我国涉外旅游业收入的实证分析

时间:2024-08-25 11:14:39 经济毕业论文 我要投稿
  • 相关推荐

我国涉外旅游业收入的实证分析

我国涉外旅游业收入的实证分析

概况分析
 涉外旅游.是指我国旅游部门经营对外招并接待外国人、外籍华人和华侨等国际旅行者旅游业务的活动。涉外旅游业是一项新型的综合性的经济事业。旅游业是日益兴起的新型“朝阳产业”,它的发展无论是对一国的经济,还是国际间的交流,都有着重要和积极的作用。中国是世界上旅游资源和市场最丰富的国家,把握这一优势,大力发展旅游业,对正在深入的改革开放和产业结构的优化,都有着广泛的促进作用。
近年来,我国旅游业突飞猛进。随着我国对外开放的逐步深入,涉外旅游业也获得了长足的发展。它是我国国民经济和发展对外经济关系的一个重要组成部分,是第三产业的重要部门。
 中国旅游市场在21世纪将进一步扩大,中国丰富的旅游资源不断得到开发;旅游产品结构不断完善;旅游产业规模不断扩大;发展旅游的大环境逐渐优化,这些都为中国旅游市场的扩大提供了坚实的保障。我国涉外旅游市场将会继续扩大,亚洲是中国的最大客源市场,随着东南亚金融危机的过去,东南亚、日本的经济复苏,亚洲客源肯定有较大的发展;欧美远程客源国来华人数都在不断增长,在中国国际旅游市场上,来自欧美的游客只是一个全球的平均水平,欧美来华旅游的潜力显然很大。
二. 模型的建立
 我们通过分析我国涉外旅游业的收入,根据理论及对现实情况的认识,建立了一个单一方程模型:
  Y=ß1+ß2X2+ß3X3+ß4X4+ß5X5+U   (1.1)                           
 
 其中:Y——我国涉外旅游业收入(亿元)
 X2——涉外饭店数目(个)
 X3——旅游人数(万人)
 X4——涉外旅游业职工人数(人)
 X5——涉外旅行社个数(个)
 U ——随及扰动项
       ßi——参数
 
模型的估计和检验
估计
设模型中的随及误差项U满足古典假定,运用OLS方法估计未知参数,利用计量经济学计算机软件Eviews计算的过程如下:

1.建立文档,输入数据
 首先点击Eviews图标,进入Eviews主页。建立新的Workfile工作框,并输入数据,见表一。
 
 表一
obs X2 X3 X4 X5 Y
1991  2130.000  3335.000  38177.00  671.0000  28.40000
1992  2354.000  3811.500  40258.00  852.0000  39.50000
1993  2552.000  4152.700  45431.00  987.0000  46.80000
1994  2995.000  4368.450  57600.00  1110.000  73.23000
1995  3720.000  4638.650  59935.00  1025.000  87.33000
1996  4418.000  5112.750  53093.00  977.0000  102.0000
1997  5201.000  5758.790  48881.00  991.0000  120.7400
1998  5782.000  6347.840  52290.00  1312.000  126.0200
1999  7035.000  7279.560  47153.00  1256.000  140.9900
 
 
OLS估计未知参数
 在主页上选Group菜单,点击Estimate Equation项,对数据进行OLS估计,结果如表二

表二

Dependent Variable: Y
Method: Least Squares
Date: 05/15/04   Time: 10:29
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X2 0.010831 0.019765 0.548008 0.6128
X3 0.019274 0.031260 0.616577 0.5709
X4 0.001652 0.000559 2.953751 0.0418
X5 -0.046484 0.050411 -0.922104 0.4087
C -88.36498 52.76179 -1.674791 0.1693
R-squared 0.988138     Mean dependent var 85.00111
Adjusted R-squared 0.976277     S.D. dependent var 40.71376
S.E. of regression 6.270853     Akaike info criterion 6.809883
Sum squared resid 157.2944     Schwarz criterion 6.919452
Log likelihood -25.64447     F-statistic 83.30613
Durbin-Watson stat 1.852069     Prob(F-statistic) 0.000419

