郵輪旅游季節性特征：基于北美市場的實證分析

[摘要]作為氣候和自然條件依賴性很強的產業，郵輪旅游本身具有明顯的季節性特征。以2005-2011年北美地區全部30198個航次郵輪乘客的季度數據和月度數據為樣本，分別利用X-12-ARIMA和TRAMO/SEATS季節調整模型對北美郵輪市場的季度數據和月度數據進行了分析。季節調整后的數據表明，北美郵輪市場呈現持續擴張的長期趨勢。與季度季節性相比，該地區郵輪旅游表現出更強的月度季節性特征，其中1月、3月、7月和12月是相對旺季，而5月、9月、10月和11月是相對淡季?？傮w來看，北美郵輪旅游受季節性因素和不規則因素的影響較弱，一方面由于當前郵輪旅游的需求主要受運力驅動，郵輪滿艙率普遍較高；另一方面由于郵輪公司可以在季節交替時段通過船舶重配或重置（repositioning）策略來規避季節性的不良影響。

[關鍵詞]郵輪；郵輪旅游；季節性；北美

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2015）05-0117-10

引言

郵輪產業已經成為現代旅游業中發展最迅速、經濟效益最顯著的行業之一。國際郵輪協會（Cruise Line International Association，CLIA）的數據表明，近20余年來，郵輪乘客數量和郵輪運力投放都以年均7%以上的速度增長，2013年郵輪乘客數量達到2130萬，郵輪船舶總數為410艘，床鋪數量超過46萬個。除了市場增長迅速，郵輪旅游的經濟效益同樣顯著。2013年，郵輪產業為美國提供了超過36萬個就業崗位，帶來182.7億美元工資福利；總產出達到441億美元，比2000年的166億美元提高了165.6%，年均增長率達到12%以上。2013年郵輪產業為歐洲（EU+3）提供了近34萬個就業崗位、139.4億美元的工資福利和522.8億美元的總產出，其中直接由郵輪公司及其乘客和船員帶來的收益達212億美元。郵輪產業強大的拉動能力和吸附能力已成為拉動城市經濟、刺激周邊地區經濟增長的新動力。

從全球區域布局來看，郵輪產業具有大區域分散、小區域聚集的特征。北美地區的美國和加拿大、北歐地區、地中海地區、加勒比海地區以及南美地區都是郵輪活動最為集中的區域。郵輪公司可以向消費者提供不同期限、不同航線的多種度假產品。郵輪的航行速度、出發港口、停靠港、航程期限以及?？康刂g的距離構成了整條郵輪航線（itinerary）。每條郵輪均配備豐富的生活、娛樂、休閑與度假服務設施。乘客巡游體驗不僅僅包括巡游本身，還包括欣賞國內外優美的?？扛劬吧?、享受船上精美的住宿膳食服務、體驗船上豪華的休閑娛樂設施和參加豐富多彩的觀光游覽活動等經歷。可以說，明媚的陽光、舒適的氣溫、優美的自然風光和豐富的船上服務是郵輪旅游業存在和發展的基礎。特別地，郵輪旅游受氣候因素的影響巨大。氣候條件是影響旅游活動的重要環境因素。眾多傳統旅游勝地都因宜人的氣候聞名于世。氣候變化被認為是旅游業發展最大的威脅，是造成旅游季節性的重要因素。

與其他產業相比，旅游業更加依賴于自然環境和氣候條件，更容易受氣候變化的影響。而與其他旅游形式相比，郵輪旅游的氣候和資源依賴性則更強。眾所周知，季節性是旅游業最重要的特征之一。作為對氣候和自然條件敏感的旅游產業，郵輪旅游受季節性的影響顯著。比如，在北美北部和北歐地區，由于冬季氣候寒冷，郵輪旅游活動和郵輪公司運力投放將明顯減少。再如，雖然加勒比海地區是全年型（year-round）郵輪旅游目的地，但在炎熱的夏季，郵輪活動也會明顯減少。除了自然和氣候因素，社會制度和風俗習慣等因素也會造成郵輪旅游業的季節性波動。

