探讨辽宁省辽宁省入境旅游贸易引力模型构建及相关实证
本站原创 1009-4202（2012）12-000-01
摘要旅游服务贸易一直被认为是服务贸易中的传统行业，但不可否认的是迄今为止它仍然是世界服务贸易中发展最快的行业，也是世界服务贸易输出的最大项目之一。因此，对旅游服务贸易，尤其是入境旅游贸易进行研究具有现实意义。
本文主要从入境旅游贸易的影响因素着手，对这些影响因素通过贸易引力模型进行进一步分析，进而详细说明各个因素的影响力，最后得出结论。
关键词辽宁省入境旅游贸易引力模型
辽宁省的入境旅游的发展在全国处于领先水平，仅次于北京、天津、河北、山西、内蒙古，位居全国第六。其入境旅游人数逐年攀升，旅游人数几乎成指数的增长模式。从2000年的612222人至2009年的2931954人，增长了4倍多。
辽宁省近年来接待的外国游客主要来自港澳台、日本、韩国、俄罗斯、美国等国家。但至于港澳台地区的游客是否属于外国游客存在争议，并且由于个别年份的相关数据难以获得，所以暂且不考虑这三个地区。模型中，我们研究的国家有：日本、韩国、俄罗斯、美国、马来西亚、新加坡、菲律宾、日本。
辽宁入境旅游的发展具有以下特征：强劲的发展势头；东北亚经济圈中日、韩为辽宁省主要客源国；港澳台三地由于辽宁旅游近年来促销宣传得力，也呈明显上升趋势；东盟各国虽然不是旅辽主要客源国，但增长势头强劲。
旅游地引力模型最早由Zipf和Stewart提出， 其后各国学者根据自己的研究内容， 将该模型应用于旅游业各方面的研究。国内学者对引力模型在旅游地中的应用研究起步较晚， 张凌云回顾了旅游地引力模型的研究历程；保继刚首度将引力模型应用于旅游地客流量预测中。国内不同学者有关旅游引力模型研究完善了我国旅游学研究体系。
摘自：本科毕业论文结论http://www.328tibet.cn
根据前人的研究成果以及实际情况，本文将以下因素纳入贸易引力模型，包括：辽宁省入境旅游人数、各国人均GDP、各国人口、感知距离等。会计研究生毕业论文
其中，Mij为辽宁省接待国外游客的数量；Yj为客源国的人均GDP；Pij为客源国的人口；Tij为游客感知距离；Ck （ k= 1，2，3，4）为Mij对各变量的弹性； 为随机误差项。
由于模型形式复杂，我们不妨简化其形式，对左右两边取对数，模型形式变为
基于第三部分提供的数据作回归分析。结果如下：
从上述的回归结果中看出人均GDP的偏斜率系数0.95，表示辽宁省入境游客量对人均GDP的弹性，即在其他变量保持不变的条件下，人均GDP每增加一个百分点，辽宁省入境游客量将增加0.95个百分点；各国人口的偏斜率系数0.54表示一国人口每增加一个百分点，该国居民到辽宁旅游的旅客量将增加0.54个百分点；同理，感知距离的偏斜率系数为-1.52，表示客源地与目的地距离每增加一个百分点，辽宁省入境游客量将减少-1.52个百分点。值得注意的是，在所有的偏斜率系数中，该系数的绝对值最大，说明感知距离对辽宁省入境旅客量的影响力最大。会计毕业范文
以上这些偏斜率系数的符号是符合现实的，首先人均GDP的增加必然会导致出国旅客增加，到辽宁省旅游的外国旅客的数量也一定会增加；人口，作为一个基数，在出游率不变的情况下，人口增加必然会导致出国旅客数量的增加；而感知距离同样会影响前来旅游的旅客，旅、游时间比成为旅客出游最关心的问题之一，因此人们会尽量使旅/游比小一些。所以，感知距离越远，到辽宁旅游的入境游客越少。同时我们会发现三个系数的P值都很小，均小于0.005，说明每个系数都是高度显著的，对应变量都有显著地影响。
四、结论
（一）文章在前人研究基础上， 根据入境旅游贸易的特点， 改进了贸易引力模型， 并对各假设因子进行了分析，建立了适合分析小区域旅游影响因素的模型， 拓展了贸易引力模型在旅游发展中的应用。
（二）各国人均GDP对入境旅游量有影响。对人均GDP的研究， 进一步验证了可支配收入对居民出国旅游的重要性。
（三）对模型的系数进行比较和分析，我们得出感知距离是影响入境旅客量的最重要因素，进一步强调了距离在旅游中的重要性。同时也解释了近年来大量的周边国家的旅客到中国旅游的现象。
（四）模型构建中还存在一定缺陷：只讨论三个解释变量， 还有其它因素未考虑进来，如基础设施接待能力差异等因素；模型的解释能力欠佳，只解释了被解释变量变动的71%，出现这种情况的原因有可能是遗漏了相关变量，在后续的研究中会尽量提高模型的解释能力。
摘要旅游服务贸易一直被认为是服务贸易中的传统行业，但不可否认的是迄今为止它仍然是世界服务贸易中发展最快的行业，也是世界服务贸易输出的最大项目之一。因此，对旅游服务贸易，尤其是入境旅游贸易进行研究具有现实意义。
本文主要从入境旅游贸易的影响因素着手，对这些影响因素通过贸易引力模型进行进一步分析，进而详细说明各个因素的影响力，最后得出结论。
关键词辽宁省入境旅游贸易引力模型
一、辽宁省入境旅游情况概述
