上海入境旅游需求的建模分析

姜国华，李 健

（1.浙江商业职业技术学院，浙江 杭州 310035；2.浙江农林大学 旅游与健康学院，浙江 杭州311300）

上海入境旅游需求的建模分析

姜国华1，李 健2

（1.浙江商业职业技术学院，浙江 杭州 310035；2.浙江农林大学 旅游与健康学院，浙江 杭州311300）

通过5个上海入境旅游市场客源国家（澳大利亚、美国、德国、英国、韩国）旅游市场的2004-2015年季度数据分析，应用从“一般到简单” （general-to-specific）的计量经济建模方法，采用自回归分布滞后模型（ADLM），探求影响上海入境旅游需求的主要因素。结果表明，上海相对旅游价格水平对入境客源国市场缺乏吸引力，客源国经济发展水平显著影响游客到上海的出行决策；世界级的大型节事活动对上海远程旅游市场影响显著，营造好的口碑效应对入境旅游市场会有较大促进；上海入境旅游市场具有典型的季节性特征，近程和远程市场差异显著。

入境旅游；ADLM；需求弹性；上海

近年来，受国际经济衰退和波动的持续影响，在当前经济发展前景尚不明朗的背景下，多数国家特别是发达经济体的居民在消费方面仍然谨慎保守，对旅游消费特别是中远程距离旅游消费的价格还较为敏感，直接影响其消费意愿[1]。同时，国际和国内周边地区旅游市场竞争激烈，在外媒宣传下国内整体旅游环境存在空气污染等不利因素，也影响国外游客出行选择，甚至被国际媒体列入全球旅游警告[2]。面临严峻形势，2015年上海借助“丝绸之路”旅游年、离境退税新政等一系列利好举措，吸引入境旅游人数逆市反弹，2015年1-12月累计接待入境旅游人数800.2万人次，同比增长1.1%；全年旅游外汇收入达59.6亿美元，比上年增长4.5%[3]。上海作为中国对外的窗口，其入境旅游的发展是全国入境旅游的风向标，厘清影响上海入境旅游的影响因素能够及早应对全国入境旅游的发展障碍因素，增强促进因素，从而以点带面，促进上海入境旅游的基础上，提升全国入境旅游水平。

为了更好的研究上海入境旅游市场，为上海入境旅游发展决策提供参考，本文选取澳大利亚、美国、德国、英国、韩国等5个国家2004年－2015年的季度样本数据，对上海入境旅游市场需求进行建模分析，实证分析上海入境旅游市场需求的主要影响因素。

一、文献回顾

旅游需求就是“在一定时间内，一定价格上，旅游者愿意而且能够购买的旅游产品的数量，即旅游者对某一旅游目的地所需求的数量”[4]。旅游需求指标一般用旅游人次、旅游花费、出游率、重游率等指标来衡量；其中，以旅游人次的测度为主，也有少部分采用旅游支出进行测度[5]。旅游活动是人的一种行为活动，人口状况是影响旅游需求的首要因素。从人口的统计特征来看，人口的数量、质量、结构、分布状况等对旅游需求的产生重要影响。从长远的角度来看，总人口数大的国家或地区，其潜在的旅游需求也大，在客观条件具备的情况下，转化为现实旅游需求的数量也会比较大[6]。除了人口变化以外，经济与财政的发展，政治、立法和规章制度的变化，技术的进步，贸易的发展，交通运输的基础设施，旅行安全等方面也不同程度的影响旅游需求[7]。不同学者根据研究的目的和方法不同，在影响变量的选取上存在差异，但是国内外许多研究在国际旅游预测方面所使用过的变量总体比较集中，主要包括：汇率、GDP、CPI、居民收入、交通成本、重大节事、人口规模、犯罪率、气候条件等[8]。

在进行旅游建模的研究方法上，学者们主要采用定量研究的研究方法[9]，如时间序列法、线性模型、引力模型等。90年代以后，随着人工智能法在旅游研究中流行，神经网络模型、粗糙集理论、灰色理论、模糊理论等在旅游研究中的应用开始增多[10-11]，包括非因果关系模型（主要是时间序列）和因果模型（主要是计量经济模型）。其中，自回归分布滞后模型（ADLM）、自回归滑动平均模型（ARIMA），以及结构时间序列模型（STSM）等是目前旅游需求建模的主流模型[12]。

