論我國旅游收入計(jì)量分析

1、-. z計(jì)量論文 我國旅游收入的計(jì)量分析經(jīng)濟(jì)理論述在研讀了大量統(tǒng)計(jì)和計(jì)量資料的根底上，選擇了三個(gè)大方面進(jìn)展研究，既包括旅游人數(shù)，人均旅游花費(fèi)和根本交通建立。其中，在旅游人數(shù)這個(gè)解釋變量的劃分上，我們考慮到隨著全球經(jīng)濟(jì)一體化的開展，越來越多的外國游客來中國旅游消費(fèi)。中國旅游的國際市場(chǎng)是個(gè)有開展?jié)摿Φ男屡d市場(chǎng)，盡管外國游客前來旅游的方式包羅萬象而且消費(fèi)能力也不盡一樣，但從國際效勞貿(mào)易的角度出發(fā)，我們?cè)谧鲎兞窟x擇時(shí)，運(yùn)用國際營銷的知識(shí)進(jìn)展市場(chǎng)細(xì)分，劃分了國際和國兩個(gè)市場(chǎng)。這樣，在旅游人數(shù)這個(gè)解釋變量的最終確定上，我們選擇了國旅游人數(shù)，入境旅游人數(shù)。這點(diǎn)選擇除了理論支持外，在現(xiàn)實(shí)旅游業(yè)開展中我們也看到

2、很多景區(qū)包括的近郊也有不少外國游客的身影。所以，我們選取這兩個(gè)解釋變量等待下一步進(jìn)展模型設(shè)計(jì)和檢驗(yàn)。另外，對(duì)于人均旅游花費(fèi)，我們?cè)谶M(jìn)展市場(chǎng)細(xì)分時(shí)，沒有延續(xù)前兩個(gè)變量的選擇模式，有幾個(gè)原因。首先，外國游客前來旅游的形式和消費(fèi)方式各異且很難統(tǒng)計(jì)。我們?cè)诨ù罅馐占瘮?shù)據(jù)后，仍然沒有比擬權(quán)威的統(tǒng)計(jì)數(shù)據(jù)資料。其次，隨著國家對(duì)農(nóng)業(yè)的不斷重視和扶持，我國農(nóng)業(yè)有了長足開展。農(nóng)村居民純收入增加，用于旅游的花費(fèi)也有所上升。而且鑒于農(nóng)村人口較多，前面的市場(chǎng)細(xì)分也不夠細(xì)化，在這個(gè)解釋變量確實(shí)定上，我們選擇農(nóng)村人均旅游花費(fèi)，既是從我國根本國情出發(fā)，也是對(duì)第一步研究分析的補(bǔ)充。所以我們確定了城鎮(zhèn)居民人均旅游花費(fèi)和農(nóng)村居民

3、人均旅游花費(fèi)。旅游開展除了對(duì)消費(fèi)者市場(chǎng)的劃分研究，還應(yīng)考慮到該產(chǎn)業(yè)的根底硬件設(shè)施。在眾多可選擇對(duì)象中我們經(jīng)分析研究結(jié)合大量文獻(xiàn)資料決定從交通建立著手。在我國，交通一般分布為公路，鐵路，航班，航船等。由于考慮到我國一般群眾的旅游交通方式集中在公路和鐵路上，為了防止解釋變量的過多過繁以及可能帶來的多重共線形等問題，我們只選取了前二者。即確定了公路長度和鐵路長度這兩個(gè)解釋變量。其中，考慮到我國旅游業(yè)不斷開展過程中，高速公路的修建也不斷增多，在確實(shí)定過程中，我們已經(jīng)將其擬合，盡量保證解釋變量的完整和真實(shí)。相關(guān)數(shù)據(jù)計(jì)量經(jīng)濟(jì)模型的建立我們建立了下述的一般模型：其中 1994-2003年各年全國旅游收入待定

4、參數(shù) 國旅游人數(shù) 萬人入境旅游人數(shù) 萬人城鎮(zhèn)居民人均旅游花費(fèi) 元農(nóng)村居民人均旅游花費(fèi) 元公路長度含高速萬公里鐵路長度 萬公里隨即擾動(dòng)項(xiàng)模型的求解和檢驗(yàn)利用Eviews軟件，采用以上數(shù)據(jù)對(duì)該模型進(jìn)展OLS回歸，結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 01:56Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-340.50471357.835-0.2507700.0882*2-

5、0.0016160.013520-0.1195290.1524*30.2323580.1280171.8150500.1671*46.3910521.7168883.7224630.0337*5-1.0467571.224011-0.8551870.0453*65.6734296.6672660.8509380.4573*7-474.3909355.7167-1.3336200.2745R-squared0.996391Mean dependent var2494.200Adjusted R-squared0.989174S.D. dependent var980.4435S.E. of re

