组合预测模型在河北省旅游业预测中的应用.doc

组合预测模型在河北省旅游业预测中的应用组合预测模型在河北省旅游业预测中的应用 摘 要 改革开放以来 随着河北省经济的快速发展 河北省旅游业取得了长足发展 与此同 时 对旅游业的预测研究也得到了前所未有的发展 本文利用河北省旅游业收入的历史 数据 分别建立灰色预测模型 移动平均预测模型和多元回归预测模型来对旅游业进行 预测 根据以上三种单项预测模型得出的结果进行权重分配 建立组合预测模型 预测结 果表明实际值与该模型的拟合度较好 可以用于预测河北省旅游业的发展 最后用该组 合预测模型对河北省未来 10 年的旅游业收入进行了预测 并根据预测结果对河北省旅 游业发展提出了相关的建议 关键词 关键词 旅游业 单项预测 组合预测 预测精度 I Application of Combination Forecast Model in Terms of Hebei Province Tourism Industry Forecast Directed by Lecturer ABSTRACT Since the reform and opening up with the rapid economic development of Hebei Province the tourism industry in Hebei Province has achieved great development at the same time study on the prediction of tourism has also made a hitherto unknown development This article uses the historical data of Hebei Province tourism revenue builds the grey prediction model the moving average forecasting model and multivariate regression model respectively to forecast the tourism industry Allocate the weights according to the results of the above three kinds of single forecasting model build combination forecasting model the prediction results show that the actual value and the model better fit can be used to forecast the development of tourism in Hebei Province Last forecast the tourism income of Hebei Province in the next ten years using the combined forecasting model and put forward some suggestions on the development of the tourism industry in Hebei Province according to the forecast results KEYWORDS Tourism Single forecast Combination forecast Prediction accuracy 目目 录录 摘 要 I 英文摘要 II 前 言 1 1 1 单一预测模型在河北省旅游业中的应用 2 1 11 1 灰色预测模型 2 1 1 1 数据的选择 2 1 1 2 构造累加生成列 2 1 1 3 建立预测模型 2 1 1 4 构造累减生成列 3 1 1 5 得出预测结果 3 1 1 6 残差检验 4 1 21 2 移动平均预测模型 4 1 2 1 一次线性移动平均法 5 1 2 2 二次线性移动平均法 5 1 2 3 建立预测模型 5 1 2 4 得出预测结果 6 1 2 5 误差检验 6 1 31 3 多元回归预测模型 7 1 3 1 建立模型 7 1 3 2 估计参数 7 1 3 3 得出预测结果 8 1 3 4 进行检验 9 1 41 4 各单项预测模型的误差分析 9 2 2 组合预测模型在河北省旅游业中的应用 11 2 12 1 计算组合权重 建立组合预测模型 11 2 22 2 得出组合预测结果 12 3 3 总 结 12 3 13 1 河北省未来 10 年旅游业收入 12 3 23 2 预测模型结果总结 13 参考文献 15 附 录 16 致 谢 17 0 前前 言言 Bates 和 Cranger 首先提出可以建立线性组合预测模型综合各单项模型的信息 以 产生更好的预测效果 理论和实践的各种研究都表明 在多种不同的单项预测模型并且 数据来源不同的情况下 