国内旅游总花费影响因素分析报告

1、精选优质文档-倾情为你奉上中国国内旅游总花费影响因素分析一、问题提出1、研究问题旅游可以促进人力、物力、资源的优化利用，促进当地的相关产业的发展，解决就业问题，提高经济收益等都是大有裨益的。更重要是随着旅游业的发展，当地人的观念将会发生根本改变，即按照市场需求，组织生产，搞活流通，以信息化取代封闭的传统的生产模式。旅游可以使单一资源产生规模效应，扩大单一资源的产品转化和升级，将市场建在家门口，对外提高当地的影响力。旅游业是现代服务业的重要组成部分，带动作用大。加快旅游业改革发展，是适应人民群众消费升级和产业结构调整的必然要求，对于扩就业、增收入，推动中西部发展和贫困地区脱贫致富，促进经济平稳增

2、长和生态环境改善意义重大，对于提高人民生活质量、培育和践行社会主义核心价值观也具有重要作用。 中国旅游业的发展是与改革开放同步进行的。改革开放之前，由于受传统计划体制观念的影响，注重生产轻视消费，旅游被当做一种奢侈品而遭到排斥，同时，国内生活水平普遍较低，对外又采取闭关锁国政策，因此，旅游产业的发展缺乏必要的物质基础和政治条件。改革开放以后，随着中国经济的发展，一方面，国民经济建设需要大量的资金；另一方面，由于对外开放的大门打开，境外游客和资本急于进入中国，从而为中国的旅游业形成创造了良好的内外条件和环境。本文通过对国内旅游总花费的影响因素展开研究，运用建立多元线性回归模型的方法，探

3、讨影响国内旅游总花费的主要因素，并对这些因素进行分析。2、数据来源(1994-2013，国家统计局)Y国内旅游总花费(亿元) X1国内生产总值（亿元） X2平均工资（元） X3客运量（万人）x4国内游客(百万人次) x5居民消费价格指数（上年=100）年 份国内旅游总花费(亿元)国内生产总值（亿元）平均工资（元）客运量（万人）国内游客(百万人次)居民消费价格指数（1987年=100）19941023.548197.95120524270.419951375.760793.75348629396.919961638.471176.65980640429.919972112.778973.0644

4、4644441.919982391.284402.37446695438.419992831.989677220003175.599214.69333744434.020013522.4.210834784437.020023878.4.712373878433.520033442.3.813969870438.720044710.7.3159201102455.820055285.9.4182001212464.020066229.7.4208561394471.020077770.6.3247211610493.620088749.3.4288981712522.

5、7200910183.7.8322441902519.0201012579.8.8365392103536.1201119305.4.0417992641565.0201222706.2.1467692957579.7201326276.1.2514833262594.83、定性分析为了研究国内旅游总花费的影响因素，把国内旅游总花费（亿元）作为被解释变量y，将国内生产总值（亿元）、平均工资（元）、客运量（万人）、国内游客(百万人次)、居民消费价格指数（上年=100）作为解释变量，分别设为x1，x2、x3、x4、x5，假定其多元线性回归模型表示为：y = 0 +1x1 + 2x2 + 3x3 +

6、4x4 +5x5二、相关分析1、 数据基本描述Descriptive StatisticsMeanStd. DeviationN国内旅游总花费（亿元）7.4595E37351.5831520国内生产总值（亿元）2.1715E51.64588E520平均工资（元）2.01E414745.14720客运量（万人）2.0126E68.31668E520国内游客(百万人次) 1.3511E3834.4650320居民消费价格指数（上年=100）4.6773E273.11847202、 相关分析利用散点图、简单相关系数检验被解释变量y和解释变量x1， x2， x3， x4， x5之间的关系。根据散点图可

7、以看出，国内旅游总花费y与国内生产总值x1、平均工资x2、客运量x3、国内游客x4、居民消费价格指数x5成正相关。Correlations国内旅游总花费（亿元）国内生产总值（亿元）平均工资（元）客运量（万人）国内游客(百万人次) 居民消费价格指数（上年=100）Pearson Correlation国内旅游总花费y1.000.974.968.785.986.855国内生产总值x1.9741.000.999.875.996.895平均工资x2.968.9991.000.875.994.891客运量x3.785.875.8751.000.847.814国内游客x4.986.996.994.8471

