基于景气视角的旅游业运行监测：一个文献综述

陈小昆，李晓娜

（新疆财经大学，新疆 乌鲁木齐 830012）

一、引言

“景气是对经济周期及商业周期涨跌起落的描述，景气指数则是对经济的景气变化进行监测预警的结果。”［1］具体来说，景气指数就是对调查中的定性指标进行量化分析后凝集而成的综合指标，而这一综合指标实则是对某一社会经济现象或某一特定调查群体所处状态或发展趋势的测度［2］。也就是说，景气测度是以经济运行的内在规律为依据而建立起监测经济周期波动的景气动向指标体系，利用各种指数或模型来描述经济运行状况并预测未来走势［3］。在这一描述或预测过程中，构建经济景气指标体系有助于追踪经济周期的波动状况，预测经济复苏与萧条，并在此基础上更大限度地发挥政府在市场失灵、经济萧条等状态下对经济的引导作用［4］。目前，景气测度研究应用相当广泛，除能监测全球经济运行外，还能对国别经济、区域经济甚至某一行业经济的整体趋势进行分析预测。

2009年12月1日，国务院印发《关于加快发展旅游业的意见》，提出“把旅游业培育成国民经济的战略性支柱产业和人民群众更加满意的现代服务业”的宏伟目标；后来又于2014年、2016年、2018年相继出台了《关于促进旅游业改革发展的若干意见》《“十三五”旅游业发展规划》《国务院办公厅关于促进全域旅游发展的指导意见》等文件，为旅游业的发展谋篇布局，促进旅游业加快发展。通过一系列政策支持，目前我国旅游业在促进消费升级、调整产业结构、稳定经济增长、带动脱贫致富等方面发挥了重要作用［5］。与此同时，旅游作为现代人生活中的重要内容，也逐渐成为人民群众生活幸福、经济高质量发展的重要表征。旅游业的平稳健康运行，不仅依赖于良好的市场发展环境，还依赖于政府的宏观调控，而完整、具有预见性、能反映旅游业发展态势的测度体系可为政府宏观调控提供科学依据。本文基于近年来国内外关于景气测度的研究成果，从景气测度脉络体系、景气测度方法以及旅游业景气测度3个方面进行文献梳理，以期为我国经济景气测度体系及旅游业景气测度体系的构建与完善提供参考。

二、景气测度脉络体系

从宏观经济学的角度来看，一个经济周期通常包括繁荣、衰退、萧条、复苏4个阶段，其是总体经济活动扩张与收缩交替反复的过程。景气研究源于人们对经济周期性特征的探索，旨在从以往的经济走势中把握经济波动的规律性，减少波动对经济造成的不利影响，从而实现对生产和调控进行可行性分析及预测的目的。文献表明，经济景气测度体系最早是由多项指标综合而成，之后通过引入时滞变量、循环变动测定、季节调整、数据修订等而逐渐得以完善，最终实现了为经济运行调控提供科学依据的目的。

（一）多项指标的合成

19世纪末，学者们开始定量地对经济周期波动进行测定和预测，但大规模的系统研究始于20世纪初，这其中最具影响力的是哈佛大学于1917年公布的哈佛指数。哈佛指数是由17项景气监测指标汇合而成的3个指数的组合，这3个指数分别是投机指数、商情指数和金融指数［6］。研究者利用哈佛指数成功地预测到美国经济将会在1919年经历繁荣、1920年经历衰退、1922年经历复苏，但因其未能准确地预测到1929年冲击资本主义国家的“经济大萧条”而被人们摒弃。尽管哈佛指数以失败告终，但其构造思想和方法很好地启发了人们对经济景气的进一步研究。从经济景气测度思想来看，采用多项能够体现经济活动敏感性的指标并合成一个测度体系，的确比单一指标更能全面、准确地反映经济周期的波动；但从数据处理来看，为进一步提高对经济周期波动预测的准确程度以及分析精度，还应考虑时间序列中的时滞变量和季节因素。因而，此后时滞变量和季节调整方法成为了测度经济波动的基本方法和工具，并被广泛运用于景气指数的研究中。

