《影响中国国内旅游收入》由会员分享,可在线阅读,更多相关《影响中国国内旅游收入(14页珍藏版)》请在金锄头文库上搜索。
1、目录目录 影 响 中 国 国 内 旅 游 收 入 的 计 量 经 济 分 析 1 一 提出问题 1 二 理论分析 1 三 建立模型及其估计 1 四 修正多重共线性 4 五 消除多重共线性后的分析 6 六 检验模型的异方差 8 1 图形法 8 2 G Q 检验 8 3 White 检验 10 七 异方差的修正 11 八 解释及建议 13 参 考 文 献 13 1 影 响 中 国 国 内 旅 游 收 入 的 计 量 经 济 分 析影 响 中 国 国 内 旅 游 收 入 的 计 量 经 济 分 析 一 提出问题一 提出问题 据 2011 中国旅游市场趋势观察研究预测报告 预测 2015 年我国旅游业
2、 占国内生产总值比重 8 2020 年我国旅游业占国内生产总值比重 11 随着我 国旅游业继续保持较快增长态势 旅游业将成为我国国民经济重要产业 预计到 2020 年 全国旅游业增加值预计占全国服务业增加值的 12 以上 我国国内旅游业持续快速增长 旅游产业对社会经济作用的带动进一步加 强 旅游业作为我国国民经济新的增长点 在整个国民经济发展中的作用越亦显 著 旅游业逐渐成为全球新的经济发展方向 跨国旅游已成为一种趋势 旅游业 的未来前景将会很好 因此 研究和探讨我国国内旅游业发展的现状 趋势及对策 具有十分重要 的意义 为了更好的规划我国未来旅游业的发展 需要定量地分析影响我国旅游 业市场发
3、展的主要因素 为了研究其主要影响因素 需要建立计量经济模型 二 理论分析二 理论分析 分析了旅游业的发展 总结出影响中国国内旅游业增长的主要因素可能有以 下几种 1 旅行人次 旅游的人次数对于旅游业收入有很大的影响 旅游人数拉 动旅游业整体的发展 所以 可以把游客分为城镇居民与农村居民国内游客 2 游客的可支配收入 经济的快速发展及生活水平的提高使得食品支出 占总支出的比例减少 即恩格尔系数变小了 那么 消费者就有更多的剩余收入 投入到娱乐文化方面 以游客的划分方式 同时可以把收入分为城镇居民人均可 支配收入和农村居民人均纯收入 3 公路 铁路里程 方便的交通也加快了旅游业的发展 可分为铁路营
4、 业里程和公路里程 4 私人汽车 现在 经济的快速发展使得人们有能力采取自驾游的方式 私人载客汽车拥有量也影响着旅游收入 三 建立模型及其估计三 建立模型及其估计 经过上述的分析 总结出影响我国国内旅游业发展的主要因素有 城镇居民 国内游客 百万人次 1 X 农村居民国内游客 百万人次 2 X 城镇居民人均 可支配收入 元 3 X 农村居民人均纯收入 元 4 X 铁路营业里程 万公里 5 X 公路里程 万公里 6 X 私人载客汽车拥有量 万辆 7 X 为此设定如下形式的计 量经济模型 2 ttttttttt uXXXXXXXY 776655443322110 1 01 其中 t Y 第 t 年
5、国内旅游总花费 亿元 t u 模型的随机误差项 为估计模型 1 01 中的各个参数值 查找中国国内旅游业 1994 2012 年的 统计数据 数据如下表所示 表表 1 11994 2012 年中国国内旅游收入及相关数据年中国国内旅游收入及相关数据 年份 国内旅游 总花费 Y 亿元 城镇居 民国内 游客 1 X 百 万人次 农村居 民国内 游客 2 X 百 万人次 城镇居民 人均可支 配收入 3 X 元 农村居民人 均纯收入 4 X 元 铁路营业 里程 5 X 万公里 公路里程 6 X 万 公里 私人载客 汽车拥有 量 7 X 万 辆 1994 年1 023 512053193496 21221
6、5 9111 7878 62 1995 年1 375 7024638342831577 76 24115 7114 15 1996 年1 638 382563834838 91926 16 49118 58143 04 1997 年2 112 702593855160 32090 16 6122 64191 27 1998 年2 391 182504455425 121626 64127 85230 65 1999 年2 831 922844355854 022210 36 74135 17304 09 2000 年3 175 5432941562802253 46 87167 98365 0
7、9 2001 年3 522 373754096859 62366 47 01169 8469 85 2002 年3 878 363854937702 82475 67 19176 52623 76 2003 年3 442 273515198472 22622 27 3180 98845 87 2004 年4 710 714596439421 62936 47 44187 071 069 69 2005 年5 285 86496716104933254 97 54334 521 383 93 2006 年6 229 7057681811759 535877 71345 701 823 57 20
8、07 年7 770 6061299813785 84140 47 8358 372 316 91 2008 年8 749 307031 00915780 764760 627 97373 022 880 50 2009 年 10 183 7090399917174 655153 178 55386 083 808 33 2010 年 12 579 771 0651 03819109 45919 019 12400 824 989 50 2011 年 19 305 391 68795421809 86977 299 32410 646 237 50 2012 年 22 706 201 9331
