计量经济学课程论文——我国旅游业发展状况分析及政策建议学号：2010241096姓名：虎媛媛【摘要】21世纪旅游业的发展有着光辉的前景，中国作为亚太地区的大国，旅游业的发展更是生机勃勃，被称为朝阳产业，说明了它的发展前途和生命力。
本文主要通过对影响旅游发展的多因素分析，建立以旅游收入为被解释变量，若干影响因素为解释变量的多元线性回归模型，并应用2010年中国各省、市、自治区、直辖市截面数据回归得到的模型，对中国的旅游发展显著因素分析和提出相关政策建议。
关键词：旅游产业可支配收入旅游业投资国际游人数（一）引言部分旅游业是旅行社业、住宿业、交通业、商业等相关产业的集合，是一种关联带动作用较大的综合性产业，旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，而且对优化产业结构、增加国家外汇收入、促进国际收支平衡和加强国家、地区间的文化交流具有深远影响。
而且我国旅游资源丰富，发展潜力巨大。
（二）研究目的通过收集数据，建立模型来对影响我国旅游收入的因素进行研究分析，一方面力求为增加旅游收入的方法研究指出明确的方向，另一方面通过模型的分析针对重要的影响因素提出对增加旅游收入的一些建议。
（三）建立模型Y i=β0+β1X1+β2X2+β3X3+μi其中，Y为旅游企业营业收入（万元），X1为居民可支配收入（元），X2为旅游业固定资产（万元），X3为国际游人（万）人次。
居民可支配收入是影响国内旅游收入的因素代表，国际游人是影响国际旅游收入的因素，而旅游固定资产则体现了旅游产业的发展规模。
为了避免时间序列的非平稳性，本模型使用截面数据。
数据来源于《中国统计年鉴》和《中国旅游年鉴》等，在经过大量分析比较后，所取样本数据见下表：单位 2002年 2003年 2004年 2005年 2006年 2007年旅游人数（万人次）入境旅游人数 9790.8 9166.2 10903.8 12029.2 12494.2 13187.3 国内出境人数 1660.2 2022.2 2885.0 3102.6 3452.4 4095.4 国内旅游人数 88000 87000 110000 121000 139000 161000 Y X1 X2 X3北京 3071382.89 17862.4 8315358.66 310.38天津 330210.32 13616.27 720569.77 50.6河北 311638.33 9364.84 3013441.43 47.36山西 241734.11 8384.18 1230965.15 24.8内蒙古 99536.06 8137.02 924768.53 43.94辽宁 597119.74 9275.86 3906459.27 92.94吉林 139521.2 8561.15 1063246.77 29.4黑龙江 222351.45 8505.8 1880015.01 71.74 上海 2078663.76 19473.35 4124933.37 272.53 江苏 1489124.27 12157.43 4345862.52 222.63 浙江 1587535.79 16655.96 4959023.27 204.1 安徽 341791.19 8149.96 1607410.11 45.91 福建 477032.39 12728.19 2186890.79 184.82 江西 195879.99 8642.09 971296.24 24.09 山东 1381406.68 10561.95 4574424.67 97.68 河南 301184.48 8461.14 2755814.73 41.01 湖北 461329.72 9232.58 4481352.11 102.43 湖南 317805.42 9356.48 2466111.99 56.62 广东 5872417.65 15049.1 9934396.26 1525.88 广西 466945.16 9327.92 2656774.22 136.34 海南 281359.88 9245.92 1645119.41 38.94 重庆 329401.9 9335.62 1203517.37 46.15 四川 528523.11 8718.44 4028187.42 66.72 贵州 188339.5 7433.99 948920.56 22.81 云南 472488.11 8849.2 2270575.71 130.36 西藏 30406.73 9541.39 462971.03 14.23 陕西 389392.36 7927.09 2206958.34 85.01 甘肃 135609.95 7741.74 766963.63 23.68 青海 33092.52 7839.46 181351.05 4.35宁夏 26661.59 7984.8 237737.06 0.6新疆 206736.91 8762.9 1310537.41 27.54 (四) 参数估计将样本数据导入EVIEWS进行OLS估计，得到如下结果：Dependent Variable: YMethod: Least SquaresDate: 04/24/12 Time: 14:54Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -782883.7 144220.9 -5.428364 0.0000X1 74.08797 16.60096 4.462871 0.0001X2 0.159472 0.031289 5.096692 0.0000X3 2575.787 224.4887 11.47402 0.0000R-squared 0.970141 Mean dependent var 729245.9Adjusted R-squared 0.966823 S.D. dependent var 1169705.S.E. of regression 213057.1 Akaike info criterion 27.49642Sum squared resid 1.23E+12 Schwarz criterion 27.68145Log likelihood -422.1945 F-statistic 292.4119Durbin-Watson stat 2.100419 Prob(F-statistic) 0.0000001、统计学检验从估计的结果可以看出，可决系数为0.970141，模型拟合情况非常理想，在给定α=0.05的情况下,t统计量的绝对值分别为5.428364,4.462871,5.096692,11.47402，均大于t统计量的临界值2.052，说明解释变量对应变量的影响是显著的，F统计量的值为292.4119大于F统计量的临界值2.97，F统计量的值也比较显著，说明回归方程非常显著，整体模型效果比较好。
2、计量经济学检验①多重共线性检验由EVIEWS软件得相关系数矩阵表：X1 X2 X3X1 1.000000 0.666192 0.510124X2 0.666192 1.000000 0.768350X3 0.510124 0.768350 1.000000可以看出，解释变量之间不存在线性相关。
