旅游地理学旅游需求预测

1、第四章第四章 旅游需求预测旅游需求预测影响旅游需求要素影响旅游需求要素旅游需求的时空分布集中性旅游需求的时空分布集中性旅游需求预测模型旅游需求预测模型趋势外推模型趋势外推模型引力模型引力模型特尔菲法特尔菲法一、影响旅游需求的要素一、影响旅游需求的要素v旅游需求旅游需求：在一定时间内，：在一定时间内，旅游者愿旅游者愿意而且能够购买色旅游产品的数量意而且能够购买色旅游产品的数量。v即旅游者对某一旅游目的地需求的数即旅游者对某一旅游目的地需求的数量。量。影响旅游的需求要素影响旅游的需求要素| 旅游客源地旅游客源地：涉及到客源地涉及到客源地旅游需要的水旅游需要的水平和旅游者个人平和旅游者个人的情况。的

2、情况。 旅游目的地旅游目的地：供给部分供给部分（一）、客源地方面（一）、客源地方面v 1、 经济发展水平：是影响旅游需求的经济发展水平：是影响旅游需求的决定因素决定因素v例例;国民生产总值对旅游需求影响国民生产总值对旅游需求影响年份人均生产总值 美元年份人均生产总值美元1996697200195619977562002999199878820031087199981820041488200070862005173019942004年中国国内旅游人数和旅游收入年中国国内旅游人数和旅游收入2、人口特征、人口特征v总人口总人口v人口增长速度人口增长速度v城乡分布城乡分布v人口密度人口密度v年龄结构年

3、龄结构v性别结构性别结构v家庭结构家庭结构v分析：发达国家的人口特征：分析：发达国家的人口特征：v 发展中国家的人口特征：发展中国家的人口特征：3、收入和闲暇：、收入和闲暇：v（1）收入：对旅游需求有影响的是）收入：对旅游需求有影响的是可自由支可自由支配收入配收入v（2）闲暇：）闲暇：v人类活动时间类型：谋生、生理、家务和社会、人类活动时间类型：谋生、生理、家务和社会、闲暇闲暇v对旅游需求影响最大的是？对旅游需求影响最大的是？1）收入增加是旅游消费需求快速）收入增加是旅游消费需求快速增长的根本原因增长的根本原因v19902004 年中国年中国GDP的平均增长率的平均增长率8.2%。v1995年

4、中国的人均年中国的人均GDP为为620美元（旅游人次美元（旅游人次6.29亿），亿），2003年突破年突破1000美元（美元（2004年旅年旅游人次游人次11.02亿）亿）v全国城镇居民人均可支配收入：从全国城镇居民人均可支配收入：从1994年的年的3496元提高到元提高到2003年的年的8472元，元，2）居民休闲时间增加是旅游消费需求）居民休闲时间增加是旅游消费需求快速增长的重要快速增长的重要推动因素推动因素v工薪阶层依法享有的假期：工薪阶层依法享有的假期：“十一十一”和春节两和春节两个长假、每周的双休日、五一、清明、端午、个长假、每周的双休日、五一、清明、端午、中秋、元旦中秋、元旦v总计

5、：总计：116天天v 教师：教师：182天天v闲暇时间的增多势必会为国民创造更多的出游闲暇时间的增多势必会为国民创造更多的出游机会。机会。4、 职业和教育水平职业和教育水平v 职业不同，意味着职业不同，意味着收入、闲暇和教育程度不收入、闲暇和教育程度不同、同、旅游的倾向和需求也不一样。旅游的倾向和需求也不一样。v受教育程度受教育程度越高越高，对旅游需求，对旅游需求越大越大。分析表。分析表4.2第四章第四章 旅游市场分析与预测旅游市场分析与预测 一、旅游市场一、旅游市场(tourist market)的概念的概念 旅游（客源）市场是指旅游区内某一特定旅游产品的现实购买者和潜在购买者。 旅游市场研

