我国城镇居民人均旅游消费影响因素的研究

我国城镇居民人均旅游消费影响因素的研究

摘要：当今旅游产业的发展已经成为区域经济发展的重要推动因素，居民旅游消费则是影响旅游业发展的决定性因素之一。本文运用计量经济学的方法，以Eviews软件为统计分析工具，针对居民旅游消费的多个影响因素建立计量经济模型，并且对模型的经济学意义和现实应用做出了讨论。最后得到了居民人均可支配收入和城镇居民消费价格指数对城镇居民人均旅游消费的影响程度。

关键词：人均旅游消费；人均可支配收入；居民消费价格指数；Eviews分析

1、引言

近年来，随着我国经济的快速发展，我国旅游消费发展很快，旅游消费支出已经成为城镇居民消费结构中的重要部分。受金融危机的影响我国经济环境更加复杂，探讨各种经济因素对旅游业的影响已经成为决定旅游业持续稳健发展的重要方面，而考察居民旅游消费的影响因素则能够直接看出经济因素对旅游业发展的影响。

旅游消费作为一种消费行为受到经济因素和非经济因素两方面的影响。非经济因素包括个人消费动机、个人偏好、国家节假日政策等一些因素，经济因素主要有居民可支配收入、居民消费价格水平和利率。由于非经济因素是不可定量分析的，本文仅对经济因素进行探讨，利用1998-2007年相关数据做实证分析。

2、问题的提出

2.1微观角度

旅游消费逐渐成为城镇居民消费中不可缺少的部分随着我国经济的发展和人

们生活水平的提高．居民的消费领域和消费方式发生了根本改变，人们已不再满足于基本生活的消费需求，而更多地把消费目光转向文化、精神消费领域。旅游作为人们陶冶情操、增进友谊、开阔视野、增长知识、有益身心健康的活动是人们满足精神生活在更高层次的消费活动，必然成为人们新的消费热点。 2.2宏观角度

旅游消费对我国国民经济增长有促进作用旅游是综合性消费行为，具有很强的消费关联性。其直接消费涉及行、游、吃、住、购、娱等领域，派生消费涉及的领域更宽，为消费者提供了更大的消费选择空间，为相关领域的从业者提供了更多的收益机会。产业带动方面，旅游消费直接促进了旅游业和旅游服务业的发展，同时直接和间接影响的细分行业多达100多个。据世界旅游组织测算，旅游收入每增加1元，可带动相关行业增收4．3元。因此．旅游产业已成为我国新的经济增长点 。 2.3研究意义

国家旅游收入直接反映了我国旅游经济的运行状况，是衡量旅游经济活动及其效果的一个不可缺少的综合性指标 。为取得我国的旅游收人指标，除旅游人数以外，人均旅游消费是一个非常重要的指标。因此，为了进一步分析我国旅游消费发展状况、从而寻求对策以更好地发挥其拉动经济的作用，研究我国城镇居民人均旅游消费的影响因素具有实际意义。

3、文献综述

国内学者对于人均旅游消费影响因素已经有过比较系统的研究。杨丽萍（2005）以调查分析的形式，从从旅游者的出游时间、人员构成、旅行方式、旅游范围、旅游品味等多个角度对我国旅游者的旅游消费行为进行了数据统计分

析，并对我国旅游者消费行为存在问题提出了建议。郭丽君（2007）应用计量经济学的方法，考察了国内旅游人数和人均旅游花费对于国内旅游收入的影响，并得出了旅游收入具有收入的一般特征、我国旅游收入与旅游人数和人均旅游花费均成正相关关系的结论。

在宏观方面，经济增长和旅游发展也存在显著的关系。贺小海等人（2007）利用单位根检验、协整分析等计量经济学方法，基于1985-2004年的年度数据，对我国旅游业发展与经济增长之间的长期关系进行了协整分析。实证结果表明，我国旅游业发展与经济增长之间具有长期稳定的正向关系。任雪（2009）分析了影响我国城镇居民人均旅游消费的经济因素，并且应用了Eviews工具。 由于我国经济仍然以第二产业为主，旅游业总体并不发达。国内学者对旅游影响因素的研究大多集中在定性分析层面，鲜有定量的计量经济分析。本文利用历史经验数据，以Eviews为基本分析工具，对影响人均旅游消费的因素做了详细分析。

