出境旅游需求的影响因素

蒋依依++刘祥艳++宋慧林

[摘 要]根据微观经济学的需求理论，结合相关研究进展，文章构建了包括基本经济因素（收入和相对价格）、对外开放度、旅游业发展水平、人口统计特征、突发事件等变量在内的出境旅游需求模型，以74个国家/地区1995—2013年的数据为样本，分析了发达经济体和发展中经济体出境旅游需求影响因素的总体特征与异同。结果表明，收入和价格是影响出境旅游需求的决定性因素，对外开放度、旅游业发展水平、人口统计特征及突发事件等其他因素对出境旅游需求同样具有一定的影响。其中，收入、价格以及产业发展水平对发展中经济体出境旅游需求的影响作用相对更大，而对外开放度和人口统计特征（就业水平、年龄结构和受教育水平）对发达经济体出境旅游需求的影响更加显著。

[关键词]出境旅游；旅游需求；影响因素；国际比较

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2017）01-0012-10

Doi： 10.3969/j.issn.1002-5006.2017.01.007

引言

国际旅游由于在国际收支平衡等方面的重要作用，备受各国普遍关注。其中，出境旅游的发展已经成为一个国家与地区旅游业以及社会经济发展水平的重要标识。从旅游业发展的历史趋势来看，国际旅游市场数十年来保持持续增长态势，且在2008年金融危机之后得以迅速恢复，表明出境旅游正在成为刚性需求。国际出境过夜旅游人次从1950年的2530万人次增加到2014年的11.38亿人次，增长了将近44倍。国际旅游消费支出从1950年20亿美元增加到2014年的12 450亿美元，增长了621倍1。

受惠于国民经济的持续高速增长，发展中经济体的消费水平提升显著，特别是中等收入群体迅速扩大，派生出巨大的出境旅游需求。其中，以金砖四国的出境旅游发展最具代表性。中国、巴西、印度、俄罗斯四国出境人次与消费支出近年来大幅度增长。UNWTO数据显示，2013年四国出境旅游总人次超过1.77亿，同时2009—2013年其出境旅游人次年均增长率在8.43%～16.65%之间，出境旅游消费的年均增长率在4.28%～27.79%之间2，充分说明以金砖四国为代表的发展中经济体客源地正在崛起。根据UNWTO发布的《2030年全球旅游展望研究报告》，发展中经济体未来将成为世界主要的出境客源国，同时将成为世界旅游经济平稳运行的重要动力。

伴随中国出境旅游市场的持续增长，及其在目的地经济格局与社会领域中作用的不断彰显，中国出境旅游发展得到了国内外学术界的重视。境内外学者围绕中国出境旅游市场概况、主要特征、影响因素以及发展趋势等方面展开了较充分的研究[1]。其中，对出境旅游需求影响因素的研究成为学术领域持续关注且不断深化的主题之一。特别是对引发中国出境市场快速扩展的影响因素的辨析研究成为热点，并存在显著争议。作为一个发展中经济体，长期以来旅游业一直是我国赚取外汇的重要产业。但近年来出境旅游市场的高速增长与入境旅游市场的增长趋于稳定形成反差。政府主管部门与学术界都对中国出境旅游消费快速扩大的现象给予了高度关注，甚至提出征收出境旅游税等措施抑制出境旅游需求。在这一产业发展转折的重要节点，如何有效识别和度量出境旅游市场，特别是发展中经济体出境旅游市场快速增长背后的原因，对中国出境旅游市场政策的制定与实施具有重要的理论指导意义。

从国际经验来看，出境旅游的增长是否是客源地社会经济发展的必然结果？对于社会经济发展水平不同的客源地，影响出境旅游发展的因素是否存在较大的差异？为给予上述问题科学的解答，本文首先通过国际比较，从客源地视角对普遍影响出境旅游市场的因素进行深入探讨，并进一步针对处在不同发展水平的经济体，对比分析出境旅游需求影响因素的异同。以国际出境旅游发展，尤其是发展中经济体出境旅游发展的一般性规律，来审视正处于从发展中向较为发达经济阶段过渡的中国，其出境旅游快速发展的影响因素，并为中国出境旅游市场政策的制定指明方向。

