城市入境旅游市場季節性波動特征研究

[摘要]以2007—2016年杭州入境旅游人次數的40個季度數據和120個月度數據為樣本，采用X12ARIMA、TRAMO/SEATS季節調整法和HP濾波法，對杭州入境旅游人次數的季節性特征、不規則要素特征、長期趨勢和周期性變動特征進行分析研究。研究結果表明，杭州入境旅游整體呈現緩慢上升趨勢，并伴隨兩次周期性變動過程；杭州入境旅游人次數具有明顯的季節性特征，淡旺季分明且平季時間長；與季度數據相比，月度入境旅游人次數更容易受不規則要素的影響。在此基礎上，提出杭州入境旅游發展的啟示性建議和對策。

[關鍵詞]入境旅游；旅游季節性；季節調整法；杭州

[中圖分類號]F 592755[文獻標志碼]A[文章編號]10050310（2018）01003608

Inbound Tourism Seasonality：

An Empirical Analysis of Hangzhou Data

Zheng Zhaoyan

（Tourism College of Zhejiang， Hangzhou 311231，China）

Abstract： On the basis of quarterly and monthly inbound tourist arrivals from 1996 to 2016 in Hangzhou， the article explores the inbound tourism seasonality by means of seasonal adjustment method such as X12ARIMA， TRAMO/SEATS， and HP filter. The result shows that， firstly the inbound tourism in Hangzhou is slowly on the rise， accompanied by two rounds of cyclical fluctuations； secondly inbound tourism has obvious seasonal characteristics with a long period of shoulder seasons； thirdly the monthly inbound tourist arrivals are more susceptibly influenced by irregular factors. Finally， these conclusions are used to give advices to the development of inbound tourism in Hangzhou.

Keywords： Inbound tourism； Tourism seasonality； Seasonal adjustment method； Hangzhou

0引言

入境旅游對國家、區域或者城市旅游業發展的重要作用早已不言而喻，各城市都制定了相應的政策措施來扶持入境旅游的發展。2016年我國接待入境旅游人數達138億人次，實現國際旅游收入1 200億美元。盡管如此，相比其他產業，旅游業的季節性特征更為顯著，氣候溫度、自然條件以及節事活動等社會因素都有可能是影響入境旅游季節波動的因素。而這種季節波動往往掩蓋了入境旅游經濟發展中的客觀變化，對判斷入境旅游經濟發展的趨勢和真實現狀造成了困難。

杭州作為我國旅游熱點城市，不管是旅游接待人數還是旅游收入，在全國同類城市中都名列前茅，入境旅游發展勢頭良好。尤其是受G20峰會溢出效應的影響，以及在后G20時期杭州“峰會元素”的境外旅游營銷系列事件的帶動下，杭州的國際知名度和國際旅游目的地形象得以大幅度提升。因此，本文以杭州為研究對象，選取2007—2016年入境旅游人數的40個季度數據和120個月度數據作為研究樣本，采用經濟時間序列方法對杭州入境旅游的季節性特征進行剖析，這不僅有利于深化對城市入境旅游經濟波動規律的認識，也是促進城市入境旅游可持續發展的一條現實路徑。

1文獻回顧

北京聯合大學學報2018年1月

第32卷第1期鄭昭彥：城市入境旅游市場季節性波動特征研究

最早關于旅游季節性問題的研究始于1975年Baron

[1]學者。之后，國內外學者就旅游季節性問題從不同視角展開了闡述，包括有從景區景點、省域市域等層面探討旅游季節性問題的，也有從相關行業如酒店、郵輪等討論季節性特征的。綜合國內外相關文獻，旅游季節性研究內容主要聚焦于：

1） 旅游季節性的成因分析

Baron[2]、Baum & Hagen[3]、陸林等[4]、Cuccia & Rizzo[5]等均對旅游季節性形成成因做了深刻的闡述。整體而言，旅游季節性是受自然因素和社會制度因素的雙重影響而形成的。自然因素包括氣候溫度等，是非人力所能控制的；而社會制度因素是涵蓋節假日、大型活動賽事、出游習慣等諸多因素在內的。

2） 旅游季節性的影響

關于旅游季節性的影響研究主要集中在旅游季節性所帶來的負面效應。比如，Manning & Power[6]、Figini[7]等認為旅游季節性波動不僅會帶來較低的投資回報率，而且還會給旅游目的地帶來一系列問題。

