安徽省入境旅游人数与旅游外汇收入关系研究——基于格兰杰因果检验

陈 鹏，吴 玲

(宿州学院 管理工程学院，安徽 宿州234000)

安徽省入境旅游人数与旅游外汇收入关系研究
——基于格兰杰因果检验

陈 鹏，吴 玲

(宿州学院 管理工程学院，安徽 宿州234000)

基于1980-2012年间安徽省入境旅游人数和国际旅游外汇收入数据,通过计算相关系数、ADF检验、运用协整分析方法和格兰杰因果检验,对入境旅游人数和国际旅游外汇收入两者之间关系进行实证分析,并构建一元线性回归模型对国际旅游外汇收入进行预测。实证研究结果表明:安徽省入境旅游人数与国际旅游外汇收入之间高度正相关,两者不存在协整关系,但短期内入境旅游人数与国际旅游外汇收入之间存在双向因果关系,即入境旅游人数是国际旅游外汇收入增加的格兰杰原因,国际旅游外汇也是入境旅游人数增加的格兰杰原因。借助一元线性回归模型较好预测了国际旅游外汇收入,进而对旅游市场建设提出相应的政策建议。

入境旅游人数;国际旅游外汇收入;相关系数;格兰杰因果检验;预测

网络出版时间:2014-01-1014:41

旅游业作为社会性、综合性很强的先导产业，能否较好地发展，旅游资源是前提和先决条件，特别是高级别的旅游资源是吸引国外游客、发展入境旅游的物质基础[1]。安徽省位于经济发达的长江三角洲地区，其地理位置适中，丰富的人文旅游资源与山水风景融为一体，赢得了国内外游客青睐，成为中国重要的入境旅游目的地。改革开放以来，安徽省旅游业发展较为迅猛，旅游建设取得显著成效，其旅游资源开发历史悠久，人文荟萃，名胜古迹众多，拥有一批高品质旅游产品，国家重点文物保护单位56处，国家级风景名胜区10处，如黄山、九华山、天柱山、琅琊山、齐云山、采石矶、巢湖等；国家级自然保护区6处，如牯牛降、鹞落坪、天马、扬子鳄、升金湖、淡水豚。这为安徽省发展旅游业提供了基础条件。

目前，旅游产业与其它产业和部门、旅游产业内部各要素之间关系问题等正是旅游产业经济需要研究的主要问题[2]114-115。很多学者对旅游业相关指标与经济增长之间的长期均衡关系、因果联系作了深入研究。例如：周四军[3]等从总量、相关及回归、弹性和贡献率4方面分析探讨了中国旅游业与经济发展的关系，得出了中国旅游业与经济发展存在双向关系，进而提出了相关政策。屠文雯等[4]构建了协整模型，实证研究结果表明中长期中国国内旅游、经济增长与国际旅游3者之间存在着长期均衡的协整关系，并运用VAR模型预测了国内旅游收入。杨勇[5]基于VAR模型以及Granger(格兰杰)因果检验等方法对安徽省旅游收入与经济增长之间的关系进行了分析，其研究结果表明短期里安徽省旅游收入对经济增长具有促进作用，制定了相应政策。而对旅游业指标之间因果关系研究甚少，入境旅游人数是影响国际旅游外汇收入变动的主要因素[6]，随着入境旅游人数的增加，国际旅游外汇收入必然呈现增长趋势。近年来，安徽省的入境旅游人数和国际旅游外汇收入都一直保持着较高的增长速度，它们之间关系到底如何，值得深入探讨。

鉴于此，通过对1980-2012年安徽省旅游业中入境旅游人数和国际旅游外汇收入情况的分析，通过相关系数计算、ADF单位根检验、EG两步法协整检验和格兰杰因果检验对入境旅游人数与国际旅游外汇收入动态关系进行定量研究，并建立一元线性回归模型对国际旅游外汇收入进行预测，拟从实证的角度考察入境旅游人数与国际旅游外汇收入两者之间关系，对于安徽省旅游业能否把握加快发展、加速转型的重要机遇促进安徽省入境旅游产业发展具有重要现实意义。

一、安徽省入境旅游人数与国际旅游外汇收入相关性分析

由《安徽省统计年鉴》(1981-2011年)和查阅国家旅游局旅游统计数据，可知表1中安徽省1980-2012年的入境旅游人数与国际旅游外汇收入数据，除个别年份外，1980到2012年的33年间，安徽省入境旅游人数由4.078 8万人次递增到331.467 9万人次、国际旅游外汇收入由104万美元递增到156 267.00万美元，安徽省入境旅游者人数始终保持着较为稳定的增长趋势，国际旅游外汇收入在逐年提高，表明安徽省入境旅游业呈明显增长趋势。

