计量经济学我国旅游业发展影响因素实证分析.docx

计量经济学我国旅游业发展影响因素实证分析.docx

《计量经济学我国旅游业发展影响因素实证分析.docx》由会员分享，可在线阅读，更多相关《计量经济学我国旅游业发展影响因素实证分析.docx（32页珍藏版）》请在冰豆网上搜索。

计量经济学我国旅游业发展影响因素实证分析

吉林财经大学统计学院

2013-2014学年第一学期课程论文

我国旅游业发展影响因素实证分析

课程名称：

计量经济学

专业班级：

学号：

姓名：

指导老师：

一、引言

中国幅员辽阔，拥有五千年灿烂文明的历史和各具特色的秀丽山川，构成了异常丰富的旅游资源，对国内外游客都有着强大的吸引力，为旅游业提供了良好的发展基础。

旅游业一直被誉为“朝阳经济”、“无烟产业”，它作为一个具有巨大发展潜力的产业群体，在21世纪经济发展中一枝独秀，在国民经济中的地位日益重要，经济影响越来越被各国重视，成为推动社会经济发展的重要因素。

1998年，旅游业与经济产业和房地产业一起被确定为我国国民经济新的经济增长点，受到各级地方政府普遍重视。

2009年，国务院提出“把旅游业培育成国民经济的战略性支柱产业和人民群众更加满意的现代服务业”的发展战略目标，更赋予了旅游业“国计民生”的战略高端地位。

旅游业是一个关联带动性很强的综合性产业，对相关产业的带动，对经济结构的改善等都具有十分重要的作用，具体表现在增加外汇收入、加快货币回笼、扩大就业机会、带动相关产业、积累建设资金和促进贫困地区脱贫等。

除此之外，发展旅游业对一个国家或地区的社会、文化、环境也具有积极的作用和影响。

在当前经济形势比较严峻，外需不振和内需不足的情况下，旅游业的发展，尤其是国内旅游，对于扩大内需、调整产业结构和促进经济增长具有重要的经济意义。

因此，本文将我国旅游业发展作为研究对象，以经济学、统计学理论为指导，运用计量经济研究方法，通过相关模型的设定分析，量化研究我国旅游业的发展态势，分析各省市地区旅游业发展的影响因素，明晰旅游业增长原因，为实现中国城市和区域旅游业协调发展及旅游业经济管理决策提供政策建议和理论参考。

二、定性分析

（一）我国旅游业发展现状

随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。

旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。

尤其是假日旅游，有力刺激了居民消费而拉动内需。

2012年，我国全年国内旅游人数达到30.0亿人次，同比增长13.6%，国内旅游收入2.3万亿元，同比增长19.1%。

旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化了产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。

旅游收入不仅直接反映国家或地区旅游经济的运行状况，也是衡量旅游经济活动及效果的一个重要综合指标，更是国家或地区经济发达与否的重要标志之一。

本文通过计量经济模型来分析影响旅游景区收入增长的主要原因，探究旅游收入增长规律，为相关部门和机构提供量化数据，为其制定相关政策、规划、战略提供理论支持，使我国旅游业实现更好、更快、可持续的发展，在不断满足广大居民物质文化及精神需求的同时，提高旅游经济效益，拉动国民经济增长。

（二）旅游业发展影响因素分析

在旅游影响因素研究方面，多数学者采用回归分析来比较各指标与旅游收入的不同相关程度。

余慧颖、徐蕾（2010）使用旅游投资效率进行分析，即旅游投资引起旅游收入的变化情况。

方相林、张晓燕（2010）通过突发事件、A级以上景区数量、旅客周转量、星级饭店等指标对旅游业发展情况影响程度进行分析。

卢江勇、张玉梅、过建春（2005）对旅游总收入和实际开房数、从业人数、接待人数进行相关分析和回归分析。

从全国角度来看，关于影响旅游业发展主要因素的文献，多分为国际和国内两方面来选取指标。

一般而言，旅游收入可以反映一国或地区旅游发展的状况，故多选取旅游收入为自变量来衡量旅游业发展水平。

影响旅游业收入的因素很多，如政策、消费者收入、交通条件、宣传力度、服务水平、从业人员等，根据实际研究情况选定分析。

（三）指标体系建立

依照以往学者分析，将影响旅游业发展因素分为国内和国际两个方面。

因此引入城镇居民可支配收入和旅游外汇收入两个指标分析国内外不同的因素对旅游业发展的影响。

旅游业很大程度上受其自身产业规模的发展水平影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数两个指标对其说明。