3） 旅游季節性的量化問題

研究者們試圖通過不同的計量方法對旅游季節性進行實證量化研究。國內學者張朝枝、保繼剛[8]，宋立杰、李平[9]分別以武陵源和青島市為對象研究了旅游季節性問題；國外學者Lim & McAleer[10]、Cunado[11]、 Karamustafa & Ulama[12]分別以澳大利亞、西班牙、土耳其等國家為例對旅游季節性進行測度。

與此同時，不少學者圍繞入境旅游的季節性問題展開了深入研究。Koc & Altinay[13]以土耳其為例，選取人均旅游消費月度數據進行研究，認為人均旅游消費也呈現出較強的季節性特征，而且與入境旅游人數的季節性特征具有顯著差異。國內研究學者以馮學鋼團隊為代表，馮學鋼、黃和平、邱建輝[14]以22個熱點旅游城市為例，運用重心模型、基尼系數、變異系數等方法對熱點旅游城市的季節性時空分布差異做了深入分析；周成、馮學鋼、金川

[15]從氣候舒適度角度出發對我國31個省會城市旅游氣候做了類型劃分：春秋舒適型、夏季舒適型、冬季舒適型和常年舒適型；周成、馮學鋼[16]分析了上海4類入境旅游市場（我國港澳臺及國外）的季節波動周期特征，4類市場的季節形態存在差異，而且受季節因素和不規則因素的影響程度各有差異。此外，陳蕓、田良[17]采用旅游月指數、季節性集中指數，研究了海南入境旅游的淡旺季分布以及不同海外市場的旅游季節性分布。

總結上述文獻，國內外學者對入境旅游季節性問題作了不少且深入的研究，在研究方法上普遍采用基尼系數、指數方法、變異系數等，對某一區域或特定城市的入境旅游季節性特征進行研究；研究指標不單單局限于入境旅游人數，而且還擴展到人均旅游消費指標；研究內容不僅涵蓋區域或城市入境旅游的整體季節性特征，而且細化到不同細分市場的季節性特征。

本文擬在以下方面補充和發展現有研究文獻：

第一，在研究方法上，本文采用X12ARIMA模型、TRAMO/SEATS以及HP濾波法等經濟時間序列季節調整和分解方法，該方法不但能剔除經濟發展過程中的季節變動要素和不規則要素，而且還能研究經濟發展的長期趨勢和循環變動，相比傳統的基尼系數、變異系數等方法更客觀和全面。

第二，在研究視角上，大部分文獻采用的是單一方法研究月度季節特征，而本文是基于季度和月度數據并采用不同的季節調整方法做分析研究，以此來檢驗杭州入境旅游的季節性特征。這不僅有利于從整體和全局上把握杭州入境旅游的季節性特征，而且對當下相關研究的方法論做了有益補充。

2研究方法和數據來源

21研究方法

211X12ARIMA模型

X12ARIMA模型是基于X12和ARIMA模型組成的季節調整方法。該模型通過采用ARIMA模型延長了原序列，彌補了移動平均法末端項補欠值的問題[18]，而這正是X12方法的最大問題所在。X12ARIMA模型經過兩個階段來實現整個季節調整過程。首先通過regARIMA模塊的引入，對原數據序列的異常值作預調整，并延長了調整后序列的兩端；然后將第一階段所得的時間序列回歸誤差導入X11模塊，完成季節調整，整個序列將分解為季節要素、不規則要素和趨勢循環要素。具體可以分解為加法模型和乘法模型兩種形式。

加法模型的一般形式為

Yt=TCt+St+It，（1）

乘法模型的一般形式為

Yt=TCt×St×It。（2）

公式（1）（2）中，TCt表示趨勢循環要素，由長期趨勢要素T和循環要素C組成；St表示季節要素，是由氣候溫度、節假日等因素引起的；It表示不規則要素，主要受諸如自然災害等偶然事件的影響。要素之間的關系決定了采用何種模型，若要素之間相互關聯則采用乘法模型，否則用加法模型。

相比其他模型，X12ARIMA模型最大的優勢在于“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。”[19]

212TRAMO/SEATS方法

TRAMO/SEATS方法是基于TRAMO和SEATS兩個程序的數據處理和經濟時間序列分解的應用程序。TRAMO是用來估測具有缺失值、非平穩ARIMA誤差與外部影響的回歸模型，SEATS是基于ARIMA模型來估計時間序列中不可觀測的成分。TRAMO/SEATS先用TRAMO進行數據的預處理，然后用SEATS將序列分解為季節要素、不規則要素、趨勢循環要素。相比X12ARIMA模型，TRAMO/SEATS方法操作簡單，而且

