影响我国旅游业发展的有关因素分析

影响我国旅游业发展的有关因素分析 摘要 中国山河锦绣,有着丰富的自然资源,自然景观和人文景观相互映衬; 中国是人类文明的发源地之一,中华民族共同创造的灿烂文化构成了 巨大的人文旅游资源优势。近十年来,旅游业在全球蓬勃发展,而壮 丽旖旎的中国也吸引着来自世界各国的游客。旅游服务业的发展对 中国服务贸易的发展有着举足轻重的影响。本文通过对中国旅游服 务贸易出口的计量经济研究,找出影响因素,从而对今后中国旅游服 务贸易发展提出建议。 关键词 旅游收入 国内旅游 多重共线性 异方差 自相关 一、 问题的提出 旅游业一般分为国际旅游业和国内旅游业。国内旅游业是为国 内旅游者服务的一系列相关的行业。改革开放以来，我国的旅游业 呈现蓬勃的发展趋势，旅游景点吸引着来自四面八方的人。随着经 济的发展和人民生活水平的进一步提高，闲暇时间的增多，带薪假 期的普遍实行。由于旅游条件的改观，人民的旅游热情将进一步焕 发，人民对旅游消费的需求将进一步上升，国内旅游业在国民经济 中的地位和作用越来越重要。 。因此，对影响我国国内旅游消费的因 素的分析就显得尤为重要。 影响旅游消费的因素主要有两方面：一是旅游者的主观需求因 素，包括旅游者的收入情况和闲暇时间等；二是旅游资源的客观供 给因素，包括旅游资源及其设施、交通情况等。具体说来包括： （一）居民可支配时间增多 1999 年 9 月，国家出台了全国年节及纪念日放假办法。根据这 一放假办法，形成了三个各约一周的集中假期，即“春节” 、 “五一” 、 “十一”旅游“黄金周” 。集中的假日，使出游者实施的中长距离旅 游有了时间保证，人们有可能走得更远，逗留得更久，去更多的旅 游景点，享受更多的旅游经历，也支出更多的费用。 “黄金周”使 居民的可自由支配时间增加，在我国的国内旅游发展方面起着十分 良好的作用。 （二）居民旅游观念的变化 国内旅游业发展的主要推动力量是我国社会经济的快速发展。 国内生产总值（GDP）是衡量社会经济发展水平的指标：GDP 指标越 高，国民的富裕程度越高，消费观念越强。 （三）交通情况 随着经济的逐步增长，我国的交通状况得到很大的改善。铁路、 公路的增多，条件的完善，使出行变得更加方便，居民也因此更乐 于到各个地方旅游。 （四）旅游人数 旅游消费与旅游人数有着一定的关系：旅游人数越多，消费水 平通常就越高。由于经济的发展和人们消费观念的转变，越来越多 的人喜欢外出旅游，为旅游业的发展做出了很大的贡献。 那么究竟是哪些因素对我国国内旅游消费产生了重大的影响。 在现阶段，对于我国国内旅游业的发展，我们应该着重发展哪些方 面来促进这个朝阳产业继续发展壮大？这主要取决于哪些方面能给 我过国内旅游业收入带来更大幅度的增长，即是我们研究课题的关 键。 针对此种情况，我们收集了 1985-2005 年影响我国旅游收入的 相关因素的时间序列数据，诸如国内生产总值、旅游人数、交通建 设等，并用计量方法进行细致分析和水平比较，以解决以上我们所 提出的问题。 二、 变量的选取和分析 （一） 影响因素分析 1.国内生产总值（GDP） 国内生产总值是衡量社会经济发展的指标，他能衡量外界提 供的旅游消费所需环境的完善程度；GDP 指标越高，相应的交通 运输、信息传递等基础公共设施越完善，国民的富裕程度越高， 消费观念越强。经济的增长对消费有强烈的刺激作用，特别是类 似旅游这样的消费。 2闲暇时间 1999 年 9 月，国家出台了全国年节及纪念日放假办法。根据 这一放假办法，形成了三个各约一周的集中假期，继“春节” 、 “五一” 、 “十一”旅游黄金周。虽然如今三个取消了两个，但长 久以来的节假日旅游观念仍然使得许多人选择在这一时期出门旅 游。这是国内旅游在居民可自由支配时间增多的条件下获得的一 次新的提升，是国内旅游迈向了一个新的高度。 3.人口 人口数量的多少会影响旅游人次，从而影响旅游收入。要形 成一定规模的旅游市场，必须以一定数量的人口作为基础。由于 我国是世界第一人口大国，因此巨大的人口规模是促进我国国内 旅游市场规模发展的有利条件。 （二）指标选择 基于以上问题的提出，我们在研读了大量统计和计量资料的基 础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花 费和基本交通建设。从数据的可获得性考虑，将国内旅游收入作为 衡量我国国内旅游业发展水平的指标，作为自变量 Y（单位：亿元） 。因变量的选取考察：（1）居民消费观念变化对国内旅游业发展 的影响，选取对居民消费观念变化有显著影响的国内生产总值 GDPX1 来衡量；（2）影响旅游消费的人数用旅游人数 X2 来横量； （3）交通状况的影响，用公路里程和铁路里程来衡量；在我国， 交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般 大众的旅游交通方式集中在公路和铁路上，为了避免解释变量的过 多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。 即确定了 X3 公路长度和 X路长度这两个解释变量。 （4）居民的 可支配时间的影响，设置表示闲暇时间选 X5 为解释变量。 3、 模型选择 目前关于旅游消费的理论模型主要有旅游引力模型、多元回归 模型和时间序列模型，但各模型都既有优势，又都存在一些缺陷。 由于影响国内旅游消费的因素较多，我们决定选择多元线性回归方 程来构建我国国内旅游消费模型。