上海旅游收入的影响因子的关系的研究.docVIP

上海旅游收入的影响因子的关系的研究 　　文章首先分析了上海旅游收入的影响因素。接着，把这些影响上海旅游收入的因素作为解释变量，以上海市1998年至2015年的统计数据作为研究对象，通过Stata12.0统计软件对上海市生产总值、国内旅游人数等影响因素进行相关性分析和回归分析，建立有关上海旅游收入构成的多元线性回归模型，从实证角度分析上海旅游收入增长的影响因子。 　　随着现代社会的不断发展，旅游业成为国民经济的一个新增长点，在整个社会经济发展中发挥着越来越重要的作用。为了促进旅游产业的未来发展，充分利用旅游业获得经济收益，本文以上海为例，定量分析影响上海旅游收入的因子。这里的旅游收入指的是，旅游接待部门（或国家、地区）在一定时期?韧ü?销售旅游商品而获取的全部货币收入。 　　一、研究方法 　　本文以上海市1998年至2015年的统计数据作为研究对象，通过Stata12.0统计软件对上海市旅游收入及上海市生产总值等数据进行相关性分析和回归分析，针对上海市旅游产业与经济发展之间的关系进行定性描述和定量研究。 　　二、影响上海旅游收入的因子 　　为分析哪些具体的指标因素影响了旅游收入，我国学者通过不同的计量软件进行实证分析，但由于统计路径的不同和旅游关联产业数量的庞大，学者在一定程度上获得了不同的研究结论：学者蒋蓉华，周久贺（2010）在《基于灰色关联分析的国内旅游收入影响因素研究》一文中提出，影响旅游收入的主导因子包括城镇居民家庭人均可支配收入、职工年平均工资和人均国内生产总值，从实证的角度研究旅游收入与各影响因素之间的关联程度；国外学者ChewGing Lee（2012）以新加坡旅游为例，也论证了人均可支配收入对该地区旅游收入的影响。薛媛（2013）也在《基于多元回归模型的中国旅游收入影响因素研究》也验证了旅游人数和人均可支配收入对旅游收入存在显著正向影响的观点；Qizhi Yang（2011）以旅游资源丰富的四川省为例，具体分析四川省旅游收入构成。此外，国外学者在研究旅游收入方面，大多研究旅游收入的预测，其中比较有代表性的学者有Christina（2011）在《Signal Extraction and Forecasting of the UK Tourism Income Time Series： A Singular Spectrum Analysis Approach》在一文中利用SSA分析法提取旅游信号数据，包括旅游商业周期趋势、季节性等元素预测英国旅游收入。 　　因此，根据这些学者已提出的研究观点，本文基于前人的研究结果把上海市生产总值、城市居民人均可支配收入、接待国内旅游者数量、接待海外游客数量分别纳入研究对象，并且为了考虑到物价水平是否会给旅游收入统计带来影响，本文也把居民消费价格指数同时纳入研究对象的范围。此外，为了考虑旅游业发展和固定资产投资的关联性，在整个模型变量的确定过程中还全新引入了全社会固定资产投资变量。 　　三、建立模型 　　（一）设定模型形式 　　考虑一个关于影响旅游收入构成的方程： 　　Y=β0+βi Xi 　　其中，Y表示为旅游收入，计划用上海市旅游收入进行衡量，Xi为其他各种控制变量，βi是其他控制，β0是其他干扰项。 　　本文以上海市为实证研究区域，选用该市1998年至2015年的时间序列数据，通过Stata12.0统计分析软件对数据进行回归分析，根据旅游收入影响因素研究中的科学性、整体性和可行性等原则和其他学者的大量研究，同时结合上海市旅游人数现状特点，从大量序列资料中选取以下主要变量因子：上海市生产总值（x1）、城市居民人均可支配收入（x2）、接待国内旅游者（x3）、接待海外游客（x4）、居民消费价格指数（x5）、全社会固定资产投资（x6），将上海市旅游收入作为Y的因变量。 　　最终，修改线性回归分析模型为： 　　Y=β0+β1 X1+β2 X2+β3 X3+β4 X4+β5 X5+β6 X6+ε 　　式中上海市旅游收入作为因变量，β0作为常数项，βi（i=1….8）则为回归系数，ε则为随机项。其中β1、β2、β3、β4、β5、β6 为待估参数，满足了经典线性回归的五个基本假定：零均值、同方差、无自相关、解释变量与扰动项不相关和无多重共线性，可以使用普通最小二乘法（以下简称OLS）求出β1、β2、β3、β4、β5、β6的估计量。 　　Y（Tourism）定义为上海旅游收入，单位为亿元，计算1998年至2015年上海旅游收入，刻画上海旅游总收入趋势。x1（GDP）定义为上海市生产总值，单位为亿元，GDP作为衡量整个社会经济发展水平的指标，能够从经济大背景下分析区域经济发展状况对某地区旅游收入的影响。x2（Income）定义为城市居民人均可支配收入，单位