交通运输业与旅游业的综合实力评价及实证研究_第1页
交通运输业与旅游业的综合实力评价及实证研究_第2页
交通运输业与旅游业的综合实力评价及实证研究_第3页
交通运输业与旅游业的综合实力评价及实证研究_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

交通运输业与旅游业的综合实力评价及实证研究

1交通和旅游网络的研究旅游是指人们决定离开住所,日夜或至少呆在某个地方,并决定离开当地的工作,但不包括出国旅行。不仅包括游客出差、出差、购物和交通的旅行,还包括游客从接待基地到目的地的旅行。根据数据,入境游客的运输成本约为旅游总成本的30%,国内游客的运输成本约为旅游总成本的25%。许多科学家分析了旅游与交通之间的关系。在国外,j.p.hail详细研究了大型旅游交通网络,尤其是港口港的配置和建设。小a.lew和bobmc管理机构分析了风景如画的旅游目的地的建立。terry等人讨论了特定的旅行方式。p.lois和doggrime调查了基于特定旅行方法的布局。徐世红等人分析了旅游交通的概念和构成。侯学钢等人对省级旅游交通的发展和布局进行了系统研究。王玉明等人分析了公共交通的角色。尹成志等人对长江上游旅游交通网络进行了研究。魏翠培等人根据不同的旅游交通方式和设施对区域旅游活动的影响进行了探讨。2005年,中国31个省区的相关数据采用了重要因素分析法,测量了各省各地旅游业和交通运输业的综合实力。在此基础上,分析了旅游与交通的关系,并提供了相关模型,为旅游与交通研究提供了新的知识,促进旅游业的快速发展提供了参考。2研究方法和数据来源2.1主要成分分析原理和模型2.1.1fpssfd的两个主成分主成分分析是设法将原来众多具有一定相关性(比如P个指标),重新组合成一组新的互相无关的综合指标来代替原来的指标.通常数学上的处理就是将原来P个指标作线性组合,作为新的综合指标.最经典的做法就是用F1(选取的第一个线性组合,即第一个综合指标)的方差来表达,即Var(F1)越大,表示F1包含的信息越多.因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分.如果第一主成分不足以代表原来P个指标的信息,再考虑选取F2即选第二个线性组合,为了有效地反映原来信息,F1已有的信息就不需要再出现再F2中,用数学语言表达就是要求Cov(F1,F2)=0,则称F2为第二主成分,依此类推可以构造出第三、第四,……,第P个主成分.2.1.2计算相关系数的量纲下,把所有小鼠n其中,,…,(i=1,…,m)为X的协方差阵Σ的特征值多对应的特征向量,ZX1,ZX2,…,ZXp是原始变量经过标准化处理的值,因为在实际应用中,往往存在指标的量纲不同,所以在计算之前须先消除量纲的影响,而将原始数据标准化.,,R为相关系数矩阵,λi、ai是相应的特征值和单位特征向量,λ1≥λ2≥…≥λp≥0.进行主成分分析主要步骤如下:(1)指标数据标准化(SPSS软件自动执行);(2)指标之间的相关性判定;(3)确定主成分个数m;(4)主成分Fi表达式;(5)主成分Fi命名;(6)主成分与综合主成分(评价)值.2.2交通运输业信息与特征本文指标及原始数据全部来自《中国统计年鉴(2005)》.限于篇幅,原始数据在此略去.如何选取典型的指标变量来反映交通运输业与旅游业的竞争力是一个关键性问题.根据系统性原则、科学性原则和可操作性原则,同时考虑到数据选取的权威性、可靠性和数据获取的难易程度,本文分别选用14和29个评价指标作为全面反映各个省(市)自治区陆路运输和旅游业竞争力的信息与特征.