多元回归线性模型为： n210 X.XY （二）样本数据采集 根据我们对影响我国旅游业收入的因素分析，以及解决我们提 出的问题的需要，初步选取了以下四个解释变量：国内生产总值、 旅游人数、公路长度和铁路长度。鉴于我国旅游业发展的阶段性和 我们分析的即时性，收集了 19952005 年最近二十年的统计数据。 年份 旅游消 费支出 （元） （） 国内生 产总值 （亿元） （ ） 旅游人 数（百 万人） （ ） 公路里 程（万 公里） （ ） 铁路里 程（万 公里） （ ） 闲暇时 间 （ ） 1985 80 9016.0 240 94.24 5.50 0 1986 106 10275. 2 270 96.28 5.57 0 1987 140 12058. 6 290 98.22 5.58 0 1988 187 15042. 300 99.96 5.61 0 8 1989 150 16992. 3 240 101.43 5.69 0 1990 170 18667. 8 280 102.83 5.78 0 1991 200 21781. 5 300 104.11 5.78 0 1992 250 26923. 5 330 105.67 5.81 0 1993 864 35333. 9 410 108.35 5.86 0 1994 1023.5 48197. 9 524 111.78 5.90 0 1995 1375.7 60793. 7 629 115.70 5.97 0 1996 1638.4 71176. 6 640 118.58 6.49 0 1997 2112.7 78973. 0 644 122.64 6.60 0 1998 2391.2 84402. 3 695 127.85 6.64 0 1999 2831.9 89677. 719 135.17 6.74 1.0 1 2000 3175.5 99214. 6 744 140.27 6.87 1.0 2001 3522.4 109655 .2 784 169.80 7.01 1.0 2002 3878.4 120332 .7 878 176.52 7.19 1.0 2003 3442.3 135822 .8 870 180.98 7.30 1.0 2004 4710.7 159878 .3 1102 187.07 7.44 1.0 2005 5285.9 183084 .8 1212 193.05 7.54 1.0 三、 模型及处理 （一）建立模型 根据以上各变量的设置，初步建立以下模型： 012345i iYXXu 其中， 代表旅游消费支出，即当年的旅游收入; 代表国内i 1X 生产年总值; 代表旅游人数; 代表公路里程; 代表铁路里程;234 X5=0, 1999 年以前 1, 1999 年以后（含 1999 年）; 代表随机扰动项.i （二） 参数估计 在 EViews 中用普通最小二乘法（OLS）进行参数估计，即出现以下 结果： Dependent Variable: Y Method: Least Squares Date: 12/07/10 Time: 22:55 Sample: 1985 2005 Included observations: 21 Variable Coeffic ient Std. Error t- Statisti c Prob. C - 4554.80 5 2253.323 - 2.021373 0.0615 X1 - 0.00122 7 0.012050 - 0.101820 0.9202 X2 3.51060 7 1.391009 2.523785 0.0234 X3 1.35591 6 6.747678 0.200946 0.8434 X4 636.667 355.1465 1.792691 0.0932 9 X5 598.443 0 200.6966 2.981829 0.0093 R-squared 0.99137 7 Mean dependent var 1787.4 10 Adjusted R- squared 0.98850 3 S.D. dependent var 1691.4 57 S.E. of regression 181.366 4 Akaike info criterion 13.473 87 从回归结果看，可决系数很高，通过 F 检验，但在显著性水平05. 下， 1X 、 3 和 4 的回归系数并不显著，而且 1X 的系数 符号与预期的相反，这表明该模型很可能存在多重共线性。 （三） 多重共线性的检验 用EViews计算各解释变量的相关系数，得到相关系数矩阵： 变量 X1 X2 X3 X4 X5 X1 0.9918 0.968 0.9822 0.8406 X2 0.9918 1 0.9428 0.9644 0.8058 X3 0.9684 0.9428 1 0.9620 0.8931 X4 0.9822 0.9644 0.9620 1 0.8640 X5 0.84060 0.8058 0.8931 0.863 1 由相关系数矩阵可以看出，各个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。 采用逐步回归的办法，去检验和解决多重共线性问题。