生态经济区入境旅游市场发展趋势范文

本站小编为你精心准备了生态经济区入境旅游市场发展趋势参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

一、研究原理

目前，学界逐渐重视区域旅游业发展的趋势预测，在入境游客量预测、国内游客量量预测等方面，建立了各种方法和模型。在对国内旅游市场游客量需求的预测中，常用的方法有多元回归模型、神经网络模型、灰色预测模型、引力模型及一般时间序列模型等，这些方法可以反映游客变化的一般趋势，但预测结果受突发情况（如SARS事件）的影响比较大。ARIMA作为统计预测中的一个重要模型，被广泛运用于各个领域，由于ARIMA模型则能够较好地克服随机干扰问题，近年来，也被运用与旅游业游客量的预测中。ARIMA模型全称自回归移动平均模型（AutoregressiveIntegrantedMovingAverageModel,ARIMA)，由博克思（Box）和詹金斯（Jenk-ins）于70年代初提出。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用数学模型来描述，模型被识别后可以从时间序列的过去值及现在值来预测未来值。

二、研究步骤

（1）根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。（2）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。（3）根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合ARIMA模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合ARIMA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARIMA模型。（4）进行参数估计，检验是否具有统计意义。（5）进行假设检验，诊断残差序列是否为白噪声。（6）利用己通过检验的模型进行预测分析。

三、研究假设

（一）预测指标的选择本文选择入境旅游人数和入境旅游外汇收入，进行模型分析，对未来入境旅游市场发展进行预测。

（二）研究假设假设1：利用ARIMA模型预测鄱阳湖生态经济区入境旅游市场发展趋势是可行的。假设2：基于时间序列模型的拟合度较好，其预测值具有可信性。

四、鄱阳湖生态经济区入境旅游市场发展趋势分析

本文选择1998-2013年鄱阳湖生态经济区15年的入境旅游人数和入境旅游外汇收入为实验数据（见表1），构成研究对象的时间序列，采用ARIMA模型建立时间序列模型，并预测至2015年鄱阳湖生态经济区入境旅游市场的发展趋势。根据上述数据，利用SPSS17软件，建立ARIMA模型，得出结果（见图1和表2），从结果中可知ARIMA预测值与实际值拟合度较高，除了一些特殊年份以外误差比例都保持在10%以下（1998年预测值高于实际值是因为东南亚金融危机影响，2003和2004年是由于SARS风波导致预测值与实际值不符），最低误差率仅为0.95%。

由此，ARIMA模型预测的2014年和2015年鄱阳湖生态经济区入境旅游收入分别为57715万美元和62801.3万美元，以及入境旅游人数178.52万人次和192.35万人次，非常具有参考价值，能为相关部门和企业在制定旅游发展规划时，提供有效的数据支撑。

作者：左振华 吴磊 单位：江西科技学院管理学院