组合预测模型可能获得比任何一个单项预测值更好的预测值 组合预测模型将各种不同类型的单项预测模型兼收并蓄 各取所长 集中了更多的经济 信息与预测技巧 能减少系统的预测误差 显著改进预测效果 组合预测方法是对同一个 问题 采用两种以上不同预测方法的预测 它既可以是几种定量方法的组合 也可以是几 种定性方法的组合 但实践中更多的则是利用定性方法与定量方法的组合 组合的主要 目的是综合利用各种方法所提供的信息 尽可能地提高预测精度 因此 组合预测方法尤 其适用于信息不完备的复杂经济系统 1 旅游业是朝阳产业 在社会快速发展的今天 旅游不但对人的活动产生越来越重要 的影响 而且对国民经济的发展起着重要的推动作用 因此越来越多的国家把旅游产业 列为支柱产业来发展 我国也不例外 然而 在我国各个地区发展旅游业的过程中 各个 地区的经济基础 旅游基础设施和旅游资源等方面各不相同 所以相对的形成不同的竞 争力 一个地区整体竞争力的大小对该地区旅游业的发展起着很重要的作用 河北省是 旅游资源大省 有着丰富的旅游自然资源和历史文化资源 也不乏世界级的旅游产品 但 河北省的旅游实力却不尽人意 本文以河北省旅游业为研究对象 来分析河北省旅游现 状及存在的问题 从而找到切实有效地提升河北省旅游产业整体竞争力的方法和途径 根据 2010 年底的全国旅游收入排名的数据统计 得出河北省的综合旅游收入排在全国 中下等的位置 其中我省旅游核心竞争力排在全国第 13 名 虽然基础竞争力排名较落后 但 主要是由于自然环境落后引起的 经济基础还算是较好的 所以河北省想要快速发展旅 游业就必须先抓基础竞争力 尤其是自然环境方面 并且要狠抓基础设施建设和提高综 合服务水平 也就是基础竞争力和核心竞争力要一起抓 随着社会的发展 旅游业已经成为全球经济中发展势头最强劲和规模最大的产业之 一 改革开放以来 随着河北省经济的快速发展和社会的全面进步 河北省旅游业取得了 长足发展 与此同时 对旅游业的研究也得到了前所未有的发展 旅游行业预测是旅游计 划管理工作的重要组成部分 准确而有效地旅游预测对相关部门旅游计划的制定 旅游 市场的开拓以及旅游产品的开发等都具有十分重要的指导意义 本课题利用河北省旅游 业收入的历史数据 分别采用灰色预测法 移动平均法和多元回归方法建立了河北省旅 游业收入的单项预测模型 并根据预测结果对各模型的优缺点进行了比较分析 据此建 立了河北省未来旅游业收入的组合预测模型 并且对河北省未来 10 年的旅游业收入进 行了大胆的预测 根据预测模型得出预测结果对河北省旅游业发展提出了相关的建议 1 1 单一预测模型在河北省旅游业中的应用 1 1 灰色预测模型 灰色预测法是一种对含有不确定因素的系统进行预测的方法 2 灰色系统是介于白 色系统和黑色系统之间的一种系统 白色系统是指一个系统的内部特征是完全已知的 即系统信息是完全充分的 黑色系统是指一个系统的内部信息对外界来说是一无所知的 1 1 1 数据的选择 本文选取河北省2004 2014年11年的旅游业收入为原始数据列 数据见附录 单位 亿人次 记为 350 424 1 490 2 580 554 5 620 915 1221 3 1600 2000 0 X 49 2561 1 1 2 构造累加生成列 累加是将原始序列通过累加得到生成列 就是将原始序列的第一个数据作为生成列 的第一个数据 将原始序列的第二个数据加到原始序列的第一个数据上 其和作为生成 列的第二个数据 将原始序列的第三个数据加到生成列的第二个数据上 其和作为生成 列的第三个数据 按如此规则进行下去 便可得到生成列 对原始数据做累加生成得到 新的数列 记生成列为 1 X k 1 X k 1i 0 i X11 2 1k k 1k 0 1 XX 350 774 1 1264 3 1844 3 2398 8 3018 8 3933 8 5155 1 6755 1 8755 1 1 X 1316 59 1 1 1 3 建立预测模型 GM 1 1 模型相应的微分方程 1 1 aX dt dX 式中 称为发展灰数 称为内生控制灰数 a 2 设为待估参数向量 利用最小二乘法求解 可得 a n 1 YBBB TT 其中 B 11 10 2 1 3 2 2 1 2 1 2 1 1 1 1 1 1 1 XX XX XX 1 1 1 n Y 0 0 0 3 2 X X X 求得 0 235 162 933 a 求解微分方程 即可得预测模型 k 0 1 2 11 a e a XkX ak 1 1 0 1 即 1043 33234 693 33234 1k 1 X k235 0 e 1 1 4 构造累减生成列 将原始序列前 后两个数据相减 所得数据序列为累减生成序列 累减生成序列 0 X 10 11 11 2 3 3 1 2 2 1 1 1 1 0 1 1 0 1 1 0 1 0 XXX XXX XXX XX 1 1 5 得出预测结果 由预测模型可得出预测值见表1 1 表1 1 灰色预测模型预测结果 年份旅游业收入 1 kX 1 kX 预测值 3 2004350350350350 