黑龍江省旅游業收入預測及其關聯因素研究

祖培福 劉嘉揚

[摘 要] 運用對背景值優化的改進灰色預測模型，以黑龍江省近八年的旅游收入數據為依據，對其未來幾年的旅游收入做出預測，從預測值可以看到黑龍江省旅游收入將在2019年突破2000億元，并在2020年突破2200億元。同時，對影響黑龍江省旅游收入的主要因素做了比較研究，以確定各因素與旅游業收入的相關程度。結果顯示：所選的八個因素與旅游收入都密切相關，按照影響程度由大到小，分別是住宿餐飲業、城鎮常住居民人均可支配收入、年末金融機構住戶存款額、鐵路旅客周轉量、公路旅客周轉量、信息傳輸、民航旅客周轉量、綠色食品產值。

[關鍵詞] 黑龍江省;預測;旅游收入;關聯度

[中圖分類號] F592[文獻標識碼] A[文章編號] 1009-6043（2019）10-0005-03

Abstract： Using the improved grey prediction model of background value optimization， based on the data of tourism income of Heilongjiang province in the past eight years， the paper forecasts the tourism income of the province in the next few years. From the prediction value， it can be seen that the tourism income of the province will break through 200 billion yuan in 2019 and 220 billion yuan in 2020. At the same time， the paper makes a comparative study of the main factors affecting the tourism income of the province， in order to determine the correlation between each factor and the tourism income. The results show that the eight factors are closely related to tourism income. According to the degree of influence， they are accommodation and catering industry， per capita disposable income of urban residents， household deposits of financial institutions at the end of the year， railway passenger turnover， highway passenger turnover， information transmission， civil aviation passenger turnover and green food output value.

Key words： Heilongjiang， prediction， tourism income， correlation

一、引言

在黨中央把促進消費、擴大內需確定為促進國民經濟發展的長期戰略方針和基本立足點的背景下，旅游業作為第三產業的重要組成部分，成為發展最快的新興產業之一。旅游業的發展以國民經濟發展水平為基礎，反過來又促進著國民經濟各行業的發展，在國民經濟中占有越來越重要的地位。旅游業的模糊性和不確定性，為旅游業相關的分析和決策帶來很大困難，因此對某一地區的旅游業相關指標盡可能進行定量分析一直是熱點研究問題。國內許多學者關于此問題的研究取得了豐碩的成果，如靳巧花等利用灰色動態模型對麗江旅游人數進行了預測研究[1];鄭洲順等利用灰色預測模型及回歸模型對2008年北京旅游人口進行了分析，預測出了2008年每月入京的旅游人數[2];在改善預測誤差方面，黨婷等基于權變方法建立了GM-ES-GASVR組合預測模型對麗江旅游需求進行了預測[3];張舒等將灰色預測模型與BP神經網絡相結合對海南的旅游需求進行了預測分析[4];而陳美璘等通過建立基于熵權法的混合模型對貴州省旅游人數進行了較好的預測[5]。以上文獻都是從旅游人數角度利用預測模型進行了預測和分析，而還有一些文獻重點研究分析了旅游業對地區國民經濟發展的貢獻。例如，王維國等運用狀態空間模型測度了中國的旅游邊際消費傾向，分析了旅游業對國民經濟的拉動作用并提出了相應的對策建議[6];而周芳等利用乘數模型研究分析了旅游業對西藏經濟的重要影響[7]。上述文獻從不同角度對旅游業的定量研究取得了很有價值的成果，極大豐富了對旅游業問題定量研究的理論與方法。

鑒于灰色系統理論[8-12]在處理小樣本、貧信息方面的優勢并考慮到傳統灰色預測模型的預測精度問題，本文將運用對灰色預測模型背景值進行優化以提高預測精度的預測模型[9]結合黑龍江省2010-2017年旅游收入數據，對黑龍江未來幾年的旅游收入狀況做出了預測，并在考慮數據可得基礎上選取了潛在影響黑龍江旅游收入的城鎮常住居民人均可支配收入、旅客周轉量及綠色食品產值等指標進行了系統分析，可為黑龍江旅游業發展宏觀決策與戰略制定提供科學依據資料。

二、建立優化背景值的改進灰色預測模型

由灰色系統理論可知，傳統灰預測模型實際上是由一個單變量的原始數據列作累加生成處理后，建立的一階微分方程，建立GM（1，1）模型首先確定原始時間序列X（0），記為：

X（0）={x（0）（1），x（0）（2），…，x（0）（n）}

接下來作一階累加生成序列，得：

進而利用累加所生成數列X（1）建立下述一階白化微分方程：

為求此方程的解，可用最小二乘法并結合MATLAB通過下式估計參數列（a，b）T：

而Z（1）={z（1）（2），z（1）（3），…，z（1）（n）}為X（1）的緊鄰均值生成序列，其中z（1）（k）為：

在此基礎上得到的解即為傳統灰色預測模型解[9]，由上述灰色預測模型的建模過程可知，預測模型的預測精度與參數a和b有直接關系，而這些又會受到背景值z（1）（k）影響，從而背景值可認為是直接關系到模型模擬與預測精度的關鍵因素，所以對背景值進行優化可以較好地提高預測模型的預測精度，運用文獻[9]中所介紹的方法對背景值進行優化改進，從而優化后的背景值表達式如下：

