山东省旅游外汇收入与入境旅游市场预测及关系研究
2020-03-14刘亚男
刘亚男
(山东师范大学 商学院, 济南 250300)
近年来,山东省的入境旅游业取得了较好的发展,旅游业已经成为全省经济发展的重要组成部分。山东省的旅游资源在数量和质量方面都比较好,不仅有文化圣地孔子故里,更有胶东半岛的黄金海岸线。在新形势下,研究如何促进山东省入境旅游业持续不断的发展,具有重要的现实意义。
灰色系统理论由我国著名学者邓聚龙在1982年创立,灰色预测法和灰色关联分析法是其主要研究内容之一。国内众多旅游专家和学者都通过灰色预测法和灰色关联分析法对旅游业的发展进行理论研究。邱亚利通过灰色预测法利用2007—2012年前三个季度旅游人数数据对2013、2014年旅游景点人数进行预测[1]。王鑫等人以53个沿海城市为区域研究对象,通过建立灰色预测模型分析中国沿海城市之间旅游业发展相对差异的变化趋势[2]。王玮琳等人通过灰色预测方法和灰色关联分析针对某区旅游景区安全事故进行研究,并运用GM(1,1)模型进行预测[3]。此外,也有众多学者运用灰色系统理论针对山东省旅游业进行研究,例如田敏等人运用灰色系统理论测算山东省旅游发展与经济增长的关联度,发现山东省旅游发展与经济增长各指标间有着良好的关联性[4]。周霓基于灰色系统理论,利用山东省2005—2010年入境旅游数据构建入境旅游游客量指标的GM(1,1)灰色预测模型,并对2011—2015年的入境旅游游客量进行预测[5]。
灰色系统理论主要以统计数据作为原始数据,其研究具有时效性。通过观察,对于近几年山东省旅游业的相关研究较少,特别是针对入境旅游方面。鉴于此,本文以山东省近几年的旅游统计数据为原始数据,以山东省入境旅游业为研究对象,综合运用灰色预测法和灰色关联分析分别对山东省旅游外汇收入和入境旅游人次进行预测和分析,并预测山东省旅游外汇收入和入境旅游人次的发展趋势,以及2019—2023年山东省入境旅游人次对旅游外汇收入的影响程度。
一、山东省旅游外汇收入预测
(一)GM(1,1)灰色预测模型的原理
GM(1,1)灰色系统预测是通过对原始数据进行处理并建立灰色模型,对系统的未来状态做出科学的定量预测。GM(1,1)模型是基于随机的原始时间序列,按时间累加后所形成的新的时间序列呈现的规律,可用一阶线性微分方程的解来逼近[6]。
X(1)可以建立拟合微分方程:
(1)
(2)
式(2)中,YM为列向量,YM=[X(0)(2),X(0)(3),…,X(0)(m)]T;B为构造数据矩阵:
(3)
微分方程式(1)所对应的时间响应函数为:
t=1,2,…,n
(4)
式(4)即数列预测的基础公式,式(3)对一次累加生成数列的预测值为:
(5)
根据式(5),可计算未来的预测值,但计算结果要进行精度检验来判断模型是否合理。将计算所得模拟值作一次累减,即X(0)(t)=X(1)(t)-X(1)(t-1),并与实际值进行残差和相对误差的精度检验。根据经验,相对误差越小越好,一般认为相对误差小于20%时,模型的残差检验是合格的,说明本模型可行,否则不通过检验。
(二)指标选取和数据收集
本文主要选取2010—2018年山东省旅游外汇收入(亿美元)、港澳台胞入境旅游人次(万人次)、亚洲其他地区入境旅游人次(万人次)、欧洲入境旅游人次(万人次)、美洲入境旅游人次(万人次)、大洋洲入境旅游人次(万人次)、非洲入境旅游人次(万人次)以及除此之外的其他地区入境旅游人次(万人次)作为原始数据,并通过GM(1,1)灰色预测模型分别对2019—2023年山东省旅游外汇收入及各个地区入境旅游人次进行预测。相关原始数据皆来源于《山东省统计年鉴》和《山东旅游统计便览》。
(三)山东省旅游外汇收入及入境旅游人次的灰色预测
1.山东省入境旅游外汇收入的灰色预测
通过数据收集,得到2010—2018年山东省旅游外汇收入的原始数据,如表1所示。
表1 2010—2018年山东省旅游外汇收入的原始数据
根据表1中数据,则原始序列X(0)=(21.6,25.5,29.2,27.3,27.1,29.0,30.6,31.7,33.6)。
对X(0)做一次累加生成1-AGO,可得X(1)=(21.6,47.1,76.3,103.6,130.7,159.7,190.3,222.0,255.6)。
由式(3)可知B矩阵为:
且YM=(25.5,29.2,27.3,27.1,29.0,30.6,31.7,33.6)T
因此,由式(2)可得:
即α=-0.033488;μ=24.778162。
将α和μ代入式(1)可得灰微分方程的白化方程:
将α和μ代入式(3)可得时间响应式:
X(1)(t+1)=761.522469e0.033488t-739.922469
根据上式可求得模拟值:
