第4章-旅游需求预测课件.ppt

4.1旅游需求预测导论n4.1.1旅游需求预测的重要性n4.1.2旅游需求预测的模型与方法n4.1.3旅游需求的决定因素n4.1.4函数形式与需求弹性n4.1.1旅游需求预测的重要性n 旅游需求及其变化状况直接影响到旅游目的地旅游经济的发展方向和发展规模，然而旅游的强季节性及其产品的不可储存性使得旅游供给与需求间的矛盾较为突出，为避免造成过多的资源浪费，有效配置和平衡好供求间的协调关系，提高资产使用效率，更好地为游客创造优异体验价值，为政策制定者和旅游规划设计者提供有价值的参考信息，需要对旅游需求进行预测。n4.1.2旅游需求预测的模型与方法n1.定性预测方法n2.时间序列分析方法n3.计量经济学方法n1.定性预测方法n 所谓定性预测，就是依靠熟悉业务知识、具有丰富经验和综合分析能力的人员或专家，根据已经掌握的历史资料和直观材料，运用人的知识、经验和分析判断能力，对事物的未来发展去世做出性质和程度上的判断；然后再通过一定的形式综合各方面的判断，得出统一的预测结论。值得注意的是，定性预测技术一定要与定量预测技术配合使用。n 定性预测方法又称为主观预测方法，它简单明了，不需要数学公式，依据是来源不同的各种主观意见。 n包含以下几个方法：n1）经验估计法：（1）管理人员评判意见法；（2）销售人员估计法；（3）专家意见法；n2）调查预测法：（1）预购侧算法；（2）用户调查预测法；（3）典型调查预测法；（4）展销调查预测法。 n2.时间序列分析方法n也叫时间序列预测法、历史延伸法、外推法 是一种定量分析方法，它是在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的发展变化趋势，确定变量预测值。n 时间序列数据最根本的特征，也是与截面数据最根本的区别，是时间序列数据对应时间的顺序性。n 这种顺序性是时间序列数据按时间顺序统计观测的基本方式决定的。n时间序列数据的性质和特征：1、时间序列数据的时间顺序性决定了它们可以反映经济运行的趋势性。 2、时间序列数据的时间顺序性决定了它们可以反映经济运动的周期性和季节性。3、时间序列数据的时间顺序性，决定了它们可以反映经济运动、关系中的延滞作用和长期持续效应，也称为“滞后效应”。 4、时间序列的顺序性也决定了时间序列数据可以反映经济运动、关系中的各种正反馈作用。 5、时间序列数据的时间顺序性，与时间之间的对应关系，决定了时间序列数据与随机过程之间不可分割的联系。 n时间序列分析法是撇开了事物发展的因果关系去分析时间序列分析法是撇开了事物发展的因果关系去分析事物的过去和未来的联系。事物的过去和未来的联系。n假定事物的过去趋势会延伸到未来；假定事物的过去趋势会延伸到未来；n预测所依据的数据具有不规则性；预测所依据的数据具有不规则性；n撇开了市场发展之间的因果关系。撇开了市场发展之间的因果关系。确定性时间序列预测法：确定性时间序列预测法：非确定性时间序列预测法非确定性时间序列预测法：简单平均法简单平均法移动平均法移动平均法指数平滑法指数平滑法季节系数法季节系数法趋势外推法趋势外推法n步骤：n收集、整理历史资料，编制时间序列收集、整理历史资料，编制时间序列n确定趋势变动形态确定趋势变动形态n选择预测方法选择预测方法n确定预测值确定预测值n3.计量经济学方法n 计量经济学是一门从数量上研究经济关系和经济活动规律及其应用的学科，它是统计学、经济理论和数学的结合，是进行经济结构分析、经济状况预测和经济政策评价的有力工具，在西方国家，计量经济学的研究应用主要集中在以下三类问题上： n（1）预测资本主义经济中的商业循环（经济周期）； n（2）市场研究，包括需求弹性和供给弹性的研究； n（3）研究规划理论和评价经济政策效果。我国自改革开放以来，推广应用计量经济学方法，在研究我国的宏观经济规律，预测宏观经济形势的变化，为制定宏观经济调控政策提供依据等方面取得了一定效果。