 检验

经济意义检验
 X5的系数与其经济意义不符。我们将通过对模型的修正看是否能得到更好的结果。
2. 统计检验
 对回归系数进行整体检验,该检验是在方差分析的基础上利用F检验进行的。
由上表数据,F=248.8175>F0.05(4,4),应该拒绝原假设H0,说明回归方程显著。
所以从模型从整体上看,涉外旅游收入与解释变量之间线形关系显著

3. 计量经济学检验
(1).多重共线性检验
在Quick菜单中选取项Group Statistics中的Correlation命令,输入变量名即可得到如下结果:
表三
  X2 X3  X4  X5
X2  1.000000  0.991841 0.297759  0.777257
X3 0.991841  1.000000 0.302919 0.832983
X4 0.297759  0.302919 1.000000  0.573134
X5 0.777257 0.832983 0.573134 1.000000


由表3可以看出,解释变量之间存在高度线性相关。同时由表2得到的可决系数很大,而且F统计量值显著的大于给定显著性水平下的临界值,而x2、x3、x5变量的偏回归系数t统计量值并不显著,且X5的系数的符号与经济意义相悖。尽管整体上线性回归拟合较好,但模型中解释变量存在严重的多重共线性。

对多重共线性的修正

a).运用OLS方法逐一求对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线形回归方程。

Y对X2的回归

表四

Dependent Variable: Y
Method: Least Squares
Date: 05/15/04   Time: 14:56
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X2 0.023098 0.002185 10.57110 0.0000
C -7.868897 9.465154 -0.831354 0.4332
R-squared 0.941052     Mean dependent var 85.00111
Adjusted R-squared 0.932630     S.D. dependent var 40.71376
S.E. of regression 10.56752     Akaike info criterion 7.746577
Sum squared resid 781.7067     Schwarz criterion 7.790404
Log likelihood -32.85959     F-statistic 111.7481
Durbin-Watson stat 0.736732     Prob(F-statistic) 0.000015

将上述回归结果整理如下:
 Y=--7.868897+0.023098X2                 (1.2)
    (-0.8313)(10.5711)
 R^2=0.9410 ,S.E =10.5675, F=111.7481
 

Y对X3的回归

表五
Dependent Variable: Y
Method: Least Squares
Date: 05/15/04   Time: 15:06
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X3 0.030641 0.003358 9.126027 0.0000
C -67.53941 17.19614 -3.927590 0.0057
R-squared 0.922467     Mean dependent var 85.00111
Adjusted R-squared 0.911391     S.D. dependent var 40.71376
S.E. of regression 12.11937     Akaike info criterion 8.020616
Sum squared resid 1028.153     Schwarz criterion 8.064444
Log likelihood -34.09277     F-statistic 83.28438
Durbin-Watson stat 0.775610     Prob(F-statistic) 0.000039

将上述回归结果整理如下:
 Y= -67.53941+0.030641X3               (1.3)
 (-3.9275)(9.1260)
             R^2= 0.9224, S.E=12.1193, F=83.2843


Y对X4的回归
表六
Dependent Variable: Y
Method: Least Squares
Date: 05/15/04   Time: 15:07
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X4 0.002713 0.001830 1.482325 0.1818
C -48.47780 90.93217 -0.533120 0.6105
R-squared  0.238906     Mean dependent var 85.00111
Adjusted R-squared 0.130178     S.D. dependent var 40.71376
S.E. of regression 37.97137     Akaike info criterion 10.30467
Sum squared resid 10092.77     Schwarz criterion 10.34850
Log likelihood -44.37102     F-statistic 2.197288
Durbin-Watson stat 0.301641     Prob(F-statistic) 0.181813

