口碑效应、外生冲击与城市入境游需求——来自上海的经验证据

尹 峻,党敬淇,黄种兴

(1.福建农林大学公共管理学院,福建 福州 350002; 2.浙江大学管理学院,浙江 杭州 310058)

旅游业是推动中国第三产业发展的重要支撑和巨大引擎。“十二五”期间实施的一系列促进旅游业发展的重要举措，促使中国旅游业逐步成为国民经济的战略性支柱产业，对其他产业的支撑和带动作用日益显著。入境游作为中国旅游业的重要组成部分，近来年呈现出快速发展的趋势。截至2018年，中国入境游达到1.41亿人次，超过同年全国旅游总人次的2.5%[1]。而城市作为旅游的集散地、中转地，以及重要的旅游目的地，城市入境游已逐渐成为入境游的主体。鉴于此，研究影响城市入境游需求的重要因素，合理判断主要客源国的潜在入境游需求，并据此为旅游政策制定者和旅游经营者提供依据，对抓住中国城市入境游发展的战略机遇期具有重要的现实意义。

一、文献综述

国内外学界关于入境游的研究主要集中在经济因素对入境游需求的影响，入境游的时空变化特征及其影响因素，以及外生冲击对入境游需求的影响等3个方面。

1.经济因素对入境游需求的影响。学界主要围绕旅游价格、经济政策、市场规模和国民收入水平等经济因素对入境游需求的影响展开研究。如Zhu等研究指出旅游价格、旅行成本、替代价格和收入是新加坡入境游游客量的主要决定因素[2]；唐睿等研究指出中国入境游需求的主要影响因素包括入境游客来源国的经济发展水平，以及中国人均GDP水平、对外开放程度、对外经济政策和基础设施建设水平等[3]；黄爱莲分析指出中国和越南的名义GDP等主要变量对越南赴中国的入境游具有显著影响[4]；刘欢等研究指出客源国旅游市场规模主要由其出游实力、市场潜力和旅游感知决定，其中，客源国出游实力包含客源国国民收入水平、来华成本和出境旅游增长率[5]。

2.入境游的时空变化特征及其影响因素。学界侧重于研究入境游在不同时期的变化和空间分布特征，并分析其时空变化特征的影响因素。如Prideaux研究指出各国控制入境游流量的能力随着全球化的发展逐步下降[6]；吴晋峰研究指出入境外国旅游流在中国的空间分布范围大且不均衡，在少数核心城市间转移和扩散[7]；张生瑞等研究指出边境旅游逐渐成为中国入境游新的经济增长点，东北地区是目前边境旅游经济发展的热点区域[8]。

3.外生冲击对入境游需求的影响。学界侧重于研究旅游目的地城市节事会展活动或突发性事件等外生冲击对入境游需求的影响。如Karl等研究指出犯罪行为、种族冲突和恐怖主义行动等人为突发事件对入境游流量具有显著影响[9]；Kuo等研究指出禽流感和严重急性呼吸系统综合征等传染病对亚洲国家入境游流量影响显著[10]；王铮等研究指出SARS疫情、石油价格危机、亚洲金融风暴和全球金融危机等重大事件对各客源国来沪的入境游需求的影响存在差异[11]；田祥利等研究指出突发事件对西藏入境游周期和人数周期性波动具有显著影响，突发事件会影响入境游政策的调整与演变[12]；吴良平等研究指出金融危机和SARS事件严重影响中国入境游的人数，但二者属于全国性冲击事件，几乎不会影响到入境游客在中国的区域分布状况[13]。

虽然上述研究已经较为深入且全面地刻画了不同影响因素对旅游需求的影响和作用机制，但较少研究口碑效应对城市入境游需求的影响。口碑效应的概念来源于心理学和行为科学，是指由沟通催生的一系列情绪和行为及其传播和扩散，正面评论有助于提高人们对新产品的接受度，负面评论则会降低人们对新产品的接受度[14-15]。口碑效应被诸多学者用以阐述消费者基于体验的主观感受生成的信息作用于其他消费者，从而导致额外消费和继续消费的现象。如Litvin等研究指出当消费者作出购买决定时，人际影响力和口碑是最重要的信息来源[16]；Yen等研究指出利他主义和平台辅助动机与消费者评价呈正相关[17]。在城市入境游需求中，口碑效应与游客满意度密切相关，会通过多种渠道影响游客的消费需求和消费行为。如李玮娜认为消费者的自我识别和主观感受有赖于特定的语境和氛围，并受到消费者之间社会作用的影响[18]；郭国庆等研究指出口碑通过影响消费者态度来间接影响消费者的实际购买行为[19]；左文明等研究指出网络口碑的质量和数量会影响购买意愿，社会资本通过网络口碑的中介作用来影响购买意愿[20]；李巍等研究指出消费者行为越来越内嵌于虚拟网络环境，网络信息对消费行为的影响不断加强[21]。