n在旅游需求预测中应用的计量经济学方法主要有：n线性回归模型、对数回归模型n指数模型n协整检验与误差修正模型（ECM）n可变参数模型n向量自回归模型（VAR）n近似理想需求系统模型（AIDS）n4.1.3旅游需求的决定因素n通常分为两个方面：n旅游客源地n旅游目的地旅游客源地：旅游客源地：涉及到客源地旅游需要的水平和旅游涉及到客源地旅游需要的水平和旅游者个人的情况。者个人的情况。 主要特征包括：主要特征包括： 经济发展水平经济发展水平决定性因素决定性因素人口特征人口特征出生率，年龄，性别构成出生率，年龄，性别构成收入与闲暇收入与闲暇可自由支配收入与工作时间可自由支配收入与工作时间职业和教育水平职业和教育水平资源和交通资源和交通知名度和可达性知名度和可达性价格和汇率价格和汇率如全球金融危机的影响如全球金融危机的影响旅游目的地：旅游目的地：供给部分供给部分 资源吸引力资源吸引力 交通便利性交通便利性 价格和汇率价格和汇率 汇率变动影响到国际旅游者对价格的看法，汇率变动影响到国际旅游者对价格的看法，从而影响到旅游需求从而影响到旅游需求 旅游目的地货币汇率下跌，相当于旅游价旅游目的地货币汇率下跌，相当于旅游价格下跌，则旅游需求增加；格下跌，则旅游需求增加； 旅游目的地货币汇率升高，相当于旅游价旅游目的地货币汇率升高，相当于旅游价格升高，则旅游需求下降。格升高，则旅游需求下降。结论：结论： 只有客源地和目的地两者之间达成供只有客源地和目的地两者之间达成供需关系时，才能产生动机并实施旅游。需关系时，才能产生动机并实施旅游。旅游需求预测的资料从其来源可以分为第一手资旅游需求预测的资料从其来源可以分为第一手资料和第二手资料。料和第二手资料。1.第一手资料。通过问卷调查、野外考察或从实第一手资料。通过问卷调查、野外考察或从实验室获得，收集第一手资料的方法有调查法和观验室获得，收集第一手资料的方法有调查法和观察法。调查法：抽样调查、重点调查、典型调查、察法。调查法：抽样调查、重点调查、典型调查、普查等。观察法：直接观察、实际痕迹测量和行普查等。观察法：直接观察、实际痕迹测量和行为记录法。为记录法。2.第二手资料：科研档案资料、地图、统计报表、第二手资料：科研档案资料、地图、统计报表、人口普查资料等。来源：企业内部材料、旅游报人口普查资料等。来源：企业内部材料、旅游报刊、杂志、调研专辑和国际和区域旅游组织和专刊、杂志、调研专辑和国际和区域旅游组织和专业市场调研机构年报表及其其他资料。业市场调研机构年报表及其其他资料。n4.1.4函数形式与需求弹性n回归分析（回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。n 依据自变量和因变量的历史统计资料进行计算，在此基础上建立回归分析方程，即回归分析预测模型。常用模型为：n 对数线性回归模型n指数模型n1.旅游需求价格弹性旅游需求价格弹性 旅游需求价格弹性系数是指旅游价格变化的百分数与旅游需求量变化的百分数的比值。 旅游需求的价格弹性系数可以分为三种情况： n当Edp1时，表明旅游需求弹性较大 n当Edp1时，表明某种旅游产品的需求量受可自由支配收入的影响程度大 n当Edi 1时，表明某种旅游产品的需求量受可自由支配收入的影响程度小 n当Edi =1时，表明某种旅游产品的需求量受可自由支配收入的影响程度适中101000QQIIEdiQI4.2旅游需求建模的传统方法n4.2.1传统旅游需求建模方法论n4.2.2传统方法在旅游需求建模中的失败n4.2.1传统旅游需求建模方法论n传统建模程序：n基于需求理论形成假设n决定模型的函数形式n收集数据n估计模型n检验假设n生成预测值或评估政策n1.形成假设n假设：客源国的收入对于目的地旅游需求有积极正面的影响；n假设：替代效应使得旅游需求朝向与价格变动相反的方向移动；n假设：替代关系与互补关系可能并存。n2.模型设定n线性函数n非线性函数n3.数据收集n时间序列数据n截面数据n混合数据n数据资源：旅游统计年鉴、国际金融统计、旅游与旅行数据：世界旅游业研究手册等等。n4.