6、究的目的是为了全面清楚地了解和掌握市场特征，制定有效的市场策略。 二、旅游市场的特征及影响因素二、旅游市场的特征及影响因素旅游市场的人口学特征年龄、性别、收入、职业、客源地来源、教育程度等旅游市场特征旅游者在目的地的消费特征滞留时间、旅游消费总额及消费构成、满意度等 2 收入与出游力 男性出游率一般略高于女性。但在购物旅游的消费水平上，男性却低于女性。 1 性别与出游力 一般而言，收入水平与出游力存在明显的正相关。 3 年龄与出游力 有资料显示，我国国内游客年龄主要集中在2544岁（41）、1424岁（27）和4564岁（22）。 调查显示，30岁以上的人群，特别是30-50岁的人群应孩子要求

7、而出游的占了相当的必中，而随自己意愿计划出游的人中，10-30岁层次的人占了绝大多数（77）。 5 教育程度与出游力 4 职业与出游力 三、我国各类旅游市场的主要特征三、我国各类旅游市场的主要特征 1 海外旅游市场 我国海外旅游市场大体上可以归纳为“三为主、三为辅”的特点，即以港澳台同胞为主，外国旅游者为辅；以亚洲为主，欧美为辅；以日、美等西方发达国家为主，周边中等发达国家和发展中国家为辅。 海外旅游者对我国旅游资源的兴趣主要集中在山水风光（50.6）、文物古迹（39.6）和民俗风情（27）；其次是饮食烹饪（19.2）、旅游购物（18.7）和文化艺术（18.1）。2 国内旅游市场 国内游客的出

8、游目的主要以观光为主集观光度假、探亲访友为一身的经济实惠型目的。 从出游天数来看，多日游的游客约占国内游客的四分之三，他们在外停留的平均天数为4.7天。 从出游距离（游览城市数量）来看，以游览1个城市的短程旅游者必中最高。 国内游客出游人均花费为709.6元，其中团体游客人均1765.7元，散客为647.2元。 四、旅游市场调查的方法四、旅游市场调查的方法 1 二手资料的收集 2 第一手资料（原始资料）的收集 第二手资料的来源主要有： （1）企业内部资料。这是做具体研究最重要的资料来源。 （2）旅游报刊、杂志、网络、调研专辑。 （3）政府发布的有关信息、文件和统计年鉴。 收集第一手资料的方法主

9、要有调查法和观察法。尤其以抽样调查方法为主。（二）、目的地方面（二）、目的地方面v1、 资源和交通资源和交通v旅游资源的旅游资源的吸引力越强吸引力越强，旅游需求，旅游需求越大越大；v交通条件越便利，旅游需求越大交通条件越便利，旅游需求越大v2、 价格和汇率价格和汇率v价格：旅游需求与价格价格：旅游需求与价格呈反向变化呈反向变化v汇率：汇率：汇率升高汇率升高，在价格不变的情况下，在价格不变的情况下，等等于旅游价格下降于旅游价格下降二、旅游需求预测资料的获取二、旅游需求预测资料的获取按资料的来源和性质分：按资料的来源和性质分： | 第一手资料第一手资料 主要方法：调查法、观察法。主要方法：调查法、

10、观察法。 | 第二手资料第二手资料 来源主要有三个：来源主要有三个： 企业内部材料；企业内部材料； 旅游报刊、杂志、调研专辑；旅游报刊、杂志、调研专辑； 国际和区域旅游组织和专业旅游市场调研。国际和区域旅游组织和专业旅游市场调研。| 机构年报及其他资料机构年报及其他资料第二节第二节 旅游需求的时空分布集中性旅游需求的时空分布集中性| 旅游需求的显著特点：旅游需求的显著特点：|需求需求随时间变化随时间变化而出现剧烈的变化；而出现剧烈的变化；|每一个旅游目的地都有自己相对每一个旅游目的地都有自己相对稳定客源地稳定客源地。一、旅游需求的时间分布集中性一、旅游需求的时间分布集中性由旅游季节性引起由旅游

