参考文献]精彩内容，尽在百度攻略：https://gl.baidu.com

[1] 中国旅游统计年鉴编委会．中国旅游统计年鉴【Z】北京：中国 统计出版社，1993—2007.

[2] 中华人民共扣国国家统计局．中国统计年鉴【Z】中国统计出版社, 1993—2007.

[3] 关勇，麻永建，朱诚.我国国内旅游需求影响因素分析及规模预测. 【J】河南科学,2007.精彩内容，尽在百度攻略：https://gl.baidu.com

[4] 刘德谦. 我国国内旅游的需求现状与前景. 【J】社会科学家,2002 [5] 郭丽君.基于计量经济学模型的国内旅游收入研究. 【J】合作经 济与科技，2007.

[6]欧阳润平，胡晓琴.国内外旅游需求研究综述. 【J】 南京财经大学 学报,2007.

[7] 雷平，施祖麟.我国国内旅游需求及影响因素研究. 【J】 人文地 理,2009.精彩内容，尽在百度攻略：https://gl.baidu.com

[8] 李坚．旅游者评价的旅游需求与旅游市场对应关系实证【J】求索，2006.

附表精彩内容，尽在百度攻略：https://gl.baidu.com

收集数据如下表表示：

obs Y（万人） x1（元） x2（亿元） x3（人） x4

1993 410 2577.4 34560.5 78172 1994 524 3496.2 46670 77553 1995 629 4282.95 57494.9 91592 1996 640 4838.9 66850.5 87555 1997 644 5160.3 73142.7 94829 1998 695 5425.1 76967.2 100448 1999 719 5854 80579.4 108830 2000 744 6279.98 88254 164336 2001 784 6859.6 95727.9 192408 2002 878 7702.8 103935.3 229147 2003 870 8472.2 116603.2 249802 2004 1102 9422 136584.3 263245精彩内容，尽在百度攻略：https://gl.baidu.com

x5（万人）114.7 118517 119850117.1 121121 122389 12362699.2 12476198.6 125786 126743 12762799.2 128453 129227 129988

124.1 108.3 102.8 100.4 100.7 101.2 103.9精彩内容，尽在百度攻略：https://gl.baidu.com