模型估计n最小二乘法n又称最小平方法，是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。n5.假设检验n（1）检验单个系数的显著水平nT检验，亦称student t检验（Students t test），主要用于样本含量较小（例如n30），总体标准差未知的正态分布资料。 nT检验是用于小样本（样本容量小于30）的两个平均值差异程度的检验方法。它是用T分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。 n（2）检验所有参数的联合显著水平nF检验又叫方差齐性检验。在两样本t检验中要用到F检验。 n从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t检验或变量变换或秩和检验等方法。 n其中要判断两总体方差是否相等，就可以用F检验。 n简单的说就是 检验两个样本的 方差是否有显著性差异 这是选择何种t检验（等方差双样本检验，异方差双样本检验）的前提条件。 n6.预测与政策评估n趋势外推模型趋势外推模型 引力模型引力模型 特尔菲模型特尔菲模型n4.2.2传统方法在旅游需求建模中的失败n满足的假设条件过多n数据非平稳n没有考虑长期的协整关系和短期的动态关系4.3现代计量经济学预测模型n4.3.1现代计量经济学方法导论n4.3.2单一方程模型n4.3.3系统方程模型n4.3.4计量经济学预测模型的表现n4.3.1现代计量经济学方法导论n 旅游需求预测开始于20世纪60年代，但预测方法的快速发展却是在20世纪80年代。在20世纪90年代之前，一般采用的是传统的定量定性研究方法，如计量经济方法，时间序列方法等；之后，人工智能方法包括神经网络模型、粗集理论和灰色理论等方法引入对旅游需求的预测研究。n 国内在定量方法的研究和应用方面与国外存在着很大的差距。国外在旅游预测研究中采用的定量方法种类繁多，所列举的各类模型在国外都有不同程度的应用；反观国内，使用频率较高的只有一些基础模型和灰色预测模型，国外常用且已证明预测精确度较高的模型，如误差修正模型、接近理想需求方法、向量自回归等，在国内的研究及应用则寥寥无几。n(1)国内外普遍运用的模型n 这些模型包括一元回归、多元回归、线性回归等基础计量经济/回归模型，天真法、移动平均预测模型、指数平滑预测模型等基础时间序列预测模型，ARIMA模型(自回归移动平均模型)，BP(backpropogation)神经网络等。n(2)国内常用而国外少用的模型n 通过中西方文献研究发现，灰色系统理论(GST或GS)在我国预测领域是主要的研究方法，但在西方国家的应用却很少，少数有关灰色系统理论的外文文献基本上都是亚太地区的研究。n(3)国外常用而国内少用的模型n最为典型的是误差修正模型(ECM)和接近理想需求方法(AIDS)。n 定性方法方面，以德尔菲法为代表，虽然德尔菲法争议较大，但人们普遍承认，在不能使用其他方法的情况下，该方法在帮助旅游规划者和政策分析者预测可能的未来发展方向时颇有价值。n4.3.2单一方程模型n1.误差修正模型（Error Correction Model，简记为ECM）是一种具有特定形式的计量经济学模型，它的主要形式是由Davidson、 Hendry、Srba和Yeo于1978年提出的，称为DHSY模型。n建立ECM模型，是因为某些经济变量之间存在长期稳定的均衡关系。但是，在短期这种稳定关系也许会出现某种失衡，为了弥补这些缺陷，并且把短期行为和长期值相联系，并对失衡部分做出纠正。 n设两个同阶单整序列y和x，并且它们具有协整协整关系关系，其关系可以表示成自回归分布滞后模型：n (1)n我们可以将（1）式写为n (2)n其中 ，则（2）式称为一阶误差修正模型。在这里参数称为影响参数，被称为反馈效果，称为长期反映系数。11011tttttyyxx 110011011011(1)()(1)tttttttttyyxxxykkx 0110111,1kkn 所谓的协整是指若两个或多个非平稳的变量序列，其某个线性组合后的序列呈平稳性。