国内旅游总花费影响因素分析

1、中国国内旅游总花费影响因素分析一、问题提出1、研究问题旅游可以促进人力、物力、资源的优化利用，促进当地的相关产业的发展，解决就业问题，提高经济收益等都是大有裨益的。更重要是随着旅游业的发展，当地人的观念将会发生根本改变，即按照市场需求，组织生产，搞活流通，以信息化取代封闭的传统的生产模式。旅游可以使单一资源产生规模效应，扩大单一资源的产品转化和升级，将市场建在家门口，对外提高当地的影响力。旅游业是现代服务业的重要组成部分，带动作用大。加快旅游业改革发展，是适应人民群众消费升级和产业结构调整的必然要求，对于扩就业、增收入，推动中西部发展和贫困地区脱贫致富，促进经济平稳增长和生态环境改善意义重大，

2、对于提高人民生活质量、培育和践行社会主义核心价值观也具有重要作用。中国旅游业的发展是与改革开放同步进行的。改革开放之前，由于受传统计划体制观念的影响，注重生产轻视消费，旅游被当做一种奢侈品而遭到排斥，同时，国内生活水平普遍较低，对外又采取闭关锁国政策，因此，旅游产业的发展缺乏必要的物质基础和政治条件。改革开放以后，随着中国经济的发展，一方面，国民经济建设需要大量的资金；另一方面，由于对外开放的大门打开，境外游客和资本急于进入中国，从而为中国的旅游业形成创造了良好的内外条件和环境。本文通过对国内旅游总花费的影响因素展开研究，运用建立多元线性回归模型的方法，探讨影响国内旅游总花费的主要因素，并对这

3、些因素进行分析。2、数据来源(1994-2013，国家统计局)y国内旅游总花费(亿元) x1国内生产总值（亿元） x2平均工资（元） x3客运量（万人）x4国内游客(百万人次) x5居民消费价格指数（上年=100）年 份国内旅游总花费(亿元)国内生产总值（亿元）平均工资（元）客运量（万人）国内游客(百万人次)居民消费价格指数（1987年=100）19941023.548197.951201092882524270.419951375.760793.753481172596629396.919961638.471176.659801245357640429.919972112.778973.06

4、4441326094644441.919982391.284402.374461378717695438.419992831.989677.183191394413719432.220003175.599214.693331478573744434.020013522.4109655.2108341534122784437.020023878.4120332.7123731608150878433.520033442.3135822.8139691587497870438.720044710.7159878.31592017674531102455.820055285.9184937.4182

5、0018470181212464.020066229.7216314.42085620241581394471.020077770.6265810.32472122277611610493.620088749.3314045.42889828678921712522.7200910183.7340902.83224429768981902519.0201012579.8401512.83653932695082103536.1201119305.4473104.04179935263192641565.0201222706.2519470.14676938040352957579.720132

6、6276.1568845.25148321229923262594.83、定性分析为了研究国内旅游总花费的影响因素，把国内旅游总花费（亿元）作为被解释变量y，将国内生产总值（亿元）、平均工资（元）、客运量（万人）、国内游客(百万人次)、居民消费价格指数（上年=100）作为解释变量，分别设为x1，x2、x3、x4、x5，假定其多元线性回归模型表示为：y = 0 +1x1 + 2x2 + 3x3 +4x4 +5x5二、相关分析1、 数据基本描述descriptive statisticsmeanstd. deviationn国内旅游总花费（亿元）7.4595e37351.5831520国内生产总值

7、（亿元）2.1715e51.64588e520平均工资（元）2.01e414745.14720客运量（万人）2.0126e68.31668e520国内游客(百万人次) 1.3511e3834.4650320居民消费价格指数（上年=100）4.6773e273.11847202、 相关分析利用散点图、简单相关系数检验被解释变量y和解释变量x1， x2， x3， x4， x5之间的关系。根据散点图可以看出，国内旅游总花费y与国内生产总值x1、平均工资x2、客运量x3、国内游客x4、居民消费价格指数x5成正相关。correlations国内旅游总花费（亿元）国内生产总值（亿元）平均工资（元）客运量（

8、万人）国内游客(百万人次) 居民消费价格指数（上年=100）pearson correlation国内旅游总花费y1.000.974.968.785.986.855国内生产总值x1.9741.000.999.875.996.895平均工资x2.968.9991.000.875.994.891客运量x3.785.875.8751.000.847.814国内游客x4.986.996.994.8471.000.886居民消费价格指数（上年=100）x5.855.895.891.814.8861.000sig. (1-tailed)国内旅游总花费y.000.000.000.000.000国内生产总值x

