论旅游需求预测模型研究.doc

论旅游需求预测模型研究 ［摘要］旅游业发展方兴未艾。本文以旅游需求概念为出发点，再对国内外旅游需求模型进行比较研究，最后得出结论。 ［关键词］旅游需求；预测模型；研究 学术界对旅游需求的研究于20世纪60年代始于西方国家，并逐渐成为旅游研究中的一个非常重要的领域。旅游业在国民经济发展中的作用是不可忽视的。由于人们的旅游需求在不同时期呈现出不同的特点，对旅游需求的相关研究要具体问题具体分析。国外对旅游需求研究较早，尤其是对旅游需求预测模型研究较多，而国内旅游需求研究主要是参考国外研究的模型，但也提出了国内自己的研究模型。 一、旅游需求概论 旅游学是个年轻学科，对与旅游相关的一些概念至今仍未形成统一系统定义。而关于旅游需求的定义，国内外亦无统一界定。而对旅游需求的定义有传统定义，也有其他学者个人的不同见解，如张辉、谢彦君、保继刚和王艳平。这些定义的出发点相同，主要是从经济角度定义；不同之处在于考虑问题有所差异。有些学者把旅游需求定义为数量问题或者关系问题，而有些学者则涉及到数量和内容问题，即需求量和需求内容两方面。这两者是不同的概念，旅游需求量是对旅游需求的种种度量。 二、旅游需求预测模型的研究 （一）国外旅游需求预测模型研究 国外对旅游需求的预测主要以定量分析为主，包括德尔菲法、逻辑推断法、回归模型法、时间序列法和计量经济学模型等。随着信息技术的发展，国外研究不断融合整合分析、误差校正模型（ecm）、向量自回归法（var）和时变参数法（tvp），使得预测效果更精确。 kulendran（1997）[1]通过研究比较得出误差修正模型优于天真1和季节性自回归移动平均法（sarima）。law and au（1999）[2]证明神经网络模型比多元回归、移动平均及指数平滑法在预测精度、标准化相关系数上更有优势。greenidge（2001）[3]使用stm模型（structural time series model）对加勒比海地区的阿卢巴岛进行国际游憩需求预测。goh，law（2002）[4]运用多种模型对香港旅游需求进行预测，发现季节性自回归移动平均法预测效果最佳。ramesh durbarry和m.thea sinclair（2003）[5]使用aids模型预测法国的旅游需求。smeral et al（2005）[6]通过实证研究发现天真法1比各种回归移动平均法效果更好。li song，witt（2006）[7]将tvp分别和ecm-laids与长期线性近乎理想需求方法lr-laids组成tvp-ecm-laids， tvp-lr-laids，通过比较得出该组合模型的预测效果更好。montserrat（2007）[8]结合跃迁概率矩阵的遗传算法证明该组合模型比单一的遗传算法预测精度更高。 综上所述，国外旅游需求预测模型研究日趋成熟，方法众多，以定量分析方法为主。由于不同的预测方法效果不一样，比如，在有些研究中误差修正模型优于天真法和季节性自回归移动平均法；但在有些实证研究中天真法却优于综合性的回归移动平均法；季节性自回归移动平均法在有些研究中的预测效果是最好的，它和多因素自回归移动平均法（marima）优于其他几种时间序列模型。可见任何一种模型的预测效果是不能断章取义的，而应该具体问题具体分析。此外，国外研究倾向于模型整合，如tvp-ecm-laids和tvp-lr-laids。这些组合型模型相对于单一型模型的预测效果更佳，应用范围更广泛。 （二）国内旅游需求预测模型的研究 国内旅游需求预测研究主要是运用国外模型或者国内学者改进的模型探讨国内不同地区不同领域的旅游需求情况。 王娟、曾昊（2001)[9]指出人工神经网络比多元回归分析适用范围更广，显著性更强。吴江华等（2002）[10]将人工神经网络模型的3层bp模型应用于日本对香港的国际旅游需求。朱晓华和杨秀春（2004）[11]采用中国1978—2001年入境客源数据运用多种模型分析得出序列较短时灰色预测模型有较好的预测效果。殷英等（2004）[12]采用统计学习理论建立支持向量的时间序列预测模型对云南的旅游需求进行预测及对策研究。陈俊（2005）[13]采用bp神经网络模型对云南国际旅游需求进行预测。覃频频等（2006）[14]运用指数平滑、sarima和elman人工神经网络对月度数据的桂林漓江旅游航班、运量及游客的需求预测，结果表明elman人工神经网络模型更能反映时间序列的波动性，更适合桂林漓江旅游需求预测。黄银珠和陈雅丽（2010）[15]运用灰色gm（1，1）模型、动态趋势预测模型和回归分析预测模型，分别对福建省未来5年国内游客接待量预测。结果表明，灰色模型的预测效果最好。 综上所述，国内旅游需求预测研究除了学习借鉴国外的预测模型外，还提出了国内的预测模型——灰色预