綜上所述，季節性是郵輪旅游最重要的特征之一，對郵輪產業的發展具有至關重要的影響作用。在旅游業中，以月份或季度作為時間觀測單位的時間序列通常具有一年一度的周期性變化。這種季節性波動非常顯著，往往遮蓋或混淆經濟發展中的真實變化規律，造成對經濟形式識別和分析的困難和麻煩。本文以郵輪旅游最大的聚集區——北美市場為研究對象，分別以該地區2005-2011年30198個航次的郵輪乘客季度數據和月度數據為樣本，采用X-12-ARIMA和TRAMO/SEATS季節調整方法分離出時間序列的趨勢、循環、季節性和不規則要素，從而對該市場郵輪旅游的季節性特征進行識別和解釋。

1季節性調整方法

目前，經濟數據的季節調整方法主要有美國商務部普查局的X-11法、加拿大統計局的X-11-ARIMA法、美國勞工統計局X-12-ARIMA法和西班牙銀行開發完善的TRAMO/SEATS法，其中，20世紀90年代美國商務部普查局推出的X-12-ARIMA模型和20世紀末由西班牙銀行開發和完善的TRAMO/SEATS模型應用最為廣泛。對具有較大異常值的長達15年的時間序列數據進行季節調整時，TRAMO/SEATS方法一般能取得較好的擬合效果；而對于4年左右的較短時間序列數據的季節調整，X-12-ARIMA方法通常能獲得更理想的效果。本文采用兩種方法分別對北美郵輪市場8年的乘客季度數據和月度數據進行分析。

1.1X-12-ARIMA模型

季節性是旅游業顯著而又重要的特征，深入挖掘和充分理解旅游季節性特征，是實現旅游業高效管理的重要依據。旅游季節性特征的挖掘可以通過眾多季節性調整方法來實現。季節調整的目的是通過估計和剔除原始序列中季節變動因素和偶然性因素來更好地揭示月度（或季度）序列的潛在特征和變化規律，從而使經過季節調整的時間序列數據能夠較為準確地反映社會經濟運行的基本態勢。

X-12-ARIMA季節調整方法使用追溯到1954年由美國普查局首先開發成功的時間序列季節調整模型X-1。此后，此類季節調整方法的每改進一次都以X加上序號表示。1965年，由美國普查局推出的X-11模型成為季節調整方法走向成熟和被廣泛應用的標志，漸漸成為全球統計機構使用的標準方法，并進一步推動了新型季節調整方法的發展。X-11調整法的本質是使用非參數特性的移動平均法分理出時間序列數據的趨勢-循環項和季節項。該方法的主要缺陷是：使用移動平均將大量缺失數據，特別是序列兩端損失信息過多，在一定程度上影響了調整和預測的效果，而且不具備向前回溯和向后預測的能力。后來出現的以X-11為核心的X-11-ARIMA與X-12-ARIMA不同程度上彌補了X-11的不足，應用范圍更加廣泛。

1978年，加拿大統計局研發了對X-11改進的X-11-ARIMA方法。該方法在X-11基礎上加入ARIMA建模和預測，具有通過自回歸和移動平均方法在季節調整前向前預測、向后預測和補充數據的能力，從而保證了在使用移動平均法進行季節調整過程中數據的完整性，彌補了X-11模型的不足。然而，X-11-ARIMA的適用性較低。因為該方法僅提供了3種供用戶選擇的固定模型，一旦3種模型均不適合于觀測數據，用戶難以選擇合適的ARIMA模型，季節調整便無法進行。1998年，美國普查局David Findley等研發出了X-12-ARIMA季節調整模型和程序。該方法包括乘法、加法、偽加法和對數加法4種季節分解形式，由X-12方法和差分自回歸移動平均模型ARIMA（autoregressive integrated moving average）組合而成，整個季節調整過程包含兩個階段。第一個階段，在采用X-12方法前，先使用預調整模塊regARIMA一方面對原始序列中存在的各種異常值和歷法效應作預調整，另一方面對預調整后數據序列的兩端進行了延伸，通過用延長原序列彌補了移動平均法末端項補缺值的問題。第二個階段將前一階段產生的時間序列回歸誤差導入X-11模塊進行季節調整，將數據序列分解為趨勢循環成分、季節成分和不規則成分。X-12-ARIMA在預調整模塊regARIMA中對數據進行了更豐富的預處理，不僅引入隨機時間序列ARIMA模型，還利用了回歸模型（引入外生變量），從而達到更好的季節調整效果。因此，與X-11-ARIMA模型相比，X-12-ARIMA最重要的改進之處在于增加了幾種類型的模型和多種新的季節調整診斷方法，具有較大的適應性，能對大多數經濟時間序列進行季節調整，成為經濟數據分析和預測的有效工具。

