《影响我国旅游收入的因素分析10页》由会员分享，可在线阅读，更多相关《影响我国旅游收入的因素分析10页（10页珍藏版）》请在金锄头文库上搜索。
1、影响我国旅游收入的因素分析学院：经济学院年级：2014级专业：经济统计学学号：2014103025姓名：雷丹【摘要】旅游业作为我国国民经济的重要产业之一，在我国经济发展中起到了重要的作用。为了促进旅游业更好的发展，需要研究影响旅游业发展的因素。本文基于1994-2014年的数据，运动Eviews软件，从影响国内旅游收入的因素中选择国内旅游总人数、城镇居民家庭可支配收入、公路里程数、铁路营业里程数以及星级酒店总数建立回归模型，利用逐步回归法消除模型的多重共线性并进行异方差和自相关性的检验，最终建立科学合理的回归模型，做出相应的政策建议。一、 引言改革开放以来，我国的经济社会持续快速发展，人均可支
2、配收入明显提高，居民的闲暇时间大量增多，在保证物质生活的质量的同时，人们开始重视精神生活，外出旅游成为人们享受生活的主要方式。尤其是20世纪90年代以来，我国国内旅游收入增长率高达14.6%，远远高于GDP增长水平。如图1是1994-2013年我国国内旅游收入的走势图。因此，为了规划中国未来旅游收入的发展，充分利用旅游业发展国民经济，使旅游业在国民经济发展中扮演越来越重要的角色。图1:1994-2013年国内旅游收入（数据来源：中国统计年鉴2014）二、 国内旅游因素的影响收入及数据选取影响旅游收入的因素有很多，例如季节不同往往旅游人数、旅游收入不同，距离远近也会影响旅游业的发展，往往人们偏好
3、于方便并且距离较近的旅游景点；再者，景点环境、景区类型也会影响旅游发展。综合现有研究文献和相关数据收集，本文按照建模和数据收集的难易程度将当前影响中国旅游收入的因素分为以下几个方面：一是游客总人数。国内旅游人数是衡量一个国家或地区旅游业发展水平的重要指标之一，旅游人数是刺激旅游收入增长最直接的因素之一，只有具备了庞大的消费人群，经济收入才会不断增加。二是城镇居民人均可支配收入。查阅相关数据可知，旅游人数中大部分是城镇居民，因此本文不直接采用居民人均可支配收入指标而采用城镇居民人均可支配收入来研究其对旅游收入的影响。三是交通状况。通常交通状况好的地方越能吸引游客，营业里程越远路费越高，给铁路局和
4、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内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) 描述分析本文将国内旅游收入作为被解释变量，国内旅游人数、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. 国内
5、游客总人数【X1】与国内旅游收入【Y】之间的相关性分析。由散点图可知，国内游客总人数【X1】与国内旅游收入【Y】之间存在正相关关系。2. 城镇居民可支配收入【X2】与国内旅游收入【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】与国内旅游收入【Y】之间存在较强的正相关关系。3. 公路里程数【X3】与国内旅游收入【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】与国内旅游总收入【Y】之间存在正相关关系。4. 铁路营业里程数【X4】与国内旅游收入【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
6、关关系。5. 星级酒店总数【X5】与国内旅游收入【Y】之间的相关性分析。由散点图可知，星级酒店总数【X5】与国内旅游总收入【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=1+2X1+3 X 2+4 X 3+5 X 4+6X5+其中，旅游总收入为Y，国内旅游人数为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年国内旅游收入及其相关数据如下年份旅游总收入（亿元）国内游客总人数（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
7、(个)YX1X2X3X4X519941023.55243496.2111.785.9299519951375.76294283115.76.24372019961638.46404838.9118.586.49441819972112.76445160.3122.646.6520119982391.26955425.1127.856.64578219992831.97195854135.176.74703520003175.57446280167.986.871048120013522.47846859.6169.87.01735820023878.48787702.8176.527.1988
8、8020033442.38708472.2180.987.3975120044710.711029421.6187.077.441088820055285.9121210493334.527.541182820066229.7139411759.5345.77.711275120077770.6161013785.8358.377.81358320088749.3171215780.8373.027.9714099200910183.7190217174.7386.088.5514237201012579.8210319109.4400.829.1213991201119305.4264121
9、809.8410.649.3213513201222706.2295724564.7423.759.7612807201326276.1326226955435.6210.3113293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：VariableCoefficientStd. Errort-StatisticProb.C-12112.465645.548-2.1454880.0499X114.302742.5778335.5483570.0001X2-0.6643240.391312-1.6976860.1117X3-14.674925.472
10、413-2.6816190.0179X41592.342994.81141.6006470.1318X5-0.0560240.130289-0.4299930.6737R-squared0.994577Adjusted R-squared0.992640由此，初步预测模型为：Y = -12112.457 + 14.303*X1 - 0.664*X2 - 14.675*X3 + 1592.342*X4 - 0.056*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, 所以国内旅游收入与上述解释变量间总体线性
11、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X1X2X3X4X5X11.00000 0.99515 0.91295 0.98150 0.76586 X20.99515 1.00000 0.93380 0.98969 0.81133 X30.91295 0.93380 1.00000 0.91388 0.90932 X40.98150 0.98969 0.91388 1.00000 0.82009 X50
12、.76586 0.81133 0.90932 0.82009 1.00000 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X1Y = -4274.2709312 + 8.68458362164*X1R2= 0.970176 F= 619.0666 X2Y = -3943.78531939 + 0.994933857478*X2R2= 0.941549 F= 289.9509X3Y = -5021.76139433 + 49.113
13、6660416*X3R2= 0.706060 F= 43.23705X4Y = -36851.616325 + 5811.29000984*X4R2= 0.926067 F= 225.4633X5Y = -5191.256918 + 1.28687885398*X5R2= 0.457233 F= 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，寻找最佳回归方程。表4：逐步回归CX1X2X3X4X5R2Y=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 t（-10.08）-6.566 （-3.475）Y=f(x1,x2，x3)-3035.899 13.62340 -0.279423-18.52854 0.994 t（-7.849）（6.722）（-1.039）
