影响我国旅游业发展的有关因素分析_毕业论文

影响我国旅游业发展的有关因素分析

影响我国旅游业发展的有关因素分析

[摘要]中国山河锦绣,有着丰富的自然资源,自然景观和人文景观相互映衬;中国是人类文明的发源地之一,中华民族共同创造的灿烂文化构成了巨大的人文旅游资源优势。近十年来,旅游业在全球蓬勃发展,而壮丽旖旎的中国也吸引着来自世界各国的游客。旅游服务业的发展对中国服务贸易的发展有着举足轻重的影响。本文通过对中国旅游服务贸易出口的计量经济研究,找出影响因素,从而对今后中国旅游服务贸易发展提出建议。

[关键词]

旅游收入国内旅游多重共线性异方差自相关

一、引言

旅游业一般分为国际旅游业和国内旅游业。国内旅游业是为国内旅游者服务的一系列相关的行业。改革开放以来，我国的旅游业呈现蓬勃的发展趋势，旅游景点吸引着来自四面八方的人。随着经济的发展和人民生活水平的进一步提高，闲暇时间的增多，带薪假期的普遍实行。由于旅游条件的改观，人民的旅游热情将进一步焕发，人民对旅游消费的需求将进一步上升，国内旅游业在国民经济中的地位和作用越来越重要。。因此，对影响我国国内旅游消费的因素的分析就显得尤为重要。

影响旅游消费的因素主要有两方面：一是旅游者的主观需求因素，包括旅游者的收入情况和闲暇时间等；二是旅游资源的客观供给

因素，包括旅游资源及其设施、交通情况等。具体说来包括：

（一）居民可支配时间增多

1999年9月，国家出台了全国年节及纪念日放假办法。根据这一放假办法，形成了三个各约一周的集中假期，即“春节”、“五一”、“十一”旅游“黄金周”。集中的假日，使出游者实施的中长距离旅游有了时间保证，人们有可能走得更远，逗留得更久，去更多的旅游景点，享受更多的旅游经历，也支出更多的费用。“黄金周”使居民的可自由支配时间增加，在我国的国内旅游发展方面起着十分良好的作用。

（二）居民旅游观念的变化

国内旅游业发展的主要推动力量是我国社会经济的快速发展。国内生产总值（GDP）是衡量社会经济发展水平的指标：GDP指标越高，国民的富裕程度越高，消费观念越强。

（三）交通情况

随着经济的逐步增长，我国的交通状况得到很大的改善。铁路、公路的增多，条件的完善，使出行变得更加方便，居民也因此更乐于到各个地方旅游。

（四）旅游人数

旅游消费与旅游人数有着一定的关系：旅游人数越多，消费水平通常就越高。由于经济的发展和人们消费观念的转变，越来越多的人喜欢外出旅游，为旅游业的发展做出了很大的贡献。

那么究竟是哪些因素对我国国内旅游消费产生了重大的影响。在

现阶段，对于我国国内旅游业的发展，我们应该着重发展哪些方面来促进这个朝阳产业继续发展壮大？这主要取决于哪些方面能给我过国内旅游业收入带来更大幅度的增长，即是我们研究课题的关键。

针对此种情况，我们收集了1985--2011年影响我国旅游收入的相关因素的时间序列数据，诸如国内生产总值、旅游人数、交通建设等，并用计量方法进行细致分析和水平比较，以解决以上我们所提出的问题。

二、变量的选取和分析

（一）影响因素分析

1.国内生产总值（GDP）

国内生产总值是衡量社会经济发展的指标，他能衡量外界提供的旅游消费所需环境的完善程度；GDP指标越高，相应的交通运输、信息传递等基础公共设施越完善，国民的富裕程度越高，消费观念越强。经济的增长对消费有强烈的刺激作用，特别是类似旅游这样的消费。

2．闲暇时间

1999年9月，国家出台了全国年节及纪念日放假办法。根据这一放假办法，形成了三个各约一周的集中假期，继“春节”、“五一”、“十一”旅游黄金周。虽然如今三个取消了两个，但长久以来的节假日旅游观念仍然使得许多人选择在这一时期出门旅游。

这是国内旅游在居民可自由支配时间增多的条件下获得的一次新的提升，是国内旅游迈向了一个新的高度。

3.人口

人口数量的多少会影响旅游人次，从而影响旅游收入。要形成一定规模的旅游市场，必须以一定数量的人口作为基础。由于我国是世界第一人口大国，因此巨大的人口规模是促进我国国内旅游市场规模发展的有利条件。

（二）指标选择

基于以上问题的提出，我们在研读了大量统计和计量资料的基础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花费和基本交通建设。从数据的可获得性考虑，将国内旅游收入作为衡量我国国内旅游业发展水平的指标，作为自变量Y（单位：亿元）。因变量的选取考察：（1）居民消费观念变化对国内旅游业发展的影响，选取对居民消费观念变化有显著影响的国内生产总值GDPX1来衡量；（2）影响旅游消费的人数用旅游人数X2来横量；（3）交通状况的影响，用公路里程和铁路里程来衡量；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大众的旅游交通方式集中在公路和铁路上，为了避免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X3公路长度和X４路长度这两个解释变量。（4）居民的可支配时间的影响，设置表示闲暇时间选X5为解释变量。