9、02424564 77916 589 76423 757 637 87 2013 年 26 276 102 1861 07626955 1 8895 914510 31435 629 198 23 资源来源 中国统计年鉴 2014 利用 EViews 软件 生成 7654321 XXXXXXXYt 等数据 采用这 些数据对模型做 OLS 回归 结果如下图所示 3 图图 1 01 OLS 回归结果回归结果 由图 1 01 可知 该模型的可决系数 2 R 0 998719 调整可决系数 2 R 0 997972 的数值都很高 变量 2 X 3 X 4 X 5 X 6 X 7 X 的 t 值分别为
10、2 t 0 536143 3 t 0 47646 4 t 2 164398 5 t 0 45564 6 t 0 576929 7 t 0 696432 当 显 著 性 水 平 取05 0 时 1788 2 820 025 0 t 2 X 3 X 4 X 5 X 6 X 7 X 的系数 t 检验都不显著 且 3 X 5 X 6 X 7 X 的系数为负 与预期相反 这表明模型可能存在严重多重共 线性 查找各解释变量的相关系数 如下图所示 图图 1 02 各变量的相关系数矩阵各变量的相关系数矩阵 4 由相关系数矩阵可知 各解释变量之间有的相关系数较高 表明模型存在严 重多重共线性 但是 这较高的简单
11、相关系数只是多重共线性存在的充分性 而 非必要性 为了进一步检验存在多重共线性 做辅助回归 即将每个 X 变量都对其余 X 变量进行回归 表表 1 2辅助回归辅助回归 因变量 1 X 2 X 3 X 4 X 5 X 6 X 7 X 2 R 0 99423 5 0 98816 9 0 99984 99 0 99757 4 0 98783 5 0 96504 5 0 99426 6 方差膨 胀因子 173 44684 523666 187412 20682 20628 608174 391 经验表明 10 i VIF时 说明解释变量与其余解释变量之间有严重多重共线 性 且这种多重共线性可能会过度地
12、影响最小二乘估计 所以由表 1 2 可知 模 型存在严重多重共线性 四 修正多重共线性四 修正多重共线性 采用逐步回归的方法 去检验并解决多重共线性 1 分别作 Y 对 7654321 XXXXXXX 的一元回归分析 表表 1 3一元回归估计结果一元回归估计结果 变量 1 X 2 X 3 X 4 X 5 X 6 X 7 X 参数估计值12 3792121 197250 9949333 2938375811 28949 113652 663341 t 统计量65 490556 001489 17 0280925 8271315 015386 57548138 41814 p 值 0 00000
13、00000 00000 00000 00000 00000 0000 2 R 0 9958210 6667770 941550 9737240 9260660 706060 987951 2 R 0 9955890 6482650 9383030 9722640 9219590 689730 987282 由表 1 3 可知 当05 0 时 t 检验值 101 2 220 025 0 t 各估计的回 归系数的 t 检验都是显著的 其中 加入 1 X 的方程调整可决系数 2 R 最大 以 1 X 为基础 顺次加入其它解释变量逐步回归 2 以 1 X 为基础 顺次加入其它解释变量作逐步回归分析 表
14、表 1 4加入新变量的回归结果加入新变量的回归结果 变量 变量 1 X 2 X 3 X 4 X 5 X 6 X 7 X 2 R 5 1 X 2 X 11 63255 53 19642 1 97905 4 3249 11 0 99777 6 1 X 3 X 10 40277 22 12281 0 17034 8 4 3828 62 0 99780 7 1 X 4 X 9 372129 16 67139 0 82728 9 5 4690 17 0 99830 7 1 X 5 X 10 80435 22 02217 805 499 1 3 3726 97 0 99720 2 1 X 6 X 11 6
15、7890 43 48632 4 02722 5 3 1825 67 0 99707 3 1 X 7 X 8 886522 7 654010 0 76138 5 3 0360 23 0 99697 1 由表 1 4 可知 当05 0 时 t 检验值 1098 2 320 025 0 t 各估计的回 归系数的 t 检验都是显著的 新加入的变量 4 X的方程调整可决系数 2 R 最大 改 进最大 所以 选择保留 4 X 将其加入到下一步的回归估计中 3 以 1 X 4 X为基础 顺次加入其余变量作逐步回归分析 表表 1 5 加入新变量的回归结果加入新变量的回归结果 变量 变量 1 X 2 X 3 X
16、 4 X 5 X 6 X 7 X 2 R 2 4 1 X X X 9 105946 8 031284 0 2964 63 0 2729 12 0 93129 1 2 2625 54 0 99821 0 3 4 1 X X X 8 862914 11 86283 0 1304 63 1 0322 26 1 38381 5 2 4715 79 0 99831 4 6 5 4 1 X X X 9 110395 14 76181 1 11483 9 3 4894 66 400 72 55 1 0214 54 0 99831 2 6 4 1 X X X 8 949363 11 27001 1 00948 7 3 5601 59 1 3772 47 0 7635 18 0 99826 5 7 4 1 X X X 9 750899 10 61616 0 93683 1 3 6232 80 0 1693 68 0 5285 17 0 99823 2 当05 0 时 t 检验值 1199 2 420 025 0 t 当加入 3 X 时 调整可决系 数 2 R 最大 但是 其参数的 t 检验不显著 甚至