计量经济学论文我国旅游收入的计量分析.doc

计量经济学论文我国旅游收入的计量分析.doc

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
我国旅游收入的计量分析 经济理论陈述 在研读了大量统计和计量资料的基础上,选择了三个大方面进行研究,既包括旅游人数,人均旅游花费和基本交通建设。其中,在旅游人数这个解释变量的划分上,我们考虑到随着全球经济一体化的发展,越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜力的新兴市场,尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同,但从国际服务贸易的角度出发,我们在做变量选择时,运用国际营销的知识进行市场细分,划分了国际和国内两个市场。这样,在旅游人数这个解释变量的最终确定上,我们选择了国内旅游人数,入境旅游人数。这点选择除了理论支持外,在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影。所以,我们选取这两个解释变量等待下一步进行模型设计和检验。 另外,对于人均旅游花费,我们在进行市场细分时,没有延续前两个变量的选择模式,有几个原因。首先,外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后,仍然没有比较权威的统计数据资料。其次,随着国家对农业的不断重视和扶持,我国农业有了长足发展。农村居民纯收入增加,用于旅游的花费也有所上升。而且鉴于农村人口较多,前面的市场细分也不够细化,在这个解释变量的确定上,我们选择农村人均旅游花费,既是从我国基本国情出发,也是对第一步研究分析的补充。所以我们确定了城镇居民人均旅游花费和农村居民人均旅游花费。 旅游发展除了对消费者市场的划分研究,还应考虑到该产业的基础硬件设施。在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。在我国,交通一般分布为公路,铁路,航班,航船等。由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上,为了避免解释变量的过多过繁以及可能带来的多重共线形等问题,我们只选取了前二者。即确定了公路长度和铁路长度这两个解释变量。其中,考虑到我国旅游业不断发展过程中,高速公路的修建也不断增多,在的确定过程中,我们已经将其拟合,尽量保证解释变量的完整和真实。 相关数据 计量经济模型的建立 Y=c(1)+c(2)*X2+c(3)*X3+c(4)*X4+c(5)*X5+c(6)*X6+U 我们建立了下述的一般模型: 其中 Y——1994-2003年各年全国旅游收入 C(1)——待定参数   ——国内旅游人数 (万人) ——入境旅游人数 (万人) ——城镇居民人均旅游花费 (元) ——农村居民人均旅游花费 (元) ——公路长度(含高速)(万公里) ——铁路长度 (万公里) U——随即扰动项 模型的求解和检验 利用Eviews软件,采用以上数据对该模型进行OLS回归,结果如下: Dependent Variable: Y Method: Least Squares Date: 12/23/10 Time: 01:56 Sample: 1994 2003 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob.?? C -340.5047 1357.835 -0.250770 0.0882 X2 -0.001616 0.013520 -0.119529 0.1524 X3 0.232358 0.128017 1.815050 0.1671 X4 6.391052 1.716888 3.722463 0.0337 X5 -1.046757 1.224011 -0.855187 0.0453 X6 5.673429 6.667266 0.850938 0.4573 X7 -474.3909 355.7167 -1.333620 0.2745 R-squared 0.996391 ????Mean dependent var 2494.200 Adjusted R-squared 0.989174 ????S.D. dependent var 980.4435 S.E. of regression 102.0112 ????Akaike info criterion 12.28407 Sum squared resid 31218.86 ????Schwarz criterion 12.49588 Log likelihood -54.42035 ????F-statistic 138.0609 Durbin-Watson stat 3.244251 ????Prob(F-statistic) 0.000944 由此可见,

您可能关注的文档

文档评论(0)

3083275792 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档