《论我国旅游收入计量分析》由会员分享，可在线阅读，更多相关《论我国旅游收入计量分析（9页珍藏版）》请在金锄头文库上搜索。
1、-计量论文 我国旅游收入的计量分析一、 经济理论述在研读了大量统计和计量资料的根底上，选择了三个大方面进展研究，既包括旅游人数，人均旅游花费和根本交通建立。其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的开展，越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有开展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽一样，但从国际效劳贸易的角度出发，我们在做变量选择时，运用国际营销的知识进展市场细分，划分了国际和国两个市场。这样，在旅游人数这个解释变量的最终确定上，我们选择了国旅游人数，入境旅游人数。这点选择除了理论支持外，在现实旅游业开展中我们也看到
2、很多景区包括的近郊也有不少外国游客的身影。所以，我们选取这两个解释变量等待下一步进展模型设计和检验。另外，对于人均旅游花费，我们在进展市场细分时，没有延续前两个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比拟权威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农业有了长足开展。农村居民纯收入增加，用于旅游的花费也有所上升。而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量确实定上，我们选择农村人均旅游花费，既是从我国根本国情出发，也是对第一步研究分析的补充。所以我们确定了城镇居民人均旅游花费和农村居民
3、人均旅游花费。旅游开展除了对消费者市场的划分研究，还应考虑到该产业的根底硬件设施。在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建立着手。在我国，交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般群众的旅游交通方式集中在公路和铁路上，为了防止解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。即确定了公路长度和铁路长度这两个解释变量。其中，考虑到我国旅游业不断开展过程中，高速公路的修建也不断增多，在确实定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。二、 相关数据三、 计量经济模型的建立我们建立了下述的一般模型：其中 1994-2003年各年全国
4、旅游收入待定参数 国旅游人数 万人入境旅游人数 万人城镇居民人均旅游花费 元农村居民人均旅游花费 元公路长度含高速万公里铁路长度 万公里随即扰动项四、 模型的求解和检验利用Eviews软件，采用以上数据对该模型进展OLS回归，结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 01:56Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-340.50471357.835-0.250770
5、0.0882*2-0.0016160.013520-0.1195290.1524*30.2323580.1280171.8150500.1671*46.3910521.7168883.7224630.0337*5-1.0467571.224011-0.8551870.0453*65.6734296.6672660.8509380.4573*7-474.3909355.7167-1.3336200.2745R-squared0.996391Mean dependent var2494.200Adjusted R-squared0.989174S.D. dependent var980.4435S
6、.E. of regression102.0112Akaike info criterion12.28407Sum squared resid31218.86Schwarz criterion12.49588Log likelihood-54.42035F-statistic138.0609Durbin-Watson stat3.244251Prob(F-statistic)0.000944由此可见，该模型可决系数很高，F检验显著，但是、的系数t检验不显著，且的系数符号不符合经济意义，说明存在严重的多重共线性。所以进展以下修正：一计量方法检验及修正多重共线性的检验：首先对Y进展各个解释变量的逐
7、步回归, 由最小二乘法，结合经济意义和统计检验得出拟合效果最好的两个解释变量如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:00Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-3193.041606.2101-5.2672170.0012*49.7290031.4354426.7777030.0003*5-1.1970362.059371-0.5812630.1293R-squ
8、ared0.957285Mean dependent var2494.200Adjusted R-squared0.945081S.D. dependent var980.4435S.E. of regression229.7654Akaike info criterion13.95532Sum squared resid369544.9Schwarz criterion14.04609Log likelihood-66.77660F-statistic78.43859Durbin-Watson stat0.791632Prob(F-statistic)0.000016继续采用逐步回归法将其余
9、解释变量代入，得出拟合效果最好的三个解释变量，结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:01Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-3391.810514.1119-6.5974160.0006*20.0294140.0145252.0250420.0393*46.3554592.0501753.0999590.0211*5-0.2845421.772604-
10、0.1605220.1077R-squared0.974627Mean dependent var2494.200Adjusted R-squared0.961940S.D. dependent var980.4435S.E. of regression191.2739Akaike info criterion13.63446Sum squared resid219514.3Schwarz criterion13.75550Log likelihood-64.17232F-statistic76.82334Durbin-Watson stat1.328513Prob(F-statistic)0
11、.000035以上模型估计效果最好，继续逐步回归得到以下结果：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:40Sample: 1994 2003Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-1973.943441.5947-4.4700340.0066*2-0.0050950.011431-0.4457290.6744*30.3282790.0806824.0688020.0096*44.6654851.158
12、6654.0266020.0101*5-1.7140200.999029-1.7156860.1469R-squared0.994114Mean dependent var2494.200Adjusted R-squared0.989406S.D. dependent var980.4435S.E. of regression100.9150Akaike info criterion12.37329Sum squared resid50919.23Schwarz criterion12.52458Log likelihood-56.86644F-statistic211.1311Durbin-Watson stat3.034041Prob(F-statistic)0.000009各项拟合效果都较好。虽然的t检验不是很显著，但考虑到其经济意义在模型中的重要地位，暂时保存。继续引入。Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:41Sample: 1994 2003Included observations: 10
