新-论文-计量经济学.docx

《新-论文-计量经济学.docx》由会员分享，可在线阅读，更多相关《新-论文-计量经济学.docx（18页珍藏版）》请在优知文库上搜索。

1、班级：金融系12投本一内旅游收入及相关因素分析计量经济学论文一一目录摘要1关键词1一、问题的提出1二、理论综述1三、模型设定2（一）指标选择2（二）模型设定3四、数据的收集4五、模型的估计与调整5（一）普通最小二乘法（OLS）进行参数分析5（二）异方差检验11（三）自相关检验11六、结论14七、政策建议15八、个人感悟17摘要本文根据我国国内旅游的相关数据，分析出了影响我国国内旅游开展及国内收入的相关因素。首先基于对国内旅游收入的因素分析，同时综合了相关的市场细分和根本交通建设，选取了四个解释变量进行了理论模型分析。在收集了相关的数据根底上，利用EViews软件对计量模型进行了参数估计和检验,

2、并加以修正。最后，我们对所得结果作了经济意义分析，并提出一些相应的政策建议。关键词国内旅游收入多重共线性逐步回归异方差自相关一、问题的提出旅游业一般分为国际旅游业和国内旅游业。国内旅游业是为国内旅游者效劳的一系列相关的行业。改革开放以来，我国的旅游业呈现蓬勃的开展趋势，旅游景点吸引着来自四面八方的人。随着经济开展和人民生活水平的进一步提高，旅游条件的改观，人民的旅游热情将进一步换发，人民对旅游消费的需求将进一步上升，国内旅游业在国民经济中的地位和作用越来越重要。因此，对影响我国国内旅游消费的因素分析尤为重要。二、理论综述在研究了大量统计和计量资料的根底上，选择了三大方面进行了研究，既包括了国内

3、生产总值、旅游人数和根本交通建设，其中在国内产生总值这个解释变量的划分中，根据国家经济的快速开展和国民产生总值的提高，国内旅游业也快速开展，所以，我们确定以国内生产总值为XI。另外，在旅游人数这个解释变量的划分上，我们考虑到随着全球一体化的开展，越来越多的人选择旅游消费，中国旅游市场有个开展潜力的新兴开展市场，尽管游客的旅游的方式包罗万象。而且消费能力也不尽相同。这样，在旅游人数这样解释最终确定，我们选择了X2为国内旅游人数，所以，我们选择这两个解释变量等待下一步进行模型设计和检验。旅游开展除了对消费者市场的划分研究，还应考虑到该产业的根底硬件设施，在众多学习选择对象中，我们经分析研究结合大量

4、文献资料决定从交通建设着手，由于考虑到我国一般群众的旅游交通方式集中在公路和铁路，为了防止建设变量的过多过繁以及可能带来的多重共线性的问题，我们确定了X3为公路里程，X4为铁路里程这两个建设变量。我们将其拟合，保证了解释变量的完整和真实。三、模型设定(一)指标选择基于以上问题的提出，我们在研读了大量统计和计量资料的根底上，选择了三个大方面进行研究，既包括国内生产总值、旅游人数和根本交通建设。从数据的可获得性考虑，将国内旅游收入作为衡量我国国内旅游业开展水平的指标，作为自变量Y(单位：亿元)。因变量的选取考察：(1)国内生产总值(GDP)(Xi)国内生产总值是衡量社会经济开展的指标，他能衡量外界

5、提供的旅游消费所需环境的完善程度；GDP指标越高，相应的交通运输、信息传递等根底公共设施越完善，国民的富裕程度越高，消费观念越强。经济的增长对消费有强烈的刺激作用，特别是类似旅游这样的消费。根据居民消费观念变化对国内旅游业开展的影响，选取对居民消费观念变化有显著影响的国内生产总值GDP即X1来衡量；国内游客(X2)人口数量的多少会影响旅游人次，从而影响旅游收入。要形成一定规模的旅游市场，必须以一定数量的人口作为根底。由于我国是世界第一人口大国，因此巨大的人口规模是促进我国国内旅游市场规模开展的有利条件。影响旅游消费的人数用旅游人数X2来横量；公路里程(X3)铁路里程(X4)随着经济的逐步增长，