9、1.000.000.000.000.000平均工资x2.000.000.000.000.000客运量x3.000.000.000.000.000国内游客x4.000.000.000.000.000居民消费价格指数（上年=100）x5.000.000.000.000.000.n国内旅游总花费y202020202020国内生产总值x1202020202020平均工资x2202020202020客运量x3202020202020国内游客x4202020202020居民消费价格指数（上年=100）x5202020202020从相关系数表中可以看出国内旅游总花费y与国内生产总值x1、平均工资x2、国内游

10、客x4的相关系数都在0.9以上，高度相关；国内旅游总花费y与居民消费价格指数x5的相关系数在0.8以上，相关性也很强，国内旅游总花费y与客运量x3的相关系数在0.7以上，具有一定的相关性。所以，国内旅游总花费y与这五个自变量做回归分析是合适的。三、模型建立根据之前建立的模型y = 0 +1x1 + 2x2 + 3x3 +4x4 +5x5 ，利用spss，采用强行进入的方法进行多元线性回归，得到结果如下：1、拟合优度检验model summarybmodelrr squareadjusted r squarestd. error of the estimatechange statisticsd

11、urbin-watsonr square changef changedf1df2sig. f change1.993a.987.982987.66685.987207.735514.000.584a. predictors: (constant), 居民消费价格指数（上年=100）, 客运量（万人）, 国内游客(百万人次) , 平均工资（元）, 国内生产总值（亿元）b. dependent variable: 国内旅游总花费（亿元）从上表可以看出，方程的复相关系数r=0.993，样本决定系数r2=0.987，调整后的样本决定系数为0.982，说明方程拟合优度很好。anovabmodelsum

12、 of squaresdfmean squarefsig.1regression1.013e952.026e8207.735.000aresidual1.366e714975485.806total1.027e919a. predictors: (constant), 居民消费价格指数（上年=100）, 客运量（万人）, 国内游客(百万人次) , 平均工资（元）, 国内生产总值（亿元）b. dependent variable: 国内旅游总花费（亿元）由anova表可知，在0.05的显著性水平下，f值=207.735，p值为0.000，说明回归方程高度显著，x1， x2， x3， x4， x5

13、整体上对y有高度显著的线性影响。回归系数的检验coefficientsamodelunstandardized coefficientsstandardized coefficientstsig.correlationscollinearity statisticsbstd. errorbetazero-orderpartialparttolerancevif1(constant)-2265.0533283.235-.690.502国内生产总值x1.042.038.9341.088.295.974.279.034.001776.155平均工资x2-.653.293-1.310-2.226.04

14、3.968-.511-.069.003364.442客运量x3-.001.001-.117-1.426.176.785-.356-.044.1427.038国内游客x413.1374.1691.4913.151.007.986.644.097.004235.720居民消费价格指数（上年=100）x5-3.9887.094-.040-.562.583.855-.149-.017.1915.241a. dependent variable: 国内旅游总花费（亿元）通过表格，我们看到平均工资x2、国内游客x4的回归检验系数p值小于0.05，通过检验。而常数项、国内生产总值x1、客运量x3、居民消费价

15、格指数x5系数检验p值均大于0.05，未通过检验。4、 残差分析正态性检验根据直方图和正态概率分布图可以看到，残差基本上符合正态性假设。5、残差分析异方差检验correlationsabse国内生产总值（亿元）平均工资（元）客运量（万人）国内游客(百万人次) 居民消费价格指数（上年=100）spearmans rhoabsecorrelation coefficient1.000.158.158.229.156-.008sig. (2-tailed).506.506.332.510.975n202020202020国内生产总值x1correlation coefficient.1581.000

16、1.000*.967*.998*.947*sig. (2-tailed).506.000.000.000n202020202020平均工资x2correlation coefficient.1581.000*1.000.967*.998*.947*sig. (2-tailed).506.000.000.000n202020202020客运量x3correlation coefficient.229.967*.967*1.000.968*.910*sig. (2-tailed).332.000.000.000.000n202020202020国内游客x4correlation coefficie

17、nt.156.998*.998*.968*1.000.941*sig. (2-tailed).510.000.000.000.000n202020202020居民消费价格指数（上年=100）x5correlation coefficient-.008.947*.947*.910*.941*1.000sig. (2-tailed).975.000.000.000.000.n202020202020*. correlation is significant at the 0.01 level (2-tailed).由残差图可知，残差图上的点的散布是随机的，不太有规律；由correlations表可

18、知，残差绝对值与x1， x2， x3， x4，x5的相关系数分别为0.158，0.158，0.229，0.156，-0.08，相应的p值均大于0.05，说明残差绝对值与自变量x1， x2， x3， x4，x5之间显著不相关。故综上所述，不存在异方差。6、自相关性检验model summarybmodelrr squareadjusted r squarestd. error of the estimatechange statisticsdurbin-watsonr square changef changedf1df2sig. f change1.993a.987.982987.66685.

