基于向量自回归模型的旅游业相关因素分析

摘要：随着旅游业在第三产业的占比越来越大，旅游业逐渐作为城市发展的支柱产业，分析贵州省旅游业影响因素有利于促进旅游业持续发展和经济的增长。通过构建向量自回归模型，分析了贵州省旅游业与地区生产总值和园林陆地面积之间的关系。通过收集2000—2021年相关指标数据，通过运用平稳性检验、单位根检验、脉冲响应分析等检验，研究发现贵州省旅游业与上述指标间相互影响。

关键词：旅游业经济向量自回归模型相关因素

中图分类号：F592.7;F224

AnalysisofTourismIndustryRelatedFactorsBasedonVectorAutoregressiveModel

-TakingGuizhouProvinceasanExample

ZHAOXiulan

GuizhouUniversityofFinanceandEconomics，Guiyang，GuigzhouProvince，550000China

Abstract：Withtheincreasingproportionoftourisminthetertiaryindustry，tourismhasgraduallybecomeapillarindustryofurbandevelopment.ThisarticleanalyzestheinfluencingfactorsoftourisminGuizhouProvince，whichareconducivetopromotingthesustainabledevelopmentoftourismandeconomicgrowth.Itanalyzestherelationshipbetweenthetourismindustry，regionalgrossdomesticproduct，andlandscapelandareainGuizhouProvincebyconstructingaVectorAutore-Gressive（VAR）model.Bycollectingrelevantindicatordatafrom2000to2021andusingtestssuchasStationarityTest，UnitRootTest，andImpulseResponseAnalysis，thestudyfoundthatthetourismindustryinGuizhouProvinceinteractswiththeaboveindicators.

KeyWords：Tourism;Economy;VARModel;Relatedfactors

随着我国居民收入和消费水平的提升，贵州省旅游业蓬勃发展，贵州省将旅游产业化列为全省发展的重要战略内容，已成为备受瞩目的旅游目的地，吸引了越来越多的游客前来探索。根据数据显示，贵州省共有359家国家A级旅游景区，国家5A级旅游景区6家，2021年贵州省旅游总收入增长超过15%，旅游及相关产业的增加值达到了1000亿元，而游客人均花费也超过了1000元[1]。数据表明：贵州旅游业在实现“十四五”旅游产业化发展目标方面取得了良好的开局，充分展示贵州旅游业快速发展的势头，推动贵州高端旅游消费市场和定制旅游市场的发展[2]。本文通过对贵州省旅游业的影响因素进行深入分析，更好地了解旅游业发展的动态和趋势，以进一步推动旅游业的繁荣发展。

1指标选取与数据来源

本文选用贵州省旅游总收入（记为ZSR），作为旅游业发展的指标，选取地区生产总值（记为GDP）和建成区园林绿地面积（记为BGA），这两项指标作为解释变量[3]。通过《贵州统计年鉴》获取数据，并且为消除异方差的影响，对数据分别进行取对数的处理，对处理后的数据分别记为LNZSR、LNGDP、LNBGA。

2建立向量自回归模型

2.1平稳性检验

本文使用Eviews软件进行实证分析，使用ADF单位根检验方法对上述时间序列数据进行单位根检验，以确定原始时间序列的平稳性[4]。根据表1的检验结果，原始的对数序列被判定为非平稳序列，在经过一阶差分后，结果显示拒绝存在单位根的原假设。这意味着一阶差分后的序列数据是平稳的。

2.2滞后阶数选择

根据变量平稳性检验的结果显示，三个变量均为一阶平稳序列。因此，我们便可以考虑使用这些变量的对数序列来建立向量自回归模型。在这个模型中，滞后阶数选择的原则是利用LR、FPE、AIC、SC以及HQ准则的最小值来决定[5]，使用Eviews软件进行分析，选择滞后阶数为1。检验结果如表2所示。

2.3Johansen协整检验

由表1可知，DLNBGA、DLNGDP和DLNZSR均为平稳时间序列，且都为同阶单整序列，所以对其进行Johansen协整检验，来检验两个影响路径下是否都存在长期均衡关系。检验结果如表3和表4所示。

根据Trace检验和Max检验可以知道，建立的VAR模型均接受原假设（即接受不存在协整关系的假设），该序列为同阶单整但不协整，因此可以建立向量自回归模型。

2.4单位根检验和格兰杰因果检验

单位根检验是一种检验时间序列数据是否具有单位根的统计方法，本文用的是ADF检验，在ADF检验中，原假设是存在单位根[6]。根据数据分析可得出时间序列是平稳的，由此进行格兰杰因果检验。格兰杰因果关系在统计上检验的是变量之间的相关性和预测能力，而不能确定因果关系的确切方向[7]。对其进行格兰杰因果检验，所得结果如表5所示。