2005424 1774 1626 3879376 3879 2006490 21264 3975 9933449 6054 20075801844 31418 212542 2187 2008554 52398 81977 579559 367 20096203018 82685 127607 548 20109153933 82572 19912 937 20111221 35155 14712 1831139 993 201216006755 16144 1511431 968 201320008755 17955 4611811 31 20142561 4911316 5910246 62291 139 1 1 6 残差检验 根据上述模型计算绝对误差序列和相对误差序列 并根据结果进行残差修正 以提 高精度 绝对误差序列为 0 47 7121 40 5946 37 7813 0 4 867 12 452 2 063 81 307 168 032 188 69 270 351 相对误差序列为 0 0 112502 0 08281232 0 06514017 0 008777277 0 02008387 0 002254645 0 06657414 0 10502 0 094345 0 1055 4443 灰色预测模型得出的预测结果的相对误差都小于0 5 因此模型的精确度较高 能 够较为准确的预测出未来某一时刻或某一时间段的特征量 1 2 移动平均预测模型 移动平均法是修匀时间序列的一种方法 就是每当得到一个最近时期的数据 就立 即把它当做有效数据 而把最老的那个时间数据剔除掉 重新计算出一个新的平均值 用 它来预测下一时间的数据 3 依次法则 就可以计算出一串平均数 因此 移动平均从数 列中所取数据点数一直不变 只是包括最新的观察值 从长期来看 虽然移动平均法的预 测精度不太高 但是 随着时间的推移 能够很好地反映出该时间序列的变化情况 并且 计算方法较为简单 4 1 2 1 一次线性移动平均法 设当前时期为 已知时间序列观测值为 假设按连续 N 个时期的观测t t21 xxx 值计算一个平均数 作为对下一时期即 t 1 时期的预测值 用表示 1t F N xxx 1N t1 tt 1 t F 1 2 2 二次线性移动平均法 如果时间序列具有明显的线性变化趋势 则不宜采用一次移动平均法来预测 当序 列具有随机性时 存在预测值滞后于实际值的情况 为了避免利用移动平均法预测有趋 势的数据时产生的误差 发展了线性二次移动平均法 它不是用二次移动平均数直接进 行预测 而是在二次移动平均的基础上建立线性预测模型 然后再用模型预测 二次移动平均数是在一次移动平均数的基础上计算得到的 其计算公式为 N 1 1N t 1 1 t 1 t 2 SSS St 式中是第 周期的一次移动平均数 是第 周期的二次移动平均数 是计算 1 t St 2 t StN 移动平均数所选定的个数 1 2 3 建立预测模型 当序列具有趋势时 一次平均数序列总是落后于实际数据序列 出现了滞后偏差 二次移动平均数序列也与一次平均数序列形成了滞后偏差 二次移动平均正是利用这 种滞后偏差的演变规律建立线性预测模型的 线性预测模型为 TbaF ttTt 式中 为目前的周期序列号 为目前周期 到预测周期的周期间隔个数 即预测超tTt 前周期数 为第周期的预测值 为线性模型的截距 为线性模型的斜率 即 Tt F Tt t a t b 单位周期的变化量 其中 的计算公式为 t a t b 2 1 2 ttt SSa 1 2 2 1 ttt SS N b 5 1 2 4 得出预测结果 若取 N 3 所得预测结果见表 1 2 表 1 2 移动平均模型预测结果 年份旅游业收入 3 1 NSt 3 2 NSt t a t b tt F 2004350 2005424 1 2006490 2421 433333 2007580498 1 2008554 5541 566667487 033333596 09999754 533334 2009620584 833333408 166667761 500003176 6666650 633331 2010915696 5607 633333785 36666788 866667938 166603 20111221 3918 766667733 3666671104 16666185 4874 233334 201216001245 43333953 5666671537 29999291 8666631289 56666 201320001607 11257 11957 13501829 16665 20142561 492053 831635 454442472 20556418 375562307 1 1 2 5 误差检验 根据上述模型计算绝对误差序列和相对误差序列 绝对误差序列为 0 0 0 0 0 30 6333 0 23 1666 347 0666 310 4333 170 8333 254 3900 相对误差序列为 0 