4、模型的建立

影响人居旅游消费的经济因素主要有：居民人均可支配收入、居民消费价格水平和利率水平。

其中，居民收入水平决定着其旅游消费的水平及潜在的旅游者是否能够实现旅游。在其他条件不变的条件下，城镇居民人均旅游消费与人均可支配收入呈正方向的变化关系；物价水平会影响居民的消费行为。较高的物价水平会降低人们的实际收人水平，进而会降低人们的实际购买能力，抑制消费。所以，人均旅游消费与消费价格水平呈相反方向变动；银行存款利息率的变化对于消费行为会产生较大的影响，它主要是通过影响居民消费和储蓄的比例来实现的。在其他条件

不变的情况下，利率升高，人们会增加储蓄，进而抑制消费，所以人均旅游消费与利率反向变动。

根据以上分析建立下计量模型： Y=β0+β1X+β2T+β3S+u 其中，Y代表人均旅游消费 X代表人均可支配收入 T代表城镇居民消费价格指数 S年平均利率

β0、β1、β2、β3为待估参数

5、实证分析

5.1模型的数据估计

利用1998-2007年数据进行Eviews估计，得到以下估计模型： Y=1007.24 + 0.034X- 5.69T- 2.49S （1） （6.58） （10.01）（-3.55）（-0.52）

R-squared=0.96；Adjusted R-squared=0.95；F-statistic=137.76 Durbin-Watson stat=1.73 5.2模型检验 5.2.1显著性

模型（1）的拟合优度为0.96，调整后的拟合优度值为0.95，这说明这说 明中国人均旅游消费几乎全部可以从该回归方程得到说明，该模型对数据的拟合程度较好。

取显著性水平为0.05时，t统计量和F的临界值分别为：t0.05(13)=2.16，

F0.05(4,13)=3.18,解释变量S没有通过t检验；而X和T的P值都明显小于设定的0.05，即X和T这两个解释变量对Y的影响是显著的。 若剔除S这个变量则会得到： Y=1007.72 + 0.0348X- 6.265T

（128.84）（0.00246）（1.131）

R-squared=0.9622；Adjusted R-squared=0.9578；F-statistic=216.52

通过以上检验可以得知，方程拟合优度有一定的提高，且每个参数的统计检验显著，且方程符合经济意义。但是却不能轻易剔除该变量是合理，是否保留该变量还需要进一步的理论支持。 5.2.2多重共线性检验

对解释变量进行相关性检验，得到解释变量的相关矩阵表1。

Correlation Y X T S Y 1.000000 0.945614 -0.719932 -0.847026 1.000000 -0.527143 -0.759636 X 1.000000 0.781701 T 1.000000 S 表1

由上表可知，人均旅游消费（X）和利率（S）之间具有一定的相关性，同时居民消费价格指数（T）和利率（S）之间也具有一定的相关性。从理论上讲，宏观数据之间存在相关性了，也可以理解，人们收入提高之后，旅游消费作为消费的一种对于利率变动存反向反映，CPI和利率之间也具有一定的相关关系。而且相关数值均小于0.8，对于多重共线性是否存在可以不作处理。