8、.000.886居民消费价格指数（上年=100）x5.855.895.891.814.8861.000Sig. (1-tailed)国内旅游总花费y.000.000.000.000.000国内生产总值x1.000.000.000.000.000平均工资x2.000.000.000.000.000客运量x3.000.000.000.000.000国内游客x4.000.000.000.000.000居民消费价格指数（上年=100）x5.000.000.000.000.000.N国内旅游总花费y202020202020国内生产总值x1202020202020平均工资x2202020202020客运量

9、x3202020202020国内游客x4202020202020居民消费价格指数（上年=100）x5202020202020从相关系数表中可以看出国内旅游总花费y与国内生产总值x1、平均工资x2、国内游客x4的相关系数都在0.9以上，高度相关；国内旅游总花费y与居民消费价格指数x5的相关系数在0.8以上，相关性也很强，国内旅游总花费y与客运量x3的相关系数在0.7以上，具有一定的相关性。所以，国内旅游总花费y与这五个自变量做回归分析是合适的。三、模型建立根据之前建立的模型y = 0 +1x1 + 2x2 + 3x3 +4x4 +5x5 ，利用SPSS，采用强行进入的方法进行多元线性回归，得到结

10、果如下：1、拟合优度检验Model SummarybModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.993a.987.982987.66685.987207.735514.000.584a. Predictors: (Constant), 居民消费价格指数（上年=100）, 客运量（万人）, 国内游客(百万人次) , 平均工资（元）, 国内生产总值（亿元）b. Dependent V

11、ariable: 国内旅游总花费（亿元）从上表可以看出，方程的复相关系数R=0.993，样本决定系数R2=0.987，调整后的样本决定系数为0.982，说明方程拟合优度很好。ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression1.013E952.026E8207.735.000aResidual1.366E714.806Total1.027E919a. Predictors: (Constant), 居民消费价格指数（上年=100）, 客运量（万人）, 国内游客(百万人次) , 平均工资（元）, 国内生产总值（亿元）b. Dependen

12、t Variable: 国内旅游总花费（亿元）由ANOVA表可知，在0.05的显著性水平下，F值=207.735，P值为0.000，说明回归方程高度显著，x1， x2， x3， x4， x5整体上对y有高度显著的线性影响。回归系数的检验CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsCollinearity StatisticsBStd. ErrorBetaZero-orderPartialPartToleranceVIF1(Constant)-2265.0533283

13、.235-.690.502国内生产总值x1.042.038.9341.088.295.974.279.034.001776.155平均工资x2-.653.293-1.310-2.226.043.968-.511-.069.003364.442客运量x3-.001.001-.117-1.426.176.785-.356-.044.1427.038国内游客x413.1374.1691.4913.151.007.986.644.097.004235.720居民消费价格指数（上年=100）x5-3.9887.094-.040-.562.583.855-.149-.017.1915.241a. Depe

14、ndent Variable: 国内旅游总花费（亿元）通过表格，我们看到平均工资x2、国内游客x4的回归检验系数P值小于0.05，通过检验。而常数项、国内生产总值x1、客运量x3、居民消费价格指数x5系数检验P值均大于0.05，未通过检验。4、 残差分析正态性检验根据直方图和正态概率分布图可以看到，残差基本上符合正态性假设。5、残差分析异方差检验CorrelationsABSE国内生产总值（亿元）平均工资（元）客运量（万人）国内游客(百万人次) 居民消费价格指数（上年=100）Spearman's rhoABSECorrelation Coefficient1.000.158.158.

15、229.156-.008Sig. (2-tailed).506.506.332.510.975N202020202020国内生产总值x1Correlation Coefficient.1581.0001.000*.967*.998*.947*Sig. (2-tailed).506.000.000.000N202020202020平均工资x2Correlation Coefficient.1581.000*1.000.967*.998*.947*Sig. (2-tailed).506.000.000.000N202020202020客运量x3Correlation Coefficient.229

16、.967*.967*1.000.968*.910*Sig. (2-tailed).332.000.000.000.000N202020202020国内游客x4Correlation Coefficient.156.998*.998*.968*1.000.941*Sig. (2-tailed).510.000.000.000.000N202020202020居民消费价格指数（上年=100）x5Correlation Coefficient-.008.947*.947*.910*.941*1.000Sig. (2-tailed).975.000.000.000.000.N202020202020*

17、. Correlation is significant at the 0.01 level (2-tailed).由残差图可知，残差图上的点的散布是随机的，不太有规律；由Correlations表可知，残差绝对值与x1， x2， x3， x4，x5的相关系数分别为0.158，0.158，0.229，0.156，-0.08，相应的P值均大于0.05，说明残差绝对值与自变量x1， x2， x3， x4，x5之间显著不相关。故综上所述，不存在异方差。6、自相关性检验Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Esti