通过绘制时间序列图1，可直观地看出入境旅游人数、国际旅游外汇收入两个变量时间序列数据均具有非平稳特性，发现解释变量入境旅游人数与国际旅游外汇收入具有大致相同的增长和变化趋势，两者之间可能存在一个长期的均衡关系。对于两者相关系数计算采用英国统计学家Pearson提出的积差法，其简化公式为：

(1)

资料来源：《安徽省统计年鉴》(1981-2011)和国家旅游局旅游统计。

其中，r表示相关系数，其取值在[-1，1]，r<0负相关，r>0正相关，n表示变量的项数。

通过计算得到r=0.994，表明安徽省入境旅游人数与国际旅游外汇收入之间有强正相关的线性关系。

图1 安徽省入境旅游人数与国际旅游外汇收入变化时序图(1980-2012年)

二、安徽省入境旅游人数与国际旅游外汇收入格兰杰因果关系检验

时序图和相关系数只能大致反映入境旅游人数与国际旅游外汇收入两者之间的相关关系的方向和紧密程度，不能明确入境旅游人数与国际旅游外汇收入之间是否构成因果关系。因此，选取1980-2012年安徽省入境旅游人数与国际旅游外汇收入时间序列数据进行格兰杰因果检验，以探讨入境旅游人数与国际旅游外汇收入之间是否存在因果关系。

20世纪80年代初，Granger提出的协整(cointegration)概念是处理非平稳时间序列长期均衡关系行之有效的方法。如果一个时间序列，它的均值、方差和协方差是与时间无关的，这序列称为平稳的。检验变量是否稳定的过程称单位根检验。只有证明随机变量是平稳序列之后，才能进行格兰杰因果检验，而如果随机变量是非平稳序列时，进行格兰杰因果检验时会出现伪回归现象，此时对随机变量进行差分或取对数，直到变量变成平稳序列为止[7]。格兰杰因果检验表征的是时间序列之间的领先与滞后关系，仅仅是时间上的因果关系，而非完全的因果关系。若变量X的变化引起了变量Y的变化，则X的变化应在Y的变化之前。

该文所用入境旅游人数、国际旅游外汇收入数据为时间序列数据，分别记为变量r1和r2，为了消除时间序列的异方差，对变量进行自然对数处理，经过自然对数变换后记为对lr1与lr2，这里借助Eviews 7.0软件，采用ADF检验法对对数转换后的变量进行单位根检验。对ADF检验，检验统计量是检验回归滞后因变量的t统计量，由于是单边检验，当计算得到的t统计量的值小于临界值时拒绝原假设(即是否存在单位根)，滞后项的选择遵循AIC准则。由表2中数据可知，变量lr1和lr2时间序列的ADF统计量分别为-2.238 146和-1.919 719,均大于1%、5%、10%的显著性水平下的临界值，接受原假设，时间序列含有单位根，因此,变量lr1和lr2在水平情况下是非平稳序列。

对其进行差分发现，变量lr1与lr2一阶差分序列的ADF值分别为-6.906 861、-4.414 914,小于1%、5%、10%显著水平下的临界值，拒绝了原假设，这说明一阶差分后与时间序列均不存在单位根，是平稳序列，且两个变量都是一阶单整的时间序列，即I(1)，表明入境旅游人数、国际旅游外汇收入之间可能存在长期均衡关系，满足协整检验前提。

根据协整理论，若变量之间是同阶平稳的，则可能存在协整关系。如果变量自身非平稳，但这些变量的某种线性组合是平稳的，这个线性组合反映了变量之间存在长期稳定的比例关系，称为协整关系。Egnle-Granger(EG)是进行协整检验的最典型的方法，可以用来检验两个变量之间的协整关系。根据EG法，对变量lr1与lr2，之间的协整关系进行检验。

建立回归模型Inr2=1.628 364+1.933 918Inr1+ε之后，生产残差序列ε=Inr2-1.628 364-1.933 918Inr1，单位根检验结果如表3所示。检验结果表明，残差序列是非平稳序列，其ADF统计量-1.361 154均大于1%、5%、10%的显著性水平下的临界值，接受原假设，时间序列含有单位根，所以，EG两步检验法表明安徽省入境旅游人数与国际旅游收入之间不存在协整关系。

