国内旅游消费支出影响因素的VAR模型分析

张义

摘 要：基于向量自回归（VAR）模型，运用单位根检验、脉冲响应函数、方差分解等计量经济分析方法，对1999年-2018年影响我国国内旅游消费支出（LY）的因素进行实证分析，分析结果表明旅游人数（LK）和互联网普及水平（HLW）的变化是影响国内旅游消费支出的重要因素，两者对国内旅游消费支出都产生了正面的影响，而且后者的作用更为显著。同时旅游人数（LK）和互联网普及水平（HLW）的变化对国内旅游消费变化的影响都会随着时间不断加长而慢慢降低。

关键词：国内旅游消费;VAR模型;脉冲响应函数;方差分解

一、引言

近年来，国内旅游业以其独特的发展优势和良好的市场前景，对国家经济发展贡献了很大的力量。旅游业从自身角度逐步拓展以及结合其他产业综合发展，使得我国从旅游短缺性国家转变为旅游大国，创造出了令人惊叹的经济效益。因为旅游消费支出是一个国家旅游消费经济基本状况的标志之一，所以其常常作为一个综合性指标用来衡量国家旅游经济活动情况和效果。根据国家统计局1999年-2018年间的数据显示，国家旅游消费支出从2831.92亿元上升到5128.29亿元。从总体看，呈现出稳定增长的态势，我国将以较快的发展速度使旅游业步入全新阶段，因此本文对旅游消费支出影响因素的研究具有一定的理论意义和现实意义。

二、相关研究综述

对于国内旅游消费支出实证分析的研究思路如下：第一，确定影响国内旅游消费支出的因素;第二，将以上因素作为自变量建立国内旅游消费支出的VAR模型。我国学者对国内旅游消费支出进行实证研究的计量方法主要有以下几种：

1.多元线性回归模型分析

贺渊迪等（2018）利用居民消费价格指数、城镇居民平均可支配收入、城乡居民年末平均储蓄存款余额以及旅行社数量的时间顺序，构建了旅行消费支出的多元回归模型。结果表明城镇居民平均可支配收入越高，旅游消费支出也越高，但旅行社的数量却和居民消费成负相关。

2.向量自回归模型分析

周力等人建立了向量自回归模型。第一，对城市居民消费、农业居民消费、旅游消费三种变量，进行了单位根检验和对VAR模型的平稳性试验;第二，重新构建了VAR模型;第三，脉冲分析和方差分解。结果表明：影响游客消费行为的主要原因是都市居民消费和乡村居民消费，后二者对游客消费行为均存在着不同程度的影响。

3.协整检验及Granger因果检验

伍卓等通过协整检验和Granger因果检验，指出旅游交通和旅游消费支出存在协整关系，但反过来旅游消费支出对旅游交通又有影响。

随着旅游业的迅速发展及其对我国经济的重大贡献，对于旅游消费支出影响因素的分析研究是必要的也是紧迫的，本文着重探讨的问题有：影响旅游消费开支的各种因素究竟是哪些;已确定的各种因素是正向或者负向地影响了旅游消费开支;上述的各种因素与旅游消费开支之间的Granger关系是否存在;上述各种因素的共同影响的价格波动性究竟如何，短期和长期是否有不一样，以及长期内是否会有明显下降的势头等;用上述各种因素来估计国内游客消费支出。所产生的预期偏差又主要来自于哪些方面？因此上述方面的研究，对更好推动旅游业的健康发展有着重大的意义。

三、模型设定和数据说明

1.模型设定及变量说明

本文主要采用p阶向量自回归模型：Yt=A1Yt-1+A2Yt-2+…+ ApYt-p+εt

其中，Yt=（LNLY，LNHLW，LNLK）T，LY代表旅游消费支出，HLW代表互联网的普及水平，LK代表旅游人数，LN代表对相关变量取自然对数。A1至Ap为待估的参数矩阵，内生变量存在p阶滞后期，εt是随机扰动项。

2.变量选择

首先旅游人数对旅游消费支出是具有直接影响的，互联网的普及化程度也越来越高，人们更多追求精神的满足，那么旅游是人们得到精神满足的重要手段之一，并且人们现在更多在网上搜索旅游景点、买票等，所以互联网的普及水平对旅游消费有着重大的影响。我们最终选取旅游人数（LK）和互联网普及水平（HLW）作为旅游消费支出（LY）的自变量。

3.数据说明

本调查的数据均来源于统计局网，三个变量均选取自1999-2018的年度统计资料。因为按时间顺序排列经常会出现异方差贡献率的现象，所以本文中也对历史数据做了一定的自然对数化，对数化之后用LNLY、LNHLW、LNLK分别代表了旅游消费的总支出、互联网普及水平、旅行人次，但历史数据的自然对数变换并不能改变原来的协整关系，还可以将其趋势线性化。本次的数据分析将采用Eviews8.0软件。

四、国内旅游消费支出影响因素的实证检验

1.单位根检验

因为经济时间序列在很多情況下并不平稳，如果采取普通最小二乘回归的方法，会呈现“伪”回归的现象。本文我们将采用ADF（Augmented Dick Fuller）检验法进行单位根检验。得出结果如表1所示：