X(1)=(21.6,47.533289,74.349724,102.079380,130.753356,160.403811,191.063999,222.768304,255.552285)。
根据X(0)(t)=X(1)(t)-X(1)(t-1),对模拟值X(1)做一次累减,得还原值X(0)=(21.6,25.933289,26.816435,27.729656,28.673976,29.650455,30.660187,31.704306,32.783981)。
对模拟值与实际值进行残差和相对误差的精度检验,得到山东省入境旅游人次预测模型误差检验结果,如表2所示。
表2 山东省旅游外汇收入预测模型误差检验表
由表2可以得知,预测数据与实际数据最大相对误差为8.1629%,说明本模型可行,预测精度较好。因此,通过时间响应式计算并进行一次累减可得到2019—2023年山东省旅游外汇收入的预测值:
当t=10时,x(0)(10)=289.452709-
(255.552285) = 33.900424;
当t=11时,x(0)(11)=324.507596-
(289.452709) = 35.054887;
当t=12时,x(0)(12)=360.756260-
(324.507596) = 36.248664;
当t=13时,x(0)(13)=398.239356-
(360.756260) = 37.483096;
当t=14时,x(0)(14)=436.998921-
(398.239356) = 38.759565。
因此,可得2019—2023年山东省旅游外汇收入的预测结果,如表3所示。
2.山东省入境旅游人次的灰色预测
通过数据收集得到山东省2010—2018年港澳台入境旅游人次(万人次)、亚洲其他地区入境旅游人次(万人次)、欧洲入境旅游人次(万人次)、美洲入境旅游人次(万人次)、大洋洲入境旅游人次(万人次)、非洲入境旅游人次(万人次)、除此以外世界其他地区入境旅游人次(万人次)的原始数据,如表4所示。
表3 山东省2019—2023年旅游外汇收入预测值
根据表4的原始数据,运用GM(1,1)灰色预测模型分别对不同地区的入境旅游人次进行灰色预测。对模拟值与实际值分别进行残差和相对误差的精度检验,检验通过后,通过时间响应式计算并进行一次累减可得2019—2023年世界各地区来山东省的入境旅游人次预测值,如表5所示。
二、山东省旅游外汇收入的关系研究
(一)灰色关联分析的原理
灰色系统理论中的灰色关联分析方法是一种对不同系统之间或同一系统内部不同要素之间在不同的发展阶段随时间产生相对变化的定量比较研究方法[7]。
首先,选取研究对象并确定指标,确定参考数列X0和比较数列Xi(其中,i=1,2,…,N),记年份为t(其中,t=1,2,…,M)。由于各指标的原始数据之间量纲不同,就必须对原始数据进行无量纲化处理,以实现数据的可比性。通常采用初值化或均值化的方法对原始数据进行无量纲化处理,本文采用初值化方法,计算公式为:
(6)
通过式(6)将原始数据初值化,得到无量纲化后的结果。
表4 2010—2018年山东省入境旅游人次的原始数据
表5 山东省2019—2023年入境旅游人次预测值
然后,对参考数列X0与比较数列Xi进行绝对差值计算,计算公式为:
(7)
然后,通过公式(8)计算参考数列X0与比较数列Xi的灰色关联系数ξi(t)。其中,Δmin和Δmax分别为绝对差值的两级最小值和两级最大值;k为分辨系数,取值范围为k∈[0,1],一般取k=0.5。
(8)
最后,通过公式(9)计算参考数列X0与比较数列Xi的灰色关联度γi,γi值越接近1,则表示关联度越高。
(9)
(二)数据来源与指标选取
以前文根据GM(1,1)灰色预测模型所计算的山东省旅游外汇收入预测值及世界各个地区来山东省旅游人次预测值为原始数据,对山东省2019—2023年入境旅游市场进行灰色关联分析。以旅游外汇收入预测值(X0,单位为亿美元)作为参考序列,以港澳台入境旅游人次预测值(X1)、亚洲其他地区入境旅游人次预测值(X2)、欧洲入境旅游人次预测值(X3)、美洲入境旅游人次预测值(X4)、大洋洲入境旅游人次预测值(X5)、非洲入境旅游人次预测值(X6)以及除此之外的其他地区入境旅游人次预测值(X7)为比较数列(以上单位均为万人次),通过灰色关联度分析上述地区2019—2023年入境旅游人次对山东省旅游外汇收入的影响程度。
(三)山东省旅游外汇收入的灰色关联分析
记年份为t,2019年则为t=1,以此类推。根据前文计算可得2019—2023年山东省旅游外汇收入及有关地区入境旅游人次的预测值,如表6所示。
根据公式(6)对原始数据进行初值化,去除原始数据的量纲影响,获得原始数据初值化后的结果,如表7所示。
根据公式(7)计算X0与其他各影响因子的绝对差值,获得绝对差值矩阵,如表8所示。