运用OLS 方法分别做Y对X1、X2、X3、X4、X5的一元回归，结果如下： 变量 X1 X2 X3 X4 X5 参数估计 值 0.031722 5.693082 49.27887 2390.419 3071.836 t统计量 30.15996 23.85298 16.22367 22.80724 7.9659492R 0.979540 0.967685 0.932674 0.964761 0.769575 0.978463 0.965984 0.929130 0.962906 0.757447 在5个解释变量中，Y对 的线性相关系数最大，二者的拟合程1X 度最好。依据可决系数 最大原则，选取 作为进入回归模型的第2R1 一个解释变量，形成一元回归模型。将剩余解释变量分别加入模型， 得到以下结果： 变 量 X1 X2 X3 X4 X5 2R X1 、X 2 0.027652 (3.2871 ) 0.74092 8 (0.4878 ) 0.97756 3 X1 、X 3 0.028065 (6.6213) 6.01185 8 (0.8909 ) 0.97822 6 X1 、X 4 0.022706 (4.2537) 696.948 7 (1.7195 ) 0.98047 4 X1 、X 5 0.027563 (17.0284 ) 540.594 5 (3.0571 ) 0.98503 6 通过观察比较，并根据逐步回归的思想，我们可以看到，新加入 变量X5的二元回归方程 =0.985036最大，并且各参数的t检验显著，2R 参数的符号也符合经济意义。因此，保留变量X5。在保留变量 、1X X5的基础上，继续进行逐步回归，由结果可知，在原来的基础上再 加入其它变量后，不能完全通过t检验因此，最后应保留的变量是 和X5，相应的回归结果为：1X15239.807.256340.9iYX （0.001619）（176.8349）（80.80809） t=（17.02839）（3.057058）（-2.968647） =0.986532 =0.985036 F=659.2570 DW=1.9205392R2R 上述回归结果基本上消除了多重共线性。并且，在其他因素不 变的情况下，国内生产总值每增加 1 亿元，旅游收入将平均增加 0.027563 亿元；自从 1999 年，实行“黄金周”的政策后，旅游收 入平均每年比实行该政策之前多增加 540.594 亿元。 （四） 异方差的检验 White检验法： White Heteroskedasticity Test: F-statistic 1.51109 4 Probability 0.2459 51 Obs*R-squared 5.75801 7 Probability 0.2179 63 Test Equation: Dependent Variable: RESID2 Method: Least Squares Date: 12/07/10 Time: 23:55 Sample: 1985 2005 Included observations: 21 Variable Coeffic ient Std. Error t- Statisti c Prob. C - 62321.4 7 48953.65 - 1.273071 0.2212 X1 5.02723 2.569349 1.956620 0.0681 8 X12 -5.04E- 05 2.72E-05 - 1.856513 0.0819 X1*X5 8.84948 0 5.088224 1.739208 0.1012 X5 - 768062. 9 458342.4 - 1.675740 0.1132 R-squared 0.27419 1 Mean dependent var 36697. 08 Adjusted R- squared 0.09273 9 S.D. dependent var 78929. 13 S.E. of regression 75180.1 9 Akaike info criterion 25.497 42 Sum squared resid 9.04E+1 0 Schwarz criterion 25.746 12 Log likelihood - 262.722 9 F-statistic 1.5110 94 Durbin-Watson stat 2.46521 0 Prob(F- statistic) 0.2459 51 在 下，因为 n =5.758017 =11.0705（n 为样本05.2R)5(20. 量），所以接收原假设，表明模型没有异方差。 （五）自相关检验 由以上分析我们已经得到该模型的回归方程： 594D.002763.89.23 1XYi =0.986532 =0.985036 F=659.2570 DW=1.920539RR 该回归方程可决系数较高，回归系数均显著。对样本量为 21、 两个解释变量的模型、5%显著水平，查 DW 统计表可知， =1.125， =1.538。LDU 模型中，DW ，显然消费模型中没有自相关。D （六）回归分析 回归结果： 594D.002763.89.23 1XYi （0.001619）（176.8349）（80.80809） t=（17.02839）（3.057058）（-2.968647） =0.986532 =0.985036 F=659.2570 DW=1.9205392R2R 根据以上回归模型的建立分析，结合国内旅游的实际可以得到 一些结论： （一）居民旅游观念的变化国内旅游业发展与社会经济的发展密切 相关。