基于上述文献和经验事实，考虑到上海是中国对外交流的重要窗口和国外游客首选的中国旅游城市，本研究选取上海入境游需求作为研究对象，并将口碑效应、外生冲击等可能影响城市入境游需求的主要因素纳入同一个实证模型框架。具体选取新加坡、马来西亚、美国、加拿大、澳大利亚、新西兰等6个不同类型国家作为代表性客源国，基于2004—2018年的季度数据，采用自回归分布滞后模型(Autoregressive Distributed Lag Model, ADLM)实证研究口碑效应和外生冲击对上海入境游需求的影响，并据此预测2019—2025年各国赴上海入境游的游客数。

二、数据来源与模型构建

(一)数据来源与数据描述

为保证样本的典型性与代表性，本研究选择上海2004—2018年的季度数据进行研究，并从亚洲、北美洲和大洋洲等3个客源占比最大的洲中各选择2个代表性国家作为入境游客源国，包括新加坡、马来西亚、美国、加拿大、澳大利亚、新西兰等6个上海入境游的主要客源国。这些国家分属于不同类型。其中，新加坡和马来西亚均为东南亚国家，与上海距离最近，且为华人聚集地，文化、习俗和偏好与中国相近；美国和加拿大是北美洲最大的2个国家，经济发展水平较高，购买力较强，对旅游服务质量要求较高；澳大利亚和新西兰是大洋洲的主要国家，与上海距离较远，且气候条件相差较大，文化、习俗和偏好与中国相异。本研究所需要的旅游与经济数据(如上海入境游客接待人次、GDP指数、CPI指数和汇率指数等)均来源于Wind资讯经济数据库(https://www.wind.com.cn/NewSite/edb.htm)，其他控制变量数据来源于2005—2019年的《上海统计年鉴》。

本研究的被解释变量为上海入境游需求，既有研究主要用旅游人数和旅游消费支出来衡量[2-4]，考虑到数据的可获得性，选取各客源国赴上海入境游人数来表示客源国的入境游需求；各客源国赴上海入境游需求的滞后项可以体现前期旅游体验对后期旅游需求的影响，以各客源国赴上海入境游需求的滞后项作为口碑效应的代理变量；考虑到禽流感、全球经济危机和上海世界博览会等外生冲击的影响，将这些因素以虚拟变量的形式纳入模型；考虑到既有文献大多将客源国经济发展水平和旅游目的地价格水平作为入境游需求的重要影响因素，将这些因素也纳入模型。此外，模型中还包括上海星级酒店数量、上海公路里程、上海是否通高铁、上海基础设施投资、上海第三产业增长率等控制变量。

(二)模型设定与变量说明

1.构建上海入境游需求模型。结合上文所述，参考Gounopoulos和Lin等的研究[22-23]，本研究采用Cobb-Douglas函数作为基本形式构建包含所有连续变量的上海入境游需求模型，构建模型如下：

(1)

其中,Yit表示客源国i在t时间赴上海入境游的需求，通过客源国i在t时间赴上海入境游的人数来衡量;Yit-表示客源国i在t时间赴上海入境游需求的滞后项，即游客对赴上海入境游的口碑效应;Git表示收入水平，通过客源国i在t时间的GDP水平来衡量;Pit表示旅游价格，通过客源国i在t时间赴上海入境游的相对价格指数来衡量;α和β分别表示Cobb-Douglas函数中的乘数和弹性系数;eit表示随机项，用来捕捉模型中变量以外的所有影响因素。

2.计算旅游价格指数。旅游价格指数的具体计算公式为：

(2)

其中,Mst和Mit分别表示上海和客源国i在t时间的消费价格指数;Ect和Eit分别表示中国和客源国i的货币在t时间相对于美元的汇率。主要连续型变量的描述性统计详见表1。

