对我国国内旅游需求的计量经济学分析

1、计量经济学论文题 目 对我国国内旅游需求的计量经济学分析学 院 经济学院 班 级 实验0901 学 号 20092221009 姓 名 陈红霞 对我国国内旅游需求的计量经济学分析摘要：随着近年来国内经济的发展，人民生活水平的稳步提高，旅游业在近几年的发展状况呈逐年上升的趋势。国内旅游总花费从1994年的1023.5亿元人民币增加到2009年10183.7 亿元人民币，旅游业作为朝阳产业，发展潜力巨大。文章采用我国从1994年到2009年的相关统计数据，建立准确而合理的计量经济学模型，寻求国内旅游消费支出和社会经济的相关指标之间的函数关系，从而较为准确地对我国国内旅游消费支出的变化进行定量分析，

2、并给出相关建议。关键词:国内旅游总花费；计量经济学模型一 引言改革开放以来，我国经济高速发展，人民的生活水平不断提高，旅游已成为人们主要的休闲娱乐方式。旅游消费支出作为衡量旅游经济活动及其效果的一个不可缺少的综合性指标，已成为评测某一个国家或者地区旅游业发达与否的标志。旅游业作为第三产业的重要组成部分已成为我国经济新的增长点。二 文献综述 关于旅游与经济增长的研究，国内外学者都有很多的研究。国外对旅游经济增长的研究主要集中在旅游经济发展与国民经济增长的关系。学者们一般都是从经济学、管理学和社会学角度，对一个国家或地区旅游经济与区域经济增长的关系，旅游经济的发展对区域经济、文化、环境的影响等方面

3、进行研究。国内对旅游经济的研究主要集中在以下几个领域：旅游经济的特征，包括对旅游经济总体特征和时空特征的描述性研究；从产出角度对旅游经济的影响研究，主要是从旅游业对区域经济、就业、gdp 等影响的角度进行研究；从企业、行业和产业角度对旅游经济组织及其发展影响的研究；旅游业增加值的测算以及旅游需求的预测。 申葆嘉(1996) 1较早地论述了旅游政策的研究在全球范围内时间较短, 只有通过具有开拓性的领导、创新的研究和学术探索、行业合作和政府认可，才能在世界经济和社会政策中找到旅游政策的位置。 陈肖静(2006)2分析了改革开放以来我国旅游经济学研究的演进及其主要成果,并对旅游经济学几个基本理论问题

4、的研究进行了梳理与阐释,分析了旅游经济学研究在理论体系与研究方法中存在的不足,同时就如何深化和完善旅游经济学研究提出了应对性建议。 陆林、余凤龙(2005)3以大陆31个省市区为区域研究单元,从经济地理学的角度,分析1990-2002年中国省际旅游经济差异变化的总体水平及变化的空间结构特征,揭示了区域旅游经济水平与旅游产业地位的分异规律,阐释了影响旅游经济空间差异的主要因素,提出了缩小地区差异、协调地区旅游业发展的对策。 王鑫（2011）4对影响我国国内的旅游收入的因素进行了计量经济学的分析，考虑了经济发展状况、旅行者的可支配收入、旅游业发展状况、旅游价格指数、旅行人次这五个因素，最终得出gd

5、p 增加1% 旅游收入增加0.76203%，旅游价格指数增加1%，旅游收入减少1.687049%，旅游从业人数增加1%，旅游收入增加0.266485%。 陈艺玲、周国富（2010）5在借鉴前人在旅游竞争力评价方法和相关研究成果的基础上，利用swot 分析，即优势分析（strengths）劣势分析（weaknesses）机会分析（0pportunities）威胁分析（threats）分析了贵阳市南郊青岩古镇的旅游竞争力。尝试对于青岩古镇旅游业的发展提出了具有实践性的决策建议。 朱元秀, 王家寿(2010)6根据波特的“钻石模型”, 影响产业竞争力的主要因素包括生产要素、需求状况、相关与支持产业、

6、企业的战略与竞争、政府和机遇六个方面。从这六个方面来分析盐城旅游产业竞争力发现, 目前盐城旅游产业竞争力还不是很强。要进一步提升盐城旅游产业竞争力, 必须要整合旅游资源, 打造旅游精品; 创新旅游宣传和营销; 积极引导旅游相关支持产业发展, 走集群化发展道路; 加强政府宏观管理; 加快旅游人才的培养等。 郐艳凤、张玮(2011)7通过k均值聚类法将全国31个省，自治区和直辖市分成三大类，利用最小二乘法分析了我国地区间旅游存在的差异，并对各地区旅游发展前景进行了规划。 潘树颖 （2010）8引用经典回归模型对年至年期间我国国内旅游总收入与平均国内生产总值、失业率以及岁总人口数等因素的相关性进行实

