我国城镇居民旅游消费支出影响因素分析

南京财经大学研究生课程论文PAGEPAGE2《中级计量经济学》课程论文姓名许新鹏专业数量经济学2014学号1120140346学院经济学院目录摘要 2Abstract 3一、引言 3二、文献综述 4三、研究假设 6四、研究方法 6（一）样本来源 6（二）变量的选择 6五、实证分析 6（一）数据预处理 6（二）变量描述性统计 7（三）模型的建立 8（四）模型的计量经济学检验 111异方差检验 112自相关检验 11（五）对模型进行修正 12（六）关于模型的再思考 15六、政策建议与本文的局限性 16参考文献： 19我国城镇居民旅游消费支出影响因素分析摘要：随着经济的增长和居民收入的增长，全球的旅游行业急剧扩张。而我国的旅游业作为第三产业的重要组成部分，是拉动消费的重要力量，近年来旅游业不断发展壮大，蓬勃发展，本文根据国内旅游消费的特点，根据我国国内旅游消费的相关数据，运用计量经济学的方法建立了相应的回归模型。通过运用Eviews软件对模型进行研究，检验，得出最优模型，分析影响国内居民旅游消费的主要因素极其因果关系。关键词：旅游消费多元线性回归滞后变量模型Abstract：Withthedevelopmentofeconomicgrowthandincomegrowth,theglobaltourismindustryexpandsrapidly.Moreover,asanimportantpartofChina'stertiaryindustrythetourismindustryisanimportantforcedrivingconsumption.Recently,thetourismindustrycontinuestogrow,flourish,Basedonthecharacteristicsofdomestictourismconsumption,accordingtothedataofChina'sdomestictourismconsumption,writerusestheeconometricmethodstoestablishthecorrespondingregressionmodel.ThroughtheuseofEviews6.0softwaretogetthemodelstudy,testthemodel,andobtaintheoptimalmodeltoanalyzethemainfactorsaffectingdomesticresidentstourismconsumption.Keywords:TourismconsumptionMultiplelinearregressionLaggedvariablemodel一、引言近年来，我国旅游业三大市场实现了全面恢复并较快增长。2010年国内旅游人数达2l亿人次，比2009年增长10.6％；国内旅游收入1.26万亿元，增长23.5％；入境旅游人数1．34亿人次，增长5.8％；入境过夜旅游人数5566万人次，增长9.4％；旅游外汇收入458亿美元，增长15．5％；出境旅游人数5739万人次，增长20．4％；全国旅游业总收入1.57万亿元，增长21.7％[1]。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。作为金融危机时期刺激消费的特殊举措，旅游消费券自2009年发放以来即成为业界和学界的热点话题。一方面，旅游消费券在扩大消费、促进经济增长等方面起到了积极的作用。另一方面，随着旅游消费券派发范围不断扩大，也出现了面值配套不科学、申领不方便、优惠难兑现、使用限制多、使用有效期短、回收率低，以及在客源地反响冷热不均等问题，颇受游客诟病，也令一些学者对于旅游消费券效用产生了质疑。以上问题的产生，主要是由于旅游消费券作为新生事物，使用时间短，在面额设计、发放范围、发放主体、发放时间、发放地域、发放对象等方面尚没有进行仔细研析，理论的匮乏导致对实践的指导不足，影响了旅游消费券效用的发挥。虽然金融危机的阴霾已逐渐散去，但旅游消费券仍然在很多省市被广泛的发放和使用，而学界对于旅游消费券效用的理论研究却非常鲜见，因此，有必要对影响旅游消费券效用的因素进行探讨，从而为旅游消费券科学合理发放，更好地发挥其经济、社会效用提供有益参考。二、文献综述国内目前关于居民旅游消费的研究中，主要以定性研究为主。比较有代表性的研究如下：许春晓(1999)通过对中国旅游消费的状况进行分析和评论，指出今后旅游消费的研究方向之一是旅游消费典型现象的研究；[2]颜绍梅(2001)从宏观上探讨了中国旅游消费的运行特征，提出了可持续性旅游消费的建议；[3]谷慧敏和伍春来(2003)从居民收入分配及其结构演变的角度，对中国改革开放20多年的国内旅游消费的特征进行了理论分析；[4]尹世杰(2003)指出了我国旅游消费发展中的情况和存在问题，并提出了未来促进我国旅游消费的措施。[5]而关于旅游消费定量研究的文献，大部分则是从宏观消费层面出发。