旅游收入預測方法的比較

，

(1.陽泉師范高等專科學校 數學系，山西 陽泉 045000;2.西安理工大學高科學院，陜西 西安 710019)

隨著旅游業(yè)的不斷發(fā)展，旅游形式和內容也日益多樣化.旅游收入是衡量城市旅游業(yè)發(fā)展程度的重要指標之一，因此對我國旅游收入進行預測有利于政府和企業(yè)決策.計量經濟學方法主要有回歸模型、時間序列方法等；人工智能法主要有遺傳算法，灰色預測等[1-3].本文對我國國內旅游收入及相關因素數據進行分析，通過建立模型進行預測，并對預測結果進行對比分析.

1 回歸模型的構建

旅游業(yè)的構成因素分為六大要素[4],即飲食、住宿、通行、游覽、娛樂、購物.本文對我國國內旅游收入進行預測，從影響旅游收入的因素中選取國內游客(億人次)、鐵路營業(yè)里程數、公路里程(高速)、旅客周轉量(億人公里)、旅行社(個)、居民人均旅游花費[5]這6個方面的數據(表1)進行分析處理，然后建立模型，對國內旅游收入進行預測.

表1 國內旅游收入及影響因素的數據(2004～2014年)

注：數據源自中華人民共和國國家統(tǒng)計局.

根據表1數據計算國內旅游收入與旅行社等因素之間的相關系數，使用Excel軟件計算相關系數矩陣(見表2).

表2 旅游收入與各影響因素之間的相關系數

從相關系數矩陣[6]中可以看出，旅游收入與旅行社等各因素之間的相關系數都大于0.8，視為高度相關.以國內旅游收入(y)作為因變量，以旅行社數等因素作為因變量(xi)，對數據進行回歸分析，得到線性回歸模型(R2=0.996 476，F=282.752 7).

y=-3 872.768-0.835x1-0.22x2+0.011x2+131.53x4+3 165.608x5+25.619x6.

2 灰色模型

2.1 模型原理[7]

由于模型的預測值是數據處理后的預測值，所以仍需要還原為原始數據系列x(0)的模擬預測值，即

2.2 模型預測

選取2004～2014年的國內旅游收入數據作為原始數據x0，構建GM(1，1)預測模型,利用Matlab計算得出

預測結果見表3，可以看出，在對國內旅游收入的預測上，線性回歸模型的平均相對誤差是3.52%，灰色GM(1,1)模型的平均相對誤差為5.54%.課件回歸模型的擬合精度要比灰色模型的擬合精度高2%.

表3 兩種模型的預測結果對比

3 結語

旅游業(yè)收入受到多方面因素的影響，除上述6個因素外還有旅游促銷情況，居民收入指數，旅游目的地服務設施等.為提高模型的預測精度，還應該考慮更多的影響因素，同時對回歸模型進行改進，以更好地應用于預測旅游收入中.