基于百度指數的景區客流量預測研究

劉聰 楊陽 鄧洋陽

摘?要：景區客流量預測是以百度指數與景區客流量的內在聯系為基礎。本研究以四川九寨溝景區日接待客流量和百度指數的相關數據為基礎，利用EG兩步法結合誤差修正模型分析了百度指數與景區客流量的長期和短期關系，并對模型的預測效果進行了評價。得出如下結論：百度指數與景區客流量之間存在長期均衡關系;長期范圍內的百度指數與景區客流量之間的數量關系受時間因素的影響;誤差修正機制在發生作用，會將偏離長期均衡的客流量拉回正常值;模型整體預測效果良好。

關鍵詞：百度指數;景區客流量;EG兩步法;誤差修正模型

中圖分類號：F590.654文獻標識碼：A文章編號：1008-4428（2019）06-0067-02

一、 引言

一般只有節假日才能供給遠途旅游所需要的時間，這是我國的國民大多選擇節假日出游的主要原因。過于集中的出行時間造成景區客流量迅速增加，這會對地方和景區造成很大的管理壓力，增加游客的安全風險。例如2014年12月31日的上海外灘的擁擠踩踏事件和2013年10月2日的四川九寨溝景區游客滯留事件。如果能夠提前預知景區的客流量，景區可以有充足的準備時間，通過合理調配資源的方式，將資源供給到最需要的地方，提高資源的使用效率。

預測景區客流量的方法有很多，時間序列分析是一種常用的方法。這種方法對于數據有較高的要求，它主要來源于官方的統計數據。官方數據已經無法滿足現代預測對數據時效性的要求。近十年，有很多學者用百度指數替代傳統的官方數據用于預測景區客流量，主要是百度指數是日統計數據，并且具有容易獲取、客觀性等特征。這些研究在提出預測模型之前，都實證了百度指數與景區客流量的長期均衡關系。研究結論也非常統一，認為長期范圍內同等百度指數增加導致的景區客流變化量相等。從極限的思維來考慮，百度指數依托于通信設備的使用，早期的游客沒有通信設備，而現在游客帶有通信設備的比例也在變化，所以從發展的角度來看百度指數與景區客流量之間的長期關系不可能是固定不變的。

基于此，本文以2016年1月至2016年12月四川九寨溝景區的日接待游客量數據和關鍵詞“九寨溝”的百度指數數據為基礎，利用EG兩步法，結合誤差修正模型討論百度指數與景區客流量之間的動態關系，利用模型進行預測，并評價預測效果，期望能為景區客流量的預測提供工具。

二、 數據來源和研究方法

本研究選取四川九寨溝景區作為樣本，時間區間為2016年1月至2016年12月，景區日接待游客量數據來源于九寨溝官方網站。關鍵詞“九寨溝”的檢索指數來源于百度指數的官方網站，數據采集使用到第三方工具。為了減少異方差，研究對客流量和指數數據取對數。IT表示取對數后的景區客流量，ID表示取對數后的百度指數。

EG兩步法是用于檢驗兩個變量之間長期均衡關系的一種方法。它要求時間序列滿足平穩性，并且兩個變量為同階單整。協整關系的存在還要求變量回歸結果的殘差也滿足穩定性要求。誤差修正模型是將協整方程的殘差作為自變量帶入差分方程中，討論的是協整關系作為一個外部因素是如何影響因變量，以及短期內的自變量變化如何影響因變量。

三、 實證分析

（一）單位根檢驗

EG兩步法需要變量滿足同階單整。ADF是常用的單位根檢驗方法。表1是百度指數和九寨溝景區客流量的單位根檢驗結果。檢驗結果顯示兩個變量的水平檢驗均未通過5%顯著性水平，無法拒絕單位根假設。但是，兩個變量的一階差分均通過1%顯著性水平檢驗，能夠拒絕存在單位根的假設。檢驗結果顯示百度指數和景區客流量的數據符合EG兩步法對數據同階單整的要求。

（二）協整分析

協整關系存在的條件是回歸結果的殘差滿足穩定性條件。研究將百度指數對九寨溝景區客流量和趨勢項進行了回歸。比較是否加入趨勢項，結果顯示加入趨勢項能夠顯著提升方程的解釋能力。殘差的ADF檢驗值等于-4.044，小于樣本數超過100的1%顯著性水平的臨界值-3.90。因此，回歸結果的殘差通過穩定性檢驗，說明百度指數與九寨溝景區客流量之間存在包含趨勢項和常數項的長期均衡關系，均衡方程見表達式1。小括號內為標準差，中括號內為P值。

回歸方程顯示百度指數與景區客流量之間存在長期均衡關系。自變量、趨勢項和常數項的檢驗結果均顯示其在1%顯著性水平顯著?；貧w方程包含趨勢項說明長期內的百度指數與景區客流量的關系會受到時間因素的影響。最初的時候，百度指數增加導致景區客流量增加1.875%。隨著日期的后移，百度指數變化導致景區客流變化量逐漸下降。這種變化趨勢非常緩慢，約為每日0.00317%。