本文选取我国31个省市地区的2011年的旅游业相关数据和四个指标构成的指标体系运用多元回归模型进行定量分析旅游业发展的影响因素。

三、实证分析

（一）模型设定

根据以上的分析，建立以下模型

Y=β

+β1X

+β2X

+β

X

+β

X

+Ut

参数说明：

Y——旅游景区营业收入/万元

X

——旅游业从业人员/人

X

——旅游景区固定资产/万元

X

——旅游外汇收入/万美元

X

——城镇居民可支配收入/元

收集到的数据如下（见表2.1）：

表2.12011年全国旅游景区营业收入及相关数据（按地区分）

地区

营业收入

从业人数

固定资产

外汇收入

可支配收入

北京

145249.01

145466

694252.30

541600

32903.03

天津

48712.37

24787

93529.67

175553

26920.86

河北

182226.87

79643

420342.74

44765

18292.23

山西

29465.03

57719

121809.74

56719

18123.87

内蒙古

70313.07

36264

206819.12

67097

20407.57

辽宁

25665.30

64816

46573.27

271314

20466.84

吉林

20389.30

29066

87827.16

38528

17796.57

黑龙江

38367.81

30341

137426.27

91762

15696.18

上海

194762.30

91106

563007.44

575118

36230.48

江苏

316051.65

140154

1195000.60

565297

26340.73

浙江

385976.92

132459

1110975.20

454173

30970.68

安徽

79562.75

55840

139769.02

117918

18606.13

福建

155378.95

80303

151897.69

363444

24907.40

江西

54961.66

41791

85528.05

41500

17494.87

山东

116995.67

143026

327733.29

255076

22791.84

河南

222108.33

70164

482005.32

54903

18194.80

湖北

104565.58

62767

243794.62

94018

18373.87

湖南

118180.87

80615

257226.70

101434

18844.05

广东

476345.50

226539

1160675.4

1390619

26897.48

广西

66195.55

49876

143982.03

105188

18854.06

海南

29081.60

30759

70386.55

37615

18368.95

重庆

86713.67

50160

230124.00

96806

20249.70

四川

218624.03

70756

464763.52

59383

17899.12

贵州

42214.14

27683

62415.21

13507

16495.01

云南

135897.97

62679

348426.04

160861

18575.62

西藏

30406.73

6023

462971.03

12963

16195.56

陕西

48692.17

57077

154529.19

129505

18245.23

甘肃

30949.00

31280

56684.68

1740

14988.68

青海

638.43

8741

9851.28

2659

15603.31

宁夏

49509.86

12196

123149.90

620

17578.92

新疆

28993.11

40451

52280.36

46519

15513.62

数据来源：

1.中国统计年鉴2012，

2.中国旅游年鉴2012。

（二）参数估计

利用Eviews6.0估计模型参数，最小二乘法的回归结果如下：

表3.1最小二乘法回归结果

DependentVariable:

Y

Method:

LeastSquares

Date:

11/14/13Time:

21:

14

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.?

?

C

32390.83

39569.49

0.818581

0.4205

X1

0.603624

0.366112

1.648741

0.1112

X2

0.234265

0.041218

5.683583

0.0000

X3

0.044632

0.060755

0.734620

0.4691

X4

-1.914034

2.098257

-0.912202

0.3700

R-squared

0.879720

?

?

?

?

Meandependentvar

114619.2

AdjustedR-squared

0.861215

?