例如：李银兰和范红(2002)利用1993年—1998年的统计数据，分析了我国城镇居民国内旅游消费支出与可自由支配收入之间的关系，但是未能把价格指数的因素纳入到研究范畴中；[6]黄河、金鹏等(2003)对上海市城市居民消费结构的统计数据进行分析，并建立了模型计算出各项消费支出的收入弹性系数，还对消费结构的变化趋势进行了预测，旨在探求改善上海城市居民消费结构的有效途径；[7]李一玮和夏林根(2004)通过对国内城镇居民旅游者人均每天消费构成比例的横向和纵向对比，分析了城镇居民旅游消费结构的现状和变化规律，找出了影响旅游消费结构的因素，但却没有对城镇居民的旅游消费支出作进一步的量化分析和研究。[8]而国外大多采用面板数据分析入境旅游消费，例如:Eilat和Einav(2004)分析了汇率与政治事件对各国入境旅游消费的影响;[9]Garín-Muoz(2006)[10]分析了西班牙加那利亚群岛入境旅游消费的各种影响因素;[11]Kou等(2008)分析了SARS与禽流感对亚洲入境旅游的影响;[12]本文从国民居民旅游消费作为研究的立足点，并选取多个解释变量，从计量经济学的角度，对于国内居民旅游人均消费与人均可支配收入，居民消费水平，价格指数，人均国内生产总值等之间的关系进行定量的分析研究，运用软件建立合适的模型并进行检验，从而得出最优模型，对国内居民旅游消费情况进行分析和预测。三、研究假设居民消费水平与人均旅游消费支出成正相关的关系，因为居民的消费水平越高，预示着居民对于生活的精神层面的追求较高。城镇居民人均可支配收入与人均旅游消费支出之间成正相关关系。人均可支配收入与生活水平成正比，即人均可支配收入越高，生活水平则越高，就会有越来越多的人考虑出游。居民的出游率在很大程度上取决于居民的人均可支配收入，只有人们手中有足够的可支配收入才会考虑出游。铁路运输总量与人均旅游消费支出之间存在明显的正相关关系，一般说来，将铁路延伸到整个交通情况，交通的通达性对旅游消费有着至关重要的作用。同时我们假设经济增长对国内旅游消费具有显著的推动作用。四、数据来源及变量选择（一）样本来源本文所用数据主要来源于2014年《中国统计年鉴》以及中经网数据库。（二）变量的选择为了研究城镇居民与国内人均旅游消费支出的相关性，本文选取了城镇居民人均旅游消费支出(PTC)作为被解释变量；居民消费水平(RCL)、居民消费价格指数(CPI)、运输铁路总长度(TCL)、城镇人均可支配收入(PUI)、人均国内生产总值(PPgdp)作为被解释变量构建相关模型，实证分析各因素对人均旅游消费支出的影响。五、实证分析 （一）数据预处理：计量符号意义数据预处理方法数据来源PTC城镇居民人均旅游消费支出经价格指数调整，即除以价格指数2014统计年鉴PUI城镇人均可支配收入经价格指数调整，即除以价格指数2014统计年鉴CPI居民消费价格指数折算成以基期表示的价格指数2014统计年鉴、中经网PPgdp人均国内生产总值经价格指数调整，即除以价格指数2014统计年鉴RCL居民消费水平经价格指数调整，即除以价格指数2014统计年鉴TCL运输铁路总长度不作预处理2014统计年鉴在确定各个指标之后对数据做如下处理表一数据来源和预处理方式（二）变量描述性统计：对所有变量进行描述性统计，结果如下：表二变量的描述性统计PTCPUICPIPPgdpRCLTCL平均663.52921605.83210.59633.138241760.1717.322653标准误差39.569281.952610.739980.06731294.465970.266485中位数696.61647.06216.00413.2556441783.8877.0979标准差193.8487401.484152.614950.329761462.78691.305502方差37577.32161189.52768.3330.108742214171.71.704336峰度-1.082690.1738230.1742840.4631990.031958-0.08848偏度-0.32238-0.85566-0.85813-0.81928-0.630550.805964区域620.61434.457187.98171.3753361662.3224.534464最小值326762.34231002.398283836.03985.78最大值946.62196.799287.98173.7736182498.36210.31446求和15924.738539.915054.31175.3177642244.1175.7437观测数242424242424置信度(95.0%)81.85512169.531922.217340.139246195.41780.551265图一（三）模型的建立根据以上变量的定义和数据分析，构建多元线性回归模型：其中：分别表示各变量系数，表示各解释变量对被解释变量PTC的影响程度，表示随机干扰项，指除以上影响因素外其他影响人均旅游消费支出的因素。如：政治、经济发展水平、居民消费习惯等。本文利用Eviews统计分析软件，运用普通最小二乘法（OLS）对上述模型进行回归，结果如下：从结果中可以看出可决系数=0.9979，调整后的可决系数=0.9974，说明模型的拟合优度比较高，即模型在很大程度上能够对变量之间的关系进行解释。通过F检验可以看出，P值为零，说明解释变量解释能力较强，但从表中可以看出除了PPgdp之外，其余都没有通过t检验，初步断定可能存在多重共线性。1.多重共线性检验（1）相关系数检验：运用软件得到变量之间的相关系数表：表三变量间相关系数表CPIPPGDPPUIRCLTCLCPI

