我国国内旅游业收入的影响因素分析商学院083物流1班20083089037 张小珍摘要：本文根据1995-2009年我国旅游业收入的各项指标和各项数据，主要运用城镇居民可支配收入，农村居民可支配收入，旅游人数，国内旅行社个数等相关数据，构建理论模型，用计量经济学方法来分析影响我国旅游业收入的因素，预测未来旅游业收入，并结合实际对旅游业发展提出一些建议。
关键词：旅游业收入、影响因素、回归分析引言：旅游业是以提供服务为主的综合性产业，通过提供衣食住行等服务满足人们的需求。
旅游业随着时代进步而不断发展。
20实际以来，旅游业的经济地位不断上升，愈益成为人们的基本需求，大力反战旅游业已经成为许多国家的共同选择。
旅游业不仅在各国经济和社会中发挥着独特的促进作用，而且成为各国之间交流文化、促进和平友谊的重要渠道，对人类的生活和社会的进步产生越来越重要的影响。
在我国政府的高度重视下，旅游业已成为我国第三产业中极具活力与潜力的新兴产业和国名经济新的增长点，并成为很多地方的支柱型产业。
旅游业拉动内需，增加创汇，调整产业结构等方面发挥越来越重要的作用。
考虑到旅游业在中国社会主义现代化建设中的重要作用，下面将对我国旅游业收入影响因素进行分析。
一、我国旅游业影响因素的选取1.人均可支配收入---人均可支配收入直接影响着旅游业收入。
随着市场经济的稳定发展和改革开放政策的深入发展，我国的人均可支配收入（包括城镇居民人均可支配收入和农村居民人均可支配收入）有了很大的增长，，这种提高不仅表现在物质生活的提高，也表现在精神需求的提高。
而我国旅游业的发展壮大就是精神需求提高的表现。
2.旅行社的数量---我国旅游业的基础设施建设，开发和管理也不同程度的影响着旅游业收入。
随着我国旅游业基础设施的不断完善，管理水平的不断提高，对我国旅游业起到了积极地促进作用。
这些具体包括就有旅行社的数量。
3.旅游人数---旅游人数也是影响旅游收入的重要因素。
随着物质水平的提高，人们的精神需求也不断提高以适应其发展，反映在旅游业就是旅游人数的不断上升。
综上所述，将城镇居民人均可支配收入，农村居民人均可支配收入，旅游人数，旅游社数量作为模型的解释变量。
二、模型的建立（一）相关数据通过查阅资料和上网搜索得到以下数据：表1 旅游业收入及其影响因素统计资料（二）建立模型1.利用Eview软件输入相关数据通过最小二乘法建立线性模型，估计结果如下：Dependent Variable: YMethod: Least SquaresDate:06/03/11 Time: 16:23Sample: 1995 2009C -2133.380 625.6159 -3.410047 0.0067X1 0.123939 0.396213 0.312809 0.7609X2 1.049939 0.847476 1.238902 0.2437X3 2.180942 1.866715 1.168331 0.2698X4 0.019032 0.065325 0.291350 0.7767R-squared 0.989786 Mean dependent var 4486.580Adjusted R-squared 0.985701 S.D. dependent var 2670.023S.E. of regression 319.2817 Akaike info criterion 14.63123Sum squared resid 1019408. Schwarz criterion 14.86724Log likelihood -104.7342 F-statistic 242.2655回归结果为：∧=-2133.308+0.123939x1+1.049939x2+2.180942x3+0.019032yix4t=（-3.410047）（0.312809）（1.238902）（1.168331）（0.291350）∧R2=0.989786 F=242.2655由以上数据可知，模型拟合很好。
F统计量为242.2655，说明在α=0.05水平下，回归方程整体上是显著的。
但是t检验表明，除各因素对旅游业收入的影响均不显著。
说明模型存在问题。
2.多重共线性的检验及修正解释变量之间的相关系数矩阵为：Y X1 X2 X3 X4Y 1 0.9933446718 0.990786624681 0.990578662658 0.946174151778 X1 0.9933446718 1 0.992425657916 0.993391495678 0.960243732264 X2 0.990786624681 0.992425657916 1 0.984723924256 0.933034791389 X3 0.990578662658 0.993391495678 0.984723924256 1 0.945746047454 X4 0.946174151778 0.960243732264 0.933034791389 0.945746047454 1由相关系数矩阵可以看出，各个解释变量之间的相关系数都大于0.8，说明各个解释变量之间存在严重的多重共线性。