1 文献综述

1.1 国际旅游需求影响因素

国际旅游需求影响因素的研究最早始于20世纪60年代。最早的文献可以追溯到Guthrie在1961年关于地理位置、对外贸易和移民对一国入境旅游收入的影响分析，研究发现与富裕国家或者出境大国相邻的地理位置对入境旅游需求的影响最大[2]。之后，国际旅游需求影响因素研究的文献不断涌现。Crouch等学者先后对该领域进行了详尽的研究综述[3-6]。

基于1960—1980年间发表文献，Crouch梳理出国际旅游需求的主要影响因素包括：收入、价格、目的地营销、政策与事件等[3]。类似地，Lim根据1961—1994年的研究文献发现影响国际旅游需求的主要因素有：收入、旅游价格、相对价格、交通成本、汇率、人口统计特征（性别、年龄、受教育程度、就业、职业）、民族或移民因素、目的地营销、旅游吸引力（气候、文化、历史和自然环境、节事）、季节性等[4]。Peng根据1980—2011年的研究进一步总结出人口规模、收入分配及不公平程度、对外直接投资等因素[5]。Li等针对20世纪90年代以来的文献研究发现，由于交通成本的估算难度，只有少量研究继续使用交通成本这一影响因素[6]。总体而言，收入和价格一直是最为核心的影响因素。因此，可以把旅游需求函数表示为：

TD=F（Inc， P， Xi）

其中，TD为旅游需求，Inc为收入，P为价格，Xi为其他因素。

旅游需求一般采用旅游人次、旅游消费/收入、旅游出口/进口额、目的地停留时间、住宿设施停留时间等变量进行表征[4]。1990年以后的研究主要使用旅游人次和旅游消费作为国际旅游需求的代理变量[6]。而2000年以后的研究更多地使用旅游人次作为国际旅游需求的代理变量[7]。

对于收入而言，可支配收入是其最理想的操作变量，但由于数据难以获取，常用的变量为名义/实际GDP、GNP或者人均GDP以及人均GNP[4]。价格因素常用的变量包括：目的地旅游产品和服务价格（相对价格）、影响购买力的汇率、两地之间的交通成本、旅行时间的机会成本（长距离旅行），以及抵消到特定旅游目的地旅行风险的“溢出”价格等[3]。其中，游客购买的一揽子产品和服务的旅游价格指数很难测算，因而经常采用消费者价格指数来代替。相对价格一般采用目的地和客源地的CPI之比来表示，并用汇率对其进行调整[4]，也有学者将消费者价格指数、酒店价格指数或者与旅游消费相关的产品/服务价格进行加权来表示旅游价格。汇率除了被用来调整相对价格外，也常被作为独立的变 量[3]。交通成本常用航空机票价格、旅行距离或者汽油价格来表示[5]。此外，单个竞争性目的地或者多个竞争性旅游目的地加权的旅游价格也可构成替代价格[7]。

收入正向影响国际旅游需求，是最为重要的影响因素。价格往往负向影响国际旅游需求。根据Crouch的统计，收入弹性为正值，均值为1.86，标准差为1.78，价格弹性为负值，均值为-0.63，标准差为2.31[8]。根据Peng等最新的统计，收入弹性的均值为2.526，价格弹性的均值为-1.281[5]。收入和价格弹性受到研究及数据特征的影响，具体包括选择的客源地、目的地，研究文献发表的时间、数据频度，旅游产品类型（住宿、交通、探亲访友、度假、商务旅行、旅游目的地及其他）、旅行距离，旅游需求的测量方法、选择的模型等[5]。此外，收入和价格弹性在长、短期也有所不同，二者的长期弹性更大，表明收入和价格对旅游需求的长期影响更大。

