Orginal Article

The periodic and fluctuant characteristics of Chinese inbound tourists and its influence mechanism

  • FANG Yelin , 1, 2 ,
  • HUANG Zhenfang , 1 ,
  • HOU Bing 3 ,
  • WANG Fang 1
Expand
  • 1. College of Geographic Science, Nanjing Normal University, Nanjing 210023, China
  • 2. School of Business, Anhui University, Hefei 230601, China
  • 3. School of Tourism and Culinary, Yangzhou University, Yangzhou 225127, Jiangsu, China

Received date: 2013-11-26

  Request revised date: 2014-05-08

  Online published: 2014-10-10

Copyright

《地理研究》编辑部

Abstract

This article uses the HP and BP filter, and seasonal index to analyse the periodic and fluctuant characteristics of the annual and monthly data of Chinese mainland's inbound tourists. Combined with the impulse response model, it studies the influence mechanism. The results show that: the total number of inbound tourists has risen in fluctuation since 1978, and shows a decline trend in 1989, 2003 and 2009. According to the filter decomposition, it can divide the development of inbound tourism into 5 periods: (1) the initial stage (1978-1983), (2) the period of exploration (1984-1989), (3) the preliminary development period (1990-1996), (4) the rapid development period (1997-2003), and (5) a relatively mature period (2004-2011), with the average period being about 6.6 years. The seasonal strength index of Chinese inbound tourism generally presents the "inverted-V shape" distribution; the seasonal variation index generally presents a "double-W shape" distribution. Compared with the annual data, the fluctuant effect of monthly data is more obvious. Policies and institution, regional economy and unexpected events have a significant impact on the period and fluctuation of inbound tourists. Through the analysis of impulse response, it is found that the foreign economic exchange and regional economic development have a positive impact on inbound tourists; however, different modes of transportation have different response mechanism to inbound tourists. In term of the periodic and fluctuant characteristics of inbound tourists, it is suggested that we should enhance the quality of tourists, strengthen the publicity and marketing, adjust the management mode and development strategy in time; in addition, we should balance the development of three major inbound tourism markets, and reduce the risks of the inbound tourism market in the future.

Cite this article

FANG Yelin , HUANG Zhenfang , HOU Bing , WANG Fang . The periodic and fluctuant characteristics of Chinese inbound tourists and its influence mechanism[J]. GEOGRAPHICAL RESEARCH, 2014 , 33(10) : 1942 -1955 . DOI: 10.11821/dlyj201410014

1 引言

入境旅游在中国三大旅游市场中占据着重要的作用,尤其是改革开放初期在政策上积极支持入境旅游,极大地促进了入境旅游的发展。截止2011年底,中国全年共接待入境游客1.35亿人次,实现国际旅游外汇收入484.64亿美元,分别比上年增长1.2%和5.8%,入境旅游以占当年旅游市场4.86%的人次,取得了占当年旅游总收入13.19%的份额。入境旅游发展在促进经济增长、降低地方贫困、改善社会经济发展条件、缩小区域发展差距等方面起到积极作用[1],相关研究也逐渐增多,研究主题主要集中在以下几方面:① 入境旅游流:如李创新等分别对入境旅游流集散地域结构[2]及入境旅游流优势度[3]的研究,吴晋峰等对京沪入境旅游流网络结构的研究[4],其他代表性研究主要有:马耀峰等[5]、王兆峰[6]、刘法建等[7];② 入境游客的预测与趋势:如朱晓华等[8]、高军等[9]、张郴等[10]、吴良平等[11];③ 入境旅游时空动态变化:如陈秀琼等[12]、麻学锋等[13]、万绪才等[14]、马燕[15]等分别对整个中国、长三角地区、重点旅游城市、新疆地区的入境旅游时空差异进行了研究;④ 入境旅游影响因素:朱迎波等分析了SARS对中国入境旅游人数的影响[16],保继刚等研究了北京奥运会对桂林阳朔入境旅游的影响[17],乔宁宁等从宏观经济波动的视角,分析其对入境旅游发展的影响[18],章秀琴等在旅游地引力模型的基础上,通过构建计量经济模型,分析入境旅游客源地的影响因素[19]。定量研究方法占据绝对主流,主要有:社会网络分析[7]、本底趋势线[20]、分位数回归[21]、灰色理论[8、22]、神经网络[10,23]、EMD[24]、时间序列分析[25,26]等。
通过文献梳理可以发现,当前国内对于入境旅游的研究主题不断深化,研究技术逐渐趋于成熟。然而,在进行入境旅游相关研究时选取的时间截面相对较短,还不能全面分析改革开放以来中国入境旅游发展的具体实际,大部分研究采用的是年度数据,相对缺少对月度及季度数据的深入挖掘,以及各时间尺度数据的对比研究。学者们一般通过构建计量模型或者直接进行相关分析,得出入境旅游的影响机理,这种做法忽视了在不同的时间节点,各影响因素对入境旅游的动态冲击。旅游业是一项关联性很强的第三产业,具有很强的敏感性,季节因素对游客数量有很大的影响,在进行时间序列分析时,大部分研究没有考虑特殊年份的奇异值对时间序列的影响。虽然当前文献涉及到旅游业的周期波动研究[27,28],但系统理论的深入研究仍有待进一步加强。
周期波动是一种客观存在的经济现象,主要表现为经济现象周而复始地由扩张到紧缩的不断循环运动,旅游业是宏观经济的一部分,其发展也存在着一定的周期性特征和波动性特征。科学分析入境游客的周期因素与波动因素,有利于规避旅游发展的季节不利因素,制定合理的发展政策,促进入境旅游市场长期健康稳定发展。本研究分别利用四种滤波分析方法对年度及月度数据进行分解,结合季节指数分析入境游客周期波动的规律性,进一步分析其影响机理,明确提出实践指导意义。