11、季节性引起v1、季节性强度指数：、季节性强度指数：v反映旅游需求的时间分布集中性反映旅游需求的时间分布集中性.v式中：式中：R为旅游需求的时间分布强度指数为旅游需求的时间分布强度指数vXi为各月游客量占全年的比重为各月游客量占全年的比重vR 值越值越接近于零接近于零，旅游需求时间分配，旅游需求时间分配越均匀越均匀；R 值值越越大大，时间变动越大，旅游，时间变动越大，旅游淡旺季差异越大淡旺季差异越大。v案例：深圳锦绣中华表案例：深圳锦绣中华表4.4我国入境游客的时间分布集中性我国入境游客的时间分布集中性v入境游客的月季集中指数较小，入境游客的月季集中指数较小， R=0.6318（19931999

12、7），比世界旅游市场，），比世界旅游市场，6大旅大旅游目的地（美、法、英、意、西班牙、德）都游目的地（美、法、英、意、西班牙、德）都小，反映了小，反映了我国入境游客季节性不强我国入境游客季节性不强的特点。的特点。v原因分析：我国地域辽阔、气候多样、旅游热原因分析：我国地域辽阔、气候多样、旅游热点多、旅游产品多（特别是历史人文旅游产品点多、旅游产品多（特别是历史人文旅游产品）2、高峰指数、高峰指数度量游客某一时间相对于其它时间度量游客某一时间相对于其它时间利用利用旅游设施和某旅游地的趋势旅游设施和某旅游地的趋势式中：式中：Pn为高峰指数；为高峰指数；vV1为最繁忙时期的游客数为最繁忙时期的游客数

13、v Vn为在为在 n个时期内的游客数个时期内的游客数vn为参照时段（为参照时段（1=最繁忙时期）最繁忙时期）,一般选全年月一般选全年月份的中点份的中点讨论：若讨论：若pn=0；pn增大增大v v高峰指数的一个主要用途是用于对旅游地用于比较或用于考察某一设施高峰指数的一个主要用途是用于对旅游地用于比较或用于考察某一设施随时间变化而出现的高峰趋势。随时间变化而出现的高峰趋势。对中国入境游客的季节变动情况分析对中国入境游客的季节变动情况分析19931997年年v形成了形成了4个旅游波峰期：个旅游波峰期：3月中旬月中旬4月中旬、月中旬、7月月8月中旬、月中旬、9月中旬月中旬11月、月、11月中旬月中旬

14、12月中旬月中旬v其中其中4个高峰期为个高峰期为4月、月、8月、月、10月、月、12月。月。8月为最月为最高峰，高峰，Pn=110.2%。v两个波谷期：两个波谷期：11月月2月和月和5月月6月。两个谷底期是月。两个谷底期是2月和月和6月，月，2月为最底谷，月为最底谷，Pn=86.0%。二、旅游需求的空间的分布集中性二、旅游需求的空间的分布集中性v旅游需求的空间分布结构主要指旅旅游需求的空间分布结构主要指旅游者的地理来源和游者的地理来源和强度强度。用地理集中指数来定量分析：。用地理集中指数来定量分析：v式中：式中：G为客源地的地理集中指数；为客源地的地理集中指数；vX i为第为第i个客源地地的游

15、客数量；个客源地地的游客数量；vT为旅游地接待游客总量；为旅游地接待游客总量；n为客源地总数为客源地总数.vG值越接近值越接近100，客源越集中，客源越集中，G值越小，客源越分散值越小，客源越分散分析杭州、桂林昆明的主要国际客源分析杭州、桂林昆明的主要国际客源地地理分布地地理分布v分析表分析表4.6第三节、旅游需求预测模型第三节、旅游需求预测模型v旅游需求模型可以分为四类：旅游需求模型可以分为四类： 趋势外推模趋势外推模型；结构模型、仿真模型、定性模型。型；结构模型、仿真模型、定性模型。v一、一、 趋势外推模型趋势外推模型v趋势外推模型利用一系列资料来推测未来趋势外推模型利用一系列资料来推测未