1.2 国际旅游需求影响因素的国际比较

已有文献较少涉及出境旅游需求影响因素的国际比较。根据Li等的研究，相关文献多以一个或数个国家（地区）作为研究对象，且研究对象主要集中在西欧、北美等发达经济体[9]，针对发展中经济体的研究较为缺乏。仅有少数学者对比了多个研究对象，如Dwyer等从影响旅游需求的主要因素出发，构建了旅游价格指数，以此来评估19个目的地国家的旅游竞争力[10]。目前国内有少数学者已经开始关注出境旅游影响因素的国际比较分析。雷平等利用44个国家（地区）的面板数据，研究了人均GDP和人口规模对出境旅游率的影响[11]。戴学锋等以世界上95个国家（地区）为研究样本，按照面积大小进行分组，利用门槛面板模型分析了不同样本组居民收入水平和出境旅游率之间的非线性关系[12]。

总体而言，现有文献对国际旅游需求的影响因素进行了广泛研究，得到了许多有价值的结论。不同国家之间由于经济社会发展背景的不同，出境旅游发展的阶段与特征不尽相同，相同因素在不同国家中作用也必然有所差别[13]，而现有研究对此鲜有涉及。本文试图从客源地视角分析各相关因素对一国出境旅游需求的影响，并识别这些因素对发达经济体与发展中经济体出境旅游需求影响的差异，在把握出境旅游需求影响因素共性的基础上，更好地理解和把握包括中国在内的发展中经济体出境旅游需求影响因素的特殊性。1

2 研究设计

2.1 样本选择与分类

根据数据的一致性和可获得性原则，本文选取74个国家1995—2013年数据作为研究样本。选取的国家覆盖了世界上主要的出境旅游客源国，其中包含了经济发展阶段与中国有一定相似性的其他金砖三国（巴西、印度和俄罗斯）。按照联合国统计委员会2014年的定义，样本中包括30个发达经济体，44个发展中经济体①。样本国家的出境旅游人次和出境旅游花费占全球总量的比重分别为64.3%和86.7%，保证了样本的代表性和典型性。本文的研究区间为19年，面板数据是非平衡的。

2.2 模型、变量与数据说明

基于已有研究成果以及微观经济学的需求函数理论，在筛选国际旅游需求影响因素时，本文首先考虑了核心影响因素——收入和价格。对于其他变量，根据指标的代表性与数据的可获取性，本文选择了客源地人口规模、人口统计变量（就业水平、受教育水平、年龄结构）、对外开放度（贸易开放度和互联网普及率）和旅游业发展水平。增加贸易开放度和互联网普及率指标的原因在于已有研究已经验证了贸易开放度对国际旅游需求的影响[14-16]，同时，也有学者发现互联网的使用可以降低旅游交易的信息不对称，进而对国际旅游需求同样具有带动作用[17]。增加旅游业发展水平变量是考虑到Li 等发现已有研究在分析国际旅游需求影响因素时通常没有涵盖供给因素[6]，而最新研究已经开始关注供给因素的影响，如通过新闻报道量[18]、世界遗产地数量[19-20]来验证供给侧对国际旅游需求的影响。

基于旅游需求方程TD=F（Inc， P， Xi），最终设定客源地视角下的基本回归方程（1）。计量软件采用Stata12.0。

lnYit=c+b1ln（pgdpit）+b2ln（excrit）+b3ln（infit）+

b4ln（trdrit）+b5ln（intuit）+b6ln（indus）+

b7ln（empit）+b8ln（ageit）+b9ln（eduit）+ui+eit （1）

其中，i代表国家，t代表年份，Yit为因变量，c为常数项，ui为各个国家的个体效应，eit为误差项。

为比较出境旅游需求的不同衡量指标所带来的差异，被解释变量Y包括常被用来衡量旅游需求的出境旅游人次和出境旅游花费[21]。为表征人口规模的影响，被解释变量分别设定为出境旅游率（poutb）和出境旅游花费率（poutp）。其中， poutb=出境旅游人次/总人口×100%，poutp=出境旅游花费/总人口。出境旅游人次和花费的数据从世界旅游组织、《旅游统计年鉴》、《旅游统计手册》及数据资料整理而成，人口数据来自联合国人口司的人口普查报告及其他国民统计刊物，数值是年中估计值。出境旅游人次是指从惯常居住国去往任何其他国家、其目的不是在所访问的国家从事获取报酬活动的游客数量，出境旅游花费包括游客在境外目的地的支出以及国际交通费用（现价美元）。为剔除价格波动的影响，根据美国CPI数据，将出境旅游花费转化为以2005年为基期的不变价美元数据1。

