【文章內(nèi)容簡介】 關旅游預測研究方面的論文。由于旅游業(yè)最早是在國外西方發(fā)達國家開始出現(xiàn)，因此國外在旅游市場研究方面歷史較長，尤其是旅游發(fā)達國家，如西班牙、澳大利亞等等。這些旅游發(fā)達國家都有專門機構(gòu)對旅游業(yè)進行規(guī)劃和管理，也都配有人員齊備的調(diào)查小組，每年都要進行入境旅游的動向調(diào)查，并整理成入境旅游調(diào)查報告。如西班牙旅游研究協(xié)會就負責需求方調(diào)查，國家統(tǒng)計協(xié)會負責供應方統(tǒng)計和旅游衛(wèi)星賬戶系統(tǒng)。國外學者在研究旅游市場時多采用定量分析的方法，注重統(tǒng)計工具的運用，如Stephen F. Witt和Christine A. Witt于1992年共同撰寫的“Modeling and forecasting demand in tourism。 2）國內(nèi)研究現(xiàn)狀在國內(nèi)，有關入境旅游市場研究方面，已經(jīng)有相當數(shù)量的關于中國國際旅游業(yè)發(fā)展狀況的文章，但基本上都是對旅游統(tǒng)計年鑒上的統(tǒng)計數(shù)字做一些簡單的統(tǒng)計分析。對近些年來有關中國入境旅游市場研究的文章進行歸納，主要有以下幾類:(I)針對中國入境旅游市場進行研究的文章，如李天順在《陜西師范大學學報》(自然科學版)1993年第1期上發(fā)表的“中國入境旅游的主要客源地及其拓展研究”，焦華富在《旅游經(jīng)濟》1993年第5期上發(fā)表的“我國國際旅游客源市場探析”，蔣曉萍在《旅游經(jīng)濟》1993年第5期上發(fā)表的“我國發(fā)展國際旅游業(yè)的前景和對策”，任志遠在《西北大學學報》(自然科學版)2000年第8期上發(fā)表的“中國旅游的國外客源市場態(tài)勢分析”等等。(2)針對各個省份的國際旅游客源市場分析，如李悅錚在《經(jīng)濟地理》1997年第1期發(fā)表的“山東市海外客源市場結(jié)構(gòu)分析”，閻希娟在《人文地理》2001年第2期發(fā)表的“西安國外客源市場現(xiàn)狀分析與拓展”等等。(3)針對中國的入境旅游建立預測模型，如孫根年在《地理科學》1998年第10期發(fā)表的“我國境外旅游本底趨勢線的建立及科學意義”，茍小東、孫根年在《陜西師范大學學報》(自然科學版)2000年第6期發(fā)表的“上海入境旅游本底趨勢線的建立及其應用”，秦立公在《桂林工學院學報》2000年第4期發(fā)表的“桂林入境旅游發(fā)展的非線性回歸擬合與自慣性預測研究”等等，幾乎都是一些零星的關于中國或中國一些省份、直轄市入境旅游研究的文章。(4)系統(tǒng)分析中國入境旅游，如馬耀峰、李天順等著的《中國入境旅游研究》，它主要是從地理學、統(tǒng)計學的角度進行分析。 本文的工作本文運用國際著名的大型集成軟件系統(tǒng)中的時間序列方法，根據(jù)1978年2003年歷年的數(shù)據(jù)對我國的入境旅游人數(shù)作了預測分析，為我國選擇預測入境旅游人數(shù)的統(tǒng)計模型提供了參考。作者用求和自回歸滑動平均(ARIMA)方法作了各種參數(shù)搭配的比較，得到了一個較好的模型ARIMA(2,2,0)。 內(nèi)容組織本篇文章是這樣安排的：第一章為引言，主要介紹論文的選題背景以及國內(nèi)外關于該課題的研究現(xiàn)狀及趨勢；第二章主要介紹了國內(nèi)外近期關于旅游需求預測所使用的主要方法，并對這些方法進行了比較和評價，得出本文使用的方法求和自回歸移動平均（ARIMA）模型；第三章對ARIMA模型的特征和建模思想作了簡單介紹；第四章是實證分析，利用ARIMA模型對我國入境旅游人數(shù)進行建模，從模型的識別到模型的估計與診斷，得到了一個較好的預測效果；第五章是結(jié)論，從得到的ARIMA模型可以預測和分析我國未來幾年入境旅游的人數(shù)。第二章 旅游需求預測的方法 旅游需求預測方法簡介 旅游需求預測方法旅游需求預測模型研究一直是旅游學研究的重要課題。