我国国内旅游需求影响因素的计量经济学分析(同名13815)

我国国内旅游需求影响因素的计量经济学分析(同名13815)

我国国内旅游需求影响因素的计量经济学分析

11市场营销 1102027021 李小云

随着我国经济的快速发展，第三产业不断的扩大而逐步成为我国GDP增长的重要因素，近年来由于国际政治经济文化的交流日益频繁，我国国民课支配收入增多，闲暇时间增多，越来越多的人通过旅游来充实自己，旅游业的发展逐渐达到高峰。

（一）旅游行业概况

我国的旅游业较长期的保持7%年均增长率，已经成为国民经济新的经济增长点，旅游业带动了相关产业和社会经济的全面发展，已经成为我国经济发展的支柱性产业之一。旅游业是一个关联性很强的综合产业，一次完整的旅游包括吃、住、行、购、娱六大要素，所以旅游产业可以直接或间接的推动第三产业、第二产业和第一产业的发展。旅游产业也是一个形象产业。旅游业的开展为旅游目的地与客源地的相互交流搭建了一个平台，旅客会从旅游的过程产生对旅游目的地的综合印象，旅游目的地在这个过程中向游客展示地区的整体形象。旅游业推动旅游城市经济的增长和相关产业的发展，提供社会就业机会，促进社会文化与生态环境的改善，加强地区的交流和互动，促进人口素质的提高，所以说旅游业的一项对地区的经济，文化，环境有重要推动意义的产业。 （二）我国旅游业市场的存在的问题

1、旅游设施和基础设施落后，国家投资少。

由于财政困难，我国对旅游设施的资金投入少，基本上是贯彻“以旅游养旅游”的方针。有些对方交通不便，严重制约了其旅游业的发展。

2、 旅游设施不配套，服务质量差。

旅游包括住、吃、行、游、娱、购六要素。我国对于上述旅游服务设施仅有少量直接投资，以至于服务设施不配套，且其他旅游配套设施项目比重也很小，投资十分有限。对于景点建设，除国家制定的度假区外，外资不能插足，因而景点设施落后，卫生条件不容乐观。

3、 旅游经营服务中诚信危机的现象比较突出

虽然法制建设取得了较大进展，但不容回避的是旅游行业依然存在恶性竞争等不和谐因素，如何营造诚信公平的经营环境和消费环境，不仅在乎整个旅游行业形象的改善，更关系到旅游业的长远发展。

4、 旅游产品设计层次低

我国观光产品在国际市场还处于初级开放水平，高质量的观光旅游产品应突出旅客的参与性、娱乐讯、知识性和享受性，这几方面在我国观光旅游产品开放中没有得到充分体现。

5、我国旅游市场长期受到国家高度保护，一直处于封闭状态，由于旅游业是一个投资少、利润高、创汇多的行业，国家以垄断手段实行保护，如对作为旅游业龙头的旅行社不准投资染指，一直未运行外资以中外合资和外方独资方式经营，导致旅游市场迄今为止仍处于封闭状态。众所周知，要想发展国际旅游业，关键在于客源，客源是发展旅游业的基础，而客源主要依赖旅行社想方设法去组织。目前，我国主要经营旅游业务的国际旅行社，在世界范围内既缺少网络，实力又单薄，以致统而不活。

（三）旅游影响因素的多样性决定了研究角度的多样性。

当前旅游影响因素研究主要从三个不同的角度展开。第一个角度是旅游目

的地，另一个角度是旅游客源地，还有从旅游者本身的人口统计学特征角度开展研究。一些学者还认为影响旅游需求的因素有国内经济发展水平，人民生活水平，旅游休闲时间，人口特征，交通条件，价格因素等。他们认为随着国民经济的稳定快速发展，人民生活水平的日益提高，国家假日制度的改革等带来的我国居民可支配收入和闲暇时间的增多，以及旅游相关设施的进一步完善，这些因素都向着有利于国内旅游的法相发展，也必将给我国国内旅游带来新一轮的发展机会。