通過X-12-ARIMA的方法和技術可以將經濟時間序列數據Y_t分離出趨勢要素T_t、循環要素C_t、季節性要素S_t和不規則要素I。此時，具有季節性特征的經濟數據序列Y可以分解為以下兩種基本形式：

（1）加法模型

Y_t=T_t+C_t+S_t+I_t，SA_t=T_t+C_t+I_t

（2）乘法模型

Y_t=T_t×C_t×S_t×I_t，SA_t=T_t×C_t×I_t

其中，Y_t表示原始時間序列，SA_t表示季節調整過的序列。趨勢要素T_t反映了經濟時間序列中長期的趨勢特性。循環要素C_t反映了以數年為周期的周期性變動，可能是一種景氣變動、經濟變動或其他周期變動。循環要素描述序列中不同幅度的擴張與收縮，經濟問題中常指一年以上的起伏變化。由于循環要素在實際中測算難度較大，因此通常將循環要素和趨勢要素放在一起不加區分，稱為趨勢循環要素TC。季節要素S描述序列中一定周期的重復變動，是以12個月或4個季度為周期的、每年重復出現的循環變動或周期性影響。對于郵輪旅游來說，這種重復變動通常由日照、溫度、降雨、假期和政策等因素引起。因此，季節要素S_t事實上是一種組合季節成分。以乘法模型為例可表示為S_t=H_t×WD_t×S_t，其中H_t、WD_t和S_t為移動假日成分、工作日成分和季節成分。在實際季節性調整過程中，由于移動假日效應和工作日效應對月度數據的影響與季節成分類似，同樣會對經濟周期的判斷造成困難，因此通常將其和季節成分組合在一起考慮，并加以消除。不規則要素I描述隨機因素引起的變動，通常是由偶然發生的事件引起，如罷工、事故、危機、地震、水災、戰爭等。對于一個時間序列，具體采用哪種模型進行分析，取決于各要素之間的關系。一般來說，若4種要素是相互獨立的用加法模型，否則適合用乘法模型，對于社會經濟問題主要使用乘法模型，本文將采用乘法模型進行分析。

1.2TRAMO/SEATS模型

TRAMO/SEATS（ARIMA具有缺省值的時間序列回歸/時間序列的信號提?。┓椒ㄍㄟ^結合TRAMO過程（time series regression with ARIMAnoise，missing observation and outliers）和SEATS（signal extraction in ARIMA time series）過程實現對時間序列中噪音、缺失觀測值和異常值的處理以及特征信息提取，該方法可以有效地從時間序列中提取出時間序列的趨勢要素、循環要素、季節要素及不規則要素等各組分，是應用最廣泛的時間序列調整方法之一。TRAMO/SEATS方法的優點是可更為靈活地設定回歸變量，可以更好地解決不確定性季節因素，而且具有較少主觀性特征。TRAMO/SEATS中的預調整程序TRAMO與regARIMA相似，主要不同在于ARIMA模型的選擇標準。

2北美郵輪旅游季節性特征分析

2.1北美郵輪市場的基本特征

自郵輪旅游產生以來，北美地區一直占據了絕對的統治地位，郵輪乘客的年均市場份額在近20余年來達到85%以上。隨著北美市場的日漸成熟以及歐洲、亞太郵輪市場的快速崛起，郵輪旅游在新興地區的增長速度遠遠高于世界平均值，從而使得北美地區的市場份額下降明顯。特別是2008年金融危機使得該地區郵輪乘客數量連續兩年下降，直到2010年才有了較明顯增長。隨著經濟的持續增長和社會的持續穩定，北美地區將吸引越來越多的消費者加入到郵輪旅游來。國際郵輪協會調查結果顯示，美國僅有不到20%的人口參與過郵輪旅游，郵輪產業在北美地區仍具有巨大的潛力，該地區在較長時期內仍是世界郵輪產業中心，并保持全球領導者的地位。

