我国入境旅游经济发展状况的多因素分析

【摘要】：本文主要通过对我国入境旅游经济进行多因素分析，建立以入境旅游经济发展状况为应变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对我国入境旅游经济发展状况这一问题进行数量化分析，就有关如何发展我国入境旅游提出一些可供参考的意见。
【关键词】：入境旅游多因素分析模型计量经济学检验

一、引言部分
20多年来，中国旅游业经历了从倔起到平稳发展的过程。目前，旅游业作为初具规模的独立产业，对国民经济的贡献日益显现。特别是加人世贸组织后，旅游业已经成为增加国家外汇收入、刺激公民消费、加速经济发展的新的经济增长点，同时也成为社会各界关注的热点。景象。根据世界旅游组织的统计显示，2001年我国接待入境过夜者人数和旅游外汇收入已同时高居世界第5位。

二、文献综述
1.中国旅游网
2002年我国旅游业迎来入境、国内、出境游3大市场蓬勃发展、全面繁荣的新景象。近20年来年均增长达20％的我国入境旅游市场，继6年前旅游外汇收入突破100亿美元之后，2002年又将突破200亿美元。
我国入境旅游业日益兴旺发达。据2002中国国际旅游交易会组委会提供的数据，2002年前3季度，我国共接待入境旅游者7287.82万人次，比2001年同期增长10.78％。这一时期，作为旅游业重要指标的过夜旅游者人数和旅游外汇收入分别达2751.69万人次和152.20亿美元，分别比去年同期增长11.77％和15.10％。2. 中国统计局
截止到2001年底，我国共有旅游饭店1万多家，其中星级饭店7358家，全国旅游住宿设施从业人员达502万人。　世界上评价一个城市的繁荣程度都以五星级酒店的平均房价来衡量，目前，中国的五星级房价居于前列，这也从一个侧面反映中国经济发展速度。
目前我国百强国际旅行社在数量上占7%，截止到2001年底，全国共有旅行社10716家（其中国际旅行社1319家，国内旅行社9397家），比1991年底增加了9155家，扩大了近7倍，年均增长21.24%；全国旅行社直接从业人员为19.24万人，比1991年底增加了13.72万人，年均增长13.30%。　
3. 中经专网数据库
根据2002年人境旅游者抽样调查结果及12月份入境旅游人数的具体构成，经初步测算，2002年12月，全国旅游外汇收人为17·23亿美无比上年同期增长13·11%，其中：过夜旅游者在华花费为15·62亿美元，占全国旅游外汇收人的90·67%；一日游游客在华花费为1·61亿美元，占9·33%。
按2002年人境旅游者抽样调查结果测算并经国家统计局审定，2002年全国旅游外汇收人为203·85亿美元，比上年增长14·57%。其中：过夜旅游者入境花费为185·86亿美元，占全国旅游外汇收入的91·17%；一日游游客人境花费为17·99亿美元，占8·83%。
三、研究目的
本文主要对入境旅游发展状况（应变量）进行多因素分析（具体分析见下图），并搜集相关数据，建立模型，对此进行数量分析。在得到入境旅游经济发展状况与各主要因素间的数量关系后，据模型方程中的各因素系数大小，分析主要因素和次要因素，从而找出发展入境旅游经济的主要着手点，为发展入境旅游经济提出一些建议。

*影响入境旅游经济发展的主要影响因素如下图：

政府支持方面——有效经费支出
             ——政策支持力度
——宣传力度（包括影视、传单、公开活动等宣传活动，制定相关政策等）

个人家庭方面——家庭富裕程度
——旅游偏好（包括地域偏好、旅游方式偏好等）

旅游区方面 ——旅游区自身的发展程度
             ——旅行社方面
             ——旅游宾馆发展情况

（注*：由于宣传力度、旅游偏好、人们的心理预期等是不可量化的因素，所以我们仅用旅游外汇收入、入境旅游者人数、旅游宾馆数量、旅行社方面来进行回归分析）

四、建立模型
Y= β1+ β2X2+ β3X3+ β4 X4+μ
其中，Y—国际旅游外汇收入 X2——入境外国旅游者人数 X3 ——国际旅行社数量
X4——旅游星级宾馆数量

