关于中国旅游业的影响因素分析

1、 关于中国旅游业的影响因素分析 2004级金融1班李娜（40404041）一.引言20多年来中国旅游业经历了从崛起到平稳发展的过程。政府提倡大力发展旅游事业，为旅游事业提供了一个广阔的发展空间。目前，中国颁布了类旅游业行业标准，成为世界旅游业标准管理的先进国家。旅游业是中国与国际接轨最早并紧跟世界潮流的行业，已初步形成了“大旅游、大产业、大发展”的格局。旅游业已成为中国社会新的经济增长点。中国旅游业总收入正以年均约的速度增长，高于同期国内生产总值左右的平均增长率。去年中国旅游业总收入为亿元，相当于国内生产总值的。预计旅游外汇收入今年将达亿美元，年后将达亿美元。中国首创的“假日经济”已成为中国旅

2、游业迅速增长的助推器。去年春节、“五一”、“十一”三个天长假，全国接待国内旅游者近亿人次，实现旅游收入亿元。假日旅游带动了吃、住、行、游、购等产业链条上的各环节，有力刺激了居民消费而拉动“内需”。 旅游业这一无烟产业，还将对促进经济、社会、环境协调发展，解决就业，促进扶贫发挥积极作用。最近年中，劳动密集型的旅游业快速发展直接或间接为中国解决了多万人的就业。旅游服务业在整个国民经济中的地位越来越突出，功能越来越综合，贡献越来越巨大。世界旅游及旅行理事会（）日在京发布了一份题为“旅游及旅行行业对就业和国民经济的影响”的最新研究报告。这份报告提出，中国旅游及旅行业在未来年有望实现的年增长率，中国将成

3、为世界第四大旅游业发展经济体。这份报告对中国旅游及旅行业经济在年和未来年内的增长分别进行了预测，并提出了一系列促进中国旅游及旅行业的政策建议。按照世界旅游及旅行理事会预测，年，中国旅游及旅行业增长率将达到，直接创造亿元的国内生产总值和万个工作岗位，而且中国旅游及旅行投资将达到亿元人民币，约合亿美元，占总投资额的。到年中国旅游及旅行业创造的国内生产总值将达到亿元，直接及间接创造万个工作岗位，并吸引更多的投资。二.模型的设定（1） 主要影响因素的描述：政府方面旅行社，旅行社职工，饭店个人方面入境旅游者，国内旅游者，城镇居民收入（2） 建立模型：参数说明：y旅游收入，x1旅行社总数，x2旅行社职工人

4、数，x3饭店总数，x4入境者旅游人数，x5国内旅游人数，x6城镇居民可支配收入三.参数估计 （1）原始数据：旅游收入旅行社总数旅行社职工人数饭店总数入境者旅游人数国内旅游人数城镇居民可支配收入19931266.73032357817225524152.69374.002577.419941641.9943827755329954368.45373.363496.319952104.90638269159237204638.65452.05428319962487.02042528755544185112.75506.074838.919973113.63549868837552015758.7

5、9532.395160.319983434.626622210044857826347.84694505425.119993999.317732610883070357279.5671900584820004518.6678993164336104818344.3974400628020014995.5381053219240873588901.29784006859.620025549.931155222914788809790.8387800743420034869.5621336124980297519166.21870008019.220046821.30814927246219108

6、8810903.821102008622.3单位：旅游收入亿万人民币，旅行社总数个，旅行社职工人数人，饭店总数个，入境者旅游人数万人，国内旅游人数万人，城镇居民可支配收入元（2）协整检验：因为采用的数据为时间序列数据，在估计之前应该检验其平稳性，并考察它们是否存在协整关系。adf test statistic-3.694150 1% critical value*-2.8270 5% critical value-1.9755 10% critical value-1.6321*mackinnon critical values for rejection of hypothesis of a

7、 unit root.augmented dickey-fuller test equationdependent variable: d(ee)method: least squaresdate: 06/25/07 time: 20:17sample(adjusted): 1994 2004included observations: 11 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. ee(-1)-1.1431640.309453-3.6941500.0041r-squared0.568509

8、mean dependent var61.37506adjusted r-squared0.568509 s.d. dependent var451.4069s.e. of regression296.5199 akaike info criterion14.30861sum squared resid879240.3 schwarz criterion14.34479log likelihood-77.69737 durbin-watson stat2.097082 从上表可以看出，回归结果较为可靠，y与各解释变量之间协整，表明它们之间有长期均衡关系，可以进行回归分析。(3)最小二乘估计：利

9、用eviews软件，进行ols估计，结果如下：dependent variable: ymethod: least squaresdate: 06/26/07 time: 01:14sample: 1993 2004included observations: 12variablecoefficientstd. errort-statisticprob. c-2282.935392.7507-5.8126810.0021x10.0440620.0937750.4698700.6582x2-0.0100800.003759-2.6815800.0437x3-0.0532320.054745-0.