（二）时滞变量的引入

20世纪30年代后期至60年代后期，由于一些创造性理论和方法的问世，使得景气测度体系得到进一步完善，其中贡献最大的当属时滞变量的引入。美国国家经济研究局（NBER）在著名经济学家米切尔和经济统计学家穆尔的带领下，利用经济指标的时滞关系，将经济运行指标划分为先行、一致和滞后3种类型，并在此基础上确立了沿用至今的景气监测指标模式；同时还借助这种时滞关系构造了扩散指数（Diffusion Index，DI），用以反映经济循环变动周期及转折时点［7］。后来美国商务部经济分析局的T·希斯金在此基础上又构建了合成指数（Composite Index，CI）。合成指数的测度前提是将不同类型的指标分别进行无量纲化处理，这为不同类型指标的合成奠定了基础。合成指数的创设对经济周期波动的监测预警意义重大，并成为构建经济周期波动监测系统的基本方法之一［8］。与此同时，还有两项研究成果也为景气测度体系的完善拓展了空间。一是二战后德国慕尼黑经济研究所采用问卷形式收集得到企业家和消费者关于景气变动的判断数据，这一数据获得方法成为延用至今的政府部门和权威机构最常使用的“景气动向调查法”；二是1965年在希斯金的主持下美国商务普查局开创的季节调整X-11法，其对不规则成分和极端值的处理以及对序列末端数据采用渐进移动平均的处理方法等具有较强的创新性和实用性，使其成为盛极一时的季节调整方法。

（三）循环变动的演进

最早用于测度经济时间序列波动的方法是古典循环法，其关注的焦点是序列绝对量的波动。20世纪70年代，美国国家经济研究局和国际景气研究中心建立了西方7个主要工业国家的经济监测指标体系，用以监测国际经济波动。随后，相关研究机构和经济学家开始研究基于“增长循环”的开发景气指标体系，即将关注焦点转移到序列相对量的波动上。经济合作与发展组织（OECD）于1978年开始基于“增长循环”的理念运用景气分析方法研究成员国的经济周期波动，并创设了各成员国剔除趋势的合成指数［6］。“增长循环”分析的准确度依赖于经济变量的趋势分解结果，需借助时间序列状态空间分析方法，如指数平滑法、神经网络算法、移动平均法、回归分析法、H-P滤波法等。但在利用多种方法观测“增长循环”分析结果的准确度时，学者们发现“增长循环”分析在经济预测方面的效果并不十分理想，因此后来又普遍采用“增长率循环”来测度经济周期变动。1988年，美国学者詹姆斯·H.斯托克（Stock）和马克·W.沃森（Watson）研究发现，景气循环影响了经济系统的多个领域，多个领域中的景气波动也会导致总体经济的波动，在这些领域波动的背后存在一个共同的驱动因素，而且这一因素由单一的、不可观测的基本变量体现，代表着总体经济状态，只有它的循环才是真正的景气循环，而这一基本变量就是Stock-Watson景气指数（简称SWI景气指数）。因SWI景气指数是建立在严密的数学模型基础上推导构建的，因而从某种意义上说，其给自合成指数问世以来一直停滞不前的景气指数法的发展带来了质的跨越。

（四）季节调整的进展

经济时间序列的季节波动特征非常显著，季节性变动的发生，不仅是受气候的直接影响，社会制度、风俗习惯等也会引起季节性变动，未经季节调整的经济时间序列常会模糊经济波动的客观发展规律，对宏观经济形势或产业发展态势分析形成障碍，而经季节调整后的序列数据能更准确地刻画经济的瞬时变化，研判经济波动的转折点，揭示经济发展的趋势。目前，国际上公认的对经济数据进行季节调整的方法有X-12-ARIMA和TRAMO/SEATS两种，前者多是基于经验调整，后者主要基于信号提取。

20世纪90年代，为克服X-11软件在序列两端的信息量损失过多从而影响调整预测准确度的缺陷，美国商务部普查局相继开发了X-12和X-12-ARIMA软件。X-12-ARIMA软件主要是基于ARIMA模型对序列两端进行延伸，具有适应性较强、功能较完善等优点，逐渐在美国、加拿大、日本等国家的经济学界推广开来，并最终取代了X-11软件成为经济分析预测的有效工具，但其主要缺陷是缺乏严格的统计理论基础。20世纪末，西班牙银行开发了基于数学模型的计算机程序，后经欧盟统计局升级完善而成为目前广泛使用的TRAMO/SEATS方法。TRAMO/SEATS程序可灵活设定回归变量，引入使用者自己设定的回归因子，这样便可解决移动假期（如春节）等问题；此外，TRAMO/SEATS方法的操作也较X-12简单，且主观判断成分较少。上述优点使得TRAMO/SEATS方法也常被用于趋势分解与预测［9］。

