基于面板數據的我國入境旅游客流量與外匯收入的實證研究

雷億輝 麻丹俐 劉倩嵐

摘 要

隨著旅游市場的成熟，入境旅游在旅游業發展中的地位日益突出和重要。文章基于2005-2015年我國31個省份入境旅游客流量和外匯收入的面板數據，采用同質和異質單位根檢驗、Johansen協整檢驗等計量方法對二者的關系進行實證分析。

關鍵詞

入境旅游;外匯收入;客流量;面板數據

中圖分類號： F592.7;F125 ? ? ? ? ? ?文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 14 . 81

Abstract

With the development of tourism market， inbound tourism is becoming more and more important.Based on the panel data of inbound tourist flow and foreign exchange income of 31 provinces from 2005 to 2015， this paper makes an empirical analysis of the relationship between them by adopting homogeneous and heterogeneous unit root test， Johansen co-integration test and other measurement methods.

Key words

Inbound tourism; Foreign exchange income; Tourist flow; The panel data

0 引言

改革開放四十載，我國晉升為世界經濟發展最具活力團體之列，經濟總量持續擴大，人均收入逐步增加，生活質量得到提高，旅游業進入黃金發展時期，已成為服務業的龍頭產業，隨著旅游市場的成熟，入境旅游在旅游業發展中的地位日益突出和重要，一方面創造了大量外匯收入，另一方面凸顯出地區的旅游競爭力和對外開放程度，入境旅游成了衡量區域旅游綜合實力的重要指標。因此，關于入境旅游的相關研究日益增加，隨著“一帶一路”倡儀的推進，將為我國入境旅游市場的發展迎來更大的機遇。因而，探索入境旅游對經濟收入的影響因素有十分重要的時代意義。

關于我國入境旅游游客量的研究，旅游研究者非常重視。雷可為認為游客量的預測和分析是旅游規劃與管理的基礎性、關鍵性工作，提出了一種基于BP神經網絡和ARIMA組合模型的游客量預測方法[1]。雷平發現采用外部沖擊檢測的TRAMO SEATS模型對預測我國入境旅游人次較為有效[2]。吳良平探究入境游客在中國區域分布的動態變化規律及其趨勢[3]。吳秀蘭運用親景度指標對我國不同地區入境旅游客源的差異進行了分析[4]。對入境旅游收入的研究都趨向于與經濟增長之間關系的探究，肖新成運用計量方法分析了國際旅游外匯收入和經濟發展之間的相互聯動關系[5]。李泓穎利用LVBP神經網絡分析旅游外匯收入與各影響因素之間的關系并進行預測[6]。龐麗等研究了入境旅游和各個區域經濟增長之間的因果關系[7]。黃雪麗基于面板數據研究旅游外匯收入與地區經濟發展的長期均衡關系[8]。王公為等探索了內蒙古12個盟市的入境旅游與進出口貿易之間的互動關系[9]。綜上多位研究者關于入境旅游游客流量與外匯收入的研究，可歸為兩類，一類為采用統計的方法僅對入境旅游的游客量進行預測[1-4]，另一類為研究旅游外匯收入與地區經濟發展關系[5-9]。本文通過基于2005-2015年我國31個省份入境旅游客流量和外匯收入的面板數據，采用同質和異質單位根檢驗、Johansen協整檢驗等計量方法對二者的關系進行實證分析。

1 模型設定

本文以我國大陸31個省區市的入境旅游客流量和外匯收入數據作為初始樣本數據，時間跨度為2005年至2015年，入境旅游客流量和外匯收入數據來《中國統計年鑒（2005-2015）》，計量單位為國家統計局中的入境旅游外匯收入（百萬美元）和入境旅游客流量/接待人數（萬人），為降低數據異方差的影響，對數據進行了取自然對數處理lnyit（說明外匯收入）和lnxit（說明入境旅游客流量）。

2 實證模型估計與結果分析

對時間序列的數據進行處理之前，為了防止序列偽回歸的產生，對結果產生歧義，需要對序列進行平穩性。本文所使用的數據為面板數據，所以對入境旅游外匯收入和入境旅游客流量之間使用面板單位根檢驗。在對數據序列進行平穩性檢驗之后，確認序列具有平穩性之后，本文基于Johansen協整檢驗的方法對中國入境旅游外匯收入和入境旅游客流量之間是否存在長期均衡動態平衡展開研究。

2.1 面板單位根檢驗

面板單位根檢驗方法可分為同質單位根檢驗和異質單位根檢驗。同質單位根檢驗主要有LLC檢驗;異質單位根檢驗包括IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗。如果兩種檢驗中均拒絕存在單位根的原假設則說明該變量是平穩的，反之則不平穩。對變量的原序列進行檢驗結果如下表。

通過對數據變量的原序列單位根檢驗可以看出，在5%的顯著性水平下，同質單位根檢驗LLC和異質單位根檢驗IPS檢驗、Fisher-ADF檢驗沒有拒絕原假設，所以我們對數據的原序列進行一階差分序列進行單位根檢驗，結果如下：

由表2可知原序列的一階差分的單位根檢驗均在5%的顯著性水平下拒絕了原假設，原序列的一階差分序列具有平穩性。

2.2 Johansen協整檢驗

由單位根檢驗得知，面板數據的一階差分序列是平穩的，進一步檢驗入境旅游外匯收入和入境旅游客流量的協整關系。本文利用Johansen協整檢驗的方法，且入境旅游客流量對入境旅游外匯收入影響的協整關系是通過跡統計量和最大特征值進行分析的。