6、gression102.0112Akaike info criterion12.28407Sum squared resid31218.86Schwarz criterion12.49588Log likelihood-54.42035F-statistic138.0609Durbin-Watson stat3.244251Prob(F-statistic)0.000944由此可見，該模型可決系數(shù)很高，F(xiàn)檢驗(yàn)顯著，但是、的系數(shù)t檢驗(yàn)不顯著，且的系數(shù)符號(hào)不符合經(jīng)濟(jì)意義，說明存在嚴(yán)重的多重共線性。所以進(jìn)展以下修正：一計(jì)量方法檢驗(yàn)及修正多重共線性的檢驗(yàn)：首先對(duì)Y進(jìn)展各個(gè)解釋變量的逐步回歸, 由最小二

7、乘法，結(jié)合經(jīng)濟(jì)意義和統(tǒng)計(jì)檢驗(yàn)得出擬合效果最好的兩個(gè)解釋變量如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:00Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-3193.041606.2101-5.2672170.0012*49.7290031.4354426.7777030.0003*5-1.1970362.059371-0.5812630.1293R-squared0.957

8、285Mean dependent var2494.200Adjusted R-squared0.945081S.D. dependent var980.4435S.E. of regression229.7654Akaike info criterion13.95532Sum squared resid369544.9Schwarz criterion14.04609Log likelihood-66.77660F-statistic78.43859Durbin-Watson stat0.791632Prob(F-statistic)0.000016繼續(xù)采用逐步回歸法將其余解釋變量代入，得出

9、擬合效果最好的三個(gè)解釋變量，結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:01Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-3391.810514.1119-6.5974160.0006*20.0294140.0145252.0250420.0393*46.3554592.0501753.0999590.0211*5-0.2845421.772604-0.1605220

10、.1077R-squared0.974627Mean dependent var2494.200Adjusted R-squared0.961940S.D. dependent var980.4435S.E. of regression191.2739Akaike info criterion13.63446Sum squared resid219514.3Schwarz criterion13.75550Log likelihood-64.17232F-statistic76.82334Durbin-Watson stat1.328513Prob(F-statistic)0.000035以上

11、模型估計(jì)效果最好，繼續(xù)逐步回歸得到以下結(jié)果：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:40Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-1973.943441.5947-4.4700340.0066*2-0.0050950.011431-0.4457290.6744*30.3282790.0806824.0688020.0096*44.6654851.1586654.0266

12、020.0101*5-1.7140200.999029-1.7156860.1469R-squared0.994114Mean dependent var2494.200Adjusted R-squared0.989406S.D. dependent var980.4435S.E. of regression100.9150Akaike info criterion12.37329Sum squared resid50919.23Schwarz criterion12.52458Log likelihood-56.86644F-statistic211.1311Durbin-Watson st

13、at3.034041Prob(F-statistic)0.000009各項(xiàng)擬合效果都較好。雖然的t檢驗(yàn)不是很顯著，但考慮到其經(jīng)濟(jì)意義在模型中的重要地位，暫時(shí)保存。繼續(xù)引入。Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:41Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-2034.155525.2137-3.8730040.0179*2-0.0070330.014095-0.4989

14、770.6440*30.2995620.1286262.3289460.0803*44.7879861.3398883.5734230.0233*5-1.5118511.282385-1.1789370.1638*62.0623346.6592470.3096950.7723R-squared0.994252Mean dependent var2494.200Adjusted R-squared0.987067S.D. dependent var980.4435S.E. of regression111.4976Akaike info criterion12.54959Sum squared

15、resid49726.89Schwarz criterion12.73114Log likelihood-56.74797F-statistic138.3830Durbin-Watson stat3.130122Prob(F-statistic)0.000144根據(jù)以上回歸結(jié)果可得，的引入使得模型中、的t檢驗(yàn)均不顯著，再考察二者的相關(guān)系數(shù)為0.949132，說明、高度相關(guān)，模型產(chǎn)生了多重共線性，因此將去掉。再將代入檢驗(yàn)。Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:42Sample: 1994 2003Inc

16、luded observations: 10VariableCoefficientStd. Errort-StatisticProb.C-641.06701265.065-0.5067460.0190*20.0014320.0125790.1138380.9149*30.3157420.0794873.9722640.0165*45.6942291.4560423.9107590.0174*5-1.6317100.977195-1.6697900.1703*7-351.4600313.6492-1.1205510.3252R-squared0.995521Mean dependent var2

17、494.200Adjusted R-squared0.989921S.D. dependent var980.4435S.E. of regression98.43019Akaike info criterion12.30028Sum squared resid38754.01Schwarz criterion12.48183Log likelihood-55.50141F-statistic177.7916Durbin-Watson stat2.850083Prob(F-statistic)0.000087的系數(shù)為負(fù)，與經(jīng)濟(jì)意義相悖，因此也去掉。由此確定帶入模型的解釋變量為、。異方差性的檢驗(yàn)

18、：再對(duì)模型的異方差性進(jìn)展檢驗(yàn)：鑒于我們的樣本資料是時(shí)間序列數(shù)據(jù)，選用ARCH檢驗(yàn)。ARCH Test:F-statistic0.044061Probability0.839718Obs*R-squared0.056296Probability0.812449Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/23/10 Time: 02:43Sample (adjusted): 1995 2003Included observations: 9 after adjustmentsVariableCoeffi