16、来的形势。包括简单回归模型，二次方程模的形势。包括简单回归模型，二次方程模型、幂函数模型及时间序列模型。型、幂函数模型及时间序列模型。二、结构模型二、结构模型v结构模型的建立依赖于律哟与徐其余一系列结构模型的建立依赖于律哟与徐其余一系列原因变量之间的关系来确定。这种关系通常原因变量之间的关系来确定。这种关系通常用多元回归数学方法来确定。用多元回归数学方法来确定。v三、仿真模型三、仿真模型v是旅游需求预测中最复杂的一种方法。比较是旅游需求预测中最复杂的一种方法。比较典型的仿真模型是由趋势外推模型和结构模典型的仿真模型是由趋势外推模型和结构模型结合而成的一苏更综合的系统方程；变量型结合而成的一苏更

17、综合的系统方程；变量之间的反馈、协同、阻拟效应等关系通过一之间的反馈、协同、阻拟效应等关系通过一组相互联系的方程来阐明。组相互联系的方程来阐明。v系统动力学是建立仿真模型的一种有效的方系统动力学是建立仿真模型的一种有效的方法。法。v四、定性模型四、定性模型特尔菲法特尔菲法四种模型的关系四种模型的关系v见表见表4 .7第四节第四节 趋势外推模型趋势外推模型v 趋势外推模型：根据过去和现在的发展趋势趋势外推模型：根据过去和现在的发展趋势推断未推断未来来。v线性趋势外推：可用来研究线性趋势外推：可用来研究随时间按恒定增长率变随时间按恒定增长率变化化的事物。的事物。Y=a+bx一、简单回归分析一、简单

18、回归分析v1、一元线性回归模型、一元线性回归模型v y=a+bx式种：式种：y 为因变量为因变量 x 为自变量为自变量 a为常数为常数 b为为y对对x的回归系数的回归系数样本特征数的计算样本特征数的计算（1）、均值）、均值方差方差（2）待定系数）待定系数（3）相关系数）相关系数两个变量之间的相关程度两个变量之间的相关程度vr=2、作业：利用表、作业：利用表4.10资料预测颐和园资料预测颐和园1986 至至1990年年1四季度的客流量四季度的客流量v第一步：计算颐和园第一步：计算颐和园1981年年1985年各季游年各季游客量客量v第二步：绘制游客量随时间变化曲线图第二步：绘制游客量随时间变化曲线

19、图绘制计算表绘制计算表wX的均值；y的均值第三步：利用一元线性回归方法计算回归系数第三步：利用一元线性回归方法计算回归系数及相关系数及相关系数计算相关系数计算相关系数r第四步：建立预测模型第四步：建立预测模型v y=a+bx第五步第五步 预测游客量预测游客量v利用模型预测利用模型预测19861990年颐和园的游客年颐和园的游客量（利用表量（利用表4.10的资料）的资料）v式中年份式中年份x取取1981年第一度为年第一度为1，1981年第二年第二季度为季度为2第五步第五步 误差分析误差分析v1、计算相对误差：、计算相对误差：绘制颐和园客流量实际值与拟合值比较表（包括本书中拟合值）v2、误差分析、

20、误差分析 二、时间序列模型二、时间序列模型v(一一)、概述、概述v1、时间序列：、时间序列：是在不同的时点记录的一列观测值是在不同的时点记录的一列观测值，表表4.10 一般而言，旅游需求的时间序列图形为一般而言，旅游需求的时间序列图形为季节季节性需求图形性需求图形。 模型的应用加上科学的分析，能使预测更为准确模型的应用加上科学的分析，能使预测更为准确有效，更好地为决策服务。有效，更好地为决策服务。2 2、旅游需求的时间序列图形、旅游需求的时间序列图形w趋势需求图形趋势需求图形w季节性需求图形季节性需求图形w水平需求图形水平需求图形常用的季节时间序列模型常用的季节时间序列模型v水平时间序列模型水

