我國(guó)區(qū)域旅游需求的預(yù)測(cè)分析

1、    我國(guó)區(qū)域旅游需求的預(yù)測(cè)分析    蔣昂妤摘 要：該文運(yùn)用國(guó)際旅客到達(dá)31個(gè)區(qū)域城市的數(shù)據(jù)預(yù)測(cè)中國(guó)區(qū)域的國(guó)籍旅客到達(dá)。該研究將旅游預(yù)測(cè)通過審視國(guó)內(nèi)區(qū)域預(yù)測(cè)，將旅游預(yù)測(cè)帶入了新的更有意義的研究領(lǐng)域。該文旨在決定區(qū)域預(yù)測(cè)模型是否可以得到運(yùn)用，來回應(yīng)中國(guó)的區(qū)域政府和產(chǎn)業(yè)需求，從而準(zhǔn)確地預(yù)測(cè)區(qū)域旅客到達(dá)數(shù)量正逐漸推動(dòng)旅游業(yè)發(fā)展的成功。該文也將審視現(xiàn)代技術(shù)（基本結(jié)構(gòu)和時(shí)間不同的參數(shù)模型）以及區(qū)域性數(shù)據(jù)，能夠準(zhǔn)確地預(yù)測(cè)國(guó)際區(qū)域到達(dá)數(shù)量。這種選擇通過審視選擇地區(qū)性旅游的不同新型解釋來檢驗(yàn)實(shí)驗(yàn)理論，這是一個(gè)重要的貢獻(xiàn)，這種方式和原來的國(guó)家預(yù)測(cè)不同。得到的結(jié)論即通過

2、非傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)方法和地區(qū)的地區(qū)性預(yù)測(cè)是十分精確而實(shí)際的管理工具。關(guān)鍵詞：旅游需求；區(qū)域旅游預(yù)測(cè)；中國(guó)旅游1 計(jì)量經(jīng)濟(jì)學(xué)模型變量的選擇研究方法基于數(shù)據(jù)的回顧和運(yùn)用性，許多現(xiàn)代時(shí)間序列預(yù)測(cè)方法都運(yùn)用了預(yù)測(cè)，而基本結(jié)構(gòu)模型和時(shí)間變量參數(shù)計(jì)量經(jīng)濟(jì)模型2006年至2007年有著事前預(yù)測(cè)。該研究的主要目的是審視這些模型是否能運(yùn)用于未來兩年的短期的精確的旅游到達(dá)預(yù)測(cè)。在此層面中國(guó)可以運(yùn)用的數(shù)據(jù)僅限于1994年至2007年之間。模型建立的過程運(yùn)用了上述討論的時(shí)間參數(shù)模型和基本結(jié)構(gòu)模型。這些方法的研究中，下列數(shù)據(jù)資源可以檢測(cè)：臨時(shí)變量和獨(dú)立變量。2 干預(yù)的基本結(jié)構(gòu)模型表一顯示日本是最低平均絕對(duì)誤差，只有16

3、.8%，俄羅斯有最高平均絕對(duì)誤差值在25.5%。13個(gè)國(guó)家中有三個(gè)國(guó)家的總平均絕對(duì)誤差平均數(shù)低于20%。13個(gè)來源國(guó)家到31個(gè)中國(guó)地區(qū)的平均絕對(duì)誤差為22.1%。3 帶有虛擬變量的時(shí)間參數(shù)預(yù)測(cè)時(shí)間參數(shù)模型在這里的發(fā)展是基于建模過程提供了6個(gè)人機(jī)電子軟件包。這種分析在狀態(tài)矢量空間形式下提供了動(dòng)態(tài)系統(tǒng)。狀態(tài)空間形式允許預(yù)測(cè)伴隨可觀測(cè)模型的未觀察到的變量（空間變量）。其同時(shí)允許曾經(jīng)用過的循環(huán)卡爾曼濾波算法同時(shí)間序列結(jié)構(gòu)模型共同運(yùn)用。卡爾曼濾波算法運(yùn)用于早一步的運(yùn)算來預(yù)測(cè)，同時(shí)和確定的協(xié)方差值的初始值的平方誤差矩陣聯(lián)系。這樣分析下來，人機(jī)電子將他們的值設(shè)定較高的初始價(jià)值來反應(yīng)不確定性。盡管所有的省份需

4、要對(duì)比分析，國(guó)際旅游到達(dá)則關(guān)注于小于總的31個(gè)省份和地區(qū)的選擇。三分之一的到達(dá)者（33.7%）關(guān)注與排名前五的到達(dá)省份，而42.4%則關(guān)注排名前十。4 結(jié)論該研究表明盡管數(shù)據(jù)有限，但是精確預(yù)測(cè)中國(guó)的地區(qū)到達(dá)是有可能的。盡管數(shù)據(jù)的局限性同年居序列有關(guān)，而有限時(shí)間序列的長(zhǎng)度、精確預(yù)測(cè)錯(cuò)誤在20%以下，而10%以下的錯(cuò)誤可以持續(xù)被推導(dǎo)出來。所以關(guān)注與預(yù)測(cè)更發(fā)達(dá)的旅游地區(qū)預(yù)測(cè)，這些流動(dòng)傾向更明顯且有較少不穩(wěn)定性。另外，如果只關(guān)注于計(jì)量經(jīng)濟(jì)模型是錯(cuò)誤的，因?yàn)樵诖搜芯恐鞋F(xiàn)代時(shí)間序列方法被證明是占優(yōu)勢(shì)的。然而，在定義上這并非是好的結(jié)果，因?yàn)檫@里的意圖在于發(fā)展非正式變量來幫助區(qū)域預(yù)測(cè)，而基本結(jié)構(gòu)模型比時(shí)間參數(shù)

