计量经济学论文中国旅游业收入影响分析.doc

计量经济学论文

中国旅游业
收入影响分析

序言

改革开放后几十年来，生活节奏加紧使得越来越多人选择旅游这种方式释放担心状态，也就使得旅游业发展快速。近年来，旅游更是成为每个人日常不可缺乏原因。中国作为世界五大文明古国（包含古希腊），同时也是当今世界著名旅游大国，旅游业在我国发展更是欣欣向荣，是不折不扣朝阳产业。按照联合国世界旅游组织预测，到中过奖成为世界上第一大入境旅游接待国和第四大出境旅游客源国。本文以我国旅游业收入为被解释变量，利用 eviews软件对其进行了多原因变量分析。亦在得出一些中国旅游影响因子分析及对未来一段时间内旅游业发展提出一些提议。

关键词 国内旅游收入 计量经济学 模型 检验

一．问题提出
近年来旅游如此火爆，旅游业及其相关产业发展也如火如荼。那到底是哪些原因影响着旅游业发展，他们之间有着什么联络，我们又该怎样中国旅游未来发展呢？本文将从计量经济学角度对以上问题进行定量分析，并试图对其更深
层次原因进行探索以及进行一个短期内旅游行业发展预测。

二．影响原因确实定
城镇人均可支配收入（国内旅游暂时只考虑城镇）

国内游客数量

入境游客数量

旅行社数量
三．计量经济学模型建立
我们建立通常模型以下：
Yi=β1+β2*x1+β3*x2+β4*x3+β5*x4

在此 Y为我国旅游收入（万元） x1为入境游客人数（万人）
x2为我国国内游客人数（百万人） x3为城镇人口可支配收入指数
x4为旅行社数量（个）

四．模型求解和检验
对该模型执行OLS回归 详见（表二）
显然，该模型可绝系数很高（0.990525），F检验显著，不过x2 x3 x4 t检验结果不显著，而且 x4系数符号不符合经济意义，说明存在严重多重共线性。
这说明我们模型本身存在很大缺点。
更改模型为：
logY=β1+β2*log(x1)+β3*log(x2)+β4*log(x3)+β5*log(x4)

对新模型进行OLS回归详见（表三）
显著得出结果好得多了。R2为0.989061，F检验显著除x4外其余原因t检验结果显著。多重共线性依然存在。所以，利用软件对4个变量进行相关系数检测。
详见（表四）
结果显示，4个变量原因相关性很高，所以我们必须剔除一个变量。严谨起见，利用eviews分别对他们进行两两分析详见（表五~表十）。
综合得出，变量x4必须从模型中剔除，所以更新后模型为： logY=β1+β2*log(x1)+β3*log(x2)+β4*log(x3) 对新模型进行分析
详见（表十一)
R2=0.988906 Dw=1.794877 说明修正后显著好转。
进行了一系列检验和修正后最终止果以下：
logY=1.275850*log(x1)+1.374221*log(x2)-1.171586*log(x3)-5.243261 五．经济分析
以上模型得知，我国旅游业收入与人均可支配收入，国内旅游人数，入境旅游人数亲密相关。众所周知，旅游业是一个低投资高回报产业，同时也是二十一世纪最为环境保护经济产业之一。作为世界上文化，经济大国，在今后势必会增加旅游行业投入发展。
同时对着人民生活情况提升（x1），国内旅游人数（x2）势必会增加，这不但带动了旅游收入（y）增加，同时拉动了gdp上升，也带动了相关产业如餐饮，运输业发展。所以，在发展旅游业同时，也应注意相关产业发展跟进，正所谓全方面发展，整体跟进。这么一来，y增加才会不但仅是昙花一现，而愈加稳定。
另首先，近年来通货膨胀严重，房价也成为头号问题。在一定程度上，旅游业发展，人们将更多 x1投入旅游，能够一定程度减缓现金流过分投向房地产行业情况。不过，伴随y收入占国民经济收入增加。其资金使用对应监管及用途也更应值得每个人注意。
模型同时说明，入境游客人数（x3）也与旅游收入（y）有着亲密相关性。伴随全球化地扩大，越来越多外国客人会进入我国旅游。从经济角度讲，更多开放型行业发展（如娱乐行业）会深入提升我国旅游在全球竞争力，同时以海纳百川态度面对外国客人，外来文化乃至自己生活中点点滴滴是每个中国人成为一个合格大国公民所必需学会技能。
总而言之，旅游业是个朝阳产业，但同时他也是一个充满竞争行业。若想在全球化中脱颖而出。中国所做不但仅是突出自我迎接挑战，更要突破自我紧跟时代。
参考文件中华人民共和国国家统计局、中经网数据统计库《计量经济学》 庞皓 科学出版社 《旅游规划性质与方法》 吴承照 同济大学出版社