6、我国的交通状况得到很大的改善。铁路、公路的增多，条件的完善，使出行变得更加方便，居民也因此更乐于到各个地方旅游。在我国，交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般群众的旅游交通方式集中在公路和铁路上，为了防止解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了最具代表性的前二者，将交通状况的影响，用公路里程和铁路里程来衡量。即确定了X3公路里程和X4铁路里程这两个解释变量。(二)模型设定模型选择由于影响国内旅游消费的因素较多，我们决定选择多元线性回归方程来构建我国国内旅游消费模型。(2)模型形式的设计建立模型根据以上各变量的设置，初步建立以下模型：Y=+X+M+3X3

7、+氏X+其中，Y代表旅游消费支出，即当年的旅游收入；X代表国内生产年总值；占代表国内旅游人数；X,代表公路里程；X4代表铁路里程；代表随机误差项。四、数据的收集根据我们对影响我国旅游业收入的因素分析”以及解决我们提出的问题的需要况初步选取了以下四个解释变量国内生产总值、国内游客、公路里程和铁路里程。鉴于我国旅游业开展的阶段性和我们分析的即时性配收集了1985-2013年最近二十九年的统计数据时间国内旅游收入Y国内生B总值（亿元）X1旅游人数（S75）X2公路里程历公里PG铁路里程05公里）X41985年8090160424094245521986年16010275182709628558198

8、7年140120586229098225.61988年187150428230099965621989年1501699232240101.435.71990年1701866782280102.835.791991年200217815300104115.781992年2502692348330105675.811993年86435333.92410108355861994年102354819786524111785.91995年1375.76079373629115.76.241996年163847117659640118586.491997年2112.778973.03644122646.61

9、998年2391284402.28695127856.641999年2831.989677.05719135.176.742000年3175.599214.55744167986.872001年3522.4109655.17784169.87.0120023878412033269878176527192003年3442.3135822.76870180.987.32004年4710.7159878341102187077442005年5285.9184937371212334.527.542006年622974216314.431394345.77.712007年77706226581031

10、161035837782008年8749.3314045.431712373.027.972009年1018369340902811902386088552010年12579.77401512.82103400.829.122011年19305.39473104.052641410.649.322012227062251947012957423.759.762013年26276568845.213262435.6210.31五、模型的估计与调整（一）在EVieWS中用普通最小二乘法（OLS）进行参数分析，即出现以下结果:表2VariableCoefficientStd.Errort-Stati

11、sticProb.8097.0103457.1852.3420820.02780.0157580.0140291.1232230.272510.658742.5783014.1340180.0004-21.738724.085544-5.3208870.0000-1671.350617.9348-2.7047360.0124R-Squared0.988458Meandependentvar5220.356AdjustedR-squared0.986535S.D.dependentvar6944.716SE.ofregression805.8627Akaikeinfocriterion16.37

12、729Sumsquaredresid15585954Schwarzcriterion16.61303Loglikelihood-232.4707Hannan-Quinnenter.16.45112F-statistic513.8581Durbin-Watsonstat0.928387Prob(F-Statistic)0.000000由于可见，该模型A?=o.988458,可决系数很高，F检验值为513.8581,明显显著。但是当=0.05时，t.025(29-5)=2.064,不仅Xl的系数t检验不显著,而且X4系数的符号与预期相反，这说明很可能存在严重的多重共线性。计算了个解释变量的相关系数

13、，如下:表3X1X2X3X4X11.0000000.9972250.9505600.982125X20.9972251.0000000.9417030.982282X30.9505600.9417031.0000000.938958X40.9821250.9822820.9389581.000000由相关系数矩阵可以看出各个解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。1、采用逐步回归的方法，检验和解决多重共线性问题。(1)、做Y和Xl的回归，结果如下：DependentVariable:YMethod:LeastSquaresDate:1227/14Time:17:09Sample:19852013Includedobservations:29VariableCoefficientStd.Errort-StatisticProb.C-1183.036386.6450-3.0597470.0050X10.0411820.00172223.910750.0000R-squared0.954904Meandependentvar5220.356AdjustedR-squared0.953234S.D.dependentvar6944.716SE.ofregression1501.828Akaikeinfocriterion17.53323Sumsquar