7、证分析，研究其因素对我国国内旅游的影响有着十分重要的意义。 杨永(2010)9以我国居民国内旅游收入的实际数据为依据，从实证的角度就人均可支配收入、出游率和国内物价水平对国内旅游收入的影响进行实证研究并通过建立模型对旅游需求进行估计。分析结果表明，人均可支配收入、出游率和国内物价水平都与国内旅游收入显著正相关。最后，针对我国目前的国内旅游现状提出了有针对性的建议。 李文峰（2010）10拟从影响旅游消费市场中的主要因素居民可支配收入要素角度出发，以居民的旅游消费支出和收入为样本,结合国内旅游消费水平及其影响因素，分析当前我国居民国内旅游消费与其人均收入之间的长期动态规律：充分增加持久收入对城镇

8、居民旅游支出的长期冲击效应，刺激城镇居民的旅游消费，开拓国内巨大潜在旅游市场。 通过之前的文献综述，我们看到国内学者的研究涵盖了旅游政策，旅游经济，旅游的影响因素等各个方面。对旅游的影响因素方面的研究，国内学者倾向于运用计量经济学模型来进行研究，并且对于旅游的影响因素，不同学者有着不同的看法。本文将借鉴前人的观点，对旅游的影响因素进行计量经济学研究。三 影响因素分析（一）. 经济发展水平改革开放以来，我国经济高速发展，并且深入到各个行业，其中国内旅游业也有突飞猛进的发展。在此我们用国内生产总值gdp来衡量每年经济发展的具体状况，分析以gdp表达的我国经济发展状况对旅游业水平的平均影响。 (二)

9、.交通运输条件的改善交通运输是区域经济发展的必要条件， 也是经济持续发展的根本保证。改革开放以来，我国的交通运输条件不断改善，人们出行更加方便，这对旅游业的发展至关重要。人们可以乘坐更加舒适和快捷的交通工具，旅游更加方便。在此我们用铁路营业里程数和公路营业里程数来代表交通运输条件对旅游需求的影响。 （三） 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，即“春节”、“五一”、“十一”旅游“黄金周”。这样的集中假日，职工自然可以自由支配做出各种安排。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，

10、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。总之，“黄金周”所反映的居民可自由支配时间的增加，已在我国的国内旅游发展方面起着十分良好的作用。四 指标及模型选择根据上面的影响因素分析，选择以下几个变量：y（旅游总花费）、x1(gdp) 、x2(铁路营业里程数)、x3(公路里程) 、d1闲暇时间(1999年起我国开始实行“黄金周”长假制度,故1999年之前设定为基础类型0,1999之后设定为1)1994年到2009年相关数据如下：年份y旅游总花费(亿元）x1gdp（亿元）x2铁路营业里程数（万公里）x3公路里程（万公里）d1闲暇时间19941023.548197.95.90111.78

11、019951375.760793.76.24115.70019961638.471176.66.49118.58019972112.778973.06.60122.64019982391.284402.36.64127.85019992831.989677.16.74135599214.66.87140.27120013522.4109655.27.01169.80120023878.4120332.77.19176.52120033442.3135822.87.30180.98120044710.7159878.37.44187.07120055285.918493

12、7.47.54334.52120066229.7216314.47.71345.70120077770.6265810.37.80358.37120088749.3314045.47.97373.021200910183.7340506.98.60382.821 （以上数据来自中国统计年鉴2009）根据以上分析建立线性模型如下：y =0+1x1 +2x2 +3x3 +4d1+ut（ut代表随机误差项）五 回归结果及分析利用eviews软件进行数据平稳性检验，结果表明各个变量序列是非平稳的，然后对残差进行平稳性检验，结果如下:null hypothesis: e1 has a unit root

13、exogenous: nonelag length: 0 (automatic based on sic, maxlag=3)t-statisticprob.*augmented dickey-fuller test statistic-3.2409320.0032test critical values:1% level-2.7282525% level-1.96627010% level-1.605026*mackinnon (1996) one-sided p-values.warning: probabilities and critical values calculated for