（五）历史数据的修订

20世纪90年代后期，景气分析方法在国际上得以广泛推广，各国研究者普遍将景气分析方法应用于行业监测。如美国地质调查网（USGS）每月发布金属工业的先行指数和一致性指数，中国国家统计局发布的国房景气指数、中经指数等也被用于对相应行业经济运行的监测。值得注意的是，在实践中由于先行、一致和滞后指标的历史数据会进行相应修订，造成修订后与之前公布的数据不一致，或者统计指标本身需要根据现实的变化而持续修订，如GDP、工业增加值、固定资产投资、社会消费品零售总额等指标的环比增速，每个季度都需根据季节调整模型自动修正历史数据，因此在编制景气指数时需对监测指标的历史数据进行及时修正，这样量化得到的景气指数才能真实地反映经济运行特征。

三、景气测度方法

厘清景气研究的脉络，既是对景气内涵的剖析，也是对景气测度方法的探索。Fukuda和Onodera［10］认为景气分析旨在衡量整体经济运行状况。Chadha和Nolan［11］指出，景气是一种由一系列重要经济总量来反映经济发展总趋势有规律扩张和收缩的现象，表现为一系列宏观总量的周期性波动。张凌云等［12］认为，景气是对经济发展状况的一种综合性描述，是用以说明经济活跃度的概念。Abberger和Nierhaus［13］认为，景气是一种对经济周期波动趋势的测度。作为一种测度经济现象波动规律的量化方法，景气波动态势分析的一项重要内容就是研判经济运行的转折点。因此景气实证分析侧重于观察宏观经济时间序列的协同变化，并尝试引入数学、物理学中的模型和方法作为分析工具，逐步形成了经济周期量化分析的一些分支。目前，常用的景气指数编制方法主要有经济景气指数法、结构性计量模型法和一些其他的方法。其中，常用的经济景气指数法主要有扩散指数和合成指数两种方法，结构性计量模型法主要有主成分分析、马尔可夫链、向量自回归等，其他方法主要有谱分析和交叉谱分析。相比较而言，经济景气指数法长于预测经济运行的转折点，而结构性计量模型法长于分析政策工具实施的影响，现实中这两种方法也常交叉使用，比如运用动态因子模型或结构性计量模型开展景气指数编制工作，或基于现有的景气指数进行结构性延展分析等。总之，这些方法被广泛地应用于宏观经济周期的研判分析与行业风险的评估及预警中，并在实际运用中表现出一定的优缺点。

（一）扩散指数与合成指数

1950年，美国国家经济研究局经济学家穆尔等从消费支出、贸易、金融、物价、国际收支等领域筛选出先行、一致、滞后3类指标，并运用加权平均法构建出扩散指数，改变了早期哈佛大学对景气指数的计算方法。扩散指数主要用于确定经济波动的转折点，其能直接依据指标增长率序列判断经济在各个时点上处于扩张还是收缩状态，但它不能测定波动振幅。为克服这一缺点，20世纪60年代后期美国商务部经济分析局的希斯金构建了合成指数，其是在综合考虑各变量波动程度的基础上，对各变量进行标准化处理，并将一系列反映经济波动的标准化变量综合为一个能体现经济动向变化的指数。扩散指数和合成指数因都具有普适性、易操作性和效果直接的特点而一度成为经典的景气测度方法，但因合成指数能够更好地反映经济动向的变化，因此成为一些学者在进行相关研究时优先选择的方法。Diebold和Rudebusch［14］运用先行指标编制了合成指数，发现其在预测经济动向时具有一定的灵敏性。Abberger和Nierhaus［13］认为，景气指数与基于理论的经济计量模型相比，在评估和预测周期性转折点和短期经济发展趋势方面更具优势，于是他们运用一致指标编制了合成指数。董文泉等［15］采用峰谷对比法选取先行指标、一致指标和滞后指标编制了扩散指数和合成指数，发现这两种指数能够较准确地测度我国经济周期的波动性。陈磊［16］在筛选出反映我国宏观经济波动的一致景气指标的基础上编制了一致性合成指数，并在进一步对景气波动和景气循环的长度特征、幅度特征和平均位势的探讨中验证了一致性合成指数的优良性能。虽然合成指数比扩散指数更能反映经济变化的趋势，但实践证明，二者同时使用可以有效提高经济预警的准确度。现实中，学者们为不断提高经济预警的有效性，对经济景气指数的编制方法进行了不断探索。如李雨［17］将计量模型与景气指数方法相结合，使用合成指数研判经济景气状态，并使用先行指标构建多变量Probit模型以预测未来的经济走势。这一改进对提高宏观经济景气分析的准确性、推动扩散指数和合成指数在产业经济领域的应用具有一定的现实意义。陈文博等［18］构建了涵盖供给、需求、经济社会环境、自然环境等方面的新疆红枣产业景气指标体系，并借助该体系运用合成指数法编制了新疆红枣产业景气指数。王红云和李正辉［19］采用时差相关法将反映经济运行的指标体系分为先行、一致、滞后3个指标组，并在此基础上运用合成指数法编制了虚拟经济景气指数。