表1 主要连续型变量的描述性统计

3.构建上海入境游需求模型的对数线性函数。为进一步通过模型求出相关需求弹性系数以便于分析，本研究将模型(1)进行对数化处理，构建上海入境游需求模型的对数线性函数如下：

lnYit=β0+β1lnYit-+β2lnGit+β3lnPit+εit

(3)

其中,β0表示公式(1)中乘数的对数值lna,εit表示公式(1)中随机项的对数值lneit。当β1<0时，上海物价水平上涨，入境游成本增加，旅游需求随之减少；当β2>0时，客源国收入水平上升，对上海的旅游需求随着购买力的增强而增加。

4.构建上海入境游需求模型的线性回归方程。由于公式(3)仅是一个静态模型，忽略了上海入境游游客决策过程中的动态因素，且未能包含外生冲击这一核心解释变量。本研究考虑到旅游需求的预期性和持续性等特征，参考Song 等的研究[24-25]，通过引入时间滞后变量和虚拟变量来建立自回归分布滞后模型。时间滞后变量用于反映旅游需求的动态性特征，由于本研究使用季度数据，故将滞后时间设为4期。同时，核心解释变量外生冲击用虚拟变量表示。其中,Df表示2005年禽流感，2005年取值为1，其他年份取值为0;Dc表示2008年全球经济危机，2008年取值为1，其他年份取值为0;De表示2010年上海世界博览会，2010年取值为1，其他年份取值为0。经过以上一系列变换后，本研究得到用于实证分析的回归方程。具体计算公式如下：

(4)

其中，向量组合lnG代表多项式lnGit+lnGit-1+lnGit-2+lnGit-3+lnGit-4，向量组合lnP代表多项式lnPit+lnPit-1+lnPit-2+lnPit-3+lnPit-4,向量组合X代表其他控制变量集，向量组合D代表季度的线性时间趋势。式中主要变量的名称和含义详见表2。

表2 主要变量说明

三、实证分析

本研究基于上述回归方程(4)进行实证分析，具体步骤如下：(1)利用6个主要客源国总体样本数据进行ADLM回归分析，估计口碑效应和外生冲击对上海入境游需求的整体影响；(2)在总体回归分析基础上采用逐步法进行分组回归分析，并经过一系列有效性检验，构建口碑效应和外生冲击对每个客源国上海入境游需求影响的模型；(3)根据各客源国的ADLM模型计算上海入境游需求弹性。

(一)总样本ADLM回归分析

为整体检验口碑效应和外生冲击对上海入境游需求的影响，本研究首先利用6个主要客源国的全样本进行ADLM回归分析(表3)。在表3中，(1)～(4)为混合时间序列回归分析，(5)为控制不同客源国潜在不可观测差异的面板固定效应回归分析。其中，(1)和(2)分别将口碑效应和外生冲击作为解释变量；(3)和(4)同时将口碑效应和外生冲击作为解释变量，但(3)未将控制变量纳入回归分析。

由表3可知，所有客源国对上海入境游需求的滞后期均显著为正，且固定效应回归的边际效应介于0.118和0.599之间，即往期上海入境游游客每增加1%，就会导致未来入境游需求增长0.118%～0.599%。这表明上海高质量的旅游产品和旅游服务会使入境游游客产生良好体验，增进入境游游客的满意度，从而在往期游客中产生口碑效应，促进未来上海入境游需求增长。外生冲击在单独作为解释变量进入回归时并不显著且R2较低，表明上海入境游需求的影响无法仅通过单一外生冲击来解释。表3中(3)～(5)的回归分析结果显示，上海世界博览会的成功举办产生了显著的正向影响，表明这项重大节事活动能够促使上海入境游需求增长35.3%以上；而其他外生冲击变量在控制国家固定效应之后并不显著，须进一步通过分样本逐步ADLM回归分析来确定其对上海入境游需求的影响。

表3 总样本ADLM回归分析结果

(二)分样本逐步ADLM回归分析

为了进一步确定不同客源国口碑效应和外生冲击对上海入境游需求的异质性影响，并提供用于需求预测的模型，本研究采用分样本逐步回归建模的方法来进行实证分析。即所有变量进入ADLM回归后逐步剔除不显著变量，直到所有变量均显著，最终确定模型。基于以上步骤，本研究得到的分样本逐步ADLM回归分析结果详见表4。