表2 ADF检验结果

表3 残差序列单位根检验结果

表4 不同滞后期的格兰杰因果关系检验

对一阶差分后平稳序列进行格兰杰因果关系检验，结果如表4所示。从表4可以看出，在滞后期为1、2时，入境旅游人数在显著性5%水平下表现为国际旅游外汇收入的格兰杰原因，而国际旅游外汇收入在显著性5%的水平下不是入境旅游人数的格兰杰原因；滞后期为3、4时，在5%的置信水平下检验拒绝原假设，检验结果说明入境旅游人数与国际旅游外汇收入之间互为因果关系，两者关系显著。

综上可知，安徽省入境旅游人数与国际旅游外汇收入之间不存在长期均衡关系，在短期内，入境旅游人数与国际旅游外汇收入互为因果原因，但从长期来看，纵然入境旅游人数对国际旅游外汇收入增加起较大作用，但还有其他原因，如行、游、住、食、娱、购6要素、物价指标以及导游服务质量等关系到游客在旅游目的地停留时间，进而影响到国际旅游外汇收入的增幅。

三、基于一元线性回归模型的安徽省国际旅游外汇收入预测

变量是相互联系、相互制约的。回归分析正是处理变量间相互关系的一种数理统计方法，而一元回归分析就是研究两个变量间的相关关系，若其相关关系的统计规律呈线性关系则称为一元线性回归分析。如果变量y与x之间存在线性相关关系，则以(2)式表示：

y=A0+B1x+ε

(2)

其中：A0和B1是待估计的系数矩阵，A0+B1表示y随x的变化而线性变化的部分，ε为随机误差。

一元线性回归模型对于相关联系的时间序列变量系统是有效的预测模型。其特点是，预测对象主要受一个相关因素的影响，且两者求出回归方程并经过显著性检验以后，即可应用回归方程进行预测。该文依托1980-2012年安徽省入境旅游人数与国际旅游外汇收入为数据源，借助SPSS软件建立一元线性回归模型为：

y=457.771x-4 955.329

(3)

r2=0.988

该模型修正的可决系数为0.988，模型的拟合度好，该模型，回归效果显著。

由于经济变量随时间呈现序列相关现象经常发生，会导致对模型估计的失效，因而需要进行自相关检验。采用Durbin-Waston统计量对回归序列进行自相关检验，D.W值为0.662，显然通过D.W检验，说明残差项不存在一阶自相关。回归系数通过检验，模型中自变量与因变量的偏相关系数均为0.994，说明模型的自变量对因变量的影响都比较显著，从标准化残差图2中可以看出点分布是随机的，没有出现趋势性，所以回归模型是有效的。

图2 标准化残差图

利用一元线性回归模型进行预测，将表1中各xi值代入，即可求出各年的预测值yi，即将根据2010年、2011年、2012年入境旅游人数为198.417 4万人次、262.866 2万人次和331.467 9代入回归方程式(3)，可以预测2010年、2011年、2012年安徽省国际旅游外汇收入分别约为85 874.32万美元、115 377.09万美元和146 780.93万美元，可以看出与实际国际旅游外汇收入82 025.22万美元、117 918.11万美元和156 267.00万美元相差很小，基本符合预测要求，将1980-2012年的累计国际旅游外汇收入的预测值列入表5中。

根据表现形式不同，预测精度可用绝对误差和相对误差来表征。设时间序列的第i个观测值为Yi，预测值为Fi，则所有预测误差为Yi-Fi，n为预测值的个数，则绝对误差(absolute deviation，AD)计算公式为：

(4)

相对误差(relativedeviation，RD)，计算公式为：

(5)

借助式(4)、(5)可计算出该模型的绝对误差和相对误差。由表5可知：除了1980-1984年、1989年这几年相对误差较高，2010年、2011年、2012年3年间相对误差百分比均未超过1%，其余年间均在5%以内振荡，表明模型预测效果较好。

图3 1980-2012年安徽省国际旅游外汇收入预测值与实际值对比图

年份国际旅游外汇收入(单位:万美元)实际值预测值绝对误差相对误差1980104-3088.173192.1730.691981115-2798.772913.7725.341982108-2349.242457.2422.751983110-1829.351939.3517.631984116-1199.601315.6011.341985117-389.52506.524.331986128-209.53337.532.641987116402.69286.692.471988167600.54433.542.601989209-2001.472210.4710.5819905862987.312401.314.10199110354938.923903.923.77199214197034.285615.283.96199317807542.595762.593.24199424813135.95654.950.2619954435.91584.152851.750.6419965800.43051.262749.140.4719978205.78337.69-131.990.0219987036.053476.713559.340.5119999015.796543.092472.700.27200011296.459621.461674.990.15200113576.7912478.961097.830.08200216022.4616058.6836.220.00200311268.297899.743368.550.30200419000.0017977.421022.580.05200524558.0924016.74541.350.02200630053.4231836.701783.280.06200742400.4843765.011364.530.03200845445.4055513.7410068.340.22200956583.9066530.139946.230.18201082025.2285874.323849.100.052011117918.11115377.092541.020.022012156267.00146780.939486.070.06