（三）模型选择

目前关于旅游消费的理论模型主要有旅游引力模型、多元回归模型和时间序列模型，但各模型都既有优势，又都存在一些缺陷。由于

影响国内旅游消费的因素较多，我们决定选择多元线性回归方程来构建我国国内旅游消费模型。多元回归线性模型为：

μββββ+++++=n n 22110X ...X X Y

（四）样本数据采集

根据我们对影响我国旅游业收入的因素分析，以及解决我们提出的问题的需要，初步选取了以下四个解释变量：国内生产总值、旅游人数、公路长度和铁路长度。鉴于我国旅游业发展的阶段性和我们分析的即时性，收集了1995—2011年最近二十六年的统计数据。

年份

旅游消费支出（元） （Ｙ） 国内生

产总值

（亿

元） （Ｘ

１）

旅游人数（百万人） （Ｘ

２）

公路里程（万公里） （Ｘ

３）

铁路里

程（万

公里） （Ｘ４）

闲暇时

间 （Ｘ５） 1985 80.0 9016.0 240.0 94.2 5.5

0.0

1986

106.0

10275.

2 270.0 96.

3 5.6

0.0 1987

140.0

12058.

6 290.0 98.2 5.6

0.0

1988 187.0

15042.

8

300.0 100.0 5.6

0.0

1989

150.0 16992.

240.0 101.4 5.7

0.0

18667.

1990 170.0

280.0 102.8 5.8 0.0

8

21781.

1991 200.0

300.0 104.1 5.8 0.0

5

26923.

1992 250.0

330.0 105.7 5.8 0.0

5

35333.

1993 864.0

410.0 108.4 5.9 0.0

9

48197.

524.0 111.8 5.9 0.0 1994 1023.5

9

60793.

629.0 115.7 6.2 0.0 1995 1375.7

7

71176.

1996 1638.4

640.0 118.6 6.5 0.0

6

78973.

644.0 122.6 6.6 0.0 1997 2112.7

84402.

695.0 127.9 6.6 0.0 1998 2391.2

3

89677.

1999 2831.9

719.0 135.2 6.7 1.0

1

2000 3175.5 99214.744.0 168.0 6.9 1.0

2001 3522.4

109655

.2

784.0 169.8 7.0 1.0 2002 3878.4

120332

.7

878.0 176.5 7.2 1.0 2003 3442.3

135822

.8

870.0 181.0 7.3 1.0 2004 4710.7

159878

.3

1102.0 187.1 7.4 1.0 2005 5285.9

184937

.4

1212.0 334.5 7.5 1.0 2006 6229.7

216314

.4

1394.0 345.7 7.7 2.0 2007 7770.6

265810

.3

1610.0 358.4 7.8 2.0 2008 8749.3

314045

.4

1712.0 373.0 8.0 2.0

2009

10183.

7 340902

.8

1902.0 386.1 8.6 2.0

2010

12579.

8 401512

.8

2103.0 400.8 9.1 2.0

2011 19305.4728812641.0 410.6 9.3 2.0

4 .6

数据来源：统计年鉴 三、模型及处理

（一）建立模型

根据以上各变量的设置，初步建立以下模型：

01122334455i i Y X X X X X u ββββββ=++++++

其中， Y 代表旅游消费支出，即当年的旅游收入;X1代表国内生产年总值;X2代表旅游人数;X3代表公路里程;X4代表铁路里程; X5代表平均闲暇天数 i μ代表随机扰动项. （二） 参数估计

在EViews中用普通最小二乘法（OLS）进行参数估计，即出现以下结果：

从回归结果看，R2=0.981737较大，通过F检验，但在显著性水平05

α下， X4，X5 的回归系数并不显著，而且X3，X4 的系数.0

=

符号与预期的相反，这表明该模型很可能存在多重共线性。

（三）采用逐步回归的办法，去检验和解决多重共线性问题。（1）做Y与X1的回归，结果如下：

（2）作y与x2的回归，结果如下:

（3）作y与x3的回归，结果如下:

（4）作y与x4的回归，结果如下:

（5）作与X5的回归，结果如下:

由此可见，Y受X2的影响最大，所以选（2）为初始的回归模型。做Y X2 X1 C的回归，结果如下：

做Y X2 X3的回归，结果如下：

做Y X2 X4的回归，结果如下：

做Y X2 X5的回归，结果如下：

选择X2 X4，继续进行逐步回归

做Y X2 X4 X1的回归，结果如下

做Y X2 X4 X3的回归，结果如下：

做Y X2 X4 X5的回归，结果如下：

选择X2 X4 X3，继续进行逐步回归

做Y X2 X4 X3 X1的回归，结果如下：

做Y X2 X4 X3 X5的回归，结果如下：

选择X2 X4 X3 X1.

所以，最后的方程为

Y=5800.459+0.028088X1+5.794326X2—14.75006X3—1146.826X4 （1.908196）（2.301913）（2.298190）（—3.728756）（—2.088209）R2=0.981737 F=295.6602 d.w.=1.036104

（四）异方差检验

图示法

Scat y x1

Scat y x2

Scat y x3

Scat y x4