四川省入境旅游经济季节性与周期性波动测度_秦宏瑶.pdf

2023年 第3期北方BEIFANGJ INGMAO经贸四川省入境旅游经济季节性与周期性波动测度秦宏瑶1，胡丹2，杜晓希2（1.四川电影电视学院 空乘系，成都 610036；2.成都理工大学 旅游与城乡规划学院，成都 610059）摘要：针对重大突发事件后旅游经济指标时间序列的季节性与周期性测度问题，现选取四川省入境旅游人次指标作为基础数据，计算年度季节强度指数（R）与月度季节指数（Zt），使用频谱分析识别年度周期性波动特征。结果表明，R呈现出典型的“大小年”波动特征。Zt 值指示 6-10 月为旺季，明显集中于夏秋两季，且与主要客源地法定节假日存在良好的对应关系。1998-2013 年大致出现了 5 年一轮的周期性下跌，2013 年以来同比增长率下降周期呈现不规则变化，有缩短为 3-4 年的趋势。通过四川省入境旅游经济季节性和周期性测度，有望为新冠疫情常态化背景下入境旅游经济发展趋势预测提供参考。关键词：季节分解；频谱分析；入境旅游；时间序列；四川省中图分类号：F56；F592.3文献标识码：A文章编号：1005-913X（2023）03-0157-04收稿日期：2022-09-19q基金项目：2019 年四川省社科规划统计发展专项课题(SC19TJ008)作者简介：秦宏瑶(1986-)，女，成都人，讲师，硕士，研究方向：航空旅游经济；胡丹(1980-)，女，成都人，讲师，硕士，研究方向：旅游经济；杜晓希(1996-)，女，四川南充人，硕士研究生，研究方向：旅游经济。近年来，“非典”、中东呼吸征、甲型 H1N1 流、汶川地震等事件对极度脆弱的旅游经济持续施压，使得重大突发事件下旅游经济指标时间序列的季节性与周期性测度问题成为研究热点。1新冠疫情是对极度脆弱的入境旅游经济的又一次大考。2如何准确把握入境旅游经济季节性与周期性波动特征，是文化和旅游部门在新冠疫情常态化防控中需要回答的重大基础性科学问题。季节性测度主要包括曲线分析为代表的描述性分析法，年度季节指数、基尼指数、泰尔指数为主的离散程度指标，3ARIMAs、X-12-ARIMA或 TRAMO-SEATS 等季节调整模型，以及熵分解、季节性单位根检验、重心分析等方法。4周期性分解方法主要包括 HP 滤波、频谱分析、小波分析、集合经验模型分解、季节趋势分解、基于时间序列相关性的趋势周期分解等方法。56季节指数与频谱分析是研究旅游经济时间序列季节性与周期性波动特征的有效方法。7季节指数的相关实证案例包括庐山、井冈山、西塘、周庄等景区尺度；8上海、杭州等城市尺度；9海南、四川等省域尺度；10中国等国家尺度；11欧洲等区域尺度及全球尺度。12频谱分析是汇率、信号、矿井涌水量、民航旅客量等工业与经济应用和实验研究中的常用方法，13并逐渐迁移到旅游经济领域。14季节与周期性密切关联，分别指示了旅游经济指标时间序列波动频率的固定与非固定特征，但前人文献大多割裂了二者的联系，尚未有文献同时关注四川省入境旅游时间序列的季节性与周期性波动特征。15鉴于此，综合运用年度季节强度指数、月度季节分解、频谱分析三种计量经济学方法，揭示四川省入境旅游时间序列的季节性与周期性波动特征，有望为四川省适时调整入境旅游发展的增长性目标，特别是保持增长率在中远期的合理预期提供科学决策依据。一、数据来源与研究方法（一）数据来源选取 1998-2020 年四川省旅游经济情况简报、四川省旅游统计综合管理平台数据、中国旅游业统计公报中所涉四川省入境旅游人次指标作为基础数据。其中，月度季节分解使用2014-2019年四川省接待入境旅游人次月度数据；频谱分析采用 1998-2020年四川省接待入境旅游人次年度数据。（二）研究方法1.年度季节指数计算年度季节指数（R）计算公式如下：R=12i=1（Xi-8.33）2/12（1）式中：R 为年度季节指数，Xi为月入境旅游人次占全年占比，8.33 为月入境旅游人次占全年总量百分比均值。R 趋于 0，全年入境游客分布越均衡；1572023年第3期NORTHERN ECONOMY AND TRADE表 1月度入境旅游人次占全年比重与年度季节强度指数（2014-2019 年）2014 年2015 年2016 年2017 年2018 年2019 年1 月4.825.045.054.964.866.632 月5.005.265.295.054.743.813 月6.747.016.906.966.786.714 月3.994.024.024.344.129.195 月7.087.387.427.637.2110.876 月10.8710.3310.4710.6210.0611.757 月12.1912.0312.1712.1511.8613.028 月11.8511.8311.9711.2912.1512.979 月12.9213.4713.6514.0413.936.8810 月11.9311.6011.5411.5211.617.7411 月6.846.436.315.626.136.6312 月5.775.595.225.836.533.81R3.203.163.243.233.253.08年度月 份反之则不均衡。