（二）动态因子模型

有学者认为，景气波动会综合导致总体经济波动，在这一波动的背后存在一个共同的驱动因素，即不可观测共同因子，若将动态因子模型（Dynamic Factou Model，DFM）表示为状态空间形式，则借助卡尔曼滤波法便可估计出这一共同因子即景气波动指数。动态因子模型理论一经提出，就被广泛地应用于宏观经济政策评估中，并成为计量经济学领域中一种常见的分析工具。动态因子模型的优点在于其可处理高维的季度、月度组合混频数据及缺失数据，可在一定程度上解决不对称样本问题，能最大限度地提取出共同因子用以分析变量之间的关系，并可自由控制因子个数、滞后期长短，具有较强的灵活性；缺点在于其不适用于小样本量数据［20］。董文泉等［21］借助卡尔曼滤波法和状态空间模型，编制了我国经济循环SWI景气指数，并将测定结果与一致性合成指数进行比较，发现两者的波动走势大致相同，从而验证了利用动态因子模型构造的SWI景气指数对经济波动进行研判的良好性能。由于动态因子模型不仅能预测经济走势，还能观察各分量指标之间的关系，因而其受到众多学者的青睐而成为经济景气测度的常用分析工具。Fukuda和Onodera［10］基于单指标动态因子模型，借助一致指标编制了日本经济景气综合指数，相关研究表明，这一指数在判别经济周期转折点和预测20世纪90年代的短期经济波动方面效果良好。之后，Mariano和Murasawa［22］基于月度和季度序列数据，运用动态因子模型，编制了反映经济波动的一致性景气指数。叶光［23］运用动态因子模型处理季度、月度混频序列，编制了中国宏观经济一致性景气指数。陈磊［20］和王艺枞［24］等也采用混频动态因子模型编制了我国服务业一致性景气指数。此外，陈磊等［25］通过引入马尔可夫区制转移链对动态因子模型作了改进，研究结果表明马尔可夫动态因子模型（MS-DFM）可准确识别宏观经济景气的阶段性变化，同时这一改进也为经济景气监测提供了新的研究工具。

（三）主成分分析

20世纪80年代末出现了对景气敏感的多个经济变量进行主成分分析的方法（Principal Components Analysis，PCA）。井上胜雄［26］认为，决定经济变量变动的主要因素是经济背后不可观测的主成分，可以通过预测主成分进而预测经济景气，其借助6个经济敏感变量对日本经济进行了预测，发现第一主成分、第二主成分分别反映了景气的趋势变动和循环变动。运用主成分分析法编制的景气指数是主成分加权综合值，即利用各主成分所得到的客观权重，将各主成分得分代入综合评价函数得到综合得分，这一综合得分即为综合景气指数值。我国学者也借助主成分分析方法进行了相关研究。如李汪洋和靳香玲［27］选取5000家工业生产企业借助6个财务指标进行主成分分析，描述我国工业企业景气状况，并探讨工业企业景气状况不佳的原因。梁云芳和高铁梅［28］采用主成分分析法构造了房地产景气指数，编制了房地产一致性综合指数和先行综合指数。杨武等［29］采用主成分分析法编制了中国科技创新景气指数。孙云杰［30］采用时差相关分析方法确定所选指标与基准指标的先行、一致、滞后关系，并基于主成分分析测度了煤炭产业景气状况。相较于扩散指数、合成指数和动态因子模型等方法，主成分分析法在经济景气分析中的应用并非十分广泛，其中一个主要原因在于主成分分析的客观权重容易忽略或偏离景气指标本身在经济意义上的先行性、一致性和滞后性，从而使最终得到的景气指数不能很好地拟合经济现实。

