上海旅游收入影响因子关系研究

林雯+高静

文章首先分析了上海旅游收入的影响因素。接着，把这些影响上海旅游收入的因素作为解释变量，以上海市1998年至2015年的统计数据作为研究对象，通过Stata12.0统计软件对上海市生产总值、国内旅游人数等影响因素进行相关性分析和回归分析，建立有关上海旅游收入构成的多元线性回归模型，从实证角度分析上海旅游收入增长的影响因子。

随着现代社会的不断发展，旅游业成为国民经济的一个新增长点，在整个社会经济发展中发挥着越来越重要的作用。为了促进旅游产业的未来发展，充分利用旅游业获得经济收益，本文以上海为例，定量分析影响上海旅游收入的因子。这里的旅游收入指的是，旅游接待部门（或国家、地区）在一定时期內通过销售旅游商品而获取的全部货币收入。

一、研究方法

本文以上海市1998年至2015年的统计数据作为研究对象，通过Stata12.0统计软件对上海市旅游收入及上海市生产总值等数据进行相关性分析和回归分析，针对上海市旅游产业与经济发展之间的关系进行定性描述和定量研究。

二、影响上海旅游收入的因子

为分析哪些具体的指标因素影响了旅游收入，我国学者通过不同的计量软件进行实证分析，但由于统计路径的不同和旅游关联产业数量的庞大，学者在一定程度上获得了不同的研究结论：学者蒋蓉华，周久贺（2010）在《基于灰色关联分析的国内旅游收入影响因素研究》一文中提出，影响旅游收入的主导因子包括城镇居民家庭人均可支配收入、职工年平均工资和人均国内生产总值，从实证的角度研究旅游收入与各影响因素之间的关联程度；国外学者ChewGing Lee（2012）以新加坡旅游为例，也论证了人均可支配收入对该地区旅游收入的影响。薛媛（2013）也在《基于多元回归模型的中国旅游收入影响因素研究》也验证了旅游人数和人均可支配收入对旅游收入存在显著正向影响的观点；Qizhi Yang（2011）以旅游资源丰富的四川省为例，具体分析四川省旅游收入构成。此外，国外学者在研究旅游收入方面，大多研究旅游收入的预测，其中比较有代表性的学者有Christina（2011）在《Signal Extraction and Forecasting of the UK Tourism Income Time Series： A Singular Spectrum Analysis Approach》在一文中利用SSA分析法提取旅游信号数据，包括旅游商业周期趋势、季节性等元素预测英国旅游收入。

因此，根据这些学者已提出的研究观点，本文基于前人的研究结果把上海市生产总值、城市居民人均可支配收入、接待国内旅游者数量、接待海外游客数量分别纳入研究对象，并且为了考虑到物价水平是否会给旅游收入统计带来影响，本文也把居民消费价格指数同时纳入研究对象的范围。此外，为了考虑旅游业发展和固定资产投资的关联性，在整个模型变量的确定过程中还全新引入了全社会固定资产投资变量。

三、建立模型

（一）设定模型形式

考虑一个关于影响旅游收入构成的方程：

Y=β0+βi Xi

其中，Y表示为旅游收入，计划用上海市旅游收入进行衡量，Xi为其他各种控制变量，βi是其他控制，β0是其他干扰项。

本文以上海市为实证研究区域，选用该市1998年至2015年的时间序列数据，通过Stata12.0统计分析软件对数据进行回归分析，根据旅游收入影响因素研究中的科学性、整体性和可行性等原则和其他学者的大量研究，同时结合上海市旅游人数现状特点，从大量序列资料中选取以下主要变量因子：上海市生产总值（x1）、城市居民人均可支配收入（x2）、接待国内旅游者（x3）、接待海外游客（x4）、居民消费价格指数（x5）、全社会固定资产投资（x6），将上海市旅游收入作为Y的因变量。

最终，修改线性回归分析模型为：

Y=β0+β1 X1+β2 X2+β3 X3+β4 X4+β5 X5+β6 X6+ε

式中上海市旅游收入作为因变量，β0作为常数项，βi（i=1….8）则为回归系数，ε则为随机项。其中β1、β2、β3、β4、β5、β6 为待估参数，满足了经典线性回归的五个基本假定：零均值、同方差、无自相关、解释变量与扰动项不相关和无多重共线性，可以使用普通最小二乘法（以下简称OLS）求出β1、β2、β3、β4、β5、β6的估计量。