注：有关模型的一些假定：
（1）假定政府有效经费投入的有效系数为1，即投入全部有效。
（2）无重大的国际国内政治经济的变动。
（3）各个旅游区处于正常接待状态。

五、数据搜集
数据说明
一方面，模型中旅游外汇收入主要是受当期各个自变量的影响；另一方面，由于我国入境旅游经济发展起步较晚，早期的旅游经济发展状况有关数据不易收集且数量不会很多，若使用时间序列数据进行拟合，自由度很低。故在此我们采用了截面数据，试看一下效果。
2.数据的搜集情况
采用2002年统计年鉴上分地区截面数据，具体情况见附表一。

六、模型的参数估计、检验及修正
   1.模型的经济意义的检验
   β1=-79.1929 β2=3.3972 β3=0.15108 β4=0.7128
   从回归模型的结果中我们可以看出与经济意义是相符合的，各个自变量与应变量之间都是呈正相关关系，且截距系数为负，表明的是对国外旅游业的所有投资没有得到回报。
   2.模型的参数估计和统计推断的检验
   利用EVIEWS软件，用OLS方法估计得：
Dependent Variable: Y
Method: Least Squares
Date: 04/14/04   Time: 14:39
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X4 0.712838 0.808154 0.882057 0.3855
X3 0.151078 0.538590 0.280506 0.7812
X2 3.397214 0.419825 8.091981 0.0000
C -79.19295 136.7329 -0.579180 0.5673
R-squared 0.843551     Mean dependent var 515.1290
Adjusted R-squared 0.826167     S.D. dependent var 948.4382
S.E. of regression 395.4347     Akaike info criterion 14.91776
Sum squared resid 4221951.     Schwarz criterion 15.10279
Log likelihood -227.2253     F-statistic 48.52659
Durbin-Watson stat 1.319996     Prob(F-statistic) 0.000000

Y = 0.7128X4 + 0.15108X3 + 3.3972X2 - 79.1929
（0.882057）（0.280506）（0.8091981）（-0.579180）
R2=0.843551 R2=0.826167 F=48.52659
可见， X3 、X4的t值都不显著。另外，可决系数为0.843551 修正可决系数为0.826167，F值为48.52659，通过检验。故我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。
3.计量经济学检验
（1）多重共线性检验
用EVIEWS软件，得相关系数矩阵表：
X2 X3 X4
X2 1.000000 0.290115 0.610620
X3 0.290115 1.000000 0.749035
X4 0.610620 0.749035 1.000000

由上表可以看出，解释变量X3与X4 、X2与X4之间的相关系数都较大，可见存在显著的多重共线性。在经济意义上：在旅行社与星级宾馆之间是一种客源供求合作的关系，一般一家旅行社确定了客源后必定与星级宾馆签订入住合同，各家旅行社有自己的合作伙伴，因此二者的相关性较高
下面我们利用逐步回归法进行修正
通过OLS方法逐一求Y对各个解释变量的回归。结合经济意义及统计检验选出拟合效果最好的一元线形回归方程，经分析在三个一元回归模型中Y（国际旅游外汇收入）对X2（入境外国旅游者人数）的线性关系强，拟和程度好，即：
Y = 3.764667836*X2 + 100.358575
（11.77398）（1.251145）
R2=0.826997 R2=0.821031 F=138.6267

Dependent Variable: Y
Method: Least Squares
Date: 04/14/04   Time: 15:29
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2 3.764668 0.319745 11.77398 0.0000
C 100.3586 80.21337 1.251145 0.2209
R-squared 0.826997      Mean dependent var 515.1290
Adjusted R-squared 0.821031     S.D. dependent var 948.4382
S.E. of regression 401.2343     Akaike info criterion 14.88931
Sum squared resid 4668681.     Schwarz criterion 14.98182
Log likelihood -228.7843     F-statistic 138.6267
Durbin-Watson stat 1.208100     Prob(F-statistic) 0.000000

