入境旅游外匯收入增長影響因素的實證分析

國貿(mào)11全英班中國入境旅游外匯收入增長影響

因素的實證分析計量經(jīng)濟學(xué)課程論文口組員：徐惠子梁宇燊李龍陳煜華劉麗玲指導(dǎo)老師：

劉紅娟2018/6/1目錄【摘要】2【關(guān)鍵詞】2一、引言2二、文獻綜述2三、數(shù)據(jù)選取3國際旅游外匯收入3國際旅游外匯收入的影響因素：3地區(qū)經(jīng)濟發(fā)展程度3接待人數(shù)3服務(wù)業(yè)發(fā)展狀況4交通狀況4虛擬變量4其他因素4四、模型設(shè)定6五、模型估計和檢驗6模型的初始估計6經(jīng)濟意義檢驗7t,F檢驗8多重共線性檢驗9異方差檢驗10六、局限性11使用的是截面數(shù)據(jù)11選取研究變量少11現(xiàn)有研究的缺乏11研究課題的限制11七、結(jié)論11八、建議12加快完善旅游產(chǎn)業(yè)體系，吸引更多的國外旅游人群12利用區(qū)域優(yōu)勢完善整體旅游基礎(chǔ)設(shè)施建設(shè)12要加大宣傳力度，進行市場化運作13加強對外溝通13提高旅游業(yè)的服務(wù)質(zhì)量13參考文獻14【摘要】近些年來，旅游業(yè)作為我國的傳統(tǒng)旅游服務(wù)項目，獲得了長足且快速的發(fā)展，已成為國民經(jīng)濟發(fā)展的重要產(chǎn)業(yè)之一。然而，2018年，我國旅游服務(wù)貿(mào)易逆差額達到769億美元，我國已經(jīng)成為世界上旅游服務(wù)貿(mào)易逆差額最大的國家。本文通過利用2018年我國各省、直轄市的國際旅游外匯收入的截面數(shù)據(jù)，建立計量模型，用實證分析的方法，研究影響各地區(qū)國際旅游外匯收入的因素，并希望以此提出相應(yīng)的政策建議，為我國各省、直轄市提高旅游服務(wù)水平，吸引更多外來游客做出一些指導(dǎo)?！娟P(guān)鍵詞】國際旅游外匯收入人均GDP接待旅客數(shù)量實證分析引言加入世貿(mào)組織以來，我國的涉外旅游業(yè)獲得了長足的發(fā)展，已成為國民經(jīng)濟發(fā)展的重要產(chǎn)業(yè)之一。據(jù)統(tǒng)計，2018年的我國的入境旅游人數(shù)達到1.32億人次，同比下降2.2%；旅游外匯收入達到500.28億美元，同比增長3.2%，世界排名第4位。中國一直被普遍認為是“未來最有發(fā)展前景的旅游目的地”。然而，2018年，我國旅游服務(wù)貿(mào)易額逆差達到330億；2018年，這一數(shù)字持續(xù)增長到769億美元，我國已經(jīng)成為世界上旅游服務(wù)貿(mào)易逆差額最大的國家。如何通過提高國際旅游外匯收入來提高我國的旅游服務(wù)貿(mào)易出口額，已經(jīng)成為近些年來學(xué)者們研究的熱點問題。本文第一部分主要介紹了國內(nèi)一些學(xué)者對我國入境旅游影響因素以及區(qū)域差異的一些研究成果；第二部分列明了本文為進行實證分析而選取的數(shù)據(jù)，以及以此構(gòu)建的計量模型；第三部分，主要通過經(jīng)濟意義檢驗、統(tǒng)計學(xué)檢驗、多重共線性檢驗以及異方差檢驗，對計量模型的擬合程度做出了衡量。文獻綜述旅游業(yè)作為一個關(guān)聯(lián)性很強的傳統(tǒng)服務(wù)行業(yè)，對國民經(jīng)濟的增長有著重大的影響力，國外一些學(xué)者認為，旅游業(yè)發(fā)展對國民經(jīng)濟增長有正向促進作用＜KhanPhang&Toh,,1995；Lee&Kwon,1995；Holder,1998）。國內(nèi)學(xué)者也就旅游業(yè)對國民經(jīng)濟的貢獻分別在整體層面＜吳國新，2003；楊勇，2006）和省際＜或地區(qū)）層面＜李志青,2001；林剛,2000；陶金龍,2004）上進行了理論分析和實證研究。另外，在我國的入境旅游方面，陳秀瓊、黃福才利用Theil系數(shù)測量1990~2004年我國入境旅游時間尺度上的地帶間、地帶內(nèi)和省際差異變化狀況,發(fā)現(xiàn)入境旅游在縮小地帶間差異方面也發(fā)揮一定的作用。