四、结论与建议

在回归分析中，回归能够度量变量之间的联系程度，但不能证实因果关系，识别因果关系是在以检验为依据的研究中的一个重要问题[8]。该文以安徽省为例，对入境旅游人数与国际旅游外汇收入进行相关性分析，进而对取对数后的时间序列进行平稳性检验，发现变量是非平稳的，一阶差分后，序列平稳，看变量之间是否存在协整关系，且对差分后平稳序列进行格兰杰因果关系检验，并借助一元线性回归模型建立国际旅游外汇收入预测机制，得到以下结论：

由入境旅游人数与国际旅游外汇收入两个时间序列的时序图和相关系数计算结果分析可知：1980-2012年安徽省入境旅游市场全面发展、稳步增长，通过相关系数计算可知：入境旅游人数迅速增长与国际旅游外汇收入两者存在强正相关关系，安徽省入境旅游大发展的趋势，为安徽省实现旅游强省战略奠定了坚实的市场基础。

通过ADF检验，原始时间序列变量入境旅游人数、国际旅游外汇收入取对数，消除异方差影响后，都存在单位根，其检验的t统计量大于临界值，则不能拒绝原假设，表明序列是非平稳的，而相应的一阶差分序列不存在单位，其t统计量小于临界值，拒绝序列包含单位根的原假设，序列是平稳的。对于一阶单整时间序列的协整回归方程，表明两者之间不存在长期均衡关系，表明入境旅游人数对国际旅游外汇收入的影响程度不显著，有其他因素引起国际旅游外汇收入增幅，如物价指标、导游服务质量等。根据Granger因果关系检验发现，在短期内，入境旅游人数与国际旅游外汇收入互为因果原因。

借助一元线性回归模型建立国际旅游外汇收入预测模型，其预测结果表明入境旅游人数对国际旅游外汇收入的影响是显著的，其回归模型有效。通过将1980-2012年入境旅游人数实际值代入回归方程，得到33年间国际旅游外汇收入预测值，与实际值进行比较发现相差甚小，2010年、2011年、2012年3年相对误差均不超过1%，预测效果较好，可为旅游管理和决策部门提供相关依据。

基于以上研究结果，就如何加快旅游市场建设，促进安徽省旅游业发展，提出如下建议与设想：

(一)调研入境旅游客源市场，形成多元化市场格局

客源市场细分工作，就是按人口、购买力、旅游愿望及旅游权利这旅游市场4要素，把旅游消费者按年龄、职业、性别、地域、爱好等特点划分为若干不同的群体，每个群体具有相对类似的消费行为。市场细分便于实时掌握国际旅游市场需求的特点以及旅游者消费群体特征，对其出游潜力作出合理分析，立足不同客源市场，开发国际旅游精品，满足入境旅游者消费消费心理和需求，创新市场营销方式，提高旅游市场占有率。需要注意有计划有目的地开发旅游客源市场，对国内外旅游市场开发不可偏废其一，以促进多元化市场格局形成，使得安徽省跻身于全国重要的旅游经济强省发展行列，加快其旅游国际化进程。

(二)加强旅游合作，推出特色化旅游产品

任何旅游产品都有自身的特色，其特色必然吸引一定的客源群体。随着现代交通的四通八达，打破区域与行政界限，树立大旅游观念，加强旅游合作，深入发掘安徽省旅游资源禀赋，进行资源、产品和线路的优化重组，实现地区旅游市场融合，将当地一个个有代表性的景点串起来形成旅游线路，开发特色化旅游产品，才能赢得更多的客源市场。为此，加快推出“十二五”期间确定的“徽文化”、“精彩皖江”、“淮河风情”等8条精品旅游线路及6个自驾车旅游环线，通过组织精品旅游线路增加各景点对海内外游客的吸引力，实现入境旅游者和国内旅游者较快增长，把旅游业建成安徽省国民经济的战略性支柱产业和现代服务业的先导产业。