從區域分布來看，北美地區的郵輪市場主要由4個部分組成：美國西北部（阿拉斯加、西雅圖及溫哥華區域）、美國東北部（紐約、波士頓及加拿大東南區域）、美國西南部（加利福尼亞、墨西哥及夏威夷區域）和美國東南部（佛羅里達州及加勒比海地區）。從氣候條件來看，美國北部及加拿大具有鮮明的季節特性，冬季寒冷，旅游規模相對較小，郵輪旅游活動也較少。由于美國東南部和加勒比海地區的季節性特征并不明顯，基本適合全年旅游，是郵輪活動最密集的區域，但炎熱的夏季同樣使得該地區郵輪旅游活動有所減少，反而北部的冬季時段是其郵輪旅游的旺季。從2005-2011年的郵輪乘客（passenger）季度時間序列數據來看，除了2008年的金融危機顯著造成市場萎縮，北美郵輪消費者數量總體呈現一種上升的趨勢。特別是2006年，各季度郵輪乘客數量的上升趨勢明顯。2007-2011年，郵輪乘客的季度數據基本表現出“兩峰兩谷”的特征：第一季度的郵輪乘客數量較多，第二季度呈明顯下降趨勢，然后在第三季度呈現增長態勢。從第四季度數據來看，2006年、2010年和2011年較前一季度均出現顯著增長趨勢。

從航次（cruise）安排來看，2005-2011年的7年間，北美郵輪市場每年均有4000個以上的郵輪航次。除了個別季度，2005年到2011年郵輪航次數量在季度上的變化趨勢與乘客數量的變化基本一致。從郵輪運力或容量（normal capacity）數據來看，其時間序列的變化趨勢與航次數量的變化態勢十分相似，與郵輪乘客數量的數據序列的一致性也相當高。另外，由于郵輪運力是以艙位的雙床鋪數據統計的，所以各季度實際的郵輪乘客數量是高于郵輪容量數量的。在郵輪上通常存在可容納3人以上的多床鋪艙位，所以以雙床鋪為統計口徑的客座率較高，2003年以來均在100%以上，從而使得郵輪乘客數量很大程度上取決于郵輪公司的航次供給和運力投放?？梢哉f，乘客數據、容量數據和航次數據三者具有基本一致的互動關系。進一步，由于郵輪旅游的季節性是通過郵輪乘客的選擇而體現的，所以本文以郵輪乘客（季度和月度）的時間序列數據為樣本對北美郵輪市場的季節性進行研究。

2.2季度數據的季節性調整

本文數據來源于美國交通部（U.S.Department of Transportation）海事局（Maritime Administration）公布的北美地區2005-2011年全部30198個郵輪航次數據。數據包括每個航次的船舶名稱、起航時間、出發港口、目的地、巡游期限、乘客數量、郵輪容量等。筆者按照季度和月度對乘客數據進行了整理，最終季度時間序列的長度為28，月度數據序列長度為84。由于北美郵輪乘客序列具有隨時間遞增的趨勢，故利用X-12-ARIMA季節調整方法中的乘法模型進行分析。利用Eviews6.0軟件對相應的時間序列進行季節調整，從而得到季節調整后序列、趨勢成分序列、季節成分序列以及不規則成分序列。在使用X-12-ARIMA進行季節調整時，數據序列使用乘法模型，并未進行對數等數據轉換。同時，對數據進行了日歷效應的調整，并默認進行異常值的自動檢驗。檢測結果表明，兩序列均未發現附加異常值（additive outlier，AO）、暫時變動異常值（temporary change，TC）和水平變換異常值（LevelShift，LS）。

首先，筆者以北美郵輪乘客的季度數據為樣本對數據序列進行季節調整。X-12-ARIMA模型給出了11種取值在0-3之間的統計量來判斷季節調整的質量。這些統計量的值越小說明季節調整的效果越好，但只有取值在0-1之間才能接受。從季節性調整診斷報告來看，在X-12-ARIMA程序給出的用于質量控制的M統計量中有10個數值是小于1的；且通過線性加權得到的季節調整質量復合指標（Q統計量）的值為0.74，說明季節調整的效果良好。此外，從差分后的季節調整序列和不規則成分的譜線圖也可以直觀地看出，在季節頻率和交易日頻率上均未出現顯著的尖峰，表明季節調整后序列和不規則成分中均不含有季節性成分和交易日成分，因此季節調整的結果是可接受的。進一步，將原始序列與季節調整后的序列（PASSENGER SA）進行對比后可以看出，調整后的數據序列較調整前的曲線更加平滑，說明已經剔除了部分季節和不規則因素，季節調整的總體效果較好，如圖1所示。