具体所取指标如下:(1)交通运输业:交通运输从业人数A1,铁路货运量(万t)A2,公路货运量(万t)A3,铁路客运量(万人)A4,公路客运量(万人)A5,私人汽车拥有量(万量)A6,人口数A7,人均GDPA8,铁路网密度A9,公路网密度A10,国内生产总值(亿元)A11,货运量(万t)A12,客运量(万人)A13,民用汽车拥有量(万量)A14.(2)旅游业:国际旅游收入C1、旅游企业总收入C2、入境旅游人数C3、国内旅游人数C4、国内旅游收入C5、客房出租率C6、市场占有率C7、工业废水达标率C8、SO2处理率C9、每万人拥有医院床位数C10、每万人拥有医生人数C11、人均邮电业务量C12、拥有互联网数C13、人均GDPC14、财政收入C15、人均可支配收入C16、4A级旅游景区(点)数C17、A级以上旅游景区(点)数C18、国际旅行社数量C19、国内旅行社数量C20、星级饭店数量C21、进出口贸易额C22、外商直接投资额C23、每十万人拥有高等学校学生数C24、近5年旅游收入增长率C25、近五年旅游人数增长率C26、近五年GDP增长率C27、旅游收入占GDP比重C28、第三产业占GDP比值C29.3交通运输业规模因子提取使用SPSS统计软件(14.0版)对上述14个指标的数据进行处理,得到表现各因子特征值与贡献率表(表1).分析表1可以发现,前3个因子的特征值相对后者较大,从第4个开始特征值远小于1并平稳变化.因此,提取前3个因子比较合适,其差贡献率分别为56.282%、19.125%、9.622%,贡献率表示该公共因子反映原指标总信息量的百分比,积累贡献率表示几个公共因子一起反映原指标总信息量的百分比.从表可以看到,所示3个公共因子的累积贡献率为85.028%,即这3个公共因子总共可以反映原始指标85.028%的信息量.因此可以认为原来的14个指标能够综合成3个主因子:F1、F2和F3.这3个公因子可以作为评价我国31个省(市)自治区陆路交通运输综合实力的综合变量.由于初始载荷矩阵结构不够简单,各因子的典型代表量不很突出,容易使因子含糊不清,难以解释和命名.为了使因子分析得到更好的效果,有必要采用因子旋转的方法,使因子载荷两极分化,要么接近于1,要么接近于0,来减少对因子命名的主观性,旋转后的因子往往具有更鲜明的实际意义,从而更容易解释.旋转的方法有:正交旋转、斜交旋转两类.本文采用4次最大正交旋转方法,得到正交旋转因子载荷矩阵(表2).由表2可知,公因子F1在A1:交通运输从业人数,A3:公路货运量(万t)、A4:铁路客运量(万人)、A5:公路客运量(万人)、A6:私人汽车拥有量(万量)、A7:人口数,A11:国内生产总值(亿元)、A12:货运量(万t)、A13:客运量(万人)、A14:民用汽车拥有量(万量)10个变量上的载荷值都很大,这10个变量从不同的侧面反映了交通运输业的规模,可以将其命名为规模因子,在规模因子上得分越高,该地区交通运输业的规模越大.公因子F2在A8:人均GDP、A9:铁路网密度、A10:公路网密度3个变量上载荷值都很大,它们主要反映的是运输线路的情况,可归为线路密度因子.公因子F3在A2:铁路货运量(万t)上有很高的载荷值,可称之为铁路货运因子.由此,我们得到了能够代表原指标主要成分的3个主因子:规模因子(F1)、线路密度因子(F2)、和铁路货运因子(F3).为了对各地区陆路交通运输的综合实力进行评价,我们用SPSS统计软件对3个主因子计算其因子得分,分别得到各地区对应3个因子的得分.然后,以各因子的因子贡献率占3个因子累积方差贡献率的比重作为权重进行加权计算,就得到了因子综合得分和按得分大小的排名,见表3.