通過上面的檢驗結果可以得到特征根跡檢驗統計量為222.6和111.9，最大特征值為198.4和111.9，并且P值都遠遠小于0.05，所以，結果表明入境旅游外匯收入在一定程度上受入境旅游客流量的影響，且存在一定的協整關系，因此，入境旅游外匯收入與入境旅游客流量存在長期動態均衡關系。

2.3 模型結果分析

對于入境旅游外匯收入與入境旅游客流量之間的研究主要從兩個方面出發。首先，如果假設在不同地區入境旅游客流量和入境旅游收入經濟之間的系數關系是相同的，那么在不同地區之間的截距項上存在差異性，建立固定效應變截距模型。具體的固定效應變截距分析輸出結果見圖1。

由可決系數R2=0.996692和修正的可決系數R2=0.996597可知，所建模型對樣本數據擬合程度比較好。由于回歸方程中系數對于每個省份系數是一定的，那么對于每個省份的經濟意義都是一樣的，都是每增加1萬入境旅游客人，那么將增加e1.0087百萬美元，而截距值的大小就將決定入境旅游收入的大小。但是回歸方程中，截距值對于不同的省份是不同的，所以將每個省份對應的截距值以直方圖的形式更清晰地表現出來，見圖2。

由圖2可知截距值天津最高，其次是北京、福建、上海、江蘇、浙江、遼寧、山東、重慶、湖南、新疆、陜西、西藏、云南、河北、內蒙古、黑龍江、安徽、青海、海南、山西、廣東、湖北、吉林、河南、寧夏、廣西、四川、江西、貴州、甘肅。根據國家統計局最新的東、中、西部地區的劃分標準，其中東部地區包括北京、浙江、天津、山東、廣東、河北、遼寧、江蘇、上海、福建和海南共11個省市;中部地區包括山西、黑龍江、吉林、江西、安徽、湖北、湖南和河南共8個省市;西部地區共包括四川、寧夏、重慶、貴州、云南、西藏、新疆、陜西、甘肅、青海、廣西和內蒙古共12個省市。在截距值大于0的地區中，東部占了8個，而其他地區只占了4個，剩下的全小于0。由此我們可以說明，在相同的旅游人數彈性系數的條件下，各省份之間的截距值差距比較大，并且中國東部地區明顯優于中、西部地區，所以經濟發達的地區旅游經濟明顯強于經濟欠發達的地區。

其次，可以設定不同地區模型的斜率項不同，建立固定效應變系數模型對我國31個省份做固定效應變系數分析，其中31個系數分別反映了各個地區旅游外匯收入對人數存在的彈性差別，從而可以分析得出旅游人數對外匯收入的相關性比較強，固定效應變系數模型輸出結果見圖3。

由可決系數R2=0.98和修正的可決系數R2=0.98可知，所建模型對樣本數據擬合程度比較好。由于（4）是固定效應變系數模型，系數的改變對旅游外匯收入起到了很大的作用，因此將各地區的彈性系數用更鮮明的條形圖的形式呈現于圖4。

由圖4可知，內蒙古彈性系數最大為2.626，即每增加1萬旅游人數能帶來e2.626百萬美元。內蒙古、新疆、青海等地的入境旅游外匯收入與入境旅游客流量的彈性系數明顯大于其余省份，說明其入境旅游外匯收入對入境旅游客流量的依賴程度極強。彈性系數在1以下的有江蘇、浙江、湖南、北京、河北、陜西、甘肅、四川、貴州、黑龍江共10個，其中經濟比較發達的東部地區城市占了4個，而其他經濟比較不發達的中部地區、西部地區以及東北地區共6個，并且其中北京、河北和江蘇這些地區彈性系數比較大。彈性系數在1以上的省份占了大多數，由此可以看出接待人數對旅游經濟的影響比較大。

綜上，我們可以得到結論，入境旅游客流量對入境旅游外匯收入的影響十分明顯，旅游經濟發達的地區其彈性系數在總體上比旅游經濟欠發達地區要高，并且其實際意義則反映了各個地區入境旅游外匯收入對入境旅游客流量的依賴程度較大，且存在正相關關系。

參考文獻

[1]雷可為， 陳瑛.基于BP神經網絡和ARIMA 組合模型的中國入境游客量預測[J]. 旅游學刊， 2007， 4（22）： 20-25.

[2]雷平， 施祖麟. 我國入境旅游人次月度指數預測模型比較研究[J]. 旅游學刊， 2008， 3（23）： 24-28.

[3]吳良平， 張健. 入境游客在中國區域的動態分布及其預測研究——基于帶虛擬變量的ARIMA模型[J]. 旅游學刊， 2015，11（30）： 74-86.

[4]王秀蘭， 吳亞琪， 王秀芬. 中國不同地區入境旅游客源時空差異分析[J]. 山西師范大學學報（ 自然科學版）， 2017， 4（31）： 106-112.

[5]肖新成， 周桂明， 雷紹海. 旅游外匯收入與經濟發展關系的實證分析[J]. 宜春學院學報， 2019， 4（41）： 33-38.

[6]李泓穎， 李飛等. 基于VLBP神經網絡算法的中國旅游外匯收入預測研究[J]. 計算機應用與軟件， 2019， 8（36）： 93-97.

[7]龐麗， 王錚. 我國入境旅游和經濟增長關系分析[J]. 地域研究與開發， 2006， 3（25）： 51-55.

[8]黃雪麗. 基于面板數據的旅游外匯收入與地區經濟發展的關系分析[J]. 江蘇科技大學學報（社會科學版）， 2010， 1（10）： 49-53.

[9]王公為， 烏鐵紅. 內蒙古入境旅游與進出口貿易關系的區域差異——基于12個盟市面板數據的實證檢驗[J]. 干旱區資源與環境， 2017， 2（31）： 203-208.