1.000000

0.158018

0.999999

0.997226

0.874795PPGDP

0.158018

1.000000

0.158030

0.154057

0.404393PUI

0.999999

0.158030

1.000000

0.997277

0.875174RCL

0.997226

0.154057

0.997277

1.000000

0.896789TCL

0.874795

0.404393

0.875174

0.896789

1.000000由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重的多重共线性。（2）方差膨胀因子检验：对于多元线性回归模型，参数估计值的方差可以表示成：其中：为方差膨胀因子，一般的，当或时（此时或）,可以认为模型存在较严重的多重共线性。根据VIF的计算公式，做辅助回归，并且计算，得：，，，，，明显所有的方差膨胀因子都是大于10的，因此解释变量之间存在较为严重的多重共线性。通过上表可知，模型之内的解释变量存在严重的多重共线性，为解决多重共线性，采用逐步回归，分别做PTC对CPI、PPGDP、PUI、RCL、TCL的一元回归，结果如表四所示：表四一元回归结果(被解释变量为PTC)解释变量PUICPIPPgdpRCLTCL参数估计值0.45403.4643283.07060.3921135.5374T统计值12.958412.95722.577112.484710.48300.88420.88410.23190.87630.8332调整的0.87890.87890.19700.87070.8256其中，含有解释变量PUI的回归方程，调整的最大，以PUI为基础，顺次加入其他变量逐步回归，结果如表五所示：表五加入新变量的回归结果（一）(被解释变量为PTC)变量PUICPIPPgdpRCLTCLPUI、CPI2.9831-19.29860.8732（0.1058）（-0.0897）PUI、PPgdp0.4280200.73220.9976(86.5365)（33.3392）PUI、RCL0.5977-0.12500.8737(1.2317)(-0.2970)PUI、TCL0.291857.01140.9109(4.6977)(2.9849)经过比较可以看出，新加入PPgdp的变量方程，其调整的,改进最大，而且各参数的t检验显著，选择保留PPgdp，再加入其他新变量逐步回归，结果如表六所示：表六加入新变量的回归结果（二）(被解释变量为PTC)变量PUICPIPPgdpRCLTCLPUI、PPgdp、CPI1.7164-9.8315200.71270.9975（0.4372）（-0.3282）(32.6185)PUI、PPgdp、RCL0.4647200.5695-0.03190.9976(6.8858)（32.7115）(-0.5455)PUI、PPgdp、TCL0.4304201.7160-0.91050.9975(37.3690)(-0.9105)(-0.2381)可以看出，引入的新变量不会使调整的有所改善，而且引入的新变量也都不显著，因此可以确定最终的模型为：(四)模型的计量经济学检验1异方差检验：对所建立的模型进行异方差检验，得到如下结果：HeteroskedasticityTest:ARCHF-statistic0.085617

Prob.F(1,21)0.7727Obs*R-squared0.093390

Prob.Chi-Square(1)0.7599根据统计量及其对应概率可知，不能拒绝同方差的原假设，即表明原模型不存在异方差。2自相关检验：运用Eviews中的命令进行序列相关检验，得到如下的检验结果：Breusch-GodfreySerialCorrelationLMTest:F-statistic4.289887

Prob.F(2,19)0.0290Obs*R-squared7.466145

Prob.Chi-Square(2)0.0239根据LM统计量及其对应的概率可知模型存在二阶序列相关，因此我们可以利用广义差分法来修正模型中存在的自相关性。从而我们可以得到新的模型，再对调整后的模型进行序列相关检验，得到二阶序列相关检验的结果：Breusch-GodfreySerialCorrelationLMTest:F-statistic1.092321