0 0 0 0 0 04940855 0 02531869 0 28417801 0 19402081 0 08541665 0 09931329 移动平均预测模型得出的预测结果的相对误差都小于0 5 因此模型的精确度较高 具 有较强的预测性 1 3 多元回归预测模型 客观事物的变化往往受多种因素的影响 即使其中一个因素起着主导作用 但有时 6 其他因素的作用也是不可忽视的 在实际问题中 大多数影响自变量的因素不是一个 而 是多个 我们把包括两个或两个以上自变量的回归称为多元回归 1 3 1 建立模型 由于河北省旅游业收入与游客人数 省内生产总值存在密切的关系 因此以河北省 旅游业收入 为被解释变量 以游客人数 和省内生产总值 为解释变量 建 t Y 1 t X 2t X 立二元回归模型 ttuXbXbbY tttt 2 1 22110 式中 是未知参数 为剩余残差项或称为随机扰动项 引进随机扰动项 0 b 1 b 2 b t u 是为了包括对被解释变量的变化有影响的所有其他因素 t u t Y 1 3 2 估计参数 假设以上模型满足下列的假定条件 假定1 随机误差项是非自相关性的 即 0 uEIuVar2 假定2 解释变量与误差项相互独立的 即 0 u XE 假定3 解释变量之间是线性无关的 假定4 解释变量是非随机的 根据上述假定条件 利用普通最小二乘估计法估计参数值 即 OLSYXXXb 1 并代入河北省2004 2014年的旅游业收入 游客人数 省内生产总值的数据 B 运用SPSS18 0软件 以我省旅游业收入为因变量 以游客人数 省内生产总值为自 变量 得出结果见表1 3 表1 3 多元回归预测模型汇总 7 模型汇总模型汇总 模型 R R 方调整 R 方标准 估计的误差 1 988a 997 99645 79543 a 预测变量 常量 省内生产总值 游客人数 表1 4 多元回归预测模型Anovab AnovaAnovab b 模型平方和 df 均方 FSig 回归 5361887 3226809431278 3 000a 残差 16777 882097 21 总计 5378665 110 a 预测变量 常量 省内生产总值 游客人数 b 因变量 旅游业收入 表1 5 多元回归预测模型系数a 系数系数 a a 非标准化系数标准系数 模型 B 标准 误差试用版 tSig 常量 233 81746 296 5 051 001 游客人数 1043 22657 1371 17618 258 0001 省内生产总值 019 006 188 2 922 019 a 因变量 旅游业收入 根据表1 3 表1 4 表1 5所示的结果 建立河北省旅游业收入的多元回归模型 如下所 示 233 817 1043 226 0 019 t Y 1 t X 2t X 5 051 18 258 2 922 1 3 3 得出预测结果 所得预测结果见表 1 6 表1 6 多元回归模型预测结果 8 年份实际旅游业收入多元回归预测值多元回归误差 2004350 0000358 2720 91 7280 2005424 1000422 2147 1 8853 2006490 2000497 46647 2664 2007580 0000556 4348 23 5652 2008554 5000483 2562 71 2438 2009620 0000590 2262 29 7738 2010915 0000947 277132 2771 20111221 30001256 679835 3798 20121600 00001556 3552 43 6448 20132000 00002045 166645 1666 20142561 49002493 3421 68 1479 1 3 4 进行检验 1 可决系数 可决系数是衡量因变量与自变量关系密切程度的指标 表示自变量解释因变量变动 的百分比 它取值于0与1之间 并取决于回归模型所解释的访查的百分比 由表1 3可 知 此回归模型解释了河北省旅游业收入的99 7 可决系数高 这就意味着该模型把 2 R 的变动解释的好 t Y 2 回归系数显著性检验 回归系数的显著性检验是用 参数检验的 服从自由度为n 2的 分布 取显著性水ttt 平 0 05 查 检验临界值表得 2 262 由表1 5知 都显然大于 t 9 05 0 t 1b t 2b t 9 05 0 t 因此 回归系数显著 b 3 检验F 检验服从分布 取显著性水平 0 05 查检验临界值表得 F 2 1 nF F 5 12 由表 1 4 知 值显然大于 因此 该模型通过检验 9 1 05 0 FF 9 1 05 0 FF 经过上述检验 该模型可以用于预测 能够得出较好的预测结果 1 4 各单项预测模型的误差分析 根据上述三个单项预测模型进行预测 并选取2004 2014年的数据 将灰色预测模型 移动平均模型以及多元回归模型的预测结果与实际值进行比较 并计算预测误差 9 表1 7 单项预测模型预测结果 年份 实际旅游业 收入 灰色预测值 