本文所使用的解释变量含义及数据来源说明如下：

Pgdp为以2005年不变价美元计算的人均GDP。该变量数据来自世界银行国民经济核算以及经济合作与发展组织国民经济核算数据。

Excr为官方汇率。该变量数据来自国际货币基金组织的《国际金融统计》。原数据为1个单位本国货币可以兑换的美元金额。为了剔除各国货币单位的影响，更好地反映一国货币相对美元的价格（升/贬值），本文以2005年为基期（2005=100）对原数据进行了重新处理。

Inf为按消费者价格指数（CPI）衡量的通货膨胀水平（年通胀率）。该变量数据来自国际货币基金组织《国际金融统计》和数据文件。这一变量可以衡量一国国内物价水平的波动。物价水平直接影响消费者的消费支出总额和结构，进而可能影响到出境旅游需求。

Trdr为贸易额占一国GDP的比重。该变量数据来自世界银行国民经济核算以及经济合作与发展组织国民经济核算数据。该变量被用来反映一国贸易开放度。一般而言，一国开放度越高，国际商务旅游需求越大[22]，进而带来更多的出境旅游需求。

Intu为互联网普及率，即互联网用户占总人口的比重。该变量数据来自国际电信联盟世界电信/ICT发展报告和数据库以及世界银行的预计。该变量同贸易开放度一起反映一国的对外开放水平。互联网普及率可以反映一国国民对境外旅游目的地国家/地区的了解程度以及旅行服务购买、结算的便利程度。

Indus为一国入境旅游收入占该国GDP的比重。其中，入境旅游收入数据为世界银行数据库中的“国际旅游收入”，包括入境游客在一国的支出和国际运输费用。该指标用以反映一国旅游业服务水平2。入境旅游收入数据来源于世界旅游组织《旅游统计年鉴》与《旅游统计手册》。GDP数据来自世界银行国民经济核算以及经济合作与发展组织国民经济核算数据。

Emp为就业率。该变量通过“长期失业率”计算，用以表征一国就业水平。长期失业率数据来自国际劳工组织的劳动力市场主要指标数据库。

Age为65岁及以上人口占总人口的比重，作为一国年龄结构的代理变量。该变量数据来自相关普查报告、联合国人口司的《世界人口前景》、各国统计局、国家机构进行的住户调查以及宏观国际等各方面的资料。

Edu高等院校入学率，为一国居民受教育水平的代理变量，是指大学（ISCED 5和6）在校生总数占中学之后5年学龄人口总数的百分比。该变量数据来自联合国教科文组织统计研究所。

以上各个变量的描述性统计如表1。

3 研究过程

首先，对本文使用的面板数据是否存在组间异方差及组内自相关问题进行检验；其次，根据检验结果确定模型的估计方法，并对模型做必要的修订；第三，分析各变量对于出境旅游需求的影响；第四，对比各变量对发达经济体和发展中经济体出境旅游需求影响的差异。

3.1 模型检验与估计方法选择

Hausman检验结果表明应该采用固定效应模型，进一步检验发现在固定效应模型下存在异方差，导致传统的Hausman检验失效。因此，需要对采用固定效应还是随机效应模型进行重新检验，这可通过xtoverid命令来实现[23]，其检验结果表明仍应采用固定效应模型。同时，鉴于样本的时间序列较长，有必要对模型进行组内自相关检验，该检验结果表明存在组内自相关。检验模型是否存在多重共线性通常看方差膨胀因子（variance inflation factor，VIF）的值。经验判断认为，当0

