我国旅游就业影响因素研究.docVIP

我国旅游就业影响因素研究 　　摘要：本文利用我国31个省份2001-2014年旅游统计数据构建面板模型，从国家和地区两个层面对影响旅游就业的因素进行分析。结果表明：旅游企业数量和固定资产比例对旅游就业具有显著正向影响，弹性系数分别为0.33和0.39；旅游就业明显受到旅游经营季节性变化和政策影响，而个别突发灾难事件不会对旅游就业产生明显影响；人力资本的提升和旅游国际贸易的扩张会促进旅游就业，在校学生数量每提升1%，就业人数增加0.21%，进、出口贸易额弹性系数分别为0.15和0.09，劳动生产率的提升会减少旅游业就业需求；受地理区位、地区经济发展水平以及旅游资源禀赋的影响，我国三大地区旅游就业影响因素呈现出一定差异。 　　关键词：旅游就业；影响因素；面板数据 　　中图分类号：F590 文献标识码：A 　　作者简介：王尔大（1955-），男，辽宁辽阳人，大连理工大学管理学院教授，博士生导师，经济学博士，研究方向：旅游经济； 高威（1992-），女，山东威海人，大连理工大学管理学院研究生，研究方向：旅游管理。 　　目前，我国旅游产业年收入连续增长，已成为第三产业中最具活力、发展最快的行业，而我国旅游就业人数平均增长速度却远远低于旅游产业年收入的增长速度，旅游业的高速增长并没有带来旅游就业的同步增加；同时，我国旅游就业还面临着结构失调、就业区域分布不平衡和旅游就业声望低等问题（扈权财，2013）。本文利用我国31个省份2001-2014年旅游统计数据构建面板模型，从国家和地区两个层面对影响旅游就业的因素进行分析。 　　一、模型构建及变量选取 　　（一）模型建立 　　本文引入双对数模型和半对数模型，从绝对量和相对量角度测量就业影响因素对就业人数的作用： 　　其中，i表示第i个省份；t表示第t年；αi表示双对数模型的系数，表示自变量每变动1%对旅游就业人数相对变化量的影响，即弹性；βi表示半对数模型的系数，表示自变量每变动1%对旅游就业人数绝对变化量的影响；γi在两个模型中均表示名义变量对旅游就业人数的影响。 　　（二）数据说明 　　本文选择企业数量、固定资产净值比例、季节以及旅游危机事件作为旅游行业特点因素，选取国家政策、区位和旅游业收入贡献来衡量支持旅游业发展的宏观经济环境，用人力资本滞后一期和劳动生产率来代表旅游业人力资源因素，用旅游服务贸易进、出口总额来代表旅游业对外贸易发展指标。由于旅游学校学生需要经过一段在校学习过程才能真正就业，本文采用滞后一期人力资本变量来分析其对旅游就业的影响。景区会采取淡旺季门票售价不同的策略来平衡旅游业的发展，本文根据各省主要景区实行淡季门票价格月份数作为影响旅游就业的季节因素。 　　综合整理中外旅游危机事件对出入境旅游的影响，本文选择2001年“911”事件、2003年SARS事件以及2008年“5.12”和北京奥运会作为危机事件因素，以探究其对旅游就业的影响。ADS（Approved Destination Status）政策是一项基于双边旅游协定，准许中国公民以团队形式持特殊签证到签约国或地区自费旅游的审批制度，该指标反映了我国对旅游业发展的政策导向，其余解释变量含义见表1。 　　（三）研究方法 　　在面板数据模型里，当个体效应与所有的随时间会发生变化的解释变量都相关时，用固定效应（组内估计）模型是最有效的估计方法；当个体效应与所有的随时间发生变化的解释变量都不相关时，用随机效应（可行的广义最小二乘）模型是最有效的。本文利用面板数据的混合最小二乘回归法、固定效应模型、随机效应模型等估计方法，对设定的两个模型进行参数估计，通过回归方程的R2、回归系数p值、方差膨胀因子VIF、Hausman检验、对数似然值LOG-L等，选择最合理的模型估计结果，以此来进行分析。 　　二、 实证结果与分析 　　（一）全国模型结果 　　本文利用STATA对模型进行回归分析，结果如表2所示。Hausman检验显示两个模型的chi-值为正数，FE要优于RE对两个模型的解释；从比较两个模型的Pooled OLS和FE结果来看，Pooled OLS方程解释能力要大于FE方程，变量的显著性也好于FE方程，同时混合二乘回归法可以解决固定效应模型参数估计造成较大的自由度损失问题。因此，Pooled OLS结果对两个模型的解释更可靠。比较双对数模型和半对数模型的Pooled OLS，发现双对数模型的方程解释能力要大于半对数模型，解释变量的显著性也好于半对数模型，可见测量就业人数的相对变化更有意义。双对数模型中Pooled OLS方程的LOG-L值说明模型不存在异方差，VIF检验值为3.14，在接受范围10以内。所以，双对数模型中的pooled OLS估计结果是最合理的，下文将根据此方程参数估计结果对