42.月度季节指数分解月度季节指数（Zt）包括加法模型和乘法模型：加法模型：Zt=Trt+Snt+C1t+et（2）乘法模型：Zt=TrtSntC1tet（3）式中：t 为时间序列；Zt为月度季节指数；Trt是线性趋势；Snt是季节变化；C1t是循环变化；et为误差。7当季节变动与时间序列的长期趋势大致成正比，且时间序列图大致呈喇叭状或放射状时，应采用乘法模型。3.年度周期频谱分析频谱分析通过将时间序列分解为具有不同振幅、相位、频率的数个周期分量的叠加，衡量各周期分量的相对重要性，发现四川省入境旅游人次时间序列中隐含的主要周期分量。时间序列由不同频率的正弦、余弦波组成。1Yt=A0+nm=1amcos（2*mtN）-bmsin（2*mtN）（4）式中:t 为时间指数，范围从 1 到 N，N 为样本容量，n=N/2。A0、am、bm分别为常数项、余弦系数及正弦系数。二、数据分析（一）年度季节性2014-2019 年，四川省入境旅游人次年度季节强度指数（3.25R3.08）未能趋近于 0，提示淡旺季特征显著。R 呈现出“大小年”波动特征，即 2014 年（R=3.20）为大年、2015 年（R=3.16）为小年。观测期月季入境游人次占全年比例变化趋势大致相同，每年 9 月达到峰值，但月度季节性特征尚有待季节分解予以解释（如表 1 所示）。（二）月度季节性2014-2019 年，四川省接待入境旅游人次数时间序列符合乘法模型适用条件，表现为季节变动幅度随趋势的增加而变化，大致呈喇叭状或放射状的对应关系。经季节分解，四川省入境旅游淡旺季集中分布于夏秋两季，且与主要客源地法定节假日有良好的对应关系。其中，旅游旺季集中于 6-10 月，1月、2月、4月、5月、11月、12月为淡季（Zt100）。最大值出现在 9 月（Zt=164.3），最小值在 4 月（Zt=44.9）（如表 3 所示）。未考虑寒暑假的情况下，中国台湾地区的端午节（6 月）、中秋节（10 月），美国的独立日（7 月）、劳动节（9 月），日本的山之日（8 月）、秋分省入境旅游季节变动特征存在良好的对应关系（如图 1 和表 2 所示）。（三）年度周期性使用频谱分析方法，估计谱密度函数，计算谱密度值、周期分量及周期长度，绘制周期图，通过将时间序列分解为具有不同振幅、相位、频率的数个周期分量的叠加，衡量各周期分量的相对重要性，发现序列中隐含的主要周期分量，揭示四川省入境旅游人次时间序列周期波动特征。结果表明：谱密度值有连续峰值，提示时间序列含多个周期成分。小于 0.2 的低频率处峰值相较显著（m=4，周期长度=5.5，频率=4/22=0.18），由此说明时间序列存在长度约为 5 年的周期（如表 3 和图 2 所示）。近二十年，亚洲金融危机（1998 年）、“非典”（2003 年）、汶川地震（2008 年）、雅安地震（2013 年）、九寨沟地震（2017 年）、长宁地震（2019 年）、新冠疫情（2020 年）等“天灾人祸”对四川省脆弱的入境旅游经济持续施压，含 5 个周期。其中，1998-2003 年、2004-2008 年、2009-2013 年大致出现 5 年一轮的周期性下跌；2014-2017 年、2018-2020 年 2 个周期波动的幅度较小，提示近年周期波动缩短为 3-4 年的趋势。旅游市场研究158节(9月)为代表的主要客源国(地区)的法定节假日与四川2023年 第3期北方BEIFANGJ INGMAO经贸图 1四川省入境旅游人数月季时间序列图（2014-2019 年）表 3四川省入境旅游时间序列的周期长度及谱密度值m频率谱密度值周期长度（年）=22/m11/2215028522.0022/226330311.0033/22140857.3344/22232905.5055/2267404.4066/2285663.6777/2261623.1488/2222562.7599/22103042.441010/2225122.201111/2234392.00表 2四川省入境旅游季节因子与境内外法定假日对应关系262.0冬春节：1 月 24 日-2 月 2 日228 和平纪念日总统日天皇诞辰380.1春春分节458.2春清明节：4 月 4 日-6 日清明节昭和日592.1春劳动节：5 月 1 日-5 日劳动节阵亡将士纪念日宪法纪念日、绿之日、儿童节、海之日、体育日6124.8夏端午节：6 月 25 日-27 日端午节7140.0夏独立日8141.1夏山之日9155.4秋劳动节敬老节、秋分节10140.8秋中秋节/国庆节：10 月 1 日-8 日中秋节等1179.4秋感恩节文化日、劳动日1266.9冬圣诞节圣诞节159.3冬元旦节：1 月 1 日春节新年、马丁 路德 金纪念日新年、建国纪念日中国大陆中国台湾美国日本月份季节因子（Zt）季节法定节假日（2020 年）三、结论与讨论四川省入境旅游经济年度季节性淡旺季特征明显，呈现出典型的“大小年”波动特征。四川省入境旅游季节性强度（3.25R3.08）显著高于海南(1.30R2.40)。