国内旅游收入与经济增长的关系分析——基于北京旅游业的实证研究.pdf

District economy|区域经济MODERN BUSINESS现代商业156国内旅游收入与经济增长的关系分析基于北京旅游业的实证研究王兴洲中央民族大学北京100081摘要：进入 21 世纪以来，我国旅游产业发展迅速。为探究国内旅游业与经济增长之间的关系，本文以北京旅游业为例，选取北京市 19942021 年国内旅游收入、第三产业增加值与城镇居民人均消费支出数据，依据协整理论进行序列检验，结合构造误差修正模型与 Granger 因果检验等方法充分开展实证研究。然后构建多元回归模型探究第三产业几大重要指标对于国内旅游收入的贡献。结果表明：北京市旅游业与经济增长之间存在长期稳定均衡关系，第三产业增加值与城镇居民人均消费支出都是国内旅游收入的 Granger 原因，且均为单向因果关系；北京市第三产业从业人员年末人数与第三产业劳动生产率联合显著影响国内旅游收入。关键词：国内旅游收入；经济增长；协整；Granger 因果检验；时间序列分析中图分类号：F592.7文献识别码：A文章编号：1673-5889（2023）20-0156-05一、引言旅游业作为我国重要的战略产业，不仅能带动地区经济腾飞，更可以加强文化交流，对于增强整个国家文化软实力的提升功不可没。随着我国居民消费结构的变化，越来越多人走出家门去感受旅游所带来的快乐。北京市作为我国首都，同时也是我国一线城市，其旅游产业发展充满创新活力，吸引各地游客前来消费观光。作为一个拥有众多名胜古迹的国际化大都市，北京市的经济增长与旅游产业发展水平具有很高的代表性与分析价值。国内旅游收入作为旅游产业的一个关键指标，对于在总体上把握旅游经济增长趋势，衡量一个国家或地区的旅游业发展状况具有很高的代表价值。衡量国民经济增长与发展的指标有很多，多数学者通过研究国内生产总值来反映某个地区的经济增长状况。然而对于旅游业这个特定的产业而言，第三产业的几大部门，例如批发和零售业、金融业、住宿和餐饮业等都与旅游经济相互关联，对于旅游收入的增长有着很大贡献。北京市统计局公布的数据显示，2021 年北京地区生产总值为40269.6 亿元，而第三产业增加值已达到 32889.6 亿元，足以说明近年来第三产业对于北京市经济发展有着巨大贡献，第三产业增加值这一指标能够很好地反映北京地区旅游经济发展水平和经济增长状况。消费是拉动经济增长的强大动力，居民人均消费支出这一指标可以充分体现出居民消费水平，其进一步又可划分为城镇和农村居民人均消费支出。通过对居民人均消费支出的考察也能很好地反映出地区经济增长状况。由于近年来北京地区的城镇化进程加快，住户收支与生活调查所涉及到的农村居民样本数量减少导致代表性降低，因此居民消费水平可以主要选取代表性更强的城镇居民作为样本。第三产业增加值能够对第三产业发展状况进行一个概括性度量，它直观且综合地反映出第三产业整体性发展进程。如果第三产业发展与旅游业发展有着某种关系，这种关系就有可能通过测度第三产业增加值与国内旅游收入间的格兰杰因果效应来发现。当第三产业能够成为旅游业发展的原因时，就可以通过构建多元回归模型来探究第三产业主要指标对于旅游经济增长的贡献。本文在相对应的部分主要选取第三产业从业人员年末人数、劳动生产率以及实际利用外资金额。相较于第三产业增加值而言，这几个指标更为具体且角度各异，充分体现出第三产业不同方面对于旅游业发展的促进效应，能够进一步提升研究结论的可靠性。二、文献综述综合国内外文献，首先是对于国内旅游收入这一变量本身及其影响因素的研究。例如宋子健等（2019）1通过多元回归得出全国居民可支配收入这一指标能够在影响北京旅游收入方面起到主要作用；Shao（2018）2运用计量经济学方法探究影响我国国内旅游收入的因素，最终表明包含国内生产总值在内的四个变量对国内旅游收入具有显著的正向影响。综上所述，国民经济水平与旅游经济的增长之间存在一定的关联，并且在影响国内旅游收入的诸多因素中，很多都与第三产业或是居民收支状况相关。其次，不少研究旅游业发展与国民经济发展水平关系的文献运用国内生产总值作为衡量国民经济的指标。王莉婷（2017）3以全国农村数据作为样本研究，通过格兰杰因果检验表明在处理变量时不同的滞后期数所产生的因果关系不同；王玙璠（2021）4利用 VAR 模型对贵州省的旅游业发展和经济增长做实证分析，表明贵州省的旅游业发展与经济增长之间只存在单方向的因果关系；Charalambos N.Louca 和Surasinghege Suranga（2015）5通过考察法国旅游收入与经济增长长期关系得出结论，表明二者有着长期正向关系，因果关系为单向关系。