Dependent Variable: Y
Method: Least Squares
Date: 04/14/04   Time: 15:29
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X3 1.638897 0.766885 2.137083 0.0412
C -36.38620 304.1930 -0.119616 0.9056
R-squared 0.136059      Mean dependent var 515.1290
Adjusted R-squared 0.106268     S.D. dependent var 948.4382
S.E. of regression 896.6286     Akaike info criterion 16.49750
Sum squared resid 23314344     Schwarz criterion 16.59002
Log likelihood -253.7113     F-statistic 4.567123
Durbin-Watson stat 1.805084     Prob(F-statistic) 0.041153

Dependent Variable: Y
Method: Least Squares
Date: 04/14/04   Time: 15:30
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X4 3.617853 0.773433 4.677655 0.0001
C -343.5858 225.4107 -1.524266 0.1383
R-squared 0.430037      Mean dependent var 515.1290
Adjusted R-squared 0.410383     S.D. dependent var 948.4382
S.E. of regression 728.2729     Akaike info criterion 16.08157
Sum squared resid 15381062     Schwarz criterion 16.17408
Log likelihood -247.2643     F-statistic 21.88046
Durbin-Watson stat 1.842983     Prob(F-statistic) 0.000062

② 逐步回归。将其余解释变量逐一带入上式，可得如下几个模型：
Dependent Variable: Y
Method: Least Squares
Date: 04/14/04   Time: 15:50
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2 3.626929 0.327977 11.05849 0.0000
X3 0.509564 0.352011 1.447581 0.1588
C -55.94259 133.6352 -0.418622 0.6787
R-squared 0.839042     Mean dependent var 515.1290
Adjusted R-squared 0.827545     S.D. dependent var 948.4382
S.E. of regression 393.8641     Akaike info criterion 14.88165
Sum squared resid 4343610.     Schwarz criterion 15.02043
Log likelihood -227.6656     F-statistic 72.97943
Durbin-Watson stat 1.254348     Prob(F-statistic) 0.000000

      Y = 3.62692894* X2 + 0.5095639447* X3 - 55.94259492
         （11.05849）     （1.447581）      （-0.418622）
     R2=0.839042    R2=0.827545      F=72.97943

Dependent Variable: Y
Method: Least Squares
Date: 04/14/04   Time: 15:51
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2 3.359672 0.391319 8.585503 0.0000
X4 0.883900 0.521500 1.694917 0.1012
C -64.81908 124.6648 -0.519947 0.6072
R-squared 0.843095     Mean dependent var 515.1290
Adjusted R-squared 0.831887     S.D. dependent var 948.4382
S.E. of regression 388.8745     Akaike info criterion 14.85616
Sum squared resid 4234255.     Schwarz criterion 14.99493
Log likelihood -227.2704     F-statistic 75.22578
Durbin-Watson stat 1.335883     Prob(F-statistic) 0.000000

Y = 3.35967215*X2 + 0.8838996584*X4 - 64.8190821
        （8.585503）    （1.694917）     （-0.519947）
R2=0.843095    R2=0.831887      F=75.22578
从上述几个模型中可以看出，在原模型中加入变量X3、X4以后，模型的统计检验效果并没有得到较好的改善，模型的F值没有得到较大的提高，故应该把这两个影响因素从模型中剔除。
    此时的模型为：Y = 3.764667836*X2 + 100.358575
                     （11.77398）     （1.251145）
            R2=0.826997     R2=0.821031      F=138.6267

（2）异方差检验（white检验）
White Heteroskedasticity Test:
F-statistic 10.11369     Probability 0.000494
Obs*R-squared 13.00192     Probability 0.001502

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/19/04   Time: 15:10
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -291629.6 127906.8 -2.280016 0.0304
X2 6843.270 1532.029 4.466803 0.0001
X2^2 -4.953133 1.174720 -4.216436 0.0002
R-squared 0.419417     Mean dependent var 150602.6
Adjusted R-squared 0.377947     S.D. dependent var 575896.2
S.E. of regression 454211.4     Akaike info criterion 28.98228
Sum squared resid 5.78E+12     Schwarz criterion 29.12105
Log likelihood -446.2253     F-statistic 10.11369
Durbin-Watson stat 1.324120     Prob(F-statistic) 0.000494