19、987207.735514.000.584a. predictors: (constant), 居民消费价格指数（上年=100）, 客运量（万人）, 国内游客(百万人次) , 平均工资（元）, 国内生产总值（亿元）b. dependent variable: 国内旅游总花费（亿元）从模型汇总表中可知，d.w值为0.584，查d.w表，当n=20，k=5时，dl=0.90,du= 1.83， d.w=0.584dl，且滞后残差图呈正相关关系，所以模型存在正自相关性。7、共线性诊断coefficientsamodelunstandardized coefficientsstandardized c

20、oefficientstsig.correlationscollinearity statisticsbstd. errorbetazero-orderpartialparttolerancevif1(constant)-2265.0533283.235-.690.502国内生产总值x1.042.038.9341.088.295.974.279.034.001776.155平均工资x2-.653.293-1.310-2.226.043.968-.511-.069.003364.442客运量x3-.001.001-.117-1.426.176.785-.356-.044.1427.038国内游客

21、x413.1374.1691.4913.151.007.986.644.097.004235.720居民消费价格指数（上年=100）x5-3.9887.094-.040-.562.583.855-.149-.017.1915.241a. dependent variable: 国内旅游总花费（亿元）collinearity diagnosticsamodeldimensioneigenvaluecondition indexvariance proportions(constant)国内生产总值（亿元）平均工资（元）客运量（万人）国内游客(百万人次) 居民消费价格指数（上年=100）115.6

22、221.000.00.00.00.00.00.002.3454.037.01.00.00.00.00.003.02814.064.01.00.00.56.00.014.00344.309.52.00.00.02.02.935.00168.413.14.00.35.22.46.016.000139.200.331.00.64.20.52.05a. dependent variable: 国内旅游总花费（亿元）由coefficients表可以看出x1，x2,x4的vif值都大于10，所以存在严重的多重共线性。由collinearity diagnostics表可知，自变量x2,x3， x4， x5

23、的条件数均大于10，进一步说明自变量之间存在严重的多重共线性。8、异常值检验年 份sdr_1coo_1lev_11994-0.257820.232881530.9015021995-0.983940.038112580.1407191996-0.636240.018695950.1596921997-0.046431.51e-040.23063419980.0386275.15e-050.11137819990.5248240.005772360.05653220000.9271930.014850420.04305820011.4512980.034677440.04632320021.17

24、93060.042015660.10705920031.3402280.091617820.1943942004-0.147719.20e-040.1405732005-0.480880.007753470.1097542006-1.453380.066534090.1194382007-2.101490.042878970.0175742008-0.766430.032932860.1961192009-0.638430.020775640.1765392010-0.230330.009780430.45771320110.3989540.01716090.32813220122.15846

25、80.860188780.53286520130.9679957.687625980.930002从上表可知，所有数据的删除学生化残差绝对值都小于3，除2013年库克距离都小于0.5，该模型存在异常值。四、模型修改1.全模型存在的问题（1）常数项、国内生产总值x1、旅客运输平均距离x3、居民消费价格指数x5系数检验p值均大于0.05，未通过检验；（2）存在自相关性；（3）自变量之间存在严重的多重共线性；（4）2013年存在异常值。2. 修改利用spss软件采用逐步回归的方式，得到以下结果并加以分析。（1）拟合优度检验variables entered/removedamodelvariable

26、s enteredvariables removedmethod1国内游客(百万人次)x4 .stepwise (criteria: probability-of-f-to-enter = .100).2平均工资（元）x2.stepwise (criteria: probability-of-f-to-enter = .100).a. dependent variable: 国内旅游总花费（亿元）model summarycmodelrr squareadjusted r squarestd. error of the estimatechange statisticsdurbin-watso

27、nr square changef changedf1df2sig. f change1.986a.972.9701269.59516.972619.067118.0002.992b.984.982974.59357.01313.546117.002.711a. predictors: (constant), 国内游客(百万人次) b. predictors: (constant), 国内游客(百万人次) , 平均工资（元）c. dependent variable: 国内旅游总花费（亿元）由model summary表可知，方程的复相关系数r=0.986，样本决定系数为r2为0.972，调整