Prob.F(2,15)0.3607Obs*R-squared2.796807

Prob.Chi-Square(2)0.2470

和一阶序列相关检验的结果：Breusch-GodfreySerialCorrelationLMTest:F-statistic1.476686

Prob.F(1,16)0.2419Obs*R-squared1.858882

Prob.Chi-Square(1)0.1728

根据概率都小于0.05可知，模型现在已经不存在自相关性。因此模型已经消除了自相关性的影响，修正后的模型为：（五）对模型进行修正：1、单位根检验单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了.单位根就是指单位根过程，可以证明，序列中存在单位中过程就不平稳，会使回归分析中存在伪回归。是针对宏观经济数据序列、货币金融数据序列中是否具有某种统计特性而提出的一种平稳性检验的特殊方法，单位根检验的方法有很多种，包括ADF检验、PP检验、NP检验等。对所有的变量进行单位根ADF检验，得到的结果如下：表七ADF单位根检验结果ADF单位根检验结果变量ADF值1%临界值5%临界值10%临界值结果PPgdp-1.6789-3.7529-2.9981-2.6388非平稳D(PPgdp)-4.2615-3.7696-3.0049-2.6422平稳PTC-2.6566-3.8315-3.0300-2.6552非平稳D(PTC)-5.6775-3.7696-3.0049-2.6422平稳PUI-2.2645-3.7696-3.0049-2.6422非平稳D(PUI)-3.7759--3.7880-3.0124-2.6461平稳由上表可知，变量PPgdp、PTC、PUI都不能通过单位根检验，即都是不平稳的，故分别计算这些序列的一阶差分D(PPgdp)、D(PTC)、D(PUI)，并对其进行单位根检验，发现一阶差分后的序列均是平稳的，即序列PPgdp、PTC、PUI都是一阶单整的。将处理后的PTC与PPgdp、PUI进行OLS回归，得到模型如下：取得该模型的残差并进行单位根检验(AEG检验)，得到检验结果如下表：NullHypothesis:E1hasaunitrootExogenous:ConstantLagLength:0(AutomaticbasedonSIC,MAXLAG=4)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-4.244042

0.0035Testcriticalvalues:1%level-3.7695975%level-3.00486110%level-2.642242*MacKinnon(1996)one-sidedp-values.在0.05的显著性水平上，计算t统计量值的绝对值大于AEG检验的临界值，拒绝原假设，所以多元线性回归模型的残差是平稳的，即PTC与PPgdp、PUI存在长期的均衡的关系。模型中的系数均通过了t检验（p值都小于0.05），即都是显著的，并且模型的F值为183.0948，p值为0(小于0.05),即该方程通过了F检验，模型的整体线性关系是显著的，为0.9482，以上结果表明模型的整体拟合效果较好。对模型进行异方差检验的结果如下表：HeteroskedasticityTest:ARCHF-statistic4.892402

Prob.F(1,20)0.0388Obs*R-squared4.323923

Prob.Chi-Square(1)0.0376根据异方差检验的结果，可知模型在0.05的显著性水平下存在异方差性。进行异方差稳健推断，得到稳健的参数标准差和统计值：对模型进行序列相关检验，得到如下结果：Breusch-GodfreySerialCorrelationLMTest:F-statistic2.627187

Prob.F(2,18)0.0997Obs*R-squared5.196898

Prob.Chi-Square(2)0.0744发现模型在0.05的显著性水平下是不存在序列相关性的，故不需要对其采用广义差分法进行修正。根据前面的检验，该模型已经不存在多重共线性、异方差性和序列相关性，并且模型中所包含的变量均是重要的解释变量，以上现象均表明该模型是可行的。模型中PPgdp前的系数为0.0232，说明在其他变量不变的情况下，人均GDP每变动1个单位，引起我国城镇居民旅游消费支出平均变动211.1873个单位；PUI前的系数为0.2639，说明在其他变量不变的情况下，城镇人均可支配收入每变动1个单位，引起我国城镇居民旅游消费支出平均变动0.4391个单位，这与最开始所看到的PPgdp、PUI与我国城镇居民旅游消费支出的折线图显示结果是一致的。（六）关于模型的再思考上述模型在各方面的显示结果都是比较好的，那么该模型是否就真的是最好的模型呢？它是否真实地反应了人均GDP和城镇人均可支配收入对我国城镇居民旅游消费支出的影响呢？可支配收入对旅游消费支出的影响是否会存在滞后效应呢？考虑上述问题，笔者尝试建立了滞后变量模型，结果如下：异方差检验：HeteroskedasticityTest:ARCHF-statistic0.002727