2 研究方法与数据来源

2.1 研究方法

2.1.1 季节指数 引入季节强度指数和季节变动指数分别考察入境旅游的季节变动规律。以月为研究单元的季节强度指数计算公式为[29]
式中:xi为各月游客量占全年的比重;R表示季节强度指数。R越接近0,表明游客的时间分布越均匀,R值越大,游客的淡旺季差异越明显。季节变动指数的计算公式为[30]
式中:Qi为季节变动指数;xjiji月的游客数,Qi反映月度游客数量的平均变化状况。
2.1.2 移动平均比率方法 时间序列的季节性变动常常掩盖了经济发展的客观规律,因此在对月度或季度时间序列分析之前,需要对时间序列进行季节调整,常见的方法有 Census X12方法、X11方法、移动平均方法和Tramo/Seats方法。本研究利用移动平均比率方法中的加法模型对原始时间数列进行季节调整,主要步骤如下[31]
(1)对于月度时间序列M,进行中心化移动平均,得到趋势循环序列TCt
(2)计算SI序列
(3)计算季节因子sj。对于月度数据,分别计算SI序列第j个月的月度平均值(j=1,2,…,12),得到季节因子sj;
(4)调整季节因子使和等于0,即计算标准化季节因子Sj
(5)计算季节调整的最终结果:
2.1.3 Hodrich-Prescott滤波 1980年Hodrich等首次使用HP滤波方法分析战后美国经济周期[32],其实质是过滤掉低频的趋势成分,保留高频的周期成分。设{Mt}为包含波动成分和趋势成分的时间序列,{Mtc}、{MtT}分别为波动成分与趋势成分,则:
计算HP滤波的实质也就是从{Mt}中将MtT分离出来,一般而言,时间序列{Mt}中不可观测部分趋势{MtT}被定义为以下损失函数最小:
调节参数λ对HP滤波具有重要作用,根据经验,年度数据λ=100;季度数据λ=1600;月度数据λ=14400。
2.1.4 频谱滤波(BP滤波) 频谱分析的基本思想是:将时间序列看作是互不相关周期(频率)分量的叠加,通过研究和比较各分量的周期变化,充分揭示时间序列的频域结构,其核心概念是功率谱密度函数,主要用来反映序列中不同频率分量对功率或方差的贡献率。借助Eviews 6.0软件可以实现以下三种不同BP滤波的计算,分别为BK固定长度对称滤波(Fixed length symmetric (Baxter-King) filter)、CF固定长度对称滤波(Fixed length symmetric (Christiano-Fitzgerald) filter)以及全样本长度非对称滤波(Full sample asymmetric (Christiano-Fitzgerald) filter)。

2.2 数据来源

如无特殊说明,数据均来自《中国旅游统计年鉴》、《新中国六十年统计资料汇编》、中华人民共和国国家统计局官网(http://www.stats.gov.cn/)、中华人民共和国国家旅游局官网(http://www.cnta.com/)以及各地旅游局官方网站。

3 周期波动特征

3.1 年度周期波动特征

3.1.1 统计特征 据统计,1978年入境旅游人次为180.92万人次,2011年达到13542.35万人次,2011年是1978年的近75倍,平均每年游客人数上涨392.98万人次;1978年入境旅游过夜游客人数为71.60万人次,2011年达到5758.07万人次,2011年是1978年的80多倍,平均每年入境过夜游客上涨167.25万人次。从图1可以看出,年度数据曲线总体上处于上升趋势,波动幅度不大,其中在1989年、2003年、2009年发生较大的波动,主要是因为受1989年政治风波、2003年“非典”及2009年金融危机的影响。
Fig. 1 The statistics of foreign visitor arrivals since 1978

图1 1978年以来入境游客统计

3.1.2 周期波动特征 游客时间序列包含了一些基本的、潜在的模式和随机波动,游客数量一般表现为整体趋势性和周期性变化[33],为了清晰地分析游客数量的波动规律,结合滤波分析法对游客人数进行分析,结果图2表1所示。由于BK固定长度对称滤波与CF固定长度对称滤波使用了超前与滞后项数,部分观测值将会失去,除去损失项数外,结果基本与其他两种滤波分析法一致。由于周期类型序列均是带截距的单位根过程,两种CF滤波分解的平稳性假设均选择随机游走I(1)形式。从图2可以看出,不同滤波分解方法的结果基本相同,趋势项基本是上升的,周期大致相同。为了验证不同滤波对周期划分的相关性,对周期项进行相关分析(表2),结果显示:不同滤波周期项之间的相关系数较高,并且通过了显著性检验,由此表明不同滤波方法的分解结果具有相对稳定性。
Fig. 2 The wave trajectory of foreign visitor arrivals from 1978 to 2011