主觀判斷成分較少。

213HP濾波法

HP（HodrickPrescott）濾波法是用于測定序列組成成分中的長期趨勢。HP濾波法的原理用公式表示為

Yt=YTt+Yct，t=1，2，…，T。

（3）

其中，YTt表示含有的趨勢成分，Yct表示含有的波動成分。

HP濾波的問題在于使下列損失函數最小化，即

minTt=1Yt-YTt2+γT-1t=2YTt+1-YTt-YTt-YTt-12。（4）

HP濾波取決于參數γ，根據一般經驗，研究選取月度數據時，參數γ取值14 400。

22數據來源

本文選取2007年1月至2016年12月杭州市入境旅游人次為研究指標，共40個季度數據和120個月度數據。研究數據來源于杭州統計信息網（www.hzstats.gov.cn）中的“旅游進度數據（2008—2016年）”，2007年12個月份的入境旅游人次數據則根據2008年相應月份的入境旅游人次數據及其同比增長率計算所得。本文采用Eviews72統計軟件對研究數據進行處理和計算。

3實證分析與結果

31季度數據的季度調整分析

本文采用X12ARIMA模型對2007—2016年40個季度入境旅游人次數據（表示為HZQIT）進行季節調整，最終將原數據序列分解為季節調整后序列（HZQIT_SA）、季節要素序列（HZQIT_SF）、趨勢循環要素序列（HZQIT_TC）以及不規則要素序列（HZQIT_IR）。具體參數設置如下：

1）考慮到杭州入境旅游人數呈現整體遞增的趨勢，季節分解方法采用乘法模型。

2）選擇（0 1 1）（0 1 1）ARIMA模型，數據序列不做對數轉換。

3）不設定交易日和節假日。

4）采用自動檢測奇異值的方法，結果顯示未識別到奇異值。

通過上述參數設定，季節調整結果診斷報告顯示如下：

第一，11種統計量（M1～M11）分別為0093、0078、0494、0099、0744、0148、0127、0259、0177、0220和0167，這些統計量均小于1，且Q統計量為026，結果是可接受的。

第二，從譜圖看出，季節頻率并未落在譜圖的峰值上。以上結果表明，季節調整較為充分，結果是可接受的。

從圖1來看，杭州入境旅游人數的季節性比較明顯，且呈現一種有規律性的波動狀態，1季度是杭州入境旅游人數最少的季度，之后迅速上升，在2季度達到峰值后緩慢下降，3季度繼續下降。季節變動的年度表現略有差異，2011—2015年形態是“一谷兩峰一肩”，其余年份形態則表現為“一谷一峰兩肩”，兩者差別在于3季度的旺季特征是否顯著。根據季度均值，本文認為1季度是杭州入境旅游的淡季，2季度和3季度是旺季，4季度是平季。

從圖2來看，不規則要素均值在季度之間并無顯著差異，幾乎位于同一水平線上；盡管2008年1季度偏離均值相對較大（8%左右），但就整體而言，不規則要素對季度數據的影響有限。

32月度數據的季節調整分析

為了加深對杭州入境旅游市場的認識和理解，本文采用TRAMO/SEATS方法對120個月度數據進行分析，將原始數據序列（HZMIT）分解為調整后數據序列（HZMIT_SA）、季節要素序列（HZMIT_SF）、不規則要素序列（HZMIT_IR）以及趨勢要素序列（HZMIT_TRD）。由于入境旅游人數可能會受到“月長度和工作日”、其他外部因素等影響，所以選擇“工作日和月長度”進行調整，并自動探測外部影響。從圖3可以看出，調整后序列比原數據系列平滑，杭州入境旅游人數整體呈現波動上升趨勢。

321季節變動分析

圖4揭示了季節要素及其月度均值的變化。從季節要素序列來看，杭州入境旅游人數呈現有規律的波動。波動特征表現為：1月是杭州入境旅游人數最少的月份，然后持續上升，4月普遍是入境旅游人數最多的月份，之后經數次上下波動，在10月后持續下降。這種特征在年度表現上有較為明顯的差異，具體表現為：在2007—2012年期間，4月是杭州入境旅游人數唯一的峰值，旺季優勢明顯；2013—2016年最大特征表現為數個峰值并存，4月、6月、9月和10月都處于峰位，旺季優勢從4月逐漸向6月轉移。

根據季節要素的月度均值，杭州入境旅游人數表現出了明顯的季節特征，季節比率均值在55～123之間波動，其中1月和2月均值為55和63，其余月份均值則在98～123之間波動。據此，本文將55～63劃分為淡季、98～110為平季、111～123為旺季（具體如表1所示）。