附录

（表一）：数据

1993

1273.7625

1994

1664.2625
1995

2139.8375

1996

2530.9

1997

3169.175

1998

3493.875

1999

4065.5625

4595.1

4723.36

5254.3875

4573.69

6383.735

7190.14

8436.385

10495.335

11404.095

资料起源：中经数据
:81/ 旅行社数据只更新到了，所以笔者就只选取至。

（表二）
Dependent Variable: Y
Method: Least Squares
Date: 06/08/11 Time: 19:14
Sample: 1993
Included observations: 16

Variable

Coeffic ient Std. Error

t-Statist ic

Prob.

C

-4956.6
32

1262.903

-3.924794

0.0024
X1
0.70631
9
0.226767
3.114737
0.0098
X2
3.54993
8
2.129346
1.667149
0.1237
X3
13.9093
9
8.419081
1.652127
0.1267
X4
-0.5299
18
0.232836
-2.275932
0.0438

0.99052 Mean dependent 5087.10
R-squared 5 var 0
Adjusted R-squared 0.98707 S.D. dependent 3009.75
9 var 5
342.120 Akaike info 14.7585
S.E. of regression 8 criterion 1
1287513 Schwarz 14.9999
Sum squared resid . criterion 5
-113.06 287.474
Log likelihood 81 F-statistic 8
1.19315 Prob(F-statist 0.00000
Durbin-Watson stat 9 ic) 0

（表三）
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/09/11 Time: 00:17
Sample: 1993
Included observations: 16

Variable

Coeffic ient

Std. Error

t-Statist ic

Prob.

C

-5.6779
63

1.257576

-4.515007

0.0009
LOG(X1)
1.41260
5
0.394717
3.578775
0.0043
LOG(X2)
1.31946
2
0.279940
4.713375
0.0006
LOG(X3)
-1.0590
57
0.444222
-2.384071
0.0362
LOG(X4)
-0.1216
52
0.308999
-0.393698
0.7013

R-squared

0.98906 Mean dependent
1 var

8.36078
7
Adjusted R-squared
0.98508 S.D. dependent
3 var
0.63073
9
S.E. of regression
0.07703 Akaike info
7 criterion
-2.0387
67
Sum squared resid
0.06528 Schwarz
1 criterion
-1.7973
33
Log likelihood
21.3101
4 F-statistic
248.633
9

1.03645 Prob(F-statist 0.00000

（表四）

LOG(X1)
LOG(X2)
LOG(X3)
LOG(X4)
LOG(X1)
1
0.
006182
0.
438058
0.
972388
LOG(X2)
0.
006182
1
0.
128526
0.
119842
LOG(X3)
0.
438058
0.
128526
1
0.
347374
LOG(X4)

(表五）
0.
972388
0.
119842
0.
347374
1
Dependent Variable: Y

Method: Least Squares

Date: 06/08/11 Time: 20:50

Sample: 1993

Included observations: 16

Coeffic
Variable ient

Std. Error

t-Statist ic
Prob.

C

-2201.7
92

282.8948

-7.783077

0.0000
X1
0.19993
3
0.088726
2.253364
0.0421
X2
6.14646
9
0.736380
8.346867
0.0000

R-squared

0.98564 Mean dependent
1 var

5087.10
0
Adjusted R-squared
0.98343 S.D. dependent
2 var
3009.75
5
S.E. of regression
387.404 Akaike info
9 criterion
14.9241
8
Sum squared resid
1951073 Schwarz
15.0690
Durbin-Watson stat 6 ic) 0
. criterion 4
-116.39 446.181
Log likelihood 34 F-statistic 9
0.70754 Prob(F-statist 0.00000
Durbin-Watson stat 7 ic) 0

（表六）
Dependent Variable: Y
Method: Least Squares
Date: 06/08/11 Time: 20:51
Sample: 1993
Included observations: 16

Variable

Coeffic ient

Std. Error

t-Statist ic

Prob.

C

-2557.2
03

432.3708

-5.914376

0.0001
X1
0.10565
5
0.174782
0.604498
0.5559
X3
14.7667
0
3.151020
4.686324
0.0004

R-squared

0.96604
7

Mean dependent var

5087.10
0
Adjusted R-squared
0.96082
4
S.D. dependent
var
3009.75
5
S.E. of regression
595.722
1
Akaike info
criterion
15.7847
9
Sum squared resid
4613503
.
Schwarz
criterion
15.9296
5
Log likelihood
-123.27
83
F-statistic
184.941
4
Durbin-Watson stat
0.84665
4
Prob(F-statist ic)
0.00000
0

（表七）
Dependent Variable: Y
Method: Least Squares
Date: 06/08/11 Time: 20:51
Sample: 1993
Included observations: 16

Variable

Coeffic t-Statist
ient Std. Error ic

Prob.