蔣存虎搜集了1980年至2005年入境旅游收入、入境旅游人數(shù)及國內(nèi)物價水平的相關(guān)數(shù)據(jù)，采用EG兩步法建立相關(guān)計量經(jīng)濟模型，認為，在長期，入境旅游收入、入境旅游人數(shù)及物價水平三者之間存在穩(wěn)定關(guān)系。劉慧玲收集了1991至2003年相關(guān)數(shù)據(jù)并對涉外旅游進行了計量分析,認為涉外旅游收入與入境旅游人數(shù)和民航里程數(shù)有著密切的關(guān)系。劉德謙＜2002）中對影響中國旅游業(yè)的因素進行了分析,得出了最重要的影響中國旅游需求的兩個因素是個人可支配收入和人們的閑暇時間,并根據(jù)這一點提出一個旅游趨勢的走勢。從各種經(jīng)濟理論和資料分析來看,影響某地區(qū)入境旅游外匯收入的因素可能與入境旅游人數(shù)、地區(qū)經(jīng)濟發(fā)展程度、地區(qū)差異、交通狀況等有關(guān)。數(shù)據(jù)選取國際旅游外匯收入在模型中用Y來表示。國際旅游外匯收入，指入境旅游者在中國〈大陸）境內(nèi)旅行、游覽過程中用于交通、參觀游覽、住宿、餐飲、購物、娛樂等全部花費＜單位：百萬美元）。國際旅游外匯收入的影響因素：地區(qū)經(jīng)濟發(fā)展程度在模型中用X1來表示。本文選用人均地區(qū)生產(chǎn)總值〈即地區(qū)的人均GDP）來衡量地區(qū)的經(jīng)濟發(fā)展程度。地區(qū)的人均GDP,是指國內(nèi)生產(chǎn)總值的絕對值與該年平均人口的比值，是衡量一個國家或地區(qū)每個居民對該國家或地區(qū)的經(jīng)濟貢獻或創(chuàng)造價值的指標＜單位：元）。一個地區(qū)的人均GDP越高，說明這個地區(qū)的經(jīng)濟越發(fā)達，則越能吸引外國游客，入境人數(shù)隨之增加，旅游外匯收入增加。接待人數(shù)在模型中用X2來表示。指該地區(qū)接待的，來中國參觀、訪問、旅行、探親、訪友、休養(yǎng)、考察、參加會議和從事經(jīng)濟、科技、文化、教育、宗教等活動的外國人、華僑、港澳同胞和臺灣同胞的人數(shù)1＜單位：人次）。地區(qū)接待的入境旅游人數(shù)越多，該地區(qū)獲得的旅游外匯收入就越多。服務(wù)業(yè)發(fā)展狀況在模型中用X3來表示。本文選用星級飯店總數(shù)來衡量地區(qū)的旅游業(yè)發(fā)展狀況。星級飯店總數(shù)是指，由國家＜省級）旅游局評定的能夠以夜為時間單位向旅游客人提供配有餐飲及相關(guān)服務(wù)的住宿設(shè)施，按不同習(xí)慣它也被稱為賓館、酒店、旅館、旅社、賓舍、度假村、俱樂部、大廈、中心等。在此以星級飯店總數(shù)為解釋變量，其中包括了該地區(qū)內(nèi)一星至五星級標準的所有飯店的總數(shù)＜單位：家）。該地區(qū)的星級飯店總數(shù)越多，可以體現(xiàn)其旅游服務(wù)的配套服務(wù)比較完善，旅游業(yè)發(fā)展更發(fā)達，就更吸引游客的到訪，獲得的旅游外匯收入就越多。交通狀況在模型中用X4來表示。一個地區(qū)交通如果很方便，在一定程度上會更利于外國旅游者的進入，也就更容易增加旅游外匯收入。本文選擇人均道路面積來代表交通發(fā)展狀況。是指報告期末城區(qū)內(nèi)平均每人擁有的城市道路面積＜單位：平方乂）。虛擬變量“是否東部地區(qū)”，在模型中用D1來表示。若口工勺取值為0，則代表非東部地區(qū)；若D/勺取值為1,則代表該地區(qū)屬于東部地區(qū)。該變量的取值具體參照國家統(tǒng)計局對各省/直轄市的區(qū)域劃分。從我國的客觀實際經(jīng)驗來看，我國的東部沿海省份經(jīng)濟比較發(fā)達，基礎(chǔ)設(shè)1不包括外國在我國的常駐機構(gòu)，如使領(lǐng)館、通訊社、企業(yè)辦事處的工作人員；來我國常住的外國專家、留學(xué)生以及在岸逗留不過夜人員。