异方差问题不会改变参数估计值，但是会使参数的检验失效。而自相关问题使最小二乘法（OLS）估计的方差值增大，t检验和F检验失效，预测的精度降低。在存在异方差的情况下，需要构建辅助回归，使用聚类稳健标准误进行检验[24]。由于固定效应模型估计不能同时解决异方差和自相关问题，因此本文采用可行广义最小二乘法（FGLS）进行估计，为兼顾个体效应，采用与固定效应模型等价的“最小二乘虚拟变量模型”（least square dummy variable model，LSDV），将各个国家作为虚拟变量来表示个体固定效应ui。此外，经检验，模型存在时间效应，由此，在模型中加入年份虚拟变量，得到方程（2）。

lnYit=c+b1ln（pgdpit）+b2ln（excrit）+b3ln（infit）+

b4ln（trdrit）+b5ln（intuit）+b6ln（indus）+b7ln（empit）+

b8ln（ageit）+b9ln（eduit）+[n=274λnDn]+[i=19962013δiTi]+eit （2）

其中[Dn]为国家虚拟变量，[Ti]为年份虚拟变量。

在固定效应模型中可以通过使用聚类稳健的标准差来修正异方差问题，虽然仍不能解决自相关问题，但为比较同FGLS估计结果的差异，仍然将其回归的结果保留（表3）。总体看来，不同的估计方法下，各解释变量对出境旅游需求的影响作用基本一致，但是影响程度和显著性水平有所差异。FGLS估计得出的参数标准误（standard error）比OLS估计小的多，可见，FGLS估计在解决异方差和自相关问题的同时，估计结果更为有效。

3.2 出境旅游需求影响因素分析

根据表3第2和4列，笔者发现：

（1）无论对于出境旅游率还是出境旅游花费率，表征收入水平的人均GDP和表征相对价格因素的汇率和国内物价水平仍然是核心的影响变量。该结果符合微观经济学的需求理论。一个国家和地区经济增长所带来的人均收入增长，客源地货币购买力增加以及客源地物价水平下降所带来的消费能力提升都会对出境旅游需求具有正向影响。其中，收入的影响最为显著，出境旅游率和出境旅游花费率的收入弹性分别为1.078和1.220。由于本研究限于只能从客源地的角度来获取表征相对价格的变量和数据，价格的影响可能被低估。事实上，在研究具体客源地对特定目的地的旅游需求时，价格的影响往往更大[25]。

（2）表征一国对外开放程度的贸易开放度和互联网普及率对出境旅游需求的影响有待根据具体的目的地和客源地情况做进一步验证。其中，贸易开放度同出境旅游需求存在负相关关系。Kulendran等的研究表明贸易开放度2对入境商务旅游总人次具有显著的正向影响[22]，但本文的研究与该结论存在一定差异，需做进一步验证。贸易往来的频繁一定程度上可以降低贸易中的交易成本，进而降低出境旅游花费，因而贸易开放度对出境旅游花费率具有负向影响。互联网普及率对出境旅游需求具有正向影响，但其对出境旅游花费率的影响在统计上不显著。基于互联网大数据的旅游信息传递和更新，一定程度上降低了交易双方的信息不对称，丰富、及时的旅游信息激发了人们的出境旅游意愿，使得出境旅游人次显著增加。1

（3）表征旅游业发展水平的入境旅游收入占GDP比重对出境旅游需求具有正向影响，其中对出境旅游花费的影响较大，且在统计上显著。根据宫园园等对中国旅游国际和国内总收入所表征的旅游业发展水平对中国居民消费结构的影响研究，旅游业发展水平的提升对教育文化娱乐消费提高的关联性最强[26]。出境旅游作为一国国民教育文化娱乐消费的构成部分，本研究进一步印证了这一观点。

（4）包括就业率、65岁及以上人口占总人口的比重、高等院校入学率在内的人口统计变量对出境旅游需求的影响较为复杂，且显著水平不一。根据回归结果的显著性水平，就业率对出境旅游需求的影响最为显著，依次是年龄结构和受教育水平。首先，较高的就业率一方面意味着闲暇时间较少从而抑制出境旅游率，另一方面意味着较高的收入，进而能够提升出境旅游花费。其次，65岁及以上人口比重越高的国家，出境旅游需求越少，表明老龄化对出境旅游需求具有负面的影响，同时也从侧面反映了出境旅游主体主要是年轻人这一客观事实。最后，受教育水平对出境旅游需求具有微弱的正向影响，其中，对出境旅游花费的影响较大，且在统计上显著。较高的受教育水平往往意味着较高的收入水平与出游需求，因而对出境旅游次数与花费均有一定程度的促进作用。

