本站原创本文是一篇计量经济论文范文,计量经济类专科毕业论文开题报告,关于计量经济学视角下的国内城镇居民旅游消费相关毕业论文的格式范文。适合计量经济及中国旅游及国民经济方面的的大学硕士和本科毕业论文以及计量经济相关开题报告范文和职称论文写作参考文献资料下载。
摘 要：根据国内城镇居民人均可支配收入及其旅游消费的特点,运用计量经济的方法建立线性回归模型.采用Eviews软件及OLS方法对模型进行研究,分析影响国内城镇居民旅游消费的主要因素及其存在的相关性,同时该模型还可以用于对未来的旅游消费情况进行预测,为制定相应旅游消费政策提供参考依据.
关 键 词：城镇居民；旅游消费；回归模型
中图分类号：F590文献标志码：A文章编号：1673-291X（2014）25-0241-02
一、引言
旅游消费在全球发展很快,已成为各国消费热点和新的经济增长点.随着中国改革开放政策的深入贯彻,中国国民经济的发展突飞猛进,国内生产总值日益增加,居民的人均收入水平越来越高,生活质量也得到了很大的改善.
随着人们物质文化生活的日益提高,旅游已经成为人们的主要休闲方式,中国旅游业的发展一直遵循“适度超前”的原则,立足于开发国内旅游市场,在国际旅游市场竞争日益激烈和国内旅游需求日益增长的情况下,国内旅游逐渐在中国的旅游市场上占据重要的地位,旅游产业也成为中国新的经济增长点,旅游消费占国内生产总值的比例由1994年的2.189%上升为2004年的3.45%,说明旅游业在国民经济中的地位日益重要,并且已经成为中国目前经济发展面临的新课题和拉动国内需求的新机遇.在中国的旅游消费中,主要消费群体为城镇居民,研究城镇居民的旅游消费状况具有重要的实际意义.
二、模型建立
本文主要采用计量经济模型对国内城镇居民旅游消费情况进行分析和预测.计量经济学主要研究的是一种经济预测方法,即把经济理论、数学公式和概率统计等相关理论知识结合起来,用以发现和总结实际经济活动中的数学规律,预测未来的发展情况和进行政策规划.计量经济模型就是应用计量经济方法建立起来的模型,对于单一方程,最简单的线性回归模型的一般形式如下：
Y等于a0+a1X1+a2X2+等+anXn（1）
这里：Y是因变量；X1,X2,等是自变量；a0,a1,等是相应的经济计量参数.
本文结合中国1995―2011年的实际旅游消费情况,试图建立一个回归模型来探讨人均旅游消费与人均可支配收入之间的关系,样本期选取1995―2011年,本文所用数据均来自中国统计年鉴2012版.
如果用Y表示人均旅游消费,X1、X2分别表示人均可支配收入和居民消费价格指数,a为常数,b、c表示回归系数,μ为扰动项,我们可以假设一般模型为：
Y等于a+bX1+cX2+μ（2）
由下页表1可以看出：2003年的人均旅游消费明显低于2002年,这主要是由于2003年的“非典”使人们减少了外出旅游的机会.因此,为了回归结果的准确性本文先剔除2003年和2004年的数据,将1995―2011年国内城镇居民旅游消费的相关数据进行回归,主要运用Eviews软件分析和OLS方法,具体的回归分析结果（见下页表1、图1）：
从下页表1和图1可知,在置信度为99%时R2等于0.846425,调整后的R2等于0.820829,这说明模型的解释变量对被解释变量的解释能力尚可.同时,t值也通过检验,国内城镇居民人均旅游消费与人均可支配收入之间的线性回归模型为：
Y等于1317.317-7.803901X1+0.019764X2（3）
三、关于模型的经济解释及结论
通过以上分析可以看出,人均旅游消费与价格存在一定的负相关关系,当价格上升或者下降时,人均旅游消费会相应地减少或者增加.而国内城镇居民的人均旅游消费与人均可支配收入之间存在着密切的正相关关系,随着人均可支配收入的增加或减少人均旅游消费会相应地增加或减少.
从式（3）中我们看出,国内城镇居民人均可支配收入每增长1元,其中近1.97%部分用于消费.由此看出,中国城镇居民人均可支配收入每增长1元,一般会有2%左右的部分用于旅游消费.这说明中国城镇居民还没有将旅游消费看作是日常消费的固定组成部分,旅游消费倾向不明显.
因此,为了刺激国内城镇居民的旅游消费和培养他们的旅游消费观念,旅游管理部门可以适当地降低旅游景点门票的价格,吸引游客前来观光,带动周边旅游产品的消费,同时应制定相应的营销策略刺激旅游消费.
例如,2012年及近几年,南京市相继取消各大旅游景点的门票,同时大力打造周边的文化旅游配套产品设施,使旅游收入大大增加,刺激了景点的消费,这点值得学习借鉴.
应用此模型分析国内城镇居民的消费问题,可以分析各种因素对旅游消费的影响,为规划旅游未来发展政策提供依据,还可以对未来的消费进行预测,但在使用时要注意结合模型和旅游消费本身的特性,因为中国国内旅游兴起是在近几年的事情,所以旅游消费的发展趋势还没有形成固定的模式,又由于模型本身是动态的,所以在不同的时间周期内影响它的主要因素不一定是相同的,因此该模型只能有效地预测近几年情况,如果预测更长时期的数据,应该选取距预测值相近几年的数据重新建模.