一般到特殊的入境旅游需求建模及分析

金建江，吴雪飞，杨东旭

（浙江旅游职业学院 工商管理系，浙江 杭州 311231）

一般到特殊的入境旅游需求建模及分析

金建江，吴雪飞，杨东旭

（浙江旅游职业学院 工商管理系，浙江 杭州 311231）

采用一般到特殊的计量经济建模方法，以上海市入境旅游主要客源国为样本建立入境旅游需求模型，并引入需求弹性系数进行分析。研究发现，收入和口碑效应对客源地旅游需求存在显著正影响，价格和突发事件对客源地旅游需求存在显著负影响，收入变动对入境旅游需求的影响程度比价格变动更为突出，而欧美国家的游客对这些影响因素更为敏感。

一般到特殊；入境旅游；需求模型；需求弹性

一、引言

构建旅游需求影响因素的模型和预测未来趋势是旅游需求研究的两大焦点[1]。分析影响旅游需求的决定性因素可以为制定、评估旅游政策和战略提供重要信息，而旅游需求预测则通过多种形式服务于公共和私人部门的实践者们，具体体现在：首先，很多旅游企业（如航空公司、酒店和旅行社）的成功很大程度上取决于旅游需求的状态，考虑到旅游产品的不可恢复性，合理估计旅游需求变化趋势便成为计划工作的重要内容；其次，旅游投资，特别是目的地基础设施建设，往往需要长期的金融投资，如果投资项目无法满足当初设计的能力则沉默成本会非常高，因此，对于旅游基础设施长期需求的预测往往构成项目评估的重要组成部分；最后，对于目的地旅游需求的规模和增速的准确预测，可以帮助政府部门不断完善中期或长期的政策，有助于实现旅游业的可持续发展[2]。因此，无论是理论层面，还是实践层面，分析影响客源地对目的地旅游需求的主要因素并建立模型，并以此为基础科学预测旅游需求的趋势，显得尤为重要。

中国旅游业的快速发展，使得众多国内外学者乐忠于研究这个地区旅游需求的影响因素，并预测未来需求走势。1992年至2008年期间，有超过200篇中外文期刊论文，聚焦于中国（包括台湾、香港、澳门）旅游需求的建模和预测[2]。其中，入境旅游需求的建模和预测成为研究的焦点。针对中国入境旅游需求的建模和预测，目前绝大多数文献仍停留在国家层面，涉及城市层面的文献很少。上海作为中国最具代表的国际化大都市，入境旅游市场的发展极具代表性，2013年，上海共接待入境过夜游客614.09万人次，仅次于广东位居排名全国第二。同时，上海入境旅游市场呈现萎缩趋势，2011年-2013年，上海接待的入境过夜游客数量连续下滑。因此，本文利用上海市入境游客人数数据，采用一般到特殊的计量经济建模方法，选择香港、韩国、澳大利亚、美国、德国这5个主要客源国家（地区）的入境旅游需求建立模型，旨在揭示收入水平、价格水平、口碑效应和突发事件等因素对这些客源地旅游需求的不同影响，并引入旅游需求弹性进行进一步分析，从理论上和实证上为政府制定政策和企业经营决策提供依据。

二、文献回顾

（一）旅游需求的衡量

在旅游需求建模和预测的文献中，中国旅游需求通常用游客人数和游客花费来衡量，在部分文献中使用这些指标的人均值。1992年至2007年，关于中国旅游需求建模和预测的137篇中文文献中，72%的文献用游客人数来衡量旅游需求，14%的用游客花费（或者旅游收入），另外14%的两个指标同时使用；而在同期43篇国际期刊文献中，80%的文献用游客人数，16%的文献用游客花费[2]。使用什么指标来衡量旅游需求，主要考虑数据的可获得性，以及旅游需求研究的目的，游客数量对于旅游服务供给方（如酒店、航空公司、旅游吸引物）来讲是非常重要的，因为数量直接关系到规模管理；游客花费是政府和央行主要关心的，因为它是旅游活动经济影响评价和旅游政策制定的基础。考虑数据的可获得性，本文使用上海的入境游客人数作为衡量旅游需求的变量。

（二）旅游需求影响因素

旅游需求是一个非常复杂的现象，它可以被众多的外部因素影响，如经济、自然灾害、目的地形象、政治状况等[3]。大多数旅游需求预测研究都聚焦于经济因素，在经济影响因素范畴内，收入、相对价格、替代价格、旅行费用、汇率以及一些其他对经济产生影响的重大事件和时间趋势是经常需要考虑的，尽管有时可能对这些变量进行不同的表述或者需要采用某些形势的代理变量[4]。纵观文献，最常见的中国旅游需求影响因素有：游客收入、目的地旅游价格、一次性突发事件（如1997年的亚洲金融危机，2003年的SARS，2005年的禽流感等）等。

