国内城镇居民旅游消费的计量经济学研究.doc

何青梅 企业管理 100715国内城镇居民旅游消费的计量经济学研究1. 目的：本文根据国内城镇居民人均可支配收入及其旅游消费的特点，运用计量经济的方法建立了相应的回归模型。通过对模型的研究，分析了影响国内城镇居民旅游消费的主要因素及其存在的相关性，同时该模型还可以用于对未来的旅游消费情况进行预测，为制定未来的旅游消费政策提供依据。2. 理论依据及模型：近年来，旅游消费在很多国家（包括中国在内）发展很快，已成为消费热点和新的经济增长点。随着我国改革开放政策的深入贯彻，我国国民经济的发展突飞猛进，国内生产总值日益增加，居民的人均收入水平越来越高，生活质量也得到了很大的改善。人们不再一味追求温饱，而是试着寻求高质量的生活享受。由此，旅游消费作为一种非基本需求的较高层次的消费支出逐渐成为人们的主要休闲方式。我国旅游业的发展一直遵循“适度超前”的原则，立足于开发国内旅游市场，国内居民旅游逐渐在我国的旅游市场上占据主导地位。而国内居民旅游消费支出的增加也带动和刺激了我国国民经济的发展，旅游产业成为我国新的经济增长点。进入21世纪后，我国的旅游业保持着高速的发展态势，市场前景极为广阔。据统计，我国旅游消费占国内生产总值的比例由1994年的2.189%上升为2004年的3.45%，这充分说明旅游业在国民经济中的地位日益重要，并且已经成为我国目前经济发展面临的新课题和拉动国内需求的新机遇。在我国的旅游消费群体中，主要消费群体为城镇居民。由此可见，研究国内城镇居民的旅游消费状况具有重要的现实意义。本文主要采用计量经济模型对国内城镇居民旅游消费情况进行分析和预测。计量经济学主要研究的是一种经济预测方法，即把经济理论、数学公式和概率统计等相关理论知识结合起来，用以发现和总结实际经济活动中的数学规律，预测未来的发展情况和进行政策规划。计量经济模型就是应用计量经济方法建立起来的模型，对于单一方程来说其一般形式如下： （1） Yi=1+2X2i+3X3i+4X4i+i在这里：Yi是因变量； X2i，X3i，X4i 是自变量； i 是误差项计量经济模型的建立主要依靠历史统计数据，然后应用最小二乘法得出相关的回归模型。本文结合我国1995年2009年的实际旅游消费情况，试图建立一个回归模型来探讨人均旅游消费与人均可支配收入和人均GDP之间的关系，文中居民消费价格指数均是以上年=100来计算的，样本期选取1995年2009年，主要数据如表1所示。年份人均旅游消费（元）人均可支配收入（元）居民消费价格指数人均GDP城镇居民消费水平1995464.04283.0100.0504604931.01996534.14838.9108.35846.05532.01997599.85160.3111.36420.05823.01998607.05425.1110.46796.06109.01999614.85854.0108.97159.06405.02000678.66280.0109.37858.06850.02001708.36859.6110.18622.07161.02002739.77702.8109.29398.07486.02003684.98472.2110.510542.08060.02004731.89421.6114.812336.08912.02005737.110493116.914053.09644.02006766.411759.5118.716165.010682.02007906.913785.8124.420169.512211.02008849.415780.8131.723707.713845.02009801.817175130.825575.515025.0 1995年2009年国内城镇居民旅游消费基本情况资料来源：中国统计年鉴（2）修正数据将Y 、X1 、X2 、X3用价格指数修正后的数据为下表所示：年份人均旅游消费（元）人均可支配收入（元）人均GDP城镇居民消费水平1995464.04283.05046.0493101996493.24468.15398.05108.01997538.94636.45768.25231.81998549.84914.06155.85533.51999564.65375.66573.95881.52000620.95745.77189.46267.22001643.36230.37831.16504.12002677.47053.88606.26855.32003619.87667.19540.37294.12004637.58207.010745.67763.12005630.58976.012021.48249.82006645.79906.913618.48999.22007729.011081.816213.49815.92008645.011982.418001.310512.52009613.013130.719553.111487.0如果用Yi表示人均旅游消费，X1，X2，X3分别表示人均可支配收入和居民消费价格指数和人均国内生产总值，1为常数，2、3、4表示回归系数，i为扰动项，我们可以假设一般模型为： Y=1+2X1+3X2+4X3+（2） 3. 参数估计和Eviews演示将1995年2009年国内城镇居民旅游消费的相关数据进行回归，主要运用EXCEL数据分析模块和OLS方法，具体的回归分析结果见如下表：对以上数据进行检验得到的回归结果如下表所示：Dependent Variable: YMethod: Least SquaresDate: 06/20/11 Time: 09:51Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. X10.1524420.0587612.5942570.0249X26.0133375.9439761.0116690.3334X3-0.0934100.042662-2.1895040.0510C-289.7117627.0857-0.4619970.6531R-squared0.643177 Mean dependent var604.8400Adjusted R-squared0.545861 S.D. dependent var70.20977S.E. of regression47.31424 Akaike info criterion10.77468Sum squared resid24625.01 Schwarz criterion10.96349Log likelihood-76.81009 F-statistic6.609190Durbin-Watson stat1.482911 Prob(F-statistic)0.008143Y=957.7707+0.069280X1-5.233876X2-0.028335X3+t=（2.370363） （1.229806） （-1.517835） （-0.815427）R2=0.828655 =0.781924 F= 17.73262模型检验（1） 拟合优度：由上图中数据可以得到： R2=0.828655，修正的可决系数为=0.781924，这说明模型对样本的拟合还好。