由此可见，针对不同的环境背景与区域条件，旅游业与国民经济之间的因果关系既可能是单向的，也可能是双向的，但大多数情况下旅游业发展对国民经济发展具有显著的促进作用，而其反向作用则需要视具体研究情况而定。最后，就第三产业与旅游收入之间的关系而言，有学者针对云南省进District economy区域经济|MODERN BUSINESS现代商业157行研究。例如陈志成等（2015）6探索云南第三产业和旅游经济，指出变量间存在稳定关系与双向因果关系。总体来看，针对旅游业发展与第三产业或居民消费水平关系的研究仍然不多，因此本文将利用北京市数据对此问题开展深入探究。已有文献表明旅游业发展对于国民经济增长与发展具有启发意义，并且针对不同地理区域两者表现出单向或双向因果关系。在一些研究中旅游业发展与经济发展能够形成稳定的均衡关系，二者能够长期互相促进。但是，研究国内旅游收入与第三产业发展的文献较少，大多文献利用国内生产总值衡量经济增长；并且一些文献所选取的数据中并未包含最近几年，或是样本量较小；此外，针对北京经济增长与旅游业发展的研究仍有所欠缺。基于上述考虑，本文将利用北京市数据重点研究国内旅游收入与第三产业发展的协整与因果关系，以及第三产业相关指标对于旅游经济增长的贡献；并使用第三产业增加值、城镇居民人均消费支出两个指标来衡量国民经济增长及发展水平，分别研究二者与国内旅游收入的因果关系。由于时间序列近期数据的效用要大于远期数据，本文使用尽可能多且包含近期的北京市数据，以及受到疫情冲击后的数据进行分析检验，使得到的结论更加精确。本文对于今后研究北京市以及其他城市的旅游业和经济增长关系具有一定的参考价值，也在一定程度上能够为决策制定者提供相应的资料支持。三、实证研究（一）变量选择与说明选取变量：国内旅游收入（TR）、第三产业增加值（TI）、城镇居民人均消费支出（EU）、第三产业从业人员年末人数（X1）、第三产业劳动生产率（X2）、第三产业实际利用外资金额（X3）、国内旅游收入*（记为 tr，为 20002020 年数据，区别于TR）。由于数据的可获得性，变量 TR、TI、EU 选取北京 1994-2021 年时间序列年度数据，X1、X2、X3、tr 选取北京 2000-2020 年时间序列年度数据。X1、X2、X3、tr 将在（二）数据预处理完成后，在（六）第三产业贡献探究中展开进一步的分析。文中所选数据来源于国家统计局、北京市文化和旅游局与中国经济社会大数据研究平台。本文所用数据处理软件主要为 Stata12.0。（二）数据预处理1.描述性统计与相关分析首先进行描述性统计分析。为消除异方差，本文对所有变量取对数得到 lnTR、lnTI、lnEU、lnX1、lnX2、lnX3、lntr。对进行对数变换后的变量进行描述性统计分析，结果如表 1 所示。表1变量描述性统计变量观测数目平均值标准差最小值最大值lnTR287.36 0.97 5.70 8.68 lnTI288.79 1.23 6.35 10.40 lnEU289.76 0.75 8.33 10.75 lntr217.71 0.69 6.53 8.68 lnX1216.55 0.37 5.82 6.96 lnX22111.92 0.47 11.09 12.57 lnX3213.94 0.88 2.53 5.45 为了初步研究 lnTR、lnTI、lnEU 之间的关系，需要先进行相关分析以确定变量之间的线性相关性，为后面的回归分析与协整检验奠定基础。表 2 为实际检验后得出的相关系数及其显著性。由表 2 可知，变量间均存在正相关，且相关系数大于 0.9，均可视为高度相关。由样本检验结果得到，lnTR、lnTI、lnEU之间的相关系数检验 P 值均小于 0.01，认为三个变量间两两存在显著的正向线性关系。表2相关分析结果lnTRlnTIlnEUlnTR1.000 lnTI0.983*1.000lnEU0.986*0.998*1.000注：*、*、*分别表示P0.01，P0.05，P0.10，即分别在1%、5%、10%显著性水平下该结果显著；括号内为t统计量的值。下同。2.