图2 1978-2011年入境游客的波动轨迹

注:蓝色曲线表示原序列,红色曲线(Trend/Non-cyclical)表示分解出来的长期趋势序列,绿色曲线(Cycle)表示分解出来的循环变动序列,下同

Tab. 1 The decomposition results based on different filtering methods

表1 不同滤波方法的分解结果

年份 HP滤波 BK滤波 CFa滤波 CFb滤波
趋势成分 周期成分 趋势成分 周期成分 趋势成分 周期成分 趋势成分 周期成分
1978 82.32 98.60 120.63 60.29
1979 301.97 118.42 352.91 67.48
1980 522.60 47.65 529.76 40.49
1981 746.39 30.32 708.89 67.82 705.09 71.62 687.45 89.26
1982 975.98 -183.55 888.57 -96.14 861.19 -68.76 868.28 -75.85
1983 1214.32 -266.62 1122.86 -175.16 1085.66 -137.96 1105.36 -157.66
1984 1462.53 -177.31 1431.25 -146.03 1393.29 -108.07 1409.93 -124.71
1985 1719.06 64.25 1813.19 -29.88 1791.13 -7.82 1766.62 16.69
1986 1980.58 301.37 2189.62 92.33 2255.00 26.95 2139.04 142.91
1987 2244.40 445.83 2480.82 209.41 2536.11 154.12 2484.05 206.18
1988 2510.87 658.61 2689.29 480.19 2702.35 467.13 2769.28 400.20
1989 2784.76 -334.62 2866.99 -416.85 2846.70 -396.56 2986.94 -536.80
1990 3077.46 -331.28 3074.92 -328.74 3036.52 -290.34 3158.21 -412.03
1991 3396.99 -62.01 3347.57 -12.59 3291.01 43.97 3326.42 8.56
1992 3748.07 63.42 3688.41 123.08 3705.06 106.43 3541.71 269.78
1993 4134.79 17.90 4059.92 92.77 4075.78 76.91 3843.61 309.08
1994 4561.90 -193.45 4422.88 -54.43 4407.22 -38.77 4248.67 119.78
1995 5034.29 -395.64 4810.24 -171.59 4777.33 -138.68 4748.26 -109.61
1996 5554.95 -442.20 5275.09 -162.34 5218.42 -105.67 5316.71 -203.96
1997 6122.89 -364.10 5862.35 -103.56 5798.69 -39.90 5925.82 -167.03
1998 6732.71 -384.87 6562.59 -214.75 6538.36 -190.52 6558.50 -210.66
1999 7375.36 -95.80 7337.50 -57.94 7322.41 -42.85 7214.94 64.62
2000 8037.95 306.44 8078.12 266.27 8158.80 185.59 7908.35 436.04
2001 8706.64 194.65 8756.80 144.49 8765.30 135.99 8652.09 249.20
2002 9370.63 420.20 9427.53 363.30 9399.47 391.36 9444.62 346.21
2003 10021.08 -854.87 10119.68 -953.47 10088.26 -922.05 10259.88 -1093.67
2004 10653.37 250.45 10859.57 44.25 10839.41 64.41 11048.64 -144.82
2005 11254.29 774.94 11601.73 427.50 11620.91 408.32 11751.59 277.64
2006 11813.18 681.03 12232.18 262.03 12402.69 91.52 12319.33 174.88
2007 12327.09 860.24 12674.84 512.49 12738.90 448.43 12731.16 456.17
2008 12799.90 202.84 12928.11 74.63 12946.86 55.88 13004.52 -1.78
2009 13244.10 -596.51 13190.73 -543.14
2010 13674.19 -297.97 13358.30 17.92
2011 14098.72 -556.37 13570.48 -28.13

注:为了便于区分,表中的CFa表示CF固定长度对称滤波,CFb表示全样本长度非对称滤波,下同。

Tab. 2 The correlation of cycle components based on different filtering methods

表2 不同滤波周期成分间的相关关系

HP周期 BK周期 CFa周期 CFb周期
HP周期 1.000 0.923** 0.874** 0.795**
BK周期 0.923** 1.000 0.988** 0.950**
CFa周期 0.874** 0.988** 1.000 0.939**
CFb周期 0.795** 0.950** 0.939** 1.000

注:**显著性小于0.01的相关性(2-tailed)

3.1.3 周期划分 确定一个完整的周期,可以采取从一个波峰到另外一个波峰,也可以从一个波谷到另一个波谷的方法[34]。本研究采用“峰—峰”划分方法确定周期,1978-2011年中国入境旅游大致经历了5~6个周期:1978-1983年、1984-1989年、1990-1996年、1997-2003年、2004-2011年,平均每个周期约为6.6年,其中最近一个周期时间较长,在2009年发生了较大的波动。① 起步期(1978-1983年):旅游人次由1978年的180.92万人次上涨到1983年的947.70万人次,平均每年游客增加127.80万人次。② 探索发展期(1984-1989年):在整个80年代,入境旅游基本是“一枝独秀”,入境旅游人次由1984年的1285.22万人次上涨到1989年的2450.14万人次,平均每年增加194.15万人次。③ 初步发展期(1990-1996年):入境旅游人次由1990年的2746.18万人次,上涨到1996年的5112.75万人次,平均每年增加338.08万人次,不管是在数量上还是质量上,入境旅游都取得了突破。④ 快速发展期(1997-2003年):入境旅游人次由1997年的5758.79万人次,上涨到2003年的9166.21万人次,平均每年上涨486.77万人次。1997年中国旅游业明确了一个市场方针“大力发展入境旅游,积极发展国内旅游,适度发展出境旅游”,该时段入境旅游发展迅速,但同时也面临各种各样的机遇与挑战,入境旅游在数量上实现突破,但在质量上还面临着许多问题。⑤ 相对成熟期(2004-2011年):入境旅游人次由2004年的10903.82万人次上涨到2011年的13542.35万人次,平均每年增加329.82万人次。该阶段旅游业的发展方针转变为“积极发展入境旅游,规范发展出境旅游,全面提升国内旅游”,国务院《关于加快发展旅游业的意见》更加重视旅游的社会文化功能,重视三大旅游市场的协调发展,入境旅游在该周期内稳中有升。