322不規則要素分析

從不規則要素序列與月度均值（見圖5）來看，不規則要素均值在月度間的差異較小（在6%以內），但對少數月份的影響程度仍較大。不規則要

2009年國際金融危機、甲型H1N1流感、2013年東南亞經濟低迷、人民幣升值，以及2016年G20峰會安全管控政策，造成了當月或后續時期杭州入境旅游人數的減少。

33周期性與發展趨勢

鑒于X12ARIMA、TRAMO/SEATS等方法將趨勢要素和循環要素視為一體，本文采用HP濾波法對季度和月度數據的趨勢循環要素進行分離（圖6）。趨勢要素（TREND）代表了入境旅游人數序列長期的趨勢特性，而循環要素（CYCLE）則是間距較長且不固定的周期性變動。從圖6可以看出，月度數據和季度數據的HP濾波圖大體上一致。

就杭州入境旅游人數的長期趨勢而言，從2007年以來整體呈現緩慢上升的態勢，且前5年的增幅較后5年更為明顯，甚至2014—2015年趨勢線呈一定凹陷狀。這說明近些年來杭州入境旅游人數進入低迷發展期，但這種低迷困境在2016年得到了一定程度的改善，進一步說明諸如G20峰會等特殊事件對入境旅游的發展起到了促進作用。

就周期性變動而言，2007—2016年杭州入境旅游人數經歷了兩輪周期性變動。谷位分別處于2009年和2013年，峰位分別是2007年和2012年，拐點位置與之前分析的不規則要素序列結果一致。從周期變動曲線來看，兩輪周期性變動的持續時間都在5年左右，而且每個周期的增長期和下降期時間大體一致。就曲線形態而言，兩輪周期性變動具有一定的對稱性，但后一輪周期性變動在經歷谷底后第二波反彈幅度明顯大于第一波。這同樣說明了2016年G20峰會對杭州入境旅游的拉動作用。

4結論與啟示

41研究結論

本文通過2007—2016年杭州入境旅游月度數據和季度數據，采用X12ARIMA和TRAMO/SEATS季節調整法以及HP濾波法，對杭州入境旅游市場的季節性特征進行探究。研究結論如下：

第一，從長期發展趨勢來看，杭州入境旅游人數整體呈緩慢上升趨勢，尤其是近幾年來陷入低迷發展期。究其原因，

主要在于全球經濟復蘇緩慢、地緣政治環境復雜以及杭州國際旅游競爭力的不足等多重因素。

第二，從季節變動角度來看，杭州入境旅游季節性特征明顯，淡旺季分明。淡旺季分布表現為：在季度上，1季度是淡季，2季度和3季度是旺季，

4季度是平季；在月份上，1月和2月是淡季，4月、6月、9月和10月是旺季，其余月份是平季。

這是因為，一方面，入境旅游淡旺季與氣候溫度緊密相關，氣候舒適期往往是入境旅游的高峰期；另一方面，入境旅游與國際性會展活動緊密相關，如每年4月的國際動漫節和10月的西博會，這都是入境旅游人數的高峰期。另外，一個值得關注的事實是，杭州入境旅游平季跨度大，時間長達6個月。

第三，從杭州入境旅游人數受不規則要素影響的變動程度來看，研究結果再次檢驗了旅游業的敏感性特征。相比季度數據，月度入境旅游人次數更容易受當時突發事件的影響，但影響持續時間較短。

42政策啟示

基于上述研究結論，本文提出以下啟示性建議：

第一，正視入境旅游低迷發展的現實情況。鑒于入境旅游發展受國際經濟和政治環境的制約，任何無視宏觀環境而在短期內盲目追求入境旅游的快速增長是不現實的。因此，

政府相關部門不應該把入境旅游發展規模放在首位，而應該注重入境旅游質量的提升。具體措施包括：在現有產品基礎上重點培育和形成一批具有國際知名度的旅游產品品牌，針對不同海外客源市場設計與開發不同旅游線路，強化杭州作為國際旅游目的地的旅游形象；根據國際游客需求及時調整和完善旅游服務和設施條件，增加和完善外語標識牌建設，提供多語言旅游資訊服務，營造“文明待客”的旅游環境氛圍，提升旅游服務質量水平，力爭與國際先進水平接軌。

