涪陵區旅游資源需求預測
2014-09-28 22:35:23陳益
商場現代化 2014年20期
摘 要：涪陵區旅游業的發展是本地區經濟發展的支柱產業，旅游業的發展帶動當地經濟的發展，是促進GDP的穩步發展重要領頭行業。本文通過涪陵區旅游資源與GDP的相關性分析，建立旅游資源對未來2015-2020年的預測模型，一元線性、最小二乘法、相關性分析、假設檢驗、趨勢外推等方法進行分析。
根據2009年-2014年的時間序列數據，借助EXCEL和Eviews7.0軟件分別作出人數和收入的時序圖，通過一階差分、二元多項式、單位根檢驗、假設檢驗的 檢驗統計量和F統計量，建立一元線性模型以及二元曲線模型，并分別對未來數據進行預測，相對誤差在均在允許范圍內，模型具有可行性。
關鍵詞：相關性分析；估計預測；未來規劃；二元多項式；趨勢外推法
一、引言
“十一五”時期，涪陵全區旅游經濟指標從質和量上均有所提升，旅游業呈現較快增長態勢，在國民經濟和社會發展中的地位進一步增強。2010年，全區接待海內外旅游者202.2人次，實現旅游總收入4.84億元，比上年分別增長50.66%和38.35%?！笆晃濉睍r期，涪陵區累計接待海內外旅游者615.8萬人次，實現旅游總收入16.05億元，年均增長23.12%和19.86%。從旅游接待總人數及旅游總收入兩大產業規模指標來看，涪陵旅游業在“十一五”時期較“十五”時期，增幅繼續擴大。繼“十一五”時期之后的五年，是全面推進涪陵區旅游業的戰略提升期、機遇疊加期、黃金發展期，也是加快培育旅游重要產業、推進旅游經濟大區建設的關鍵時期。從2010年至2014年涪陵區根據《重慶市涪陵區旅游業發展“十二五”規劃》提出的未來五年涪陵區旅游業擴大發展作為總方針，把旅游業推向一個全面發展的新階段。 以涪陵區2009年至2014年的旅游產業數據為基礎，采用趨勢外推法建立線性模型，預測2015-2020年涪陵區的旅游需求人次，規劃2015年之后五年涪陵旅游產業的發展目標。
根據涪陵統計局收集的2009年到2014年的旅游產業數據如表1所示。
二、數據分析
根據2009年-2014年六年的數據，建立6年的時間序列模型，對未來2015年-2020年的數據進行預測。通過Eviews7.0軟件作出的時間序列圖可以看出六年數據均顯上升趨勢，并且無因素波動，可以采用趨勢外推法，選擇最優的擬合方式，建立預測模型。
趨勢外推的基本假設是未來系過去和現在連續發展的結果。當預測對象依時間變化呈現某種上升或下降趨勢，沒有明顯的季節波動，且能找到一個合適的函數曲線反映這種變化趨勢時，就可以用趨勢外推法進行預測。
三、模型建立
1.對旅游人次建立模型
由上表1所示，2009年到2014年涪陵區旅游人次具有明顯的線性增長趨勢，因此，嘗試建立一元線性模型：
xt=α0+α1t，t=1，2，…，6 （1）
進行擬合，其中α0和α1為未知參數。
在EVIEWS7.0中利用最小二乘法得到未知參數的估計值，輸出結果如表2所示。
由表2可知，未知參數估計值為：
=83.48048，=156.9771
所以可以得到預測表達式：
PF=83.48048+156.9771t （2）
表達式中的PF為旅游人次預測值。
根據表達式（2.2）可以得到2015-2020年的涪陵旅游需求人次的數量，如表3。
表3 2015年—2020年的涪陵旅游需求人次
結合真實數據與預測數據采用Eviews7.0軟件作擬合圖，從作出的擬合圖可以看出兩者的擬合效果很顯著，擬合程度R-squared的值為0.96，這說明，一元線性模型對旅游人數的預測模型建立是合理的。
2.對旅游收入建模
由表1可知，2009-2014年涪陵區旅游收入具有曲線增長的趨勢（通過時間序列圖判斷）。 為了確定擬合的模型，首先對旅游收入進行一階差分，由一階差分時序圖可以看出，各期數值并沒有趨于平穩，因此，不能使用一元線性模型建模。經過比較，最后使用二元多項式模型，對旅游收入進行建模
xt=α0+α1t+α2t2，t=1，2，…，6 （3）
進行擬合，其中α0，α1，α2為未知參數。
通過最小二乘法估計模型參數，估計結果顯示α1參數不能通過t統計量檢驗，認為α1對旅游收入并不顯著，因此可以剔除。
最終得到二元曲線模型：
xt=α0+α2t2，t=1，2，…，6 （4）
由最小二乘法得到如表4，輸出結果。
其中未知參數估計值為：
=4.426564，=1.408375
所以可以得到預測表達式：
SF=4.426564+1.408375t2 （5）
表達式中的SF旅游收入預測值。
根據表達式（5）可以得到2015年—2020年的涪陵旅游需求人次的數量。如表5所示。
表5 2015年—2020年的涪陵旅游收入總額
由實際收入與預測收入的時間序列圖可以看出，實際收入與預測收入擬合度相對較高，擬合度的值為0.97，這說明，二元曲線模型對旅游收入的預測模型建立是合理的。
四、模型檢驗
做出2009年-2014年間的實際值與預測值的對比見表6。
注：表6中t為時間序號，P為旅游人次；PF為旅游人次預測值；S為旅游收入；SF為旅游收入預測值。
相對誤差
參考文獻：
[1]姜啟源.數學模型[M].北京：高等教育出版社，2004.