3.2 月度周期波动特征

3.2.1 统计特征 1997年以前月度数据缺失严重,因此选取1997-2011年共15年180个月的数据进行分析,其描述性统计特征如图3所示。1997-2011年入境游客总体上在波动中上升,外国游客、港澳同胞、台湾同胞一直是入境旅游市场的主要构成部分,1997年1月外国游客、港澳游客及台湾游客分别占到入境旅游总数的11.61%、85.32%、3.07%,2011年12月,其比值变为18.58%、78.16%、3.26%,港澳游客数量的绝对优势有所缩小,但基数仍然十分庞大,外国游客和台湾游客的比重有所增加,但仍没有达到理想的要求,尤其是台湾游客所占比重仍然偏小,未来有很大的提升空间。
Fig. 3 The statistical characteristics of monthly foreign visitor arrivals from 1997 to 2011

图3 1997-2011年入境游客月度数据统计特征

3.2.2 季节特征 为了进一步分析入境游客的季节变动特征,利用公式(1)和公式(2)分别计算出季节指数(图4)。从图4a可以看出:1997-2011年中国入境游客的季节强度指数大致围绕0.6上下波动,呈“倒V字型”分布,总体上R值由1997年的0.531下降到2011年的0.469,表明中国入境旅游年内的月度分布趋于均衡。其中2003年R值最大(1.223),主要是受当年“非典”的影响,导致了入境游客的月度分布极不平衡。从图4a还可以看出,以2003年为界,2003年之前的R值明显大于2003年之后的R值。“非典”之后,旅游企业、政府、旅游从业人员提高了旅游经营的风险意识,旅游发展相关法律制度环境进一步完善,旅游市场自身发展逐渐稳定,旅游业发展的集约化程度有所提升,旅游发展更加合理有序,一定程度上导致入境旅游季节强度指数相对减弱。从图4b可以看出,1997-2011年入境游客总数、外国人、港澳游客季节变动指数大致呈“双W型”分布,台湾游客的季节变动指数大致呈“双M型”分布,各入境旅游市场Q值基本围绕100%上下波动。不同入境旅游市场表现出不同的“峰—谷”特征:入境游客总数峰值位于每年的8月,外国人峰值位于每年的10月,港澳游客的峰值位于每年的12月,台湾游客的峰值位于每年的10月,不同入境旅游市场的低谷区基本一致,位于每年的2月(台湾游客为每年1月)。从以上分析可以看出不同入境旅游市场的峰值区基本集中在下半年的8月、10月及12月,低谷区基本集中在上半年的1-2月。
Fig. 4 The seasonal index of foreign visitor arrivals since 1997

图4 1997年以来入境游客季节指数

3.2.3 周期波动特征 在对经济现象进行分析时,季节变动和不规则要素往往掩盖了经济发展的客观规律,因此在进行周期分析之前,需要进行相关调整,剔除季节变动要素和不规则要素,以上分析表明入境游客的季节性波动较大,为了进一步进行滤波分析,首先需要进行季节调整。本研究采用移动平均比率法中的加法模型对月度入境旅游人数的原始时间序列进行调整,消除个别奇异值对周期性因素的影响。1997-2011年入境游客人数的月度数据波动特征如图5所示,相对于年度数据而言,月度数据的波动效应更加显著。总体而言,游客数量的趋势项在波动中不断上升;就周期项而言,四种不同滤波分析方法得出的周期不尽相同,但BP滤波的分析结果表明其具有一定的周期规律。2003年6月左右四种滤波的周期曲线基本上都跌入历史最低点,在2000年、2002年、2008年三种BP滤波的周期曲线分别出现小高峰。2003年“非典”事件使中国大陆旅游业跌入同期最低点,四种滤波的周期项在此时出现最低值。2000年是新世纪第一个年份,中国入境旅游迎来了新的春天;在新世纪的前三年,尤其是中国成功加入世贸组织,入境旅游发展稳步上升,2003年入境旅游跌入低谷,这样凸显出2002年入境旅游发展势头;2008年北京奥运会成功举办,极大地带动了入境旅游发展,因此三种BP滤波会在这些年份出现小高峰。
Fig. 5 The wave trajectory of monthly foreign visitor arrivals

图5 入境游客月度数据的波动轨迹

上述周期分析的结果不同可以归结于不同滤波对时间序列的处理方式不同,HP滤波仅仅过滤掉低频的趋势成分,BK滤波过滤掉低频的趋势成分和高频的季节波动与不规则波动成分,CF滤波是在BK滤波的基础上考虑了数据的平稳特征,其结果相对客观。旅游业是一项追求高体验的现代服务业,季节因素、自然条件、资源条件、社会经济条件及突发事故等因素都会对景区游客产生影响,年度游客所受的季节性影响因素相对较小,因而其波动性也相对较小。

