生态经济区入境旅游市场发展趋势-精品文档.docx

《生态经济区入境旅游市场发展趋势-精品文档.docx》由会员分享，可在线阅读，更多相关《生态经济区入境旅游市场发展趋势-精品文档.docx（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、生态经济区入境旅游市场发展趋势一、研究原理目前，学界逐步重视区域旅游业发展的趋势预测，在入境游客量预测、国内游客量量预测等方面，建立了各种方法和模型。在对国内旅游市场游客量需求的预测中，常用的方法有多元回归模型、神经网络模型、灰色预测模型、引力模型及一般时间序列模型等，这些方法能够反映游客变化的一般趋势，但预测结果受突发情况如SARS事件的影响比拟大。ARIMA作为统计预测中的一个重要模型，被广泛运用于各个领域，由于ARIMA模型则能够较好地克制随机干扰问题，近年来，也被运用与旅游业游客量的预测中。ARIMA模型全称自回归移动平均模型AutoregressiveIntegrantedMovin

2、gAverageModel,ARIMA)，由博克思Box和詹金斯Jenk-ins于70年代初提出。其中ARIMAp，d，q称为差分自回归移动平均模型，AR是自回归，p为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。ARIMA模型的基本思想是：将预测对象随时间推移而构成的数据序列视为一个随机序列，用数学模型来描绘，模型被识别后能够从时间序列的过去值及如今值来预测将来值。二、研究步骤1根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。2对非平稳序列进行平稳化处理。假如数据序列是非平稳的，并存

3、在一定的增长或下降趋势，则需要对数据进行差分处理，假如数据存在异方差，则需对数据进行技术处理，直四处理后的数据的自相关函数值和偏相关函数值无显著地异于零。3根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列合适ARIMA模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列合适ARIMA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列合适ARIMA模型。4进行参数估计，检验能否具有统计意义。5进行假设检验，诊断残差序列能否为白噪声。6利用己通过检验的模型进行预测分析。三、研究假设一预测指标的选择本文选择入境旅

4、游人数和入境旅游外汇收入，进行模型分析，对将来入境旅游市场发展进行预测。二研究假设假设1：利用ARIMA模型预测鄱阳湖生态经济区入境旅游市场发展趋势是可行的。假设2：基于时间序列模型的拟合度较好，其预测值具有可信性。四、鄱阳湖生态经济区入境旅游市场发展趋势分析本文选择1998-2013年鄱阳湖生态经济区15年的入境旅游人数和入境旅游外汇收入为实验数据见表1，构成研究对象的时间序列，采用ARIMA模型建立时间序列模型，并预测至2015年鄱阳湖生态经济区入境旅游市场的发展趋势。根据上述数据，利用SPSS17软件，建立ARIMA模型，得出结果见图1和表2，从结果中可知ARIMA预测值与实际值拟合度较高，除了一些特殊年份以外误差比例都保持在10%下面1998年预测值高于实际值是由于东南亚金融危机影响，2003和2004年是由于SARS风波导致预测值与实际值不符，最低误差率仅为0.95%。由此，ARIMA模型预测的2014年和2015年鄱阳湖生态经济区入境旅游收入分别为57715万美元和62801.3万美元，以及入境旅游人数178.52万人次和192.35万人次，非常具有参考价值，能为相关部门和企业在制定旅游发展规划时，提供有效的数据支撑。