Y（Tourism）定义为上海旅游收入，单位为亿元，计算1998年至2015年上海旅游收入，刻画上海旅游总收入趋势。x1（GDP）定义为上海市生产总值，单位为亿元，GDP作为衡量整个社会经济发展水平的指标，能够从经济大背景下分析区域经济发展状况对某地区旅游收入的影响。x2（Income）定义为城市居民人均可支配收入，单位为元，用于控制因人均收入对地区旅游总收入的影响。x3（Domestic）定义为接待国内旅游者的人数，单位为万人，考虑国内旅游人数是否会给该地区带来更多旅游收入。x4（Foreign）定义为接待海外游客的数量，单位为万人，考虑来沪入境旅游人数是否会给该地区带来更多旅游收入。x5（CPI）定义为居民消费价格指数，不同年份的物价水平差异、经济情况可能不同，所以加入这个变量控制年份的影响。x6（Investment）定义为全社会固定资产投资，单位为亿元，考虑到政府对旅游基础设施的投资和建设包括道路、交通、集散中心等等，将此变量加入回归，以控制城市基础设施带给旅游收入的影响。

另外，本文以上所有变量的研究数据通过中国人民共和国国家统计局、上海统计网站和上海旅游局网站等进行整理和汇总，均来自于1998年至2015年的《上海旅游年鉴》和《中国旅游统计年鉴（正本）》。因此，本文获取的数据具有相对的权威性，为本文的分析结论的真实性奠定了基础。

（二）数据描述性分析endprint

本文的数据属于定距变量，通过进行定距变量的描述性统计，可以通过Stata12.0得到变量数据的主要统计指标，例如均值、最大值、最小值。

（三）相关分析

由于每个变量的名称（name）显示较长，因此修改其标签（label）。计算这一组数据中两两变量的相关系数，同时对相关系数的显著性进行检验，sig表示显示显著性水平为0.01，由此得到了所有变量之间的Pearson相关系数。

分析结果，上海旅游收入和接待国内旅游者的人数相关系数为0.9757，在0.01的显著性水平上显著并且具有很强的相关性；综上所述，上海旅游收入和上海市生产总值（x1）、城市居民人均可支配收入（x2）、接待国内旅游者（x3）、接待海外游客（x4）、居民消费价格指数（x5）、全社会固定资产投资（x6）都具有较大的相关性。

（四）回归分析

以上海市生产总值（x1）、城市居民人均可支配收入（x2）、接待国内旅游者（x3）、接待海外游客（x4）、居民消费价格指数（x5）、全社会固定资产投资（x6）为自变量，将上海市旅游总收入作为Y因变量，进行多重共线性回归，运用普通最小二乘回归分析方法进行逐步回归，共有18个样本进行数据分析，模型的F（6，11）=125.59，P值（P>F）=0.0000，由此得出模型整体非常显著，；模型的可决系数（R - squared）是0.9856，模型修正的可决系数（Adj R - squared）是0.9778，因此模型的解释能力非常好。上述变量中，domestic变量的显著性P值高达0.999，因此剔除domestic变量。再次进行回归分析，模型整体解释能力都很好，但是income变量和cpi变量的显著性P值分别为0.228和0.146，因此再次剔除income变量和cpi变量进。

在进行多次回归后，各个变量的p值均以符合回归分析，其中foreign变量的系数标准误为0.5199116，T值为3.05，P值为0.009系数非常显著，95%的置信区间为[0.4721529， 2.7023552]。表中的其他变量P值均接近0左右，因此，最终最小二乘回归模型方程可以解释为：

y=0.2631761*x1 + 1.587252*x4 – 0.7973349*x6 + 897.6076

即：上海旅游总收入=0.2631761*上海市生產总值+1.587252*接待海外游客数量–0.7973349·全社会固定资产投资+897.6076

经过以上最小二乘法逐步回归分析，上海旅游总收入与上海市生产总值、接待海外游客数量、全社会固定资产投资有显著关系，但其中上海市生产总值、接待海外游客数量两个变量对上海旅游总收入总值起正向促进作用，每增加一个单位，上海旅游总收入将分别增加0.2631761、1.587252个单位。然而，全社会固定资产投资变量对旅游总收入的影响是负向的，每增加一个单位全社会固定资产投资，上海旅游总收入将减少0.7973349个单位，其他变量和上海旅游总收入有一定的关系，然而其作用并不十分显著。

（作者单位：上海对外经贸大学会展与旅游学院）endprint