4 机理分析

入境游客周期波动的影响因素主要分为四类:区域经济、政策制度、突发事件及其他因素。通过分析发现:政策制度与区域经济是影响入境游客周期波动的两大核心因素;其他,如文化因素、旅游吸引物、相关基础设施、客源地状况等因素相对而言比较稳定,对入境游客周期波动的影响程度较小。突发事件主要包括自然灾害、事故灾害、卫生事故、社会安全、经济危机,突发事件对入境游客周期波动具有较大冲击作用,尤其是对月度数据,在短时间内会改变原先发展趋势。2003年的“非典”事件就是最好的证明。在不同时空条件下,各影响因素之间相互制约、相互促进,共同构成一个复杂的开放系统,对入境游客周期波动产生影响,如图6所示。对于入境旅游的影响机理,先前学者进行了大量的研究工作,取得了丰厚的研究成果[16-19],这些研究相对忽视了各因素对入境游客的动态冲击作用,基于数据的可获得性、真实性、可比较性,本研究将区域经济划分为对外经济交流、交通因素、地区经济发展三大维度,并对这些指标进行量化,重点从区域经济视角考察各因素对入境游客的动态影响。
Fig. 6 The influence mechanism of periodic and fluctuant characteristics of Chinese inbound tourists

图6 入境游客周期波动的影响机理

4.1 数据平稳性检测

对时间序列进行分析,首先需要进行平稳性检验,在对所选指标平稳性检验的基础上,借助Eviews 6.0软件中的脉冲响应分析模块,可分析各因素对入境游客的动态影响。对外经济联系分别用货物进出口总额(亿元)、实际使用外资(亿元)、邮电业务量(亿元)三项指标表示;交通因素分别选择铁路里程(万km)、公路里程(万km)、内河航道里程(万km)、民航里程(万km)四项指标来表示;地区经济发展分别用GDP(亿元)、第三产业产值占GDP比重(%)两项指标表示,以上指标在文中分别用hwjckwzsyydywtielcgllcnhhdmhlcGDPschxz表示。由于数据的自然对数变换不影响协整关系,还能使趋势线性化,并且可以消除异方差以及两者之间的弹性值[35],对以上指标分别取自然对数进行分析。为了验证数据的平稳性,对原始对数序列进行单位根检验(ADF,Augmented Dickey-Fuller Test),发现其ADF值均不能大于1%~10%的显著水平给定的临界值,不能拒绝原假设,说明原始对数序列存在单位根,都是非平稳的。根据赤池信息(AIC,Akaike information criterion)与施瓦兹(SC,Schwarz criterion)最小的准则来确定滞后阶数,检验结果如表3所示。
Tab. 3 The test results of ADF

表3 ADF单位根检验结果

变量 检验形式(C,T,K) ADF统计值 P 1%临界值 5%临界值 10%临界值 结论
lnvisitor (C,N,0) -5.476 0.000 -3.646 -2.954 -2.616 平稳
lnhwjck (C,N,1) -4.721 0.000 -3.915 -2.948 -2.636 平稳
lnydyw (C,T,2) -5.870 0.000 -4.285 -3.563 -3.215 平稳
lnwzsy (C,T,2) -6.656 0.000 -4.928 -3.663 -3.520 平稳
lntielc (C,T,2) -4.907 0.002 -4.297 -3.568 -3.218 平稳
lngllc (C,N,1) -5.530 0.000 -3.677 -2.857 -2.633 平稳
lnnhhd (C,N,1) -4.560 0.000 -3.648 -2.925 -2.617 平稳
lnmhlc (C,N,1) -5.380 0.000 -3.665 -2.852 -2.601 平稳
lnGDP (C,N,1) -3.723 0.009 -3.679 -2.968 -2.623 平稳
lnschxz (C,N,1) -4.781 0.001 -3.654 -2.957 -2.617 平稳

注:(C,T,K)分别代表检验方程中包括常数项、趋势项和滞后阶数,N指不包括趋势项T。

4.2 脉冲响应分析

经检验后构建稳健的VAR模型,在此基础上进行脉冲响应分析,结果如图7所示。① 对外经济交流总体上有利于促进入境游客的增长。lnvisitor对lnhwjck的一个标准差扰动项迅速做出正向响应,在第6期之后趋于稳定;lnwzsy、lnydyw在经历前几期对lnvisitor的负向冲击后,基本围绕一个正值趋于稳定。旅游业不一定是对外经济交流重点考虑的首要对象,对外经济交流在初始阶段反而对入境旅游有一定的“挤出”效应,随着对外经济交流的日益频繁,客源地与目的地人员往来日益密切,逐渐促进地区入境旅游的发展。② 不同交通方式对入境游客增长的影响机理各不相同。lntielc对lnvisitor在前3期呈微弱的负向影响,在第3期之后,lnvisitor对lntielc的一个标准差扰动项迅速做出正向响应,并且逐渐呈上升趋势,表明铁路对入境旅游的发展有一定的滞后效应,但从长期来看,铁路交通有利于促进入境旅游发展。lngllc对lnvisitor的影响微弱,基本呈现出微弱的正向关系,表明公路对入境旅游的影响甚微。lnnhhd、lnmhlc对lnvisitor的冲击基本是正向的,表明内河航运及航空对入境游客起到正向的影响,尤其是民航里程对入境旅游的正向冲击最大。③ 地区经济因素对入境游客总体上是正向冲击。lnGDP对lnvisitor的冲击一开始是负的,在第3期达到最小值之后开始上升,在第7期之后出现正向的冲击,并且逐渐增大。区域经济较发达的地区,在旅游业发展初期不一定是国外旅游者钟情的地方,相反是相对落后的偏远地区吸引了国外旅游者,随着旅游业的发展,城市旅游、商务旅游、体育旅游等多种形式的旅游逐渐兴起,这些旅游形式与地区经济基础联系密切,因此从长远看,地区经济发展对入境游客起到逐渐增大的正向影响。lnvisitor对lnschxz的一个标准差扰动项迅速做出正向响应,在第3期达到最大,之后逐渐下降,在第7期达到一个正值后趋于稳定。产业结构调整在初始阶段会对入境游客产生较大的冲击力,但是这种“结构红利”具有一定的时效性,在达到最大值后开始下降,从长期看维持一个稳定的均衡态势。
Fig. 7 The analysis results of impulse response

