计量经济学中国旅游外汇收入的因素分析.docx

计量经济学中国旅游外汇收入的因素分析.docx

《计量经济学中国旅游外汇收入的因素分析.docx》由会员分享，可在线阅读，更多相关《计量经济学中国旅游外汇收入的因素分析.docx（24页珍藏版）》请在冰豆网上搜索。

计量经济学中国旅游外汇收入的因素分析

中国旅游外汇收入的因素分析

金融116左娟16311606

【摘要】

入境旅游业是一个国家（地区）赚取外汇和解决就业的重要渠道,其入境旅游外汇收入是衡量该国家（地区）旅游业发展水平的重要指标。

中国作为有着丰富的自然和人文旅游资源的旅游大国，入境旅游业的发展更是显示出巨大的发展潜力和生命力。

本文主要通过对影响入境旅游发展的多因素分析，建立以旅游外汇收入为被解释变量，若干影响因素为解释变量的多元线性回归模型，并应用2012年全国30个省、自治区、直辖市截面数据回归得到的模型，对中国的入境旅游发展显著因素分析和提出问题及建议。

【关键词】：

旅游产业入境旅游入境旅游收入入境旅游人数

一，前言

中国作为世界旅游大国之一,有着非常丰富的旅游资源和广大的旅游客源市场。

因此,研究我国的入境旅游市场,对于制定我国入境旅游开发对策有着积极的参考价值。

旅游业作为第三产业服务业的重要组成部分,具有强大的生命力和发展前景。

随着经济的发展,国民收入的增加,使得人们有了自由支配的可支配收入;随着我国的改革开放,也增强着外国人对中国国内探求的渴望。

于是,入境旅游业开始逐年升温,构成我国外汇收入的一部分。

入境旅游是指外国旅游者来华进行游览和观光,休闲度假等有目的活动的总称。

入境旅游业是一个国家（地区）赚取外汇和解决就业的重要渠道,其入境旅游外汇收入是衡量该国家（地区）旅游业发展水平的重要指标。

入境旅游业是由旅行社业、住宿业、交通业、商业等相关产业的集合，是一种关联带作用较大的综合性产业。

入境旅游业的发展不但对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，和加强国家之间的经济文化交流。

因此,研究入境旅游意义重大。

2012年我国入境游人数达到1.2亿多人次，全国旅游（外汇）收入为292亿美元。

目前我国国际旅游竞争力指数在世界仍名列前茅，但从外汇旅游收入在旅游总收入的这一比重来看，我国外汇旅游的发展潜力是十分巨大的。

二，研究现状

我们通过收集数据、建立模型来对影响我国入境旅游收入的因素进行研究分析，一方面力求为增加旅游方法的研究指出明确的方向，另一方面通过模型的分析针对重要的影响因素提出我们对增加旅游外汇收入的一些建议。

国际旅游业中的创汇收入的角色是由入境旅游来扮演的。

因此将旅游外汇收入作为被解释变量,同时模型的设定考虑到可能影响入境旅游的几个最主要的因素作为解释变量.

三，影响因素分析

（一）结构影响因素的选择:

根据理论分析和经验，我们选择了入境旅游人数,国际旅行社职工人数,星级饭店数量.公路里程,以及国际旅行社数量做为可能对入境旅游外汇收入的影响因素.并初步设立多元线性回归模型.其中:

Y:

入境旅游收入（百万美元）

X1:

入境旅游人数（万人次）

X2:

国际旅行社职工人数（人次）

X3:

星级饭店数量.（个）

X4:

公路里程（公里）

X5:

国际旅行社数量（个）

（二）数据的搜集:

在搜集时间序列数据的过程中，所能获得的年度数据最多为15年,样本数据过小,不利于模型的分析和检验.同时为了避免时间序列的非平稳性，本模型使用截面数据.我们提取了2012年全国30个省,自治区,直辖市的截面数据.所有数据来源于中经统计数据网.