（四）马尔可夫链模型

马尔可夫链模型（Markov Chain，MC）由数学家安德雷·马尔可夫于1906年提出，其是一种对事件发生概率进行预测的模型，通过事物不同状态的初始概率和状态转移概率来预测其在将来某个时刻的变动情况，运用前提是必须以大量的统计数据为支撑以保证预测的精度和准度。另外，进行马尔可夫预测时不需历史数据而只需近期数据即可对未来进行预测。扩散指数、合成指数、动态因子模型和主成分分析等方法在测度经济景气时侧重于直观地描绘景气循环波动的轨迹，观察景气循环波动的过程，而马尔可夫链模型则侧重于对动态系统和社会现象的预测。马尔可夫链用于研究经济周期波动最早始于国外学者。Chauvet和Hamilton［31］最早探讨了马尔可夫链模型应用于商业周期分析的原理和算法，并以GDP增长率为自变量，选取1977年—2004年的相关数据分析美国经济波动态势，其所得到的结果与美国国家经济研究局对经济周期转折点的认定十分接近，从而验证了马尔可夫链在经济周期预测中运用的可行性。Hamilton和Owyang［32］基于美国48个州的就业增长数据和隐马尔可夫模型（Hidden Markov Model，HMM）高度拟合了现实经济增长的转折点。在这之后，Hamilton［33］也论证了马尔可夫链模型在商业周期转折点判别方面的作用，并认为马尔可夫链模型的模拟和预测能力优于其他方法。在我国也有一些学者将马尔可夫链模型用于研究股票和房地产市场的周期性波动中，如孙文龙［34］基于马尔可夫链模型研究了中国股票市场的波动情况，并认为股票市场的波动可实时表征宏观经济的变化。

（五）向量自回归模型

向量自回归模型（Vector Auto-Regression model，VAR）是一种计量统计模型，基本思想是以每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型，它是进行多个相关经济指标分析与预测时最容易操作的模型之一。同样地，我们也可利用向量自回归模型的脉冲响应分析讨论经济周期的波动性。即在模型中加入冲击之后，观察经济体对这一冲击的反应过程。这一方法的缺点是需要足够多的历史样本数据，因而不适用于低维数据，否则得出的结论就可能与现实经济规律相悖。作为一种景气测度方法，向量自回归模型常搭配合成指数或其他模型一同使用以判断经济转折点。Hamilton在分析美国商业周期时建立了引入相对固定参数的向量自回归模型，在由Krolzig对该模型进行推广后又形成了马尔可夫向量自回归（MS-VAR）模型。马尔可夫向量自回归模型将马尔可夫区制思想与VAR模型结合起来，动态描述变量间的相互关系。郭国峰和郑召锋［35］运用VAR模型和非对称的GARCH模型分别检验了先行合成指数与一致性合成指数之间的关联性，进而判断经济周期的先行期数；程建华等［36］运用马尔可夫向量自回归模型从多个一致性指标中提取出共同周期对经济周期的波动进行研究，发现马尔可夫向量自回归模型的稳健性较好，尤其是在识别收缩期或扩张期内暂时性的反向波动中表现优良。