图7 脉冲响应的分析结果

注:横轴表示冲击反应的滞后期数,纵轴表示脉冲响应的程度,中间曲线为脉冲响应函数曲线,两侧的虚线为95%的置信区间

5 结论与讨论

5.1 结论

(1)1978年以来中国入境旅游受突发性事件的影响程度较大,在1989年、2003年、2009年分别出现了比较大的拐点,基于四种不同滤波对年度入境游客进行分解,结果表明:总体上游客数量在波动中上升,不同滤波分解的周期项相关性较大,据此可将中国入境旅游划分为5个周期,分别为:1978-1983年、1984-1989年、1990-1996年、1997-2003年、2004-2011年,平均每个周期大约6.6年左右。
(2)1997-2011年中国入境旅游三大市场中,港澳游客“一支独大”的格局没有发生根本变化,台湾游客市场是未来继续开拓的重点市场。中国入境游客的季节强度指数大致呈“倒V字型”分布,总体上入境游客年内的月度分布趋于均衡,2003年为季节强度指数的分界线,2003年之后的季节强度指数明显低于2003年之前;入境游客的季节变动指数大致呈“双W型”分布,不同入境旅游市场表现出不同的“峰—谷”特征,每年下半年的8月、10月、12月为峰值区,上半年的1-2月为低谷区。
(3)采用移动平均比率法中的加法模型对1997-2011年月度游客数据进行调整,相对于年度数据而言,月度数据的波动效应更加显著。游客时间序列的趋势项在波动中不断上升,2003年6月左右四种滤波的周期曲线基本上都跌入历史最低点,HP滤波与BP滤波对周期项的分解结果不尽相同,但三种BP滤波对周期项的分解结果基本相同。
(4)政策制度与区域经济是影响入境游客周期波动的两大核心因素,突发事件对入境游客周期波动具有较大冲击作用。借助脉冲响应模型,重点从区域经济视角分析各因素对入境游客的动态冲击。总体上对外经济交流及地区经济发展状况对入境游客有正向的影响;四种不同交通方式对入境游客的影响程度各不相同,航空是影响入境游客的最主要交通方式,公路对入境游客的影响程度相对较小。

5.2 讨论

指标与数据选择可能会对研究结果产生一定的影响,但本研究综合多种方法得出基本一致的结论,客观上验证了分析结果的稳健性。研究具有一定的现实指导意义:①针对三大入境旅游市场可采取以下发展思路:重点依靠港澳市场,积极开拓台湾市场,稳步发展国外市场,提倡三大入境旅游市场协调发展,避免过分依赖某一市场,降低入境旅游市场的风险性。②入境旅游市场具有明显的季节特征,旅游企业及单位应该根据季节特征,及时调整经营方式及发展策略,避免旅游资源及设施过度使用或者闲置浪费。③针对入境游客的周期波动特征,应积极转变思想观念,从注重数量的增多转化为注重质量的提升,努力提升入境游客的人均花费;同时加强海外营销推广,推迟低谷期的到来,降低低谷期对旅游发展的冲击。④对外加强与主要客源国及港澳台地区旅游航空网络建设,对内完善铁路等交通网络建设,为入境旅游发展提供完善的基础设施支持。
入境旅游在中国旅游业发展初期一直是国家政策支持的重点,时至今日入境旅游的主要作用已发生转变,其经济功能开始逐渐弱化,文化功能逐渐凸显。入境旅游与其他两大旅游市场相比,波动性较大。本研究根据年度和月度数据对入境旅游的周期波动特征及影响因素进行了分析,未来可就以下问题进行深入研究:针对旅游发展中的周期波动规律,如何对未来可能出现的危机做出合理评估与预测?本研究分析了中国大陆总体入境游客周期波动规律,这种周期波动与宏观经济周期波动究竟有怎样的关系,月度数据与年度数据周期波动影响机理如何进一步深化,入境游客周期波动是否具有地带效应。

The authors have declared that no competing interests exist.

[1]
Matthew J W, Harold J G.Local economic impacts of dragon tourism in Indonesia. Annals of Tourism Research, 2000, 27(3): 559-576.

[2]
李创新, 马耀峰, 郑鹏, 等. 基于STSM的入境旅游流集散地域结构特征分析: 以中国入境旅游六大典型区域为例. 地理科学, 2011, 31(5): 620-626.