28、后的样本决定系数为0.970，说明方程拟合程度很好。(2）回归方程显著性检验anovacmodelsum of squaresdfmean squarefsig.1regression9.979e819.979e8619.067.000aresidual2.901e7181611871.858total1.027e9192regression1.011e925.054e8532.053.000bresidual1.615e717949832.628total1.027e919a. predictors: (constant), 国内游客 x4b. predictors: (constant),

29、 国内游客 x4, 平均工资 x2c. dependent variable: 国内旅游总花费 y由anova表可知，在0.05的显著性水平下，f值为532.053，p值为0.000，远小于0.005，所以回归方程高度显著，说明x2、x4整体上对y有高度显著的线性影响。（3）回归系数检验coefficientsamodelunstandardized coefficientsstandardized coefficientstsig.correlationscollinearity statisticsbstd. errorbetazero-orderpartialparttolerancev

30、if1(constant)-4274.271550.449-7.765.000国内游客 x48.685.349.98624.881.000.986.986.9861.0001.0002(constant)-6150.148662.057-9.289.000国内游客 x417.8222.4972.0237.137.000.986.866.217.01286.857平均工资 x2-.520.141-1.043-3.681.002.968-.666-.112.01286.857a. dependent variable: 国内旅游总花费 y由coefficients表可知，常数项、平均工资x2和国内

31、游客x4的回归系数检验的p值均小于0.05，所以通过检验。故综上述，该问题的最小二乘回归模型为：y = -6150.148-0.52x2+17.822x4（4）残差分析正态性检验根据直方图和正态概率分布可以看出，残差基本上符合正态性假设。（5）残差分析异方差性检验correlationsabse平均工资 x2国内游客 x4spearmans rhoabsecorrelation coefficient1.000.195.191sig. (2-tailed).409.420n202020平均工资 x2correlation coefficient.1951.000.998*sig. (2-tai

32、led).409.000n202020国内游客 x4correlation coefficient.191.998*1.000sig. (2-tailed).420.000.n202020*. correlation is significant at the 0.01 level (2-tailed).由残差图可知，残差图上的点的散布是随机的，无任何规律；由correlations表可知，残差绝对值与x2， x4的相关系数分别为0.195，0.191，相应的p值均大于0.05，说明残差绝对值与各自变量之间显著不相关。故综上所述，认为不存在异方差。（6）残差分析自相关性检验model summ

33、arycmodelrr squareadjusted r squarestd. error of the estimatedurbin-watson1.986a.972.9701269.59522.992b.984.982974.5936.711a. predictors: (constant), 国内游客 x4b. predictors: (constant), 国内游客 x4, 平均工资 x2c. dependent variable: 国内旅游总花费 yd.w值为0.711，查d.w表，n=20，k=2，dl=1.20，du=1.41，d.w=0.711dl，模型存在正自相关性，用迭代法

34、解决。通过进一步考察自相关系数，1-1/2d.w=1-0.5*0.711=0.6445。求出相关系数后，做变量变换：yi，= yi-yi-1 ；xi，= xi-xi-1如果方程通过d.w 检验 ， 迭代 结 束 ， 否 则 ， 继续 重 复 上 述 过 程，直到 通过d.w 检验 。（7）多重线性检验coefficientsamodelunstandardized coefficientsstandardized coefficientstsig.correlationscollinearity statisticsbstd. errorbetazero-orderpartialparttol

35、erancevif1(constant)-4274.271550.449-7.765.000国内游客 x48.685.349.98624.881.000.986.986.9861.0001.0002(constant)-6150.148662.057-9.289.000国内游客 x417.8222.4972.0237.137.000.986.866.217.01286.857平均工资 x2-.520.141-1.043-3.681.002.968-.666-.112.01286.857a. dependent variable: 国内旅游总花费 ycollinearity diagnostic

36、samodeldimensioneigenvaluecondition indexvariance proportions(constant)国内游客(百万人次) 平均工资（元）111.8571.000.07.072.1433.600.93.93212.7801.000.01.00.002.2193.564.34.00.003.00240.430.651.001.00a. dependent variable: 国内旅游总花费（亿元）由coefficients表可知，各个自变量的vif均大于10；由collinearity diagnostics表可知，共线性诊断中条件数有一个在40附近。综上

37、述，说明自变量间存在多重共线性。为了消除共线性，接下来我们剔除解释变量x2。（8）异常值检验年 份sdr_2coo_2lev_219940.5288490.0116080.0565331995-1.02550.0776360.1317631996-0.551630.0180730.09595119970.1456120.0010360.07134719980.0293023.78e-050.06069619990.5208680.0094220.04067720000.9824750.0273590.0282220011.4802070.0623180.03366720020.8634140.