（六）谱分析与交叉谱分析

谱分析（Spectral Analysis，SA）的创始性研究是在20世纪50年代由Bartlett和Blackman率先开展的，经济学家利用谱分析将经济序列数据分解为具有不同振幅、相位、频率的周期分量的叠加，通过测算各周期分量的相对重要性，找出序列中隐藏的各主要周期分量，从而把握经济波动的内在机制，为经济预警监测提供科学依据。谱分析也是一项专门分析时间序列数据的工具，由于它只能提供关于一个时间序列周期和另一个时间序列周期相关程度的信息，而不能像回归分析那样观测一个经济变量的变动对另一个经济变量的影响，因而谱分析仅在测算经济周期中被广泛使用。陈友龙等［37］选取入境旅游收入、入境旅游人数以及国内旅游收入、国内旅游人数等指标的时间序列数据，运用谱分析方法对我国旅游业的波动周期进行测算；杨忠直和李莉［38］运用谱分析方法对我国地区经济周期波动的同步化情况进行实证分析；王悦［39］运用谱分析方法对美国1930年—2009年间的经济周期波动进行了专门研究；Pierre和Alexandra［40］运用谱分析方法测算了西班牙的经济周期。诸多文献显示谱分析方法能够从频域角度准确追踪隐藏的经济波动信息，而在此基础上拓展出的交叉谱分析（Cross Spectrum Analysis，CPA）能更精确地反映与时间序列对应的频率分量的先行、滞后关系。交叉谱分析是对两个序列的互协方差函数进行傅里叶变换，它对先行、滞后关系具有较高的灵敏度。徐国祥和刘璐［41］采用交叉谱分析方法测度了中国消费者物价指数和煤炭价格指数的先行期数，同时发现煤炭价格指数对消费者物价指数具有一定的预测能力。刘洋和马帅峰［42］采用交叉谱分析方法研究了阿里网购指数与官方价格指数在衣食住行方面的先行、一致、滞后关系，所得到的周期甚至可准确到天数。

四、旅游业景气测度

（一）国外旅游业景气测度

国外旅游业景气研究始于20世纪80年代，研究主要集中于对境外旅游市场的预测方面，研究方法主要是常见的计量经济模型，如差分整合移动平均自回归模型、传递函数模型及误差修正模型等。这些方法的优点在于能揭示经济现象间的深层次数量关系，缺陷在于不能处理社会经济问题中难以量化的因素，只适用于短期预测。Witt等［43］分析了学者在进行国外旅游需求预测时所使用的方法，发现大多为计量经济模型，并认为可将虚拟变量引入旅游需求计量模型中以测度突发事件对旅游业产生的冲击。Turner和Kulendran［44］借助多项经济指标编制先行指数，用于预测澳大利亚游客人数。Wong［45］将线性趋势和正弦函数相结合用于预测国际入境游客人数，通过精度对比发现正弦函数的扩展模型的预测精度更高。Rossellor-Nadal和Jaume［46］通过引入经济活跃度和价格等影响旅游需求的因素，利用先行指标预测了巴利阿里群岛国际游客人数转折点。Nada和Witt［47］通过建立先行指标传递函数模型，预测了英国6个主要旅游目的地的国际旅游需求，并对单变量差分整合移动平均自回归模型和误差修正模型的预测精度进行了比较，发现差分整合移动平均自回归模型在短期预测方面优于误差修正模型，但误差修正模型可生成更准确的长期预测。需要说明的是，文献中所使用的数据基本上是成百上千的月度数据，从而使得计量模型的预测精度较高，预测结果也具有较高的现实参考价值。

（二）国内旅游业景气测度

1.旅游业景气测度体系构建。构建科学合理的旅游业景气测度体系是进行旅游业景气分析的基础。在我国经济发展进入新常态后，旅游业异军突起，为城市经济转型及可持续发展注入了新的动力，但因各地区旅游经济发展水平不同，因而需构建科学合理的旅游业景气测度体系，以更有效地对区域旅游经济运行进行监测，并为区域旅游经济发展提供更科学的决策依据。对旅游业景气测度体系构建的研究也因此成为了学者们的一大研究热点。既有研究表明，指标的选取，先行、一致、滞后指标的筛选，权重的确定以及景气指数的编制与检验是构建科学合理的旅游业景气测度体系的关键内容。

一是指标的选取。构建科学合理的旅游业景气测度体系，选取指标是基础。在指标选取中应遵循以下原则：首先是经济上的重要性，即指标的变动能够反映旅游经济运行态势的变化，且要有代表性和敏感性；其次是统计上的充分性，即指标所需的数据要完整、可靠，最好使用季度数据或月度数据；再次是数据的适时性，即指标所需的数据应是权威机构及时公布的数据；最后是波动的对应性，即所选指标的峰谷波动与基准指标的峰谷变化能够相互对应，且具有一定的先行、一致、滞后关系。

