《统计软件应用》期末课程论文范文2.doc

.
我国旅游收入的实证分析
一、 经济理论陈述
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。其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用国际营销的知识进行市场细分，划分了国际和国内两个市场。这样，在旅游人数这个解释变量的最终确定上，我们选择了国内旅游人数，入境旅游人数。这点选择除了理论支持外，在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影。所以，我们选取这两个解释变量等待下一步进行模型设计和检验。
另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比较权威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农业有了长足发展。农村居民纯收入增加，用于旅游的花费也有所上升。而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也是对第一步研究分析的补充。所以我们确定了城镇居民人均旅游花费和农村居民人均旅游花费。
旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。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。即确定了公路长度和铁路长度这两个解释变量。其中，考虑到我国旅游业不断发展过程中，高速公路的修建也不断增多，在的确定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。
二、 相关数据

三、 计量经济模型的建立
Ｙ＝ｃ（１）＋ｃ（２）＊Ｘ２＋ｃ（３）＊Ｘ３＋ｃ（４）＊Ｘ４＋ｃ（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ
我们建立了下述的一般模型：

其中
Ｙ——1994-2003年各年全国旅游收入
Ｃ（１）——待定参数 　
——国内旅游人数 （万人）
——入境旅游人数 （万人）
——城镇居民人均旅游花费 （元）
——农村居民人均旅游花费 （元）
——公路长度（含高速）（万公里）
——铁路长度 （万公里）
Ｕ——随即扰动项
四、 模型的参数估计和检验
利用Eviews软件，采用以上数据对该模型进行OLS回归，结果如下：

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 01:56

Sample: 1994 2003

Included observations: 10

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-340.5047
1357.835
-0.250770
0.0882
X2
-0.001616
0.013520
-0.119529
0.1524
X3
0.232358
0.128017
1.815050
0.1671
X4
6.391052
1.716888
3.722463
0.0337
X5
-1.046757
1.224011
-0.855187
0.0453
X6
5.673429
6.667266
0.850938
0.4573
X7
-474.3909
355.7167
-1.333620
0.2745

R-squared
0.996391
    Mean dependent var
2494.200
Adjusted R-squared
0.989174
    S.D. dependent var
980.4435
S.E. of regression
102.0112
    Akaike info criterion
12.28407
Sum squared resid
31218.86
    Schwarz criterion
12.49588
Log likelihood
-54.42035
    F-statistic
138.0609
Durbin-Watson stat
3.244251
    Prob(F-statistic)
0.000944

由此可见，该模型可决系数很高，F检验显著，但是、、的系数t检验不显著，且的系数符号不符合经济意义，说明存在严重的多重共线性。
所以进行以下修正：
〈一〉．统计方法检验及修正
多重共线性的检验：
首先对Y进行各个解释变量的逐步回归, 由最小二乘法，结合经济意义和统计检验得出拟合效果最好的两个解释变量如下：
Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:00

Sample: 1994 2003

Included observations: 10

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-3193.041
606.2101
-5.267217
0.0012
X4
9.729003
1.435442
6.777703
0.0003
X5
-1.197036
2.059371
-0.581263
0.1293

R-squared
0.957285
    Mean dependent var
2494.200
Adjusted R-squared
0.945081
    S.D. dependent var
980.4435
S.E. of regression
229.7654
    Akaike info criterion
13.95532
Sum squared resid
369544.9
    Schwarz criterion
14.04609
Log likelihood
-66.77660
    F-statistic
78.43859
Durbin-Watson stat
0.791632
    Prob(F-statistic)
0.000016

继续采用逐步回归法将其余解释变量代入，得出拟合效果最好的三个解释变量，结果如下：

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:01

Sample: 1994 2003

Included observations: 10

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-3391.810
514.1119
-6.597416
0.0006
X2
0.029414
0.014525
2.025042
0.0393
X4
6.355459
2.050175
3.099959
0.0211
X5
-0.284542
1.772604
-0.160522
0.1077

R-squared
0.974627
    Mean dependent var
2494.200
Adjusted R-squared
0.961940
    S.D. dependent var
980.4435
S.E. of regression
191.2739
    Akaike info criterion
13.63446
Sum squared resid
219514.3
    Schwarz criterion
13.75550
Log likelihood
-64.17232
    F-statistic
76.82334
Durbin-Watson stat
1.328513
    Prob(F-statistic)
0.000035

以上模型估计效果最好，继续逐步回归得到以下结果：

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:40

Sample: 1994 2003

Included observations: 10

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-1973.943
441.5947
-4.470034
0.0066
X2
-0.005095
0.011431
-0.445729
0.6744
X3
0.328279
0.080682
4.068802
0.0096
X4
4.665485
1.158665
4.026602
0.0101
X5
-1.714020
0.999029
-1.715686
0.1469