5.2.3异方差检验

对模型进行怀特检验，得到表2。

表2

由上表可知NR2的结果为8.050479，在显著性水平为0.05下，临界值

20.05 （5）=11.07>8.0504，不能拒绝原假设，即方程中不存在异方差。

5.2.4序列相关检验

知DW=2.731，在5%的显著性水平下，查表得临界值为dL=0.57, dU=1.98，DW=2.731>1.98，因而不拒绝原假设，即不存在正序列相关。

6、结论

根据以上模型分析，各经济因素对居民人均旅游消费的影响分别为：城镇居民人均可支配收入为0且物价指数时的人均旅游消费支出为1048．199元；城镇居民人均旅游消费同城镇居民人均可支配收入呈正比例关系，增加一个单位的城镇居民人均可支配收入时城镇居民人均旅游消费增加0.034854个单位；城镇居民人均旅游消费同城镇居民消费价格指数呈反向变动，增加一个单位的城镇居民消费价格指数时人均旅游消费减少6．265022个单位。

针对我国目前情况具体分析，市场最大的担忧就是2010年经济走弱可能对可选消费需求造成抑制。但是，运用此模型并结合出游率、国内旅游收入等历史数据来分析，经济走弱对我国旅游业可能造成的影响是个人旅游消费支出略有下降，但出游率仍将保持上升势头。总体来说，2010年旅游业机遇大于风险。近年来国内旅游收入的快速增长主要来自于城乡居民出游率的上升，观光游特征明显。虽然随着经济的快速增长，我们城乡居民的收入水平大幅上升，但城乡居民

的个人旅游消费支出却并没有出现同步增长，城乡居民出游率的迅速上升是国内旅游收入快速增长的主要动力。旅游消费作为增广见闻、扩大社交圈、舒缓压力、调节身心的发展型消费已经成为现代人生活必不可少的部分。我们不应过分夸大旅游消费的可选性必然伴随较大需求弹性。

参考文献：

[1]杨丽萍，我国消费者旅游消费行为的实证分析，中北大学学报（社会科学版)，2005．第21卷第3期：41—43．

[2]贺小海、刘修岩，我国旅游业发展与经济增长关系的协整分析，兰州学刊，2007.第9期：77-80.

[3] 苏继伟，邱沛光．旅游业对地区经济发展的贡献分析,统计与决策，2005.(15)． [4]郭丽君，基于计量经济学模型的国内旅游收入研究，合作经济与科技，2007.第33期:15-18.

附录一：数据

年份 城镇居民可支城镇居民城镇居民消年平均配收入(Y) 可支配收费价格指数利率(S) 入(X) 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 341 361 463 468 378 387 414.7 464 534.1 599.8 607 614.8 678.6 1180.2 1373.9 1510.2 1700.6 2026.6 2577.4 3496.2 4283 4838.9 5160.3 5425.1 5854.1 6280 (T) 120.7 116.3 101.3 105.1 108.6 116.1 125 116.8 108.8 103.1 99.4 98.7 100.8 7.2 11.34 8.64 7.56 7.56 9.26 10.98 10.98 9.21 7.17 5.02 2.89 2.25 2001 2002 2003 2004 2005 2006 2007

708.3 739.7 684.9 731.8 737.1 766.4 906.9 6859.6 7702.8 8472.2 9421.6 10493 11759.5 13758.8 100.7 99 100.9 103.3 101.6 101.5 104.5 2.25 2.03 1.98 2.25 2.25 2.35 3.22

附录二：基本统计分析表

Variable

Coefficient

Std. Error

t-Statistic

Prob.

6.291516948656

6

1007.2406165152.99263996.583588705727304928e-0

C

80031

721156

2.45870089

0.03374974820.00334822710.07988584140216387e-0

X T

151214 226567281 788406

482064

7642

8

-5.6859615161.601102049-3.55127989410.00265931

37754 077441309

2

-2.4782965734.781244250-0.51833716150.61131688

S

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

740489

0.96272870450.9557403366

943825 S.D. dependent var

34.352634998

70518 Akaike info criterion

18881.656501

66822 Schwarz criterion

-96.88090967

141873 Hannan-Quinn criter.

137.76159465

11165 Durbin-Watson stat

1.2224375358

07423e-11

569543

966437 16407328

579.305 163.2886513444665 10.08809096714187 10.28723742185267 10.12696644728785 1.731932080058872

847431 Mean dependent var