将上述回归结果整理如下:
 Y=-48.4778+0.0027X4               (1.4)
 (-0.5331) (1.4823)
              R^2=0.2389,S.E=37.9713,F=2.1972


Y对X5的回归
表七
Dependent Variable: Y
Method: Least Squares
Date: 05/15/04   Time: 15:08
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X5 0.168492 0.046892 3.593223 0.0088
C -86.87950 48.60200 -1.787570 0.1170
R-squared 0.648440     Mean dependent var 85.00111
Adjusted R-squared 0.598217     S.D. dependent var 40.71376
S.E. of regression 6     Akaike info criterion 9.532296
Sum squared resid 4661.995     Schwarz criterion 9.576123
Log likelihood -40.89533     F-statistic 12.91125
Durbin-Watson stat 1.119498     Prob(F-statistic) 0.008819

将上述回归结果整理如下:
                Y=-86.8795+0.1684X5                     (1.5)
                   (-1.7875)(3.5932)
          R^2 =0.6484,S.E=25.8069, F=12.9112

分析:
通过对多重可决系数和t统计量的观察,X2,X3的可决系数接近1,且t的绝对值都远大于2,所以模型对数据的拟合程度较好。同时结合经济意义,旅游人数x3较涉外饭店数x2对涉外旅游收入y的影响更大,选出x3,得一元线性回归方程:

 Y=-67.53941+0.030641X3                


b. 逐步回归。引入其余解释变量,得到以下模型。


表八
Dependent Variable: Y
Method: Least Squares
Date: 05/16/04   Time: 00:02
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X3 -0.003361 0.024767 -0.135705 0.8965
X2 0.025586 0.018485 1.384133 0.2156
C -1.140102 50.62397 -0.022521 0.9828
R-squared 0.941232     Mean dependent var 85.00111
Adjusted R-squared 0.921643     S.D. dependent var 40.71376
S.E. of regression 11.39675     Akaike info criterion 7.965734
Sum squared resid 779.3148     Schwarz criterion 8.031476
Log likelihood -32.84580     F-statistic 48.04823
Durbin-Watson stat 0.742719     Prob(F-statistic) 0.000203

 

表九
Dependent Variable: Y
Method: Least Squares
Date: 05/16/04   Time: 00:03
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X3 0.028536 0.002536 11.25191 0.0000
X4 0.001209 0.000441 2.740175 0.0337
C -116.5457 21.75047 -5.358306 0.0017
R-squared 0.965563     Mean dependent var 85.00111
Adjusted R-squared 0.954084     S.D. dependent var 40.71376
S.E. of regression 8.724176     Akaike info criterion 7.431275
Sum squared resid 456.6675     Schwarz criterion 7.497016
Log likelihood -30.44074     F-statistic 84.11512
Durbin-Watson stat 1.174184     Prob(F-statistic) 0.000041
 

 


表十

Dependent Variable: Y
Method: Least Squares
Date: 05/16/04   Time: 00:05
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X3 0.030188 0.006551 4.608392 0.0037
X5 0.003566 0.042964 0.083004 0.9365
C -68.92251 24.94512 -2.762966 0.0327
R-squared 0.922556     Mean dependent var 85.00111
Adjusted R-squared 0.896742     S.D. dependent var 40.71376
S.E. of regression 13.08290     Akaike info criterion 8.241691
Sum squared resid 1026.974     Schwarz criterion 8.307432
Log likelihood -34.08761     F-statistic 35.73773
Durbin-Watson stat 0.780006     Prob(F-statistic) 0.000464

 Y=-1.140102+0.025586X2+-0.003361X3
                (-0.0225) (1.3841)  (-0.1357)
 Adjusted R^2=0.9216 S.E=11.3967 F=48.0482
 
 Y=-116.5457+0.028536X3+0.001209X4
    (-5.3583)  (11.2519)   (2.7401)
 Adjusted R^2=0.9540 S.E= 8.7241 F=84.1151
 
