国内城镇居民旅游消费因素计量分析

1、计 量 经 济 学 论 文关于城镇居民旅游消费因素计量分析 关于城镇居民旅游消费因素计量分析一、 分析背景：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

2、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。作为旅游管理学院的学生，结合计量经济学的相关模型假设，建立，检验，预测等步骤，通过真实的相关数据了解我国旅游消费发展的过程趋势和未来的前景，对我们学

3、习相关的专业知识提供宝贵的数据支持和更深入的理解。二、 分析目的：通过根据国内城镇居民人均可支配收入及其旅游消费的特点，运用计量经济的建模方法建立了城镇居民旅游消费相应的回归模型。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，为相关的企业，政府制定未来的旅游消费政策提供依据。三、 模型设定通过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

4、。为了分析国内城镇居民旅游消费情况与人均可支配收入、人均GDP、居民消费水平之间的关系，我们通过选择“城镇居民旅游消费”作为被解释变量（用Y表示），选择城镇居民人均可支配收入（用表示）城镇居民消费水平（用表示）表现经济发展水平的“人均GDP”，为解释变量（用表示）。表1为由中国统计年鉴得到的1994-2012年的相关数据。 表1：1994-2012年城镇居民旅游消费、城镇居民人均可支配收入、人均GDP和城镇居民消费水平资料来源：中国统计年鉴年份（年）城镇居民人均旅游消费（元）城镇人均可支配收入（元）城镇居民消费水平（元）人均GDP（元）1994414.73496.246334044199546

5、44282.95493150461996534.14838.9553258461997599.85160.35823642019986075425.1610967961999614.85854640571592000678.66279.98685078582001708.36859.6716186222002739.77702.8748693982003684.98472.28060105422004731.89421.68912123362005737.1104939644140532006766.411759.510682161652007906.913785.811221120169.5

6、2008849.415780.761384523707.72009801.117174.71502525575.5201088319109.416546.36300152011877.821809.7819108351982012914.524564.72086438449图1：城镇居民旅游消费、城镇居民人均可支配收入、人均GDP和城镇居民消费水平散点图通过运用Excel软件，可以直观从图1看出城镇居民旅游消费、城镇居民人均可支配收入、人均GDP和城镇居民消费水平之间存在着线性相关关系，为了分析城镇居民旅游消费的影响因素，我们建立如下的模型：其中是因变量；、是自变量（城镇居民人均可支配收入、城

7、镇居民消费水平、人均GDP），是随机扰动项。1为常数，2、3、4表示回归系数。四、 参数估计将1994年2012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：对表1数据进行检验得到的回归结果如下表2所示：表2 回归分析结果Dependent Variable: YMethod: Least SquaresDate: 12/29/13 Time: 09:51Sample: 1994 2012Included observations: 19VariableCoefficientStd. Errort-StatisticProb.

8、 X10.1524420.0587614.5942570.0249X26.0133375.9439763.0116690.3334X3-0.0934100.042662-2.1895040.0510C-289.7117627.0857-0.4619970.6531R-squared0.843177 Mean dependent var604.8400Adjusted R-squared0.843100 S.D. dependent var70.20977S.E. of regression47.31424 Akaike info criterion10.77468Sum squared res

9、id24625.01 Schwarz criterion10.96349Log likelihood-76.81009 F-statistic16.60919Durbin-Watson stat1.482911 Prob(F-statistic)0.008143通过表2 回归分析结果我们可以得到以下回归方程：五、 模型检验1） 经济学意义检验：所估计的参数、可以说明当城镇居民人均可支配收入增加1元，旅游人均消费增加0.152442元，这与经济学中的相关理论是相符合的2） 拟合优度检验：由上图中数据可以得到： R2=0.843177，修正的可决系数为=0.843100，这说明模型整体上对样本数据

10、你和较好。即解释变量对被解释变量的大部分差异做出了解释。3）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=16的临界值(3,16) =3.24，而F=16.60919>3.24,所以应拒绝原假设H0:2=3=4=0，接受备择假设说明回归方程显著，即城镇居民人均可支配收入、城镇居民消费水平、人均GDP有显著影响。4）t 检验：分别针对H0:j=0(j=1,2,3,4)，给定显著性水平,查t分布表的自由度n-2=19-2=17的临界值从表2可以看出：回归系数的标准误差和他值分别为：,回归系数的标准误差和他值分别为：,回归系数的标准误差和他值分别

11、为：,因为所以>>可以看出应当拒绝所以可以看出城镇居民人均可支配收入、城镇居民消费水平确实有显著影响。而<,所以接受原假设，说明的系数检验不显著，并且的系数符号与预期相反，报名很可能存在严重的多重共线性。六、多重共线性及其消除通过计算各解释变量的相关系数，得出多重共线性检验如下图2所示：图2：重共线性检验结果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

12、。所以证实确实存在严重的共线性。所以采用逐步回归的方法，去检验和解决多重共线性的问题，分别做Y对X1、X2的一元回归，结果如下：（图3，图4）图3：对 X1的一元回归结果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.

