第四章案例分析

第四章案例分析一、研究的目的要求近年来，中国旅游业一直保持高速发展，旅游业作为国民经济新的增长点，在整个社会经济发展中的作用日益显现。中国的旅游业分为国内旅游和入境旅游两大市场，入境旅游外汇收入年均增长22.6%，与此同时国内旅游也迅速增长。改革开放20多年来，特别是进入90年代后，中国的国内旅游收入年均增长14.4%，远高于同期GDP9.76%的增长率。为了规划中国未来旅游产业的发展，需要定量地分析影响中国旅游市场发展的主要因素。二、模型设定及其估计经分析，影响国内旅游市场收入的主要因素，除了国内旅游人数和旅游支出以外，还可能与相关基础设施有关。为此，考虑的影响因素主要有国内旅游人数2X，城镇居民人均旅游支出3X，农村居民人均旅游支出4X，并以公路里程5X和铁路里程6X作为相关基础设施的代表。为此设定了如下对数形式的计量经济模型：23456123456tttttttYXXXXXu其中：tY——第t年全国旅游收入2X——国内旅游人数（万人）3X——城镇居民人均旅游支出（元）4X——农村居民人均旅游支出（元）5X——公路里程（万公里）6X——铁路里程（万公里）为估计模型参数，收集旅游事业发展最快的1994—2007年的统计数据，如表1所示：表11994年—2007年中国旅游收入及相关数据年份国内旅游收入Y（亿元）国内旅游人数X2（万人次）城镇居民人均旅游花费X3（元）农村居民人均旅游花费X4（元）公路里程X5（万公里）铁路里程X6（万公里）19941023.552400414.754.9111.785.919951375.76290046461.5115.75.9719961638.463900534.170.5118.586.4919972112.764400599.8145.7122.646.619982391.269450607197127.856.6419992831.971900614.8249.5135.176.7420003175.574400678.6226.6140.276.8720013522.478400708.3212.7169.87.0120023878.487800739.7209.1176.527.1920033442.387000684.9200180.987.320044710.7110200731.8210.2187.077.4420055285.9121200737.1227.6193.057.5420066229.74139400766.4221.9345.77.7120077770.62161000906.9222.5358.377.8数据来源:《中国统计年鉴2008》利用Eviews软件，输入Y、X2、X3、X4、X5、X6等数据，采用这些数据对模型进行OLS回归，结果如表2表2DependentVariable:YMethod:LeastSquaresDate:04/24/12Time:16:13Sample:19942007Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C-1471.9561137.046-1.2945440.2316X20.0425100.0046139.2160820.0000X34.4324781.0633414.1684450.0031X42.9222731.0936652.6720010.0283X51.4267861.4175551.0065120.3436X6-354.9821244.8486-1.4498020.1852R-squared0.997311Meandependentvar3527.783AdjustedR-squared0.995630S.D.dependentvar1927.495S.E.ofregression127.4135Akaikeinfocriterion12.83028Sumsquaredresid129873.5Schwarzcriterion13.10416Loglikelihood-83.81195F-statistic593.4168Durbin-Watsonstat1.558415Prob(F-statistic)0.000000由此可见，该模型R2=9973，99562R可决系数很高，F检验值593.4168,明显显著。但是当05.0时31.2)614()1(025.02/tknta,不仅X5、X6系数的t检验不显著，而且6X系数的符号与预期的相反，这表明很可能存在严重的多重共线性。计算各解释变量的相关系数，选择X2、X3、X4、X5、X6数据，点”view/correlations”得相关系数矩阵（如表3）：表3由相关系数矩阵可以看出：各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。三、消除多重共线性采用逐步回归的办法，去检验和解决多重共线性问题。分别作Y对X2、X3、X4、X5、X6的一元回归，结果如表4所示：表4变量X2X3X4X5X6参数估计值0.058814.022519.610322.59573025.062t统计量18.24889.30903.27108.70849.13922R0.96520.87840.47140.86340.8744调整后R20.96230.86820.42730.85200.8639按2R的大小排序为：X2、X3、X6、、X5、X4。以X2为基础，顺次加入其他变量逐步回归。变量变量X2X3X4X5X6调整后判定系数X2,X30.0410(15.2635)5.1427(7.6657)0.9935X2,X40.0523（5.3186）5.4830（5.3186）0.9885X2,X50.0587（5.6753）0.0536(0.0128)0.9589X2,X60.0434(8.2145)935.0066(3.2754)0.9792新加入X3以后改进最大，然后再在此基础上加入X4,X5,X6,得到新的方程选出最优的得到三个解释变量的方程，在加入其他变量最后得到四个变量的方程，同学们自己做看看最终能得到的方程形式是什么？