?

?

?

S.D.dependentvar

112728.1

S.E.ofregression

41995.55

?

?

?

?

Akaikeinfocriterion

24.27520

Sumsquaredresid

4.59E+10

?

?

?

?

Schwarzcriterion

24.50649

Loglikelihood

-371.2657

?

?

?

?

Hannan-Quinncriter.

24.35060

F-statistic

47.54049

?

?

?

?

Durbin-Watsonstat

2.007191

Prob（F-statistic）

0.000000

根据表中的样本数据，模型估计结果为

=32390.83+0.603624X

+0.234265X

+0.044632X

-1.914034X

（39569.49）（0.366112）（0.041218）（0.060755）（2.098257）

t=（0.818581）（1.648741）（5.683583）（0.734620）（-0.912202）

R2=0.879720

=0.861215F=47.54049DW=2.007191

可以看出，可决系数R2=0.879720，修正的可决系数

=0.861215。

说明模型的拟合程度还可以。

但是当α=0.05时，X

、X

、X

系数均不能通过检验，且X

的系数为负，与经济意义不符，表明模型很可能存在严重的多重共线性。

（三）模型修正

1．多重共线性的检验与修正

（1）多重共线性的检验

计算各个解释变量的相关系数，得到相关系数矩阵。

表4.1相关系数矩阵

变量

X1

X2

X3

X4

X1

1.000000

0.809777

0.872093

0.659239

X2

0.809777

1.000000

0.758322

0.641086

X3

0.872093

0.758322

1.000000

0.716374

X4

0.659239

0.641086

0.716374

1.000000

由相关系数矩阵可以看出，解释变量X2、X3之间存在较高的相关系数，证实确实存在严重的多重共线性。

（2）多重共线性的修正

采用逐步回归的办法，检验和回归多重共线性问题。

分别作Y对X1、X2、X3、X4的一元回归，结果如表所示。

表4.2一元回归结果

变量

X1

X2

X3

X4

参数估计值

1.978224

0.315120

0.316946

12.54525

t统计量

8.635111

12.47495

6.922479

4.005547

R2

0.719983

0.842924

0.622988

0.356191

0.710327

0.837508

0.609988

0.333991

其中，X2的方程

最大，以X2为基础，顺次加入其它变量逐步回归。

结果如表所示。

表4.3加入新变量的回归结果

（一）

变量

变量

X1

X2

X3

X4

X2，X1

0.711446（2.679575）

0.230304（5.891959）

0.866053

X2，X3

0.258113（7.016265）

0.087950（2.043471）

0.853546

X2，X4

0.312045（9.319239）

0.293708（0.143226）

0.831828

经比较，新加入X1的方程

=0.866053，改进最大，而且各参数的t检验显着，选择保留X1，再加入其它新变量逐步回归，结果如表所示。

表4.4加入新变量的回归结果

（二）

变量

变量

X1

X2

X3

X4

X2，X1，X3

0.603269（1.652919）

0.227087（5.630196）

0.024860（0.439370）

0.862078

X2，X1，X4

0.773017（2.741794）

0.237243（5.833838）

-1.364110（-0.701920）

0.863581

当加入X3或X4时，

均没有增加，且其参数t检验不显着。

从相关系数可以看出X3、X4与X1、X2之间相关系数较高，这说明X3、X4引起了多重共线性，予以剔除。

当取α=0.05时，tα/2（n-k-1）=2.048，X1、X2的系数t检验均显着，这是最后消除多重共线性的结果。

修正多重共线性影响后的模型为

=0.711446X

+0.230304X

（0.265507）（0.039088）

t=（2.679575）（5.891959）

R2=0.874983

=0.866053F=97.98460DW=1.893654

在确定模型以后，进行参数估计

表4.5消除多重共线性后的回归结果

DependentVariable:

Y

Method:

LeastSquares

Date:

11/14/13Time:

21:

47

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.?

?

