基于VECM模型的百度指數(shù)與游客接待量關(guān)系檢驗

段艷++林軼++張琳艷

摘要：選取關(guān)鍵詞的百度指數(shù)和海南游客接待量 2011年3月—2016年2月5年的月度數(shù)據(jù)進行實證分析。通過對數(shù)據(jù)進行ADF單位根檢驗、協(xié)整檢驗、格蘭杰因果檢驗得出：百度指數(shù)與游客接待量存在著長期的均衡關(guān)系；不同的關(guān)鍵詞百度指數(shù)與游客接待量存在著不同的格蘭杰因果關(guān)系。

關(guān)鍵詞：百度指數(shù)；游客接待量；協(xié)整檢驗；格蘭杰因果檢驗；VECM

中圖分類號：F2文獻標(biāo)識碼：Adoi：10.19311/j.cnki.16723198.2017.23.010

1引言

在互聯(lián)網(wǎng)的時代，游客進行旅游決策時，會通過網(wǎng)上進行信息的搜尋、信息的篩選，最后進行旅游決策。許多旅游學(xué)者對網(wǎng)絡(luò)搜索數(shù)據(jù)與旅游客流量、旅游經(jīng)濟發(fā)展等方面進行了相關(guān)的研究。基于百度指數(shù)的網(wǎng)絡(luò)搜索數(shù)據(jù)，對旅游目的地的游客量進行研究，通過閱讀大量文獻可以發(fā)現(xiàn)學(xué)者研究主要分為三大類：相關(guān)性分析、時空分布特征分析、客流量預(yù)測。馬麗君等（2011）對30個城市的客流量及游客網(wǎng)絡(luò)關(guān)注度采用了時空相關(guān)模型進行了相關(guān)性分析，得出游客網(wǎng)絡(luò)關(guān)注度與客流量之間有著密切的關(guān)系。王碩等（2013）采用OLS方法構(gòu)建相關(guān)模型，對廬山、華山、八達嶺長城風(fēng)景名勝區(qū)的黃金周時間里客流量與網(wǎng)絡(luò)關(guān)注度的變化特征進行了相關(guān)性分析。通過百度指數(shù)，對旅游目的地的客流量進行預(yù)測，對旅游目的地具有較大的作用。汪秋菊，劉 宇（2014）等研究得出可以將網(wǎng)絡(luò)空間關(guān)注度作為客流量預(yù)警的先兆指標(biāo)。黃先開等（2013）、任樂等（2014）等研究得出搜索數(shù)據(jù)與旅游客流量之間存在協(xié)整關(guān)系，并建立了旅游客流量預(yù)測模型。許多學(xué)者基于百度指數(shù)，對旅游目的地的時空特征進行了分析。徐凡等（2016）以長三角 5A 級景區(qū)為例，采用GIS等方法，分析得出網(wǎng)絡(luò)關(guān)注度在時間上呈現(xiàn)出周內(nèi) “日前兆”，月內(nèi)呈現(xiàn)明顯的“月前兆”特征。

本文選取我國最南端的海南省為例。海南省擁有得天獨厚的豐富旅游資源，2015年海南接待游客總數(shù)5335萬人次，同比增長11.4%，旅游總收入達到572億元，同比增長13%，旅游發(fā)展質(zhì)量不斷提升。本文的研究是基于百度指數(shù)，以海南的游客接待量和關(guān)鍵詞的百度指數(shù)為數(shù)據(jù)，基于VECM模型對海南關(guān)鍵詞的百度指數(shù)與游客接待量的關(guān)系進行檢驗。

2實證研究

2.1百度指數(shù)

百度指數(shù)是以百度海量網(wǎng)民行為數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)分享平臺，是當(dāng)前互聯(lián)網(wǎng)乃至整個數(shù)據(jù)時代最重要的統(tǒng)計分析平臺之一。截至2014年，百度指數(shù)的主要功能模塊非常強大，可以滿足不同的需求者。基于單個詞的趨勢研究（包含整體趨勢、PC趨勢還有移動趨勢）是本文應(yīng)用的模塊。主要運用到搜索指數(shù)，搜索指數(shù)是以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，以關(guān)鍵詞為統(tǒng)計對象，科學(xué)分析并計算出各個關(guān)鍵詞在百度網(wǎng)頁搜索中搜索頻次的加權(quán)和。

2.2數(shù)據(jù)收集

2.2.1旅游數(shù)據(jù)來源

海南旅游游客接待量（單位：萬人次）月度數(shù)據(jù)來源是海南省旅游發(fā)展委員，由于2011年1月和2011年2月的數(shù)據(jù)缺失，所以所選取的數(shù)據(jù)為2011年3月至2016年2月的旅游統(tǒng)計月度數(shù)據(jù)。關(guān)鍵詞百度指數(shù)來源于百度指數(shù)，百度指數(shù)PC趨勢積累了2006年6月至今的數(shù)據(jù)，移動趨勢展現(xiàn)了從2011年1月至今的數(shù)據(jù)，所以本次選擇了2011年為始的整體趨勢指數(shù)，數(shù)據(jù)為2011年3月至2016年2月期間的整體趨勢月平均值。

