計(jì)量經(jīng)濟(jì)學(xué)論文(eviews分析)計(jì)量經(jīng)濟(jì)作業(yè)

1、我國(guó)旅游收入的計(jì)量分析我國(guó)旅游收入的計(jì)量分析一、一、經(jīng)濟(jì)理論陳述經(jīng)濟(jì)理論陳述在研讀了大量統(tǒng)計(jì)和計(jì)量資料的基礎(chǔ)上，選擇了三個(gè)大方面進(jìn)行研究，既包括旅游人數(shù)，人均旅游花費(fèi)和基本交通建設(shè)。其中，在旅游人數(shù)這個(gè)解釋變量的劃分上，我們考慮到隨著全球經(jīng)濟(jì)一體化的發(fā)展，越來(lái)越多的外國(guó)游客來(lái)中國(guó)旅游消費(fèi)。中國(guó)旅游的國(guó)際市場(chǎng)是個(gè)有發(fā)展?jié)摿Φ男屡d市場(chǎng)，盡管外國(guó)游客前來(lái)旅游的方式包羅萬(wàn)象而且消費(fèi)能力也不盡相同，但從國(guó)際服務(wù)貿(mào)易的角度出發(fā)，我們?cè)谧鲎兞窟x擇時(shí)，

2、運(yùn)用國(guó)際營(yíng)銷(xiāo)的知識(shí)進(jìn)行市場(chǎng)細(xì)分，劃分了國(guó)際和國(guó)內(nèi)兩個(gè)市場(chǎng)。這樣，在旅游人數(shù)這個(gè)解釋變量的最終確定上，我們選擇了2X國(guó)內(nèi)旅游人數(shù)，入境旅游人數(shù)。這點(diǎn)選擇除了理論支持外，在現(xiàn)實(shí)3X旅游業(yè)發(fā)展中我們也看到很多景區(qū)包括成都的近郊也有不少外國(guó)游客的身影。所以，我們選取這兩個(gè)解釋變量等待下一步進(jìn)行模型設(shè)計(jì)和檢驗(yàn)。另外，對(duì)于人均旅游花費(fèi)，我們?cè)谶M(jìn)行市場(chǎng)細(xì)分時(shí)，沒(méi)有延續(xù)前兩個(gè)變量的選擇模式，有幾個(gè)原因。首先，外國(guó)游客前來(lái)旅游的形式和消費(fèi)方式各異且很難統(tǒng)

3、計(jì)。我們?cè)诨ù罅馐占瘮?shù)據(jù)后，仍然沒(méi)有比較權(quán)威的統(tǒng)計(jì)數(shù)據(jù)資料。其次，隨著國(guó)家對(duì)農(nóng)業(yè)的不斷重視和扶持，我國(guó)農(nóng)業(yè)有了長(zhǎng)足發(fā)展。農(nóng)村居民純收入增加，用于旅游的花費(fèi)也有所上升。而且鑒于農(nóng)村人口較多，前面的市場(chǎng)細(xì)分也不夠細(xì)化，在這個(gè)解釋變量的確定上，我們選擇農(nóng)村人均旅游花費(fèi)，既是從我國(guó)（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ我們建立了下述的一般模型：其中Ｙ——19942003年各年全國(guó)旅游收入Ｃ（１）——待定參數(shù)——國(guó)內(nèi)旅

4、游人數(shù)（萬(wàn)人）2X——入境旅游人數(shù)（萬(wàn)人）3X——城鎮(zhèn)居民人均旅游花費(fèi)（元）4X——農(nóng)村居民人均旅游花費(fèi)（元）5X——公路長(zhǎng)度（含高速）（萬(wàn)公里）6X——鐵路長(zhǎng)度（萬(wàn)公里）7XＵ——隨即擾動(dòng)項(xiàng)四、四、模型的求解和檢驗(yàn)?zāi)Ｐ偷那蠼夂蜋z驗(yàn)利用Eviews軟件，采用以上數(shù)據(jù)對(duì)該模型進(jìn)行OLS回歸，結(jié)果如下：DependentVariable:YMethod:LeastSquaresDate:122310Time:01:56Sample:1994

5、2003Includedobservations:10VariableCoefficientStd.ErrtStatisticProb.C340.50471357.8350.2507700.0882X20.0016160.0135200.1195290.1524X30.2323580.1280171.8150500.1671X46.3910521.7168883.7224630.0337X51.0467571.2240110.85518

6、70.0453X65.6734296.6672660.8509380.4573X7474.3909355.71671.3336200.2745Rsquared0.996391Meandependentvar2494.200AdjustedRsquared0.989174S.D.dependentvar980.4435S.E.ofregression102.0112Akaikeinfocriterion12.28407Sumsquared