由拟合的数据可知，N* R2=31*0.419417=13.001927>Χ20.05（2）=0.102587，故拒绝原假设，表明模型中随机误差项存在异方差。下面用去对数法对模型进行修正
Dependent Variable: LY
Method: Least Squares
Date: 05/19/04   Time: 18:58
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
LX 1.118786 0.049769 22.47949 0.0000
C 0.886090 0.203796 4.347931 0.0002
R-squared 0.945726     Mean dependent var 5.235897
Adjusted R-squared 0.943855     S.D. dependent var 1.502757
S.E. of regression 0.356078     Akaike info criterion 0.835009
Sum squared resid 3.676961     Schwarz criterion 0.927524
Log likelihood -10.94263     F-statistic 505.3276
Durbin-Watson stat 1.690927     Prob(F-statistic) 0.000000

修正后的方程如下：
LY = 1.118786368*LX + 0.886090126
(22.47949)      ( 4.347931)
R2= 0.945726    R2=0.943855         F=505.3276
再对此方程进行异方差检验
White Heteroskedasticity Test:
F-statistic 3.114504     Probability 0.060075
Obs*R-squared 5.641392     Probability 0.059564

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/19/04   Time: 19:11
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 0.097721 0.116160 0.841260 0.4073
LX -0.046587 0.058209 -0.800345 0.4302
LX^2 0.012048 0.007735 1.557620 0.1306
R-squared 0.181980     Mean dependent var 0.118612
Adjusted R-squared 0.123550     S.D. dependent var 0.151504
S.E. of regression 0.141837     Akaike info criterion -0.976517
Sum squared resid 0.563293     Schwarz criterion -0.837744
Log likelihood 18.13601     F-statistic 3.114504
Durbin-Watson stat 1.587378     Prob(F-statistic) 0.060075

由此可见，模型表明国际旅游外汇收入和入境旅游者人数呈高度线形相关，并且修正后的模型在α=0.05的情况下无异方差性，参数估计精度有所提高，修正可决系数和F值得到极大提高。

（3）自相关检验（D-W检验）
   下面用修正后的对数线性回归模型进行自相关检验。从下表中可以看出D=1.690927。因为DL=1.363 DU=1.496 4-DL=2.637 4-DU=2.504   所以该对数模型不存在自相关性。
Dependent Variable: LY
Method: Least Squares
Date: 05/19/04   Time: 14:34
Sample: 1901 1931
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
LX 1.118786 0.049769 22.47949 0.0000
C 0.886090 0.203796 4.347931 0.0002
R-squared 0.945726     Mean dependent var 5.235897
Adjusted R-squared 0.943855     S.D. dependent var 1.502757
S.E. of regression 0.356078     Akaike info criterion 0.835009
Sum squared resid 3.676961     Schwarz criterion 0.927524
Log likelihood -10.94263     F-statistic 505.3276
Durbin-Watson stat 1.690927     Prob(F-statistic) 0.000000

七、模型的分析
   我们进行了一系列检验和修正后的最终结果如下：
    LY = 1.118786368*LX + 0.886090126
(22.47949)      ( 4.347931)
R2= 0.945726    R2=0.943855         F=505.3276
从模型中可以看出：
LX符合经济意义的检验，即，从经济意义上讲，国际旅游外汇收入随入境旅游外国旅游者人数的增加而增加，随入境旅游外国人数的减少而减少。即呈正相关关系。
由模型中数据可以看出，可决系数以及F值都较高，且通过T检验，故该模型是一个成功的模型。
3. 就我们的初始模型而言，考虑到了国际旅行社的数量以及旅游星级宾馆的数量，而到最后的模型，这两个因素已经被剔除了，这原因在于我国旅游企业的规模大，但是竞争力差。
国际旅行社：在旅行社领域，与境外旅行商接触和合作较多的是入境旅游，中外旅行社之间基本上是客源供求的合作关系，近年来随着中国旅游业的高速发展，非但没有形成中外旅行社在开辟入境客源方面的竞争，相反中方对境外旅行社的客源依赖进一步加剧，对外竞争实际难以开展，其次尽管有跨国的旅行社，但是数量少，业务范围的狭窄，企业的结构单一，限制了其在对旅游创汇中的贡献。
星级宾馆：90年代以前，我国旅游业基本上是等客上门，入境客源增长的机缘性因素比较多，先是对外开放的空前吸引力，接着是周边客源市场的及时崛起，由于当时我国旅游基础设施和接待配套条件比较落后，基本处于客源供过于求的状况，无需再到境外开拓市场。90年代以后，这种环境和形势逐步发生了一些变化，最突出的就是市场供求关系的变化，以及随之而来的市场竞争加剧。为了占领市场分额，很多企业不惜成本进行低价竞争，破坏了行业的健康发展，也导致旅游收入的减少。