为了确保回归模型的稳健性，本研究分别进行若干诊断性检验。其中，反映整体回归标准化残差的直方图总体呈对称形态，在标准化残差的正态P-P图中，各散点均匀地分布或围绕在直线周围；在K-S检验中，除加拿大以外，其他国家回归模型的P均大于0.05；在S-W检验中，除加拿大和新西兰以外，其他国家回归模型的P均大于0.05。因此,模型分析结果基本满足正态性检验。同时，所有需求模型中的绝大部分方差膨胀系数均小于10，满足回归模型不存在变量完全共线性的要求；标准化残差和标准化预测值的散点图均显示了回归模型的同方差情形，总体上通过异方差检验；各个国家回归模型的D-W检验值分别为2.004(新加坡)、1.925(马来西亚)、2.118(美国)、2.196(加拿大)、1.997(澳大利亚)和2.286(新西兰)，均通过自相关检验。可见，上述6个回归模型均至少通过2个标准化统计检验，因此最终确定模型。

表4 分样本逐步ADLM回归分析结果

由表4可知，口碑效应方面，游客需求滞后期对每个客源国均产生显著影响，亚洲国家和大洋洲国家受到的影响相对更大且反馈时间较短，表明在上海入境游的亚洲市场和大洋洲市场中，口碑效应短期之内会对游客的出行决策产生更大的潜在影响，入境游客的良好体验会增进未来上海入境游的需求；距离较远且文化差异较大的北美洲则系数相对较小，但从长期来看，口碑效应对北美洲入境游客具有持久的正向作用。外生冲击方面，2005年禽流感对上述主要客源国赴上海入境游的需求并未产生显著影响；2008年全球经济危机对上述主要客源国赴上海入境游需求的影响存在差异，仅加拿大和澳大利亚受到显著的负面影响，而其他国家均影响不显著，这可能是缘于2008年恰逢中国举办北京奥运会，吸引了大量国际入境游客，这种潜在的扩散效应一定程度上可以对冲全球经济危机带来的消极影响；2010年上海世界博览会对上述主要客源国赴上海入境游的需求均产生显著的正向影响。经济发展水平方面，上述主要客源国均不同程度地受到本国经济发展水平的影响，其回归系数绝对值均大于0.4(即某国GDP每增长1%，该国赴上海入境游的需求会产生0.4%的变动)。其中，美国和澳大利亚分别高达-1.588和-5.765，表明来自这两个国家的游客赴上海入境游的需求受本国经济发展水平影响更大。价格水平方面，只有加拿大和澳大利亚的回归系数显著，表明加拿大和澳大利亚游客对上海入境游的旅游产品价格变化感知敏感，而其他国家游客对该价格变化感知不敏感。

(三)需求弹性分析

旅游需求弹性是测定旅游需求量对旅游价格或收入变动反应灵敏程度的一个尺度。表5是根据表4计算出的各国旅游需求弹性值。由表5可知，价格弹性均小于0，收入弹性均大于0，表明旅游需求随着价格的增加而减少，随着收入的增加而增加。这与先验判断和一般经济规律相符。

旅游价格弹性是指旅游目的地旅游产品价格变动与入境游客流量变动之比。从价格弹性来看，加拿大和澳大利亚对上海的旅游需求均富有弹性(价格弹性系数的绝对值大于1)。因此，上海若提升原有旅游产品价格将会对加拿大和澳大利亚游客的需求量产生较大幅度的影响，并导致上海入境游收入有所降低。鉴于此，上海在对加拿大和澳大利亚游客进行旅游产品定价时，可以在一定范围内适当调低价格进行旅游促销，从而大幅度提升加拿大和澳大利亚赴上海旅游的人次，增加上述两国赴上海旅游的总收益。

表5 上海入境游需求弹性估计结果

旅游收入弹性是指不同客源国经济发展水平变动与入境游客流量变动之比。从收入弹性来看，上述6个主要客源国对其收入变动的反应程度存在差异。其中，新加坡和美国对上海的旅游需求均缺乏弹性(收入弹性系数小于1)，即新加坡和美国到上海入境游的游客受本国经济发展水平影响相对较弱。而加拿大、澳大利亚、新西兰和马来西亚等国家对上海的旅游需求均富有弹性(收入弹性系数大于1)，即上述各国经济的进一步发展会促使其潜在游客对上海入境游的需求有更大幅度的增加。尤其是加拿大，其收入弹性系数达到8.809，表明加拿大每季度的经济增长或收入状况极大地影响了加拿大潜在游客到上海旅游的出行决策。鉴于此，上海应密切关注这些国家的经济增长状况，及时调整旅游营销策略，以增加上述国家赴上海旅游的总收益。