平稳性检验虽然变量之间的相关程度很高，但为了探究 lnTR 分别与lnTI和lnEU是否具有真正的经济关系，需要避免“伪回归”问题，于是进行平稳性检验。时间序列数据的平稳性至关重要，使用平稳的序列可以简化复杂的问题，降低分析的难度。对所有对数处理后的变量进行 ADF 单位根检验，检验结果如表 3 所示。表3变量ADF检验结果变量t值5%临界值10%临界值p值结论lnTR-1.590-3.592-3.235 0.796 不平稳lnTI-1.414-3.592-3.235 0.857 不平稳lnEU-0.870-3.592-3.235 0.959 不平稳lnX1-2.504-3.000-2.630 0.115 不平稳lnX2-1.540-3.000-2.630 0.514 不平稳lnX3-0.539-3.000-2.630 0.884 不平稳lntr-1.790-3.000-2.630 0.385 不平稳dlnTR-6.473-3.596-3.238 0.000 平稳dlnTI-4.991-3.596-3.238 0.000 平稳dlnEU-7.345-3.596-3.238 0.000 平稳dlnX1-3.583-3.000-2.630 0.006 平稳dlnX2-2.971-3.000-2.630 0.038 平稳dlnX3-5.393-3.000-2.630 0.000 平稳dlntr-2.969-3.000-2.630 0.038 平稳对于 ADF 检验，其原假设为存在单位根，表示序列是非平稳的。由检验结果可知，七个对数序列 P 值都大于 0.1，说明在 10%的显著性水平下无法拒绝原假设，表明存在单位根。取一阶差分后的序列如图 1 所示，可见差分序列中几乎不含明显时间趋势。再次进行单位根检验，由表 3 中结果可知，差分后七个序列 P 值均小于 5%。在 5%显著性水平下拒绝原假设，认为所有序列均平稳，也即全部为一阶单整序列。District economy|区域经济MODERN BUSINESS现代商业158图1一阶差分序列图（三）协整检验对于 lnTR、lnTI、lnEU 这三个非平稳序列，由于一阶差分后平稳，因此可以直接利用各自的一阶差分 dlnTR、dlnTI、dlnEU 进行回归。然而，差分会损失观测数，并且难以解释回归结果的经济含义。利用协整理论，可以探究同阶单整序列的长期平稳性。本节运用 EG 检验对 lnTR 与 lnTI 以及 lnTR 与lnEU 这两组变量是否具有协整关系进行验证。EG 法通过检验残差的平稳性来确定协整关系，分别记 lnTR对 lnTI、lnTI 对 lnTR、lnTR 对 lnEU、lnEU 对 lnTR 的回归残差项为 r1、r2、r3、r4，并检验其平稳性。检验结果如表 4 所示。表4协整检验结果残差项ADF值5%临界值10%临界值P值r1-2.860-2.997-2.6290.0502r2-3.051-2.997-2.6290.0304r3-3.168-2.997-2.6290.0219r4-3.313-2.997-2.6290.0143EG 协整检验的原假设为序列间不存在协整关系，此时回归所得残差序列不平稳。结果显示，残差项 ADF 检验 P 值均小于10%，即在 10%显著性水平下，认为四个残差序列均平稳。因此，lnTR 与 lnTI 以及 lnTR 与 lnEU 两组序列均存在长期均衡稳定的协整关系。根据四组回归结果，可以写出如下协整方程：0.58470.7704lnTRlnTI=+（R=0.9666）（1）0.4399 1.2546lnTIlnTR=+（R=0.9666）（2）4.9827 1.2641lnTRlnEU=+（R=0.9730）（3）4.09890.7697lnEUlnTR=+（R=0.9730）（4）经检验，以上四个协整方程的回归系数均显著大于零，表明自变量对解释因变量波动的贡献显著。此外，经验证得到四个方程的残差项同其滞后阶均无显著自相关性。下面以（1）（3）为例解释方程的经济意义。对于方程（1），结果表明北京市第三产业增加值每增长 1%，将导致北京地区国内旅游收入平均增加 0.7704%。对于方程（3），表明北京市城镇居民人均消费支出每增加 1%，将导致北京地区国内旅游收入平均增加 1.2641%。（四）误差修正模型协整关系研究明确了序列间的长期均衡关系，而对于短期序列间表现出的动态关系则可通过构建误差修正模型来分析。