第二，重視節事活動的溢出效應，充分發揮節事活動對入境旅游的帶動作用。地方政府應當重視節事活動的重要作用，將節事活動作為促進入境旅游經濟發展的重要變量。具體措施包括：加強杭州節事活動的國際合作交流，加快相關軟硬件設施建設；鼓勵國外知名節事活動引進杭州，制定節事活動“引進來”政策，以帶動本土節事活動品牌的發展；通過現有國際節事活動的平臺，如西博會、動漫節、休博會等，培育和形成一批具有國際知名度的節事活動品牌，鼓勵節事活動“走出去”；加強節事活動的國際營銷宣傳力度，發揮節事活動的當期效應，延續節事活動的帶動效應，樹立和提升杭州作為國際旅游目的地的旅游形象。

第三，注重挖掘平季旅游潛力，緩解旅游季節性帶來的消極影響。如何突破氣候對旅游影響的桎梏？如何挖掘平季和淡季的旅游潛力？這都是值得深思的問題。具體措施包括：深入分析平季和淡季旅游客源市場，識別出平季和淡季出游的細分市場，開發與細分市場相適應的旅游產品；舉辦節事活動的確是平衡淡旺季的有效手段之一，但是還應該平衡考慮節事活動的舉辦時間，增加平季和淡季的節事活動數量，而相應減少旺季期間的數量；鑒于商務旅游的非季節敏感性特征，利用毗鄰上海的區位優勢，加強與上海的旅游合作力度，將上海豐富的國際商務客源引向杭州，實現城市合作的“無縫對接”。[參考文獻]

[1]Baron R R V. Seasonality in tourism： a guide to the analysis of seasonality and trends for policy making[C]. London：Economist intelligence unit，1975：1-5.

[2]Baron R R. The measurement of seasonality and its economic impact[J]. Tourism Economics， 1999，5（4）：437-458.

[3]Baum T，Hagen L. Responses to seasonality： the experiences of peripheral destinations [J].International Journal of Tourism Research，1999，1（5）：299-312.

[4]陸林，宣國富，章錦河，等.海濱型與山岳型旅游地客流季節性比較——以三亞、北海、普陀山、黃山、九華山為例[J].地理學報，2002，57（6）：731-740.

[5]Cuccia T， Rizzo I. Tourism seasonality in cultural destinations： empirical evidence from Sicily [J]. Tourism Management，2011，32（3）： 589-595.

[6]Manning R E， Powers L A. Peak and offpeak use： redistributing the outdoor recreation/tourism load[J]. Journal of Travel Research，1984，23（2）： 25-31.

[7]Figini P， Vici L. Offseason tourists and the cultural offer of a masstourism destination： the case of Rimini[J]. Tourism Management，2012，33（4）： 825-839.

[8]張朝枝，保繼剛.休假制度對遺產旅游地客流的影響——以武陵源為例[J].地理研究，2007，26（6）：1295-1303.

[9]宋立杰，李平.青島市國際旅游的季節性研究——基于不同的視角[J].資源開發與市場，2011，27（9）： 845-848.

[10]Lim C， McAleer M. A seasonal analysis of Asian tourist arrivals to Australia[J]. Applied Economics， 2000， 32（4）：499-509.

[11]Cunado J， GilAlana L A， Perez de Garcia F. The nature of seasonality in Spanish tourism time series[J]. Tourism Economics， 2005，11（4）：483-499.

[12]Karamustafa K， Ulama S. Measuring the seasonality in tourism with the comparison of different methods[J]. EuroMed Journal of Business， 2010，5（2）：191-214.

[13]Koc E， Altinay G. An analysis of seasonality in monthly per person tourist spending in Turkish inbound tourism from a market segmentation perspective[J]. Tourism Management，2007，28 （1）： 227-237.

[14]馮學鋼，黃和平，邱建輝.我國入境旅游流季節性特征及其時空演變研究——基于22個熱點旅游城市面板數據的實證分析[J].華東經濟管理，2015，29（6）：1-9，187.

[15]周成，馮學鋼，金川.基于氣候舒適度的我國旅游季節性分析與潛力提升[J].資源開發與市場，2015，31（12）：1529-1533.

[16]周成，馮學鋼.上海入境旅游市場的季節特征、波動周期與發展趨勢——基于X12ARIMA和HP濾波法[J].旅游科學，2016，30（6）：39-53.

[17]陳蕓，田良.海南入境旅游季節性特征與調控措施[J].人文地理，2013，28（4）：140-143.

[18]高鐵梅.計量經濟分析方法與建模——EViews應用及實例[M].北京：清華大學出版社，2015：35.

[19]孫曉東，武曉榮，馮學鋼.郵輪旅游季節性特征：基于北美市場的實證分析[J].旅游學刊，2015，30（5）：117-126.

（責任編輯李亞青）