[Li Chuangxin, Ma Yaofeng, Zheng Peng, et al.Characters of regional structure of Chinese inbound tourism flow's concentration and diffusion based on spatial transferring state matrix: A case study of six typical areas of Chinese inbound tourism. Scientia Geographica Sinica, 2011, 31(5): 620-626.]

[3]
李创新, 马耀峰, 张颖, 等. 1993-2008年区域入境旅游流优势度时空动态演进模式: 基于改进熵值法的实证研究. 地理研究, 2012, 31(2): 257-268.

[Li Chuangxin, Ma Yaofeng, Zhang Ying, et al.Dynamic evolution mode of regional dominance indexes of Chinese inbound tourism flows during 1993 to 2008: An empirical research based on modified entropy technology. Geographical Research, 2012, 31(2): 257-268.]

[4]
吴晋峰, 潘旭莉. 京沪入境旅游流网络结构特征分析. 地理科学, 2010, 30(3): 370-376.

[Wu Jinfeng, Pan Xuli.Characteristic of Beijing and Shanghai inbound tourists flow network. Scientia Geographica Sinica, 2010, 30(3): 370-376.]

[5]
马耀峰, 王冠孝, 张佑印. 中国典型区域入境旅游流空间场效应实证研究: 以四川省为例. 资源科学, 2008, 30(11): 1747-1753.

[Ma Yaofeng, Wang Guanxiao, Zhang Youyin.Empirical research on spatial field effects of inbound tourist flows in China: Case study of Sichuan province. Resources Science, 2008, 30(11): 1747-1753.]

[6]
王兆峰.入境旅游流与航空运输网络协同演化及差异分析: 以西南地区为例. 地理研究, 2012, 31(7): 1328-1338.

[Wang Zhaofeng.Co-evolution and disparities between inbound tourism flow and air transport network in southwest China. Geographical Research, 2012, 31(7): 1328-1338.]

[7]
刘法建, 张捷, 陈冬冬. 中国入境旅游流网络结构特征及动因研究. 地理学报, 2010, 65(8): 1013-1024.

[Liu Fajian, Zhang Jie, Chen Dongdong.The characteristics and dynamical factors of Chinese inbound tourists flow network. Acta Geographica Sinica, 2010, 65(8): 1013-1024.]

[8]
朱晓华, 杨秀春, 蔡运龙. 基于灰色系统理论的旅游客源预测模型: 以中国入境旅游客源为例. 经济地理, 2005, 25(2): 232-235.

[Zhu Xiaohua, Yang Xiuchun, Cai Yunlong.Forecasting models of tourism passenger based on the grey theory: A case study of the international tourism passenger source of China. Economic Geography, 2005, 25(2): 232-235.]

[9]
高军, 马耀峰, 张佑印. 基于ITGTM的中国入境旅游人数增长趋势研究. 干旱区资源与环境, 2008, 22(5): 95-100.

[Gao Jun, Ma Yaofeng, Zhang Youyin.Tourist growth trend of China on the basis of inbound tourism growth trend theoretical model (ITGTM). Journal of Arid Land Resources and Environment, 2008, 22(5): 95-100.]

[10]
张郴, 张捷. 中国入境旅游需求预测的神经网络集成模型研究. 地理科学, 2011, 31(10): 1208-1212.

[Zhang Chen, Zhang Jie.Neural network ensemble for Chinese inbound tourism demand predication. Scientia Geographica Sinica, 2011, 31(10): 1208-1212.]

[11]
吴良平, 张健, 陆媛. 基于IOWHA算子的组合预测在中国入境旅游中的应用分析. 旅游学刊, 2011, 26(11): 19-27.

[Wu Liangping, Zhang Jian, Lu Yuan.An analysis of the application of combined forecast in China's inbound tourism based on IOWHA operator. Tourism Tribune, 2011, 26(11): 19-27.]

[12]
陈秀琼, 黄福才. 中国入境旅游的区域差异特征分析. 地理学报, 2006, 61(12): 1271-1280.

[Chen Xiuqiong, Huang Fucai.Temporal of regional disparity in Chinese inbound tourism. Acta Geographica Sinica, 2006, 61(12): 1271-1280.]

[13]
麻学锋, 孙根年. 长三角入境旅游的持续高增长及时间同步性分析. 经济地理, 2011, 31(5): 857-880.

[Ma Xuefeng, Sun Gennian.Entry tourism of continuous growth and time synchronicities analysis of Yangtze River Delta. Economic Geography, 2011, 31(5): 857-880.]

[14]
万绪才, 王厚廷, 傅朝霞, 等. 中国城市入境旅游发展差异及其影响因素: 以重点旅游城市为例. 地理研究, 2013, 32(2): 337-346.

[Wan Xucai, Wang Houting, Fu Chaoxia, et al.The intercity difference and influencing factors of inbound tourism development in China: Taking the major tourism cities as an example. Geographical Research, 2013, 32(2): 337-346.]

[15]
马燕.近10年来新疆入境旅游市场时空动态变化研究. 西北师范大学学报: 自然科学版, 2012, 48(5): 109-114.

[Ma Yan.A study on characteristics of the time and spatial variation of inbound tourism in Xinjiang in recent 10 years. Journal of Northwest Normal University: Natural Science, 2012, 48(5): 109-114.]