Prob.F(1,19)0.9589Obs*R-squared0.003013

Prob.Chi-Square(1)0.9562序列相关检验：Breusch-GodfreySerialCorrelationLMTest:F-statistic1.206869

Prob.F(2,16)0.3250Obs*R-squared2.883837

Prob.Chi-Square(2)0.2365表八拉姆齐RESET检验RamseyRESETTest:F-statistic0.048620

Prob.F(1,17)0.8281Loglikelihoodratio0.062830

Prob.Chi-Square(1)0.8021该模型与上述模型相比，没有明显的变化，仍然不存在自相关和异方差问题，并且根据表八拉姆齐RESET检验的结果，该模型不存在任何的设定误差，即该模型比上述模型更为合理，此外该模型描述了当期及滞后一期可支配收入对旅游消费支出的影响，揭示了动态影响关系。根据之前的检验结果，该模型已不具有多重共线性，残差序列是平稳序列，并且已经没有自相关性，异方差性，说明该模型的建构基本上是正确的，之后所做的模型设定误差检验更证明该模型是正确的模型，也许它不是最好的模型，但它是比较适合的模型。模型中PPgdp前的系数为215.2081，说明在其他变量不变的情况下，人均GDP每变动1个单位，引起我国城镇居民旅游消费支出平均变动215.2081个单位；PUI前的系数为0.5264，说明在其他变量不变的情况下，城镇人均可支配收入每变动1个单位，引起我国城镇居民旅游消费支出平均变动0.5264个单位；这两个变量的系数与之前建立的简单多元线性回归模型相比相差不大。模型显示，在其他条件不变的条件下，当期PUI的系数为0.5264，意味着在其他变量不变的情况下，城镇人均可支配收入每变动1个单位，引起我国城镇居民旅游消费支出平均增加0.5264个单位；滞后一期PUI的系数为-0.1243，意味着滞后一期的城镇人均可支配收入每变动1个单位，引起我国城镇居民旅游消费支出平均变动0.1243个单位，总体上来说PUI城镇居民人均可支配收入与我国城镇居民旅游消费支出有大致一样的变化趋势，这与最开始所看到的折线图显示结果是一致的。六、政策建议与本文的局限性：综合考虑上述模型，我们可以得出一下结论：第一，科学合理的发展旅游市场。伴随我国GDP增加，我国在旅游市场的投资不断加大。扩大国内居民旅游消费市场时应注意，加强旅游产品的开发创新力度，加强对旅游购物资源的开发力度，开发出具有特色、适销对路的旅游精品，加强娱乐基础建设，扩大旅游者可娱乐的范围，提高娱乐方面的旅游服务质量。城镇居民的人均可支配收入与人均旅游消费支出呈正相关的关系，说明居民收入越多，旅游消费就越多。因此，相关部门应制定相应的措施，千方百计的提高居民收入以及扩大就业，将旅游纳入公司福利的一种。第二，加快人口城市化的进程。消费心理对消费行为有重大影响，我国农村人口相当庞大，而其消费习惯主要以储蓄为主，不多进行享受方面的消费。加快人口城市化进程，在数量上加大城市人口数量，不断在进程中改变传统保守的消费心理。第三，提高居民可支配收入。旅游消费水平最终取决于可支配收入水平。随着我国经济飞速发展，居民生活水平不断提高，人们不仅追求物质方面的享受，更注重精神方面的提高。旅游业的发展满足了人们对精神层面的追求，但也需要以物质基础为保障。所以大幅度提高人均可支配收入，提高城镇居民的生活水平，能够增加城镇居民的旅游花费。第四，本文在交通运输方面选择了铁路进行分析，但是最终确定的模型没有表明铁路运输总量与人均旅游消费支出之间存在的关系，但是根据实际经验和现实我们知道它们二者之间存在着明显的正相关的关系。将铁路延伸到整个交通情况，交通的通达性对旅游消费有着至关重要的作用。因此，地方各级政府要加大对旅游基础设施建设的投入，重点建设旅游道路、景区停车