施建設(shè)完善，城市環(huán)境以及居民素質(zhì)等方面也較中部、西部省市好。東部沿海省市也更吸引外來游客入境旅游，獲得的旅游外匯收入也更多。其他因素在模型中用口表示。我們將因為各種原因未考慮到和無法度量的因素歸入隨機擾動項，如該地區(qū)服務(wù)業(yè)的從業(yè)人數(shù)、該地區(qū)的文化吸引力等。表-1原始數(shù)據(jù)：地區(qū)國際旅游外匯收入<Y)人均地區(qū)生產(chǎn)總值%)接待人數(shù)<X2>星級旅店總數(shù)%)人均道路面積<X4)東部<"北京市5149.0087475.005008609.00584.007.571.00天津市2226.4193173.00737481.00103.0017.881.00河北省544.9436584.001293201.00404.0017.841.00遼寧省3263.6956649.004731340.00399.0011.551.00上海市5493.2385373.006512347.00281.004.081.00江蘇省6299.7268347.007915366.00732.0022.351.00浙江省5151.7463374.008659290.00783.0017.881.00福建省4225.6752763.004936738.00390.0014.131.00山東省2923.6551768.004699116.00796.0024.71.00廣東省15610.6754095.0034894300.00927.0013.421.00海南省348.0232377.00815838.00155.0018.851.00山西省720.2433628.001891758.00280.0011.790.00吉林省494.7743415.001182689.00192.0012.610.00黑龍江省835.4835711.002076165.00236.0011.830.00安徽省1562.6728792.003314679.00383.0018.470.00江西省484.7328800.001561793.00303.0014.990.00河南省611.4131499.001907713.00339.0011.080.00湖北省1202.9738572.002647163.00367.0015.850.00湖南省928.3633480.002245528.00449.0013.490.00內(nèi)蒙古自治區(qū)771.9663886.001591682.00245.0017.670.00廣西壯族自治區(qū)1278.8727952.003502732.00339.0014.740.00重慶市1168.3238914.002242834.00240.0010.670.00四川省798.1529608.002273377.00396.0012.720.00貴州省168.9419710.00705038.00290.006.80.00云南省1947.0822195.004578433.00480.0011.920.00西藏自治區(qū)105.7022936.00194933.00102.0014.220.00陜西省1597.4738564.003352365.00283.0014.710.00甘肅省22.3521978.00102028.00287.0012.560.00青海省24.3233181.0047257.0084.0011.170.00寧夏回族自治區(qū)5.4536394.0018994.0077.0017.560.00新疆維吾爾自治區(qū)550.5733796.00624941.0044.0014.160.00數(shù)據(jù)來源：中國統(tǒng)計局國家旅游局統(tǒng)計年鑒模型設(shè)定回歸模型設(shè)定如下：Y=B0+B1X1+B2X2+B3X3+B4X4+G1D1+口Y=國際旅游外匯收入X『人均地區(qū)生產(chǎn)總值X廣接待人數(shù)X3=星級旅店總數(shù)X「人均城市道路面積D1=是否東部地區(qū)口二隨機擾動項B0B1B2B3B461——待估參數(shù)五、模型估計和檢驗?zāi)Ｐ偷某跏脊烙嬘肙LS分析的方法，具體的回歸分析結(jié)果如表-2所示:表-2OLS分析結(jié)果DependentVariable:YMethod:LeastSquaresDate:06/17/14Time:16:04Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.X10.0316610.0060125.2666550.0000X20.0003961.94E-0520.369270.0000X31.0493880.5872811.7868560.0861X4-39.8111120.91477-1.9034930.0686D1644.8432276.03752.3360710.0278C-747.4794