入境旅游對(duì)國民經(jīng)濟(jì)的影響分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了入境旅游對(duì)國民經(jīng)濟(jì)的影響分析范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

由于無法搜集到全國性的旅游相關(guān)數(shù)據(jù)，本文選取了長(zhǎng)三角地區(qū)江蘇、浙江、上海的年入境旅游收入、GDP等指標(biāo)作為入境旅游和國民經(jīng)濟(jì)增長(zhǎng)的情況，在研究過程中所選取的一些具體數(shù)據(jù)來自各省統(tǒng)計(jì)局公布的統(tǒng)計(jì)年鑒，某些數(shù)據(jù)則來自官方網(wǎng)站，具體的時(shí)間為1994年到2011年。本文以GDP名義值作為變量，入境旅游收入以美元計(jì)，按照年平均匯率，把1994年到2011年的入境旅游收入折算成人民幣，以GDP記為GDP的名義值，以TR記為入境旅游所帶來的經(jīng)濟(jì)收入。短期之內(nèi)的調(diào)整模式與原本序列的協(xié)整關(guān)系不因序列對(duì)數(shù)的變換而改變，消除兩者之間有可能存在的異方差，正是基于這樣的原因，對(duì)于兩變量選取了自然對(duì)數(shù)并將兩變量分別記為L(zhǎng)NGDP、LN-TR，和其相對(duì)應(yīng)的一階差分序列分別記為DLNGDP以及DLNTR。

變量檢驗(yàn)

從圖1中可以看出，LNGDP、LNTR具有同向的時(shí)間且具有常數(shù)項(xiàng)，而且從圖2可以看出DLNGDP、DLNTR也是具有常數(shù)項(xiàng)的。上述時(shí)間的序列是否平穩(wěn)，只有在對(duì)相關(guān)數(shù)據(jù)進(jìn)行穩(wěn)定性檢驗(yàn)后才能確定。對(duì)變量的穩(wěn)定性進(jìn)行檢驗(yàn)的程序叫做單位根檢驗(yàn)，在通常情況下DF方法是單位根檢驗(yàn)的常用方法。因?yàn)槲覀儫o法確保方程殘差項(xiàng)一定屬于白噪音，正是因?yàn)榛谶@樣的原因借鑒了DICKEY以及FULLER對(duì)于DF檢驗(yàn)法展開了擴(kuò)充的做法，在DF檢驗(yàn)的基礎(chǔ)上形成了一個(gè)新的ADF檢驗(yàn)法，ADF檢驗(yàn)法是對(duì)DF檢驗(yàn)法的改進(jìn)和擴(kuò)充。檢驗(yàn)的結(jié)果說明，在5%的顯著水平之下，LN-TR、LNGDP兩者都是非平穩(wěn)的，而DLNTR、DLNGDP兩者都是平穩(wěn)的，LNTR、LNGDP兩者是一階單整時(shí)間的序列。

實(shí)證分析

本文對(duì)于入境旅游、國民經(jīng)濟(jì)增長(zhǎng)兩者之間所具有的關(guān)系的研究思路為:第一，對(duì)平穩(wěn)時(shí)間序列進(jìn)行檢驗(yàn)、協(xié)整，然后對(duì)入境旅游和國民經(jīng)濟(jì)增長(zhǎng)兩者間均衡的長(zhǎng)期的關(guān)系進(jìn)行合理估計(jì);如果兩者之間存在協(xié)整關(guān)系，那么，通過誤差修正模型來對(duì)兩者之間所具有或者應(yīng)該具有的動(dòng)態(tài)化了的調(diào)節(jié)體制展開反映;第二，通過格蘭杰因果檢驗(yàn)法確定國民經(jīng)濟(jì)增長(zhǎng)和入境旅游間因果關(guān)系;第三，通過向量自回歸模型的沖擊響應(yīng)函數(shù)對(duì)兩者之間的互動(dòng)關(guān)系進(jìn)行分析，按照表1中得出的ADF檢驗(yàn)結(jié)果，滿足進(jìn)行協(xié)整分析的前提條件，也就是LNTR和LNGDP兩者是同一階單整階數(shù)。由于采用了基于VAR模型JO-HANSEN的方法來進(jìn)行協(xié)整檢驗(yàn)，并且LNTR和LNGDP之間的沖擊響應(yīng)函數(shù)同樣也都是基于VAR模型的。為此，先得建立關(guān)于LNTR和LNGDP的VAR模型。