1.收入水平

Crouch的研究认为，收入是重要的旅游需求影响因素，且旅游需求的收入弹性一般大于1但小于2，这就在定量的角度上确认了出境旅游的奢华品属性[5]；Song和Fei指出，出境旅游相对于国内旅游来说是奢侈品，因此客源国的真实收入水平往往被视为影响旅游需求的最重要的变量之一，它通常会对旅游需求产生正效影响[4]；Witt和Witt认为，即使在有些实证研究中收入不会作为解释变量出现，客源国的整体支出水平也会作为替代变量[6]；Turner和Witt认为，以度假和探亲为目的的旅游，其真实的个人可支配收入(Real PDI)是比较恰当的收入变量，而如果仅仅关注于商务旅游时，更广泛和综合的收入变量（比如国民收入）则是比较好的选择[7]。本文使用以不变价格计算的国内生产总值指数作为收入变量。

2.价格水平

按照传统经济理论，价格是影响需求的核心因素。Song和Fei认为，由于游客的消费对象呈现复杂性和多样性，所以价格变量在旅游需求中很难被确定，也就必须采用适当的替代变量[4]。Edwards(1988)对早期旅游需求研究中设立价格替代变量的一些方法进行了归纳，他们通常以相对形势出现，即用目的地价格指数值与客源地、竞争替代目的地加权价格指数值之比所形成的相对值，作为价格因素对旅游需求的综合考虑[8]。近年来价格变量进一步提炼为两种独立的形式：旅游的自身价格和替代价格。

自身价格由游客在目的地的生活开支以及客源地与目的地之间的交通费用两种要素构成[4]。Song和Witt指出，在目的地的生活开支通常有两个重要的组成部分并且经常以真实价值形式出现：第一部分是客源地与旅游目的地的相对价格水平，用以衡量在旅游目的地的真实消费支出；第二部分需要考虑的就是客源地与目的地之间的相对汇率，因为游客通常更容易直接受汇率影响，如果客源国的货币汇率较高，就会有更多的旅游者到目的地观光[9]；Witt和Martin的研究表明，消费者价格指数自身或者与汇率一起都可以作为旅游需求中生活费用的一个合理替代变量，而汇率本身却不足以代表[10]。近年来，自身价格通常采用的代理变量是汇率调整的相对价格指数，即用相对汇率来调整客源地与目的地之间的相对消费者价格指数，采用这种做法的根本出发点在于目的地的价格水平会抵消目的地有利的汇率的影响[4]。

替代关系也是旅游需求预测需要考虑的重要因素。Li et al.所提及的过去15年发表的84篇文献中，有37篇将替代因素变量包括进旅游需求模型[1]。广泛应用的一种做法是综合地构造一个目的地的生活费用与其他竞争目的地加权生活费用的比值作为替代价格，其权重通常是通过每个竞争目的地之间游客达到人数份额或者游客支出份额来计算得到[4]。Martin和Witt利用主要竞争目的地之间的不同市场份额构造了替代价格变量加权系统，这些权重在样本期随着市场份额的变化而变化，改变了早期替代变量设置中权数保持不变的做法[11]。

考虑到本文是对城市目的地旅游需求的研究，故价格因素主要关注自身价格，并采用汇率调整的相对价格指数作为代理变量。

除此之外，旅游营销支出、消费者习惯和偏好、应变量的变动性、人口因素及一些由重大影响的事件都是会影响旅游需求的解释变量[12]，考虑到数据的可获得性，除收入和价格因素外，本文在建模过程中还纳入应变量的变动性（如口碑效应）和重大影响事件（如SARS）这两个影响因素。

三、研究方法

本文采用“一般到特殊”(general-to-specific approach)的旅游需求建模方法，该方法最早由Davidson等人提出[13]，而后由Hendry和von Ungern-Sternberg[14]、Mizon和Richard[15]进行完善。近年来，随着协整理论和误差修正技术的突破，这种建模方法开始得到广泛应用，并被引入旅游需求预测领域，并被证明是一种有效的方法[3,4]。使用该方法时，通常从一个结构比较复杂的自回归分布滞后模型(ADLM)开始，通过删去系数估计值不显著的变量，逐步将ADLM模型转变为一个简单模型，并对模型进行严格检验，求出模型中内涵的长期稳态解，用于检验经济理论、评价政策和预测未来等[16]。