10、9723720.3755x40.8823490.1413556.2420810.0015x5-0.0044220.003740-1.1823640.2902x60.2519270.1133722.2221300.0769r-squared0.995823 mean dependent var3733.602adjusted r-squared0.990812 s.d. dependent var1693.395s.e. of regression162.3226 akaike info criterion13.30825sum squared resid131743.1 schwarz cri

11、terion13.59111log likelihood-72.84948 f-statistic198.6930durbin-watson stat2.538868 prob(f-statistic)0.000009 得到方程为：y=-2282.935+0.044062x1-0.010080x2-0.053232x3+0.882349x4-0.004422x5+0.251927x6t=(-5.812681) (0.469870) (-2.681580) (-0.972372) (6.242081) (-1.182364) (2.222130)=0.995823 =0.990812 f=198

12、.6930 由此可见，可决系数很高，f检验值明显显著，这表明很可能存在严重的多重共线性。因此，我们对模型进行计量经济学的检验及修正，希望能够使得模型得到改进。四检验及修正 （1）多重共线性检验： 解释变量相关系数矩阵为x1x2x3x4x5x6x1 1.000000 0.976354 0.917574 0.974262 0.911287 0.955302x2 0.976354 1.000000 0.879843 0.943916 0.851142 0.920282x3 0.917574 0.879843 1.000000 0.947788 0.903654 0.930857x4 0.974262

13、 0.943916 0.947788 1.000000 0.938635 0.964630x5 0.911287 0.851142 0.903654 0.938635 1.000000 0.890902x6 0.955302 0.920282 0.930857 0.964630 0.890902 1.000000由相关系数矩阵可以看出，各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。（2）修正多重共线性： 分别做y对x1，x2，x3，x4，x5，x6的一元回归，结果如下： 一元回归结果x1x2x3x4x5x6参数估计值0.4024430.0221300.5415990.72171

14、50.0358740.904798t统计量9.7490446.6539838.47830521.778737.64631112.86983r20.9048020.8157550.8778730.9793520.8539420.9430630.8952820.7973300.8656600.9772870.8393360.937369其中,加入x4的方程最大,以x4为基础,顺次加入其他变量逐步回归,结果如下： 加入新变量的回归结果(一) x1x2x3x4x5x6r2x4x1-0.107753(-1.307478)0.902671(6.354291)0.978792x4x2-0.00695(-2.

15、578940)0.197005(11.43053)0.985488x4x3-0.005705(-0.065726)0.728537(6.652722)0.974776x4x50.749357(7.434227)-0.001568(-0.292161)0.975001x4x60.554725(4.660301)0.221165(1.451223)0.979549经比较,新加入x2的方程 =0.985488,改进最大,而且各参数的t检验显著，选择保留x2,再加入其他新变量逐步回归,结果如下： 加入新变量的回归结果(二)x1x2x3x4x5x6r2x4x2x10.062662(0.572328)-0

16、.008839(-2.042046)0.864827(6.999216)0.984316x4x2x3-0.007124(-2.496050)-0.030148(-0.432411)0.957925(7.565896)0.984047x4x2x5-0.008018(-2.928399)1.040253(8.386845)-0.005289(-1.273609)0.986426x4x2x6-0.007566(-3.563725)0.736813(7.855597)0.261541(2.586313)0.991108在x4, x2基础上加入x6后的方程明显增大,而且各个参数t检验都显著。加入x1后不

17、仅下降,而且x1的t检验不显著。加入x3后不仅下降,而且x3t检验不显著。加入x5后不仅下降,而且x5的t检验不显著。这说明x1，x3，x5引起严重多重共线性应予剔除。 最后修正严重多重共线性影响的回归结果为：yt=-1890.688-0.007566x2+0.736813x4+0.261541x6 t=(-9.423501) (-3.563725) (7.855597) (2.586313) =0.993533 =0.991108 f=409.7112 dw=1.929630 （3）异方差的检验： 考虑到模型所用数据为时间序列数据，故采用arch检验法，结果如下：arch test:f-st

18、atistic2.116644 probability0.179678obs*r-squared2.094435 probability0.147836test equation:dependent variable: resid2method: least squaresdate: 06/25/07 time: 21:07sample(adjusted): 1994 2004included observations: 11 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c10291.569237

19、.8861.1140600.2941resid2(-1)0.7402870.5088341.4548690.1797r-squared0.190403 mean dependent var18522.89adjusted r-squared0.100448 s.d. dependent var25536.50s.e. of regression24220.02 akaike info criterion23.19071sum squared resid5.28e+09 schwarz criterion23.26306log likelihood-125.5489 f-statistic2.1

20、16644durbin-watson stat1.433287 prob(f-statistic)0.179678 从表中可以看出在显著性水平为0.05时，p值为0.147836大于0.05所以不存在异方差。（4）自相关检验dw检验： 回归结果如下，dependent variable: ymethod: least squaresdate: 06/25/07 time: 21:17sample: 1993 2004included observations: 12weighting series: wvariablecoefficientstd. errort-statisticprob.

21、c-1857.59527.86206-66.671130.0000x2-0.0069050.000526-13.119650.0000x40.7112980.02073134.311290.0000x60.2707810.01286021.055740.0000weighted statisticsr-squared0.999983 mean dependent var-20383.67adjusted r-squared0.999977 s.d. dependent var375123.0s.e. of regression1809.066 akaike info criterion18.1

22、0021sum squared resid26181759 schwarz criterion18.26185log likelihood-104.6013 f-statistic24365.88durbin-watson stat0.446574 prob(f-statistic)0.000000unweighted statisticsr-squared0.993442 mean dependent var3733.602adjusted r-squared0.990983 s.d. dependent var1693.395s.e. of regression160.8032 sum squared resid206861.3durbin-watson stat2.122364 由上表知，dw=2.122364,给定显著性水平a=0.05,查durbin-watson表，n=12,k=3,