R-squared
0.994114
    Mean dependent var
2494.200
Adjusted R-squared
0.989406
    S.D. dependent var
980.4435
S.E. of regression
100.9150
    Akaike info criterion
12.37329
Sum squared resid
50919.23
    Schwarz criterion
12.52458
Log likelihood
-56.86644
    F-statistic
211.1311
Durbin-Watson stat
3.034041
    Prob(F-statistic)
0.000009

各项拟合效果都较好。虽然的t检验不是很显著，但考虑到其经济意义在模型中的重要地位，暂时保留。继续引入。

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:41

Sample: 1994 2003

Included observations: 10

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-2034.155
525.2137
-3.873004
0.0179
X2
-0.007033
0.014095
-0.498977
0.6440
X3
0.299562
0.128626
2.328946
0.0803
X4
4.787986
1.339888
3.573423
0.0233
X5
-1.511851
1.282385
-1.178937
0.1638
X6
2.062334
6.659247
0.309695
0.7723

R-squared
0.994252
    Mean dependent var
2494.200
Adjusted R-squared
0.987067
    S.D. dependent var
980.4435
S.E. of regression
111.4976
    Akaike info criterion
12.54959
Sum squared resid
49726.89
    Schwarz criterion
12.73114
Log likelihood
-56.74797
    F-statistic
138.3830
Durbin-Watson stat
3.130122
    Prob(F-statistic)
0.000144

根据以上回归结果可得，的引入使得模型中、的t检验均不显著，再考察二者的相关系数为0.949132，说明、高度相关，模型产生了多重共线性，因此将去掉。
再将代入检验。

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:42

Sample: 1994 2003

Included observations: 10

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-641.0670
1265.065
-0.506746
0.0190
X2
0.001432
0.012579
0.113838
0.9149
X3
0.315742
0.079487
3.972264
0.0165
X4
5.694229
1.456042
3.910759
0.0174
X5
-1.631710
0.977195
-1.669790
0.1703
X7
-351.4600
313.6492
-1.120551
0.3252

R-squared
0.995521
    Mean dependent var
2494.200
Adjusted R-squared
0.989921
    S.D. dependent var
980.4435
S.E. of regression
98.43019
    Akaike info criterion
12.30028
Sum squared resid
38754.01
    Schwarz criterion
12.48183
Log likelihood
-55.50141
    F-statistic
177.7916
Durbin-Watson stat
2.850083
    Prob(F-statistic)
0.000087

的系数为负，与经济意义相悖，因此也去掉。由此确定带入模型的解释变量为、、、。
异方差性的检验：
再对模型的异方差性进行检验：鉴于我们的样本资料是时间序列数据，选用ARCH检验。

ARCH Test:

F-statistic
0.044061
    Probability
0.839718
Obs*R-squared
0.056296
    Probability
0.812449

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/23/10 Time: 02:43

Sample (adjusted): 1995 2003

Included observations: 9 after adjustments

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
5197.741
3188.960
1.629918
0.1471
RESID^2(-1)
0.079216
0.377385
0.209908
0.8397

R-squared
0.006255
    Mean dependent var
5645.880
Adjusted R-squared
-0.135708
    S.D. dependent var
6668.507
S.E. of regression
7106.603
    Akaike info criterion
20.76857
Sum squared resid
3.54E+08
    Schwarz criterion
20.81239
Log likelihood
-91.45855
    F-statistic
0.044061
Durbin-Watson stat
1.810449
    Prob(F-statistic)
0.839718

这里Obs*R-squared为0.056296，P=0.812449>0.05 所以接受，表明模型中随机误差项不存在异方差。
再考虑P=3的情况：

ARCH Test:

F-statistic
0.126837
    Probability
0.938100
Obs*R-squared
0.787922
    Probability
0.852354

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/23/10 Time: 02:46

Sample (adjusted): 1997 2003

Included observations: 7 after adjustments

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
206.9671
8303.931
0.024924
0.9817
RESID^2(-1)
0.162377
0.536337
0.302751
0.7819
RESID^2(-2)
0.112799
0.570427
0.197746
0.8559
RESID^2(-3)
0.331276
0.570658
0.580516
0.6023

R-squared
0.112560
    Mean dependent var
4377.448
Adjusted R-squared
-0.774879
    S.D. dependent var
7000.432
S.E. of regression
9326.298
    Akaike info criterion
21.41462
Sum squared resid
2.61E+08
    Schwarz criterion
21.38371
Log likelihood
-70.95118
    F-statistic
0.126837
Durbin-Watson stat
1.521751
    Prob(F-statistic)
0.938100

这里Obs*R-squared为0.787922，P=0.852354>0.05。所以仍然接受，表明模型中随机误差项不存在异方差。
自相关性的检验：
随机扰动项可能存在一阶负自相关。借助残差项和其一阶滞后项的二维坐标图进一步分析：

由图示可看出，残差项和其一阶滞后项显然存在负自相关，然后利用对数线形回归修正自相关性，得到相应结果如下：

Dependent Variable: LOG(Y)