二是先行、一致、滞后指标的筛选。有学者对经济指标的领先性进行了理论验证，间接证明了指标之间存在先行、一致、滞后关系。先行指标是在经济波动前率先发生变动的指标；一致指标即同步指标，是与经济波动同步变化、峰谷变化与总体经济运行峰谷保持一致的指标；滞后指标是在经济波动后发生变动的指标，其可用来验证先行指标、一致指标显示的信号。旅游业景气研究文献表明，判别先行、一致和滞后指标的方法有峰谷对应、时差相关分析、K-L信息量、灰色关联度、聚类分析、基准循环分段平均等方法，其中前4种方法最为常用。邓雪等［48］用前4种方法对多个指标进行了分类研究，研究表明多种方法的优化调整结果比单一方法更为科学有效。因此，在筛选旅游业先行、一致、滞后指标时，可比较多种方法的分类结果，若分类结果差异较大，则可进一步使用专家咨询法，并结合旅游经济实际运行状况作出最后的判断。

三是权重的确定。先行、一致、滞后指标确定后，通常需借助权重编制景气指数，因而会涉及各类指标权重的确定问题。一般来说，权重的确定分为等权确定和不等权确定，确定方法主要有主观赋权法和客观赋权法两类。常见的主观赋权法包括德尔菲法、层次分析法、二项系数法等。在采用主观赋权法进行的研究中，有代表性的是唐承财［49］根据专家意见从64个指标中精选出24个先行、一致和滞后指标，运用层次分析法和德尔菲法，邀请20位旅游、遗产地、旅游目的地研究领域的专家参与权重确定，构建了我国遗产地旅游景气指标体系。常见的客观赋权法包括变异系数法、熵权法、主成分分析法、离差及均方差法等。在采用客观赋权法进行的研究中，有代表性的是王新峰［50］选取27个基本指标，基于变权思想和熵权方法建立的旅游景气测度方法及模型；此外还有刘春涛和刘馨阳［51］运用主成分分析法对指标赋权，并运用灰色系统GM（1，1）编制了2016年—2018年旅游业景气综合预警指数。从文献来看，运用客观赋权的不等权方法构造出的景气指数更能准确反映旅游经济运行的景气状况。

四是景气指数的编制与检验。任何单个旅游经济变量本身的波动都不足以代表旅游经济整体波动，要反映旅游经济的景气状况必须综合考虑各变量的波动情况，而景气指数实则是对经济运行状况进行集中观测的结果。实践中多借助扩散指数、合成指数和SWI景气指数编制景气指数。其中SWI景气指数是基于动态因子模型编制的，计算过程较为复杂，对指标数据的要求高，从国内研究来看，目前尝试编制SWI景气指数的学者相对较少。一般来说，扩散指数能有效预测经济周期波动的转折点但不能表示经济周期波动变化的强弱程度，合成指数既能预测经济周期波动的转折点又能从某种角度反映经济周期波动的振幅和强度，且与SWI景气指数相比，合成指数计算较为简单，因而合成指数倍受学者偏爱。景气指数编制完成后，还要检验其对经济或产业波动的预测能力，这需将景气指数与现实经济运行状况进行对比。具体来说，就是考察先行指数是否能够预测基准指标周期的转折点，一致指数与基准指标的周期转折点是否一致，只有与实际经济运行吻合度高，方能证明所编制的景气指数有效。

2.旅游业景气测度的实证研究。总体上看，我国学者对旅游业景气测度的研究主要集中在旅游市场和旅游行业景气测度两个方面。研究中，学者们除注重旅游业自身的产业活动以外，还关注与旅游业上下游产业相关联的经济活动，以及投资、物价和收入等宏观领域的经济活动［1］。在测度方法上，学者们主要采用时差相关法、K-L信息量法、聚类分析法和峰谷对应法，选取先行、一致、滞后指标构建指标体系，并借助指标体系编制扩散指数、合成指数以测度旅游经济的周期变化。