此时我们称这些变量序列间有协整关系存在。 n 关于误差修正模型的参数估计，我们引入Engle-Granger两步法，这是由Engle和Granger （1987）提出的，其基本思想是通过两个步骤检验经济变量间的长期均衡关系，并以ECM 构建短期动态模型。n2.时变参数模型TVPn 大量的研究结果表明,利用经济计量模型进行预测有时可能会发生预测失灵,预测失灵一般与模型结构的不稳定有关,即模型中的参数随时间变化。模型预测失灵和参数的显著性变化是数据生成过程发生根本性结构变化的反映。基于上述观点,建模者主要采取建立时变参数模型来反映结构的变化。比如,在研究我国的旅游消费模型时,我们就可以采用时变参数模型法。n第一,模型的参数随着旅游者行为变化而变化。n第二,由于经济变量中存在着不可观测的因素,将导致数据生成过程的结构变化。按照在经济理论前提下模型的结构应与数据生成过程相一致的思想,模型的参数应随着数据结构生成过程的变化而变化。n第三,使用TVP的另一个考虑是模型的错误设定,如果在模型中漏掉了要解释变量,那么参数也会不稳定,此时可TVP去模拟因缺少重要解释变量而导致的参数变化。n第四,自建国以来,我国政治、经济、社会环境的经常变化对旅游者行为产生的影响。虽然哑变量法可以用来捕获因上述波动造成的结构变化,但我们认为,采用TVP模型来说明我国的旅游消费情况,既有理论依据,又具有现解释力。nTVP模型可表示为如下状态空间形式:nYt=Xtt+ut (1)nt=t-1+Rtet (2)n式中,Yt为T1维被解释向量,Xt是Tk阶解释变量矩阵,t是k1维参数向量又称状态向量,为kk阶矩阵,Rt为kg阶矩阵,ut为T1维均值为零、固定协方差阵为Ht的残差向量,et是g1维均值为零、固定协方差阵为Qt的连续不相关残差向量,(1)式叫系统方程或输出方程,(2)式叫过渡方程或状态方程。关于(1)式和(2)式还有两个额外的假设:其一是初始向量0的均值为b0,协方差阵为p0;其二是ut和et不相关,矩阵Xt,Ht,Rt,和Qt认为非随机的。n4.3.3系统方程模型n1.向量自回归模型 VARn由希姆斯（C.A.Smis）提出，他认为：如果在一组变量之中有真实的联立性，那么这些变量就应平等地加以对待，而不应该事先区分内生和外生变量。n在一个含有n个方程（被解释变量）的VAR模型中，每个被解释变量都对自身以及其它被解释变量的若干期滞后值回归，若令滞后阶数为k，则VAR模型的一般形式可用下式表示：n其中，表示由第t期观测值构成的n维列向量，为n*n系数矩阵，是由随机误差项构成的n维列向量，其中随机误差项（i=1,2,n）为白噪音过程，且满足 (i,j=1,2,n,且ij)。ktititi1ZA ZVitjtE(v v )=0n 对某变量全部滞后项系数的联合检验能够告诉我们该变量是否对被解释变量有显著的影响，但是不能告诉我们这种影响是正还是负，也不能告诉我们这种影响发生作用所需要的时间。为解决这一问题，经常应用的方法是测量脉冲响应。脉冲响应度量的是被解释变量对单位冲击的响应。n在Eviews软件中利用VAR模型对预测变量的有效性进行检验。 n2.线性近似理想需求模型AIDSnAIDS模型(Almost Ideal Demand System)是国内用于消费结构的理论发展和实践应用的验证性消费系统模型,一般用于框架性预测国内的消费趋势。n 该模型是从成本函数或称支出函数推导得出的，它不必依赖于消费者效用函数。即使当需求理论的限制全部采用时，AIDS模型仍然可以足够灵活地避免一些来自过于简化的效用函数所得出的其他需求系统模型所难以摆脱的更为严格的限制问题。n 由于AIDS模型符合需求理论，并且，可以用来检验需求理论的限制约束，在其方程中的系数是线性近似的情况下，它的估计非常简便，从而，可以避免非线性估计的麻烦。AIDS模型是一个灵活的、完整的需求系统模型，它所估计的系数具有极其简明的经济含义。它尤其适用于消费者家庭预算数据，并且，可以允许一定程度的消费者加总问题。n3.