（四）影响国内旅游需求的主要方面

1、旅游消费支出,这是人民可支配收入相关的,只要在可支配收入充分的条件下,人们才会考虑出游。

2、国内生产总值，代表了一个国家居民的生活水平在哪个档次，决定他们的消费状况，其中就包括旅游的支出。

3、选取些突出的影响因素进行分析，得出其对旅游需求的影响程度。

一、模型的建立 根据分析，旅游影响因素主要包括旅游者可支配收入、出游的偏好和动机、旅游产品的价格、非旅游消费品的价格、闲暇时间、旅游客源地与旅游目的地之间的距离，旅游地的安全状况和旅游地的形象等等。 （一）模型设定

综合上述因素和变量的可观测性，我们建立一个多元线性回归模型： y=b0+b1x1+b2x2+b3x3+b4x4 +u

其中：b0,b1,b2,b3,b4,回归系数；u为随机扰动项

旅游消国内生旅游人公路里铁路里费支出产总值数（百万程（万公程（万公

年份

（元） （亿元） 人） 里） 里） （Ｙ） （Ｘ１） （Ｘ２） （Ｘ３） （Ｘ４）

1997 170 18667.8 280 102.83 5.78 1998 200 21781.5 300 104.11 5.78 1999 250 26923.5 330 105.67 5.81 2000 864 35333.9 410 108.35 5.86 2001 1023.5 48197.9 524 111.78 5.90 2002 1375.7 60793.7 629 115.70 5.97 2003 1638.4 71176.6 640 118.58 6.49 2004 2112.7 78973.0 644 122.64 6.60 2005 2391.2 84402.3 695 127.85 6.64 2006 2831.9 89677.1 719 135.17 6.74 2007 3175.5 99214.6 744 140.27 6.87 2008 3522.4 109655.2 784 169.80 7.01 2009 3878.4 120332.7 878 176.52 7.19 2010 3442.3 135822.8 870 180.98 7.30 2011 4710.7 159878.3 1102 187.07 7.44 2012 5285.9 183084.8 1212 193.05 7.54

（二）估计参数与模型检验

1、直接对模型进行OLS法估计，结果如下：

Dependent Variable: Y Method: Least Squares Date: 13/12/8 Time: 15:07 Sample: 1997 2012 Included observations: 16 Variable

C X1 X2 X3 X4 R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficien

t -8874.219 -0.013287 4.446964 10.24651 1203.936 2944.086 0.017421 2.087043 8.131735 474.1852 -3.014252 -0.762712 2.130748 1.260065 2.538958 0.0118 0.4617 0.0565 0.2337 0.0275 Std. Error

t-Statistic

Prob.

0.984209 Mean dependent var 2304.537 0.978467 S.D. dependent var 1617.467 237.3494 Akaike info criterion 14.02725 619682.0 Schwarz criterion -107.2180 F-statistic 1.331297 Prob(F-statistic) 14.26868 171.4011 0.000000 2、多重共线性检验 （1）分析：由上表我们看到解释变量x1和x3的t值不显著，而可决系数R和F统计量显著，说明极有可能存在多重共线性。 计算解释变量之间的简单相关系数，结果如下：

X4 X3 X2 X1

X4 1.000000 0.952365 0.946604 0.972967

X3 0.952365 1.000000 0.925342 0.959271

X2 0.946604 0.925342 1.000000 0.989347

X1 0.972967 0.959271 0.989347 1.000000

由表可以看出，解释变量之间存在严重的多重共线性。 （2）多重共线性修正：采用剔除法 剔除x1后得到结果如下表

Dependent Variable: Y Method: Least Squares Date: 13/12/8 Time: 15:14 Sample: 1997 2012 Included observations: 16

Variable

C X2 X3 X4

R-squared

Coefficien

t -7053.118 2.955577 6.364507 990.4047

1692.124 0.716734 6.230386 375.9872

-4.168203 4.123674 1.021527 2.634145

0.0013 0.0014 0.3272 0.0218

Std. Error

t-Statistic

Prob.

0.983374 Mean dependent var 2304.537

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Dependent Variable: Y

0.979218 S.D. dependent var 1617.467 233.1762 Akaike info criterion 13.95378 652453.6 Schwarz criterion -107.6303 F-statistic 1.437107 Prob(F-statistic)

14.14693 236.5873 0.000000

剔除x3后得到结果如下表 Method: Least Squares Date: 13/12/8 Time: 15:16 Sample: 1997 2012 Included observations: 16 Variable

C X2 X4 R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficien

t -7872.113 3.133029 1230.575 1492.628 0.696527 293.9021 -5.273995 4.498072 4.187022 0.0002 0.0006 0.0011 Std. Error

t-Statistic

Prob.