一是旅游市场景气测度。在我国旅游市场景气测度方面，倪晓宁和戴斌［52］最早尝试将景气分析运用于旅游市场，从64个指标中精选了10个指标并将其分为一致、先行和滞后指标，采用合成指数方法编制了中国旅游市场景气指数，但由于该景气指数是使用定性方法确定一致、先行、滞后指标，并主要采用年度数据，因而使得该指数在反映旅游市场的经济波动方面表现欠佳。雷平和施祖麟［53］利用TRAMO/SEATS模型测度旅游市场受外部冲击的影响，并对我国入境旅游人数进行预测。戴斌等［54］从市场、产业、环境和信息4个方面确定先行、一致、滞后和预警指标，运用合成指数方法编制了旅游经济运行景气指数。在区域旅游市场景气测度方面，陈鹏等［55］选取1995年—2010年安徽省入境旅游人数相关数据，运用差分整合移动平均自回归模型对安徽省入境旅游人数进行短期预测。何勇和张云杰［56］从旅游公报中选取了19个指标，采用相关分析法筛选出先行、一致和滞后指标，编制了海南省旅游市场景气指数。类似地，哈尔滨商业大学商业景气指数研究团队的姚凤阁等［2］编制了黑龙江省旅游业景气指数；刘改芳等［1］创新性地加入天气情况这一指标，构建了山西省旅游景气指标体系；陈莉［57］编制了四川省旅游业景气指数；刘干和李鹏飞［58］编制了杭州旅游市场景气指数。研究表明，学者利用景气指数或计量模型所作出的短期预测具有较好的预见性，能为宏观经济管理提供决策参考。

二是旅游产业景气测度。在旅游产业景气测度方面，戴斌等［59］借助四级指标体系，通过变异系数法确定国际旅行社和国内旅行社的权重，运用综合评价方法编制我国旅行社产业景气指数。在实证分析中，戴斌等人依据各周期产业景气指数的平均波动率，创新性地绘制出一条旅行社产业景气线，但因该景气线对政策变动和突发事件反应太过敏感，因而在一定程度上削弱了其预测功能。游灏等［60］构建了星级酒店业景气波动评价体系，并运用该体系对星级酒店业的景气状况进行测度。孙赫和王晨光［61］采用双问卷调查方式，借助2014年第一季度山东省旅游景区企业家信心指数及景区经营状况指数，编制了山东省旅游景区景气指数。黄快林等［62］运用等权一致性扩散指数模型，编制了生态旅游产业景气指数。刘春涛和刘馨阳［51］采用2007年—2015年沈阳市相关统计数据，从旅游经济总量、旅游推动力、旅游中介发展能力、旅游住宿产业发展能力、旅游景区容纳能力这5个方面，选取15个具体指标构建了沈阳市旅游产业景气监测体系。既有文献表明，学者利用综合评价方法系统、全面地构建了旅行社、星级酒店、旅游景区等相关产业的景气监测指标体系，在此基础上使用合成指数或主成分分析等方法编制的景气指数切合产业经济波动态势，能为相关企业制定战略规划提供方向指引。

五、结语

对旅游经济运行进行监测与预警是构建旅游经济宏观调控体系、实现旅游经济平稳运行不可缺少的环节，也是当代旅游经济学服务政策制定、产业实践、企业战略的重大创新［55］。学者们对我国旅游业景气测度进行了有益探索，形成了丰富的研究成果。通过梳理既有文献，可对今后的相关研究进行如下展望：

一是拓宽数据获取渠道。目前我国旅游统计体系尚不完善，国家统计局对旅游产业数据的更新以年度为主，可供量化分析使用的公开数据较少，因而使得基于季度或月度数据的景气指数编制存在较大困难，而运用合成指数方法编制年度数据的景气指数并不能及时、灵敏地反映旅游经济的变化。因此，今后若能借助网络爬虫技术和数据挖掘等方法拓宽获取数据的渠道，增强数据的连贯性和实时性，则不仅能拓宽旅游业景气指标选择的范围，还能增强旅游业景气指数的预见性。

二是增强测度方法的多样性。目前来看，旅游业景气测度方法较为单一，研究者大多采用经典合成指数的方法，而对其他景气测度方法很少涉猎，因而在今后的研究中可尝试使用其他景气测度方法，进一步完善旅游业景气测度体系。

三是更加注重测度突发事件对旅游业的冲击。旅游业是环境敏感型产业，易受突发事件的冲击。王兆峰和刘红［63］基于本底趋势线理论考察了1984年—2010年间重大突发事件对旅游业产生的冲击，研究发现不同性质的突发事件对旅游业造成的影响不同。本文认为如何在旅游业景气测度中纳入对突发事件破坏力的度量，以预见性地对旅游业的健康发展提供指引，也应是未来研究的一个方向。在今后的模型构建中可以考虑引入虚拟变量或在指数编制中引入离散变量，以更准确地测度突发事件对旅游业的冲击。