18、mateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.993a.987.982987.66685.987207.735514.000.584a. Predictors: (Constant), 居民消费价格指数（上年=100）, 客运量（万人）, 国内游客(百万人次) , 平均工资（元）, 国内生产总值（亿元）b. Dependent Variable: 国内旅游总花费（亿元）从模型汇总表中可知，D.W值为0.584，查D.W表，当n=20，k=5时，dL=0.90,du= 1.83， D.W

19、=0.584dL，且滞后残差图呈正相关关系，所以模型存在正自相关性。7、共线性诊断CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsCollinearity StatisticsBStd. ErrorBetaZero-orderPartialPartToleranceVIF1(Constant)-2265.0533283.235-.690.502国内生产总值x1.042.038.9341.088.295.974.279.034.001776.155平均工资x2-.653.

20、293-1.310-2.226.043.968-.511-.069.003364.442客运量x3-.001.001-.117-1.426.176.785-.356-.044.1427.038国内游客x413.1374.1691.4913.151.007.986.644.097.004235.720居民消费价格指数（上年=100）x5-3.9887.094-.040-.562.583.855-.149-.017.1915.241a. Dependent Variable: 国内旅游总花费（亿元）Collinearity DiagnosticsaModelDimensionEigenvalueC

21、ondition IndexVariance Proportions(Constant)国内生产总值（亿元）平均工资（元）客运量（万人）国内游客(百万人次) 居民消费价格指数（上年=100）115.6221.000.00.00.00.00.00.002.3454.037.01.00.00.00.00.003.02814.064.01.00.00.56.00.014.00344.309.52.00.00.02.02.935.00168.413.14.00.35.22.46.016.000139.200.331.00.64.20.52.05a. Dependent Variable: 国内旅游总花

22、费（亿元）由Coefficients表可以看出x1，x2,x4的VIF值都大于10，所以存在严重的多重共线性。由Collinearity Diagnostics表可知，自变量x2,x3， x4， x5的条件数均大于10，进一步说明自变量之间存在严重的多重共线性。8、异常值检验年 份SDR_1COO_1LEV_11994-0.257820.0.1995-0.983940.0.1996-0.636240.0.1997-0.046431.51E-040.19980.5.15E-050.19990.0.0.20000.0.0.20011.0.0.20021.0.0.20031.0.0.2004-0.1

23、47719.20E-040.2005-0.480880.0.2006-1.453380.0.2007-2.101490.0.2008-0.766430.0.2009-0.638430.0.2010-0.230330.0.20110.0.0.20122.0.0.20130.7.0.从上表可知，所有数据的删除学生化残差绝对值都小于3，除2013年库克距离都小于0.5，该模型存在异常值。四、模型修改1.全模型存在的问题（1）常数项、国内生产总值x1、旅客运输平均距离x3、居民消费价格指数x5系数检验P值均大于0.05，未通过检验；（2）存在自相关性；（3）自变量之间存在严重的多重共线性；（4）201

24、3年存在异常值。2. 修改利用SPSS软件采用逐步回归的方式，得到以下结果并加以分析。（1）拟合优度检验Variables Entered/RemovedaModelVariables EnteredVariables RemovedMethod1国内游客(百万人次)x4 .Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).2平均工资（元）x2.Stepwise (Criteria: Probability-of-F-to-enter <= .0

25、50, Probability-of-F-to-remove >= .100).a. Dependent Variable: 国内旅游总花费（亿元）Model SummarycModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.986a.972.9701269.59516.972619.067118.0002.992b.984.982974.59357.01313.546117.0

26、02.711a. Predictors: (Constant), 国内游客(百万人次) b. Predictors: (Constant), 国内游客(百万人次) , 平均工资（元）c. Dependent Variable: 国内旅游总花费（亿元）由Model Summary表可知，方程的复相关系数R=0.986，样本决定系数为R2为0.972，调整后的样本决定系数为0.970，说明方程拟合程度很好。(2）回归方程显著性检验ANOVAcModelSum of SquaresdfMean SquareFSig.1Regression9.979E819.979E8619.067.000aResi

27、dual2.901E718.858Total1.027E9192Regression1.011E925.054E8532.053.000bResidual1.615E717.628Total1.027E919a. Predictors: (Constant), 国内游客 x4b. Predictors: (Constant), 国内游客 x4, 平均工资 x2c. Dependent Variable: 国内旅游总花费 y由ANOVA表可知，在0.05的显著性水平下，F值为532.053，P值为0.000，远小于0.005，所以回归方程高度显著，说明x2、x4整体上对y有高度显著的线性影响。（