（一）基本模型

根据文献回顾，本文选择旅游价格和收入水平这两个影响旅游需求的核心因素作为研究的自变量，遵循经典的经济学理论，方程（1）即为i客源地国家（地区）对上海旅游的需求：

其中，VAit是旅游需求变量，通过t时间从i客源地国家（地区）来上海旅游的人数来衡量；Pitβ是旅游价格变量，通过t时间游客从客源地国家（地区）来上海旅游的相对价格指数来衡量，计算公式为

其中，CPIsh和CPIt分别指上海和i客源地国家（地区）的消费价格指数，EXcn和EXi分别表示中国和i客源地国家（地区）货币相对于美元的汇率；GDPit是收入水平变量，通过t时间客源地国家（地区）的GDP水平来衡量；εit是随机项，用来捕捉模型中变量以外的所有其他影响因素，通常可以用来解释其它影响旅游需求的经济和非经济因素，这些因素没有被作为变量主要是考虑数据的可获得性。

因变量VAit的数据来源于中国经济数据库（CEIC）；收入变量GDPit用2010不变价格计算的国内生产总值指数（Real GDP Index）来衡量，CPI是以2010不变价计算的消费者价格指数，EX是以2010不变价计算的汇率指数，以上三个数据均来源于国际金融统计（IFS）和国际货币基金组织（IMF）。

（二）模型的设定

在旅游需求研究中，双对数线性函数一直是学术界普遍采用的形式。由于对数线性函数形式不仅能降低变量的单整阶数，便于协整分析，而且双对数线性模型中自变量的估计系数能直接反映需求弹性[16]。因此，本文建立双对数线性形式的旅游需求模型：

方程（3）是一个长期静态方程，没有反映旅游者的行为意向和旅游需求的动态特征，因此，本文进一步引入滞后变量和虚拟变量。滞后变量包括滞后因变量和滞后自变量，滞后因变量表示入境旅游人数的过去取值水平，反映旅游者对目的地忠诚的行为特征[17]，表现为旅游者的重游意愿和向他人推荐的意向，即“口碑效应”；滞后自变量则用来反映旅游需求的动态效应；本文设定的滞后期为2。虚拟变量用来反映特殊时间对中国入境旅游需求的影响，本文主要考虑2003年SARS事件的巨大影响，用变量Dsars表示，2003年取值1，其他年份取值0。最后，得到方程（4）：

（三）模型的估计

本文选取香港、韩国、澳大利亚、美国、德国这5个上海旅游的重要客源地国家（地区）为研究样本，且覆盖到不同的洲，采用“一般到特殊”的方法，得到每个客源地国家（地区）的一般模型（见表1）。

1.模型的有效性

根据表1，5个客源地国家（地区）模型的调整R方从0.955至0.983不等，说明这5个模型对数据进行了很好的拟合；每个独立模型的K-S和S-W的p值均大于0.05，说明这些模型的标准化残差均服从正态分布；每个独立模型均通过了White检验，说明这些模型不存在异方差情形；根据DW值，除香港和德国以外，其它3个国家的模型均通过了自相关检验，误差项存在自相关的可能原因是模型中存在滞后因变量；根据模型中变量的容差系数和VIF值判断，除韩国和澳大利亚以外（变量的容差系数均大于0.2，VIF值均小于10），其它3个国家（地区）模型的自变量存在多重共线性问题（模型中部分变量的容差系数小于0.2，VIF值大于10），原因是模型同时存在自变量及其滞后变量。总体来看，这5个模型是有效的。

所有国家（地区）模型中，收入变量或其滞后变量在模型中都是显著的，其中，香港和美国的收入变量及滞后变量均显著，韩国的收入变量显著，澳大利亚和德国的收入滞后变量显著，表明这些国家（地区）到上海的游客数量不同程度上受各个地区真实收入水平的影响。和收入因素一样，价格因素同样对上海的入境旅游需求产生较为显著的影响，其中，香港、美国和德国的价格滞后变量有显著影响，澳大利亚的价格变量有显著影响，韩国的价格变量和滞后变量均有显著影响。口碑效应和一次性突发事件对上海的入境旅游需求影响不一，对于香港、美国和德国的潜在游客而言，口碑效应对他们的影响显著，但这种影响仅存在于滞后一期，滞后二期则都不存在，说明口碑效应的影响是短期的；出人意料的是，SARS对于上海旅游需求的影响更多的体现在澳大利亚、美国和德国这些远距离国家，对香港和韩国的近距离国家（地区）而言则并没有显著影响，可能的原因是香港和韩国游客中商务人士相对较多，且出行成本较低，来上海往往是公司派遣行为，而澳大利亚、美国和德国游客多为观光游客，且出行成本较高，相应的在做远距离出行决策时会更加谨慎。