由检验结果可知，旅游总收入、地区生产总值与建成区园林绿地面积之间在10%的置信区间下存在格兰杰因果关系，说明一个地区的旅游业越发达，则该地区的园林绿地面积越大。旅游总收入与地区生产总值之间存在格兰杰因果关系，一方面表明较高的地区生产总值会促进旅游业的发展从而提高旅游总收入，另一方面，旅游活动本身也会对地区经济产生积极影响，旅游业可以创造就业机会，吸引投资和消费。这些因素都会对地区生产总值的增长产生正向影响。

2.5VAR模型建立

在前面的基础上，用差分后的数据建立VAR（1）模型，得到结果如下所示：

2.6脉冲响应分析

脉冲响应函数显示了每个内生变量对自身和其他内生变量冲击的响应情况，并且随着时间的推移观察了模型中各变量对冲击的响应[8]。在本文中，选择了10期的滞后期进行脉冲响应分析。

由图3可知，旅游总收入受自身的正向冲击后，先以较快的速度下降，在第4期最低点后开始上升，并在第6期达到最高值，之后影响逐渐减弱并趋于平稳。旅行社数量对自身有的正效应的冲击，这种影响逐渐下降后又上升，不断变化。

以DLNGDP对DLNZSR的脉冲响应函数图（第二行，第三列）为例，贵州省地区生产总值对旅游总收入的前4期的影响是负向影响，之后再转为正向影响，再持续几期后转为负向影响趋于平稳后又上升至正向影响，跌宕起伏。较高的地区生产总值通常意味着经济繁荣和消费能力增强，这对旅游业是有利的。此外，较高的GDP意味着更多的投资和基础设施建设，包括交通、酒店和旅游设施的改善和扩展，这将进一步促进旅游业的发展并增加旅游总收入。

2.7方差分解

方差分解是一种通过分析预测残差的标准差由不同冲击影响的比例来衡量内生变量对标准差的贡献比例[9]。通过分析，可以了解不同冲击对旅游总收入以及其他内生变量的影响程度，并进一步评估它们在解释模型中的重要性。本文以旅游总收入为例，采用方差分析方法来分析冲击对内生变量的影响，结果如表6所示。

由表6可看出，在对旅游总收入的预测中，第1期预测值的误差中近66%来自自身，近26%来自地区生产总值，近8%来自建成区园林绿地面积。随着预测期的延长，误差中来源于地区生产总值和建成区园林绿地面积的影响比重增加。预测10期时，预测误差的方差中只有近17%来源于自身。

3结语

通过选取2000—2021年贵州省相关指标数据，建立向量自回归模型进行实证研究，得出以下结论。

（1）旅游总收入、地区生产总值和建成区园林绿地面积之间存在格兰杰因果关系。即较高的地区生产总值会促进旅游业的发展，提高旅游总收入。同时，旅游总收入对地区生产总值有影响，即旅游总收入的增长也会带动地区生产总值的增长。这些发现表明旅游业与经济发展密切相关，并且相互促进。（2）通过脉冲响应图分析后发现，旅游总收入对自身冲击的响应是先下降后上升，并在一定时期后趋于平稳。

参考文献

[1]樊国庆，朱轩民，高润平.贵州省旅游收入预测及发展研究分析[J].保山学院学报，2023，42（4）：91-99.

[2]张潇，陆林，张海洲等.中国高原生态旅游发展潜力评价[J].经济地理，2021，41（8）：195-203.

[3]田瑞敏，周家静.基于向量自回归模型的南京市旅游业影响因素分析[J].科技经济市场.2022（2）：16-18.

[4]易丹辉.时间序列分析：方法与应用[M].2版.北京：中国人民大学出版社，2018：105-125.

[5]徐晓婧，王元元.云南省旅游业发展与经济增长动态关系的实证检验[J].统计与决策，2023，39（1）：126-130.

[6]郭兆晖，徐晓婧.基于VAR模型的福建省旅游业发展与经济增长关系研究[J].中国经贸导刊（中），2020（11）：75-80.

[7]张倩，王立平，王文博.旅游业发展与经济增长的动态关系研究：以陕西省为例[J].管理学刊，2018，31（5）：34-45.

[8]陈文捷，高雪.基于VAR模型的旅游业与区域经济发展动态关系研究：以广西为例[J].广西社会科学，2018（2）：38-44.

[9]蔡芳娜.基于VAR模型的福建省旅游业对经济增长影响研究[J].三明学院学报，2021，38（5）：38-44.