公路里程

入境旅游者人数

国际旅游收入

星级饭店数量

国际旅行社数量

国际旅行社职工人数

北京市

14453

185.12

1904

617

166

11081

天津市

10168

48.90

329

87

19

1253

河北省

65391

28.03

85

313

31

1767

山西省

63122

11.60

36

236

23

1724

内蒙古自治区

74135

41.36

138

132

28

1166

辽宁省

50095

77.89

454

379

57

2946

吉林省

43779

21.17

66

192

42

1459

黑龙江省

65123

58.71

244

205

62

2385

上海市

6484

244.71

2053

338

41

5846

江苏省

65565

223.16

1132

590

72

5369

浙江省

46193

180.83

873

733

46

4181

安徽省

69560

28.08

83

298

36

1547

福建省

54876

149.72

915

305

38

3984

江西省

61233

16.56

47

187

22

998

山东省

76266

77.67

370

482

55

2684

河南省

73831

18.86

63

359

30

2370

湖北省

87813

40.52

136

540

30

5097

湖南省

85233

15.39

46

356

35

3229

广东省

110253

1196.96

4267

967

176

17891

广西壮族自治区

58451

65.02

164

293

50

3892

海南省

20877

29.34

80

199

39

1876

重庆市

31407

23.45

113

147

23

1628

四川省

112543

45.17

150

346

50

3831

贵州省

45304

7.70

29

112

12

861

云南省

166133

100.01

340

572

40

4047

陕西省

50019

46.58

198

229

33

2995

甘肃省

40293

10.18

21

157

27

1524

青海省

24377

1.77

5

50

11

412

宁夏回族自治区

11916

0.30

1

33

7

294

新疆维吾尔自治区

83633

17.05

49

239

41

1774

（三）模型的初步建立:

参数估计:

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/16Time:

14:

40

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

2.205597

0.420554

5.244507

0.0000

X2

0.121497

0.047294

2.568985

0.0168

X3

0.284726

0.376139

0.756972

0.4564

X4

-0.005414

0.001352

-4.005528

0.0005

X5

-0.932018

2.680021

-0.347765

0.7310

C

121.7030

93.53073

1.301209

0.2055

R-squared

0.955313

Meandependentvar

479.7000

AdjustedR-squared

0.946003

S.D.dependentvar

887.2313

S.E.ofregression

206.1687

Akaikeinfocriterion

13.67212

Sumsquaredresid

1020133.

Schwarzcriterion

13.95236

Loglikelihood

-199.0818

F-statistic

102.6128

Durbin-Watsonstat

1.342907

Prob（F-statistic）

0.000000

（四）模型的检验

1．经济意义检验:

模型初步估计结果显示,入境旅游外汇收入（Y）受入境旅游人数（X1）,和国际旅行社从业人员数量（X2）的正向影响,且影响较为显著,符合经济意义.而参数估计结果中,星级饭店数量（X3）,公路里程（X4）的系数估计结果为负,不符合经济意义,可能是多重共线影响所致,因而有待进一步分析和检验.

2．统计检验:

从估计的结果可以看出，模型的可决系数为0.955312，模型拟合情况比较理想，在给定显著水平α=0.05的情况下，各解释变量X1,X2的t统计量的值分别为均大于t统计量的临界值，说明X1,X2对应变量的影响是显著的.其他变量均未通过t检验,分析可能是由于变量之间的多重共线性所致,有待进一步分析.模型F统计量的值也较显著，说明回归方程非常显著,整体模型效果比较好。

3．计量经济学检验

（1）多重共线性检验

由EVIEWS软件得解释变量相关系数矩阵表：

X1

X2

X3

X4

X5

X1

1

0.895201

0.710997

0.23712

0.764249

X2

0.895201

1

0.829162

0.239673

0.914778

X3

0.710997

0.829162

1

0.470813

0.749027

X4

0.23712

0.239673

0.470813

1

0.162448

X5

0.764249

0.914778

0.749027

0.162448

1

由以上相关系数矩阵表可以看出部分解释变量之间相关系数较高,存在多重共线性.

对多重共线性的修正：

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/16Time:

7:

51

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

3.818586

0.269416

14.17358

0.0000

C

96.33813

63.68711

1.512679

0.1416

R-squared

0.877671

Meandependentvar

479.7000

AdjustedR-squared

0.873302

S.D.dependentvar

887.2313

S.E.ofregression

315.8072

Akaikeinfocriterion

14.41248

Sumsquaredresid

2792557.

Schwarzcriterion

14.50589

Loglikelihood

-214.1872

F-statistic

200.8904

Durbin-Watsonstat

1.750833

Prob（F-statistic）

0.000000

首先运用OLS方法逐一求对各个解释变量的回归。

结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。

Y对X1的回归

Y对X2的回归;

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/16Time:

7:

54

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X2

0.237576

0.017501

13.57479

0.0000

C

-313.0991

83.63920

-3.743449

0.0008

R-squared

0.868096

Meandependentvar

479.7000

AdjustedR-squared

0.863385

S.D.dependentvar

887.2313

S.E.ofregression

327.9339

Akaikeinfocriterion

14.48784

Sumsquaredresid

3011139.