②异方差性检验由于ARCH检验在截面数据的模型中失效，在这里采用WHITE检验：White Heteroskedasticity Test:F-statistic 8.581949 Probability 0.000027Obs*R-squared 24.37321 Probability 0.003749Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 04/24/12 Time: 15:42Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -3.52E+11 1.75E+11 -2.008401 0.0576X1 93769074 35995581 2.605016 0.0165X1^2 -5536.601 1855.992 -2.983096 0.0071X1*X2 4.010251 4.349871 0.921924 0.3670X1*X3 218323.5 99409.20 2.196211 0.0394X2 -149485.7 43813.22 -3.411886 0.0026X2^2 0.042000 0.006748 6.223857 0.0000X2*X3 -1416.213 259.6920 -5.453432 0.0000X3 9.97E+08 1.17E+09 0.852457 0.4036X3^2 5097861. 1218968. 4.182111 0.0004R-squared 0.786232 Mean dependent var 3.95E+10Adjusted R-squared 0.694618 S.D. dependent var 6.20E+10S.E. of regression 3.42E+10 Akaike info criterion 51.60688Sum squared resid 2.46E+22 Schwarz criterion 52.06945Log likelihood -789.9066 F-statistic 8.581949Durbin-Watson stat 2.054482 Prob(F-statistic) 0.000027查表得，χ2 0.05 （9）=16.919，Obs*R-squared=24.37321 〉χ2 0.05 （9）=16.919，所以拒绝H0 ，表明模型中存在异方差。
（六）异方差的修正：①WLS估计法选择w1=1/e2，其中e2=(resid)2Dependent Variable: YMethod: Least SquaresDate: 04/25/12 Time: 14:23Sample: 20 31Included observations: 12Weighting series: W1Variable Coefficient Std. Error t-Statistic Prob.C -954210.6 67918.30 -14.04939 0.0000X1 73.52994 6.551455 11.22345 0.0000X2 0.246382 0.008894 27.70320 0.0000X3 2144.607 33.49767 64.02257 0.0000Weighted StatisticsR-squared 1.000000 Mean dependent var 4872750. Adjusted R-squared 0.999999 S.D. dependent var 15682507 S.E. of regression 11386.03 Akaike info criterion 21.77936 Sum squared resid 1.04E+09 Schwarz criterion 21.94100 Log likelihood -126.6762 F-statistic 126827.6 Durbin-Watson stat 1.871307 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.983289 Mean dependent var 1439752. Adjusted R-squared 0.977022 S.D. dependent var 1669379. S.E. of regression 253054.4 Sum squared resid 5.12E+11 Durbin-Watson stat 1.900885②修正后的WHITE检验为：White Heteroskedasticity Test:F-statistic 0.285352 Probability 0.925103 Obs*R-squared 6.746256 Probability 0.663519Test Equation:Dependent Variable: STD_RESID^2Method: Least SquaresDate: 04/25/12 Time: 14:24Sample: 20 31Included observations: 12Variable Coefficient Std. Error t-Statistic Prob.C 1.37E+09 7.30E+09 0.187520 0.8686X1 -203099.3 1358357. -0.149518 0.8949X1^2 7.208387 61.16436 0.117853 0.9170X1*X2 0.028977 0.038473 0.753180 0.5299X1*X3 -536.8014 2577.358 -0.208276 0.8543X2 -193.8173 602.7645 -0.321547 0.7783X2^2 -1.63E-05 7.07E-05 -0.231319 0.8386X2*X3 -0.257078 1.960174 -0.131150 0.9077X3 5588857. 35460319 0.157609 0.8892X3^2 2987.823 10751.72 0.277893 0.8072R-squared 0.562188 Mean dependent var 86427786Adjusted R-squared -1.407966 S.D. dependent var 1.18E+08S.E. of regression 1.83E+08 Akaike info criterion 40.76401Sum squared resid 6.71E+16 Schwarz criterion 41.16810Log likelihood -234.5841 F-statistic 0.285352Durbin-Watson stat 3.045918 Prob(F-statistic) 0.925103Obs*R-squared=6.746256〈χ2 0.05 （9）=16.919，证明模型中的异方差已经被消除了。