在具体的实证研究中，相当多的学者运用ADLM的方法对中国入境旅游做了建模分析，如Julian 和Lin (2011)[13]、 宋海岩和费宝刚（2007）［12］、Song 和 Witt (2003)[14]、Song,Wong和 Chon (2003)[15]、 Tukamushaba, Lin和Bwire (2013)[16]、王纯阳和黄福才(2010)[17]等。本文在借鉴前人研究成果的基础上，选用ADLM对上海5个主要的入境旅游市场进行建模分析。

二、模型

（一）旅游需求的决定因素

以经济学道格拉斯生产函数为基础，借鉴国内外学者的研究成果［12，14］，影响上海入境旅游需求的决定因素有目的地国的旅游价格、客源地经济水平等，构建如下需求模型：

其中，VAit表示第i个客源国在t时期对上海的旅游需求，以t时期i国到上海的旅游人数来表示。Pit表示i国的游客到上海旅游的自身价格相对于上海入境旅游自身价格平均的价格水平，笔者采用式（2）计算得到，即经汇率EX调整后的上海于每个相应客源国的消费者价格指数CPI相对值作为i客源国到上海旅游的自身价格，汇率是当地货币对美元的季度平均汇率。Yit是i客源国t时期收入水平的变量，笔者采用i客源国的实际GDP指数（Y2010＝100）作为替代变量。没有采用游客消费支出的原因是缺少关于支出的变量数据。εit表示残差项，用来表示其它没有包含在模型中但对上海旅游需求又产生相对较小影响的其它因素所带来的不确定性影响。A、β1、β2为常数项。

（二）模型的设定

根 据 Song 和 Witt (2003)［14］， 式（1） 的一个主要特征是能够转换为利用普通最小二乘法（OLS）进行估计的对数线性模型。因此，将式（1）对数化后我们可以得到进行估算的对数线性模型，如下式（3）：

式（3）中β0= lnA，是回归系数，β1、β2分别为价格弹性和收入弹性；一般而言，随着上海旅游价格的上升，上海入境旅游需求应该减少，因此期望β1＜ 0；随着客源国或地区收入水平的上升，对于上海旅游需求会增加，因此期望β2＞ 0。μit= lnεit，是随机误差项。

旅游者的决策过程是一个动态的行为过程，Baron (1975)曾对旅游需求中的周期成份、趋势性成份和不规则成份进行确认[18]。周期成份包括季节性和节假日的影响，不规则成分指短期作用的一次性突发事件和反常天气的影响，趋势性成份是指长期的趋势和周期性［12］。因此，模型的设定应该增加季节性的虚拟变量（D1、D2、D3）、数据所在时间区间的重大节事虚拟变量（北京奥运会D08oly，上海世博会D10expo）以及一次性突发事件的虚拟变量（国际金融危机影响D08 fin）。结合Song, Wong和 Chon （2003）、Song 和 Li (2008)、 Ayeh 和 Lin (2011)、Tukamushaba, Lin和 Bwire (2013)的研究，按照ADLM将式（3）重新改写如下：

需要特别要注意的是，式(4)中的系数α0不同于式(3)中的回归系数β0，由于引入了上海旅游需求的滞后期的影响，不同于式(3)中的需求价格弹性β1，也不同于式(3)中的需求收入弹性β2。但是Song 和 Witt（2000）[19]证明了通过如下变换的式（5），可以计算出弹性数值并将式（4）还原为式（3）。

（三）数据

本文选择2004—2015年上海5个主要客源国（澳大利亚、美国、德国、英国、韩国）的数据为样本。上海入境旅游人数、各国消费价格指数（CPI）、汇率（Exchange Rate）、国内生产总值（GDP）的数据（以2010年不变价计算）均来源于wind资讯经济数据库（2004Q1～2015Q2）。本研究对相关数据采用SPSS22软件进行处理。