八.政策建议
1. 模型直观来说，我们要想方设法的扩大入境旅游人数，中国有着悠久的历史，多彩的民族文化，奇异的自然资源，相对安全的政治社会环境，具备了吸引游客的硬件。但是软件上仍然存在欠缺。这一点上，国家政府要做好整体的对外旅游宣传，文化交流活动，地方政府也要在积极对外开展交流，宣传，推介。既要注意做到一个整体的形象的推广，又要推出各具特色的风味。
2.相对于扩大入境旅游人数，我们还要想到另外一个与之相关甚紧的因素——入境旅游者旅游消费总体水平较低，徘徊不前。入境旅游者旅游消费水平仍维持在90年代中期的水平，在135美元左右。这与进入90年代以来，我国旅游业强劲增势形成较为明显的反差。，旅游外汇收入和入境旅游者人次规模是不对称的，旅游者人均消费水平低于世界发达国家平均水平，参考入境旅游者旅游消费基本维持不变的事实，可以得出，“九五”期间我国旅游业快速发展主要是通过量的扩张来完成。根据魏小安旅游市场发展的“三阶段理论”(旅游市场发育大体分为贵族化旅游阶段、大众化旅游阶段和细分化旅游阶段)，可基本判定我国目前入境旅游基本属于大众化旅游阶段。在未来旅游业市场开拓过程中，如何通过市场细分，根据旅游者需求和个性化和旅游产品的定制化，提高人境旅游者质量(主要以入境旅游者总体消费水平来衡量)，将成为未来旅游市场开拓重点
3.在模型外，我们要看到研究工作的重要性，但是目前我国的旅游统计工作不完善，国家一级可以有较完整的从交通到旅游消费的统计，而地方具体的统计工作大多口径不一致，项目也不完整，造成研究工作的困难。
4.旅游企业是增加旅游收入的主导力量，但是不管在模型还是现实中，它的贡献却没有发挥出来，因此我们要注重培育竞争力强，业务范围广泛，能参与国际竞争的大型旅游企业，限制恶性竞争，鼓励旅游企业的合作，兼并，破产，让企业在市场中优胜劣汰。
5.注重对其他影响旅游收入的因素的发掘，发掘传统文化，保护旅游资源，注重旅游产品的开发等，进一步提升我国旅游业发展。

九．参考文献：
1.中国旅游网，中国旅游报，中国旅游业等
2.中国2002年统计年鉴
3.魏小安．关于旅游发展的几个阶段性问题[J]．旅游学刊，2000，(5)：9—14．作者：中国科学院地理科学与资源研究所　旅游研究与规划设计中心　席建超　来源：原载《桂林旅游高等专科学校学报》，2003年2月
附表一：
OBJECTS 入境人数X2 国际旅行社数量X3 旅游星级宾馆数量X4 国际旅游外汇收入Y
1 285.79 480 508 2946
2 42.14 204 80 280
3 44.46 463 226 157
4 19.78 264 189 59
5 39.99 127 111 137
6 72.42 545 285 463
7 27.18 153 137 76
8 61.23 341 221 250
9 204.26 548 300 1808
10 183.71 772 565 822
11 146.91 637 610 699
12 38.09 374 215 106
13 163.48 384 230 942
14 19.63 292 185 70
15 82.87 961 342 382
16 36.56 458 242 133
17 66.78 320 460 201
18 50.46 308 166 271
19 1292.38 479 640 4484
20 126.72 292 246 301
21 45.68 152 157 106
22  31.33 200 69 163
23  57.48 417 204 166
24 20.55 112 58 69
25 113.13 406 431 367
26 12.71 35 12 46
27 75.29 264 141 309
28 22.26 131 97 45
29 3.97 72 29 9
30 0.87 43 29 3
31 27.3 198 173 99