影响我国旅游收入地因素分析报告Word文件下载.docx
- 文档编号:15303470
- 上传时间:2022-10-29
- 格式:DOCX
- 页数:11
- 大小:52.05KB
影响我国旅游收入地因素分析报告Word文件下载.docx
《影响我国旅游收入地因素分析报告Word文件下载.docx》由会员分享,可在线阅读,更多相关《影响我国旅游收入地因素分析报告Word文件下载.docx(11页珍藏版)》请在冰豆网上搜索。
三是交通状况。
通常交通状况好的地越能吸引游客,营业里程越远路费越高,给铁路局和收费站带来的收益也越高,也会给本地区带来更多的旅游收入。
所以本文选用公里里程数和铁路里程数两个指标研究交通状况对旅游收入的影响。
四是星级酒店总数。
人们出去旅行离不开住宿,旅游业越发达的地区酒店宾馆等住宿的场所也会相应的增多。
因此我们可以研究星级酒店数对旅游收入的影响。
由于中国统计年鉴上收录的影响国旅游收入的相关因素的数据最早记录是在1994年,最新能从统计年鉴上下载的数据是到2013年,因此本文的分析基于1994-2013年的数据。
三、模型的设立、估计与修正
(一)描述分析
本文将国旅游收入作为被解释变量,国旅游人数、城镇居民可支配收入、公路里程数、铁路营业里程数作为解释变量。
[1].国游客总人数【X1】与国旅游收入【Y】之间的相关性分析。
由散点图可知,国游客总人数【X1】与国旅游收入【Y】之间存在正相关关系。
[2].城镇居民可支配收入【X2】与国旅游收入【Y】之间的相关性分析。
由散点图可知,城镇居民可支配收入【X2】与国旅游收入【Y】之间存在较强的正相关关系。
[3].公路里程数【X3】与国旅游收入【Y】之间的相关性分析。
由散点图可知,公路里程在某一年份区间增加得特别快,但总体来说,公路里程【X3】与国旅游总收入【Y】之间存在正相关关系。
[4].铁路营业里程数【X4】与国旅游收入【Y】之间的相关性分析。
由散点图可知,铁路营业里程【X4】与旅游总收入【Y】之间存在正相关关系。
[5].星级酒店总数【X5】与国旅游收入【Y】之间的相关性分析。
由散点图可知,星级酒店总数【X5】与国旅游总收入【Y】存在一定的正相关关系,但不是绝对的正相关。
(二)模型设定
根据以上描述分析的结果,初步建立如下模型:
Y=β1+β2X1+β3X2+β4X3+β5X4+β6X5+μ
其中,旅游总收入为Y,国旅游人数为X1,城镇居民可支配收入为X2,公路里程数为X3,铁路营业里程数为X4,星级饭店总数为X5。
表1:
1994-2013年国旅游收入及其相关数据如下
年份
旅游总收入(亿元)
国游客总人数(百万人)
城镇居民家庭均可支配收入(元)
公里里程(万公里)
铁路营业里程数(万公里)
星级饭店总数(个)
Y
X1
X2
X3
X4
X5
1994
1023.5
524
3496.2
111.78
5.9
2995
1995
1375.7
629
4283
115.7
6.24
3720
1996
1638.4
640
4838.9
118.58
6.49
4418
1997
2112.7
644
5160.3
122.64
6.6
5201
1998
2391.2
695
5425.1
127.85
6.64
5782
1999
2831.9
719
5854
.17
6.74
7035
2000
3175.5
744
6280
.98
6.87
10481
2001
3522.4
784
6859.6
169.8
7.01
7358
2002
3878.4
878
7702.8
176.52
7.19
8880
2003
3442.3
870
8472.2
7.3
9751
2004
4710.7
1102
9421.6
.07
7.44
10888
2005
5285.9
1212
10493
334.52
7.54
11828
2006
6229.7
1394
11759.5
345.7
7.71
12751
2007
7770.6
1610
13785.8
358.37
7.8
13583
2008
8749.3
1712
15780.8
373.02
7.97
14099
2009
10183.7
1902
17174.7
386.08
8.55
14237
2010
12579.8
2103
19109.4
400.82
9.12
13991
2011
19305.4
2641
21809.8
410.64
9.32
13513
2012
22706.2
2957
24564.7
423.75
9.76
12807
2013
26276.1
3262
26955
435.62
10.31
13293
数据来源:
中国统计年鉴(2014)
根据表1的数据,利用Eviews软件进行参数估计,结果如下:
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-12112.46
5645.548
-2.145488
0.0499
14.30274
2.577833
5.548357
0.0001
-0.664324
0.391312
-1.697686
0.1117
-14.67492
5.472413
-2.681619
0.0179
1592.342
994.8114
1.600647
0.1318
-0.056024
0.130289
-0.429993
0.6737
R-squared
0.994577
AdjustedR-squared
0.992640
由此,初步预测模型为:
Y=-12112.457+14.303*X1-0.664*X2-14.675*X3+1592.342*X4-0.*X5
四、模型的修正与检验
(一)多重共线性检验
由于R2较大且接近于1,而且F=513.477>
F0.05(5,14)=2.96,所以国旅游收入与上述解释变量间总体线性关系显著。
但由于t0.025(20-5-1)=2.145,不仅X2、X4、X5参数估计值未能通过t检验,而且符号的经济意义也不合理,这表明解释变量之间存在多重共线性。
于是做了解释变量之间的相关系数矩阵如下:
表2:
简单系数矩阵
1.00000
0.99515
0.91295
0.98150
0.76586
0.93380
0.98969
0.81133
0.91388
0.90932
0.82009
由矩阵结果可知,除了【X5】以外,各解释变量之间相关系数都很高,证实解释变量之间确实存在多重共线性问题。
现利用逐步回归法消除多重共线性问题。
第一步:
各解释变量与被解释变量分别做一元回归,结果如下:
表3:
一元回归
Y=-4274.2709312+8.*X1
R2=0.970176F=619.0666
Y=-3943.78531939+0.8*X2
R2=0.941549F=289.9509
Y=-5021.76139433+49.1136660416*X3
R2=0.706060F=43.23705
Y=-36851.616325+5811.29000984*X4
R2=0.926067F=225.4633
Y=-5191.256918+1.*X5
R2=0.457233F=15.16343
由上述回归发现【Y】与【X1】的回归具有最大的可决系数,可见,旅游收入受旅游人数的影响最大,与经验相符,因此选择【Y】与【X1】的回归模型为初始回归模型。
将其他解释变量分别导入初始回归模型,寻找最佳回归程。
表4:
逐步回归
R2
Y=f(X1)
-4274.271
8.685
0.970
t
(-7.765)
(-24.881)
Y=f(x1,x2)
-4377.141
18.333
-1.128
0.981
(-10.08)
-6.566
(-3.475)
Y=f(x1,x2,x3)
-3035.899
13.62340
-0.279423
-18.52854
0.994
(-7.849)
(6.722)
(-1.039)
(-5.012)
Y=f(x1,x2,x4)
-20507.52
19.775
-1.770
2824.407
0.972
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 影响 我国 旅游 收入 因素 分析 报告
![提示](https://static.bdocx.com/images/bang_tan.gif)