390.3539-1.9148760.0670R-squared0.982489Meandependentvar2145.695AdjustedR-squared0.978987S.D.dependentvar3077.097S.E.ofregression446.0509Akaikeinfocriterion15.21073Sumsquaredresid4974034.Schwarzcriterion15.48827Loglikelihood-229.7663F-statistic280.53870.000000Durbin-Watsonstat1.796337Prob(F-statistic>0.000000由以上回歸分析可以得到B1=0.031661B2=0.000396B3=1.049388B4=-39.8111161=644.8432回歸模型為Y=-747.4794+0.031661X1+0.000396X2+1.049388X3-39.81111X4t值(-1.914876>(5.266655>(20.36927>(1.786856>(-1.903493>+644.8432D1-747.4794<2.336071)<-1.914876)R2=0.982489 修正后的R2=0.978987由上式可知，模型的擬合度比較好。經(jīng)濟意義檢驗一般來說，人均地區(qū)生產(chǎn)總值增加，將會推動地區(qū)經(jīng)濟發(fā)展，從而推動旅游行業(yè)的發(fā)展，從而增加旅游的入境的外匯收入。因此人均地區(qū)生產(chǎn)總值對國際旅游外匯收入的影響為正?；貧w模型中，人均地區(qū)生產(chǎn)總值前的斜率系數(shù)為正，實證結(jié)果與上述理論預(yù)期一致。該系數(shù)符合經(jīng)濟意義，通過經(jīng)濟意義檢驗。接待人數(shù)越多，在其他因素保持一定時，接待人數(shù)越多，旅游的入境的外匯收入就越多。因此接待人數(shù)對國際旅游外匯收入的影響為正?；貧w模型中，接待人數(shù)前的斜率系數(shù)為正，實證結(jié)果與上述理論預(yù)期一致。該系數(shù)符合經(jīng)濟意義，通過經(jīng)濟意義檢驗。一般來說，星級旅店總數(shù)越多，表明該地區(qū)的旅游行業(yè)越發(fā)達，因此創(chuàng)匯的能力更強，因此在其他變量保持不變的情況下，星際旅館總數(shù)越多，國際旅游外匯收入便越高?；貧w模型中，人星級旅店總數(shù)前的斜率系數(shù)為正，實證結(jié)果與上述理論預(yù)期一致。該系數(shù)符合經(jīng)濟意義，通過經(jīng)濟意義檢驗。人均城市道路面積是表示地區(qū)交通狀況，其數(shù)值越大，表明交通狀況越好，對該地的旅游行業(yè)的有促進作用，因此在其他變量保持不變的情況下，人均城市道路面積越多，國際旅游外匯收入便越高?；貧w模型中，人均城市道路面積前的斜率系數(shù)為負，實證結(jié)果與上述理論預(yù)期不一致。該系數(shù)不符合經(jīng)濟意義，沒有通過經(jīng)濟意義檢驗。因此將此變量X4從模型中刪除。一般情況下，東部沿海城市的經(jīng)濟發(fā)展普遍比非中部城市要好，吸引更多入境游客。因此虛擬變量“東部地區(qū)”相對“非東部地區(qū)”的外匯收入高，因此其變量前系數(shù)為正，符合經(jīng)濟意義。t,F檢驗去掉變量X4之后，模型變?yōu)閅=B0+B1X1+B2X2+B/3+6尸1+口，通過OLS的方法，可以得出以下結(jié)果：表-3去X4后OLS檢驗結(jié)果DependentVariable:YMethod:LeastSquaresDate:06/17/14Time:16:06Sample:131Includedobservations:31VariableCoefficientStd.Error t-StatisticProb.X10.0335810.006218 5.4004720.0000X20.0004051.96E-05 20.650070.0000X30.7380350.591814 1.2470720.2235D1527.4270282.3043 1.8682920.0730C-1280.112285.5731 -4.4826060.0001R-squared0.979951Meandependentvar2145.695AdjustedR-squared0.976867S.D.dependentvar3077.097S.E.ofregression468.0125Akaikeinfocriterion15.28156Sumsquaredresid5694928.Schwarzcriterion15.51285Loglikelihood-231.8641F-statistic317.7118Durbin-Watsonstat1.791870Prob(F-statistic>0.000000在5%的顯著性水平下，自由度為27的t值為1.703,因此X3的t統(tǒng)計量不顯著，在沒有高度多重共線性的情況下，對Y的影響不明顯，因此模型去掉變量X3，得到新的模型，Y=B0+B1X1+B2X2+51D1+口。表-4去X3后檢驗結(jié)果DependentVariable:YMethod:LeastSquaresDate:06/17/14Time:23:58Sample:131Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.Xi0.0325060.0062215.2251010.0000X20.0004211.54E-0527.286520.0000D1646.7351268.31592.4103500.0230C-1072.368234.3235-4.5764400.0001R-squared0.978752Meandependentvar2145.695AdjustedR-squared0.976391S.D.dependentvar3077.097S.E.ofregression472.7998Akaikeinfocriterion15.27514Sumsquaredresid6035570.Schwarzcriterion15.46017Loglikelihood-232.7646F-statistic414.5727Durbin-Watsonstat1.645916Prob(F-statistic>0.000000現(xiàn)在模型的每一個變量對Y的影響都是顯著的。<t值均大于1.703)多重共線性檢驗多重共線性EVIEWS檢驗結(jié)果Corr?htionMatrixX1X2X3□1X11.0000000.2822990.2904S50.710^90IX20.2822991.0000000.7077400.430202X30.2904660.7077401.0000000.519470□10.7107300.4302020.5194701.000000圖-1多重共線性檢驗結(jié)果根據(jù)上表可知，除了X2與X3之間，D1與X1之間有較高的多重共線性之外，他變量之間的多重共線性均很小。方差膨脹因子的檢驗方差膨脹因子計算公式：VIF(j>=1/(1-Rj八2>經(jīng)過檢驗得到以下表格：表-5方差膨脹因子檢驗結(jié)果VIFX1X2X3X4D1X11.0865941.0921371.0009362.02111X22.0035921.0000251.227105X31.0698681.369579X41.056106D1VIF越大，顯示共線性越嚴重。經(jīng)驗判斷方法表明：當(dāng)0<VIF<10,不存在多重共線性；當(dāng)10WVIF<100,存在較強的多重共線性；當(dāng)VIFN100,存在嚴重多重

共線性。上圖顯示的VIF最大為0<2.02111<10，因此該模型不存在多重共線性。不需要剔除多重共線性的影響。異方差檢驗表-6WhiteHeteroskedasticityTest:F-statistic2.230275Probability0.065254Obs*R-squared13.88247Probability0.084881TestEquation:DependentVariable:RESID”Method:LeastSquaresDate:06/18/14Time:00:09Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C668762.0539501.31.2395930.2282X1-43.4609828.50254-1.5248100.1416XJ20.0007280.0003681.9779420.0606X1*X2-2.13E-062.33E-06-0.9167230.