—中国旅游业发展状况分析及政策建议
【摘要】21世纪旅游业的发展有着光辉的前景。作为亚太地区的大国，中国旅游业的发展更是生机勃勃。被称为朝阳产业，这说明了它的发展前途和生命力。但是，这个朝阳需要整个社会来托起来。本文主要通过对影响旅游发展的多因素分析，建立以旅游收入为被解释变量，若干影响因素为解释变量的多元线性回归模型，并应用2002年中国各省、市、自治区、直辖市截面数据回归得到的模型，对中国的旅游发展显著因素分析和提出相关政策建议。

关键词：旅游产业   可支配收入   旅游业投资    国际游人数

引言部分
旅游业是由旅行社业、住宿业、交通业、商业等相关产业的集合，是一种关联带作用较大的综合性产业。旅游业的发展不但对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，和加强国家、地区间的文化交流。20世纪90年代，旅游业已经成为世界第一大产业，其增加值超过了石油、钢铁、汽车等传统产业，而我国第三产业产值只占GDP的33%左右，2002年旅游产业的产值只有5530亿，占同年GDP很小一部分，而我国的旅游资源是很丰富的，我国旅游业发展潜力巨大。

研究目的
    我们通过收集数据、建立模型来对影响我国旅游收入的因素进行研究分析，一方面力求为增加旅游方法的研究指出明确的方向，另一方面通过模型的分析针对重要的影响因素提出我们对增加旅游收入的一些建议。

理论支持
    根据对旅游收入的分类，旅游收入可分为国内旅游收入和国际旅游收入，我们的模型的设定以这一分类为基础，另外，考虑到旅游产业收入的发展除受外在因素影响以外，还很大程度上受其产业本身的发展水平影响，因此进行旅游收入分析模型设定时，我们还引入旅游的固定资产作为解释变量。

（四）模型的设定和数据的收集
 1、根据理论分析和经验，我们最初选择了居民可支配收入、旅游业固定资产、国际游人数、国际旅游外汇收入、公共绿地面积、污染的直接经济损失、居民消费水平和旅客周转量等因素作为参考，但是经过反复的回归实验，我们发现有些因素或是不符合经济意义，或是显著性检验不能通过，或是不能改善拟合优度，同时对其他参数有明显影响，与我们的预计存在很大差距，所以我们就认为这些都是多余变量，不宜引入模型，最后，我们选择了影响最为显著的三个因素，建立计量经济模型：Yi=β0+β1X1+β2X2+β3X3+ui
其中：Y为旅游企业营业收入（万元），X1为居民可支配收入（元），X2为旅游业固定资产（万元），X3为国际游人（万）人次。居民可支配收入是影响国内旅游收入的因素代表，国际游人是影响国际旅游收入的因素，而旅游固定资产则体现了旅游产业的发展规模。
 
 2、为了避免时间序列的非平稳性，本模型使用截面数据，数据来源于《中国统计年鉴》和《中国旅游年鉴》等，在经过大量分析比较后，我们采用了所取样本数据见下表：
  Y  X1  X2  X3
北京 3071382.89 17862.4 8315358.66 310.38
天津 330210.32 13616.27 720569.77 50.6
河北 311638.33 9364.84 3013441.43 47.36
山西 241734.11 8384.18 1230965.15 24.8
内蒙古 99536.06 8137.02 924768.53 43.94
辽宁 597119.74 9275.86 3906459.27 92.94
吉林 139521.2 8561.15 1063246.77 29.4
黑龙江 222351.45 8505.8 1880015.01 71.74
上海 2078663.76 19473.35 4124933.37 272.53
江苏 1489124.27 12157.43 4345862.52 222.63
浙江 1587535.79 16655.96 4959023.27 204.1
安徽 341791.19 8149.96 1607410.11 45.91
福建 477032.39 12728.19 2186890.79 184.82
江西 195879.99 8642.09 971296.24 24.09
山东 1381406.68 10561.95 4574424.67 97.68
河南 301184.48 8461.14 2755814.73 41.01
湖北 461329.72 9232.58 4481352.11 102.43
湖南 317805.42 9356.48 2466111.99 56.62
广东 5872417.65 15049.1 9934396.26 1525.88
广西 466945.16 9327.92 2656774.22 136.34
海南 281359.88 9245.92 1645119.41 38.94
重庆 329401.9 9335.62 1203517.37 46.15
四川 528523.11 8718.44 4028187.42 66.72
贵州 188339.5 7433.99 948920.56 22.81
云南 472488.11 8849.2 2270575.71 130.36
西藏 30406.73 9541.39 462971.03 14.23
陕西 389392.36 7927.09 2206958.34 85.01
甘肃 135609.95 7741.74 766963.63 23.68
青海 33092.52 7839.46 181351.05 4.35
宁夏 26661.59 7984.8 237737.06 0.6
新疆 206736.91 8762.9 1310537.41 27.54