19、cientStd. Errort-StatisticProb.C5197.7413188.9601.6299180.1471RESID2(-1)0.0792160.3773850.2099080.8397R-squared0.006255Mean dependent var5645.880Adjusted R-squared-0.135708S.D. dependent var6668.507S.E. of regression7106.603Akaike info criterion20.76857Sum squared resid3.54E+08Schwarz criterion20.81

20、239Log likelihood-91.45855F-statistic0.044061Durbin-Watson stat1.810449Prob(F-statistic)0.839718這里Obs*R-squared為0.056296，P=0.8124490.05 所以承受，說明模型中隨機(jī)誤差項(xiàng)不存在異方差。再考慮P=3的情況：ARCH Test:F-statistic0.126837Probability0.938100Obs*R-squared0.787922Probability0.852354Test Equation:Dependent Variable: RESID2Meth

21、od: Least SquaresDate: 12/23/10 Time: 02:46Sample (adjusted): 1997 2003Included observations: 7 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C206.96718303.9310.0249240.9817RESID2(-1)0.1623770.5363370.3027510.7819RESID2(-2)0.1127990.5704270.1977460.8559RESID2(-3)0.3312760.5706580.580

22、5160.6023R-squared0.112560Mean dependent var4377.448Adjusted R-squared-0.774879S.D. dependent var7000.432S.E. of regression9326.298Akaike info criterion21.41462Sum squared resid2.61E+08Schwarz criterion21.38371Log likelihood-70.95118F-statistic0.126837Durbin-Watson stat1.521751Prob(F-statistic)0.938

23、100這里Obs*R-squared為0.787922，P=0.8523540.05。所以仍然承受，說明模型中隨機(jī)誤差項(xiàng)不存在異方差。自相關(guān)性的檢驗(yàn)：隨機(jī)擾動(dòng)項(xiàng)可能存在一階負(fù)自相關(guān)。借助殘差項(xiàng)和其一階滯后項(xiàng)的二維坐標(biāo)圖進(jìn)一步分析：由圖示可看出，殘差項(xiàng)和其一階滯后項(xiàng)顯然存在負(fù)自相關(guān)，然后利用對(duì)數(shù)線形回歸修正自相關(guān)性，得到相應(yīng)結(jié)果如下：Dependent Variable: LOG(Y)Method: Least SquaresDate: 12/23/10 Time: 02:52Sample: 1994 2003Included observations: 10VariableCoefficien

24、tStd. Errort-StatisticProb.C-8.7695512.012276-4.3580270.0073LOG(*2)0.3247890.3438680.9445160.0383LOG(*3)0.3840660.2277461.6863780.0225LOG(*4)1.4826830.3134874.7296430.0052LOG(*5)0.0057500.0689550.0833820.0468R-squared0.994678Mean dependent var7.740729Adjusted R-squared0.990421S.D. dependent var0.442

25、977S.E. of regression0.043355Akaike info criterion-3.131931Sum squared resid0.009398Schwarz criterion-2.980639Log likelihood20.65966F-statistic233.6398Durbin-Watson stat2.052287Prob(F-statistic)0.000007從估計(jì)的結(jié)果看，DW=2.052287，說明修正后有了明顯好轉(zhuǎn)，隨機(jī)擾動(dòng)項(xiàng)幾乎不存在一階自相關(guān)。我們進(jìn)展了一系列檢驗(yàn)和修正后的最終結(jié)果如下：LOG(Y) = 0.3247885353*LOG(*2

26、) + 0.384066367*LOG(*3) + 1.482683433*LOG(*4) + 0.00574960769*LOG(*5) - 8.769551392=0.994678 =0.990421 F=233.6398經(jīng)濟(jì)意義解釋C3和C3分別衡量我國旅游收入關(guān)于國和入境旅游人數(shù)的彈性，也就是表示當(dāng)旅游人數(shù)每變動(dòng)百分之一時(shí)，平均來說，旅游收入變動(dòng)的百分比。這里要特別注意，例如1998年國旅游人數(shù)為69450萬人，入境旅游人數(shù)為 6347.8萬人，則國旅游人數(shù)每增加1%，即增加694.5萬人，國旅游收入增加0.325%，而入境旅游人數(shù)每增加1%，即增加63.5萬人，國旅游收入增加0.384%。 C4和C5分別衡量我國旅游收入關(guān)于我國城鎮(zhèn)居民和農(nóng)村居民人均旅游花費(fèi)的彈性，也就表示當(dāng)人均花費(fèi)每變動(dòng)百分之一時(shí)，平均來說，旅游收入變動(dòng)的百分比。城鎮(zhèn)居民人均旅游花費(fèi)每增加1%，國旅游收入增加1.483%；農(nóng)村居民人均旅游花費(fèi)每增加1%，國旅游收入增加0.0057%。 政策建議為了促進(jìn)我國旅游事業(yè)的快速開展，我們提出了以下幾點(diǎn)建議：1、實(shí)施政府主導(dǎo)型旅游開展戰(zhàn)略政府主導(dǎo)型旅游開展戰(zhàn)略是按照旅游業(yè)自身的特點(diǎn)，在以市場(chǎng)為主，合理配置資源的根底上，充分發(fā)揮政