0.981928 Mean dependent var 2304.537 0.979148 S.D. dependent var 1617.467 233.5661 Akaike info criterion 13.91217 709190.8 Schwarz criterion -108.2973 F-statistic 1.394298 Prob(F-statistic) 14.05703 353.1769 0.000000 回归方程为： Y=-7872.113+3.133029X2+1230.575X4 t=-5.273995 4.498072 4.187022

R2=353.1769 Adjusted R-squared=0.979148 F=353.1769

３、显著性检验：

（１）对于b2，t统计量为4.498072。给定α=0.05，查t分布表，在自由度为n-3=13下，得临界值t0.025(13)=2.160因为t>t0.025(13)，所以拒绝原假设H0: b2=0，表明旅游人数对旅游消费支出有显著性影响；

（２）对于b4，t统计量为4.187022。给定α=0.05，查t分布表，在自由度为n-3=13下，得临界值t0.025(13)= 2.160因为t>t0.025(13)，所以拒绝原假设H0: b4=0，表明铁路里程对旅游消费支出有显著性影响。

（３）显著性水平为0.05的时候，对于F=353.1769>F(2,13)=3.81，表明模型从整体上看旅游人数和铁路里程联合对旅游消费支出有显著影响。 4、异方差检验： 采用White检验法

White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation:

Dependent Variable: RESID^2

0.771228 Probability 4.452772 Probability 0.591511 0.486227 Method: Least Squares Date:13/12/8 Time: 15:23 Sample: 1997 2012 Included observations: 16 Variable

C X2 X2^2 X2*X4 X4 X4^2 R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficien

t 329576.7 550.1405 -0.254245 -60.46148 -225015.5 28314.62 10200109 11621.69 3.326622 2482.328 4263097. 451806.8 0.032311 0.047337 -0.076427 -0.024357 -0.052782 0.062670 0.9749 0.9632 0.9406 0.9810 0.9589 0.9513 Std. Error

t-Statistic

Prob.

0.278298 Mean dependent var 44324.42 -0.082553 S.D. dependent var 66211.77 68890.56 Akaike info criterion 25.39842 4.75E+10 Schwarz criterion -197.1874 F-statistic 2.429741 Prob(F-statistic) 25.68814 0.771228 0.591511 Obs*R-squared=4.252772,在α=0.05下的临界值χ2=5.9915，同时旅游人数和铁路里程的t检验值也显著，因为Obs*R-squared=4.252772<χ2=5.9915，所以接受原假设，表明模型不存在异方差。

二、结论与各因素分析

众所周知，旅游业是一个“无烟工业”，并具有投资少，收效快，利润高的优点。近些年随着人们可支配收入的增加，他们对旅游业收入的贡献越来越大，这已经成为拉动GDP增长的一个重要因素，所以政府要大力扶持旅游业，制定利于旅游业发展的相关税收政策，在财政方面有所倾斜采取鼓励人们外出旅游等一些了相应措施。

交通费对旅游业收入是存在影响的，因为它是人们在外出旅游前考虑的重要因素之一，交通业是相关产业，联系比较紧密。

游客人数也直接影响到旅游业的收入，所以要尽力扩大市场，采取积极有效的措施吸引更多的人成为这种非必需品的消费者。

旅游价格是和可支配收入呈正比的，只有在可支配收入在允许范围内时，旅游的价格才能最大的被消费者接受，两者呈正相关性。

旅游行业的服务人员也是影响需求的重要因素，相关人员与设施的配备能使人们越来越喜欢去旅游，能带动旅游业的发展。

鉴于这些影响我国旅游需求的因素，我想提出几点建议：

1、政府要加大致力于完善交通的力度，提高车辆上的环境以及服务水平，减少乘客不必要负担。

2、政府应该在农村、特殊人群中推行优惠政策来普及消费，缩小城乡旅游消费的差距。

3、政府应加大旅游事业的发展力度，而且应该密切关注与旅游事业相关的产

业的发展情况。

4、我国应加快经济建设，以经济增长带动旅游消费的增长。从模型中可看到国民经济的变化与旅游需求呈同步变化，且国民经济的增长会带动旅游者可支配收入的增长，最终刺激旅游消费的增加。