 Y=-68.92251+0.030188X3+0.003566X5
    (-2.7629)  (4.6083)     (0.0830)
              Adjusted R^2=0.8967 S.E=13.0829 F=35.7377

可以看出X2和X5的对模型的拟合优度并无改善,同时对X3影响较小。
X4在符合经济意义的前提下,使拟合优度提高,每个参数统计检验显著,应采纳该变量。
得到一个二元回归方程:
            Y=-116.5457+0.028536X3+0.001209X4


表十一

Dependent Variable: Y
Method: Least Squares
Date: 05/16/04   Time: 22:03
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X3 -0.006655 0.013448 -0.494878 0.6417
X4 0.001227 0.000312 3.928074 0.0111
X2 0.026456 0.010020 2.640370 0.0460
C -48.62606 29.98005 -1.621947 0.1657
R-squared 0.985617     Mean dependent var 85.00111
Adjusted R-squared 0.976987     S.D. dependent var 40.71376
S.E. of regression 6.176249     Akaike info criterion 6.780402
Sum squared resid 190.7303     Schwarz criterion 6.868057
Log likelihood -26.51181     F-statistic 114.2115
Durbin-Watson stat 1.743783     Prob(F-statistic) 0.000050
 

表十二
Dependent Variable: Y
Method: Least Squares
Date: 05/16/04   Time: 22:09
Sample: 1991 1999
Included observations: 9
Variable Coefficient Std. Error t-Statistic Prob. 
X3 0.036303 0.003155 11.50697 0.0001
X4 0.001866 0.000371 5.036388 0.0040
X5 -0.070169 0.024064 -2.915919 0.0332
C -115.9801 14.50022 -7.998507 0.0005
R-squared 0.987248     Mean dependent var 85.00111
Adjusted R-squared 0.979597     S.D. dependent var 40.71376
S.E. of regression 5.815561     Akaike info criterion 6.660054
Sum squared resid 169.1038     Schwarz criterion 6.747709
Log likelihood -25.97024     F-statistic 129.0310
Durbin-Watson stat 1.949370     Prob(F-statistic) 0.000037
 
 

分析:
由表11、表12知,分别引入x2或x5后,他们对y的影响并不显著,故将x2和x5删除,
此后统计检验效果均有较大改善。
综上所述,选择此模型为修正后的模型:

 Y=-116.5457+0.028536X3+0.001209X4
 
(2)自相关检验

 D-W检验:
 根据表9估计的结果,由DW=1.174184,给定显著性水平a=0.05,查Durbin-Watson表,n=9,k=2,得下限临界值dl=0.629,du=1.699,因为DW统计量为1.174184,在(0.629,1.699)中,所以根据判定区域值,这时随机误差项不能确定是否存在自相关

图示法:
用上述OLS估计,可以得到残差resid,运用GENR生成序列E1和E2(E2=E1^2).
在Quick菜单中选Graph项,在对话框中键入E1 E1(-1),得到下图:
 
考虑用Cochrane-Orcutt迭代法检验
Dependent Variable: Y
Method: Least Squares
Date: 05/21/04   Time: 11:41
Sample(adjusted): 1992 1999
Included observations: 8 after adjusting endpoints
Convergence not achieved after 100 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C 1416.631 14361.16 0.098643 0.9262
X3 -0.002176 0.024544 -0.088676 0.9336
X4 9.28E-05 0.000734 0.126480 0.9055
AR(1) 0.988777 0.132381 7.469197 0.0017
R-squared 0.969215     Mean dependent var 92.07625
Adjusted R-squared 0.946126     S.D. dependent var 37.14207
S.E. of regression 8.620954     Akaike info criterion 7.453121
Sum squared resid 297.2834     Schwarz criterion 7.492842
Log likelihood -25.81249     F-statistic 41.97768
Durbin-Watson stat 2.766962     Prob(F-statistic) 0.001759
Inverted AR Roots        .99

