我国入境旅游经济发展状况的多因素分析
我国入境旅游经济发展状况的多因素分析
【摘要】:本文主要通过对我国入境旅游经济进行多因素分析,建立以入境旅游经济发展状 况为应变量, 以其它可量化影响因素为自变量的多元线性回归模型, 并利用模型对我国入境 旅游经济发展状况这一问题进行数量化分析, 就有关如何发展我国入境旅游提出一些可供参 考的意见。 【关键词】: 入境旅游 多因素分析 模型 计量经济学 检验
、引言部分
20 多年来, 中国旅游业经历了从倔起到平稳发展的过程。目前,旅游业作为初具规模 的独立产业,
对国民经济的贡献日益显现。特别是加人世贸组织后,旅游业已经成为增加 国家外汇收入、刺激公民消费、加速经济发展的新的经济增长点,同时也成为社会各界关 注的热点。景象。根据世界旅游组织的统计显示,
2001 年我国接待入境过夜者人数和旅游 外汇收入已同时高居世界第 5 位。
我国入境旅游业日益兴旺发达。据 2002 中国国际旅游交易会组委会提供的数据,
2002
年前 3 季度,我国共接待入境旅游者 7287.82 万人次,比 2001 年同期增长 10.78%。这一时 期,作为旅游业重要指标的过夜旅游者人数和旅游外汇收入分别达 2751.69 万人次和 152.20 亿美元,分别比去年同期增长
11.77%和 15.10%。 2. 中国统计局
截止到 2001 年底,我国共有旅游饭店 1万多家, 其中星级饭店 7358 家,全国旅游住宿 设施从业人员达 502 万人。 世界上评价一个城市的繁荣程度都以五星级酒店的平均房价来 衡量,目前,中国的五星级房价居于前列,这也从一个侧面反映中国经济发展速度。
目前我国百强国际旅行社在数量上占
7%,截止到 2001 年底,全国共有旅行社 10716
家(其中国际旅行社 1319家,国内旅行社 9397 家),比 1991年底增加了 9155 家,扩大了 近 7 倍,年均增长 21.24% ;全国旅行社直接从业人员为 19.24 万人,比 1991 年底增加了 13.72 万人,年均增长
13.30%。
3. 中经专网数据库
根据 2002 年人境旅游者抽样调查结果及 12 月份入境旅游人数的具体构成,经初步测
算,2002年12月,全国旅游外汇收人为 17 ? 23亿美无比上年同期增长 13 ? 11%其中: 过夜旅游者在华花费为 15 ? 62亿美元,占全国旅游外汇收人的 90 ? 67% 一日游游客在华 花费为1 ? 61亿美元,占9 ? 33%
按2002年人境旅游者抽样调查结果测算并经国家统计局审定,
2002年全国旅游外汇收
人为203 ? 85亿美元,比上年增长14 ? 57%其中:过夜旅游者入境花费为 185 ? 86亿美元, 占全国旅游外汇收入的 91 ? 17% 一日游游客人境花费为 17 ? 99亿美元,占8 ? 83% 三、研究目的
童心宇 熊珊珊
40104187 40104176
李珍妮 40104188 石崇阳 40104155
英赛白姆 40104186 郭阳 40104154
二、文献综述
1. 中国旅游网
2002 年我国旅游业迎来入境、国内、出境游 近 20 年来年均增长达 20 %的我国入境旅游市场, 后, 2002年又将突破 200 亿美元。
3 大市场蓬勃发展、全面繁荣的新景象。 继 6
年前旅游外汇收入突破 100 亿美元之
本文主要对入境旅游发展状况(应变量)进行多因素分析(具体分析见下图),并搜集
相关数据,建立模型,对此进行数量分析。在得到入境旅游经济发展状况与各主要因素间的数量关系后,据模型方程中的各因素系数大小,分析主要因素和次要因素,从而找出发展入
境旅游经济的主要着手点,为发展入境旅游经济提出一些建议。
*影响入境旅游经济发展的主要影响因素如下图:
政府支持方面—一有效经费支出
――政策支持力度
一一宣传力度(包括影视、传单、公开活动等宣传活动,制定相关政策等)
个人家庭方面―一家庭富裕程度
一一旅游偏好(包括地域偏好、旅游方式偏好等)
旅游区方面——旅游区自身的发展程度
一一旅行社方面
一一旅游宾馆发展情况
(注*:由于宣传力度、旅游偏好、人们的心理预期等是不可量化的因素,所以我们仅用旅游外汇收入、入境旅游者人数、旅游宾馆数量、旅行社方面来进行回归分析)
四、建立模型
Y= B1+ B 2X2+ B 3X3+ B 4 X4+ 卩
其中,Y—国际旅游外汇收入X2――入境外国旅游者人数X3 ――国际旅行社数量X 4 ---- 旅游星级宾馆数量
注:有关模型的一些假定:
(1)假定政府有效经费投入的有效系数为1,即投入全部有效。
(2)无重大的国际国内政治经济的变动。
(3)各个旅游区处于正常接待状态。
五、数据搜集
1.数据说明
一方面,模型中旅游外汇收入主要是受当期各个自变量的影响;另一方面,由于我国入境旅游经济发展起步较晚,早期的旅游经济发展状况有关数据不易收集且数量不会很多,若使用时间序列数据进行拟合,自由度很低。故在此我们采用了截面数据,试看一下效果。
2?数据的搜集情况
采用2002年统计年鉴上分地区截面数据,具体情况见附表一。
六、模型的参数估计、检验及修正
1?模型的经济意义的检验