下面对多重共线性进行修正：分别作Y对X1，X2，X3，X4的一元回归，结果如下其中，加入X1的方程R 2最大，以X2为基础，顺次加入其它变量逐步回归，结果如下：经比较，新加入X2的方程R 2=0.988368，改进最大，且参数的t 检验显著。
选择保留X2，再加入其它变量逐步回归，结果如下：加入X3 X4后，可决系数都没有得到改善，所以将这两个变量剔除。
最后修正多重共线性的结果为：∧=-1770.635+0.433197x1+0.834461x2yiT=(-3.951462)(2.630901)(1.298347)R2=0.988368 R2=0.986429 F=509.80473.异方差检验White检验F-statistic 0.683427 Probability 0.647790Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 06/03/11 Time: 18:55Sample: 1995 2009C 2089526. 1503586. 1.389695 0.1980X1 1807.982 1335.779 1.353504 0.2089X1^2 0.273714 0.224827 1.217442 0.2544X1*X2 -2.317251 1.864171 -1.243046 0.2453X2 -6983.280 5182.789 -1.347398 0.2108R-squared 0.275195 Mean dependent var 77398.55Adjusted R-squared -0.127474 S.D. dependent var 103550.2S.E. of regression 109952.2 Akaike info criterion 26.34265Sum squared resid 1.09E+11 Schwarz criterion 26.62587Log likelihood -191.5699 F-statistic 0.683427Durbin-Watson stat 2.784824 Prob(F-statistic) 0.647790从上表可以看出，n R2=4.127926，由White检验可知，在α=0.05下，查χ2分布表，得临界值χ205.0（2）=5.9915，同时各变量的t检验也比较显著。
比较计算的χ2统计量与临界值，（2）=5.9915,所以拒绝原假设，不因为n R2=4.127926>χ2.005拒绝备择假设，表明模型存在异方差。
4.自相关性的检验BG检验Breusch-Godfrey Serial Correlation LM Test:F-statistic 0.024728 Probability 0.975634Obs*R-squared 0.073820 Probability 0.963763Test Equation:Dependent Variable: RESIDMethod: Least SquaresC -13.76517 495.6930 -0.027770 0.9784X1 -0.005420 0.181723 -0.029828 0.9768X2 0.021400 0.710042 0.030139 0.9765RESID(-1) 0.018276 0.327522 0.055802 0.9566RESID(-2) 0.071438 0.340095 0.210052 0.8378R-squared 0.004921 Mean dependent var 6.56E-13Adjusted R-squared -0.393110 S.D. dependent var 287.9705S.E. of regression 339.8919 Akaike info criterion 14.75633Sum squared resid 1155265. Schwarz criterion 14.99235Log likelihood -105.6725 F-statistic 0.012364由上表可以看出n R2=0.073820，临界概率P=0.531149>0.05,所以不存在自相关性。
通过上述检验，可以得到最终检验结果为：∧=-1770.635+0.433197x1+0.834461x2yiT=(-3.951462)(2.630901)(1.298347)R2=0.988368 R2=0.986429 F=509.8047三、结果由模型可以得出城镇居民人均可支配收入（X1）和农村居民纯收入（X2）对我国旅游收入的影响比较显著，即作出的贡献比较大。
而旅行社的数量和旅游人数则对旅游收入每什么影响。
该模型的经济意义是：城镇居民人均可支配收入（X1）每增加一个单位，我国旅游收入（Y）就增加0.433197个单位，农村居民纯收入每增加一个单位，旅游收入（Y）就增加0.834461个单位。
四、相关建议1.根据模型的最后那结果我们可以知道，对于旅游收入来说，城镇居民人均可支配收入和农村居民纯收入都是其重要影响因素。
通过分析可知，要增加我国的旅游收入就要增加城镇居民人均可支配收入以及农村居民的纯收入。
2.在模型中，把基础设施建设等相关的解释变量剔除，我认为他们对国内旅游业的发展起着不可忽视的作用。