[2]韓中庚.數學建模方法及其應用[M].北京：高等教育出版社，2005.
[3]徐國祥.統計預測和決策[M].上海：上海財經大學出版社，2012.
[4]龐浩.計量經濟學（第二版）[M].北京：科學出版社，2010.
[5]繆銓生.概率與統計（第三版）[M].上海：華東師范大學出版社，2007.
作者簡介：陳益（1991.12- ），本科在讀，長江師范學院統計學專業
摘 要：涪陵區旅游業的發展是本地區經濟發展的支柱產業，旅游業的發展帶動當地經濟的發展，是促進GDP的穩步發展重要領頭行業。本文通過涪陵區旅游資源與GDP的相關性分析，建立旅游資源對未來2015-2020年的預測模型，一元線性、最小二乘法、相關性分析、假設檢驗、趨勢外推等方法進行分析。
根據2009年-2014年的時間序列數據，借助EXCEL和Eviews7.0軟件分別作出人數和收入的時序圖，通過一階差分、二元多項式、單位根檢驗、假設檢驗的 檢驗統計量和F統計量，建立一元線性模型以及二元曲線模型，并分別對未來數據進行預測，相對誤差在均在允許范圍內，模型具有可行性。
關鍵詞：相關性分析；估計預測；未來規劃；二元多項式；趨勢外推法
一、引言
“十一五”時期，涪陵全區旅游經濟指標從質和量上均有所提升，旅游業呈現較快增長態勢，在國民經濟和社會發展中的地位進一步增強。2010年，全區接待海內外旅游者202.2人次，實現旅游總收入4.84億元，比上年分別增長50.66%和38.35%。“十一五”時期，涪陵區累計接待海內外旅游者615.8萬人次，實現旅游總收入16.05億元，年均增長23.12%和19.86%。從旅游接待總人數及旅游總收入兩大產業規模指標來看，涪陵旅游業在“十一五”時期較“十五”時期，增幅繼續擴大。繼“十一五”時期之后的五年，是全面推進涪陵區旅游業的戰略提升期、機遇疊加期、黃金發展期，也是加快培育旅游重要產業、推進旅游經濟大區建設的關鍵時期。從2010年至2014年涪陵區根據《重慶市涪陵區旅游業發展“十二五”規劃》提出的未來五年涪陵區旅游業擴大發展作為總方針，把旅游業推向一個全面發展的新階段。 以涪陵區2009年至2014年的旅游產業數據為基礎，采用趨勢外推法建立線性模型，預測2015-2020年涪陵區的旅游需求人次，規劃2015年之后五年涪陵旅游產業的發展目標。
根據涪陵統計局收集的2009年到2014年的旅游產業數據如表1所示。
二、數據分析
根據2009年-2014年六年的數據，建立6年的時間序列模型，對未來2015年-2020年的數據進行預測。通過Eviews7.0軟件作出的時間序列圖可以看出六年數據均顯上升趨勢，并且無因素波動，可以采用趨勢外推法，選擇最優的擬合方式，建立預測模型。
趨勢外推的基本假設是未來系過去和現在連續發展的結果。當預測對象依時間變化呈現某種上升或下降趨勢，沒有明顯的季節波動，且能找到一個合適的函數曲線反映這種變化趨勢時，就可以用趨勢外推法進行預測。
三、模型建立
1.對旅游人次建立模型
由上表1所示，2009年到2014年涪陵區旅游人次具有明顯的線性增長趨勢，因此，嘗試建立一元線性模型：
xt=α0+α1t，t=1，2，…，6 （1）
進行擬合，其中α0和α1為未知參數。
在EVIEWS7.0中利用最小二乘法得到未知參數的估計值，輸出結果如表2所示。
由表2可知，未知參數估計值為：
=83.48048，=156.9771
所以可以得到預測表達式：
PF=83.48048+156.9771t （2）
表達式中的PF為旅游人次預測值。
根據表達式（2.2）可以得到2015-2020年的涪陵旅游需求人次的數量，如表3。
表3 2015年—2020年的涪陵旅游需求人次
結合真實數據與預測數據采用Eviews7.0軟件作擬合圖，從作出的擬合圖可以看出兩者的擬合效果很顯著，擬合程度R-squared的值為0.96，這說明，一元線性模型對旅游人數的預測模型建立是合理的。