(三)改善旅游软硬件环境，完善旅游服务功能

旅游产品包括有形的旅游设施及无形的旅游服务。旅游业作为以服务消费与精神消费为内容的高层次消费，大力改善旅游业软硬件环境，应加快游客集散中心、咨询服务中心、停车场、旅游厕所、旅游交通标识和基础设施建设。积极推行旅游环境整治工程，解决部分旅游景区脏、乱、差问题，为游客提供一个良好的观光旅游、休闲度假的胜地，延长停留时间，刺激消费，增加当地经济效益。此外，着力提供规范化旅游服务，为提高从业人员素质，建立并坚持旅游从业人员培训制度，培训方式多样化，以实践为主，对接触外宾较多的岗位从业人员，强化外语培训，所有旅游业从业人员必须进行培训合格才能上岗，逐步建立多层次的旅游人才培训体系，并制定相关法律法规及标准制度，全面提高旅游服务质量。

(四)积极发展旅游产业体系，实现旅游企业规模化发展

建立和完善安徽省现代旅游产业体系，围绕行、游、住、食、娱、购旅游业6大要素，首先，提升旅游交通通达能力，解决交通瓶颈问题，改善部分景区可进入性差的局面。其次，加强与旅游管理部门合作，扩大旅游产业的发展空间，对旅游产品和服务实行合理计价，改善旅游消费环境，优化旅游市场秩序，努力增强消费对旅游经济增长的拉动作用。在旅游企业中，积极推广现代科学管理经验，办公自动化，切实推进高效的旅游管理体系建设，实现旅游企业规模化发展，提高旅游企业效益，保证旅游业稳步发展。

综上所述，针对安徽省入境旅游情况，依据绘制的散点图和相关系数计算两者呈现强正相关关系。基于格兰杰因果检验对入境旅游人数与国际旅游外汇收入之间进行因果关系检验，研究结果表明短期内两者互为因果，并建立一元线性回归模型对国际旅游外汇收入进行有效预测。据此，就加快旅游市场建设，提出积极调研安徽省入境旅游客源市场、加强旅游合作等相关建议对策，以推进安徽省旅游业发展进程。

[1] 姜海宁，陆玉麟，吕国庆.江苏省入境旅游经济的区域差异研究[J].旅游学刊，2009，24(1):23-28.

[2] 唐留雄.现代旅游产业经济学[M].广州:广东旅游出版社,2001.

[3] 周四军，张墨格.中国旅游业发展对经济增长的统计分析[J].统计与信息论坛，2006，21(4):60-63.

[4] 屠文雯.中国旅游业发展与经济增长关系的实证研究[J].南京理工大学学报(社会科学版)，2007，(4):97-99.

[5] 杨勇.旅游业对经济发展的作用分析：以安徽省为例[J].生产力研究，2007，(4):97-99.

[6] 陈玲玲，杨慧.我国入境旅游客源与旅游外汇收入的多尺度对比研究——EMD方法的新应用[J].地域研究与开发，2011，30(6):94-97.

[7] 卢万青，沈培喜.格兰杰因果检验在我国经济周期研究中的应用[J].统计研究，2002，(2):47-50.

[8] 尚林，刘红爱.中国入境旅游外汇和入境旅游人数关系研究[J].统计与信息论坛，2006，21(4):60-63.

(责任编辑 治丹丹)

Relationship Research on the Inbound Tourist Number and Foreign Exchange Earnings from Tourism in Anhui Province Based on Granger Causality Test

CHEN Peng，WU Ling

(School of Management Engineering,Suzhou University,Suzhou,Anhui 234000,China)

According to the statistics of inbound tourism in Anhui Province and the data of international tourism receipts from 1980 to 2012,this paper calculates the correlation coefficient,uses ADF test,co-integration analysis and Granger causality test to research the relationship between the inbound tourism number and the international tourism receipts, and construct a linear regression model to predict the international tourism receipts.The empirical results show that there is a highly-positive correlation between the two objects of study;and they have no co-integration relationship with each other.But in the short term,there is a two-way Granger causality between them;the former is the Granger causality of the latter,and vice versa.The linear regression model can better predict the international tourism receipts.Finally the paper puts forward the corresponding policy recommendations to the construction of tourism market.

inbound tourist number;foreign exchange earnings from tourism;coefficient of correlation;Granger causality test;prediction

2013-07-22

国家社科青年基金项目(13CJY106)；宿州学院优秀青年人才基金项目(2013XQRW05)

陈鹏(1984-)，男，江苏洪泽人，宿州学院管理工程学院助教，旅游管理学硕士，主要研究主向为旅游资源开发。

F59

A

2095-462X(2014)01-0069-07

http://www.cnki.net/kcms/detail/13.1415.C.20140110.1441.004.html