21、平时间序列模型v线性趋势模型线性趋势模型v季节时间序列模型季节时间序列模型v 季节性趋势交乘模型季节性趋势交乘模型v 季节性叠加趋势模型季节性叠加趋势模型vBoxJekins 模型模型v 自回归模型自回归模型 ：AR模型模型v 滑动平均模型：滑动平均模型：MA模型模型v 自回归滑动平均模型：自回归滑动平均模型：ARMA模型模型BoxJekins 模型模型v时间序列分析方法最早起源于时间序列分析方法最早起源于1927年数学家年数学家耶尔提出建立自回归模型（耶尔提出建立自回归模型（AR)、来预测市、来预测市场变化的规律。场变化的规律。v1931年数学家瓦尔格在自回归年数学家瓦尔格在自回归(AR)模

22、型的启模型的启发下发下,建立了滑动平均模型及自回归滑动平均建立了滑动平均模型及自回归滑动平均模型模型(MA)v20世纪世纪70年代博克斯年代博克斯(Box)与詹金斯在与詹金斯在时时间序列分析间序列分析:预测与控制预测与控制一书中正式提出了一书中正式提出了时间序列分析法时间序列分析法,并指出理论上它并指出理论上它v适用于各种领域的时间序列分析。适用于各种领域的时间序列分析。( 二二)、季节趋势交乘模型的应用、季节趋势交乘模型的应用 模型使用范围：若历史资料的需求图形模型使用范围：若历史资料的需求图形既有趋势既有趋势又有季节影响又有季节影响，此趋势，此趋势以稳定的速率上升和下降以稳定的速率上升和下

23、降.v v v 1981 1982 1983 1984 1985v 颐和园颐和园1981年年1886年需求曲线图年需求曲线图1、季节趋势交乘模型预测步骤、季节趋势交乘模型预测步骤v第一步：建立预测模第一步：建立预测模 型：型： v Yt=Yc未来未来St （1）vv Yt：考虑季节影响因素的预测值；：考虑季节影响因素的预测值；vYc未来未来：不考虑季节影响因素的预测值，即趋势值；：不考虑季节影响因素的预测值，即趋势值；vSt：各期预测所对应的季节指数：各期预测所对应的季节指数(比率比率)。第二步、建立线性趋势方程第二步、建立线性趋势方程v.1、以季节序号以季节序号t为自变量，每季的客流量为因为

24、自变量，每季的客流量为因变量，求直线回归方程变量，求直线回归方程 v Yc=a+bt （2）v2、计算计算 时段时段 t=1,2,，m（历史）（历史）(m为季为季节序号）节序号）的趋势值的趋势值Yc，v m=20待定系数待定系数vi=1.20 式中x即2式中的t绘制计算表绘制计算表wt的均值；y的均值第三步、用趋势剔除法求季节指数第三步、用趋势剔除法求季节指数v计算每个季度的计算每个季度的实际观测值实际观测值Yi与趋势值之比与趋势值之比 St=Y/Yc历史历史趋势值与季节指数表趋势值与季节指数表第四步、求季节调整指数第四步、求季节调整指数Stv 计算研究时段计算研究时段(19811985年）第

25、年）第14季度季度各季季节指数的平均值各季季节指数的平均值，即季节调，即季节调整指数整指数Stv第五步、模型预测：第五步、模型预测：v应用公式应用公式Yc=a+bt （2）v求求1986年年14季趋势值，将所求得的各季节调季趋势值，将所求得的各季节调整指数及趋势值代入公式：整指数及趋势值代入公式：v Yt=YcStvv得得1986年年14季度预测值季度预测值趋势季节模型预测计算表趋势季节模型预测计算表第六步、误差分析第六步、误差分析作业：作业：v利用书中表利用书中表4.10 4.10 资料采用季节趋势交乘模型资料采用季节趋势交乘模型预测颐和园预测颐和园19861986年各季度的客流量，并与利用