(一)建立VAR模型

我們要對(duì)國民經(jīng)濟(jì)增長(zhǎng)和入境旅游兩者之間的關(guān)系進(jìn)行研究，首先就是要建立VAR模型，在此過程中先要明確模型的滯后階數(shù)并讓VAR模型精準(zhǔn)地反映出變量之間的動(dòng)態(tài)特征。在研究的過程中以最大似然值以及LR、FPE、AIC、SC、HQ等信息最小的準(zhǔn)則作為對(duì)階數(shù)展開判斷和識(shí)別的依據(jù)。同時(shí)，在VAR模型的根模倒數(shù)都小于1時(shí)，這個(gè)模型才是穩(wěn)定的。因而，VAR模型的全部特征根在協(xié)整檢驗(yàn)時(shí)都必須在單位圓內(nèi)。LNTR、LNGDP有25個(gè)樣本，VAR模型可以進(jìn)行計(jì)算的最大的滯后階數(shù)是7，并且其滯后階數(shù)在1到7的時(shí)候，模型的特征根也都在單位圓之內(nèi)，因而可以得出結(jié)論:VAR是穩(wěn)定的。依據(jù)其最大的似然值和信息最小標(biāo)準(zhǔn)，對(duì)于滯后階數(shù)是1到7的VAR模型進(jìn)行比較，其結(jié)果如表2所示。對(duì)表2的結(jié)果進(jìn)行綜合，得出其最后的最優(yōu)的滯后階數(shù)是7，其能夠?qū)NTR、LNGDP之間的動(dòng)態(tài)關(guān)系進(jìn)行有效、準(zhǔn)確的反映。同時(shí)，模型構(gòu)建過程中發(fā)現(xiàn)滯后階數(shù)為7的VAR模型自變量的系數(shù)在10%的水平下是不顯著的，然而，滯后階數(shù)為6的模型自變量系數(shù)大多數(shù)是顯著的，為此，選擇了滯后階數(shù)為6的VAR模型來進(jìn)行相關(guān)分析研究。

(二)協(xié)整檢驗(yàn)

JOHANSEN檢驗(yàn)依據(jù)VAR模型為基礎(chǔ)進(jìn)行檢驗(yàn)回歸系數(shù)，其余各個(gè)變量間建立相對(duì)較為嚴(yán)格和準(zhǔn)確的變量關(guān)系，所以是進(jìn)行協(xié)整檢驗(yàn)的方法中比較好的一種方法。此種檢驗(yàn)方法可以對(duì)LNTR、LNGDP之間是否具有協(xié)整關(guān)系進(jìn)行準(zhǔn)確的判斷識(shí)別，同時(shí)，此種方法還可以對(duì)協(xié)整方程的個(gè)數(shù)進(jìn)行準(zhǔn)確計(jì)算。在建立VAR模型的過程中選擇了滯后階數(shù)是6的模型，詳見表3、表4。按照上述JOHANSEN檢驗(yàn)法得出的檢驗(yàn)結(jié)果，LNTR、LNGDP在5%顯著水平之下有并且是只有1個(gè)協(xié)整關(guān)系，其方程式為:ECM=LnGDP－0.6477LnTR－9.712誤差修正模型(ECM)的思路是，如果變量之間存在著協(xié)整的關(guān)系，那么，就說明變量之間存在長(zhǎng)期的穩(wěn)定關(guān)系，但是，這些長(zhǎng)期的穩(wěn)定關(guān)系也是在短期的一個(gè)動(dòng)態(tài)的過程中經(jīng)過不斷地調(diào)整從而得以維持的，只有通過短期的動(dòng)態(tài)的調(diào)整才能維持長(zhǎng)期的穩(wěn)定關(guān)系。格蘭杰、ENGLE把誤差修正的模型和協(xié)整關(guān)系有機(jī)地結(jié)合了起來，從而建立了向量誤差修正模型(VEC)。以此為基礎(chǔ)，能夠得到LNGDP、LNTR的VEC模型，詳見表5。因?yàn)閂EC模型的對(duì)數(shù)似然值于系統(tǒng)的統(tǒng)計(jì)上來看大多數(shù)都是比較顯著的，所以VEC模型完全可以解釋LNGDP、LNTR之間短期關(guān)系。與此同時(shí)，其誤差修正項(xiàng)ECM的系統(tǒng)在統(tǒng)計(jì)上來看同樣是比較顯著的，而且其方程1、2的ECM系數(shù)均為正數(shù)，表明在系統(tǒng)已經(jīng)偏離了長(zhǎng)期的均衡的時(shí)候，下一個(gè)周期誤差修正項(xiàng)對(duì)于DLNGDP、DLNTR能夠進(jìn)行正向修正。

(三)格蘭杰檢驗(yàn)

為了對(duì)LNGDP、LNTR之間是否具有因果關(guān)系以及之間所具有的因果關(guān)系是正向還是負(fù)向的問題進(jìn)行檢驗(yàn)，選取滯后期1到6開展格蘭杰檢驗(yàn)，其通過檢驗(yàn)得到的結(jié)果見表6。檢驗(yàn)的結(jié)果表明，在10%的置信水平之下，滯后期分別是1、2、5階的時(shí)候，拒絕LNGDP不是引起LNTR原因的零假設(shè);然而，在滯后期是6的時(shí)候，對(duì)于LNTR非LNGDP原因的零假設(shè)也完全同樣是拒絕的，并對(duì)LNGDP不是引起LNTR原因的零假設(shè)也完全同時(shí)是拒絕的。所以，通過格蘭杰檢驗(yàn)得出的結(jié)果已經(jīng)完全表明了LNTR、LNGDP之間是互為因果的關(guān)系，是雙向的因果關(guān)系。