（2）F检验：针对H0:2=3=4=0，给定显著性水平，在F分布表中查出自由度为k-1=3和n-k=11的临界值(3,11) 大于17.73262.应拒绝原假设H0:2=3=4=0，说明回归方程显著，即“人均GDP”、“居民消费价格指数”、“人均可支配收入”有显著影响。（3）t 检验：分别针对H0:j=0(j=1,2,3,4)，给定显著性水平,得出无法都拒绝H0:j=0(j=1,2,3,4)。多重共线性及其消除计算各解释变量的相关系数，得出多重共线性检验如下图所示：X1X2X3X11-0.181854908130.997517913609X2-0.181854908131-0.151871744131X30.997517913609-0.1518717441311由相关系数矩阵可以看出：X1、X2相关性不高， X1、X3 相关性较高。分别检验X1，X3，结果如下图Dependent Variable: YMethod: Least SquaresDate: 06/09/11 Time: 13:26Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C474.590538.4432912.345210.0000X10.0248010.0039506.2788990.0000R-squared0.752025 Mean dependent var694.9733Adjusted R-squared0.732950 S.D. dependent var117.5362S.E. of regression60.73908 Akaike info criterion11.17462Sum squared resid47960.07 Schwarz criterion11.26902Log likelihood-81.80963 F-statistic39.42458Durbin-Watson stat0.886021 Prob(F-statistic)0.000028Dependent Variable: YMethod: Least SquaresDate: 06/09/11 Time: 13:27Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C514.239635.1018714.649920.0000X30.0150870.0025845.8383100.0001R-squared0.723909 Mean dependent var694.9733Adjusted R-squared0.702671 S.D. dependent var117.5362S.E. of regression64.09003 Akaike info criterion11.28202Sum squared resid53397.91 Schwarz criterion11.37643Log likelihood-82.61515 F-statistic34.08586Durbin-Watson stat0.761275 Prob(F-statistic)0.000058对X1、X2进行检验，回归结果如下图：Dependent Variable: YMethod: Least SquaresDate: 06/09/11 Time: 13:28Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C1149.177324.26253.5439700.0040X10.0234390.0035796.5493870.0000X2-6.4331613.075015-2.0920740.0584R-squared0.818297 Mean dependent var694.9733Adjusted R-squared0.788014 S.D. dependent var117.5362S.E. of regression54.11600 Akaike info criterion10.99699Sum squared resid35142.50 Schwarz criterion11.13860Log likelihood-79.47745 F-statistic27.02098Durbin-Watson stat1.413966 Prob(F-statistic)0.000036Y=1149.177+0.023439X1-6.433161X2+t= (3.543970) (6.54937) (-2.092074)F=27.02098查表可知，t12=2.179 大于2.092074，所以X2检验通不过。对X2、X3进行检验，如下图所示：Dependent Variable: YMethod: Least SquaresDate: 06/09/11 Time: 13:29Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C1253.029331.86543.7757130.0026X2-7.0837933.168411-2.2357560.0451X30.0143100.0022866.2590990.0000R-squared0.805096 Mean dependent var694.9733Adjusted R-squared0.772612 S.D. dependent var117.5362S.E. of regression56.04740 Akaike info criterion11.06713Sum squared resid37695.74 Schwarz criterion11.20874Log likelihood-80.00347 F-statistic24.78438Durbin-Watson stat1.273843 Prob(F-statistic)0.000055Y=1253.029-7.083793X2-0.014310X2+t= (3.775713) (-2.235756) (6.259099)F=24.78438有以上图表和查表可知，以上数据均通过检验。异方差检验利用White检验，如下表White Heteroskedasticity Test:F-statistic2.168263 Probability0.146342Obs*R-squared6.967033 Probability0.137641Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/09/