分析:从上图可以看出残差et并未呈线形回归,表明随机误差ut不存在自相关。

2.异方差的检验
ARCH检验
表十三
ARCH Test:
F-statistic 0.237244     Probability 0.865536
Obs*R-squared 1.574786     Probability 0.665120
    
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/18/04   Time: 10:14
Sample(adjusted): 1994 1999
Included observations: 6 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 97.03369 115.0346 0.843517 0.4877
RESID^2(-1) -0.265903 0.819938 -0.324296 0.7765
RESID^2(-2) -0.465400 0.619188 -0.751629 0.5307
RESID^2(-3) 0.201437 1.401556 0.143724 0.8989
R-squared 0.262464     Mean dependent var 56.66340
Adjusted R-squared -0.843839     S.D. dependent var 71.89270
S.E. of regression 97.62169     Akaike info criterion 12.23480
Sum squared resid 19059.99     Schwarz criterion 12.09597
Log likelihood -32.70439     F-statistic 0.237244
Durbin-Watson stat 1.972026     Prob(F-statistic) 0.865536


由表13输出结果知,obs*R2=1.574786,查X2分布表,给定a=0.05,自由度为P=3,得临界值为7.81,因为1.574786<7.81,所以接受原假设H 0。表明模型中随机误差项不存在异方差。

图示法
                                                                
分析:从上图中可以看出,模型中随机误差项不存在异方差。
我们进行了一系列检验和修正后该模型的最终结果如下:

                Y=-116.5457+0.028536X3+0.001209X4
                     (-5.3583)  (11.2519)   (2.7401)
 Adjusted R^2=0.9540 S.E= 8.7241 F=84.1151

从模型中可看出:
X3,X4均符合经济意义的检验。从经济意义上看,涉外旅游业的收入随着旅游人数和涉外旅游职工人数的增加而增加。
模型表明:涉外旅游业的收入与旅游人数和涉外旅游职工人数有明显的相关关系。实际上,这个结论也是很合理的。
模型的修正可决系数及F值比较理想,模型的拟合优度好。
 由上述分析可知,我们的模型还是成功的。
 
 
结论部分:
 通过以上的实证分析可以看出涉外旅游业的收入与旅游人数、涉外旅游业职工人数有着密切的关系。
 2000年我国接待入境过夜旅游人数达3122.88万人次,旅游外汇收入则达到162.24亿美元,国际排名分别为第5和第7。在未来旅游业的发展方面,我国的自然风光资源和社会历史文化资源还远远没有得到开发,尤其是我国的中西部,众多的自然资源还没有向游客揭开神秘的面纱。随着东部旅游资源的深度开发,中西部旅游资源的相继开发和旅游条件的改善,我国对世界的吸引力将会越来越大。据世界旅游组织预测,2020年,我国将成为世界最大的旅游目的地国家,接待旅游人次达1.37亿,同时也成为世界十大旅游客源国之一,出游人次达1亿。另外,旅游收入在国民生产总值中的份额也呈明显的增长趋势,旅游业与国民经济的相关程度越来越高。

主要参考文献:
中华人民共和国国家旅游局,《中国旅游统计年鉴》,中国旅游出版社,2000
林南枝、李天元,《旅游市场学》,南开大学出版社,1996
罗明义,《旅游经济学》,高等教育出版社,1998

【我国涉外旅游业收入的实证分析】相关文章:

我国新股弱势问题实证分析03-25

我国外贸依存度的实证分析.03-19

完善我国地理标志法律保护实证分析03-18

我国城镇居民的消费结构实证分析03-22

我国询价发行方式对IPO效率影响的实证分析03-24

山东省国税税收收入弹性的实证分析03-20

电子信息技术在我国旅游业发展态势分析03-21

谈我国旅游业电子商务现状及对策分析03-18

我国家族上市公司的代理问题与现金股利政策关系实证分析11-17