五、参数估计
将样本数据导入EVIEWS软件进行OLS估计，得到如下结果：

Dependent Variable: Y
Method: Least Squares
Date: 12/18/04   Time: 19:27
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob. 
X1 74.08797 16.60096 4.462871 0.0001
X2 0.159472 0.031289 5.096692 0.0000
X3 2575.787 224.4887 11.47402 0.0000
C -782883.7 144220.9 -5.428364 0.0000
R-squared 0.970141     Mean dependent var 729245.9
Adjusted R-squared 0.966823     S.D. dependent var 1169705.
S.E. of regression 213057.1     Akaike info criterion 27.49642
Sum squared resid 1.23E+12     Schwarz criterion 27.68145
Log likelihood -422.1945     F-statistic 292.4119
Durbin-Watson stat 2.100419     Prob(F-statistic) 0.000000

六、模型的检验
1、经济意义检验
经过上面的分析我们在理论上已经知道，旅游收入与可支配收入、外国游人和旅游设施之间有较高的相关关系，因此回归结果是符合经济意义的。
2、统计学检验
从估计的结果可以看出，可决系数为0.970141，模型拟合情况非常理想，在给定显著水平α=0.05的情况下，t统计量的绝对值分别为4.462871、5.096692、11.47402和5.428364，均大于t统计量的临界值，说明解释变量对应变量的影响是显著的，F统计量的值也较显著，说明回归方程非常显著,整体模型效果比较好。
3、计量经济学检验
（1）多重共线性
由EVIEWS软件得相关系数矩阵表：

 X1 X2 X3
   
X1  1.000000  0.666192  0.510124
X2  0.666192  1.000000  0.768350
X3  0.510124  0.768350  1.000000

可以看出，解释变量之间不存在线性相关。
（2）异方差性检验
 ①由于ARCH检验在截面数据的模型中失效，我们在这里采用WHITE检验：

White Heteroskedasticity Test:
F-statistic 8.581949     Probability 0.000027
Obs*R-squared 24.37321     Probability 0.003749
    
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/18/04   Time: 21:36
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob. 
C -3.52E+11 1.75E+11 -2.008401 0.0576
X1 93769074 35995581 2.605016 0.0165
X1^2 -5536.601 1855.992 -2.983096 0.0071
X1*X2 4.010251 4.349871 0.921924 0.3670
X1*X3 218323.5 99409.20 2.196211 0.0394
X2 -149485.7 43813.22 -3.411886 0.0026
X2^2 0.042000 0.006748 6.223857 0.0000
X2*X3 -1416.213 259.6920 -5.453432 0.0000
X3 9.97E+08 1.17E+09 0.852457 0.4036
X3^2 5097861. 1218968. 4.182111 0.0004
R-squared 0.786232     Mean dependent var 3.95E+10
Adjusted R-squared 0.694618     S.D. dependent var 6.20E+10
S.E. of regression 3.42E+10     Akaike info criterion 51.60688
Sum squared resid 2.46E+22     Schwarz criterion 52.06945
Log likelihood -789.9066     F-statistic 8.581949
Durbin-Watson stat 2.406783     Prob(F-statistic) 0.000027

 查表得，χ20.05（9）=16.919， Obs*R-squared=24.37321>χ20.05（9）=16.919，所以拒绝H0，表明模型中存在异方差。
 ②异方差的修正：
 WLS估计法
 选择w1=1/e2, (其中e2=resid2)
 
Dependent Variable: Y
Method: Least Squares
Date: 12/18/04   Time: 22:21
Sample(adjusted): 20 31
Included observations: 12 after adjusting endpoints
Weighting series: W1
Variable Coefficient Std. Error t-Statistic Prob. 
X1 73.52994 6.551455 11.22345 0.0000
X2 0.246382 0.008894 27.70320 0.0000
X3 2144.607 33.49767 64.02257 0.0000
C -954210.6 67918.30 -14.04939 0.0000
Weighted Statistics    
R-squared 1.000000     Mean dependent var 4872750.
Adjusted R-squared 0.999999     S.D. dependent var 15682507
S.E. of regression 11386.03     Akaike info criterion 21.77936
Sum squared resid 1.04E+09     Schwarz criterion 21.94100
Log likelihood -126.6762     F-statistic 126827.6
Durbin-Watson stat 1.871307     Prob(F-statistic) 0.000000
Unweighted Statistics    
R-squared 0.983289     Mean dependent var 1439752.
Adjusted R-squared 0.977022     S.D. dependent var 1669379.
S.E. of regression 253054.4     Sum squared resid 5.12E+11
Durbin-Watson stat 1.900885   