2.對旅游收入建模
由表1可知，2009-2014年涪陵區旅游收入具有曲線增長的趨勢（通過時間序列圖判斷）。 為了確定擬合的模型，首先對旅游收入進行一階差分，由一階差分時序圖可以看出，各期數值并沒有趨于平穩，因此，不能使用一元線性模型建模。經過比較，最后使用二元多項式模型，對旅游收入進行建模
xt=α0+α1t+α2t2，t=1，2，…，6 （3）
進行擬合，其中α0，α1，α2為未知參數。
通過最小二乘法估計模型參數，估計結果顯示α1參數不能通過t統計量檢驗，認為α1對旅游收入并不顯著，因此可以剔除。
最終得到二元曲線模型：
xt=α0+α2t2，t=1，2，…，6 （4）
由最小二乘法得到如表4，輸出結果。
其中未知參數估計值為：
=4.426564，=1.408375
所以可以得到預測表達式：
SF=4.426564+1.408375t2 （5）
表達式中的SF旅游收入預測值。
根據表達式（5）可以得到2015年—2020年的涪陵旅游需求人次的數量。如表5所示。
表5 2015年—2020年的涪陵旅游收入總額
由實際收入與預測收入的時間序列圖可以看出，實際收入與預測收入擬合度相對較高，擬合度的值為0.97，這說明，二元曲線模型對旅游收入的預測模型建立是合理的。
四、模型檢驗
做出2009年-2014年間的實際值與預測值的對比見表6。
注：表6中t為時間序號，P為旅游人次；PF為旅游人次預測值；S為旅游收入；SF為旅游收入預測值。
相對誤差
參考文獻：
[1]姜啟源.數學模型[M].北京：高等教育出版社，2004.
[2]韓中庚.數學建模方法及其應用[M].北京：高等教育出版社，2005.
[3]徐國祥.統計預測和決策[M].上海：上海財經大學出版社，2012.
[4]龐浩.計量經濟學（第二版）[M].北京：科學出版社，2010.
[5]繆銓生.概率與統計（第三版）[M].上海：華東師范大學出版社，2007.
作者簡介：陳益（1991.12- ），本科在讀，長江師范學院統計學專業
摘 要：涪陵區旅游業的發展是本地區經濟發展的支柱產業，旅游業的發展帶動當地經濟的發展，是促進GDP的穩步發展重要領頭行業。本文通過涪陵區旅游資源與GDP的相關性分析，建立旅游資源對未來2015-2020年的預測模型，一元線性、最小二乘法、相關性分析、假設檢驗、趨勢外推等方法進行分析。
根據2009年-2014年的時間序列數據，借助EXCEL和Eviews7.0軟件分別作出人數和收入的時序圖，通過一階差分、二元多項式、單位根檢驗、假設檢驗的 檢驗統計量和F統計量，建立一元線性模型以及二元曲線模型，并分別對未來數據進行預測，相對誤差在均在允許范圍內，模型具有可行性。
關鍵詞：相關性分析；估計預測；未來規劃；二元多項式；趨勢外推法
一、引言
“十一五”時期，涪陵全區旅游經濟指標從質和量上均有所提升，旅游業呈現較快增長態勢，在國民經濟和社會發展中的地位進一步增強。2010年，全區接待海內外旅游者202.2人次，實現旅游總收入4.84億元，比上年分別增長50.66%和38.35%?！笆晃濉睍r期，涪陵區累計接待海內外旅游者615.8萬人次，實現旅游總收入16.05億元，年均增長23.12%和19.86%。從旅游接待總人數及旅游總收入兩大產業規模指標來看，涪陵旅游業在“十一五”時期較“十五”時期，增幅繼續擴大。繼“十一五”時期之后的五年，是全面推進涪陵區旅游業的戰略提升期、機遇疊加期、黃金發展期，也是加快培育旅游重要產業、推進旅游經濟大區建設的關鍵時期。從2010年至2014年涪陵區根據《重慶市涪陵區旅游業發展“十二五”規劃》提出的未來五年涪陵區旅游業擴大發展作為總方針，把旅游業推向一個全面發展的新階段。 以涪陵區2009年至2014年的旅游產業數據為基礎，采用趨勢外推法建立線性模型，預測2015-2020年涪陵區的旅游需求人次，規劃2015年之后五年涪陵旅游產業的發展目標。