2.2.2關(guān)鍵詞的選取

根據(jù)游客出游行為，先選取目標(biāo)初始關(guān)鍵詞，通過觀察百度指數(shù)及站長工具的，首先選取部分關(guān)鍵詞作為目標(biāo)關(guān)鍵詞，運用站長工具、站長幫手工具、愛站網(wǎng)，選取“海南旅游”“海南旅游攻略”“海南旅游景點 ”“去海南旅游要多少錢”“去海南旅游必備物品”“海南旅游地圖”“海南旅游景點大全”“海南旅游報價”“海南旅游線路”“海南旅游價格”“海南旅游圖片”“海南天氣”作為基準(zhǔn)關(guān)鍵詞。再多次通過選取，最后確定“海南旅游”“海南旅游攻略”“海南旅游景點 ”“海南旅游地圖”“海南天氣”為目標(biāo)關(guān)鍵詞。

2.2.3數(shù)據(jù)的處理

通過收集到的海南每月旅游游客接待量與關(guān)鍵詞的搜索指數(shù)月度值的數(shù)據(jù)整理到Excel里。如圖1所示，可以看出海南旅游游客接待量（萬人次）與關(guān)鍵詞“海南旅游”的搜索指數(shù)變化趨勢基本一致。游客接待量（萬人次）與“海南旅游”百度指數(shù)在每年的1月和2月份呈相反趨勢，游客在寒冷的1月已經(jīng)到海南度假，對“海南旅游”的搜索也相應(yīng)的減少。

通過圖1可以看出“游客接待量”有明顯的時間趨勢，因而提供取對數(shù)處理消除時間趨勢，把“游客接待量”“海南旅游”“海南旅游攻略”“海南旅游景點 ”“海南旅游地圖”“海南天氣”分別記為lnJDL、LY、GL、JD、DT、TQ。

2.3.1平穩(wěn)性檢驗

本研究采用的數(shù)據(jù)為時間序列，為防止出現(xiàn)單位根，保證數(shù)據(jù)序列的平穩(wěn)性，對時間序列進行平穩(wěn)性檢驗，平穩(wěn)性檢驗采取單位根ADF（ Augmented Dickey - Fuller test）檢驗，檢驗如表1。

通過表1可以看出，序列數(shù)據(jù)進行一階差分后6個變量在99%的置信水平下單位根皆平穩(wěn)，拒絕原假設(shè)，因而原序列都是一階單整時間序列 I（ 1）。

2.3.2協(xié)整檢驗

原序列都是一階單整序列，進一步可以通過協(xié)整分析檢驗變量間的長期協(xié)整關(guān)系，判斷變量之間是否存在協(xié)整關(guān)系，以及存在的協(xié)整關(guān)系的個數(shù)。協(xié)整檢驗有兩種，一是適用于大樣本變量的E-G兩步法檢驗；二是以VAR模型為基礎(chǔ)的基于回歸系數(shù)的Johansen極大似然法協(xié)整檢驗。由于是確定多變量協(xié)整關(guān)系，因而采用的是Johansen-Juselius向量誤差修正模型（VECM）的分析框架來檢驗變量之間的協(xié)整關(guān)系，并確定出協(xié)整向量的個數(shù)。

首先，建立VAR模型確定最優(yōu)滯后階數(shù)，從表2可以看出滯后階數(shù)是介于1和3之間，為保證模型的有效性，根據(jù)AIC準(zhǔn)則，選取最優(yōu)滯后階數(shù)為3進行協(xié)整分析。endprint

進一步來確定通過Johansen檢驗確定協(xié)整個數(shù)，結(jié)果如表三所示。表3可以看出，協(xié)整方程個數(shù)為1時，跡統(tǒng)計量58331314和最大特征值統(tǒng)計量27718088均小于5%的臨界值，接受存在至多一個協(xié)整關(guān)系的原假設(shè)，變量之間存在協(xié)整關(guān)系。協(xié)整方程為：

lnJDL=00013843LY+00018966GL-00112043JD+00139547DT-00005818TQ-6136019。

協(xié)整方程的各個關(guān)鍵詞系數(shù)估計值表示關(guān)鍵詞百度指數(shù)對游客接待量的彈性，關(guān)鍵詞“海南旅游”、“海南旅游攻略”、“海南地圖”百度指數(shù)與“游客接待量”有正向的關(guān)系，關(guān)鍵詞“海南旅游”百度指數(shù)的百度指數(shù)每個增長1%，游客接待量增長會增長0.0013843%；關(guān)鍵詞“海南旅游景點”、“海南天氣”與“游客接待量”有反向的關(guān)系。關(guān)鍵詞“海南旅游”、“海南旅游攻略”、“海南地圖”網(wǎng)絡(luò)搜索的增加使得游客會發(fā)現(xiàn)海南旅游的時期會出現(xiàn)擁擠等現(xiàn)象，進而可能使得游客改變?nèi)ズＤ下糜蔚南敕?，對海南的游客接待量有反向影響。通過協(xié)整檢驗得出關(guān)鍵詞的百度指數(shù)和游客接待量存在著協(xié)整關(guān)系。