B i=-79.1929 B 2=3.3972 B 3=0.15108 B 4=0.7128
从回归模型的结果中我们可以看出与经济意义是相符合的,各个自变量与应变量之间都是呈正相关关
系,且截距系数为负,表明的是对国外旅游业的所有投资没有得到回报。
2.模型的参数估计和统计推断的检验
利用EVIEWS软件,用OLS方法估计得:
Depe ndent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 14:39
Sample: 1901 1931
In cluded observati ons: 31
Variable Coefficie nt Std. Error t-Statistic Prob.
X4 0.712838 0.808154 0.882057 0.3855
X3 0.151078 0.538590 0.280506 0.7812
X2 3.397214 0.419825 8.091981 0.0000
C -79.19295 136.7329 -0.579180 0.5673
R-squared 0.843551 Mean depe ndent var 515.1290
Adjusted R-squared 0.826167 S.D.dependent var 948.4382
S.E. of regressi on 395.4347 Akaike info criterion 14.91776
Sum squared resid 4221951. Schwarz criteri on 15.10279
Log likelihood -227.2253 F-statistic 48.52659
Durbin-Wats on stat 1.319996 Prob(F-statistic) 0.000000
Y = 0.7128X 4 + 0.15108X 3 + 3.3972X 2 - 79.1929
(0.882057)( 0.280506)( 0.8091981)( -0.579180)
R2=0.843551 R 2=0.826167 F=48.52659
可见,X3、X4的t值都不显著。另外,可决系数为0.843551修正可决系数为
0.826167,F值为48.52659,通过检验。故我们对上述模型进行计量经济学的检验,并进行修正,看是
否能使模型方程得到改进。
3.计量经济学检验
(1)多重共线性检验
用EVIEWS软件,得相关系数矩阵表:
X2 X3 X4
X2 1.000000 0.290115 0.610620
X3 0.290115 1.000000 0.749035
X4 0.610620 0.749035 1.000000
由上表可以看出,解释变量X3与X4、X2与X4之间的相关系数都较大,可见存在显著的多重共线性。在经济意义上:在旅行社与星级宾馆之间是一种客源供求合作的关系,一般
一家旅行社确定了客源后必定与星级宾馆签订入住合同,各家旅行社有自己的合作伙伴,因此二者的相关性较高
下面我们利用逐步回归法进行修正
① 通过OLS方法逐一求Y对各个解释变量的回归。结合经济意义及统计检验选出拟合效果最好的一元线形
回归方程,经分析在三个一元回归模型中Y (国际旅游外汇收
入)对X2 (入境外国旅游者人数)的线性关系强,拟和程度好,即:
Y = 3.764667836*X 2 + 100.358575
(11.77398) ( 1.251145)
Depe ndent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:29
Sample: 1901 1931
In cluded observati ons: 31
Variable Coefficie nt Std. Error t-
Statistic Prob.
X2 3.764668 0.319745 11.77398 0.0000
C 100.3586 80.21337 1.251145 0.2209
R-squared 0.826997 Mean depe ndent 515.1290
var
Adjusted R-squared 0.821031 S.D. dependent var 948.4382 S.E. of regressi on 401.2343 Akaike info criterion 14.88931 Sum squared resid 4668681. Schwarz criterio n 14.98182 Log likelihood -228.7843 F-statistic 138.6267 Durbin-Wats on stat 1.208100 Prob(F-statistic) 0.000000
Depe ndent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:29
Sample: 1901 1931
In cluded observati ons: 31
Variable Coefficie nt
Std. Error t-
Statistic Prob.