考虑一个长期模型 Yt=+Xt+Vt，当短期内序列产生波动时，假设在前一期的误差偏小，即令 Vt-10，也就造成 Yt-1变小，暂时偏离了长期均衡。为了让因变量逐渐恢复均衡，就可以假定某值 0，将大于零的乘积 Vt-1加入因变量差分模型中。例如，在模型 Yt=P+QXt+Vt-1中，随着修正调节，Yt相应升高，且序列短期将继续沿动态趋于长期平衡的路径运动。以国内旅游收入取对数后的差分值为例，分别建立其对第三产业增加值、城镇居民人均消费支出的误差修正模型如下：110.1822.3261.6250.650ttttlnTRlnTRlnTIlnTIecm=+（5）（R=0.574）110.2421.9560.9640.586ttttlnTRlnTRlnEUlnEUecm=+（6）（R=0.643）将 ecm 作为调整偏误的修正项。上述模型经检验可得，误差修正项估计系数均为负且显著，符合反向修正机制。通过 R2来判定拟合优度，模型（5）（6）的解释变量分别反映了被解释变量 57.4%、64.3%的变化。模型（5）中，短期内第三产业增加值变动将同向显著影响国内旅游收入变化，弹性为 2.326；模型（6）中，短期城镇居民人均消费支出变动将同向显著影响国内旅游收入变化，弹性为 1.956。（五）Granger 因果检验前文研究中已经证实旅游业发展与国民经济水平存在长期的协整关系，并就其短期动态关系也建立了误差修正模型进行解释。但是协整检验无法说明变量间的因果关系，更进一步讲对于序列未来值的预测，还须明确因果关系的方向。下文利用Granger 检验探究变量间的因果关系。Granger 因果检验仅适用于平稳序列，或是有协整关系的单位根过程（陈强，2014）7。本文所研究的 lnTR、lnTI 与lnEU 均为一阶单整序列，且 lnTR 与 lnTI、lnTR 与 lnEU 均存在协整关系，故可以进行检验。表 5 显示了 lnTR 与 lnTI 的检验结果，表 6 显示了 lnTR 与 lnEU 的检验结果。检验选取显著性水平为 10%。表5lnTI与lnTR的Granger检验原假设H0滞后期F统计值P值结论lnTI不是lnTR的Granger原因17.020.0140 拒绝H0lnTR不是lnTI的Granger原因10.730.4019 无法拒绝H0lnTI不是lnTR的Granger原因23.180.0620 拒绝H0lnTR不是lnTI的Granger原因20.430.6560 无法拒绝H0表6lnEU与lnTR的Granger检验原假设H0滞后期F统计值P值结论lnEU不是lnTR的Granger原因15.34 0.0297 拒绝H0lnTR不是lnEU的Granger原因10.01 0.9129 无法拒绝H0lnEU不是lnTR的Granger原因22.50 0.1066 无法拒绝H0lnTR不是lnEU的Granger原因20.61 0.5551 无法拒绝H0由检验结果显示，对于滞后一阶的模型可以在 10%的显著性水平下拒绝“lnTI 不是 lnTR 的 Granger 原因”以及“lnEU不是 lnTR 的 Granger 原因”两个原假设，即认为“lnTI 是lnTR 的 Granger 原因”“lnEU 是 lnTR 的 Granger 原因”；而在滞后二阶时只能认为“lnTI 是 lnTR 的 Granger 原因”，其他原假设由于 P 值大于 10%而无法拒绝。综上所述，北京市第三District economy区域经济|MODERN BUSINESS现代商业159产业增加值、城镇居民人均消费支出均为国内旅游收入的单向Granger 原因。以上结论表明，北京市第三产业发展对于旅游经济的提升起到一定程度的助推作用。第三产业中的许多部门，例如交通运输业、住宿和餐饮业、金融业等均都与旅游产业密切关联，这些部门的收入能够很大程度上助推旅游经济的快速发展；而北京市的旅游经济虽然对于第三产业发展起到积极作用，但这种带动作用的效果却并不明显。这一结果的产生可能是由于第三产业其他相关部门的正向影响作用更为显著，同时也侧面提示相关管理人员应积极对旅游市场开展治理，在营造良好旅游环境的同时还需进一步增强旅游盈利能力。从研究中还可得出，北京本地城镇居民的消费水平对于本市旅游经济的影响效果十分明显，但本地旅游业的发展却不足以对居民消费支出造成显著的影响。