在“重大节事或一次性突发事件”虚拟变量中， D10expo代表上海世博会，其数值在2010Q2、2010Q3、2010Q4为1，其余样本为0。

三、研究结果

（一）模型有效性

利用式（4），去掉那些在经济意义上存在不可接受性的或者在统计上不显著变量，得出估计结果，汇总到表1。在统计检验中，因采用“从一般到简单”的建模方法，模型中的各个自变量的 p值都小于0.05，t检验结果自动满足；澳大利亚、美国、德国、英国、韩国每个独立模型的 R2值分别为 0.962、0.904、0.838、0.934和 0.803，调 整 R2分 别 为 0.954、0.892、0.821、0.921和0.769，总体看各观测点离回归直线近，拟合程度较好；在回归方程显著性检验，即 F检验中，P值均小于 0.05，说明至少有一个自变量与因变量存在回归关系；在计量的诊断性检验中，我们分别进行正态性检验，自相关性检验和异方差性检验，发现反映回归的标准化残差的直方图总体对称，标准化残差的正态 P.P图中各散点均匀的分布或围绕直线周围，同时对标准化的残差进行正态分布检验， K.S检验和S.W检验的 p值（sig）都大于 0.05，满足正态性检验；澳大利亚、美国、德国、英国的需求模型中方差膨胀系数 VIF均小于10，满足多重共线性检验；韩国的需求模型中LAGS(LNPI,3)（价格对数的滞后三期变量）、LAGS(LNPI,4) （价格对数的滞后四期变量）方差膨胀系数 VIF分别为10.320和10.502，存在一定的共线性问题。标准化残差和标准化预测值的散点图都基本显示同方差情形，总体满足异方差检验；在模型汇总中，澳大利亚、美国、德国、英国、韩国各国的 Durbin Watson（DW）值分别显示 2.151、2.040、1.090、1.727和 1.983，均满足自相关检验。综上，各个模型均通过至少二个或二个以上的计量检验，我们确定最终模型。

表1 模型的估计结果，因变量为LnVAit

（二）模型的估计

可以发现，五个国家的模型中都不同程度受到本国经济水平（或其滞后期）的影响，但是只有澳大利亚和韩国受到旅游价格水平的显著影响。在上海入境旅游的潜在游客中，本国经济水平都是决定澳大利亚、美国、德国、英国、韩国等国是否出行到上海的主要因素。同时五个模型结果中都不同程度的受到旅游需求滞后期的影响，说明“口碑效应”在游客到上海旅游出行决策中扮演重要的角色。值得注意的是，5个模型中滞后期影响因素均大于0，说明上海的入境旅游拥有较好的口碑，并对潜在游客产生了较大的正面影响。

同时，我们也发现不同国家对上海旅游的季节性变化差异较大，但是总体来看，远程市场（澳大利亚、美国、德国、英国）的季节性特征较为明显，在一季度的虚拟变量中成显著负相关，这可能与上海一季度的气候有关。

从节事活动或者一次性突发事件来看，远程市场受到上海世博会的影响较大，受奥运会的影响不大，说明上海大型的节事活动会对远程客源市场起到一定的促进作用。

（三）需求弹性分析

旅游需求弹性是测定旅游需求量对其自变量变动反应的灵敏程度的一个尺度，旅游需求弹性对于旅游价格的决策和旅游政策制定提供直接的参考和依据。表2是根据表1计算出的各国的旅游需求弹性值。从表2中，我们发现旅游需求价格弹性小于0，收入弹性大于0，与预期相符，即旅游需求随着价格的增加而减少，随着收入的增加而增加，符合一般经济规律。

从自身价格弹性来看，韩国对上海的旅游需求缺乏价格弹性（弹性小于1），适当提高旅游产品的价格对韩国游客只会产生较小幅度的影响，即适度的提高旅游产品价格，虽然在韩国赴上海的游客量会略有减少，但是总体收益却能够上升。而澳大利亚对上海的旅游需求富有价格弹性（弹性大于1），上海旅游产品价格的提高会对澳大利亚游客产生较大幅度的影响，并导致旅游收入的降低，因此上海在对澳大利亚进行旅游产品定价时可以适当的降低旅游价格进行促销，从而大幅提升旅游人次，增加澳大利亚赴上海的旅游总收益。

