國內旅游消費支出影響因素的VAR模型分析

張義

摘 要：基于向量自回歸（VAR）模型，運用單位根檢驗、脈沖響應函數、方差分解等計量經濟分析方法，對1999年-2018年影響我國國內旅游消費支出（LY）的因素進行實證分析，分析結果表明旅游人數（LK）和互聯網普及水平（HLW）的變化是影響國內旅游消費支出的重要因素，兩者對國內旅游消費支出都產生了正面的影響，而且后者的作用更為顯著。同時旅游人數（LK）和互聯網普及水平（HLW）的變化對國內旅游消費變化的影響都會隨著時間不斷加長而慢慢降低。

關鍵詞：國內旅游消費;VAR模型;脈沖響應函數;方差分解

一、引言

近年來，國內旅游業以其獨特的發展優勢和良好的市場前景，對國家經濟發展貢獻了很大的力量。旅游業從自身角度逐步拓展以及結合其他產業綜合發展，使得我國從旅游短缺性國家轉變為旅游大國，創造出了令人驚嘆的經濟效益。因為旅游消費支出是一個國家旅游消費經濟基本狀況的標志之一，所以其常常作為一個綜合性指標用來衡量國家旅游經濟活動情況和效果。根據國家統計局1999年-2018年間的數據顯示，國家旅游消費支出從2831.92億元上升到5128.29億元。從總體看，呈現出穩定增長的態勢，我國將以較快的發展速度使旅游業步入全新階段，因此本文對旅游消費支出影響因素的研究具有一定的理論意義和現實意義。

二、相關研究綜述

對于國內旅游消費支出實證分析的研究思路如下：第一，確定影響國內旅游消費支出的因素;第二，將以上因素作為自變量建立國內旅游消費支出的VAR模型。我國學者對國內旅游消費支出進行實證研究的計量方法主要有以下幾種：

1.多元線性回歸模型分析

賀淵迪等（2018）利用居民消費價格指數、城鎮居民平均可支配收入、城鄉居民年末平均儲蓄存款余額以及旅行社數量的時間順序，構建了旅行消費支出的多元回歸模型。結果表明城鎮居民平均可支配收入越高，旅游消費支出也越高，但旅行社的數量卻和居民消費成負相關。

2.向量自回歸模型分析

周力等人建立了向量自回歸模型。第一，對城市居民消費、農業居民消費、旅游消費三種變量，進行了單位根檢驗和對VAR模型的平穩性試驗;第二，重新構建了VAR模型;第三，脈沖分析和方差分解。結果表明：影響游客消費行為的主要原因是都市居民消費和鄉村居民消費，后二者對游客消費行為均存在著不同程度的影響。

3.協整檢驗及Granger因果檢驗

伍卓等通過協整檢驗和Granger因果檢驗，指出旅游交通和旅游消費支出存在協整關系，但反過來旅游消費支出對旅游交通又有影響。

隨著旅游業的迅速發展及其對我國經濟的重大貢獻，對于旅游消費支出影響因素的分析研究是必要的也是緊迫的，本文著重探討的問題有：影響旅游消費開支的各種因素究竟是哪些;已確定的各種因素是正向或者負向地影響了旅游消費開支;上述的各種因素與旅游消費開支之間的Granger關系是否存在;上述各種因素的共同影響的價格波動性究竟如何，短期和長期是否有不一樣，以及長期內是否會有明顯下降的勢頭等;用上述各種因素來估計國內游客消費支出。所產生的預期偏差又主要來自于哪些方面？因此上述方面的研究，對更好推動旅游業的健康發展有著重大的意義。

三、模型設定和數據說明

1.模型設定及變量說明

本文主要采用p階向量自回歸模型：Yt=A1Yt-1+A2Yt-2+…+ ApYt-p+εt

其中，Yt=（LNLY，LNHLW，LNLK）T，LY代表旅游消費支出，HLW代表互聯網的普及水平，LK代表旅游人數，LN代表對相關變量取自然對數。A1至Ap為待估的參數矩陣，內生變量存在p階滯后期，εt是隨機擾動項。

2.變量選擇

首先旅游人數對旅游消費支出是具有直接影響的，互聯網的普及化程度也越來越高，人們更多追求精神的滿足，那么旅游是人們得到精神滿足的重要手段之一，并且人們現在更多在網上搜索旅游景點、買票等，所以互聯網的普及水平對旅游消費有著重大的影響。我們最終選取旅游人數（LK）和互聯網普及水平（HLW）作為旅游消費支出（LY）的自變量。

3.數據說明

本調查的數據均來源于統計局網，三個變量均選取自1999-2018的年度統計資料。因為按時間順序排列經常會出現異方差貢獻率的現象，所以本文中也對歷史數據做了一定的自然對數化，對數化之后用LNLY、LNHLW、LNLK分別代表了旅游消費的總支出、互聯網普及水平、旅行人次，但歷史數據的自然對數變換并不能改變原來的協整關系，還可以將其趨勢線性化。本次的數據分析將采用Eviews8.0軟件。

四、國內旅游消費支出影響因素的實證檢驗

1.單位根檢驗

因為經濟時間序列在很多情況下并不平穩，如果采取普通最小二乘回歸的方法，會呈現“偽”回歸的現象。本文我們將采用ADF（Augmented Dick Fuller）檢驗法進行單位根檢驗。得出結果如表1所示：