3692X1*D1-47.5962519.64197-2.4231910.0241X20.0754540.0899140.8391820.4104X2A2-4.04E-092.39E-09-1.6926010.1046X2*D10.1938400.1389451.3950900.1769Di1845472.711047.02.5954300.0165R-squared0.447822Meandependentvar194695.8AdjustedR-squared0.247030S.D.dependentvar312652.4S.E.ofregression271300.5Akaikeinfocriterion28.09754Sumsquaredresid1.62E+12Schwarzcriterion28.51386Loglikelihood-426.5119F-statistic2.230275Durbin-Watsonstat3.219870Prob(F-statistic>0.065254從上表可以得到數(shù)據(jù)：nR2=13.88247,查表可得，在5%的顯著性水平下，自由度為27的x2=40.11,nR2=13.88247<x2=40.11,所以不能拒絕同方差的原假設(shè)。因此該模型為同方差。局限性使用的是截面數(shù)據(jù)鑒于專業(yè)水平的限制，我們使用的是2018年的橫截面數(shù)據(jù)來分析課題。假若使用混合橫截面數(shù)據(jù)，結(jié)合不同年份的數(shù)據(jù)及其分析結(jié)果，可以清晰地了解政策的變化帶來的影響，所提出的政策建議也會更有說服力。選取研究變量少旅游外匯收入具體包括交通、住宿、餐飲、娛樂以及商品購買等方面，可以深入探討這些方面對旅游外匯收入的增長帶來的影響?，F(xiàn)有研究的缺乏目前我國對旅游業(yè)的研究在入境旅游方面與國外比較相對匱乏。鑒于我們的學(xué)術(shù)水平、專業(yè)水平有限，在研究時遇到了不少的困難，導(dǎo)致無法對這一課題進行深入的探討，譬如橫截面數(shù)據(jù)的分析問題，因為學(xué)術(shù)水平限制，我們僅限于截面數(shù)據(jù)的分析。研究課題的限制因為影響旅游這一行為的因素不僅僅有經(jīng)濟因素，人們生活方式的改變、旅游觀的改變、簽證獲取難易度的區(qū)別等非經(jīng)濟因素也占了很重要的地位。因此僅僅分析經(jīng)濟因素?zé)o法全面、單純地解釋我國入境旅游外匯收入增長的影響因素。結(jié)論最終模型：Y=-1072.368+0.032506X1+0.000421X2+646.7351D1t值(-4.576440>(5.225101>(27.28652>(2.410350>n=18R2=0.978752修正后的R2=0.976391從最終的模型可以看出，影響國際旅游外匯收入最顯著的因素是人均地區(qū)生產(chǎn)總值和接待旅客人數(shù)，并且我國國際旅游外匯收入的區(qū)域性顯著，東部地區(qū)遠比非東部地區(qū)創(chuàng)造的國際旅游外匯收入高。人均地區(qū)生產(chǎn)總值代表地區(qū)每個居民對該地區(qū)的經(jīng)濟貢獻或創(chuàng)造價值的指標，該指標增加，可以表示該地區(qū)對經(jīng)濟建設(shè)包括旅游基礎(chǔ)設(shè)施建設(shè)的投入加大，從而與國際旅游外匯收入有著密切的正相關(guān)關(guān)系。從上式子中我們可以看出，當(dāng)其他變量不變時，人均地區(qū)生產(chǎn)總值每增長1元，會給當(dāng)?shù)貏?chuàng)造3萬美元的國際外匯收入。接待旅客人數(shù)作為創(chuàng)造旅游外匯收入的基礎(chǔ)，它對當(dāng)?shù)氐膰H旅游外匯收入的影響是非常重要的，而且有密切的正相關(guān)性。從上式子中我們可以看出，當(dāng)其他變量保持不變時，每多接納1位國外旅客，會給當(dāng)?shù)仄骄鶐?21美元的外匯收入。從地區(qū)分布來看，東部地區(qū)的相比起非東部地區(qū)在國際旅游方面創(chuàng)在的外匯收入高出6.4億美元。運用上述模型分析我國各地國際旅游外匯收入狀況，可以弄清各種因素對旅游外匯收入的不同影響，并且可以預(yù)測各地國際旅游外匯收入的狀況，從而為作出政策性的建議提供依據(jù)。建議鑒于