表1 模型的估计结果，自变量为LNVAit

2.需求弹性

需求弹性可以从经济视角解释旅游需求，包括需求收入弹性和需求价格弹性。需求收入弹性反映收入变动对需求的影响程度，已有的大部分旅游需求文献中，入境旅游都基本被认定为是一种奢侈品（需求收入弹性大于1）。需求价格弹性反映价格变动对需求的影响程度，通常情况下目的地旅游价格将导致目的地旅游需求的减少，即旅游需求的价格弹性是负的。需求弹性的计算基于表1中的系数值，计算结果见表2。

表2 需求弹性值

从收入弹性来看，大部分国家的收入弹性均大于2，说明这些国家的游客对收入因素的敏感程度较高，如果保持其它变量的数值不变，这些国家的真实GDP每增长（下降）1个百分点，到上海旅游人数的增幅（降幅）会超过2个百分点以上，其中，收入弹性相对较高的为德国和美国，而相对较低的为香港；从价格弹性来看，这些国家（地区）游客对价格因素的敏感程度不如收入因素，价格弹性系数绝对值最高的美国也仅为2.151，表明如果美国相对于上海的价格水平每上升（下降）1个百分点，来上海旅游的人数将下降（增长）2.151个百分点，而德国的价格弹性仅为-0.129，说明相对价格水平的变动对德国游客来上海旅游的决策影响不大。

四、研究结论

本文基于文献回顾构建了入境旅游需求影响因素模型，这些影响因素包括收入水平、价格水平、口碑效应和一次性突发事件，进而采用一般到特殊的计量经济分析方法，选择上海市5个主要的客源地国家（地区）进行入境旅游需求的建模，计算相应的需求价格弹性和收入弹性，并对模型和弹性系数的意义进行进一步的分析。

根据模型的估计，收入因素对上海入境旅游需求的影响显著，特别是欧美等远距离客源地国家，经济增长速度的变化往往带来旅游需求的大幅变动，这也告诫我们的政府部门，应加强入境旅游市场的监控和管理，关注主要客源国（地区）的经济发展状况，对于可能引发的旅游需求波动提前进行预警，并及时采取有效的市场促进策略，确保整个入境市场的稳定。

价格因素对上海入境旅游需求的影响同样是显著的，但入境游客对价格的敏感程度相对较低，表明入境旅游需求呈现一定程度的刚性特征。政府部门的价格管理和旅游企业的定价策略应充分关注价格弹性高的地区，尽可能控制价格过快增长，而对于价格弹性低的地区，适度涨价不失为提升绩效的有效策略。

口碑效应并不会对所有客源地国家（地区）产生显著影响，对香港、美国、德国的潜在游客有显著影响，这一结论在Song和Fei的研究中得到印证[4]，国际性旅游目的地的打造需要持续关注旅游服务体系的打造和提升，并提供符合境外游客偏好的旅游产品体系。和王铮等人（2010）的研究结论一致[18]，SARS事件并不会对上海入境旅游市场产生全域性的显著影响，仅对澳大利亚、德国和美国等国家产生显著的负面影响，面对诸如此类的一次性突发事件，政府的危机管理显得至关重要。

本文是将 “一般到特殊”建模方法运用于城市入境旅游需求的一种尝试，考虑到该方法使用的模型对数据的要求很高，而城市相对于国家层面，入境游客人数和GDP等构建模型所需统计数据的准确性会差很多，且本文仅仅选择5个主要的目的地国家（地区）进行分析，模型的推广价值仍有待考证。今后可以引入更多的目的地国家（地区），并延长样本数据的长度进行改进。

[1] Li, G., Song, H., Witt, S. F. Recent developments in econometric modeling and forecasting[J]. Journal of Travel Research, 2005,44(1): 82-99.

[2] Li Gang. Tourism Demand Modeling and Forecasting: A Review of Literature Related to Greater China[J]. Journal of China Tourism Research, 2009,(5):2-40.

[3] Ayeh, J. Lin, S. Estimating tomorrow's tourist arrivals:Forecasting the demand for China's tourism using the generalto-specific approach[J]. Tourism and Hospitality Research,2011,11(3): 203-212.

[4] Song, H., Fei, B. Modelling and forecasting international tourist arrivals to mainland China[J]. China Tourism Research,2007,3(1):20-40.