检验得出：三个序列都在1%的显著性水平下是非稳定的，都必须接受存在单位根的假设。随后又对它们的一阶差分序列进行了平稳性检测，发现LNLY、LNHLW、LNLK均在百分之一的水平或显著水平上拒绝了存在单位根的原假设，从而使得LNLY、LNHLW、LNLS均为I（1） 过程，它们的一阶差分序列为I（0） 过程。

2.建立VAR模型

（1） 确定滞后阶数

在确定合适的自由度，使建模参数在具备较强解析能力的同时减少了误差项的自相关，因此需要选取VAR模型的最优滞后阶数。使用了AIC准则作为选择最优预测滞后阶次的检验准则。根据下表2，得出了VAR模型的最优预测滞后阶次为三。

（2） 检验VAR模型的平稳性

检验VAR模型是否有平稳性需要采用的方式是检查VAR模型中的F矩阵单位根情况。从图1中可以看到每个单位根都落在单位圆内，因此滞后三阶的VAR模型也是很稳定的。

（3） VAR模型的参数估计结果

①表3为滞后3阶的VAR模型的参数估计结果。

由表2可得到如下的滞后3阶的VAR模型：

从矩阵中不难看出，多数系数的单独显著性并不强，而显著性较强（大于1.96或小于1.96）的系数仅有3处：在第二个方程中，滞后一阶时，D（LNHLW）对D（LNHLW）具有显著的正面影响;在滞后三阶时，D（LNLY（-3））对D（LNHLW）具有显著的负面影响;在滞后三阶时，D（LNLK（-3））对D（LNHLW）具有显著的正面影响;在第三个方程中，滞后一阶时，D（LNHLW（-1））对D（LNLK）具有显著的负面影响。

3.脉冲响应函数

为探讨互联网普及水平的对数差分值与旅行人数的对数差分值对旅行消费支出的影响，构建了脉冲响应函数，所得脉冲响应函图如下：

从图2知，互联网普及水平HLW的对数差分值对国内旅游消费支出LY的对数差分值的影响具有波动性，互联网普及水平HLW的对数差分值增加一个单位，在短期内对旅游消费支出LY的对数差分值具有负向影响，之后影响增加至正向影响，长期的这种影响趋于0。由图3可知，旅游人数LK的对数差分值对国内旅游消费支出LY的对数差分值的影响具有波动性，，旅游人数LK的对数差分值增加一个单位，在短期内对旅游消费支出LY的对数差分值具有负面影响，之后影响增加至正向影响，长期的这种影响趋于0。

4.方差分解

下面对旅游消费支出LY变动的不同预测期限的预测误差的方差进行分解，结果如表4所示：

从LY的方差分解结果可以看出，旅游消费支出变动的预测误差主要来自于自身变动的扰动和互联网普及水平HLW变动的扰动，互联网普及水平HLW变动的冲击对国内旅游消费LY变动的影响占到24%，旅游人数LK变动的扰动对旅游消费支出的影响比较小，约为5%左右，旅游消费支出LY变动自身的冲击非常大，旅游消费支出变动本身的贡献率占到70%左右。

五、结论

通过对以上内容分析，可以得出以下结论：

1.互联网普及水平HLW和旅游人数LK的变动是影响国内旅游消费支出变化的重要因素，二者对旅游消费支出都具有正面的效应，但前者的作用更大一些。

2.HLW的变化对LY的变化的影响具有波动性，短期内会使LY的变化降低，但长期会使其增加，并且影响逐渐减弱，最终趋于0。LK的变化对LY变化的影响具有波动性，短期内会使LY的变化降低，但长期会使其增加，并且影响逐渐减弱趋于0。

3.自身变动的扰动和互联网普及水平变动的扰动是影响旅游消费支出变动预测误差的主要原因，受旅游人数的影响比较小。

参考文献：

[1]周力.构建旅游消費价格指数和城乡居民旅游消费预测的实证分析——基于VAR模型[J].价格月刊，2018（10）：1-5.

[2]梁金凤.城市短视频传播对旅游消费的影响[D].济南：山东大学，2019.

[3]王领，苟晓敏.中国游客赴日旅游消费的影响因素研究——基于X12-ARIMA模型的分析[J].山东财经大学学报，2018（2）：16-22.

[4]贺渊迪.基于多元线性回归模型的陕西省旅游消费影响因素分析[J].山东财经大学学报，2018（5）：60-65.

[5]徐翠荣，张广海，汪立新.一般消费函数理论可否解释中国城乡居民旅游消费？——对我国城乡居民旅游消费函数的实证分析[J].商业研究，2017（15）：13-25.

[6]徐晓娜.城镇人口老龄化与国内旅游消费——基于VAR模型的实证分析[J].商业研究，2017（6）：50-54.

[7]王森.中国人口老龄化与居民消费之间关系的实证分析——基于1978-2007年的数据[J].西北人口，2010，31（1）：22-27.

[8]张丽峰.我国人口结构对旅游消费的动态影响研究[J].干旱区资源与环境，2015，29（3）：193-198.

[9]刘霁雯.我国居民收入与国内旅游消费关系研究[D].武汉：华东师范大学，2011.

[10]张敏.旅游业与经济增长关系的实证分析[D].大连：东北财经大学，2005.