旅游研究人員、決策者以及從業(yè)人員都意識到對旅游需求進行準確的預測是非常必要的，但具體用什么數(shù)學模型來進行旅游需求的預測分析至今沒有一個統(tǒng)一的范式。目前常用的主要是基于統(tǒng)計學的數(shù)學模型:時間序列預測模型、回歸模型(包括線性的和非線性的回歸模型)。 旅游需求預測方法比較 .J史密斯(1991)對時間序列模型、回歸模型和德爾菲法比較如下表:表1 時間序列模型、回歸模型和德爾菲法比較表模型名稱時間序列模型回歸模型德爾菲法技術知識要求低中中高低中數(shù)據(jù)類型時間序列數(shù)據(jù)截面數(shù)據(jù)、時間序列事實、觀點數(shù)據(jù)精確度中高高低計算能力要求弱一般一般高無預測水平短期長期長期預測成本低高不一定，復雜最適合的預測類型簡單、穩(wěn)定或周期性復雜、有己知的定量關系有己知的定性的關系及很強的不確定因素 旅游需求預測方法評價趙西萍，王磊，鄒慧萍(1996)介紹了國際上預測旅游需求的常用方法:時間序列法、回歸模型法和德爾菲法。并比較了三種預測模型方法特點，認為在對旅游人數(shù)的預測上，時間序列法優(yōu)于回歸模型法；而由于諸多影響因素對旅游者開支的影響遠大于對目的地抉擇的影響，所以回歸模型在預測旅游者開支時會最有效。德爾菲法爭議最大，普遍認為在不能使用其它方法的情況下，該法在幫助旅游規(guī)劃者和政策分析者預測可能的未來發(fā)展方向時頗有價值。徐國豐(1999)按預測性質(zhì)，將統(tǒng)計預測方法分為定性預測法、回歸預測法、時間序列預測法和組合預測法四類。定性預測法適用于對缺少歷史統(tǒng)計資料或趨勢面臨轉(zhuǎn)折的事件進行預測?；貧w預測法主要用于研究變量與變量之間的相互關系。時間序列方法只需要序列本身的歷史數(shù)據(jù)來建立模型，應用廣泛。組合預測法將不同的預測模型組合起來，產(chǎn)生一個新的模型，理論和實踐都表明，組合預測法可能導致一個比任何一個獨立預測法更好的預測結(jié)果。林依穎(2003)利用1985年至2000年12月共192筆月資料，進行國外旅客赴中國大陸旅游業(yè)需求預測。研究方法采用十種不同的時間序列模型，包含簡算法(一)、簡算法(二)、簡單線性回歸、二次曲線回歸、指數(shù)曲線非線性回歸、波動性時間序列非線性回歸模型、自相關模型、滑動平均模型、季節(jié)性與非季節(jié)性自相關整合移動平均模型、豪特溫特斯模型。結(jié)果發(fā)現(xiàn)ARIMA模型預測能力最佳。由此可見，需求預測的研究方法很多，但實踐結(jié)果表明針對旅游業(yè)的需求預測以Box和Jenkins的ARIMA模型和多元線性回歸模型有較好的預測效果。其中ARIMA模型充分注意到旅游統(tǒng)計資料的時差性，構(gòu)建了隨機差分方程，可較好模擬有時間間隔的動態(tài)變量的變化趨勢。自回歸求積整合移動平均(ARIMA)模型是時間序列常用的估計和預測模型, 也是宏觀交通管理中常用的預測方法。ARIMA模型帶有三個模型參數(shù)p、d、q，所以也常寫為ARIMA(d,p,q),d為差分階數(shù),其中p為自回歸周期數(shù),q為移動平均周期數(shù)。建立ARIMA時間序列模型通常包括三個步驟: ①模型的識別,就是通過對相關圖的分析,初步確定適合于給定樣本的ARIMA模型形式,即確定 d，p，q的取值。②模型參數(shù)的估計,就是待初步確定模型形式后對模型參數(shù)進行估計。③診斷與檢驗，就是以樣本為基礎檢驗擬合的模型，以求發(fā)現(xiàn)某些不妥之處。如果估計的模型某些參數(shù)估計值不能通過顯著性檢驗，或者殘差序列不能近似為一個白噪聲過程，應返回第一步再次對模型進行識別。綜上所述，本文采用求和自回歸移動平均(ARIMA)模型對我國入境旅游發(fā)展進行行之有效的分析、預測。第三章 求和自回歸移動平均（ARIMA）模型 預測方法與預測模型隨著科學技術的飛速發(fā)展，預測理論與方法也日趨成熟、完善。統(tǒng)計預測理淪與計算機技術相結(jié)合，使許多預測手段的算法實現(xiàn)?