[5] Crouch, G. I. The study of international tourism demand: A review of findings[J]. Journal of Travel Research, 1994,32(1):12-23.

[6] Witt, S. F., & Witt, C. A. Forecasting tourism demand: A review of empirical research[J]. International Journal of Forecasting,1995,11(3):447-475.

[7] Turner, L. W., Witt, S. W. Asia Pacific tourism forecasts2005-2007[M]. Bangkok: Pacific Asia Travel Association, 2005.

[8] Edwards. A. International tourism forecasts to 1999 (EIU Special NO. 1142) [M]. London: Economist Publications,1988.

[9] Song, H., & Witt. S. F. Forecasting international tourist flows to Macau[J]. Tourism Management, 2006,27(2):214-224.

[10] Witt, S. F., & Martin, C. A. Econometric models for forecasting international tourism demand[J]. Journal of Travel Research,1987,25(3):23.

[11] Martiin, C. A., Witt, S. F. Substitute prices in models of tourism demand[J]. Annals of Tourism Research, 1988,15(2):255-268.

[12] Song. H., Witt, S. F. Toursim demand modelling and forecasting.Modern econometric approaches[M]. Oxford: Pergamon, 2000.

[13] Davidson, J., Hendry, D. F., Sabal, F., Yeo, S. Econometric modelling of the aggregate time series relationships between consumers expenditure and income in the United Kingdom[J].Economic Journal, 1978,88(352):661-92.

[14] Hendry, D. F., & von Ungern-Sternberg, T. Liquidity and inflation effects on consumer’s expenditure[M]. In A. S. Deation (Ed.).Essays in the theory and measurement of consumer’s behavior(PP. 237-261). Cambridge University Press,1981.

[15] Mizon, G. E., Richard, J,F. The encompassing principle and its application to testing non-nested hypotheses[J]. Econometrica,1986, 54(3):657-678.

[16] 王纯阳,黄福才.基于“一般到特殊”建模法的入境旅游需求研究[J].统计研究，2010,(5):87-95.

[17] Song, H., & Wong, K. K. F. Tourism demand modelling: A timevarying parameter approach[J]. Journal of Travel Research,2003,42(1):57-64.

[18] 王 诤,袁宇杰,熊 文.重大事件对上海市入境旅游需求的影响——基于ADL模型的分析[J].旅游学刊,2010,(4):44-49.

[19] 郑昭彦.浙江省入境旅游与区域经济重心演变路径及对比分析——以1996～2011面板数据为例[J].中南林业科技大学学报（社会科学版），2013,7(4):42-46.

[20] 陈志均,杨洪,刘嘉毅，等.湖南入境旅游市场竞争态势演化、成因机制及政策研究——旅游客源地和目的地两个维度[J].中南林业科技大学学报(社会科学版),2014,8(4):8-14.

Inbound Tourism Demand Modeling and Analyzing Based on the General-to-specific Approach

JIN Jian-jiang, WU Xue-fei, YANG Dong-xu
(The Department of Business Administration, Tourism College of Zhejiang, Hangzhou 311231, Zhejiang, China)

By using the general-to-specific modeling approach, this article develops the tourism demand models of the major origin countries/regions of Shanghai, then the tourism demand elasticity are calculated for further analysis.The empirical results indicate that the income level and the word of mouth effect have positive impact on the demand for Shanghai’s tourism by residents from these origin countries/regions, but the price level and the one-off events have negative impact, the influence degree of income changing is more outstanding than the price changing, the tourists from Europe and America are more sensitive to these factors.

general-to-specific; inbound tourism; demand model; demand elasticity

F590

A

1673-9272(2015)04-0038-06

10.14067/j.cnki.1673-9272.2015.04.009

2015-05-15

浙江省重点软科学研究项目“转型升级背景下浙江旅游产业发展潜力分析及竞争力提升政策研究”（2013C25120）；浙江省自然科学基金青年科学基金项目“常居地—旅游地二元情境下旅游者环境责任行为影响机理及引导政策研究”（LQ15G030002）；浙江省社科联重点研究课题“旅游者环境责任行为的结构维度与影响机制研究：浙江实证”（2014Z063）；浙江省教育厅课题“低碳旅游背景下旅游者亲环境行为的形成机理研究：地方依恋视角”（Y201328759）

金建江，博士研究生，讲师；E-mail：34135466@QQ.com。

金建江，吴雪飞，杨东旭.一般到特殊的入境旅游需求建模及分析[J].中南林业科技大学学报（社会科学版），2015,9(4): 38-43.

[本文编校：徐保风]