我国旅游经济的因素分析
 
 摘要：本文旨在对90年代我国居民可支配收入.交通费.饭店宾馆业个数.游客人数等因素的变动对我国旅游收入变动的影响进行实证分析。首先，我们采用了关于收入和消费的主要理论观点为经济理论依据；进而我们建立了理论模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果作了经济意义的分析，并相应提出一些政策建议。
 
背景
    随着市场经济的稳定繁荣和改革开放的深入发展，我国的人均可支配收入的大幅度增长，我国人均生活水平有了大幅度提高，其主要表现在物质需求向精神需求的转变。特别是对“旅游”这一朝阳产业，人们的认识有了翻天覆地的变化，我国国内旅游人次和收入分别由1985年的2.4亿人次和80亿元人民币增加为2001年的7.84亿人次和3522.4亿元人民币。
    改革开放２０多年来，我国旅游基础设施建设、开发和管理水平全面提高。据最新统计，到２００１年末，中国旅游业固定资产原值近７８００亿元，有各类旅游企事业单位２８．８万个，各类旅游住宿设施２７．４万个，各类旅行社超过１万家。目前，中国颁布了１７类旅游业行业标准，成为世界旅游业标准管理的先进国家。旅游业是中国与国际接轨最早并紧跟世界潮流的行业，已初步形成了“大旅游、大产业、大发展”的格局。
 旅游业已成为中国社会新的经济增长点。中国旅游业总收入正以年均约１２％的速度增长，高于同期国内生产总值７％左右的平均增长率。去年中国旅游业总收入为４９９５亿元，相当于国内生产总值的５．２％。预计旅游外汇收入今年将达２００亿美元，５年后将达３００亿美元。中国首创的“假日经济”已成为中国旅游业迅速增长的助推器。去年春节、“五一”、“十一”三个７天长假，全国接待国内旅游者近２亿人次，实现旅游收入７３６亿元。假日旅游带动了吃、住、行、游、购等产业链条上的各环节，有力刺激了居民消费而拉动“内需”。 旅游业这一无烟产业，还将对促进经济、社会、环境协调发展，解决就业，促进扶贫发挥积极作用。最近１０年中，劳动密集型的旅游业快速发展直接或间接为中国解决了３５００多万人的就业。旅游服务业在整个国民经济中的地位越来越突出，功能越来越综合，贡献越来越巨大。
 世界旅游及旅行理事会（ＷＴＴＣ）１３日在京发布了一份题为“旅游及旅行行业对就业和国民经济的影响”的最新研究报告。这份报告提出，中国旅游及旅行业在未来１０年有望实现１０．４％的年增长率，中国将成为世界第四大旅游业发展经济体。
 这份报告对中国旅游及旅行业经济在２００４年和未来１０年内的增长分别进行了预测，并提出了一系列促进中国旅游及旅行业的政策建议。按照世界旅游及旅行理事会预测，２００４年，中国旅游及旅行业增长率将达到３３．６％，直接创造２８９２亿元的国内生产总值和５４１０万个工作岗位，而且中国旅游及旅行投资将达到５１２１亿元人民币，约合６１２亿美元，占总投资额的９．６％。到２０１３年中国旅游及旅行业创造的国内生产总值将达到８４４６亿元，直接及间接创造６５８０万个工作岗位，并吸引更多的投资。
 
 
 鉴于旅游业在国民经济中的重要性，本文收集了我国90年代旅游的相关时间序列数据，并加以实证分析及比较对比分析，分析了影响我国旅游业发展的因素。并根据各因素对旅游收入影响的大小，对我国旅游业的发展方向提出自己的建议。

二.对旅游业的经济分析

      通过一系列的分析，我们了解到，旅游业的收入受到多方面的影响——居民可支配收入，交通费用，饭店宾馆个数，旅游人数，消费者偏好，广告宣传，相关产业的发展等…
      在众多的影响因素中，政府的政策，消费者偏好等因素属于虚拟变量，无法很好地表现在模型中，因此我们在设定模型时仅用了居民可支配收入，交通费用，饭店宾馆个数，旅游人数来进行回归分析
三．经济理论陈述
    收入与消费之间的关系
四．数据的收集（见附表）
五．计量经济模型的建立
我们建立了下述的一般模型：Y=B+1X1+2X2+3X3+4X4
Y：旅游收入
X1：居民可支配收入
X2：交通费
X3：饭店宾馆个数
X4：游客人数
六、模型的参数估计、检验及修正
1 差异方差检验
ARCH Test:    
F-statistic 1.578787     Probability  0.271693
Obs*R-squared 3.108590     Probability  0.211338
    