四、上海入境游需求预测

本研究进一步根据表4的回归分析结果对来自于新加坡、马来西亚、美国、加拿大、澳大利亚和新西兰等6个主要客源国的入境游需求进行预测。具体步骤如下：(1)采用Holt-Winter指数平滑法进行被解释变量预测；(2)将各被解释变量预测值代入模型中预测各个客源国的 lnY值，并据此进行反对数计算；(3)计算得到2019—2025年共28个季度上述6个主要客源国游客赴上海入境游的需求预测值(图1)，并进一步计算得到年度预测结果和年均增长率(表6)。考虑到ADLM模型的短期预测特征(t≤35)，本研究结合Lin和Song等的研究[23,25]，将预测期设为2019—2025年。

由表6可知，在没有其他重大特殊事件影响的前提下，上海入境游市场将呈现出稳步快速增长的趋势，入境游市场规模不断扩大。上述6个主要客源国的入境游游客数将分别从2019年的20.108 9万人次(新加坡)、21.640 4万人次(马来西亚)、84.901 9万人次(美国)、22.282 8万人次(加拿大)、21.247 9万人次(澳大利亚)和4.949 6万人次(新西兰)，增加到2025年的24.807 9万人次(新加坡)、30.451 2万人次(马来西亚)、112.050 8万人次(美国)、38.908 7万人次(加拿大)、61.537 3万人次(澳大利亚)和10.270 8万人次(新西兰)。其中，从增长速度来看，来自澳大利亚和新西兰的入境游游客年均增长速度最快，均超过10%；从市场规模来看，美国和澳大利亚是上海入境游的主要客源市场。可见，未来上海入境游市场增长趋势明显，市场规模将持续扩大；北美洲和大洋洲国家将成为上海入境游的主要客源国。

图1 上海入境游需求季度预测结果(2019—2025)

表6 上海入境游需求年度预测结果(2019—2025) Table 6 Annual forecast of Shanghai inbound tourism demand(2019—2025) /万人次

五、结论与对策

(一)结论

基于上海入境游市场6个主要客源国(新加坡、马来西亚、美国、加拿大、澳大利亚和新西兰)2004—2018年的季度数据，采用自回归分布滞后模型实证研究口碑效应和外生冲击对上海入境游需求的影响，并在回归分析的基础上预测未来6个主要客源国赴上海入境游的潜在客流量，得出以下结论：

1.口碑效应显著正向影响城市入境游需求。口碑效应对旅游需求具有较大的促进作用，口碑效应是客源国游客赴上海入境游最重要的影响因素之一。

2.大型节事会展活动显著正向影响城市入境游需求。2010年上海世界博览会的成功举办在一定程度上刺激了各国赴上海入境游的需求。

3.客源国经济发展水平显著正向影响城市入境游需求。客源国的经济发展水平越高，其旅游需求越大，其旅游需求增长率也越高。

4.上海入境游市场将呈现出稳步快速增长的趋势。2019—2025年，上海入境游市场增长趋势明显，市场规模将持续扩大；北美洲和大洋洲国家将成为上海入境游的主要客源国。

(二)对策

城市入境游需求受口碑效应和外生冲击等因素影响显著，随着上海入境游需求的持续稳步增长，应进一步塑造良好口碑效应、兴办节事会展活动、实施合理定价策略、推进多方主体合作等，以促进上海入境游市场持续繁荣发展。

1.塑造良好口碑效应，打造入境游国际知名品牌。口碑效应对消费者的态度、认知和行为产生重要影响，国际游客在进行旅游方案决策时，倾向于选择拥有良好口碑的旅游目的地。因此，上海旅游相关机构应着力于优化硬件建设和软件建设，通过持续提升旅游服务质量和提高国际游客满意度来塑造上海入境游的良好口碑效应，打造具有上海特色的入境游国际知名品牌。具体来说：(1)优化硬件建设。上海旅游相关机构应着力于优化交通线路、美化住宿环境、精化公共设施、强化安全保障等，以促进城市旅游资源的充分整合，为入境游客提供优质高效的旅游体验；同时，进一步加强城市的无障碍化建设，以国际化与现代化大都市标准严格要求自身，为入境游客提供细致周全的旅游服务。(2)优化软件建设。上海旅游相关机构应紧扣互联网、大数据、云计算、人工智能、深度学习算法等前沿技术，着力于打造线上线下一体化的便捷服务，有效地满足入境游客的游览、购物、娱乐等旅游需求。具体可通过互联网直播平台宣传推广上海的自然美景和历史典故，多维度地向入境游客展现“魔都”的魅力；通过创建和更新不同语言版本的旅游信息数据库，为不同偏好的入境游客群体打造契合需求的旅游体验；通过建设情境丰富的VR体验馆，让入境游客在虚拟现实体验中感受上海独特的历代建筑风光和历史文化韵味等，借此生动地展现和弘扬上海独特的饮食、方言、音乐和戏剧文化等，以文化魅力增强对入境游客的吸引力。