檢驗得出：三個序列都在1%的顯著性水平下是非穩定的，都必須接受存在單位根的假設。隨后又對它們的一階差分序列進行了平穩性檢測，發現LNLY、LNHLW、LNLK均在百分之一的水平或顯著水平上拒絕了存在單位根的原假設，從而使得LNLY、LNHLW、LNLS均為I（1） 過程，它們的一階差分序列為I（0） 過程。

2.建立VAR模型

（1） 確定滯后階數

在確定合適的自由度，使建模參數在具備較強解析能力的同時減少了誤差項的自相關，因此需要選取VAR模型的最優滯后階數。使用了AIC準則作為選擇最優預測滯后階次的檢驗準則。根據下表2，得出了VAR模型的最優預測滯后階次為三。

（2） 檢驗VAR模型的平穩性

檢驗VAR模型是否有平穩性需要采用的方式是檢查VAR模型中的F矩陣單位根情況。從圖1中可以看到每個單位根都落在單位圓內，因此滯后三階的VAR模型也是很穩定的。

（3） VAR模型的參數估計結果

①表3為滯后3階的VAR模型的參數估計結果。

由表2可得到如下的滯后3階的VAR模型：

從矩陣中不難看出，多數系數的單獨顯著性并不強，而顯著性較強（大于1.96或小于1.96）的系數僅有3處：在第二個方程中，滯后一階時，D（LNHLW）對D（LNHLW）具有顯著的正面影響;在滯后三階時，D（LNLY（-3））對D（LNHLW）具有顯著的負面影響;在滯后三階時，D（LNLK（-3））對D（LNHLW）具有顯著的正面影響;在第三個方程中，滯后一階時，D（LNHLW（-1））對D（LNLK）具有顯著的負面影響。

3.脈沖響應函數

為探討互聯網普及水平的對數差分值與旅行人數的對數差分值對旅行消費支出的影響，構建了脈沖響應函數，所得脈沖響應函圖如下：

從圖2知，互聯網普及水平HLW的對數差分值對國內旅游消費支出LY的對數差分值的影響具有波動性，互聯網普及水平HLW的對數差分值增加一個單位，在短期內對旅游消費支出LY的對數差分值具有負向影響，之后影響增加至正向影響，長期的這種影響趨于0。由圖3可知，旅游人數LK的對數差分值對國內旅游消費支出LY的對數差分值的影響具有波動性，，旅游人數LK的對數差分值增加一個單位，在短期內對旅游消費支出LY的對數差分值具有負面影響，之后影響增加至正向影響，長期的這種影響趨于0。

4.方差分解

下面對旅游消費支出LY變動的不同預測期限的預測誤差的方差進行分解，結果如表4所示：

從LY的方差分解結果可以看出，旅游消費支出變動的預測誤差主要來自于自身變動的擾動和互聯網普及水平HLW變動的擾動，互聯網普及水平HLW變動的沖擊對國內旅游消費LY變動的影響占到24%，旅游人數LK變動的擾動對旅游消費支出的影響比較小，約為5%左右，旅游消費支出LY變動自身的沖擊非常大，旅游消費支出變動本身的貢獻率占到70%左右。

五、結論

通過對以上內容分析，可以得出以下結論：

1.互聯網普及水平HLW和旅游人數LK的變動是影響國內旅游消費支出變化的重要因素，二者對旅游消費支出都具有正面的效應，但前者的作用更大一些。

2.HLW的變化對LY的變化的影響具有波動性，短期內會使LY的變化降低，但長期會使其增加，并且影響逐漸減弱，最終趨于0。LK的變化對LY變化的影響具有波動性，短期內會使LY的變化降低，但長期會使其增加，并且影響逐漸減弱趨于0。

3.自身變動的擾動和互聯網普及水平變動的擾動是影響旅游消費支出變動預測誤差的主要原因，受旅游人數的影響比較小。

參考文獻：

[1]周力.構建旅游消費價格指數和城鄉居民旅游消費預測的實證分析——基于VAR模型[J].價格月刊，2018（10）：1-5.

[2]梁金鳳.城市短視頻傳播對旅游消費的影響[D].濟南：山東大學，2019.

[3]王領，茍曉敏.中國游客赴日旅游消費的影響因素研究——基于X12-ARIMA模型的分析[J].山東財經大學學報，2018（2）：16-22.

[4]賀淵迪.基于多元線性回歸模型的陜西省旅游消費影響因素分析[J].山東財經大學學報，2018（5）：60-65.

[5]徐翠榮，張廣海，汪立新.一般消費函數理論可否解釋中國城鄉居民旅游消費？——對我國城鄉居民旅游消費函數的實證分析[J].商業研究，2017（15）：13-25.

[6]徐曉娜.城鎮人口老齡化與國內旅游消費——基于VAR模型的實證分析[J].商業研究，2017（6）：50-54.

[7]王森.中國人口老齡化與居民消費之間關系的實證分析——基于1978-2007年的數據[J].西北人口，2010，31（1）：22-27.

[8]張麗峰.我國人口結構對旅游消費的動態影響研究[J].干旱區資源與環境，2015，29（3）：193-198.

[9]劉霽雯.我國居民收入與國內旅游消費關系研究[D].武漢：華東師范大學，2011.

[10]張敏.旅游業與經濟增長關系的實證分析[D].大連：東北財經大學，2005.