13、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)0.000

14、028 由图3可得：通过查表可知，而，所以通过检验，所以保留，并且拟合良好并且个参数的t检验显著。说明与具有显著的相关性。图4：对X2的一元回归结果Dependent 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-squar

15、ed0.723909 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由图4可得：通过

16、查表可知，而，所以X2通过检验，所以X2保留，并且拟合良好并且个参数的t检验显著。说明X2与具有显著的相关性。因为其中的最大，所以以为基础，一次将其他的变量逐步回归，结果如图5，图6显示：图5：X1,X2多重线性检验结果Dependent Variable: YMethod: Least SquaresDate: 12/29/13 Time: 10:38Sample: 1994 2012Included observations: 19VariableCoefficientStd. Errort-StatisticProb. C1149.177324.26253.5439700.0040X10

17、.0234390.0035796.5493870.0000X20.0150870.0025845.8383100.0001R-squared0.838247 Mean dependent var687.2473Adjusted R-squared0.798114 S.D. dependent var119.2542S.E. of regression54.12712 Akaike info criterion10.99889Sum squared resid34122.50 Schwarz criterion12.24560Log likelihood-78.25547 F-statistic

18、28.03041Durbin-Watson stat1.424876 Prob(F-statistic)0.000032通过图3，可以得到以下相关关系： 其中 为是随机扰动项。经过比较，新加入的的方程，改进很大，并且各个参数的t检验显著，所以选择保留。通过查表可知，而，所以通过检验，所以保留，并且拟合良好并且个参数的t检验显著。再运用Eviews对X1、X2进行检验，回归结果如下图4：图6：X1,X3共线性检验结果Dependent Variable: YMethod: Least SquaresDate: 12/29/13 Time: 10:40Sample: 1994 2012Includ

19、ed observations: 19VariableCoefficientStd. Errort-StatisticProb. C1239.277354.27343.6578210.0041X10.0234390.0042797.3587850.0000X3-6.4331613.075015-2.0920740.0584R-squared0.818297 Mean dependent var694.9733Adjusted R-squared0.788014 S.D. dependent var117.5362S.E. of regression54.11600 Akaike info cr

20、iterion10.99699Sum squared resid35142.50 Schwarz criterion11.13860Log likelihood-79.47745 F-statistic27.02098Durbin-Watson stat1.413966 Prob(F-statistic)0.000036通过图6，我们可以得到下面的相关关系： 其中 为是随机扰动项。经过比较，新加入的的方程，有所减小，同时各个参数的t检验不显著显著，所以不选择选择保留。通过查表可知，而，但是 所以通过检验，所以保留，而没有通过相应的t检验，其参数的t检验不显著，甚至参数的符号也不合理。 对X2、

21、X3进行检验，如下图7所示：图7:X2,X3共线性检验结果：Dependent Variable: YMethod: Least SquaresDate: 12/29/13 Time: 10:49Sample: 1994 2012Included observations: 19VariableCoefficientStd. Errort-StatisticProb. C1253.029331.86543.7757130.0026X20.0143100.0022866.2590990.0000X3-7.0837933.168411-2.2357560.0451R-squared0.805096

22、 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)0.000055通过图7，我们可以得到下面的相关关系

23、：通过查表可知，而，但是 所以通过检验，所以保留，而没有通过相应的t检验，其参数的t检验不显著，甚至参数的符号也不合理。 所以得到剔除。所以在修正严重共线性影响之后的回归结果为：逐步回归之后，虽然减轻了多重共线性，但是反映经济发展水平的人均GDP在模型中剔除了，也可能会带来一些设定的偏误。七、异方差检验通过运用EViews，利用White法检验，如下图8：图8：white检验异方差White Heteroskedasticity Test:F-statistic2.168263 Probability0.146342Obs*R-squared6.967033 Probability0.1376

24、41Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/29/13 Time: 11:30Sample: 1994 2012Included observations: 19VariableCoefficientStd. Errort-StatisticProb. C277298.8422598.70.6561750.5265X1-5030.3687990.895-0.6295130.5431X1222.9608237.446480.6131640.5535X2-0.5356290.958642-0.5587370.5886X223.07E-053.06E-051.0028690.3396R-squared0.464469 Mean dependent var2513.049Adjusted R-squared0.250256 S.D. dependent var4066.038S.E. of regression3520.691 Akaike info criterion19.43190Sum squared resid1.24E+08 Schwarz criterion19.66792Log likelihood-140.7393 F-statistic2.