28、3）回归系数检验CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsCollinearity StatisticsBStd. ErrorBetaZero-orderPartialPartToleranceVIF1(Constant)-4274.271550.449-7.765.000国内游客 x48.685.349.98624.881.000.986.986.9861.0001.0002(Constant)-6150.148662.057-9.289.000国内游客 x41

29、7.8222.4972.0237.137.000.986.866.217.01286.857平均工资 x2-.520.141-1.043-3.681.002.968-.666-.112.01286.857a. Dependent Variable: 国内旅游总花费 y由Coefficients表可知，常数项、平均工资x2和国内游客x4的回归系数检验的P值均小于0.05，所以通过检验。故综上述，该问题的最小二乘回归模型为：y = -6150.148-0.52x2+17.822x4（4）残差分析正态性检验根据直方图和正态概率分布可以看出，残差基本上符合正态性假设。（5）残差分析异方差性检验Corr

30、elationsABSE平均工资 x2国内游客 x4Spearman's rhoABSECorrelation Coefficient1.000.195.191Sig. (2-tailed).409.420N202020平均工资 x2Correlation Coefficient.1951.000.998*Sig. (2-tailed).409.000N202020国内游客 x4Correlation Coefficient.191.998*1.000Sig. (2-tailed).420.000.N202020*. Correlation is significant at the

31、0.01 level (2-tailed).由残差图可知，残差图上的点的散布是随机的，无任何规律；由Correlations表可知，残差绝对值与x2， x4的相关系数分别为0.195，0.191，相应的P值均大于0.05，说明残差绝对值与各自变量之间显著不相关。故综上所述，认为不存在异方差。（6）残差分析自相关性检验Model SummarycModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson1.986a.972.9701269.59522.992b.984.982974.5936.711a. Predi

32、ctors: (Constant), 国内游客 x4b. Predictors: (Constant), 国内游客 x4, 平均工资 x2c. Dependent Variable: 国内旅游总花费 yD.W值为0.711，查D.W表，n=20，k=2，dl=1.20，du=1.41，D.W=0.711dL，模型存在正自相关性，用迭代法解决。通过进一步考察自相关系数，1-1/2D.W=1-0.5*0.711=0.6445。求出相关系数后，做变量变换：yi，= yi-yi-1 ；xi，= xi-xi-1如果方程通过D.W 检验 ， 迭代 结 束 ， 否 则 ， 继续 重 复 上 述 过 程，直到

33、 通过D.W 检验 。（7）多重线性检验CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsCollinearity StatisticsBStd. ErrorBetaZero-orderPartialPartToleranceVIF1(Constant)-4274.271550.449-7.765.000国内游客 x48.685.349.98624.881.000.986.986.9861.0001.0002(Constant)-6150.148662.057-9.289

34、.000国内游客 x417.8222.4972.0237.137.000.986.866.217.01286.857平均工资 x2-.520.141-1.043-3.681.002.968-.666-.112.01286.857a. Dependent Variable: 国内旅游总花费 yCollinearity DiagnosticsaModelDimensionEigenvalueCondition IndexVariance Proportions(Constant)国内游客(百万人次) 平均工资（元）111.8571.000.07.072.1433.600.93.93212.7801

35、.000.01.00.002.2193.564.34.00.003.00240.430.651.001.00a. Dependent Variable: 国内旅游总花费（亿元）由Coefficients表可知，各个自变量的VIF均大于10；由Collinearity Diagnostics表可知，共线性诊断中条件数有一个在40附近。综上述，说明自变量间存在多重共线性。为了消除共线性，接下来我们剔除解释变量x2。（8）异常值检验年 份SDR_2COO_2LEV_219940.0.0.1995-1.02550.0.1996-0.551630.0.19970.0.0.19980.3.78E-050.

36、19990.0.0.20000.0.0.0282220011.0.0.20020.0.019980.20031.0.0.127882004-0.515110.0.2005-0.727470.010970.2006-1.812810.0.2007-2.250040.0.2008-0.649230.0.2009-0.903620.0.20100.0.0.20110.0.0.20120.0.0.2469820131.503160.0.由上表可知，所有数据的删除学生化残差的绝对值均小于3，库克距离也均小于0.5，故数据不存在异常值。五、模型修改1.模型存在的问题（1）自变量之间仍存在多重共线性；2.