，F(xiàn)行軟件系統(tǒng)中包含了豐富的預測用程序組，運行便捷、分析內(nèi)容完備。ARIMA模型就是比較成熟的時間序列預測模型，可以有效預測消耗材料需求量，為管理人員提供決策依據(jù)；而時間序列分析技術在經(jīng)濟、氣象、地質(zhì)、水文、軍事等領域的成功應用，已產(chǎn)生了巨大的經(jīng)濟效益與社會效益；國內(nèi)外的醫(yī)學界也正在尋求借助時序分析技術解決醫(yī)學科研實際問題的途徑。計算機技術的迅速發(fā)展與普及，使得定量預測中許多復雜的計算問題得以解決，隨著預測理論的發(fā)展，其應用深入到經(jīng)濟、氣象、工業(yè)等領域，并產(chǎn)生了良好的經(jīng)濟效益與社會效益。凡此種種，都使得定量預測的理論與實踐正以空前的速度走向完善。時間序列分析的意義可以概括為:①由時間序列估計隨機過程的數(shù)字特征，對指標的演變規(guī)律進行統(tǒng)計描述與推斷；②對時間序列進行模型擬合，并依照相關準則考察擬合優(yōu)度；③利用歷史值、當前值及所建立的模型對未來值進行預測。常用的時間序列定量預測方法有很多，如移動平均數(shù)法、趨勢預測法、指數(shù)平滑法、趨勢季節(jié)模型預測法、Markov鏈預測方法、灰色模型及ARIMA模型方法等。其中，ARIMA模型的數(shù)學理論成熟，適用范圍廣泛，實踐中不乏成功的應用實例。ARIMA模型在建模方面，既考慮完善已有模型的約束條件，又在嘗試新的模型形式以實現(xiàn)更為理想的時序擬合與預測。實際應用中，時間序列經(jīng)常具有季節(jié)性，呈明顯的周期變化。WingKuen Tam 和 Gregory ，時間序列的季節(jié)成分有確定性和非確定性兩類表現(xiàn)，含所謂確定性季節(jié)成分是指序列可以表述成某一確定形式周期函數(shù)與平穩(wěn)噪聲項之和；與此對應的隨機性季節(jié)成分則指某時序特定時點值依賴于以往周期段中對應時點的取值。對含確定性季節(jié)成分的時序進行差分將導致無法通過逆推實現(xiàn)擬合與預測；對隨機性季節(jié)成分必須實施季節(jié)差分，否則無法實現(xiàn)平穩(wěn)化。 ARIMA模型的概念ARIMA模型又稱博克斯詹金斯( BoxJerkins)模型，是由美國統(tǒng)計學家G. C. P. Box和G. M. Jerkins于1970年首次系統(tǒng)提出的，該模型有三種基本模式:自回歸模型、移動平均模型與自回歸移動平均模型。我們使用的“求和自回歸移動平均(Auto Regressive Integrated Moving Average)模型，簡記為ARIMA(p,d,q)模型，廣泛應用于各種時間序列數(shù)據(jù)的分析方法，是一種預測精度相當高的短期預測方法。建立ARIMA(p，d，q)模型計算復雜，必須借助于計算機才能完成當前國際上最為流行的統(tǒng)計分析軟件SAS。 ARIMA模型的建模思想ARIMA模型的建模基本思想可歸納如下: 根據(jù)時間序列的散點圖自相關函數(shù)（ACF}圖和偏自相關函數(shù)（PACF)圖以及ADF單位根檢驗觀察其方差、趨勢及其季節(jié)性變化規(guī)律，識別該序列的平穩(wěn)性。 數(shù)據(jù)進行平穩(wěn)化處理如果數(shù)據(jù)序列是非平穩(wěn)的，如存在一定的增長或下降趨勢等則需對數(shù)據(jù)進行差分處理；如果數(shù)據(jù)序列存在異方差性，則需對數(shù)據(jù)進行對數(shù)轉(zhuǎn)換或者開方處理，直到處理后的數(shù)據(jù)的自相關函數(shù)值和偏相關函數(shù)值無顯著地異于零。 根據(jù)時間序列模型的識別規(guī)則，建立相應的模型1)若平穩(wěn)時間序列的偏相關函數(shù)是截尾的，而自相關函數(shù)是拖尾的，則可斷定此序列適合AR模型；2)若平穩(wěn)時間序列的偏相關函數(shù)是拖尾的，而自相關函數(shù)是截尾的，則可