修正后的WHITE检验为：

White Heteroskedasticity Test:
F-statistic 0.285352     Probability 0.925103
Obs*R-squared 6.746256     Probability 0.663519
    
Test Equation:
Dependent Variable: STD_RESID^2
Method: Least Squares
Date: 12/18/04   Time: 22:33
Sample: 20 31
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob. 
C 1.37E+09 7.30E+09 0.187520 0.8686
X1 -203099.3 1358357. -0.149518 0.8949
X1^2 7.208387 61.16436 0.117853 0.9170
X1*X2 0.028977 0.038473 0.753180 0.5299
X1*X3 -536.8014 2577.358 -0.208276 0.8543
X2 -193.8173 602.7645 -0.321547 0.7783

Obs*R-squared=6.746256<χ20.05（9）=16.919，证明模型中的异方差已被消除了。
（3）自相关检验
在显著性水平α=0.05下，查表得，dL=1.229，dU=1.650，
由于dU<Durbin-Watson stat= 1.871307<2，表明模型不存在自相关。
由图示也可以看出随机误差ui没有自相关。

七、总结和政策建议
 1、从模型经过一系列的检验和修正后，得到最终模型：
Y= -954210.6 + 73.52994X1 + 0.246382X2 + 2144.607X3
   (67918.30)  (6.551455)   (0.008894)   (33.49767)
 t= (-14.04939)   (11.22345)   (27.70320)   (64.02257)
 R2= 0.999999   F=126827.6   DW=1.871307
从上面报告可知，模型的拟合效果很好，各项计量指标令人满意，而且从经济上是符合实际的：旅游收入受居民可支配收入，入境人数和旅游业的固定资产的影响显著，我们确定为最终结果。

2、政策建议：
 A、根据模型可知道，旅游产业的规模（旅游固定资产）对旅游收入的影响显著，是旅游业发展的重要因素之一，因此深化旅游企业改革，积极引导各类资金投资旅游业是促进旅游业发展的重要途径。另外，我国大中型国有旅游企业与世界一流的国外旅游企业相比，经营规模和管理水平还落后很多，这一点与建设世界旅游强国的目标很不适应。当前我国旅游企业要进一步加快改革步伐，尽快实现品牌化、网络化、集团化和国际化经营，增强竞争实力。
 B、更深层次地挖掘国内旅游市场。现阶段国内旅游市场受到人均可支配收入低的重要影响，跟发达国家的旅游产业存在很大的差距。在既定的人均收入水平下，政府应加强与完善社会保障体系，使居民的边际消费倾向提高，从而扩大消费支出；另外，我国有着潜力巨大的农村消费市场，尤其是政府在“三农”问题中实行的增加农民收入各项政策后，农民的消费能力将进一步提高，国内旅游企业应该在保持城镇居民旅游稳定增长同时，加大开发适合农村居民的旅游项目来吸引其旅游消费。
 C、打造中国“最安全的旅游胜地”和“最另人向往的旅游胜地” 的国际品牌。一、发展和巩固传统客源市场的重点，1、日本市场要有新的突破；2、是对美国、德国两个远距离市场的市场开发要有新进展；3、要继续巩固港澳台老客源市场的新增长。二、大力开发新市场，寻求新的客源增长点，1、大力培育的发展印度市场；2、优化俄罗斯客源结构，特别要提高休闲度假旅游市场份额；三、要打好双向旅游牌，促进国际关系的进一步发展。
 
八、存在问题
时间对旅游需求的影响是很重要的，但是我组选取的模型没有考虑“黄金周”等因素对旅游企业收入的影响，可能导致模型完美程度有所降低。
2002年我国加入WTO，这对我国旅游业有一定的影响，我组没有选取加入WTO前的数据建模进行对比分析，说明加入WTO对旅游业的影响，存在一定的不足。

参考文献：
  《中国统计年鉴》
 《2002中国旅游年鉴》
   《2003中国旅游年鉴》
 《新世纪、新趋势、新战略》  张广瑞
 《旅游业：加入WTO周年回顾》 高舜礼