由表6可得两级最小值Δmin=min min Δi(t)=0和两级最大值Δmax=max max Δi(t)=0.3120。由此,可通过公式(8)计算灰色关联系数,令分辨系数k=0.5,可得各影响因子的关联系数,如表9所示。
根据公式(9),通过计算每一组灰色关联系数的平均数获得各影响因子的关联度,并将关联度由大到小进行排序得到关联序,如表10所示。
表6 2019—2023年山东省旅游外汇收入以及有关地区入境旅游人次预测值
表7 无量纲化结果
表8 X0与其他各影响因子的绝对差值
表9 各影响因子的关联系数
表10 2019—2023年山东省有关地区入境旅游人次对旅游外汇收入的关联度和关联序
三、结论和建议
(一)结论
根据2010—2018年山东省旅游外汇收入原始数据和各地区入境旅游人次的原始数据,以及山东省2019—2023年旅游外汇收入预测值和各地区入境旅游人次预测值,画出山东省入境旅游市场预测走势图。
由图1可知,从2010—2018年,山东省的旅游外汇收入基本呈上升趋势。其中,在2013年因金融危机的影响,山东省旅游外汇收入呈现下降趋势,但是在2014年便开始反弹并稳定上升。2010—2018年间,世界各地区来山东省旅游人次总体上也呈上升趋势,但增长速度不一,港澳台入境旅游人次增长速度较快,亚洲其他地区入境旅游人次处于上下波动的状态,除此之外世界其他地区的入境旅游人次增长趋势较缓。
图1 山东省入境旅游市场预测走势图
通过对2019—2023年山东省旅游外汇收入和各地区入境旅游人次的GM(1,1)灰色预测,如果没有国际重大事件或安全问题的发生,山东省的入境旅游市场将继续呈现持续上升趋势。2019—2023年山东省旅游外汇收入将会持续增加,各地区入境旅游人次也将有不同程度增长,特别是港澳台地区入境旅游人次较快增长,而亚洲其他地区入境旅游人次增长速度最低,2019—2023年预测值出现缓慢下降趋势。这就要求山东省要通过具体措施进行调整,以促进亚洲其他地区入境旅游人次的增加。
通过对山东省2019—2023年旅游外汇收入预测值与有关地区入境旅游人次预测值的灰色关联分析,根据各影响因子对山东省旅游外汇收入预测值的关联度,可以得知港澳台入境旅游人次预测值、大洋洲入境旅游人次预测值和美洲入境旅游人次预测值对山东省旅游外汇收入预测值的灰色关联度均在0.9以上,分别为0.9765、0.9738、0.9306,这表现出对山东省外汇旅游收入预测值的强关联度,特别是港澳台入境旅游人次预测值的灰色关联度(0.9798)最大,因此港澳台入境旅游人次是影响山东省旅游外汇收入最关键的因素;欧洲入境旅游人次预测值灰色关联度在0.8以上,为0.8344,对山东省旅游外汇收入预测值的影响程度较高;亚洲入境旅游人次预测值和非洲地区入境旅游人次预测值的灰色关联度介于0.6~0.7之间,分别为0.6886、0.6838,与山东省旅游外汇收入预测值的关联度一般;除此之外世界其他地区入境旅游人次预测值的灰色关联度低于0.6,为0.5984,相比之下与山东省旅游外汇收入预测值的关联度较低。由此可以看出,2019—2023年山东省旅游外汇收入仍然以港澳台地区入境旅游为主,而相比之下亚洲其他地区在2019—2023年对山东省入境旅游业发展的贡献较小,大洋洲、美洲、欧洲等远程客源市场对山东省入境旅游市场的影响力正在逐年增加。
(二)建议
1.以经济发展带动入境旅游发展
首先要保证山东省的经济发展力度,以经济发展促进山东省旅游产业的发展,进一步发展山东省的入境旅游业,推动入境旅游人次的增加,进而提高旅游外汇收入。
2.加强旅游形象宣传,形成品牌效应
多年以来,“好客山东”的旅游形象逐渐被越来越多的游客所熟悉。在今后的旅游发展过程中,山东省应进一步强化这一旅游形象,并加强境外旅游形象宣传,逐步打造山东省旅游品牌,形成品牌效应。
3.针对不同入境旅游市场进行旅游营销
针对与山东省旅游外汇收入不同关联度的地区,要采取不同的应对措施进行宣传,以促进山东省入境旅游市场的发展。对于港澳台、亚洲其他地区等近程入境客源市场,山东省要不断进行创新,加强对山东省旅游资源和文化资源的整合,同时要了解不同客源市场的不同旅游需求,有针对性地利用多种渠道进行旅游宣传[8],不断吸引旅游客源;对于大洋洲、美洲及欧洲等远程入境客源市场,要加强山东省旅游形象的宣传,促进入境旅游人次的不断提高;而对于非洲以及除此之外与山东省旅游外汇收入关联度较低的地区,要不断加强旅游促销的力度,提高山东省旅游资源在目标旅游市场的知名度。
4.建立入境旅游经济运行监测预警机制
旅游业是一个特殊的行业,具有脆弱性,金融危机、局部战争等国际重大事件或安全问题会对旅游业的发展产生明显的冲击作用。因此,在发展入境旅游的过程中,要建立入境旅游经济运行的监测和预警机制[9],实时监测入境旅游发展的动向,并在出现影响旅游业发展的问题时,及时采取相应措施以保证将损失降到最小。