26、年各季度的客流量，并与利用趋势外推模型的计算结果进行比较趋势外推模型的计算结果进行比较v要求：要求：v1 1、建立客流量实测值、模拟值（包括书中模、建立客流量实测值、模拟值（包括书中模拟值和本人的模拟值、误差分析），见表拟值和本人的模拟值、误差分析），见表4.124.12v2 2、计算步骤清楚，数据表齐全、计算步骤清楚，数据表齐全1. 1. 1自回归自回归(AR)模型模型v若时间序列值若时间序列值Xt可以表示为它的先前值可以表示为它的先前值Xt-1和一个冲击值和一个冲击值t的线性函数的线性函数,则称此模型为自则称此模型为自回归模型。该模型表示为回归模型。该模型表示为v称为称为p阶自回归模型阶自

27、回归模型,简记简记AR(p该模型所描述的该模型所描述的Xt是对其自身过去的数值进行回归是对其自身过去的数值进行回归,故称之为自回故称之为自回归模型归模型)滑动平均模型滑动平均模型若时间序列值若时间序列值Xt是现在和过去的误差或冲击值是现在和过去的误差或冲击值t的线性组合的线性组合,则称此模型为滑动平均模型。则称此模型为滑动平均模型。该模型表示为该模型表示为v Xt =v称为称为q阶滑动平均模型阶滑动平均模型,简记简记MA(q)。1.1.3(ARMA)自回归滑动平均模型。自回归滑动平均模型。v若时间序列值若时间序列值Xt是现在和过去的误差或冲击值是现在和过去的误差或冲击值t以以及先前序列及先前序

28、列Xt-1的线性组合的线性组合,则称此模型为自回归滑则称此模型为自回归滑动平均模型。动平均模型。v其中其中p、q分别为自回归和滑动平均的阶数分别为自回归和滑动平均的阶数,简记简记ARMA(p,q)。v实数实数(a1,a2,ap)称为自回归系数称为自回归系数,v实数实数(b1,b2,bq)称为移动平均系数。称为移动平均系数。v特殊地特殊地,若若p=0,此模型即为此模型即为MA模型模型;q =0时时,模型为模型为AR模型。模型。我国入境旅游预测我国入境旅游预测一、模型的识别一、模型的识别 1、数据进行平稳化处理、数据进行平稳化处理v首先根据时序图和自相关图显示的特征，作出首先根据时序图和自相关图显

29、示的特征，作出判断的图检验方法进行平稳性检验。判断的图检验方法进行平稳性检验。2、对数据进行平稳化处理、对数据进行平稳化处理v采用差分方法对数据进行平稳化处理，经过采用差分方法对数据进行平稳化处理，经过逐次尝试，最后决定对数据取二阶插分。逐次尝试，最后决定对数据取二阶插分。v所以取所以取d=23、识别模型：对、识别模型：对p和和q进行筛选进行筛选v分别通过自相关图系数分别通过自相关图系数ACF和偏自相关系数和偏自相关系数图图PACF中的截尾或拖尾来识别中的截尾或拖尾来识别ARIMA模型模型中的参数中的参数q、p：vP=2vq=04、建立时间序列模型、建立时间序列模型5、测试与结果、测试与结果v

30、本文根据本文根据1978年年-2003年的中国入境旅游人年的中国入境旅游人数数据，进行数数据，进行v时间序列分析，建立了中国入境旅游人数模时间序列分析，建立了中国入境旅游人数模型，并预测了未来型，并预测了未来5v年的入境旅游人数。为了便于更直观的显示年的入境旅游人数。为了便于更直观的显示模型的预测效果，我模型的预测效果，我v们绘制了原始数据线和预测数据线的时间序们绘制了原始数据线和预测数据线的时间序列图，见图列图，见图7。第五节第五节 引力模型引力模型一、引力模型的发展一、引力模型的发展|1929年，赖利年，赖利(Reilly W J )提出假定：在两个城市中心提出假定：在两个城市中心之间人口

