对我国国际旅游收入的影响因素分析入

对我国国际旅游收入的影响因素分析

摘要：随着我国社会主义市场经济的建立，旅游业作为中国经济的一个重要的产业部门的迅速兴起，旅游收入在国民经济中的比重也逐渐变大。旅游业作为国民经济的新的增长点，在整个社会经济中发挥了巨大的作用。国际旅游收入（旅游外汇收入）是旅游收入的重要组成部分，为我国的经济发展提供了重要的资金支持，提升了旅游区居民的生活水平，并通过加强基础设施建设，进一步推动了总体经济增长。对国际旅游收入进行研究和把握，也是国民经济发展中的重要研究部分。本文采用我国国际旅游收入的实际数据为依据，从实证角度分析对我国国际旅游收入的一些影响因素进行研究。从众多的国际旅游收入影响因素中选取入境旅游人数、人均GDP、居民消费水平、住宿于餐饮销售总额建立模型。利用相关分析和岭回归科学地确定了国际旅游收入预测模型。最后,针对我国目前的国内旅游现状提出了有针对性的建议。

关键词：国际旅游收入;相关分析；岭回归；

一、现状分析

1978年以来,在宏观改革开放政策引导和市场需求推动的双重作用下,我国国际旅游业快速发展。发展入境旅游可以赚取外汇并有利于提高就业,所以大力发展入境旅游是我国旅游发展的长期政策。

虽然改革开放以来我国在国际旅游方面取得了长期进步,在世界旅游大国中的地位不断攀升,但就规模、在世界的影响力以及吸引力而言,我国的国际旅游仍有发展潜力。尤其是近几年,国际旅游的发展速度较缓,其优先地位尚未得到充分体现。我国旅游产品供应链的日益完善、世界经济的稳定发展和我国经济的持续增长以及我国对外交往的增多和区域合作的加强给入境旅游带来了积极的促进作用。但同时也存在一些不利因素,直接影响着我国入境旅游人数的快速增长。

二、分析的基本思想

（一）相关分析

相关分析是用于描述两个变量之间关系的密切程度，反映的是当控制了其中一个变量的取值后，另一变量的变异程度。反映两个变量之间密切程度的指标称为相关系数，一般用r表示。Pearson简单相关系数用来度量定距型变量间的线性关系。也称为积矩相关系数或动差乘积相关系数。

Pearson简单相关系数的检验统计量为t统计量，t统计量服从自由度为n-2的t分布。

当r=0时表示不存在线性相关，但并不意味着y与x无任何关系；当0.3≤r≤0.5时为微弱相关；当0.3﹤r≤0.5时，为低度相关；当0.5﹤r≤0.8时，为显著相关；当0.8﹤r≤1时，为高度相关；当r=1时，为完全线性相关。

（二）岭回归

岭回归分析实际上是一种改良的最小二乘法，是一种专门用于共线性数据分析的有偏估计回归方法。当自变量间存在共线性时，解释变量的相关矩阵行列式近似为零，X'X是奇异的，此时OLS估计将失效。此时可采用岭回归估计。岭回归就是用X'X+KI代替正规方程

中的X'X，人为地把最小特征根由minli提高到min（li+k），这样有助于降低均方误差。

三、数据说明

以国旅游收入作自变量y，以入境人数、人民币对美元的汇率、人均GDP、消费水平、住宿与餐饮销售总额为影响国际旅游收入的因素。y表示国际旅游收入（百万美元），x1表示入境人数（万人），x2表示人民币对美元汇率，x3表示人均GDP（元），x4表示居民消费水平(元)，x5表示住宿与餐饮业销售总额（亿元）.根据统计年鉴获得各地区的统计数据，见表1。

表1

四、数据分析

（一）相关分析

在SPSS软件中作双变量的相关分析，得到表2的结果。

从上表的相关矩阵可以看出y与x1、x3、x4、x5的相关系数都在0.9以上，说明x1、x3、x4、x5与y高度线性相关，y与x2的相关系数在0.5以上，说明x2与y显著相关，用y于自变量作多元线

性回归是合适的。多元线性回归模型的方程中x5的系数是负值，即住宿与餐饮业销售总额增加，国际旅游收入反而减少，这不符合经济规律。X3、x4、x5的VIF值过大，说明自变量之间存在严重的多重共线性。因此，选岭回归对变量进行分析。

（二）岭回归

在SPSS软件中输入岭回归的语法，将x2、x3、x4、x5、x6作因变量运行得出表3的结果，岭迹图见图1。

表3

从表3中可以看到，变量x5的岭回归系数迅速从负值变为正值。变量x2的岭回归系数从负值逐渐变为正值，但绝对值与零比较接近。x1、x3、x5的回归系数则相对稳定。因此，剔出x4。用y与其余4个变量作岭回归。把岭参数步长改为0.02，范围减小到0.3。运行后得到表4的结果，岭迹图见图2。

表4

从图2中看到岭参数k在0.06~0.10之间时，岭参数已经基本稳定，根据决定系数2R,当k=0.08时，2R=0.98393仍然很大，因此可以选

取岭参数k=0.08。给定k=0.08，重新作岭回归，得到表5的结果。表5

Mult R 0.99218223

RSquare 0.98442559

Adj RSqu 0.98202952

SE 16.52959035

ANOVA table

df SS MS F value Sig F Regress 4 449023.12 112255.78 410.8511713 0.0000000 Residual 26 7103.911 273.227

B SE(B) Beta B/SE(B)

x1 0.00392599 0.00128407 0.13020266 3.05745961

x3 0.00640185 0.00048905 0.32166222 13.09033088

x4 0 .01298691 0.00143097 0.23834678 9.07560452

x5 0.00149025 0.00010894 0.29459845 13.67918335

Constant -12.65142683 4.88013360 0.00000000 -2.59243452 由表5可得，复相关系数R=0.992，决定系数2R=0.09844，可以看出岭回归方程高度显著。F=410.8512,P值=0.000，表明岭回归方程