（5）年份虚拟变量的回归结果可以部分地反映出外部事件对出境旅游需求的影响。其中，1997年及随后几年年份虚拟变量的系数为负，一定程度上表明1997年爆发的亚洲金融危机对出境旅游需求具有负面的影响，尤其对出境旅游花费的影响显著。2003年年份虚拟变量的系数同样为负，部分说明2002年年底爆发的SARS对出境旅游需求具有负面影响，但影响持续时间较短。虽然2009年年份虚拟变量的系数为正，但是与2008年、2010年的年份虚拟变量系数相比，数值较小，一定程度上表明2008年下半年爆发的金融危机对出境旅游需求具有负面影响，但与1997年亚洲金融危机相比，影响持续时间较短，原因可能为中国等新兴客源市场的崛起拉高了全球出境旅游需求。

3.3 出境旅游需求的影响因素的国际比较

为比较不同社会经济发展水平下出境旅游需求影响因素的异同，文章对发达经济体和发展中经济体进行分样本回归，回归结果见表4。总体上看，影响发达经济体和发展中经济体的因素既有共同点，也存在比较明显的差异。

（1）在收入和相对价格方面，人均GDP和汇率对发达经济体和发展中经济体的出境旅游需求均具有正向的影响，但影响的强度不同。具体而言，收入对发展中经济体的影响最为显著，人均GDP每增加1%，发展中经济体出境旅游率和花费率分别增加1.37%和1.41%，但对发达经济体的影响为0.31%和1.09%。与收入的影响相类似，汇率对发展中经济体出游率和花费率均具有更大的促进作用。国内物价水平对发达经济体和发展中经济体出境旅游率的影响存在差异，但在统计上均不显著，而物价水平的上升对发达经济体和发展中经济体的出境旅游花费率均具有显著的抑制作用。

（2）表征对外开放度的贸易开放度和互联网普及率对发达经济体和发展中经济体出境旅游需求的影响存在较小的差异。总体而言，对发达经济体的影响更大。其中，贸易开放度负向影响发达国家出境旅游需求，但正向影响发展中经济体的出境旅游率，尽管统计上不显著。互联网普及率对发达经济体与发展中经济体的出境旅游率均具有显著的正向影响，但对发展中经济体的出境旅游花费率具有负向影响，但统计上不显著。

（3）旅游产业发展水平对于发达经济体和发展中经济体的出境旅游需求均具有正向的促进作用，但对出境旅游率的影响在统计上不显著。从整体上来看，旅游产业发展水平对发展中经济体的影响更大。

（4）人口统计变量对发达经济体和发展中经济体的影响存在较大的差异，总体上对发达经济体的影响更为显著。本文的回归结果表明，较高就业水平对出境旅游需求的抑制作用主要体现在发展中经济体的出境旅游率上。相对于发展中经济体，发达经济体受65岁及以上人口比例的负面影响更为显著。较高受教育水平对出境旅游需求的促进仅对发达经济体适用，对发展中经济体的影响在统计上不显著，且对发展中经济体出境旅游率具有负向影响，其原因可能与发展中经济体不太健全的带薪休假制度等有关。

（5）外部事件对发达经济体和发展中经济体的影响有所不同，对发达经济体的影响更加明显。年份虚拟变量的回归结果表明：1997年亚洲金融危机和2002年SARS疫情对发达经济体的影响更大，且在统计上显著；2009年全球金融危机对发达经济体的出游率与发展中经济体的出境花费率具有负面影响，但影响相对较小。