（六）第三产业贡献探究上文的研究表明北京市第三产业发展是旅游经济增长的Granger 原因，但 Granger 因果关系不是完全意义的因果关系。为探究第三产业对于旅游经济的贡献以及其显著程度，本节采用 20002020 年时间序列数据，选取第三产业主要指标第三产业从业人员年末人数、劳动生产率以及实际利用外资金额作为解释变量，以国内旅游收入作为因变量建立多元回归方程。利用时间序列数据进行多元回归分析，必须先检验序列的平稳性。对于平稳序列或是存在协整关系的序列，才能进行下一步的回归与检验。由前文数据预处理结果可知，lntr、lnX1、lnX2、lnX3 均为一阶单整序列，因此可以进行回归拟合。根据多元回归模型 Y=0+1X1+2X2+3X3+开展接下来的模型选择与模型检验。1.模型选择在模型的选择上，主要对多重共线性问题与模型的拟合精度两方面进行考量。多元回归模型中共线性表明解释变量之间存在相关性，而这可能导致对于回归系数的不精确解释。因此首先检验并处理多重共线性，本文采取剔除相关变量的方法。多重共线性检测与剔除过程如表 7 所示。本文采用 VIF 值来测度多重共线性的严重程度，VIF 值大于 10 表示存在严重多重共线性（贾俊平，2015）8。通过表 7 比较分析得知，解释变量都保留的情况下 VIF 平均值为 11.87 大于 10，存在严重的多重共线性，因此须剔除其中的一些变量。为尽可能保留解释变量，本文仅考虑剔除一个自变量的情况。由表 7 结果可知，剔除 lnX2 后，VIF 的平均值与最大值下降幅度最大，此时 VIF 为8.30。多重共线性虽依然存在，但程度已经明显下降。表7变量剔除分析解释变量VIF平均值VIF最大值调整的RAICBIClnX1、lnX2、lnX311.87 12.87 0.930-7.87-3.69 lnX1、lnX38.30 8.30 0.922-6.40-3.27 lnX1、lnX29.16 9.16 0.926-7.70-4.56 lnX2、lnX39.65 9.65 0.922-6.48-3.34 然而与此同时也要考虑模型的拟合精度。选取 AIC、BIC 作为评判模型拟合优良性与精度的标准。在一般情况下，AIC 和BIC 的值越小，模型拟合精度越高，模型的优良性也就更佳。虽然剔除 lnX2 后 VIF 值达到最小，但是根据 AIC 和 BIC 准则，该模型拟合的效果最差。反之，对于剔除 lnX3 的模型，其 AIC和 BIC 值都明显小于另外两个变量剔除模型，并且模型的 VIF值 9.16 虽不如 lnX2 剔除模型，但也小于 10，所以认为不存在严重的多重共线性。再考虑到几个剔除变量后的模型 R2值差异不大，因此本文选择 lnX1、lnX2 作为解释变量进行多元回归。表8lntr、lnX1、lnX2协整检验残差项ADF值5%临界值10%临界值r-2.615-1.950-1.600 由于 lntr、lnX1、lnX2 序列为一阶单整序列，利用 EG 法检验三变量协整关系，结果如表 8 所示。由检验的 ADF 值-2.615远小于 5%临界值-1.950 可知在 5%显著性水平下三变量存在协整关系，因此满足构建模型基本条件。2.模型检验对于异方差本文采取怀特检验。合理的回归模型其误差项假设为零均值、同方差。怀特检验结果如图 2 所示。图2怀特检验怀特检验的原假设为不存在异方差，图 2 检验结果中 P 值为 0.1954，在 0.05 的显著性水平下无法拒绝原假设，故认为回归方程不存在异方差。然后需要验证回归模型是否存在序列相关。首先，通过观察自相关图进行初步判断。自相关图如图 3 所示。由自相关图可知，残差序列延迟阶的自回归系数均落在 95%置信区间内，表明残差自回归方程系数不显著，残差序列滞后期的值与当期序列相关性并不显著，即序列不存在自相关性。图3自相关图接着运用 BG 法更加精确地检验自相关性，其原假设为不存在序列相关。BG 检验结果如图 4 所示。结果表明检验的 P 值0.2303 大于 5%，即在 5%的显著性水平下无法拒绝原假设，认为不存在自相关性，与图检验结果一致。图4BG检验District economy|区域经济MODERN BUSINESS现代商业1603.经济意义在剔除 lnX3 后，模型通过了一系列检验，最终回归结果如表 9 所示。