Method: Least Squares

Date: 12/23/10 Time: 02:52

Sample: 1994 2003

Included observations: 10

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-8.769551
2.012276
-4.358027
0.0073
LOG(X2)
0.324789
0.343868
0.944516
0.0383
LOG(X3)
0.384066
0.227746
1.686378
0.0225
LOG(X4)
1.482683
0.313487
4.729643
0.0052
LOG(X5)
0.005750
0.068955
0.083382
0.0468

R-squared
0.994678
    Mean dependent var
7.740729
Adjusted R-squared
0.990421
    S.D. dependent var
0.442977
S.E. of regression
0.043355
    Akaike info criterion
-3.131931
Sum squared resid
0.009398
    Schwarz criterion
-2.980639
Log likelihood
20.65966
    F-statistic
233.6398
Durbin-Watson stat
2.052287
    Prob(F-statistic)
0.000007

从估计的结果看，DW=2.052287，说明修正后有了明显好转，随机扰动项几乎不存在一阶自相关。
我们进行了一系列检验和修正后的最终结果如下：
LOG(Y) = 0.3247885353*LOG(X2) + 0.384066367*LOG(X3) + 1.482683433*LOG(X4) + 0.00574960769*LOG(X5) - 8.769551392
=0.994678 =0.990421 F=233.6398
五、 经济意义解释
C3和C3分别衡量我国旅游收入关于国内和入境旅游人数的弹性，也就是表示当旅游人数每变动百分之一时，平均来说，旅游收入变动的百分比。
这里要特别注意，例如1998年国内旅游人数为69450万人，入境旅游人数为 6347.8万人，则国内旅游人数每增加1%，即增加694.5万人，国内旅游收入增加0.325%，而入境旅游人数每增加1%，即增加63.5万人，国内旅游收入增加0.384%。
C4和C5分别衡量我国旅游收入关于我国城镇居民和农村居民人均旅游花费的弹性，也就表示当人均花费每变动百分之一时，平均来说，旅游收入变动的百分比。城镇居民人均旅游花费每增加1%，国内旅游收入增加1.483%；农村居民人均旅游花费每增加1%，国内旅游收入增加0.0057 %。
六、 政策建议
为了促进我国旅游事业的快速发展，我们提出了以下几点建议：
1、实施政府主导型旅游发展战略
政府主导型旅游发展战略是按照旅游业自身的特点，在以市场为主，合理配置资源的基础上，充分发挥政府的主导作用，促进旅游业更快发展。
（1）建设和完善旅游法制体系，力争《旅游法》的尽早出台。
（2）提高旅游管理部门的地位，或组织高层次的协调机制，以适应旅游产业大规模和大发展的前景。
（3）中央政府的主导需要相应的资金基础。从1992年起，财政部建立了旅游发展基金，其来源是在出境机场费中加收20元人民币，对旅游业的发展起到了积极的作用。考虑到旅游大发展的需要，多渠道，多形式开辟政府基金来源是必要的。
（4）加大促销投入。长期以来我国促销经费严重缺乏。中央一年所能提供的促销经费不足500万美元，这大大限制了我国对国际旅游市场大面积，深层次的开发，难以产生影响客源流向的招徕效果。从国际上看，为了使自己处在有利的市场竞争地位，每个国家每年都投入相当数量的旅游经费，用于开展旅游对外促销活动。按照世界一般规律，吸引一个国际旅游者平均需要3—5美元的促销经费，而我国尚不足0.5美元，这种状态，显然无法适应国际旅游市场竞争的需要。 因此，在政府主导型战略的实施中加大促销投入是一项重要的工作。
2、旅游市场创新
旅游经济是特色经济，而特色就需要充分地发扬创新意识，做到人无我有，人有我精，人精我专。 对于旅游市场的开拓，各地旅游开发和建设模式大同小异，无论是山水风景区，历史文化名城，滨海沙滩度假地，还是温泉休养区，大都只是大众旅游市场的共同特征，因此，重复建设的模式正成为旅游开拓市场的通病。
随着现代旅游者需求日益成熟，伴随着主题公园等人造景区大规模发展之势，生态旅游由于世界各国重视人和自然共生共存共荣环保概念的强化，以可持续发展为方向的生态旅游正在世界各地呈方兴未艾之势。区域旅游的发展开始以若干不同旅游项目满足相应不同分众市场的开发模式以获得综合整体效益，形成规模经济的发展趋势。
3、不同产业匹配发展
产业之间相互联系，旅游业的存在不是独立的，在促进旅游业的同时也要加大工业和农业的发展。如我国农业人口占据很大比例，而国内旅游收入的主要来源集中在为数不多的城镇居民上，农村市场还存在很大的空白。可以说，我国的国内旅游市场还没有开发完全，农村市场非常广阔，具有很大潜力，所以发展农业，必然会极大促进我国的旅游事业。
编辑版