4 结论与讨论

4.1 研究结论

本文基于消费者需求理论及国际旅游需求研究进展，利用74个国家与地区1995—2013年的面板数据，在科学甄选估计模型及方法后，全面系统地分析了基本经济因素（收入和价格）、对外开放度、旅游业发展水平、人口统计特征、突发事件等各类因素对出境旅游需求的影响，并进一步分析了其对不同类型经济体的影响差异。研究结果表明：首先，收入和相对价格是影响出境旅游需求的主要因素，对外开放度、旅游业发展水平、人口统计特征及突发事件同样具有一定的影响，虽然部分因素的影响在统计上不显著。其次，影响发达经济体与发展中经济体出境旅游需求的因素明显不同。收入与价格因素对发展中经济体出境旅游需求的影响更加明显；包括贸易开放度和互联网普及率在内的对外开放度对发达经济体的影响更为显著；产业发展水平对发展中经济体出境旅游需求具有更大的正向影响，且对出境花费的影响更为明显；人口统计特征（就业水平的提高、65岁及以上人口的比重的增加以及受教育水平的提升）对发达经济体的影响更为突出。

4.2 创新与不足

相较于以往的研究，本研究在以下几个方面有所突破：首先，本文的研究分析基于较大的截面样本量和更长时间跨度的面板数据，为出境旅游需求产生的影响因素研究提供了更为充分、有效的实证支撑，进而保证了研究结论的客观性和准确性。第二，将样本分为发达经济体和发展中经济体两类，比较了在不同社会经济发展水平下，影响出境旅游需求的因素与影响程度的异同，弥补了这一研究的不足。最后，在模型及其估计的技术处理方面，选择了基于LSDV模型的全面FGLS估计方法，相比仅仅使用固定效应模型，其估计结果更为有效。研究同时存在不足之处。首先，受到数据限制，本文仅从客源地的视角探讨了影响出境旅游需求的因素，尚未考虑目的地视角以及客源地与目的地相关关联的其他因素。在客源地影响因素选择中，由于数据无法获得，也未能将闲暇时间、收入分配等指标纳入。其次，由于样本量的限制未能采用动态面板模型，不能反映出境旅游需求本身及其他影响因素的滞后效应。

4.3 研究启示

中国作为典型的发展中经济体，影响其出境旅游需求的因素同影响发展中经济体出境旅游需求的因素一致。具体而言，人均收入的快速增长、人民币对美元的持续升值以及旅游业发展水平的提升等因素是推动中国出境旅游市场快速增长的深层原因。从国际比较的结果来看，中国出境旅游的增长符合发展中经济体的一般规律，是社会经济持续发展的必然结果。同时，在市场不断扩展以及对于目的地社会经济发展意义不断提升的背景下，出境旅游对中国大国战略的作用在不断巩固。习近平总书记近年来多次在对外演讲中提及未来5年中国出境旅游的人次数，并将之与进口商品总额、对外投资总额等数据相联系，阐明中国在货物、服务与投资3个领域将持续为亚太与世界带来的巨大机会与利益，表明了出境旅游在中国顶层设计中的地位。因此，应该正确认识中国出境旅游的发展阶段与发展意义，制定能够引导中国出境旅游理性发展的市场政策，并充分发挥出境旅游在国家战略实施中的综合效应。

致谢：感谢西南财经大学工商管理学院吕兴洋副教授对本文的贡献。

参考文献（References）

[1] Cai L A， Li M， Knutson B J. Research on China outbound market： A meta-review[J]. Journal of Hospitality & Leisure Marketing， 2008， 16（1-2）： 5-20.

[2] Guthrie H W. Demand for tourists goods and services in a world market[J]. Papers in Regional Science， 1961， 7（1）： 159-175.

[3] Crouch G I. The study of international tourism demand： A review of findings[J]. Journal of Travel Research， 1994， 33（1）： 12-23.

[4] Lim C. Review of international tourism demand models[J]. Annals of Tourism Research， 1997， 24（4）： 835-849.

[5] Peng B， Song H， Crouch G I， et al. A meta-analysis of international tourism demand elasticities[J]. Journal of Travel Research， 2015， 54（5）： 611-633.

[6] Li G， Song H， Witt S F. Recent developments in econometric modeling and forecasting[J]. Journal of Travel Research， 2005， 44（1）： 82-99.