神经网络模型n 目前，在人工神经网络的实际应用中，大多数的人工神经网络模型是采用前馈反向传播网络（Back-Propagation-Net-work，BP网络）或它的变化形式，它是前向网络的核心，体现了人工神经网络最精华的部分。nBP神经网络，即多层前馈式误差反传神经网络，通常由输入层、输出层和若干隐含层构成，每一层都由若干个节点组成，每一个节点表示一个神经元，上层节点与下层节点之间通过权连接，层与层之间的节点采用全互联的连接方式，每层内节点之间没有联系。以一个3层结构的BP神经网络为例，即含有一个输入层、一个输出层和一个隐含层。n其结构如图1所示：n4.灰色系统理论n 在1982年由邓聚龙教授首先提出，之后灰色系统理论在许多方面应用获得成功。n 灰色系统理论认为，人们对客观事物的认识具有广泛的灰色性，即信息的不完全性和不确定性，因此由客观事物所形成的部分信息已知、部分信息未知的系统是一种灰色系统。n差异信息原理差异信息原理：差异是信息，凡信息比有差异解的非唯一性原理非唯一性原理：信息不完全、不确定的解是非唯一的n最少信息原理最少信息原理：立足于有限信息空间。n认知根据原理认知根据原理：信息是认知的根据n新信息优先原理新信息优先原理：新信息的作用大于老信息。n灰性不灭原理灰性不灭原理：“信息不完全”（灰）是绝对的。n 灰色系统理论中的灰色关联分析法是一种有效处理不确定变量相关关系的方法，灰色关联分析实质是比较若干序列所构成的曲线与理想(标准)序列所构成的曲线的几何形状接近程度，几何形状越接近，其关联度越大。因此，利用灰色关联分析可判别系统的主要因子和次要因子。n 灰色关联分析是按事物的发展趋势做分析，因此对样本量的多少没有过多的要求，也不需要典型的分布规律，而且计算量比较小，其结果与定性分析结果会比较吻合，所以灰色关联分析是一种很具有自己独特优势的、比较实用和可靠的分析方法。n 以往的研究中，因素分析常采用回归分析、相关分析等统计方法。n 在进行回归分析时，要求样本足够大，且须呈典型分布，其计算量大、过程复杂繁琐，并且由于回归分析主要是数据幂、和、积等的运算，计算过程中的误差可导致严重错误，使因素间的本质联系受到歪曲。n 而统计相关分析中用来度量两个变量之间关系尺度的相关系数：(1)只适用于考察变量间的线性相关关系，也就是说当相关系数=0时，只说明两个变量间不存在线性相关关系，但不能保证不存在其它非线性相关关系。所以变量不相关与变量相互独立在概念上是不同的。(2)相关系数的计算是一个数学过程，它只说明两个变量间的相关强度，但不能揭示这种相关性的原因，不能揭示变量间相关关系的实质，即变量间是否真正存在内在联系或者因果关系。所以在计算相关系数的同时，还要强调对实际问题的分析与理解。n 而灰色关联分析可以深刻地剖析和刻画事物间相关的实质和内涵，因为任何两个事物在发展过程中的态势的一致性主要体现在总体位移差、总体一阶斜率差与总体二阶斜率差等方面，目前已有的几种关联度模型都是在充分地考虑了因素间的位移差或者斜率差等的基础上来建立的。n4.3.4计量经济学预测模型的表现n1.总体表现n 对于旅游需求预测的方向变化和趋势变化的分析，通常都需要借助定量分析模型，计量经济学预测模型的表现尤为突出，应用越来越广泛。n2.影响相对预测表现的因素n（1）预测的时间跨度n（2）数据的时间频率n（3）数据产生的过程n3.旅游需求预测的计量模型总结n第一，构建一个适合各种情况的预测模型是不可能的；n第二，高级的预测技术倾向于改进简单的时间序列分析的预测精度；n第三，为了提高预测精度，应该对模型的设定更加关注，通常通过各种诊断测试来完成；n第四，考虑旅游需求季节性的本质，应该努力运用季度数据和月度数据建模；n第五，应从国家和大区域层面的旅游需求研究向关于产品或子区域层面的旅游需求研究过渡。精品课件精品课件！精品课件精品课件！n4.未来的研究方向n第一，误差方向和拐点预测值得深入研究；n第二，不同模型组合预测趋势逐渐形成；n第三，定性研究用于改进定量研究的精度；n第四，需要不断引入计量经济学的新成果。