（三）誤差修正模型

本研究將協整方程的殘差作為自變量和百度指數的一階差分及其滯后項對一階差分的九寨溝景區客流量做普通最小二乘法回歸。關于滯后項的選擇，參考的是AIC準則，AIC值越小說明模型越優。具體誤差修正模型的參數估計和顯著性檢驗結果見表達式（2）。同樣，小括號內為標準差，中括號內為P值。DI表示一階差分后的對數化百度指數，TI表示一階差分后的對數化景區客流量。

表達式（2）中ECM表示誤差修正項，它的系數通過了1%顯著性水平的T檢驗，說明長期均衡也對短期的景區客流量變化產生作用。誤差修正項的參數估計值為負，說明誤差修正機制在持續發生作用，即當景區客流量偏離協整方程長期均衡值的時候，誤差修正機制會將其拉回到正常值，其強度約為0.189?；貧w方程還包含兩個百度指數的一階差分滯后項，并且這兩個滯后項均通過了5%顯著性水平的T檢驗，說明短期內的百度指數變化也會對景區客流量造成影響。DI（-2）的系數為正，說明滯后兩期的百度指數增加1%會造成當期的景區客流量增加約0.364%。滯后七階的一階差分項顯著為負，說明百度指數的上升會造成七期后的景區客流量下降0.453%。

綜上所述，百度指數與景區客流量之間存在長期均衡關系。這種均衡關系會對短期內景區客流量的偏離進行修正。另外，短期內的百度指數變化也會對景區客流量產生影響。這種影響表現為對滯后兩期客流量的拉高和滯后七期客流量的拉低。

（四）預測效果評價

利用構建的誤差修正模型，本研究對2016年1月1日至2016年12月31日的九寨溝景區日接待游客量進行了靜態預測。預測結果見圖1。預測的均方根誤差等于3294.542，泰爾不等式系數等于0.099。分解泰爾系數，得到預測值與真實值的偏差比只有0.006，預測值與實際值波動比只有0.002，模型整體預測效果良好。

四、 研究結論

本研究以四川九寨溝景區2016年1月1日至2016年12月31日的日接待游客量和關鍵詞“九寨溝”的百度指數統計數據為基礎，通過EG兩步法驗證了兩者之間的長期均衡關系，并構建和估計了相應的長期均衡模型，利用誤差修正模型討論了協整關系和短期內的百度指數變化如何影響景區客流量。得出如下結論：

（一）百度指數與景區客流量之間存在長期均衡關系

長期范圍內，百度指數的變化會引起景區客流量的變化。但是，這種量化的關系并不穩定，它會受到時間因素的影響。早期，百度指數變化會引起較大幅度的景區客流量上升，但是隨著時間的推移，相同百度指數變化引發的景區客流量變化幅度大幅下降。

（二）長期均衡對偏離誤差的修正作用和往期百度指數的變化能夠部分解釋景區客流量的短期波動

誤差修正機制一直在發揮作用，當景區客流量偏離長期均衡的時候，誤差修正機制會將其拉回均衡值。短期內的百度指數上升會造成兩天后的景區客流量增加和七天后的景區客流量減少。

（三）預測結果顯示模型具有良好的預測效果

本研究通過均方根誤差和泰爾系數評價了模型的預測效果。泰爾指數的分解指標顯示模型的預測結果與真實值的偏差非常小，并且波動情況也比較相似。對預測結果的分析能夠得出該模型能夠較好地完成對九寨溝景區日接待游客量的預測任務的結論。

本研究存在一些不足：只選取了四川九寨溝景區作為研究樣本，缺乏足夠的對比樣本來驗證研究結論的正確性。未來的研究將集中于進一步探討百度指數對景區客流量的動態影響，以進一步提升模型預測效果。

參考文獻：

[1]孫燁， 張宏磊， 劉培學，等. 基于旅游者網絡關注度的旅游景區日游客量預測研究——以不同客戶端百度指數為例[J]. 人文地理， 2017（3）：152-160.

[2]何一夫. 基于百度指數的旅游景區游客量預測研究——對黃先開模型的改進[J]. 重慶與世界（學術版）， 2016（12）：54-55.

[3]先開，張麗峰，丁于思.百度指數與旅游景區游客量的關系及預測研究——以北京故宮為例[J].旅游學刊，2013，28（11）：93-100.

[4]鄭玉蓮，陸林，趙海溶.蕪湖方特網絡關注度分布特征及與客流量關系研究——以PC端和移動端百度指數為例[J].資源開發與市場，2018，34（9）：1315-1320.

作者簡介：

劉聰，男，江蘇如皋人，碩士，南通理工學院商學院助教，研究方向：旅游信息系統;

楊陽，女，江蘇南通人，南通理工學院商學院學生，研究方向：企業競爭情報;

鄧洋陽，男，江蘇南通人，南通理工學院商學院學生，研究方向：旅游管理。