5、模型更好，這樣就并非預(yù)期結(jié)果了。對(duì)于計(jì)量經(jīng)濟(jì)結(jié)果為什么在許多省份中更廣泛的結(jié)果中不準(zhǔn)確的原因還不清楚。有可能只是因?yàn)槿鄙贁?shù)據(jù)，包括小型樣本（小范圍的自由）來衡量數(shù)量改變的真正原因。也有可能是因?yàn)槊恳粋€(gè)省份有著唯一的、或者很大程度上唯一的、非正式方法。因此在所有地區(qū)運(yùn)用同樣的獨(dú)立變量是不可行的。但是，從管理方法來說花費(fèi)大量的時(shí)間和金錢來孤立獨(dú)立變量是不可行的，那樣只是在時(shí)間序列方法中偶爾可行。該研究運(yùn)用的數(shù)據(jù)是住宿測(cè)量而非跨境移民記錄。該研究主要的目的在于決定這些數(shù)據(jù)能否精確預(yù)測(cè)到達(dá)，以及這些數(shù)據(jù)的結(jié)論能否運(yùn)用于旅游預(yù)測(cè)。以中國(guó)為例，數(shù)據(jù)是持續(xù)且可依賴的，可以精確運(yùn)用于模型預(yù)測(cè)。這也提出了在歐洲

6、大陸這樣只有住宿數(shù)據(jù)可以運(yùn)用的地區(qū)預(yù)測(cè)的可能性。最后，該研究在非正式變量選擇中研發(fā)了新的理論觀點(diǎn)，能夠推動(dòng)未來區(qū)域預(yù)測(cè)。這是當(dāng)今國(guó)家常用方法和分散地區(qū)經(jīng)濟(jì)變量的混合，這些新的方法將能夠運(yùn)用且給未來區(qū)域預(yù)測(cè)研究提供強(qiáng)有力的起點(diǎn)。未來預(yù)測(cè)的問題也提出了未來的預(yù)測(cè)需要基于方案和專家意見，特別是未來三年里。舉例而言，眾所周知中國(guó)正在發(fā)展高速鐵路網(wǎng)絡(luò)，并結(jié)合了預(yù)測(cè)結(jié)果。這也表明交通設(shè)施發(fā)展是旅游的非常重要的決定性因素，可以看到省份之間被高速鐵路連接將更快發(fā)展其自身同其他省份作為國(guó)際旅游地。比起定量模型，這種推測(cè)預(yù)測(cè)更能夠精確預(yù)測(cè)中長(zhǎng)期發(fā)展?？傊?，通過在中國(guó)次國(guó)家層面來觀察國(guó)際旅游預(yù)測(cè)，同時(shí)審視能夠最好運(yùn)

7、用區(qū)域數(shù)據(jù)的新變量，這種研究在旅游預(yù)測(cè)占據(jù)了新的方向。該研究展示了從基于國(guó)家層面的方法包括區(qū)域預(yù)測(cè)促進(jìn)和擴(kuò)大國(guó)際旅游預(yù)測(cè)的急切需求。該研究只是接觸了次國(guó)家國(guó)際旅游預(yù)測(cè)廣大潛力中的皮毛，不僅僅是中國(guó)的地區(qū)，而且還有全世界各種類型的地區(qū)。該研究的局限在于不能充足地運(yùn)用于后期數(shù)據(jù)。中期和長(zhǎng)期預(yù)測(cè)的準(zhǔn)確性不能夠被測(cè)量，研究的發(fā)現(xiàn)也僅限于短期。這種局限隨著更長(zhǎng)的到達(dá)序列在許多國(guó)家可以運(yùn)用而將被逐漸移除。盡管選擇的預(yù)測(cè)模型是當(dāng)今方法中的好例子，但也有其他方法可以嘗試。然而，基本結(jié)構(gòu)模型和時(shí)間參數(shù)模型看起來在地區(qū)預(yù)測(cè)中是穩(wěn)固的預(yù)測(cè)模型。最后，該研究最大的局限在于現(xiàn)在超出了可以更正的范圍，數(shù)據(jù)是年度而非季節(jié)的

8、。盡管原來收集過，但中國(guó)未能提供季節(jié)性數(shù)據(jù)，但是未來可能可以運(yùn)用。在中國(guó)國(guó)家旅游協(xié)會(huì)和太平洋地區(qū)旅游協(xié)會(huì)也通過私人與中國(guó)高層的聯(lián)系來獲取這些數(shù)據(jù)，但是沒有可供現(xiàn)在運(yùn)用的數(shù)據(jù)，而且這樣的問題在印度也存在。由于中國(guó)在氣候環(huán)境和高峰季節(jié)的數(shù)據(jù)非常不同，季節(jié)區(qū)域數(shù)據(jù)將產(chǎn)生更精確的預(yù)測(cè)。但是，可以注意到季節(jié)性數(shù)據(jù)可能也會(huì)破壞到達(dá)序列，將它們分解為較小的流動(dòng)數(shù)據(jù)而使得較低訪客到達(dá)數(shù)量的地區(qū)而更難預(yù)測(cè)。參考文獻(xiàn)1han， z.， r. durbarry， and m. cinclair. （2006）. “modelling ustourism demand for european destinations.” tourismmanagement， 27：1-10. 卷宗20