我國區域旅游需求的預測分析

蔣昂妤

摘 要：該文運用國際旅客到達31個區域城市的數據預測中國區域的國籍旅客到達。該研究將旅游預測通過審視國內區域預測，將旅游預測帶入了新的更有意義的研究領域。該文旨在決定區域預測模型是否可以得到運用，來回應中國的區域政府和產業需求，從而準確地預測區域旅客到達數量正逐漸推動旅游業發展的成功。該文也將審視現代技術（基本結構和時間不同的參數模型）以及區域性數據，能夠準確地預測國際區域到達數量。這種選擇通過審視選擇地區性旅游的不同新型解釋來檢驗實驗理論，這是一個重要的貢獻，這種方式和原來的國家預測不同。得到的結論即通過非傳統的計量經濟學方法和地區的地區性預測是十分精確而實際的管理工具。

關鍵詞：旅游需求；區域旅游預測；中國旅游

1 計量經濟學模型變量的選擇

研究方法

基于數據的回顧和運用性，許多現代時間序列預測方法都運用了預測，而基本結構模型和時間變量參數計量經濟模型2006年至2007年有著事前預測。

該研究的主要目的是審視這些模型是否能運用于未來兩年的短期的精確的旅游到達預測。在此層面中國可以運用的數據僅限于1994年至2007年之間。模型建立的過程運用了上述討論的時間參數模型和基本結構模型。這些方法的研究中，下列數據資源可以檢測：臨時變量和獨立變量。

2 干預的基本結構模型

表一顯示日本是最低平均絕對誤差，只有16.8%，俄羅斯有最高平均絕對誤差值在25.5%。13個國家中有三個國家的總平均絕對誤差平均數低于20%。13個來源國家到31個中國地區的平均絕對誤差為22.1%。

3 帶有虛擬變量的時間參數預測

時間參數模型在這里的發展是基于建模過程提供了6個人機電子軟件包。這種分析在狀態矢量空間形式下提供了動態系統。狀態空間形式允許預測伴隨可觀測模型的未觀察到的變量（空間變量）。其同時允許曾經用過的循環卡爾曼濾波算法同時間序列結構模型共同運用。卡爾曼濾波算法運用于早一步的運算來預測，同時和確定的協方差值的初始值的平方誤差矩陣聯系。這樣分析下來，人機電子將他們的值設定較高的初始價值來反應不確定性。

盡管所有的省份需要對比分析，國際旅游到達則關注于小于總的31個省份和地區的選擇。三分之一的到達者（33.7%）關注與排名前五的到達省份，而42.4%則關注排名前十。

4 結論

該研究表明盡管數據有限，但是精確預測中國的地區到達是有可能的。盡管數據的局限性同年居序列有關，而有限時間序列的長度、精確預測錯誤在20%以下，而10%以下的錯誤可以持續被推導出來。所以關注與預測更發達的旅游地區預測，這些流動傾向更明顯且有較少不穩定性。另外，如果只關注于計量經濟模型是錯誤的，因為在此研究中現代時間序列方法被證明是占優勢的。然而，在定義上這并非是好的結果，因為這里的意圖在于發展非正式變量來幫助區域預測，而基本結構模型比時間參數模型更好，這樣就并非預期結果了。

對于計量經濟結果為什么在許多省份中更廣泛的結果中不準確的原因還不清楚。有可能只是因為缺少數據，包括小型樣本（小范圍的自由）來衡量數量改變的真正原因。也有可能是因為每一個省份有著唯一的、或者很大程度上唯一的、非正式方法。因此在所有地區運用同樣的獨立變量是不可行的。但是，從管理方法來說花費大量的時間和金錢來孤立獨立變量是不可行的，那樣只是在時間序列方法中偶爾可行。

該研究運用的數據是住宿測量而非跨境移民記錄。該研究主要的目的在于決定這些數據能否精確預測到達，以及這些數據的結論能否運用于旅游預測。以中國為例，數據是持續且可依賴的，可以精確運用于模型預測。這也提出了在歐洲大陸這樣只有住宿數據可以運用的地區預測的可能性。

最后，該研究在非正式變量選擇中研發了新的理論觀點，能夠推動未來區域預測。這是當今國家常用方法和分散地區經濟變量的混合，這些新的方法將能夠運用且給未來區域預測研究提供強有力的起點。

未來預測的問題也提出了未來的預測需要基于方案和專家意見，特別是未來三年里。舉例而言，眾所周知中國正在發展高速鐵路網絡，并結合了預測結果。這也表明交通設施發展是旅游的非常重要的決定性因素，可以看到省份之間被高速鐵路連接將更快發展其自身同其他省份作為國際旅游地。比起定量模型，這種推測預測更能夠精確預測中長期發展。

總之，通過在中國次國家層面來觀察國際旅游預測，同時審視能夠最好運用區域數據的新變量，這種研究在旅游預測占據了新的方向。該研究展示了從基于國家層面的方法包括區域預測促進和擴大國際旅游預測的急切需求。該研究只是接觸了次國家國際旅游預測廣大潛力中的皮毛，不僅僅是中國的地區，而且還有全世界各種類型的地區。

該研究的局限在于不能充足地運用于后期數據。中期和長期預測的準確性不能夠被測量，研究的發現也僅限于短期。這種局限隨著更長的到達序列在許多國家可以運用而將被逐漸移除。盡管選擇的預測模型是當今方法中的好例子，但也有其他方法可以嘗試。然而，基本結構模型和時間參數模型看起來在地區預測中是穩固的預測模型。

最后，該研究最大的局限在于現在超出了可以更正的范圍，數據是年度而非季節的。盡管原來收集過，但中國未能提供季節性數據，但是未來可能可以運用。在中國國家旅游協會和太平洋地區旅游協會也通過私人與中國高層的聯系來獲取這些數據，但是沒有可供現在運用的數據，而且這樣的問題在印度也存在。由于中國在氣候環境和高峰季節的數據非常不同，季節區域數據將產生更精確的預測。但是，可以注意到季節性數據可能也會破壞到達序列，將它們分解為較小的流動數據而使得較低訪客到達數量的地區而更難預測。

參考文獻

[1]Han， Z.， R. Durbarry， and M. Cinclair. （2006）. “Modelling USTourism Demand for European Destinations.” TourismManagement， 27：1-10.