從季節調整后的數據序列可以看出，北美郵輪乘客數量呈現一種波動遞增的趨勢，2005年有所下降，2006年后增長勢頭較好，而2008年金融危機使得該市場嚴重萎縮，直到2010年才以較快的速度復蘇。進一步，X-12-ARIMA方法將時間序列中剔除季節變動要素后可以獲得潛在的趨勢循環分量（PASSENGER TC），如圖1所示。從圖1中同樣可以看出波動增長的變動趨勢，實際的時間序列在趨勢循環線附近上下波動。X-12-ARIMA季節調整方法可以對經濟時間序列進行分解，但并不會區分趨勢和循環要素，而是將兩者視為一體加以考慮，難以捕捉經濟序列中的長期趨勢。在經濟時間序列分析過程中，研究者通常會利用特定的方法將序列分解為趨勢和循環成分，其中Hodrick-Prescott濾波是應用最廣泛的方法之一。通過Hodrick-Prescott濾波對北美郵輪乘客數據的趨勢循環序列進行分解后發現，該地區郵輪旅游市場呈現一種不斷擴大的長期趨勢，如圖2所示。

X-12-ARIMA方法的重要用途是從原始經濟序列中挖掘季節性因素。季節因素反映了不考慮時間趨勢、循環趨勢和不規則成分等要素時時間序列在季度或月度上的波動情況。結果表明，北美郵輪旅游的季節性不是很強，波動程度在4%左右。季節性序列（PASSENGER SF）展現出一種穩定而嚴格的“W型”波動情況：郵輪乘客數量從第一季度以后開始下降，到第二季度后上升，第三季度又開始下降，如圖3所示。對于旅游業來說，一定程度上可以從季節成分中評估和識別出旅游的旺季和淡季。從圖3可以看出，北美郵輪旅游市場在季度數據上呈現出有規律的“兩峰兩谷”形態，其中第一季度和第三季度為波峰，可以認為是北美郵輪市場的相對旺季；而第二季度和第四季度形成波谷或次波谷，可認為是郵輪旅游的淡季；并且季節性結構在各年表現基本一致，并無明顯的年間變化。

2.3月度數據的季節性調整

通過對郵輪乘客季度數據的分析可以看出，近年來，北美市場呈現波動增長的趨勢，該市場受不規則因素的影響不是很明顯，且具有穩定的季節性特征，其中，第一季度和第三季度是旺季，而第二季度和第四季度是淡季。為了進一步挖掘北美郵輪乘客的季節性特性，下面利用TRAMO/SEATS季節調整方法對北美郵輪乘客的月度時間序列進行分析，并對北美郵輪乘客未來兩年的月度數據進行預測。圖4顯示了月度數據的原始序列、趨勢循環序列和季節調整后的序列。通過圖中可以直觀地看出，調整后的序列比原始序列平滑，可以認為基本消除了季節因素和不規則因素。

為了衡量季節性的強弱，可以通過計算季節調整序列和原始系列之間的相關系數來判斷季節性總體特征，相關系數越高，則季節性越弱，反之則越強。通過計算可知，北美郵輪乘客月度數據的原始序列和季節調整序列的相關系數為0.497，明顯比季度數據的值（0.735）小，說明北美郵輪市場的月度季節性比季度季節性更明顯。分解后的季節成分同樣呈現一種較為嚴格的“W型”波動形態。季節因子的變化模式表明，北美郵輪乘客的季節性差異不是特別明顯，其季節性平均波動在10%以內（如圖5所示），但遠高于季度數據4%左右的變動程度。其中，第一季度的1月和3月、第三季度的7月、第四季度的12月是北美郵輪旅游的相對旺季，郵輪乘客數量可增長7到10個百分點；而第二季度的5月、第三季度的9月和第四季度的10月和11月是相對淡季，郵輪乘客數量會下降5到10個百分點。