利用此優化后的背景值取代上述利用累加生成序列的緊鄰均值計算的背景值，可得到通過對背景值優化的白化方程的解為：

由下述方程：

x（0）（k）+az（1）（k）=b

接下來將運用此改進預測模型對黑龍江省旅游收入進行預測。

三、黑龍江省旅游收入預測

本文的研究選用2010-2017年黑龍江省旅游收入數據進行分析，數據如下表：

基于以上數據得到由最小二乘法結合MATLAB7.5軟件得到的背景值優化后的GM（1，1）預測模型如下：

根據此式并結合上述原始數據對2018年-2021年黑龍江省旅游收入的預測如下：

四、影響黑龍江省旅游業收入的主要因素研究

為研究黑龍江省旅游收入變化與其相關因素的關系，將運用灰色關聯分析法來進行分析，此方法以灰色理論為基礎，以各指標的樣本數據為依據，通過計算灰色關聯度量化指標間的強弱次序，達到分析各分指標與整體系統的關聯程度，是相對某一基準的多指標分析法，且此方法對樣本的分布規律及樣本量均無明確限制。具體分析過程如下：

（一）建立分析數據列

首先確定參考數據列，本文中即為旅游收入（億元），記為X0：

X0={x0（1），x0（2），…，x0（n）}

然后建立各影響因素的比較數據列，記為Xi，

Xi={xi（1），xi（2），…，xi（n）}，i=1，2，…，m

在考慮數據可得情況下，對影響黑龍江省旅游收入因素分析，我們選取的主要潛在影響因素為：城鎮常住居民人均可支配收入（元）、年末金融機構住戶存款額（億元）、信息傳輸（億元）、鐵路旅客周轉量（億人公里）、公路旅客周轉量（億人公里）、民航旅客周轉量（億人公里）、住宿餐飲業（億元）及綠色食品產值（億元），依次記為X1，X2，X3，X4，X5，X6，X7，X8各指標數據見下表：

表3 2013-2017年黑龍江省旅游收入及各影響因素數據[13]

（二）原始數據的無量綱化處理

對原始數據本文采用初值化方法作無量綱化處理，即指對每個數據列均用其第一個數xi（1）去除各數據xi（k）（k=1，2，3，4，5），從而得到一個新的數列.將X0，X1，X2，X3，X4，X5，X6，X7，X8中的原始數據序列作初值化變換，見表4：

表4 2013-2017年黑龍江省旅游收入

及各影響因素原始數據初值化處理結果

（三）各因素關聯系數計算及確定關聯度

對于參考數列X0及若干比較數據列X1，X2，X3，…，Xn的情況，關聯性就是考察曲線間幾何形狀的差別，可利用下面公式表示參數曲線與各比較曲線在各點的差：

五、總結

本文通過運用對背景值優化后的灰色預測模型，結合黑龍江省近些年的旅游收入數據，對未來幾年的旅游收入狀況進行了預測，從預測值可以看到黑龍江省旅游收入將在2019年突破2000億元，并在2020年突破2200億元，這與《黑龍江省旅游業“十三五”發展規劃》中到2020年實現旅游業收入達到2200億元的發展目標還是很相符的，也間接說明了此改進預測模型有較好的預測精度。

另外，通過灰色關聯分析方法對影響黑龍江旅游收入的潛在影響因素進行了分析，可看到在所選的八個因素中，關聯度值最大為0.90006，最小值為0.6076，平均值達到了0.7989，顯示各因素與旅游收入都密切相關。其中住宿餐飲業對旅游收入的影響最大;緊隨其后的是城鎮常住居民人均可支配收入與年末金融機構住戶存款額，從關聯度值可看出二者與黑龍江省旅游收入也有著非常緊密的關系，基本上與住宿餐飲業的影響在同一水平線上;再就是鐵路旅客周轉量與公路旅客周轉量這兩個因素，二者與旅游收入的關聯度值也都超過了0.8，顯示二者對黑龍江省旅游收入的影響也是很大的;信息傳輸與民航旅客周轉量這兩個因素與旅游收入的關聯度值都剛過0.7，顯示與旅游收入關系一般;而黑龍江省綠色食品產值與旅游收入的關聯度在眾多因素中最小，顯示其有很大發展空間。

[參考文獻]

[1]靳巧花，李帥彪，等.基于灰色動態模型的麗江旅游人數預測研究[J].數學的實踐與認識，2012，42（22）：42-46.

[2]鄭洲順，湯嘉，等.基于灰色預測模型的2008北京旅游人口預測分析[J].數學的實踐與認識，2010，40（9）：8-15.

[3]朱曉華，楊秀春，等.基于GM-ES-GASVR組合模型的麗江國內旅游需求預測[J].數學的實踐與認識，2017，47（8）：279-287.

[4]張舒，王浩華，等.基于神經網絡算法的海南旅游需求測估模型[J].數學的實踐與認識，2015，45（19）：12-22.

[5]陳美璘，何清龍.基于熵權法混合模型的貴州省旅游人數預測研究[J].數學的實踐與認識，2018，48（21）：307-313.

[6]王維國，徐勇.中國旅游業發展對國民經濟貢獻的計量分析[J].數學的實踐與認識，2009，39（9）：1-8.

[7]周芳，馬守春，等.西藏旅游收入乘數模型及主要因素的關聯分析[J].數學的實踐與認識，2018，48（16）：110-115.

[8]鄧聚龍.灰預測與灰決策[M].武漢：華中科技大學出版社，2002.

[9]劉思峰，黨耀國，等.灰色預測與決策模型研究[M].北京：科學出版社，2009.

[10]劉思峰，鄧聚龍.GM（1，1）模型的適用范圍[J].系統工程理論與實踐，2000，5（20）：121-124.

[11]羅黨.灰色決策問題的分析方法研究[D].南京：南京航空航天大學，2005.

[12]黨耀國.灰色不確定性分析與決策模型研究[D].南京：南京航空航天大學，2006.

[責任編輯：史樸]