其中因子综合得分的计算方法如下:按综合得分的情况,可以将全国31个省(市)自治区划分为3个档次:其中,广东、山东、江苏、浙江、北京、河北、河南、辽宁、上海、山西10个省(市)得分在1.12002~4.313668,为得分最高的第1档次;四川、湖南、黑龙江、湖北、安徽、天津、云南、福建、陕西、吉林、内蒙古11个省(市)自治区得分在-0.91881~0.995142,为得分较高的第2个档次;江西、广西、重庆、贵州、新疆、甘肃、海南、宁夏、青海、西藏10个省(市)自治区得分在-3.27043~-1.01389,为得分最低的第3个档次,其中,安徽、天津、云南、福建、陕西、吉林、内蒙古、江西、广西、重庆、贵州、新疆、甘肃、海南、宁夏、青海、西藏17个省(市)自治区得分在0以下,低于全国平均水平.从空间上来看东部各省区得分偏高,中部次之,西部为最低,这与我国东中西的海拔高度恰好相反.由以上的结果分析可知,无论在规模、线路密度还是在综合上,西部各省(市)自治区都存在突出的问题,交通是制约经济发展的瓶颈,而经济的发展又是交通发展的必要条件,要改善西部的交通情况,就要充分考虑交通与经济的关系,在西部大开发时,就要充分利用有限的资金,在条件允许的情况下,给交通建设以更大的投入.4因子综合得分计算同理,利用SPSS统计软件对2005年旅游业的29个指标的数据进行处理,我们得到了7个可以反映2005年我国省域旅游综合实力89.623%信息的公因子(表4).并由载荷矩阵我们得到了能够代表原指标主要成分的7个公因子:规模因子(F1)、服务支持因子(F2)、社会基础因子(F3)、污染治理因子(F4)、饭店效益(F5)、旅游发展速度因子(F6)和第三产业增长潜力因子(F7).通过计算,得到了因子综合得分和按得分大小的排名,见表5.按综合得分的情况,可以将全国31个省(市)自治区旅游业综合实力划分为3个档次:其中,广东、江苏、浙江、北京和山东,综合得分在2.2~5.1之间,为得分最高的第1档次;上海、辽宁、四川、河南、河北、湖南、湖北、云南,综合得分在0.1~1.6之间,为得分较高的第2个档次;福建、安徽、黑龙江、山西、陕西、江西、广西、重庆、贵州、天津、吉林、内蒙古、新疆、甘肃、海南、宁夏、青海和西藏,综合得分在0以下,低于全国平均水平,为得分最低的第3个档次.5模型建立及回归分析对比表3和表5,可以发现各省区交通运输业和旅游业综合实力,无论是综合得分,还是排名都同起同落,说明交通运输业和旅游业之间存在密切的关系(图1、图2).为进一步分析两者之间的关系,我们分别以因子得分和排名为基准,采用OLS进行回归分析,其模拟方程分别如下:Q2=0.0026+0.9466Ts,相关系数r=0.9385.(1)其中:Qs为旅游业综合实力得分,Ts为交通运输业综合实力得分。即交通运输业综合实力得分每变化1个单位,旅游业综合实力得分增加(或减少)0.9466.Qr=0.8516+0.9468Tr,相关系数r=0.9468.(2)其中:Qr为旅游业综合实力排名,Tr为交通运输业综合实力排名.即交通运输业综合排名每变化1个单位,旅游业综合实力排名增加(或减少)0.9468.6各市域经济综合得分第2个交通运输业与旅游业之间存在着密切的关系.通过本文的研究,发现交通运输业按综合实力可以分为3个档次:其中,广东、山东、江苏等10个省(市)得分在1.12002~4.313668,为得分最高的第1档次;四川、湖南、黑龙江等11个省(市)自治区得分在-0.91881~0.995142,为得分较高的第2个档次;江西、广西、重庆等10个省(市)自治区得分在-3.27043~-1.01389,为得分最低的第3个档次.旅游业按综合实力可以分为3个档次:其中,广东、江苏、浙江、北京和山东,综合得分在2.2~5.1之间

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论