31、的移动和居民数乘积成正比，与它们之间的之间人口的移动和居民数乘积成正比，与它们之间的距离平方成反比距离平方成反比天体物理学者司徒尔特天体物理学者司徒尔特(Steward J Q )v第一个指出这些概念和牛顿的万有引力定律的第一个指出这些概念和牛顿的万有引力定律的同型关系。同型关系。1948年，司徒尔特定义了两地间的年，司徒尔特定义了两地间的“人口统计力人口统计力”(demographic force)v式中式中Pi、Pj为为i、j两地的人口两地的人口v d为为i、j两地之间的距离两地之间的距离vg为经济参数为经济参数经济学家齐普夫经济学家齐普夫创立了人类行为中的最少努力原则创立了人类行为中的最

32、少努力原则(1949)式中，P1、P2为两城市的人口;D为两城市之间的距离。DPPI21艾萨德艾萨德(IsardW)1960年提出的模型年提出的模型对所有系统进行了阐述以及修正了社会引力模型对所有系统进行了阐述以及修正了社会引力模型v式中，式中，Nij为从为从i到到j在某一单位时间内期望的在某一单位时间内期望的v相互作用流相互作用流;vUi、Uj为权重为权重; v、为参数。为参数。二、旅游研究中的引力模型及其发展二、旅游研究中的引力模型及其发展|克朗蓬克朗蓬(1966)(1966)第一个清楚地证明引力模型在第一个清楚地证明引力模型在旅游研究中是有用的，他的基本引力模型，旅游研究中是有用的，他的

33、基本引力模型，也是绝大多数其他研究者应用的基本引力模也是绝大多数其他研究者应用的基本引力模型型 克朗蓬基本引力模型克朗蓬基本引力模型式中，Tij旅行次数:Pi为客源地i人口规模、财富或旅行倾向Aj为目的地j吸引力或容量的的某种量度:Dij为客源地和目的地之间距离G、b均为经验参数。该式给出的引力模型的弱点：该式给出的引力模型的弱点：|模型无约束，即模型预测的旅行次数没有上限。模型无约束，即模型预测的旅行次数没有上限。|模型有过高估计短途旅行次数和过低估计长途旅模型有过高估计短途旅行次数和过低估计长途旅行次数的倾向。行次数的倾向。|解决的方法：发展有确定的实际上限的有约束模解决的方法：发展有确定

34、的实际上限的有约束模型和修正距离变量。型和修正距离变量。1972年，沃尔夫年，沃尔夫(R.1.wolfe，1972)提出了一个经过调整的引力模型，提出了一个经过调整的引力模型，在这个模型中引进了一个距离函数在这个模型中引进了一个距离函数v式中，式中，m、n是经验参数。是经验参数。爱德华兹爱德华兹(5.L.EdwardS)和丹尼斯和丹尼斯(5.J.DenniS，1976)距离函数公式距离函数公式v其中：其中：v式中，式中，Cij为从为从i到到j的旅行费用的旅行费用;vX1为每公升汽油的费用为每公升汽油的费用;vX2为每公里消耗的汽油为每公里消耗的汽油:vx3为每小时平均旅行车公里数为每小时平均旅

35、行车公里数;vX4为每小时闲暇时间的价值为每小时闲暇时间的价值(定义为每小时工定义为每小时工vX5为每辆车的平均载客量为每辆车的平均载客量;vX6为旅行时间。为旅行时间。1976年，希萨里奥年，希萨里奥(F.J.Cesario)和尼奇和尼奇(J.L.Knetseh，1976)的综合模型的综合模型:v式中式中:Aj是某一给定终点的吸引力是某一给定终点的吸引力;vKi是所有其他终点的竞争力是所有其他终点的竞争力;v式中右边第一个括号部分是式中右边第一个括号部分是“旅游产生模型旅游产生模型”，即客源地即客源地i所产生的旅行次数所产生的旅行次数(游客量游客量)v第二个括号部分是第二个括号部分是“旅游分