C

-4316.824

12795.42

-0.337373

0.7384

X1

0.711446

0.265507

2.679575

0.0122

X2

0.230304

0.039088

5.891959

0.0000

R-squared

0.874983

?

?

?

?

Meandependentvar

114619.2

AdjustedR-squared

0.866053

?

?

?

?

S.D.dependentvar

112728.1

S.E.ofregression

41257.10

?

?

?

?

Akaikeinfocriterion

24.18480

Sumsquaredresid

4.77E+10

?

?

?

?

Schwarzcriterion

24.32357

Loglikelihood

-371.8644

?

?

?

?

Hannan-Quinncriter.

24.23004

F-statistic

97.98460

?

?

?

?

Durbin-Watsonstat

1.893654

Prob（F-statistic）

0.000000

2.异方差检验

在实际的经济问题中经常会出现异方差这种现象，因此建立模型时，必须要注意异方差的检验，否则，可能在实际中会失去意义。

（1）检验异方差

表5.1White检验结果

HeteroskedasticityTest:

White

F-statistic

3.676733

?

?

?

?

Prob.F（5,25）

0.0125

Obs*R-squared

13.13613

?

?

?

?

Prob.Chi-Square（5）

0.0221

ScaledexplainedSS

15.97891

?

?

?

?

Prob.Chi-Square（5）

0.0069

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

11/14/13Time:

21:

48

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.?

?

C

-1.10E+09

1.11E+09

-0.992779

0.3303

X1

-12789.36

30151.30

-0.424173

0.6751

X1^2

0.420716

0.294332

1.429393

0.1653

X1*X2

-0.101814

0.083576

-1.218216

0.2345

X2

14604.52

5047.701

2.893301

0.0078

X2^2

-0.002489

0.008030

-0.309972

0.7592

R-squared

0.423746

?

?

?

?

Meandependentvar

1.54E+09

AdjustedR-squared

0.308495

?

?

?

?

S.D.dependentvar

2.70E+09

S.E.ofregression

2.24E+09

?

?

?

?

Akaikeinfocriterion

46.07313

Sumsquaredresid

1.26E+20

?

?

?

?

Schwarzcriterion

46.35068

Loglikelihood

-708.1335

?

?

?

?

Hannan-Quinncriter.

46.16360

F-statistic

3.676733

?

?

?

?

Durbin-Watsonstat

1.542170

Prob（F-statistic）

0.012464

从上表可以看出，nR

=13.13613，由White检验可知，在α=0.05下，查

分布表，得临界值χ

（5）=11.0705,比较计算的

统计量与临界值，因为nR

=13.13613>χ

（5）=11.0705,所以拒绝原假设，表明模型存在异方差。

（2）用WLS估计对异方差的修正

选择w=1/e1^2,其中e1=resid。

表5.2用权数1/e1^2的回归结果

DependentVariable:

Y

Method:

LeastSquares

Date:

11/14/13Time:

21:

49

Sample:

131

Includedobservations:

31

Weightingseries:

1/E1^2

Coefficient

Std.Error

t-Statistic

Prob.?

?

C

-7074.873

389.4944

-18.16425

0.0000

X1

0.788277

0.013692

57.57099

0.0000

X2

0.235806

0.000968

243.6786

0.0000

WeightedStatistics

R-squared

0.999848

?

?

?

?

Meandependentvar

31056.56

AdjustedR-squared

0.999837

?

?

?

?

S.D.dependentvar

171821.4

S.E.ofregression

4.259384

?

?

?

?

Akaikeinfocriterion

5.827892

Sumsquaredresid

507.9857

?

?

?

?

Schwarzcriterion

5.966665

Loglikelihood

-87.33232

?

?

?

?

Hannan-Quinncriter.

5.873128

F-statistic

92014.78

?

?

?

?

Durbin-Watsonstat

1.663366

Prob（F-statistic）

0.000000

UnweightedStatistics

R-squared

0.871469

?

?

?

?

Meandependentvar

114619.2

AdjustedR-squared

0.862288

?

?

?

?

S.D