Schwarzcriterion

14.58125

Loglikelihood

-215.3176

F-statistic

184.2750

Durbin-Watsonstat

1.830973

Prob（F-statistic）

0.000000

Y对X3的回归

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/17Time:

14:

44

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X3

2.990601

0.543780

5.499653

0.0000

C

-486.5633

209.6021

-2.321366

0.0278

R-squared

0.519282

Meandependentvar

479.7000

AdjustedR-squared

0.502113

S.D.dependentvar

887.2313

S.E.ofregression

626.0401

Akaikeinfocriterion

15.78105

Sumsquaredresid

10973932

Schwarzcriterion

15.87446

Loglikelihood

-234.7157

F-statistic

30.24618

Durbin-Watsonstat

1.969905

Prob（F-statistic）

0.000007

Y对X4的回归

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/17Time:

14:

46

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X4

0.001544

0.004891

0.315784

0.7545

C

388.6581

331.9633

1.170786

0.2516

R-squared

0.003549

Meandependentvar

479.7000

AdjustedR-squared

-0.032039

S.D.dependentvar

887.2313

S.E.ofregression

901.3321

Akaikeinfocriterion

16.50997

Sumsquaredresid

22747188

Schwarzcriterion

16.60338

Loglikelihood

-245.6495

F-statistic

0.099719

Durbin-Watsonstat

1.919365

Prob（F-statistic）

0.754509

Y对X5的回归

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/17Time:

23:

00

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X5

19.59600

2.512471

7.799495

0.0000

C

-396.8945

145.5947

-2.726022

0.0109

R-squared

0.684799

Meandependentvar

479.7000

AdjustedR-squared

0.673542

S.D.dependentvar

887.2313

S.E.ofregression

506.9333

Akaikeinfocriterion

15.35898

Sumsquaredresid

7195479.

Schwarzcriterion

15.45239

Loglikelihood

-228.3846

F-statistic

60.83212

Durbin-Watsonstat

1.112378

Prob（F-statistic）

0.000000

在Y对X1,X2,X3,X4,X5进行逐步一元线性回归中我们发现Y对X1回归的拟合优度最大,拟合效果最好,且t检验通过所以我们保留X1,并以X1为基础,顺次加入其他变量逐步回归

加入X2的结果

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/17Time:

23:

15

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-130.6981

78.45110

-1.665981

0.1073

X1

2.109013

0.493879

4.270304

0.0002

X2

0.119467

0.030896

3.866757

0.0006

R-squared

0.921269

Meandependentvar

479.7000

AdjustedR-squared

0.915438

S.D.dependentvar

887.2313

S.E.ofregression

258.0036

Akaikeinfocriterion

14.03846

Sumsquaredresid

1797278.

Schwarzcriterion

14.17858

Loglikelihood

-207.5769

F-statistic

157.9708

Durbin-Watsonstat

1.974408

Prob（F-statistic）

0.000000

加入x3的结果

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/18Time:

14:

48

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

3.499054

0.380455

9.197035

0.0000

X3

0.457580

0.387367

1.181255

0.2478

C

-19.42685

116.6358

-0.166560

0.8690

R-squared

0.883682

Meandependentvar

479.7000

AdjustedR-squared

0.875066

S.D.dependentvar

887.2313

S.E.ofregression

313.6009

Akaikeinfocriterion

14.42876

Sumsquaredresid

2655330.

Schwarzcriterion

14.56888

Loglikelihood

-213.4314

F-statistic

102.5612

Durbin-Watsonstat

1.320380

Prob（F-statistic）

0.000000

加入x4的结果

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/18Time:

14:

50

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

3.985074

0.247990

16.06948

0.0000

X4

-0.004466

0.001577

-2.831258

0.0087

C

342.8809

104.0485

3.295396

0.0028

R-squared

0.905675

Meandependentvar

479.7000

AdjustedR-squared

0.898688

S.D.dependentvar

887.2313

S.E.ofregression

282.4019

Akaikeinfocriterion

14.21918

Sumsquaredresid

2153273.

Schwarzcriterion

14.35930

Loglikelihood

-210.2877

F-statistic

129.6220

Durbin-Watsonstat

1.528165

Prob（F-statistic）

0.000000

加入X5的结果

DependentVariable:

Y

Method:

LeastSquares

Date:

13/12/18Time:

22:

05

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

2.983151

0.369757

8.067873

0.0000

X5

6.350784

2.148154

2.956391

0.0064

C

-103.8812

88.11471

-1.178931

0.2487

R-squared

0.907586

Meandependentvar

479.7000

AdjustedR-squared

0.900741

S.D.dependentvar

887.2313

S.E.ofregression

279.5260

Akaikeinfocriterion

14.19871

Sumsquaredresid

2109640.