36、布模型旅游分布模型”，即目的，即目的地地j所能得到客源地所能得到客源地i产生的旅行次数产生的旅行次数(游客量游客量)的的比率。比率。其中：其中：三、实例分析三、实例分析 保继刚保继刚(1986)利用北京市委政策研究室组织的利用北京市委政策研究室组织的国内游客抽样调查资料，建立起了全国各省、市、国内游客抽样调查资料，建立起了全国各省、市、自治区到京游客量的预测引力模型，自治区到京游客量的预测引力模型，1、影响北京游客量的因素分析影响北京游客量的因素分析1)1)、目的地、目的地资源的吸引力资源的吸引力2 2）、客源地）、客源地 v国内旅游者到京旅游，影响决策行为的主要国内旅游者到京旅游，影响决策行

37、为的主要因素有：距离、支付能力，而各省的人口基因素有：距离、支付能力，而各省的人口基数是影响游客量的主要因素数是影响游客量的主要因素2、建模参数选择、建模参数选择v在模型建立过程中选择距离、经济收入、人在模型建立过程中选择距离、经济收入、人口作为建模参数口作为建模参数3、预测模型的建立、预测模型的建立其中，其中，Tij为各省市区到京游客量为各省市区到京游客量;vx1为职工年均工资与火车票价比为职工年均工资与火车票价比;vx2为大学生毕业生人数为大学生毕业生人数;vdij为从省会为从省会(首府首府)乘火车到北京需要的旅行时乘火车到北京需要的旅行时间。间。4 4、建模的数学方法、建模的数学方法采用

38、多元回归方法建模采用多元回归方法建模将上式两边取对数得：将上式两边取对数得：Tij=G+ x1+x2- dijv上式变为多元一次方程。采用多元回归的方法求取上式变为多元一次方程。采用多元回归的方法求取各参数各参数5、采用多元回归方法确定系数、采用多元回归方法确定系数G、得得6、显著性检验、显著性检验 (1)、回归平方和、回归平方和U ：反映离差的大小反映离差的大小（2）、剩余平方和）、剩余平方和Q ：残差残差样本标准差样本标准差(2)、复相关系数复相关系数RvR R反映因变量与所有自变量之间的相关程反映因变量与所有自变量之间的相关程度度3）、）、F检验检验检验整个回归系数是否有意义检验整个回归

39、系数是否有意义v自由度：自由度：v第一自由度第一自由度k：变量个数：变量个数kv第二自由度第二自由度n-k-1v只有当只有当FF时，回归系数才有意义时，回归系数才有意义概率概率F利用利用U和和Q计算计算Fv自由度为自由度为F(1,n-2)v只有当只有当FF1-(1,n-2）时回归系数才有意义）时回归系数才有意义1多元线性回归的数学模型多元线性回归的数学模型v设预测对象为设预测对象为y, y,影响因素有影响因素有m m个个, ,分别为分别为x1,x2,x1,x2, ,xm,xm, ,它们之间有以下线性关系它们之间有以下线性关系v如有如有n n组统计资料组统计资料 v i=1,2,nv则多元回归模型的矩阵形式为则多元回归模型的矩阵形式为Y= XBv其中其中则回归系数：则回归系数：多元回归预测模型多元回归预测模型2多元线性回归模型的检验多元线性回归模型的检验(1)、回归平方和：（2）、残差平方和：vSSR反映由模型中解释变量所解释的那部分离差的大小。vSSE基于原始点和回归直线之间的垂直据离，这些距离成为残差。(3)(3)、R R检验检验v复相关系数复相关系数R R说明说明x x1 1 x xm m这一组影