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=1+2*x1+3*x2+4*x3+5*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=1+2*log(x1)+3*log(x2)+4*log(x3)+5*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=1+2*log(x1)+3*log(x2)+4*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 1664.26251995 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 -4956.632 1262.903 -3.924794 0.0024 X1 0.706319 0.226767 3.114737 0.0098 X2 3.549938 2.129346 1.667149 0.1237 X3 13.90939 8.419081 1.652127 0.1267 X4 -0.529918 0.232836 -2.275932 0.0438 0.99052 Mean dependent 5087.10R-squared 5 var 0 Adjusted R-squared 0.98707 S.D. dependent 3009.759 var 5 342.120 Akaike info 14.7585S.E. of regression 8 criterion 1 1287513 Schwarz 14.9999Sum squared resid . criterion 5 -113.06287.474Log likelihood 81 F-statistic 8 1.19315 Prob(F-statist 0.00000Durbin-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 -5.677963 1.257576 -4.515007 0.0009 LOG(X1) 1.412605 0.394717 3.578775 0.0043 LOG(X2) 1.319462 0.279940 4.713375 0.0006 LOG(X3) -1.059057 0.444222 -2.384071 0.0362 LOG(X4) -0.121652 0.308999 -0.393698 0.7013 R-squared 0.98906 Mean dependent 1 var 8.360787 Adjusted R-squared 0.98508 S.D. dependent 3 var 0.630739 S.E. of regression 0.07703 Akaike info 7 criterion -2.038767 Sum squared resid 0.06528 Schwarz 1 criterion -1.797333 Log likelihood 21.31014 F-statistic 248.6339 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 CoefficVariable ient Std. Error t-Statist ic Prob. C -2201.792 282.8948 -7.783077 0.0000 X1 0.199933 0.088726 2.253364 0.0421 X2 6.146469 0.736380 8.346867 0.0000 R-squared 0.98564 Mean dependent 1 var 5087.100 Adjusted R-squared 0.98343 S.D. dependent 2 var 3009.755 S.E. of regression 387.404 Akaike info 9 criterion 14.92418 Sum squared resid 1951073 Schwarz 15.0690Durbin-Watson stat 6 ic) 0 . criterion 4 -116.39446.181Log likelihood 34 F-statistic 9 0.70754 Prob(F-statist 0.00000Durbin-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 -2557.203 432.3708 -5.914376 0.0001 X1 0.105655 0.174782 0.604498 0.5559 X3 14.76670 3.151020 4.686324 0.0004 R-squared 0.966047 Mean dependent var 5087.100 Adjusted R-squared 0.960824 S.D. dependent var 3009.755 S.E. of regression 595.7221 Akaike info criterion 15.78479 Sum squared resid 4613503. Schwarz criterion 15.92965 Log likelihood -123.2783 F-statistic 184.9414 Durbin-Watson stat 0.846654 Prob(F-statist ic) 0.000000 （表七） Dependent Variable: Y Method: Least Squares Date: 06/08/11 Time: 20:51 Sample: 1993 Included observations: 16 Variable Coeffict-Statistient Std. Error ic Prob. C -851.9674 1414.204 -0.602436 0.5572 X1 0.287465 0.470776 0.610619 0.5520 X4 0.336064 0.257873 1.303215 0.2151 R-squared 0.919239 Mean dependent var 5087.100 Adjusted R-squared 0.906815 S.D. dependent var 3009.755 S.E. of regression 918.7662 Akaike info criterion 16.65130 Sum squared resid 10973706 Schwarz criterion 16.79616 Log likelihood -130.2104 F-statistic 73.98472 Durbin-Watson stat 0.517678 Prob(F-statist ic) 0.000000 （表八） Dependent Variable: Y Method: Least Squares Date: 06/08/11 Time: 20:52 Sample: 1993 Included observations: 16 CoefficVariable ient Std. Error t-Statist ic Prob. -2078.6C 61 338.2520 -6.145303 0.0000 6.08028X2 7 1.821088 3.338821 0.0053 3.56614X3 4 3.955812 0.901495 0.3837 0.98120 Mean dependent 5087.10R-squared 8 var 0 0.97831 S.D. dependent 3009.75Adjusted R-squared 6 var 5 443.197 Akaike info 15.1932S.E. of regression 1 criterion 7 2553508 Schwarz 15.3381Sum squared resid . criterion 3 -118.54339.383Log likelihood 61 F-statistic 3 0.70648 Prob(F-statist 0.00000Durbin-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 -1715.254 333.0433 -5.150244 0.0002 X2 6.596573 0.960957 6.864589 0.0000 X4 0.076378 0.063423 1.204268 0.2500 R-squared 0.98203 Mean dependent 7 var 5087.100 Adjusted R-squared 0.97927 S.D. dependent 3 var 3009.755 S.E. of regression 433.309 Akaike info 5 criterion 15.14814 Sum squared resid 2440843 Schwarz . criterion 15.29300 Log likelihood -118.1851 F-statistic 355.3486 Included observations: 16 0.75623 Prob(F-statist 0.00000Durbin-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 -3170.934 753.0737 -4.210655 0.0010 X3 21.56455 4.748195 4.541631 0.0006 X4 -0.153301 0.144267 -1.062620 0.3073 R-squared 0.967882 Mean dependent var 5087.100 Adjusted R-squared 0.962941 S.D. dependent var 3009.755 S.E. of regression 579.3978 Akaike info criterion 15.72922 Sum squared resid 4364123. Schwarz criterion 15.87408 Log likelihood -122.8337 F-statistic 195.8810 Durbin-Watson stat 0.989069 Prob(F-statist ic) 0.000000 （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 -5.243261 0.580374 -9.034284 0.0000 LOG(X1) 1.275850 0.180742 7.058965 0.0000 LOG(X2) 1.374221 0.234232 5.866928 0.0001 LOG(X3) -1.171586 0.327862 -3.573412 0.0038 R-squared 0.988906 Mean dependent var 8.360787 Adjusted R-squared 0.986133 S.D. dependent var 0.630739 S.E. of regression 0.074275 Akaike info criterion -2.149775 Sum squared resid 0.066201 Schwarz criterion -1.956628 Log likelihood 21.19820 F-statistic 356.5687 Durbin-Watson stat 1.794877 Prob(F-statist ic) 0.000000