Test Equation:    
Dependent Variable: RESID^2    
Method: Least Squares    
Date: 05/15/04   Time: 12:39    
Sample(adjusted): 1992 2001    
Included observations: 10 after adjusting endpoints    
Variable Coefficient Std. Error t-Statistic Prob. 
C 8249.291 12384.43 0.666102 0.5267
RESID^2(-1) 0.562966 0.342050 1.645859 0.1438
RESID^2(-2) -0.090391 0.352001 -0.256791 0.8047
R-squared 0.310859     Mean dependent var  20125.62
Adjusted R-squared 0.113962     S.D. dependent var  27111.29
S.E. of regression 25519.75     Akaike info criterion  23.37562
Sum squared resid 4.56E+09     Schwarz criterion  23.46639
Log likelihood -113.8781     F-statistic  1.578787
Durbin-Watson stat 2.120479     Prob(F-statistic)  0.271693
                             图1
由于样本比较小，所以我们就不用(n-P)R^2，e²与其滞后2阶的2个自回归变量t值均不显著，就说明该模型不存在异方差。

 2自相关的检验
由于数据是时间序列，所以有可能会产生自相关性，那么我们就需要检验方程是否能通过D-W检验。从上面的结果表中我们可以得出D-W=2.120479，给定显著性水平a=0.05，查D-W表，n=9,k`=4，得到下限临界值dl=0.296上限临界值du=2.588所以我们判断这四个变量不存在的自相关的特征。
3多重共线形检验

我们先对四个变量的相关系数进行了检验，得下表；

 X1 X2 X3 X4
X1 1 -0.566142230988 0.983222026676 0.895088401009
X2 -0.566142230988 1 -0.558443628329 -0.553048863409
X3 0.983222026676 -0.558443628329 1 0.851554787289
X4 0.895088401009 -0.553048863409 0.851554787289 1
相关系数较高因此存在多重共线性，用逐步回归法得如下结果；
对X1进行回归：
Adjusted R-squared 0.968453
X2
Adjusted R-squared 0.218207
X3
Adjusted R-squared 0.982963
X4
Adjusted R-squared 0.742975
X3，X1
Adjusted R-squared 0.984727
X3，X2
Adjusted R-squared 0.981539
X3，X4
Adjusted R-squared 0.985199
X3 ，X4 ，X1
Adjusted R-squared 0.984178
X3，X4，X2
Adjusted R-squared 0.984623

将下， X2 剔除后得下表：
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob. 
C -344.6181 157.3044 -2.190772 0.0598
X1 0.104061 0.160736 0.647405 0.5355
X3 0.399572 0.116423 3.432069 0.0089
X4 42.51825 51.26520 0.829379 0.4309
R-squared 0.988493     Mean dependent var 1629.692
Adjusted R-squared 0.984178     S.D. dependent var 1180.408
S.E. of regression 148.4781     Akaike info criterion 13.09995
Sum squared resid 176366.1     Schwarz criterion 13.26159
Log likelihood -74.59972     F-statistic 229.0785
Durbin-Watson stat 2.168626     Prob(F-statistic) 0.000000

此时T值明显增大，F值也增大，但是x1 x4的T值仍然很不明显X2n 847991
剔除变量后的方程如下：
Y= -344.6181+0.104061X1+0.399572 X3+42.518X4
(-2.284899)     (12.83184)   (1.584673)
 R=0.988493    =0.98418  F=229.785
 根据经济学的相关知识我们知道居民可支配收入对旅游消费有很大影响，旅游设施中的旅馆数量对旅游业的发展有量的标志，且旅游人数也能侧面反映旅游业的发展。所以根据数据研究我们只能剔除X2这个不能确定的指标。对于X1 X3 X4三个数据我们保留。
 经济分析
 虽然在以上的计量经济学分析中自变量X1（ 居民可支配收入）,X2（交通费）对因变量Y影响不是很明显，但在现实经济生活中它们和自变量X3（饭店宾馆数）,X4(游客人数)一起对旅游收入产生了不可忽视的作用。
 众所周之，旅游业是一个“无烟工业”，并且具有投资少，收效快，利润高的优点。近些年来，随着人们可支配收入的增加，他们对旅游业收入的贡献越来越大，这已成为拉动GDP增长的一个重要因素，所以政府应当大力地扶持旅游业，制定利于旅游业发展的相关税收政策，在财政方面有所倾斜，采取鼓励人们外出旅游的一系列相应措施——如：增长假期，在假日旅游消费方面给予一定的补贴，提供公平的环境促进旅游业的市场竞争来降低旅游商品的价格，此外还要实施可持续发展的战略。而作为旅游企业应当充分利用现有的资源，从消费者的需求出发，提高服务质量，创新服务项目，以达到创收的目的。
 从实际情况来看，交通费对旅游业收入是存在影响的，因为它是人们在外出旅游前考虑的重要因素之一。交通业是旅游业的相关产业，联系比较紧密，因此，为了增加旅游业收入就应该加强交通建设，提高交通业服务水平，尽量减少旅游交通费用。
 另外，游客人数也直接影响到旅游业的收入，所以旅游业应尽力扩大市场，采取积极有效的措施吸引更多的人成为旅游这种非必需品的消费者，从而扩大内需，促进经济进一步向前发展。
 在增加旅游人数的同时，加强旅游业配套设施建设也非常重要，如在饭店宾馆方面，就应该根据实际情况适当增加其个数，增设不同档次的服务，改善其环境，提高顾客满意度，使旅游业的利润最大化。