14、 20 observationsand may not be accurate for a sample size of 15augmented dickey-fuller test equationdependent variable: d(e1)method: least squaresdate: 01/02/12 time: 10:31sample (adjusted): 1995 2009included observations: 15 after adjustmentscoefficientstd. errort-statisticprob.e1(-1)-0.8647490.266

15、821-3.2409320.0059r-squared0.428573mean dependent var3.960693adjusted r-squared0.428573s.d. dependent var339.0640s.e. of regression256.3080akaike info criterion13.99498sum squared resid919713.1schwarz criterion14.04218log likelihood-103.9623hannan-quinn criter.13.99447durbin-watson stat1.914510adf值小

16、于显著性水平为1%,5%,10%下的临界值，表明残差项是稳定的，因此变量间是协整的，可以建立模型进行最小二乘估计。我们根据上述时间序列数据，在经典线性回归的五个基本假定(零均值，同方差，无自相关，解释变量与扰动项不相关，无多重共线性)得到满足的情况下，可以使用普通最小二乘法。运用eviews软件得到结果如下：dependent variable: ymethod: least squaresdate: 12/10/11 time: 10:39sample: 1994 2009included observations: 16coefficientstd. errort-statisticpro

17、b.c-2159.8382540.897-0.8500300.4134x10.0275970.0038167.2315140.0000x2334.1334423.70500.7885990.4470x3-1.3217982.226449-0.5936800.5647d1324.7912251.15211.2932050.2224r-squared0.992620mean dependent var4270.112adjusted r-squared0.989936s.d. dependent var2720.860s.e. of regression272.9517akaike info cr

18、iterion14.30677sum squared resid819529.0schwarz criterion14.54821log likelihood-109.4542hannan-quinn criter.14.31914f-statistic369.8749durbin-watson stat2.018887prob(f-statistic)0.000000y =-2159.838+0.027597x1 +334.1334x2 +-1.321798x3 +324.7912d1(0.4134) （0.0000） （0.4470） （ 0.5647 ） （0.2224）r-square

19、d =0.992620 f= 369.8749（一）经济意义检验x1系数为0.027597，x2的系数为334.1334，x3的系数为-1.321798， d1的系数为324.7912。x1,x2,d1系数符合经济意义检验，而x3的系数不符合经济意义检验。（二）统计检验由回归结果可得r2=99.26%，方程的拟合优度较好。f检验值为369.8749，方程总体通过了检验。但a=0.05时，解释变量x2、x3，d1的t 检验值均不显著，所以都不通过检验。模型可能存在严重的多重共线性，故应该对模型进行检验，并进行修正，改进建立的模型。五.计量经济学检验（一）多重共线性的检验与修正经济变量之间存在内在

20、联系或者说在时间上具有相关的共同趋势，会产生多重共线性。1x1，x2，x3的相关系数矩阵如下：x3x2x1x31.0000000.9024940.953308x20.9024941.0000000.948002x10.9533080.9480021.000000可以看出x1，x2，x3两两之间均存在严重的多重共线性。2.下面采用逐步回归法消除多重共线性。首先先将y分别对x1，x2，x3做简单回归。下面为调整的可决系数结果:x10.987192x20.917446x30.883610可见x1的可决系数最大，故选择x1为初始的解释变量，将其他解释变量逐个引入，寻找最优的模型首先加入x2回归得以下结

21、果：dependent variable: ymethod: least squaresdate: 12/10/11 time: 10:55sample: 1994 2009included observations: 16coefficientstd. errort-statisticprob.c-4377.5321895.923-2.3089180.0380x10.0244870.00241010.160470.0000x2702.3372313.04702.2435520.0429r-squared0.991382mean dependent var4270.112adjusted r-

22、squared0.990057s.d. dependent var2720.860s.e. of regression271.3132akaike info criterion14.21179sum squared resid956941.0schwarz criterion14.35665log likelihood-110.6943hannan-quinn criter.14.21920f-statistic747.7784durbin-watson stat1.699174prob(f-statistic)0.000000加入x2后，模型的拟合优度出现改观，并且x2的系数通过了t检验和f

23、检验。在初始模型中加入x3，结果如下:dependent variable: ymethod: least squaresdate: 12/10/11 time: 10:55sample: 1994 2009included observations: 16coefficientstd. errort-statisticprob.c-88.51370196.5949-0.4502340.6600x10.0306940.00297510.317640.0000x3-0.9775712.565788-0.3810020.7094r-squared0.988178mean dependent var