X3 1.638897 0.766885 2.137083 0.0412
C -36.38620 304.1930 -0.119616 0.9056 R-squared 0.136059 Mean depe ndent 515.1290
var
Adjusted R-squared 0.106268 S.D. dependent var 948.4382 S.E. of regressi on 896.6286 Akaike info criterion 16.49750 Sum squared resid 23314344 Schwarz criteri on 16.59002 Log likelihood -253.7113 F-statistic 4.567123 Durbin-Wats on stat 1.805084 Prob(F-statistic) 0.041153
Depe ndent Variable: Y
Method: Least Squares
R 2=0.826997 氏=0.821031 F=138.6267
Date: 04/14/04 Time: 15:30 Sample: 1901 1931
In eluded observati ons: 31
Variable Coeffieie nt
Std. Error t-
Statistie
Prob.
X4 3.617853 0.773433 4.677655 0.0001
C -343.5858 225.4107 -1.524266 0.1383
R-squared 0.430037 Mean depe ndent 515.1290
var
Adjusted R-squared 0.410383 S.D. dependent var 948.4382 S.E. of regressi on 728.2729 Akaike info eriterion 16.08157
Sum squared resid 15381062 Sehwarz eriteri on 16.17408 Log likelihood -247.2643 F-statistie 21.88046
Durbin-Wats on stat 1.842983 Prob(F-statistie) 0.000062
— = —
② 逐步回归。将其余解释变量逐一带入上式,可得如下几个模型:
Depe ndent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:50
Sample: 1901 1931
In eluded observati ons: 31
Variable Coeffieie nt Std. Error t-
Statistie Prob.
X2 3.626929 0.327977 11.05849 0.0000
X3 0.509564 0.352011 1.447581 0.1588
C -55.94259 133.6352 -0.418622 0.6787
R-squared 0.839042 Mean depe ndent 515.1290
var
Adjusted R-squared 0.827545 S.D. dependent var 948.4382
S.E. of regressi on 393.8641 Akaike info eriterion 14.88165
Sum squared resid 4343610. Sehwarz eriteri on 15.02043
Log likelihood -227.6656 F-statistie 72.97943
Durbin-Wats on stat 1.254348 Prob(F-statistie) 0.000000
= = -=
Y = 3.62692894* X 2 + 0.5095639447* X 3 - 55.94259492 (11.05849)
( 1.447581) ( -0.418622) R 2=0.839042 R 2=0.827545 F=72.97943
Depe ndent Variable: Y
Method: Least Squares
Date: 04/14/04 Time: 15:51
Sample: 1901 1931
In eluded observati ons: 31
Variable Coeffieie nt Std. Error t-Statistie Prob.
X2 3.359672 0.391319 8.585503 0.0000
X4 0.883900 0.521500 1.694917 0.1012
C -64.81908 124.6648 -0.519947 0.6072
R-squared 0.843095 Mean depe ndent 515.1290
var
Adjusted R-squared 0.831887 S.D. dependent var 948.4382
S.E. of regressi on 388.8745 Akaike info criterion 14.85616
Sum squared resid 4234255. Schwarz criteri on 14.99493
Log likelihood -227.2704 F-statistic 75.22578
Durbin-Wats on stat 1.335883 Prob(F-statistic)0.000000
= = =
Y = 3.35967215*X 2 + 0.8838996584*X 4 - 64.8190821
(8.585503) (1.694917) (-0.519947 )
R=0.843095 R 2=0.831887 F=75.22578
从上述几个模型中可以看出,在原模型中加入变量X3、X4以后,模型的统计检验效果并
没有得到较好的改善,模型的F值没有得到较大的提高,故应该把这两个影响因素从模型中剔除。
此时的模型为:Y = 3.764667836*X 2 + 100.358575
(11.77398) ( 1.251145)
R2=0.821031 F=138.6267 R 2
=0.826997
(2)异方差检验(white检验)
White Heteroskedasticity Test:
F-statistic 10.11369 Probability 0.000494
Obs*R-squared 13.00192 Probability 0.001502
Test Equati on:
Depe ndent Variable: RESIDE
Method: Least Squares
Date: 05/19/04 Time: 15:10
Sample: 1901 1931
In eluded observati ons: 31
Variable Coefficie nt Std. Error t-Statistic Prob.
C -291629.6 127906.8 -2.280016 0.0304
X2 6843.270 1532.029 4.466803 0.0001
X2A2 -4.953133 1.174720 -4.216436 0.0002
R-squared 0.419417 Mean depe ndent var 150602.6
Adjusted R-squared 0.377947 S.D.dependent var 575896.2
S.E. of regressi on 454211.4 Akaike info criteri on 28.98228
Sum squared resid 5.78E+12 Schwarz criteri on 29.12105