根據涪陵統計局收集的2009年到2014年的旅游產業數據如表1所示。
二、數據分析
根據2009年-2014年六年的數據，建立6年的時間序列模型，對未來2015年-2020年的數據進行預測。通過Eviews7.0軟件作出的時間序列圖可以看出六年數據均顯上升趨勢，并且無因素波動，可以采用趨勢外推法，選擇最優的擬合方式，建立預測模型。
趨勢外推的基本假設是未來系過去和現在連續發展的結果。當預測對象依時間變化呈現某種上升或下降趨勢，沒有明顯的季節波動，且能找到一個合適的函數曲線反映這種變化趨勢時，就可以用趨勢外推法進行預測。
三、模型建立
1.對旅游人次建立模型
由上表1所示，2009年到2014年涪陵區旅游人次具有明顯的線性增長趨勢，因此，嘗試建立一元線性模型：
xt=α0+α1t，t=1，2，…，6 （1）
進行擬合，其中α0和α1為未知參數。
在EVIEWS7.0中利用最小二乘法得到未知參數的估計值，輸出結果如表2所示。
由表2可知，未知參數估計值為：
=83.48048，=156.9771
所以可以得到預測表達式：
PF=83.48048+156.9771t （2）
表達式中的PF為旅游人次預測值。
根據表達式（2.2）可以得到2015-2020年的涪陵旅游需求人次的數量，如表3。
表3 2015年—2020年的涪陵旅游需求人次
結合真實數據與預測數據采用Eviews7.0軟件作擬合圖，從作出的擬合圖可以看出兩者的擬合效果很顯著，擬合程度R-squared的值為0.96，這說明，一元線性模型對旅游人數的預測模型建立是合理的。
2.對旅游收入建模
由表1可知，2009-2014年涪陵區旅游收入具有曲線增長的趨勢（通過時間序列圖判斷）。 為了確定擬合的模型，首先對旅游收入進行一階差分，由一階差分時序圖可以看出，各期數值并沒有趨于平穩，因此，不能使用一元線性模型建模。經過比較，最后使用二元多項式模型，對旅游收入進行建模
xt=α0+α1t+α2t2，t=1，2，…，6 （3）
進行擬合，其中α0，α1，α2為未知參數。
通過最小二乘法估計模型參數，估計結果顯示α1參數不能通過t統計量檢驗，認為α1對旅游收入并不顯著，因此可以剔除。
最終得到二元曲線模型：
xt=α0+α2t2，t=1，2，…，6 （4）
由最小二乘法得到如表4，輸出結果。
其中未知參數估計值為：
=4.426564，=1.408375
所以可以得到預測表達式：
SF=4.426564+1.408375t2 （5）
表達式中的SF旅游收入預測值。
根據表達式（5）可以得到2015年—2020年的涪陵旅游需求人次的數量。如表5所示。
表5 2015年—2020年的涪陵旅游收入總額
由實際收入與預測收入的時間序列圖可以看出，實際收入與預測收入擬合度相對較高，擬合度的值為0.97，這說明，二元曲線模型對旅游收入的預測模型建立是合理的。
四、模型檢驗
做出2009年-2014年間的實際值與預測值的對比見表6。
注：表6中t為時間序號，P為旅游人次；PF為旅游人次預測值；S為旅游收入；SF為旅游收入預測值。
相對誤差
參考文獻：
[1]姜啟源.數學模型[M].北京：高等教育出版社，2004.
[2]韓中庚.數學建模方法及其應用[M].北京：高等教育出版社，2005.
[3]徐國祥.統計預測和決策[M].上海：上海財經大學出版社，2012.
[4]龐浩.計量經濟學（第二版）[M].北京：科學出版社，2010.
[5]繆銓生.概率與統計（第三版）[M].上海：華東師范大學出版社，2007.
作者簡介：陳益（1991.12- ），本科在讀，長江師范學院統計學專業