社会生产力水平的提高，强劲的经济增长带来了国内旅游市 场的逐步繁荣。社会经济的进步，良好的社会环境还促使人们外出 旅游。随着居民生活水平逐渐走向小康，走向富裕，人们的旅游消 费水平也会相应上升。 （二）1999年长假办法的实施促进了旅游消费。实行长假制，错开 了休假日期，可以避免全国居民集中在几个公共假日一起休假、旅 游，使人们得以从低层次的简单观光旅游活动，转向进行远距离高 层次的旅游度假活动。可见，实行长假制是我国提升国民休闲品质 的必然趋势。从以上建立的模型来看， 1999年实行的“黄金周”对 旅游收入影响显著，促使旅游者每年多消费540.5945亿元，可见长 假制能促进旅游消费。 本文通过对一些影响我国国内旅游消费水平的重要因素进行分 析，构建了国内旅游消费模型。该模型经过检验，能够较好的拟合 我国国内旅游消费的实际情况，表明了国内旅游迅速发展的主要推 动力量是我国经济的快速发展。经济的快速发展带来了居民收入的 增加，产生了旅游的强烈愿望。长假制的实施顺应了这一发展趋势， 促进了旅游消费。因此，加快经济的增长，合理安排人民的休假时 间，将成为促进我国国内旅游消费的重要因素。 附录 以下是多重共线性参数估计 备表 1 对 X 回归分析1 Dependent Variable: Y Method: Least Squares Date: 11/14/13 Time: 21:14 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C -15595.61 18604.86 -0.838255 0.4087 X1 1.978224 0.229091 8.635111 0.0000 R-squared 0.719983 Mean dependent var 114619.2 Adjusted R-squared 0.710327 S.D. dependent var 112728.1 S.E. of regression 60671.69 Akaike info criterion 24.92668 Sum squared resid 1.07E+11 Schwarz criterion 25.01920 Log likelihood -384.3636 Hannan-Quinn criter. 24.95684 F-statistic 74.56515 Durbin-Watson stat 2.090544 Prob(F-statistic) 0.000000 备表 2 对 X 回归分析2 Dependent Variable: Y Method: Least Squares Date: 11/14/13 Time: 21:15 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C 15958.73 11364.71 1.404236 0.1709 X2 0.315120 0.025260 12.47495 0.0000 R-squared 0.842924 Mean dependent var 114619.2 Adjusted R-squared 0.837508 S.D. dependent var 112728.1 S.E. of regression 45441.05 Akaike info criterion 24.34856 Sum squared resid 5.99E+10 Schwarz criterion 24.44108 Log likelihood -375.4027 Hannan-Quinn criter. 24.37872 F-statistic 155.6243 Durbin-Watson stat 1.665119 Prob(F-statistic) 0.000000 备表 3 对 X 回归分析3 Dependent Variable: Y Method: Least Squares Date: 11/14/13 Time: 21:15 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C 53599.95 15413.41 3.477488 0.0016 X3 0.316946 0.045785 6.922479 0.0000 R-squared 0.622988 Mean dependent var 114619.2 Adjusted R-squared 0.609988 S.D. dependent var 112728.1 S.E. of regression 70399.77 Akaike info criterion 25.22411 Sum squared resid 1.44E+11 Schwarz criterion 25.31662 Log likelihood -388.9737 Hannan-Quinn criter. 