鄱陽湖生態經濟區入境旅游市場發展趨勢分析

左振華 吳磊

本文以鄱陽湖生態經濟區入境旅游市場為研究對象，利用近15年來相關旅游業的統計數據，通過ARIMA模型預測并分析該市場在未來幾年的發展趨勢，以期為鄱陽湖生態經濟區旅游業的發展提供依據。

一、研究原理

目前，學界逐漸重視區域旅游業發展的趨勢預測，在入境游客量預測、國內游客量量預測等方面，建立了各種方法和模型。在對國內旅游市場游客量需求的預測中，常用的方法有多元回歸模型、神經網絡模型、灰色預測模型、引力模型及一般時間序列模型等，這些方法可以反映游客變化的一般趨勢，但預測結果受突發情況（如SARS事件）的影響比較大。ARIMA作為統計預測中的一個重要模型，被廣泛運用于各個領域，由于ARIMA模型則能夠較好地克服隨機干擾問題，近年來，也被運用與旅游業游客量的預測中。

ARIMA模型全稱自回歸移動平均模型（Autoregressive Integranted Moving Average Model，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）稱為差分自回歸移動平均模型，AR是自回歸，p為自回歸項;MA為移動平均，q為移動平均項數，d為時間序列成為平穩時所做的差分次數。

ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數據序列視為一個隨機序列，用數學模型來描述，模型被識別后可以從時間序列的過去值及現在值來預測未來值。

二、研究步驟

（1）根據時間序列的散點圖、自相關函數和偏自相關函數圖以ADF單位根檢驗其方差、趨勢及其季節性變化規律，對序列的平穩性進行識別。（2）對非平穩序列進行平穩化處理。如果數據序列是非平穩的，并存在一定的增長或下降趨勢，則需要對數據進行差分處理，如果數據存在異方差，則需對數據進行技術處理，直到處理后的數據的自相關函數值和偏相關函數值無顯著地異于零。（3）根據時間序列模型的識別規則，建立相應的模型。若平穩序列的偏相關函數是截尾的，而自相關函數是拖尾的，可斷定序列適合ARIMA模型;若平穩序列的偏相關函數是拖尾的，而自相關函數是截尾的，則可斷定序列適合ARIMA模型;若平穩序列的偏相關函數和自相關函數均是拖尾的，則序列適合ARIMA模型。（4）進行參數估計，檢驗是否具有統計意義。（5）進行假設檢驗，診斷殘差序列是否為白噪聲。（6）利用己通過檢驗的模型進行預測分析。

三、研究假設

（一）預測指標的選擇

本文選擇入境旅游人數和入境旅游外匯收入，進行模型分析，對未來入境旅游市場發展進行預測。

（二）研究假設

假設1：利用ARIMA模型預測鄱陽湖生態經濟區入境旅游市場發展趨勢是可行的。

假設2：基于時間序列模型的擬合度較好，其預測值具有可信性。

四、鄱陽湖生態經濟區入境旅游市場發展趨勢分析

本文選擇1998-2013年鄱陽湖生態經濟區15年的入境旅游人數和入境旅游外匯收入為實驗數據（見表1），構成研究對象的時間序列，采用ARIMA模型建立時間序列模型，并預測至2015年鄱陽湖生態經濟區入境旅游市場的發展趨勢。

根據上述數據，利用SPSS17軟件，建立ARIMA模型，得出結果（見圖1和表2），從結果中可知ARIMA預測值與實際值擬合度較高，除了一些特殊年份以外誤差比例都保持在10%以下（1998年預測值高于實際值是因為東南亞金融危機影響，2003和2004年是由于SARS風波導致預測值與實際值不符），最低誤差率僅為0.95%。

由此，ARIMA模型預測的2014年和2015年鄱陽湖生態經濟區入境旅游收入分別為57 715萬美元和62 801.3萬美元，以及入境旅游人數178.52萬人次和192.35萬人次，非常具有參考價值，能為相關部門和企業在制定旅游發展規劃時，提供有效的數據支撐。