37、修改剔除解释变量x2，利用SPSS软件采用逐步回归的方式，得到以下结果并加以分析。（1） 拟合优度检验Variables Entered/RemovedaModelVariables EnteredVariables RemovedMethod1国内游客(百万人次)x4.Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).2客运量（万人）x3.Stepwise (Criteria: Probability-of-F-to-enter <= .050

38、, Probability-of-F-to-remove >= .100).a. Dependent Variable: 国内旅游总花费（亿元）yModel SummarycModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.986a.972.9701269.59516.972619.067118.0002.990b.981.9781084.58337.0097.665117.01

39、3.601a. Predictors: (Constant), 国内游客(百万人次)x4b. Predictors: (Constant), 国内游客(百万人次)x4, 客运量（万人）x3c. Dependent Variable: 国内旅游总花费（亿元）y由Model Summary表可知，方程的复相关系数R=0.986，样本决定系数为R2为0.972，调整后的样本决定系数为0.970，说明方程拟合程度很好。(2）回归方程显著性检验ANOVAcModelSum of SquaresdfMean SquareFSig.1Regression9.979E819.979E8619.067.000a

40、Residual2.901E718.858Total1.027E9192Regression1.007E925.034E8427.975.000bResidual2.000E717.086Total1.027E919a. Predictors: (Constant), 国内游客(百万人次)x4b. Predictors: (Constant), 国内游客(百万人次)x4, 客运量（万人）x3c. Dependent Variable: 国内旅游总花费（亿元）y由ANOVA表可知，在0.05的显著性水平下，F值为619.067，P值为0.000，远小于0.005，所以回归方程高度显著，说明x2、

41、x4整体上对y有高度显著的线性影响。（3）回归系数检验CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.CorrelationsCollinearity StatisticsBStd. ErrorBetaZero-orderPartialPartToleranceVIF1(Constant)-4274.271550.449-7.765.000国内游客(百万人次)x48.685.349.98624.881.000.986.986.9861.0001.0002(Constant)-2916.4266

42、79.462-4.292.000国内游客(百万人次)x49.997.5601.13517.849.000.986.974.604.2833.528客运量（万人）x3-.002.001-.176-2.769.013.785-.557-.094.2833.528a. Dependent Variable: 国内旅游总花费（亿元）y由Coefficients表可知，常数项、平均工资x2和国内游客x4的回归系数检验的P值均小于0.05，所以通过检验。故综上述，该问题的最小二乘回归模型为：y = -2916.426-0.002 x3+9.997x4（4）残差分析正态性检验根据直方图和正态概率分布可以看出

43、，残差基本上符合正态性假设。（5）残差分析异方差性检验CorrelationsE客运量（万人）x3国内游客(百万人次)x4Spearman's rhoECorrelation Coefficient1.000.589*.471*Sig. (2-tailed).006.036N202020客运量（万人）x3Correlation Coefficient.589*1.000.968*Sig. (2-tailed).006.000N202020国内游客(百万人次)x4Correlation Coefficient.471*.968*1.000Sig. (2-tailed).036.000.N

44、202020*. Correlation is significant at the 0.01 level (2-tailed).*. Correlation is significant at the 0.05 level (2-tailed).由残差图可知，残差图上的点的散布是随机的，无任何规律；由Correlations表可知，残差绝对值与x3， x4的相关系数分别为0.589，0.471，相应的P值均大于0.05，说明残差绝对值与各自变量之间显著不相关。故综上所述，认为不存在异方差。（6）残差分析自相关性检验Model SummarycModelRR SquareAdjusted R

45、SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.986a.972.9701269.59516.972619.067118.0002.990b.981.9781084.58337.0097.665117.013.601a. Predictors: (Constant), 国内游客(百万人次)x4b. Predictors: (Constant), 国内游客(百万人次)x4, 客运量（万人）x3c. Dependent Variable

46、: 国内旅游总花费（亿元）yD.W值为0.601，查D.W表，n=20，k=2，dl=1.20，du=1.41，D.W=0.601dL，模型存在正自相关性，用迭代法解决。通过进一步考察自相关系数，1-1/2D.W=1-0.5*0.601=0.6995。求出相关系数后，做变量变换：yi，= yi-yi-1 ；xi，= xi-xi-1如果方程通过D.W 检验 ， 迭代 结 束 ， 否 则 ， 继续 重 复 上 述 过 程，直到 通过D.W 检验 。第一次迭代：Model SummarybModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson1.983a.965.961646.74416.822a. Predictors: (Constant), x4', x