24、4270.112adjusted r-squared0.986359s.d. dependent var2720.860s.e. of regression317.7812akaike info criterion14.52796sum squared resid1312804.schwarz criterion14.67282log likelihood-113.2237hannan-quinn criter.14.53538f-statistic543.3155durbin-watson stat1.458382prob(f-statistic)0.000000加入x3后，模型的拟合优度出

25、现微小的改观，但x3的系数没有通过t检验，并且x1的系数为负值，不符合经济意义的检验。通过以上分析，选择x1，x2为解释变量，回归如下：dependent variable: ymethod: least squaresdate: 12/10/11 time: 11:08sample: 1994 2009included observations: 16coefficientstd. errort-statisticprob.c-4377.5321895.923-2.3089180.0380x10.0244870.00241010.160470.0000x2702.3372313.04702.

26、2435520.0429r-squared0.991382mean dependent var4270.112adjusted r-squared0.990057s.d. dependent var2720.860s.e. of regression271.3132akaike info criterion14.21179sum squared resid956941.0schwarz criterion14.35665log likelihood-110.6943hannan-quinn criter.14.21920f-statistic747.7784durbin-watson stat

27、1.699174prob(f-statistic)0.000000ty=-4377.532+0.024487x1+702.3372x2如果加上虚拟变量d1，回归结果如下：dependent variable: ymethod: least squaresdate: 12/10/11 time: 23:21sample: 1994 2009included observations: 16coefficientstd. errort-statisticprob.c-2375.7782445.938-0.9713160.3506x10.0260120.0026529.8066570.0000x23

28、60.3545409.86930.8791940.3966d1303.6784241.82041.2558010.2331r-squared0.992383mean dependent var4270.112adjusted r-squared0.990479s.d. dependent var2720.860s.e. of regression265.4851akaike info criterion14.21331sum squared resid845787.9schwarz criterion14.40646log likelihood-109.7065hannan-quinn cri

29、ter.14.22320f-statistic521.1726durbin-watson stat1.968929prob(f-statistic)0.000000常数项，x2，d1的系数均无法通过t检验，故舍弃虚拟变量，还是选择解释变量为x1、x2的模型y=-4377.532+0.024487x1+702.3372x2（二）异方差性的检验与修正随机误差项中包括了测量误差和模型中被忽略的一些因素对因变量的影响，计量回归模型一旦出现异方差，将会导致参数估计量非有效和t检验和f检验失效。采用怀特检验法进行异方差的检验，检验结果如下：heteroskedasticity test: whitef-s

30、tatistic0.991692prob. f(5,10)0.4693obs*r-squared5.303711prob. chi-square(5)0.3799scaled explained ss4.276656prob. chi-square(5)0.5103test equation:dependent variable: resid2method: least squaresdate: 12/10/11 time: 11:40sample: 1994 2009included observations: 16coefficientstd. errort-statisticprob.c

31、22180383176538741.2564030.2375x163.4856845.417761.3978160.1924x124.90e-053.27e-051.4978300.1651x1*x2-11.376397.815599-1.4556000.1762x2-7832938.5977079.-1.3104960.2193x22692628.4506681.11.3669910.2016r-squared0.331482mean dependent var59808.81adjusted r-squared-0.002777s.d. dependent var96545.81s.e.

32、of regression96679.77akaike info criterion26.07619sum squared resid9.35e+10schwarz criterion26.36591log likelihood-202.6095hannan-quinn criter.26.09103f-statistic0.991692durbin-watson stat3.052077prob(f-statistic)0.469253obs*r-squared prob值0.3799，可见模型存在异方差性。下面采用加权最小二乘法消除异方差dependent variable: ymetho

33、d: least squaresdate: 12/10/11 time: 11:52sample: 1994 2009included observations: 16weighting series: 1/abs(e1)coefficientstd. errort-statisticprob.c-3902.499788.3183-4.9504110.0003x10.0248470.00119420.806470.0000x2626.9821133.56674.6941510.0004weighted statisticsr-squared0.997841mean dependent var3

34、883.438adjusted r-squared0.997509s.d. dependent var3160.889s.e. of regression130.1411akaike info criterion12.74248sum squared resid220177.1schwarz criterion12.88734log likelihood-98.93981hannan-quinn criter.12.74989f-statistic3004.115durbin-watson stat1.550257prob(f-statistic)0.000000unweighted statisticsr-squared0.991293mean dependent var4270.112adjusted r-squared0.989953s.d. dependent var2720.860s.e. of regression272.7200sum squared resid9