38、019980.02338820031.5994350.1690120.127882004-0.515110.0054080.0052732005-0.727470.010970.0070172006-1.812810.0509850.0001552007-2.250040.0794330.0051052008-0.649230.0327510.1337852009-0.903620.06780203056160.0146380.25800120110.1419640.00174305778890.0489420.2469820131.5031

39、60.5277170.379412由上表可知，所有数据的删除学生化残差的绝对值均小于3，库克距离也均小于0.5，故数据不存在异常值。五、模型修改1.模型存在的问题（1）自变量之间仍存在多重共线性；2. 修改剔除解释变量x2，利用spss软件采用逐步回归的方式，得到以下结果并加以分析。（1） 拟合优度检验variables entered/removedamodelvariables enteredvariables removedmethod1国内游客(百万人次)x4.stepwise (criteria: probability-of-f-to-enter = .100).2客运量（万人）x

40、3.stepwise (criteria: probability-of-f-to-enter = .100).a. dependent variable: 国内旅游总花费（亿元）ymodel summarycmodelrr squareadjusted r squarestd. error of the estimatechange statisticsdurbin-watsonr square changef changedf1df2sig. f change1.986a.972.9701269.59516.972619.067118.0002.990b.981.9781084.58337

41、.0097.665117.013.601a. predictors: (constant), 国内游客(百万人次)x4b. predictors: (constant), 国内游客(百万人次)x4, 客运量（万人）x3c. dependent variable: 国内旅游总花费（亿元）y由model summary表可知，方程的复相关系数r=0.986，样本决定系数为r2为0.972，调整后的样本决定系数为0.970，说明方程拟合程度很好。(2）回归方程显著性检验anovacmodelsum of squaresdfmean squarefsig.1regression9.979e819.97

42、9e8619.067.000aresidual2.901e7181611871.858total1.027e9192regression1.007e925.034e8427.975.000bresidual2.000e7171176321.086total1.027e919a. predictors: (constant), 国内游客(百万人次)x4b. predictors: (constant), 国内游客(百万人次)x4, 客运量（万人）x3c. dependent variable: 国内旅游总花费（亿元）y由anova表可知，在0.05的显著性水平下，f值为619.067，p值为0.

43、000，远小于0.005，所以回归方程高度显著，说明x2、x4整体上对y有高度显著的线性影响。（3）回归系数检验coefficientsamodelunstandardized coefficientsstandardized coefficientstsig.correlationscollinearity statisticsbstd. errorbetazero-orderpartialparttolerancevif1(constant)-4274.271550.449-7.765.000国内游客(百万人次)x48.685.349.98624.881.000.986.986.9861.

44、0001.0002(constant)-2916.426679.462-4.292.000国内游客(百万人次)x49.997.5601.13517.849.000.986.974.604.2833.528客运量（万人）x3-.002.001-.176-2.769.013.785-.557-.094.2833.528a. dependent variable: 国内旅游总花费（亿元）y由coefficients表可知，常数项、平均工资x2和国内游客x4的回归系数检验的p值均小于0.05，所以通过检验。故综上述，该问题的最小二乘回归模型为：y = -2916.426-0.002 x3+9.997x

45、4（4）残差分析正态性检验根据直方图和正态概率分布可以看出，残差基本上符合正态性假设。（5）残差分析异方差性检验correlationse客运量（万人）x3国内游客(百万人次)x4spearmans rhoecorrelation coefficient1.000.589*.471*sig. (2-tailed).006.036n202020客运量（万人）x3correlation coefficient.589*1.000.968*sig. (2-tailed).006.000n202020国内游客(百万人次)x4correlation coefficient.471*.968*1.000s

46、ig. (2-tailed).036.000.n202020*. correlation is significant at the 0.01 level (2-tailed).*. correlation is significant at the 0.05 level (2-tailed).由残差图可知，残差图上的点的散布是随机的，无任何规律；由correlations表可知，残差绝对值与x3， x4的相关系数分别为0.589，0.471，相应的p值均大于0.05，说明残差绝对值与各自变量之间显著不相关。故综上所述，认为不存在异方差。（6）残差分析自相关性检验model summarycmodelrr squareadjusted r squarestd. error of the estimatechange statistic