2.兴办节事会展活动，拉动入境游需求稳步增长。大型节事会展活动对城市入境游需求具有积极的促进作用，未来上海可以通过举办大型节事会展活动来有效拉动入境游需求的稳步增长。具体来说：(1)发挥兴办节事会展活动的传统优势。上海作为国际大都市在举办节事会展活动上已具备一定的领先优势，如上海国际电影节、中国上海国际艺术节、中国国际数码互动娱乐展览会等都是上海吸引国外游客的重要契机，上海要继续保持这种传统优势，并结合社会发展需求不断创新内容和形式，使相关节事会展活动在成为常态化的同时焕发新的活力。(2)有计划分阶段地举办节事会展活动。上海是世界深入了解中国的重要窗口，应有计划分阶段地举办节事会展活动，如在上海自由贸易试验区举办与贸易相关的会展活动，通过贸易会展活动促进国内国际双向交流，推广融合上海元素的旅游产品，展现上海的旅游业发展优势，进一步增强对入境游客的吸引力，以有效拉动入境游需求的稳步增长。

3.实施合理定价策略，刺激境外游客的消费需求。客源国的经济发展水平会显著影响城市入境游需求，合理的定价策略可以促进城市入境游需求增长。因此，上海旅游相关机构应有针对性地开发适合不同客源国游客群体的产品，制定和实施合理的定价策略，以便刺激不同国家游客的消费需求，实现效益最大化。具体来说：针对消费水平相对较高的入境游群体，致力于打造高端旅游产品和服务，采用量身定制、限量款式等营销模式，为游客提供精细化的高端服务；针对消费水平中等和相对较低的入境游群体，致力于提供普惠旅游产品和服务，采用标准搭配、合理调整等销售方式，为游客提供性价比较高的普惠服务。

4.推进多方主体合作，塑造良好的城市旅游形象。政府、企业、市民是塑造良好的城市旅游形象的重要主体，三者密切合作才能生成强大的合力效应。具体来说：政府着力于主动担责引领，相关政府部门应进一步推进城市内涵型建设，推进城市自然美与人文美的有效融合，从而更好地传承和弘扬城市人文精神，塑造良好的城市旅游形象；企业着力于满足游客需求，结合新兴客源国游客需求的发展变化，紧扣城市地域特色，着力于开发符合入境游游客消费偏好的旅游产品，以更好地塑造和弘扬城市旅游形象；市民着力于提升自我素养，在言行举止中严格要求自己，并与政府、企业携手合作，充分展现上海的人文魅力，体现上海的待客热情，共同塑造良好的城市旅游形象。通过上述三方主体的通力合作，共同提升上海旅游的国际知名度和美誉度，促进上海入境游需求的稳步增长。

(三)研究不足与展望

本研究存在以下不足有待未来进一步完善：(1)囿于数据和篇幅的限制，本研究仅选取2004—2018年上海6个主要客源国进行研究，研究时间和样本容量均不足以全面反映中国入境游的现状。未来可以将更多城市和客源国纳入研究，以使分析更加系统、完善和准确。(2)ADLM的统计分析受限于线性约简型方程的结构特征，缺乏严谨的实证策略和因果识别效果，导致结果有可能存在内生性偏误。未来可以考虑使用倍差法、断点回归设计或一般均衡模型来进行分析和预测，以识别入境游客流量与各影响因素之间的准确因果效应。(3)随着2020年新冠肺炎疫情在全球范围内的暴发，国际旅游市场遭受重大打击，国际关系也发生了深刻变化，但本研究受数据获取的时间限制，无法系统性地考察这一事件对上海入境游市场的影响，一定程度上造成了系统性的预测偏差。未来需要围绕新冠肺炎疫情的发展趋势进行深入分析和预测，以使分析更具时效性，预测更精确。