從產生原因來看，旅游季節性的成因可概括為環境氣候因素、社會習慣、行業習慣（包括會議、體育競賽等）、日歷效應、供應限制（勞動力可獲得性和設施的替代性）等五類。從更大范疇來看，旅游季節性成因一般歸結為自然因素（natural causes）和體制因素（institutional causes）。自然因素包括溫度、濕度、光照、風速、降水等氣候因素，體制因素通常是宗教、社會和文化因素的綜合，其中公共假期是體制季節性最一般性的表現。對于時間不固定的假日時期（比如復活節），會對不同年份某個固定月份的季節性產生不同影響。通過對30198個航次數據的整理和分析表明，郵輪旅游受假期制度的影響較為顯著。特別是在美國聯邦假期期間（12月份圣誕節、1月份新年、3-4月份復活節和7月份國慶節），無論航次數量、航線數量還是運力供給都有顯著增加，基本與季節調整的淡旺季相匹配。

此外，數據分析表明，北美郵輪乘客數量無論在季度上還是月度上受不規則因素的影響不是很大。其中不規則要素對郵輪乘客季度數據的影響在4%以內，且平均值在季度間沒有顯著差異；而對月度數據的影響更?。ㄔ?%以內），不規則要素的平均值在月度間的差異更小，幾乎處在相同水平上，如圖5所示。說明近年來北美郵輪市場并未受到重大突發事件的影響，相對比較平穩，并且統計數據也較為可靠。

另外，季節調整通常能夠消除季節性因素的影響，使得年度之間數據可比，有利于環比增長率的測算以及對未來的預測。研究表明，同比指數反映的經濟周期的轉折點平均滯后半年，其分析會給經濟決策帶來諸多負面影響。而環比數據可及時反映經濟的瞬間變化和變化的轉折點，對經濟分析具有重要價值。從計算結果來看，北美郵輪乘客月度環比增長率的波動性較明顯，說明季節調整后的環比增長率能敏銳地抓住經濟發展的拐點。進一步，基于ARIMA模型對北美郵輪乘客在2012年和2013年24個月的預測結果表明，北美郵輪市場仍然以當前的季節性模式處于不斷擴張的階段。

3結果及討論

作為氣候和自然條件依賴性很強的產業，郵輪旅游本身具有明顯的季節性特征，但本文季節調整后的數據表明，總體來看北美郵輪旅游受季節性因素并不是很顯著（調整后序列與原序列的相關系數較高），季度季節性因子的波動在4%以內，月度季節性因子的波動在10%以內。此外，不規則因素對北美郵輪乘客的影響較弱，且在季度和月度數據上的差異很小。這一現象的解釋是：一方面，雖然郵輪旅游目前在北美地區較為成熟，且市場份額下降明顯，但仍然處在市場擴張的階段，且潛力巨大；另一方面，郵輪旅游的需求主要由郵輪運力投放驅動，使得近年來郵輪客座率相當高，比如自2003年以來，郵輪客座率均在100%以上。郵輪艙位的有限性和郵輪需求的增長使得郵輪乘客數量與運力投放的相關性很高（相關系數達到0.919），郵輪市場的運力或容量越大，郵輪乘客數量就越多。因此，近年來為了增加需求，郵輪公司紛紛提交郵輪訂單以加大運力投放。比如2011年到2015年國際郵輪協會在冊的全球郵輪存量將由2011年的329050個床鋪和211艘郵輪增加到2015年的378256個床鋪和239艘郵輪。

此外，在季節交替時段郵輪公司會通過船舶重配或重置策略來規避季節性影響。例如，在寒冷的月份，郵輪公司通常會將船隊移動到溫暖的水域。就特定區域來說，郵輪公司會提供全年365天的固定航線產品，但更普遍的情況是，郵輪公司每年會多次重配船隊，并提供大量季節性遷移產品來抵御季節性的不良影響。比如在北美秋季，郵輪公司會將服務于阿拉斯加的郵輪轉移到加勒比海、加利福尼亞和夏威夷地區，而在春季到來時，則會將郵輪重新投放到該地區。類似地，在北歐和地中海地區的秋季，郵輪公司會將船隊轉移到加勒比海市場，而在春季時重新引入該市場。此外，從加拿大或新英格蘭到加勒比海地區、從紐約地區到佛羅里達區域以及從阿拉斯加到墨西哥地區的遷移型航線也較為普遍。另外，還有一些郵輪可能在歐美市場與亞洲、中東和非洲地區之間調配遷移。