移动平均预 测值 多元回归预 测值 灰色预测误 差 移动平均误 差 多元回归误 差 2004350 0000350 0000350 0000358 27200 00000 0000 91 7280 2005424 1000376 3879424 1000422 2147 47 71210 0000 1 8853 2006490 2000449 6054490 2000497 4664 40 59460 00007 2664 2007580 0000542 2187580 0000556 4348 37 78130 0000 23 5652 2008554 5000559 3670554 5000483 25624 86700 0000 71 2438 2009620 0000607 5480650 6333590 2262 12 452030 6333 29 7738 2010915 0000912 9370938 1666947 2771 2 063023 166632 2771 20111221 30001139 9930874 23331256 6798 81 3070 347 066635 3798 20121600 00001431 96801289 56661556 3552 168 0320 310 4333 43 6448 20132000 00001811 31001829 16662045 1666 188 6900 170 833345 1666 20142561 49002291 13902307 10002493 3421 270 3510 254 3900 68 1479 标准差 91 8141146 953646 7602 通过比较上述三种预测模型的标准差 可以看到 移动平均预测的标准差最大 灰色 模型预测次之 而多元回归预测的标准差最小 灰色预测模型的研究对象是 部分信息已知 部分信息未知 的小样本 贫信息 不确定性系统 它通过部分已知信息的生成 开发去了解 认识现实世界 实现对系统 运行行为和演化规律的正确把握和描述 是一种十分简便的新理论 灰色预测模型是一 种对含有不确定因素的系统进行预测的方法 尽管过程中所显示的现象是随机的 杂乱 无章的 但毕竟是有序的 有界的 因此这一数据集合具备潜在的规律 灰色预测就是利 用这种规律建立灰色模型对灰色系统进行预测 其优点是对样本数据量要求较少 越近 期的数据越有效 且原始数据不要求有很好的统计规律 用等时距观测到的反映预测对 象特征的一系列数量值构造灰色预测模型 预测未来某一时刻的特征量 或达到某一特 征量的时间 但该模型的近期预测效果与移动平均法和多元回归预测相比则较差 移动平均法的优点是短期预测精度较高 计算较为简单 该模型用于近期数据的模 拟及预测 精度比较高 优于其它模型 但该模型缺点是要保存的历史数据太多 而且对 预测结果没有做一定的检验 因此移动平均法的中长期预测效果与灰色预测模型和多元 回归预测模型相比较差 并且移动平均法只能用于平稳时间序列 当时间序列的基本特 性发生变化时 移动平均法不能很快地适应这种变化 多元回归预测的特点是对样本条件要求较高 它不仅需要大量的统计数据 并且这 些数据要求符合一定的统计规律 但是多元回归法可能忽略了交互效应和非线性的因 果关系 对于具体的预测对象来说 如果不具备大量的统计数据或虽有大量的统计数据 但不符合统计规律 则就不适宜用多元回归预测 多元回归预测的优点是在分析多因素 10 模型时 更加简单和方便 回归分析可以准确地计量各个因素之间的相关程度与回归拟 合程度的高低 提高预测方程式的效果 在回归分析法时 由于实际一个变量仅受单个因 素的影响的情况极少 要注意模式的适合范围 多元回归分析法比较适用于实际经济问 题 受多因素综合影响时使用 对于符合上述要求的样本 所建模型的中长期预测效果较 其它方法好 2 组合预测模型在河北省旅游业中的应用 组合预测模型是将各种不同类型的单项预测模型兼收并蓄 各取所长 集中了更多 的经济信息与预测技巧 能减少预测的系统误差 显著改进预测效果 在组合预测中 多 种独立预测方法应各有侧重 又有机联系 从预测技术来看 组合预测应是各种相关性较 低 区别度较大的不同模型 方法的组合 以实现最大限度的信息综合利用 4 而且组 合预测也是对原有单项预测的修正 2 1 计算组合权重 建立组合预测模型 为了充分利用上述三个单项预测模型所反映的有效信息 克服单项预测模型的缺陷 充分减少预测的随机性和系统误差 提高预测精度 显著改进预测效果 因此建立组合 预测模型 将各种不同类型的单一预测模型兼收并蓄 集中更多的经济信息与预测技巧 并采用标准差法确定组合权重 设灰色预测模型 移动平均预测模型及多元回归模型的预测误差的标准差分别为 且 1 2 3 1 2 3 m 1i i i 取 1 2 3 i W 13 1 i i 根据上式计算各单项模型的权重分别为W 0 3392 0 2427 0 4182 并根据这个组 合权重 建立组合预测模型如下 321 4182 02427 03392 