(四)脈沖響應(yīng)函數(shù)分析

通過向量誤差修正模型對(duì)LNGDP、LNTR兩者之間所具有的短期關(guān)系進(jìn)行分析，對(duì)LNGDP、LNTR兩者間所具有的長(zhǎng)期互動(dòng)關(guān)系如何的問題卻難以詳細(xì)地進(jìn)行具體描述。因而，兩者間詳細(xì)具體的關(guān)系還是需要經(jīng)過脈沖響應(yīng)函數(shù)進(jìn)行分析之后才能得到準(zhǔn)確結(jié)論。將沖擊類型設(shè)成1個(gè)標(biāo)準(zhǔn)差的廣義脈沖，并把其追蹤期數(shù)設(shè)成10期，詳見圖2。從圖2可知，入境旅游得到了一個(gè)正向的沖擊之后，GDP于第9期之前呈現(xiàn)出負(fù)向的響應(yīng)，到第5期的時(shí)候呈現(xiàn)出快速下降的趨勢(shì)，之后又呈現(xiàn)出逐步上升的態(tài)勢(shì)。而從第9期開始呈現(xiàn)正向的響應(yīng)。給GDP一個(gè)正向的沖擊之后，入境旅游收入方面反映比較迅速，在第1期—第3期的增長(zhǎng)都是比較快的，而從第3期到第4期的時(shí)候又快速回落，之后又呈現(xiàn)快速增長(zhǎng)的態(tài)勢(shì)，到第5期的時(shí)候達(dá)到了最高點(diǎn)，之后逐漸回落。圖2表明，LNGDP對(duì)于LNTR是具有比較大正向影響的，但是其正向的影響會(huì)隨著時(shí)間的推移而逐漸減弱，GDP的增長(zhǎng)也同樣會(huì)對(duì)旅游收入產(chǎn)生穩(wěn)定的推動(dòng)作用，表明兩者之間是相互促進(jìn)的關(guān)系。

結(jié)論和建議

(1)通過進(jìn)行協(xié)整分析，表明入境旅游和國民經(jīng)濟(jì)增長(zhǎng)之間是存在單一的協(xié)整關(guān)系的。這也就意味著從長(zhǎng)期的狀態(tài)上來看，入境旅游和國民經(jīng)濟(jì)增長(zhǎng)之間具有穩(wěn)定的長(zhǎng)期的均衡關(guān)系，如果入境旅游的收入每提高1%，國民經(jīng)濟(jì)就相應(yīng)地增長(zhǎng)0.65%左右。所以，政府應(yīng)當(dāng)著眼長(zhǎng)遠(yuǎn)，認(rèn)真規(guī)劃好入境旅游的發(fā)展，促進(jìn)入境旅游產(chǎn)業(yè)健康穩(wěn)定的發(fā)展。

(2)經(jīng)過了誤差修正模型(VEC)的分析后，得出了可信的結(jié)論:短期波動(dòng)若偏離長(zhǎng)期均衡狀態(tài)，系統(tǒng)可以按照正向調(diào)增力度將非均衡暫時(shí)偏離狀態(tài)拉回到正常的均衡狀態(tài)。之所以出現(xiàn)短期的波動(dòng)，主要是因?yàn)樵趯?duì)旅游產(chǎn)業(yè)進(jìn)行投資的時(shí)候，特別是大力開展旅游基礎(chǔ)設(shè)施建設(shè)的時(shí)候，由于對(duì)旅游基礎(chǔ)設(shè)施的投入相對(duì)較大，而相應(yīng)的投資回報(bào)要經(jīng)過一定的時(shí)期才能顯現(xiàn)。

(3)進(jìn)行了GRANER檢驗(yàn)之后得出結(jié)論，長(zhǎng)三角三省市入境旅游和國民經(jīng)濟(jì)增長(zhǎng)之間是互為因果的，入境旅游的發(fā)展有利于國民經(jīng)濟(jì)的增長(zhǎng)，同時(shí)，三省市國民經(jīng)濟(jì)的增長(zhǎng)也有利于入境旅游產(chǎn)業(yè)的發(fā)展壯大。旅游產(chǎn)業(yè)是集合性的產(chǎn)業(yè)，同時(shí)也是邊緣性的產(chǎn)業(yè)，所以，旅游產(chǎn)業(yè)的發(fā)展和其他相關(guān)的諸多經(jīng)濟(jì)因素具有密切聯(lián)系，入境旅游產(chǎn)業(yè)的關(guān)聯(lián)度是比較高的，入境旅游產(chǎn)業(yè)的發(fā)展能夠明顯地波及到企業(yè)經(jīng)濟(jì)社會(huì)的發(fā)展，入境旅游的健康和諧發(fā)展有利于促進(jìn)經(jīng)濟(jì)社會(huì)的發(fā)展進(jìn)步。政府在制訂相關(guān)政策時(shí)，要根據(jù)兩者之間相互促進(jìn)的關(guān)系著力于對(duì)兩者進(jìn)行共同的研究，而不是進(jìn)行單方面的研究。（本文作者：邱亞利 單位： 西昌學(xué)院輕化工程學(xué)院）