回归方程为：7.172 0.8461 0.7842lntrlnXlnX=+（7）其中，lnX1、lnX2 回归系数为正，t 统计值显著，表明lnX1、lnX2 各自对于 lntr 的影响显著并且符合经济意义。回归方程 R2=0.934，表明自变量能够解释 93.4%因变量的波动，拟合优度高。方程的 F 统计值也显著，表明线性关系显著，lnX1、lnX2 联合对于 lntr 的贡献显著。从经济意义上来看，保持其他因素不变，第三产业从业人员年末人数每增加 1%将导致国内旅游收入平均增加 0.846%；而第三产业劳动生产率每增加 1%，将导致国内旅游收入平均增加 0.784%。由于得到的回归结果通过了模型检验且不存在严重的多重共线性，并且模型拟合优良性较好，因此可以利用此方程来进行定量分析、控制和预测。表9多元回归结果VariableslntrlnX10.846*（-0.344）lnX20.784*（-0.273）Constant-7.172*（-1.355）Observations21R-squared0.934四、结论与建议基于对北京旅游业的分析：由协整关系来看，国内旅游收入与第三产业增加值，国内旅游收入与城镇居民人均消费支出均存在长期均衡稳定的关系；Granger 因果检验表明，两组检验均为单向因果关系，即城镇居民人均消费支出与第三产业增加值均为国内旅游收入的 Granger 原因，而国内旅游收入不是城镇居民人均消费支出、第三产业增加值的 Granger 原因；多元回归结果显示，第三产业从业人员年末人数、第三产业劳动生产率联合显著影响国内旅游收入，且单个系数也显著大于零。表明第三产业对于国内旅游收入的增长具有解释作用，进一步印证 Granger 因果检验中北京第三产业对于旅游业发展存在的单方向因果效应。综上，北京旅游业与经济增长之间存在一种长期稳定的关系，且短期内存在的偏离也能够向长期平衡的方向进行调整。对于因果关系的检验，本文所选取的代表经济增长的变量与旅游经济增长存在单向因果关系，这种关系从预测角度来说，由北京的经济增长及发展水平可以预测旅游经济的发展，而反之则不能。可见北京地区旅游业收入并不能太好地反映北京市整体经济运行状况，旅游盈利能力还有待提升，因此需要相关部门积极开展治理，弥补旅游市场中存在的漏洞，在良好的旅游环境下加大对于旅游产业的支持力度，进一步增强旅游盈利能力。本文提出如下政策建议：首先，进一步发挥政策引领作用，推动北京旅游业高质量持续健康发展；其次，逐步扩大旅游产业投资规模，从住宿、餐饮、购物、交通等多方面提供旅游相关行业的金融支持，进一步构建多样化旅游服务网络；最后，注重培养高质量旅游业相关人才，提升服务能力与服务水平，加强景区治理能力，并积极运用大数据、人工智能技术完善数字化景区治理体系，打造良好的旅游品牌。参考文献：1 宋子健，赵家悦，张津瑛.北京市旅游收入影响因素分析基于计量经济学模型J.现代商业，2019（32）：37-40.2 Shao Zhiwei.Brief analysis on econometrics of domestic tourism incomeC/Proceedings of 2018 2nd International Conference on Social Sciences，Arts and Humanities（SSAH 2018）.2018：959-963.3 王莉婷.中国农村居民旅游消费与人均GDP协整检验J.现代经济信息，2017（12）：11.4 王玙璠.基于VAR模型的贵州旅游业与经济增长动态发展实证研究J.生产力研究，2021（01）：7-11+80.5 Louca C N，Suranga S.Causality patterns of the tourism industry in FranceJ.International Journal of Sustainable Agricultural Management and Informatics，2015，1（3）：272-284.6 陈志成，刘玉兰，秦绍娟.云南省旅游收入与第三产业、居民消费的关系基于VAR模型的实证研究J.经济师，2015（7）：163-164+175.7 陈强.高级计量经济学及Stata应用M.北京：高等教育出版社，2014.8 贾俊平，何晓群，金勇进.统计学M.北京：中国人民大学出版社，2015.作者简介：王兴洲，中央民族大学理学院硕士研究生，研究方向：数量经济、应用统计。