[7] Song H， Li G. Tourism demand modelling and forecasting： A review of recent research[J]. Tourism Management， 2008， 29（2）： 203-220.

[8] Crouch G I. Demand elasticities in international marketing： A meta-analytical application to tourism[J]. Journal of Business Research， 1996， 36（2）： 117-136.

[9] Li G， Song H， Witt S F. Recent developments in econometric modeling and forecasting[J]. Journal of Travel Research， 2005， 44（1）： 82-99.

[10] Dwyer L， Forsyth P， Rao P. The price competitiveness of travel and tourism： A comparison of 19 destinations[J]. Tourism Management， 2000， 21（1）： 9-22.

[11] Lei Ping， Shi Zulin. International comparison of the relationship between outbound tourism， service trade and economic development level[J]. Tourism Tribune， 2008， 23（7）： 28-33. [雷平， 施祖麟. 出境旅游， 服务贸易与经济发展水平关系的国际比较[J]. 旅游学刊， 2008， 23（7）： 28-33.]

[12] Dai Xuefeng， Sun Panpan. Non-linear relationships between income and outbound tourism rate： Empirical evidence based on threshold panel models[J]. Tourism Tribune， 2014， 29（9）： 13-23. [戴学锋， 孙盼盼. 收入与出境旅游率的非线性关系——基于门槛面板模型的实证证据[J]. 旅游学刊， 2014， 29（9）： 13-23.]

[13] Qiu H， Zhang J. Determinants of tourist arrivals and expenditures in Canada[J]. Journal of Travel Research， 1995， 34（2）： 43-49.

[14] Turner L W， Witt S F. Factors influencing demand for international tourism： Tourism demand analysis using structural equation modelling， revisited[J]. Tourism Economics， 2001， 7（1）： 21-38.

[15] Chin L. Dynamic model for international tourism demand for Malaysia： Panel data evidence[J]. International Research Journal of Finance and Economics， 2009， 33： 207-217.

[16] Ibrahim M A. The determinants of international tourism demand for Egypt： Panel data evidence[J]. European Journal of Economics， Finance and Administrative Sciences， 2011， 30： 50-58.

[17] Ramos C M， Rodrigues P M. The Importance of ICT for Tourism Demand： A Dynamic Panel Data Analysis[M]. New York： Springer， 2013： 97-111.

[18] Stepchenkova S， Eales J S. Destination image as quantified media messages： The effect of news on tourism demand[J]. Journal of Travel Research， 2011， 50（2）： 198-212.

[19] Su Y， Lin H. Analysis of international tourist arrivals worldwide： The role of world heritage sites[J]. Tourism Management， 2014， 40： 46-58.

[20] Yang C， Lin H. Revisiting the relationship between world heritage sites and tourism[J]. Tourism Economics， 2014， 20（1）： 73-86.

[21] Lim C. Review of international tourism demand models[J]. Annals of Tourism Research， 1997， 24（4）： 835-849.

[22] Kulendran N， Witt S F. Forecasting the demand for international business tourism[J]. Journal of Travel Research， 2003， 41（3）： 265-271.

[23] Chen Qiang. Advanced Econometrics and Stata Applications [M]. Beijing： Higher Education Press， 2010： 270. [陈强. 高级计量经济学及Stata应用[M]. 北京： 高等教育出版社， 2010： 270.]

[24] Wooldridge J M. Econometric Analysis of Cross Section and Panel Data[M]. Cambridge： MIT Press， 2010： 57.

[25] Munoz T G. German demand for tourism in Spain[J]. Tourism Management， 2007， 28（1）： 12-22.

[26] Gong Yuanyuan， Ai Hongzhi， Zhang Liangyong. The influences of China tourism industry development on residents consumption structure： Based on gray relational analysis[J]. China Collective Economy， 2009， （33）： 138-139. [宫园园， 艾宏志， 张良勇. 中国旅游业发展对居民消费结构的影响——基于灰色关联度的分析[J]. 中国集体经济， 2009， （33）： 138-139.]