25.25427 F-statistic 47.92072 Durbin-Watson stat 1.724195 Prob(F-statistic) 0.000000 备表4 对X 回归分析4 Dependent Variable: Y Method: Least Squares Date: 11/14/13 Time: 21:15 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C -143904.9 66622.99 -2.159989 0.0392 X4 12.54525 3.131970 4.005547 0.0004 R-squared 0.356191 Mean dependent var 114619.2 Adjusted R-squared 0.333991 S.D. dependent var 112728.1 S.E. of regression 91996.75 Akaike info criterion 25.75923 Sum squared resid 2.45E+11 Schwarz criterion 25.85175 Log likelihood -397.2681 Hannan-Quinn criter. 25.78939 F-statistic 16.04440 Durbin-Watson stat 1.829839 Prob(F-statistic) 0.000394 备表 5 对 X 、X 回归分析21 Dependent Variable: Y Method: Least Squares Date: 11/14/13 Time: 21:15 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C -4316.824 12795.42 -0.337373 0.7384 X2 0.230304 0.039088 5.891959 0.0000 X1 0.711446 0.265507 2.679575 0.0122 R-squared 0.874983 Mean dependent var 114619.2 Adjusted R-squared 0.866053 S.D. dependent var 112728.1 S.E. of regression 41257.10 Akaike info criterion 24.18480 Sum squared resid 4.77E+10 Schwarz criterion 24.32357 Log likelihood -371.8644 Hannan-Quinn criter. 24.23004 F-statistic 97.98460 Durbin-Watson stat 1.893654 Prob(F-statistic) 0.000000 备表 6 对 X 、X 回归分析23 Dependent Variable: Y Method: Least Squares Date: 11/14/13 Time: 21:15 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C 16874.53 10798.59 1.562660 0.1294 X2 0.258113 0.036788 7.016265 0.0000 X3 0.087950 0.043040 2.043471 0.0505 R-squared 0.863310 Mean dependent var 114619.2 Adjusted R-squared 0.853546 S.D. dependent var 112728.1 S.E. of regression 43140.27 Akaike info criterion 24.27407 Sum squared resid 5.21E+10 Schwarz criterion 24.41284 Log likelihood -373.2480 Hannan-Quinn criter. 24.31930 F-statistic 88.42123 Durbin-Watson stat 1.600090 Prob(F-statistic) 0.000000 备表 7 对 X 、X 回归分析24 Dependent Variable: Y Method: Least Squares Date: 11/14/13 Time: 21:15 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C 10868.79 37371.23 0.290833 0.7733 X2 0.312045 0.033484 9.319239 0.0000 X4 0.293708 2.050660 0.143226 0.8871 R-squared 0.843039 Mean dependent var 114619.2 Adjusted R-squared 0.831828 S.D. dependent var 112728.1 S.E. of regression 46228.45 Akaike info criterion 24.41234 Sum squared resid 5.98E+10 Schwarz criterion 24.55112 Log likelihood -375.3913 Hannan-Quinn criter. 24.45758 F-statistic 75.19429 Durbin-Watson stat 1.642818 Prob(F-statistic) 0.000000 备表 8 对 X 、X 、X 回归分析213 Dependent Variable: Y Me