辽宁省入境旅游人数一直处于稳步增长的趋势，2000年，辽宁省入境旅游人数为31123499人，而2005年，这一数字达到53258002人，年平均增长率约为11.3%。2009年，辽宁省入境旅游人数达到80391944人，较2005年增长了51%。辽宁省的入境旅游的发展在全国处于领先水平，仅次于北京、天津、河北、山西、内蒙古，位居全国第六。其入境旅游人数逐年攀升，旅游人数几乎成指数的增长模式。从2000年的612222人至2009年的2931954人，增长了4倍多。
辽宁省近年来接待的外国游客主要来自港澳台、日本、韩国、俄罗斯、美国等国家。但至于港澳台地区的游客是否属于外国游客存在争议，并且由于个别年份的相关数据难以获得，所以暂且不考虑这三个地区。模型中，我们研究的国家有：日本、韩国、俄罗斯、美国、马来西亚、新加坡、菲律宾、日本。
辽宁入境旅游的发展具有以下特征：强劲的发展势头；东北亚经济圈中日、韩为辽宁省主要客源国；港澳台三地由于辽宁旅游近年来促销宣传得力，也呈明显上升趋势；东盟各国虽然不是旅辽主要客源国，但增长势头强劲。
二、贸易引力模型回顾
本文的核心就是贸易引力模型，最早由Tinbergen和Poyhotnen分别独立地提出。简单来说，这个模型表现的两个国家之间的单项贸易流量特征，是与它们各自的经济规模成正比，与它们之间的距离成反比。这一特性与物理学引力经典模型的共通之处使它得名。引力模型的基本表达式Tij=AYiYj/Dij。其中Tij为j 国和i 国两国的贸易量，A 为常数，Yi和Yj分别为i 国和j 国的经济总量，Dij 为两国间的距离。旅游地引力模型最早由Zipf和Stewart提出， 其后各国学者根据自己的研究内容， 将该模型应用于旅游业各方面的研究。国内学者对引力模型在旅游地中的应用研究起步较晚， 张凌云回顾了旅游地引力模型的研究历程；保继刚首度将引力模型应用于旅游地客流量预测中。国内不同学者有关旅游引力模型研究完善了我国旅游学研究体系。
摘自：本科毕业论文结论http://www.328tibet.cn
根据前人的研究成果以及实际情况，本文将以下因素纳入贸易引力模型，包括：辽宁省入境旅游人数、各国人均GDP、各国人口、感知距离等。会计研究生毕业论文
三、旅游贸易引力模型的构建
基于贸易引力模型的基本形式，引入变量：各国人均GDP、各国人口、感知距离。其中被解释变量为辽宁省历年入境旅游人数。根据贸易引力模型，我们建立旅游贸易引力模型： 。其中，Mij为辽宁省接待国外游客的数量；Yj为客源国的人均GDP；Pij为客源国的人口；Tij为游客感知距离；Ck （ k= 1，2，3，4）为Mij对各变量的弹性； 为随机误差项。
由于模型形式复杂，我们不妨简化其形式，对左右两边取对数，模型形式变为
基于第三部分提供的数据作回归分析。结果如下：
从上述的回归结果中看出人均GDP的偏斜率系数0.95，表示辽宁省入境游客量对人均GDP的弹性，即在其他变量保持不变的条件下，人均GDP每增加一个百分点，辽宁省入境游客量将增加0.95个百分点；各国人口的偏斜率系数0.54表示一国人口每增加一个百分点，该国居民到辽宁旅游的旅客量将增加0.54个百分点；同理，感知距离的偏斜率系数为-1.52，表示客源地与目的地距离每增加一个百分点，辽宁省入境游客量将减少-1.52个百分点。值得注意的是，在所有的偏斜率系数中，该系数的绝对值最大，说明感知距离对辽宁省入境旅客量的影响力最大。会计毕业范文
以上这些偏斜率系数的符号是符合现实的，首先人均GDP的增加必然会导致出国旅客增加，到辽宁省旅游的外国旅客的数量也一定会增加；人口，作为一个基数，在出游率不变的情况下，人口增加必然会导致出国旅客数量的增加；而感知距离同样会影响前来旅游的旅客，旅、游时间比成为旅客出游最关心的问题之一，因此人们会尽量使旅/游比小一些。所以，感知距离越远，到辽宁旅游的入境游客越少。同时我们会发现三个系数的P值都很小，均小于0.005，说明每个系数都是高度显著的，对应变量都有显著地影响。
四、结论
（一）文章在前人研究基础上， 根据入境旅游贸易的特点， 改进了贸易引力模型， 并对各假设因子进行了分析，建立了适合分析小区域旅游影响因素的模型， 拓展了贸易引力模型在旅游发展中的应用。
（二）各国人均GDP对入境旅游量有影响。对人均GDP的研究， 进一步验证了可支配收入对居民出国旅游的重要性。
（三）对模型的系数进行比较和分析，我们得出感知距离是影响入境旅客量的最重要因素，进一步强调了距离在旅游中的重要性。同时也解释了近年来大量的周边国家的旅客到中国旅游的现象。
（四）模型构建中还存在一定缺陷：只讨论三个解释变量， 还有其它因素未考虑进来，如基础设施接待能力差异等因素；模型的解释能力欠佳，只解释了被解释变量变动的71%，出现这种情况的原因有可能是遗漏了相关变量，在后续的研究中会尽量提高模型的解释能力。