从旅游收入弹性来看，五个国家的旅游需求对其收入变动的反应程度不同。英国的收入弹性系数小于1，不管其收入如何变化，对上海入境旅游的需求总是相当稳定的。而澳大利亚、美国、德国、韩国等国家的旅游需求对收入富有弹性，经济水平的进一步发展，这四个国家对上海的旅游需求会有更大幅度的增加。特别时澳大利亚的收入弹性达到4.684，其每季度经济发展水平的变化极大的影响澳大利亚潜在游客到上海的出行决策。

表2 上海入境旅游需求弹性值

四、讨论和不足

（一）结果讨论

第一，上海相对旅游价格水平对入境客源国市场缺乏吸引力，客源国经济发展水平显著影响游客到上海的出行决策，这一结论在金建江（2015）的研究中得到印证[20]。5个国家的建模过程中发现，只有澳大利亚和韩国两个亚太国家受上海相对旅游价格的显著影响，其它欧美国家对于旅游价格影响均不显著。上海作为国际大都市，其旅游产品的性价比在世界范围内并不具有优势，吸引力不足以显著影响入境旅游客源市场。同时，建模发现客源国经济发展水平（参照GDP统计数据）对赴上海旅游产生显著影响。因此，在旅游价格和游客经济水平两个方面，上海在促进入境旅游提升上的努力空间有限，更多依赖于世界整体经济水平的提升和影响游客出行的其它因素。

第二，世界级的大型节事活动对上海远程旅游市场影响显著，营造好的口碑效应对入境旅游市场会有较大促进。上海世博会效应对欧美及澳大利亚的旅游有显著的促进作用，这是重大节事活动对旅游促进作用的集中体现，因此上海旅游局在远程市场旅游促销时可以更多的考虑上海重大节事活动的针对性促销。同时，研究也发现，好的口碑效应对入境旅游市场的促进作用更为显著，因此营造世界范围内良好的旅游口碑显得十分重要，而好口碑的形成是以优质的旅游服务质量为前提的。

第三，上海入境旅游促销应该充分考虑近程和远程市场差异，有效区分季节性特征。研究发现，旅游的近程和远程市场无论在季节性还是节事活动的影响均存在较大差异。从季节性来看，第一季度是上海入境旅游淡季，上海旅游局可以用更为详细的客源数据分析第一季度游客量较低的原因和具体月份，这样可以针对性的进行改善和营销，提升淡季入境旅游人次。同时近程和远程市场受节事活动不同程度的影响、欧美和亚太市场受相对旅游价格的不同表现都可以成为上海入境旅游决策的参考依据。

（二）研究不足

第一，本次研究为定量研究，通过建模分析得出上海入境旅游市场影响因素包括客源国居民收入、上海相对客源国的旅游产品价格、季节性、世博会、滞后期形成的口碑效应等。但是，对于影响因素的探究毕竟有限，诸如政治因素、居民好客程度等因素均未考虑在内，需要进一步的研究加以判断。

第二，本次研究仅通过现有10多年的季度数据进行建模分析，存在一定局限性。比如第一季度显著的负相关可能只是由于春节原因集中在一个月中，这样的研究需要基于月度数据进行更为准确有效。同时，本次研究没有在建模的基础上进行预测，是下一步研究重点关注的课题，也是给上海旅游决策更为直接的依据。

[1]国家旅游局.2015年中国入境游市场现状[OL].http://www.dotour.cn/article/16086.html, 2015-8-22.

[2]中国旅游研究院.《中国入境旅游发展年度报告2015》发布[OL].http://travel.enorth.com.cn/system/2015/11/19/0306 40034.shtml, 2015-11-19.

[3]上海旅游局.2015年全年上海旅游市场监测报告[OL].http://lysh.eastday.com/lyj/Scenic_A/zxzx/u1ai1876.html，2016-2-6.

[4]保继刚,楚义芳,彭 华.旅游地理学[M].北京: 高等教育出版社, 1993.

[5]Gang L.Tourism Demand Modeling and Forecasting: A Review of Literature Related to Greater China[J].Journal of China Tourism Research, 2009, 5(1):2-40.