2.4格蘭杰因果檢驗

協(xié)整說明長期穩(wěn)定關(guān)系不一定是因果關(guān)系，所以需要進一步通過格蘭杰因果檢驗確定兩者的因果關(guān)系。

先對VECM模型的穩(wěn)定性進行檢驗，采用的是模型殘差序列的單位根檢驗。檢驗發(fā)現(xiàn)t統(tǒng)計值為-3.935，小于99%的置信度水平下的臨界值-3.567，所以在99%的置信度水平下是平穩(wěn)的。

格蘭杰因果檢驗在95%的置信度下可以看出關(guān)鍵詞“海南地圖”和“海南天氣”是引起“游客接待量”的原因，反向并不成立；“游客接待量”是引起關(guān)鍵詞“海南旅游”和“海南旅游景點”的原因，反向不成立；而“游客接待量”與“海南旅游攻略”并不存在因果關(guān)系。

3結(jié)論和探討

根據(jù)實證分析的結(jié)果，可以得出以下的結(jié)論：

（1）關(guān)鍵詞百度指數(shù)與游客接待量存在著長期的均衡關(guān)系。關(guān)鍵詞“海南旅游”、“海南旅游攻略”、“海南地圖”百度指數(shù)與“游客接待量”有正向的關(guān)系；關(guān)鍵詞“海南旅游景點”、“海南天氣”與“游客接待量”有反向的關(guān)系。關(guān)鍵詞“海南旅游”、“海南旅游攻略”、“海南地圖”網(wǎng)絡(luò)搜索的增加使得游客會發(fā)現(xiàn)海南旅游的時期會出現(xiàn)擁擠等現(xiàn)象，進而可能使得游客改變?nèi)ズＤ下糜蔚南敕?，對海南的游客接待量有反向影響。關(guān)鍵詞存在著長期的均衡關(guān)系，并且所產(chǎn)生的正向反向作用不一，海南省可以對關(guān)鍵詞進行篩選，然后選擇可以促進搜索量增加的并帶來游客量增加的關(guān)鍵詞進行重點營銷。同時，對具有方向作用的關(guān)鍵詞海南省可以進一步提高海南的服務(wù)質(zhì)量。

（2）關(guān)鍵詞百度指數(shù)與游客接待量存在著格蘭杰因果關(guān)系。95%的置信度下可以看出關(guān)鍵詞“海南地圖”和“海南天氣”是引起“游客接待量”的原因，反向并不成立；“游客接待量”是引起關(guān)鍵詞“海南旅游”和“海南旅游景點”的原因，反向不成立；而“游客接待量”與“海南旅游攻略”并不存在因果關(guān)系。關(guān)鍵詞與游客接待量存在著格蘭杰因果關(guān)系，海南省可以通過加強排名靠前的關(guān)鍵詞的推廣，對于最南端的海南省，客源也是來自不同的地方，因而加強關(guān)鍵詞的營銷就顯得非常重要?！坝慰徒哟俊迸c“海南旅游攻略”不存在著因果關(guān)系，在對關(guān)鍵詞進行營銷時，需要對關(guān)鍵詞進行篩選，對于不存在著格蘭杰因果關(guān)系的，可以減少營銷。

參考文獻

[1]馬麗君，孫根年，黃蕓瑪，周瑞娜. 城市國內(nèi)客流量與游客網(wǎng)絡(luò)關(guān)注度時空相關(guān)分析[J]. 經(jīng)濟地理，2011，（04）：680685.

[2]王碩，曾克峰，童潔，劉超. 黃金周風(fēng)景名勝區(qū)旅游客流量與網(wǎng)絡(luò)關(guān)注度相關(guān)性分析——以廬山、華山、八達嶺長城風(fēng)景名勝區(qū)為例[J]. 經(jīng)濟地理，2013，（11）：182186.

[3]任樂，崔東佳. 基于網(wǎng)絡(luò)搜索數(shù)據(jù)的國內(nèi)旅游客流量預(yù)測研究——以北京市國內(nèi)旅游客流量為例[J]. 經(jīng)濟問題探索，2014，（04）：6773.

[4]黃先開，張麗峰，丁于思. 百度指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測研究——以北京故宮為例[J]. 旅游學(xué)刊，2013，（11）：93100.

[5]汪秋菊，劉宇. 基于網(wǎng)絡(luò)關(guān)注度的旅游景區(qū)客流量預(yù)警：研究框架與實證分析——以國家游泳中心水立方為例[J]. 旅游論壇，2014，（05）：915+25.

[6]徐凡，尤瑋，周年興，胡美娟. 基于百度指數(shù)的網(wǎng)絡(luò)空間關(guān)注時空分布研究——以長三角5A級景區(qū)為例[J]. 資源開發(fā)與市場，2016，（04）：489493.endprint