0yyyY 式中 为组合预测值 为灰色预测值 为移动平均预测值 为多元回归预测Y 1 y 2 y 3 y 值 2 2 得出组合预测结果 所得组合预测结果见表2 1 11 表 2 1 组合预测模型预测结果 年份 实际旅游业收入 t Y 组合预测值 t Y 预测误差 相对误差 t 2004350353 49435 3 49435 0 009983857 2005424 1407 17003416 929970 03991976 2006490 2479 5181410 681860 02179082 2007580557 38761622 612380 03898686 2008554 5526 41217928 087820 05065432 2009620610 8215819 1784190 0148039 2010915933 512547 18 5125 0 02023224 20111221 31124 4055496 894460 07933726 201216001449 5691150 43090 09401931 201320001913 6237486 376260 04318813 20142561 492379 8031181 68690 07091881 表2 1中预测误差 相对误差 100 t Y t Y t t Y 从表2 1中数据可以看出 选取数据的所有年份预测误差都在1 以下 构造的组合预 测模型具有很强的预测性 3 总 结 3 1 河北省未来 10 年旅游业收入 根据上述组合预测模型预测河北省未来10年旅游业收入 见表3 1 表 3 1 河北省未来 10 年旅游业收入预测结果 年份灰色预测值移动平均预测值多元回归预测值组合预测值 20152786 49212890 5813006 78422904 159 20163291 43913308 9573390 11703337 289 20173655 86103727 3323865 47693761 234 20184007 90214145 7084396 57654204 292 20194477 34014563 0834793 98314631 018 20204805 08474982 4595076 91834962 295 20215286 39175400 8345592 10375442 544 20225693 50975819 215890 54215807 077 12 20236080 93706237 5866387 65396247 833 20246502 26146655 9626800 2396664 891 3 2 预测模型结果总结 上述模型对河北省旅游业收入从不同的角度 因素进行了预测 组合以及分析 并 结合各种单项预测模型得出结果 1 在未来 10 年河北省旅游业收入随着游客人数和 经济稳步增长呈现出逐步上升的趋势 由表 3 1 可以看出 2015 年河北省旅游业收入为 2904 159 亿元 而从较长期来看 在 2024 年河北省旅游业收入将接近 6664 891 亿 元 2 任何一种组合预测模型得出的预测结果与实际情况都存在一定的误差 其预测 结果不可能是完全精确的 引起预测结果出现偏差的主要原因是因为任何一种预测模 型都是基于以往的历史数据来构建模型 随着时间的推移 影响预测模型的各种因素及 外部环境会随之发生变化 如果用模型来预测较长时期的旅游业收入 其影响因素很有 可能会发生根本性的变化 这就使得组合预测模型的预测结果会不可避免的出现偏差 而这种偏差预测模型本身不会体现出来 这就需要我们结合各种假设去进行分析 在未来影响河北省旅游业收入的主要因素有 1 社会各界对旅游业的认识存在 偏差 且开放意识不强 十五 时期 旅游业虽确定为我省的主导产业 但社会上对旅 游业的依托性 关联性和复杂性并没有深刻认识 没有市场和品牌观念 宣传工作不到家 如 我省好多地区虽有丰富的历史资源 却不被外界了解 其次是固步自封 不愿与他人合作 我 省有许多可供开发且前途较好的旅游资源 但由于不愿与他人合作 错失了许多发展机 遇 2 旅游企业的市场主体地位不突出 我省大多数旅游企业目前存在着制度障碍 政策障碍及与此相关的市场进入障碍 旅游业的市场主体空缺已成为制约我省旅游业进 一步发展的核心问题 3 产品结构单一 主打系列产品不明显 我省旅游业绩较为突 出的是门票收入 这体现了旅游产品是以旅游观光为主的结构特点 我省旅游资源占有 量虽高 但大都处于以观光为主的初级旅游产品 有良好发展前景的商务旅游 探亲访 友 会议旅游等高级旅游产品并未发育起来 显然仅靠单一的观光旅游产品难以支撑河 北省旅游业的发展大局 河北省是旅游资源大省 有着丰富的旅游自然资源和历史文化资源 也不乏世界级 的旅游产品 但河北省的旅游实力却不尽人意 根据 2010 年底的全国旅游收入排名的数 据统计 得出河北省的综合旅游收入排在全国中下等的位置 于是 如何促进河北省旅游 业的发展 提升核心竞争力变得格外重要 在我省以后的旅游业发展中 需