[6]周寒琼.杭沪苏旅游目的地形象比较研究——以韩国旅游者为例[J].中南林业科技大学学报(社会科学版),2014, 8(6):19-22.

[7]张广瑞.90年代东亚与太平洋地区国际旅游需求的变化[J].旅游学刊, 1991(3):60-63.

[8]Jørgensen F, Solvoll G.Demand models for inclusive tour charter: The Norwegian case[J].Tourism Management, 1996,17(1):17-24.

[9]Song HaiYan, Turner, L, Dwyer, L, et al.Tourism Demand Forecasting[J].University of Bradford, 2006:89-114.

[10]欧阳润平, 胡晓琴.国内外旅游需求研究综述[J].南京财经大学学报, 2007, 145(3):80-83.

[11]金胜权.国际旅游需求影响因素分析[D].延边大学, 2013.

[12]费宝刚, 白雪梅.国外单方程计量经济模型在旅游需求预测中的应用研究回顾[J].统计与咨询, 2008, 145(6):20-21.

[13]Ayeh J K, Lin S S.‘Estimating tomorrow’s tourist arrivals’:Forecasting the demand for China’s tourism using the generalto-specific approach[J].Tourism & Hospitality Research, 2011,11(3):197-206.

[14]Song H, Witt S F.Tourism Forecasting: The General-to-Specific Approach[J].Journal of Travel Research, 2003, 42(1): 65-74.

[15]Song H, Wong K K F, Chon K K S.Modelling and forecasting the demand for Hong Kong tourism[J].International Journal of Hospitality Management, 2003, 22(4):435-451.

[16]Tukamushaba E K, Lin ShanShan [Lin, S.S.V.], Bwire T.Modeling and Forecasting Inbound Tourism Demand for Long-Haul Markets of Beijing[J].Journal of China Tourism Research,2013, 9(4):489-506.

[17]王纯阳, 黄福才.基于“一般到简单”建模法的入境旅游需求研究[J].统计研究, 2010, 27(5):87-95.

[18]Baron R R V.Seasonality in tourism : a guide to the analysis of seasonality and trends for policy making[J].Economist Intelligence Unit, 1975.

[19]Song H, Witt S F.Tourism demand modelling and forecasting:modern econometric approaches[M].Oxford: Pergamon, 2000: 37.

[20]金建江,吴雪飞,杨东旭.一般到特殊的入境旅游需求建模及分析[J].中南林业科技大学学报(社会科学版),2015, 9(4):38-43.

Modeling and Analyzing Shanghai Inbound Tourism Demand

JIANG Guohua1, LI Jian2
(1.Zhejiang Business College, Hangzhou 310053,Zhejiang , China; 2.School of Health &Tourism, Zhejiang Agricultural & Forestry University,Hangzhou 311300, Zhejiang，China )

Through the 2004-2015 quarterly data analysis，the main objective of this paper is to identify the most influencing factors which contribute to the demand Shanghai’s inbound tourism in five tourist generating destinations,including Australia, the United States, Germany, the UK and South Korea, using the autoregressive distributed lag model(ADLM).The general-to-specific modeling approach is followed to the model.Empirical results reveal that the relative tourism price level of Shanghai lack of attraction to the inbound tourist market, tourist economy development level significantly affected the tourists to Shanghai travel decision-making; World class mega events and word of mouth effect are still the crucial determinants of the tourism flows from five international markets；Shanghai inbound tourism market has the typical characteristics of seasonal differences, short distance and long distance market significantly.

inbound tourism ; ADLM; demand elasticity ; Shanghai

F592

A

1673-9272(2016)05-0090-05

10.14067/j.cnki.1673-9272.2016.05.016 http: //qks.csuft.edu.cn

2016-07-27

国家社科基金项目“国民休闲基本理论与发展体系——基于益效观的国民休闲政策研究”（10BGL047）。

姜国华，讲师，硕士。

李 健，副教授，硕士生导师；E-mail：lijian@zafu.edu.cn。

姜国华，李 健.上海入境旅游需求的建模分析[J].中南林业科技大学学报（社会科学版），2016, 10(5):90-94

[本文编校：徐保风]