在郵輪遷移的過程中，為了避免郵輪調配過程中的空閑艙位，郵輪公司往往在春季和秋季向消費者推出所謂的“重置或重配航線”（repositioning cruises）或者遷移型郵輪（relocating ships或relocation trips）產品。這些航線大多安排在季節性較強的地區和季節交替的時段，比如美國南部地區（佛羅里達和加勒比海）的4月份和5月份，從而可以躲避酷熱的夏季，以及美國北部地區（紐約、波士頓、華盛頓、溫哥華和阿拉斯加等）的9月份、10月份和11月份，從而可以規避寒冷的冬季對郵輪旅游的沖擊，如表1所示。

重配型郵輪航線通常跨度較大，周期較長（通常兩周以上）。對于這些單程（One-way）的巡游，郵輪公司寧愿提供更多的折扣也不愿讓郵輪艙位空閑，因為空閑意味著收益的損失。因此，為了更好地吸引消費者，重配型巡游大多被定義為主題型產品，比如劇院型、品酒型、演講型和培訓型等，而且通常提供與傳統郵輪相同甚至更高質量的船上設施和服務。重配型郵輪航線通常停靠多個不同尋常甚至具有異國情調的港口，但與較長的航行時間相比，?？扛劭诘臄盗枯^少，乘客在海上花費的時間會更多，因此可以體驗到更多的放松和休閑時光，而不是匆忙地上下船和參加?？扛鄣挠^光旅游。因此，較低的價格、新穎的停靠港、豐富的船上活動和充足的休閑娛樂時間是重配型郵輪最具吸引力的特性。然而，雖然重配型郵輪航線的價格較低，但消費者同樣面臨一些額外的成本，比如與普通航線相比，重配型航線容易產生更多的船上消費賬單。此外，遷移型航線的出發港和終到港不同使得郵輪乘客必須購買兩次單程機票而非返程機票，交通費用會更高。

4結束語

近年來，郵輪旅游以其獨特的魅力吸引著越來越多的消費者，已經成為現代旅游業中發展最迅速的行業之一。明媚的陽光、舒適的氣溫、優美的自然風光和豐富的船上服務等是郵輪的真實寫照。作為氣候和自然條件依賴性很強的產業，郵輪旅游本身具有明顯的季節性特征。本文利用季節調整方法對北美地區30198個航次郵輪乘客的季度數據和月度數據進行了研究。結果表明，郵輪旅游在北美地區的月度季節性較強，而季度季節性不是很顯著，其中，1月、3月、7月和12月是相對旺季，而5月、9月、10月和11月是相對淡季。季節調整后的數據表明，總體來看北美郵輪市場呈現持續擴張的長期趨勢，且受季節性和不規則要素的影響較小，而受假期制度的影響較大。雖然郵輪旅游目前在北美地區較為成熟，且市場份額下降明顯，但仍然處在市場擴張的階段，潛力巨大。目前來看，郵輪旅游的需求主要由郵輪運力驅動。郵輪乘客數量與運力投放的相關性很高，兩者的相關系數達到0.919，說明郵輪旅游的運力或容量越大，郵輪乘客數量就越多。因此，郵輪公司可以在短期內繼續投放新船來滿足不斷增長的需求。此外，為了規避氣候季節性對郵輪旅游的不利影響，郵輪公司可以在季節交替時段通過船舶重配或重置策略來規避季節性的影響，比如在4-5月份將美國南部地區（佛羅里達和加勒比海）的郵輪調配到美國北部沿海及地中海地區，從而躲避酷熱的夏季；而在9月、10月和11月份將美國北部（紐約、波士頓、華盛頓、溫哥華和阿拉斯加等）的郵輪調配到美國東南、西南及夏威夷市場，從而可以應對寒冷季節對郵輪旅游的沖擊。總體而言，北美郵輪旅游的季節性特征是在自然因素和制度因素的作用下，由客源地、目的地以及郵輪公司等公共或私營部門的共同調控效應決定的。

[責任編輯：劉魯；責任校對：吳巧紅]