C

-851.96
74

1414.204 -0.602436

0.5572
X1
0.28746
5
0.470776 0.610619
0.5520
X4
0.33606
4
0.257873 1.303215
0.2151

R-squared

0.91923
9

Mean dependent var

5087.10
0
Adjusted R-squared
0.90681
5
S.D. dependent
var
3009.75
5
S.E. of regression
918.766
2
Akaike info
criterion
16.6513
0
Sum squared resid
1097370
6
Schwarz
criterion
16.7961
6
Log likelihood
-130.21
04
F-statistic
73.9847
2
Durbin-Watson stat
0.51767
8
Prob(F-statist ic)
0.00000
0

（表八）
Dependent Variable: Y
Method: Least Squares
Date: 06/08/11 Time: 20:52
Sample: 1993
Included observations: 16

Coeffic
Variable ient Std. Error

t-Statist ic

Prob.

-2078.6
C 61 338.2520

-6.145303

0.0000
6.08028
X2 7 1.821088
3.338821
0.0053
3.56614
X3 4 3.955812
0.901495
0.3837

0.98120 Mean dependent 5087.10
R-squared 8 var 0
0.97831 S.D. dependent 3009.75
Adjusted R-squared 6 var 5
443.197 Akaike info 15.1932
S.E. of regression 1 criterion 7
2553508 Schwarz 15.3381
Sum squared resid . criterion 3
-118.54 339.383
Log likelihood 61 F-statistic 3
0.70648 Prob(F-statist 0.00000
Durbin-Watson stat 8 ic) 0

（表九）
Dependent Variable: Y
Method: Least Squares
Date: 06/08/11 Time: 20:52
Sample: 1993

Variable

Coeffic ient

Std. Error

t-Statist ic

Prob.

C

-1715.2
54

333.0433

-5.150244

0.0002
X2
6.59657
3
0.960957
6.864589
0.0000
X4
0.07637
8
0.063423
1.204268
0.2500

R-squared

0.98203 Mean dependent
7 var

5087.10
0
Adjusted R-squared
0.97927 S.D. dependent
3 var
3009.75
5
S.E. of regression
433.309 Akaike info
5 criterion
15.1481
4
Sum squared resid
2440843 Schwarz
. criterion
15.2930
0
Log likelihood
-118.18
51 F-statistic
355.348
6
Included observations: 16
0.75623 Prob(F-statist 0.00000
Durbin-Watson stat 2 ic) 0

（表十）
Dependent Variable: Y
Method: Least Squares
Date: 06/08/11 Time: 20:53
Sample: 1993
Included observations: 16

Variable

Coeffic ient

Std. Error

t-Statist ic

Prob.

C

-3170.9
34

753.0737

-4.210655

0.0010
X3
21.5645
5
4.748195
4.541631
0.0006
X4
-0.1533
01
0.144267
-1.062620
0.3073

R-squared

0.96788
2

Mean dependent var

5087.10
0
Adjusted R-squared
0.96294
1
S.D. dependent
var
3009.75
5
S.E. of regression
579.397
8
Akaike info
criterion
15.7292
2
Sum squared resid
4364123
.
Schwarz
criterion
15.8740
8
Log likelihood
-122.83
37
F-statistic
195.881
0
Durbin-Watson stat
0.98906
9
Prob(F-statist ic)
0.00000
0

（表十一）
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/09/11 Time: 00:39
Sample: 1993
Included observations: 16

Variable

Coeffic ient Std. Error

t-Statist ic

Prob.

C

-5.2432
61

0.580374

-9.034284

0.0000
LOG(X1)
1.27585
0
0.180742
7.058965
0.0000
LOG(X2)
1.37422
1
0.234232
5.866928
0.0001
LOG(X3)
-1.1715
86
0.327862
-3.573412
0.0038

R-squared

0.98890
6

Mean dependent var

8.36078
7
Adjusted R-squared
0.98613
3
S.D. dependent
var
0.63073
9
S.E. of regression
0.07427
5
Akaike info
criterion
-2.1497
75
Sum squared resid
0.06620
1
Schwarz
criterion
-1.9566
28
Log likelihood
21.1982
0
F-statistic
356.568
7
Durbin-Watson stat
1.79487
7
Prob(F-statist ic)
0.00000
0