四川省入境旅游经济月度季节指数淡旺季集中分布，明显集中于夏秋两季，且与主要客源地法定节假日存在良好的对应关系。经对比，四川省入境旅游旺季集中于 6-10 月，与四川省旅游总收入旺季（3 月、6 月、8-12 月）略有差异，与上海（4 月、9-11 月）、杭州（4-9 月）等城市入境旅游旺季略有错峰。新冠疫情在何种程度上会增强入境旅游季节性尚不可知，亟待深入研究。从经济学的视角，应认识到季节性是入境旅游经济的重要特征，但如何趋利避害，避免入境旅游旺季超载和淡季漏损，实现区域入境旅游经济错峰发展与协同发展，是行业部门通过提供反季旅游产品，特别是制定旅游季节性平衡政策需要思考的重要方面。1998-2013 年大致出现了 5 年一轮的周期性下跌，凸显了重大突发灾难性事件对入境旅游经济的负面影响。然而，2013 年以来同比增长率下降周期呈现不规则变化，有缩短为 3-4 年的趋势。九寨沟地震（2017 年）距上一次同比增长率下降时间为 4 年，但新冠疫情距前一次下降仅 3 年，提示为非周期性下降。新的重大突发公共灾难事件的类型、强度等虽不可知，但周期性规律表明下一次的同比增长率快速下降将可能发生于 2023-2025 年区间。1592023年第3期NORTHERN ECONOMY AND TRADE图 2重大突发事件与四川省入境旅游人次周期性对应关系（1997-2020 年）综上，将四川省入境旅游经济演化的季节性与周期性置于突发灾难性事件约束下予以考察，有望为四川省适时调整入境旅游发展的增长性目标提供科学决策依据，对其他区域也有较好的借鉴意义。研究结论的准确性依赖于从尽可能长的时间跨度予以监测评价，特别是对 2020 年以后的最新数据予以搜集。参照“非典”和“汶川地震”灾后旅游恢复过程，综合考虑季节性、周期性和趋势性特征，特别是新冠肺炎疫情防控现状，预测新冠疫情常态化背景下四川省入境旅游经济发展趋势，将是兼具理论与现实意义的重要研究课题。参考文献：1Vatsa P.Seasonality and cycles in tourism demandreduxJ.AnnalsofTourism Research,2021,90:1-4.2唐勇，钟美玲，胡丹，等.四川“一干多支、五区协同”区域旅游发展统计监测评价研究M.成都:四川大学出版社，2021.3Fernandez-Morales A,Cisneros-Martnez JD,McCabeS.Seasonal concentration of tourism demand:Decomposi-tion analysis and marketing implicationsJ.TourismManagement,2016(56):172-190.4Song H,Li G.Tourism demand modelling and forecasting:A review of recent researchJ.Tourism Management,2008(2):203-220.5Coshall JT.Spectral analysis of international tourism flowsJ.AnnalsofTourism Research,2000(3):577-589.6LiX,LawR.Forecastingtourismdemandwithdecomposed search cycles J.Journal of Travel Research,2020(1):52-68.7Rossell J,Sans A.Yearly,monthly and weeklyseasonality of tourism demand:A decomposition analysisJ.Tourism Management,2017(60):379-389.8万田户，冯学钢，黄和平.江西省山岳型风景名胜区旅游季节性差异以庐山、井冈山、三清山和龙虎山为例J.经济地理，2015(1):202-208.9孙晓东，倪荣鑫，冯学钢.城市入境旅游及客源市场的季节性特征研究基于上海的实证分析J.旅游学刊，2019(8):25-39.10 秦宏瑶，唐勇.基于季节指数的四川省旅游季节性研究J.资源开发与市场，2014(3):374-377.11 宋鑫，王维国.中国入境旅游季节性线性与非线性预测模型评价J.统计与决策，2020(2):5-10.12 Ferrante M,Lo Magno GL,De Cantis S.Measuringtourism seasonality acrossEuropean countries J.TourismManagement,2018(68):220-235.13 陈大银.Matlab 软件在频谱分析中的应用J.贵阳学院学报：自然科学版，2014(2):28-30.14 孙根年，李晋华.新时期国内旅游抗周期性及双对数需求弹性分析J.旅游科学，2014(3):1-9+48.15 徐克帅，朱海森.国外旅游季节性现象研究述评J.人文地理，2010(1):12-17.责任编辑：王旸旅游市场研究160