[16]
朱迎波, 葛全胜, 魏小安, 等. SARS对中国入境旅游人数影响的研究. 地理研究, 2003, 22(5): 551-559.

[Zhu Yingbo, Ge Quansheng, Wei Xiaoan, et al.A study on the effect of the SARS epidemic on the international tourist arrivals in China. Geographical Research, 2003, 22(5): 551-559.]

[17]
保继刚, 项怡娴, 吴永莹. 北京奥运会对非举办地入境旅游的影响研究: 以桂林阳朔为例. 人文地理, 2009, 24(2): 1-6.

[Bao Jigang, Xiang Yixian, Wu Yongying.The impacts of Beijing Olympics on inbound tourism to non-host cities in China: A case from Yangshuo. Human Geography, 2009, 24(2): 1-6.]

[18]
乔宁宁, 陈建宝. 宏观经济波动对我国入境旅游发展的影响分析. 旅游学刊, 2013, 28(2): 44-51.

[Qiao Ningning, Chen Jianbao.Impact of macroeconomic fluctuations on China's inbound tourism. Tourism Tribune, 2013, 28(2): 44-51.]

[19]
章秀琴, 章尚正. 中国入境旅游客源地结构变化影响因素的实证研究. 经济问题, 2012, (3): 121-124.

[Zhang Xiuqin, Zhang Shangzheng.An empirical study on factors influencing China's inbound origin structure. On Economic Problems, 2012, (3): 121-124.]

[20]
孙根年, 周瑞娜, 马丽君, 等. 2008年五大事件对中国入境旅游的影响: 基于本底趋势线模型高分辨率的分解. 地理科学, 2011, 31(12): 1437-1446.

[Sun Gennian, Zhou Ruina, Ma Lijun, et al.Impact of five events on China provincial inbound tourism in 2008: An analysis in high-resolution based on the TBL model. Scientia Geographica Sinica, 2011, 31(12): 1437-1446.]

[21]
李凡, 吉生保, 章东明, 等. 中国入境旅游发展的影响因素研究: 基于面板分位数回归的省际经验证据. 山西财经大学学报, 2013, 35(1): 41-50.

[Li Fan, Ji Shengbao, Zhang Dongming, et al.Research on determinants of China's inbound tourism development: Empirical evidences based on the quantile regression of inter-provincial panel data. Journal of Shanxi Finance and Economics University, 2013, 35(1): 41-50.]

[22]
王恩旭, 武春友. 基于灰色关联分析的入境旅游服务质量满意度研究. 旅游学刊, 2008, 23(11): 30-34.

[Wang Enxu, Wu Chunyou.A study on the satisfaction of inbound tourism service quality based on grey correlation analysis. Tourism Tribune, 2008, 23(11): 30-34.]

[23]
雷可为, 陈瑛. 基于BP神经网络和ARIMA组合模型的中国入境游客量预测. 旅游学刊, 2007, 22(4): 20-25.

[Lei Kewei, Chen Ying.Forecast of inbound tourists to China based on BP neural network and ARIMA combined model. Tourism Tribune, 2007, 22(4): 20-25.]

[24]
陈玲玲, 杨慧. 我国入境旅游客源与旅游外汇收入的多尺度对比研究:EMD方法的新应用. 地域研究与开发, 2011, 30(6): 94-97.

[Chen Lingling, Yang Hui.Multi-scale comparative study on international tourist arrivals and tourism foreign exchange earnings: New application of EMD method. Areal Research and Development, 2011, 30(6): 94-97.]

[25]
孙玉环.中国入境旅游外汇收入季节调整实证分析. 旅游学刊, 2006, 21(7): 29-33.

[Sun Yuhuan.An empirical study on seasonal adjustment of the foreign exchange revenue from China's inbound travel. Tourism Tribune, 2006, 21(7): 29-33.]

[26]
李春兰, 张丽娜, 乔均俭. 中国入境旅游人数和外汇收入的CAR预测模型. 数理统计与管理, 2010, 29(6): 970-974.

[Li Chunlan, Zhang Lina, Qiao Junjian.The CAR forecasting model of the number of overseas visitor arrivals and the foreign exchange from international tourism. Journal of Applied Statistics and Management, 2010, 29(6): 970-974.]

[27]
吴耀宇, 黄震方. 江苏省入境旅游客流波动性问题研究. 经济经纬, 2010, (2): 117-121.

[Wu Yaoyu, Huang Zhenfang.A research into the fluctuation of inbound tourists flow in Jiangsu provinces. Economic Survey, 2010, (2): 117-121.]

[28]
赵多平, 孙根年, 马丽君, 等. 欧美入境中国旅游客流量成长及多周期分析. 世界地理研究, 2012, 21(4): 107-114.

[Zhao Duoping, Sun Gennian, Ma Lijun, et al.Tourism growth and its cycle analysis based on the theory of natural trend curve: A case study of China's inbound tourism from EU and the US. World Regional Studies, 2012, 21(4): 107-114.]

[29]
保继刚, 楚义芳. 旅游地理学(修订版). 北京: 高等教育出版社, 1999.

[Bao Jigang, Chu Yifang.Geography of Tourism (revised edition). Beijing: Higher Education Press, 1999.]

[30]
骆培聪.中国大陆入境台胞游客时空分布格局及其变化. 地理研究, 2010, 29(2): 291-302.

[Luo Peicong.Research on temporal and spatial distribution pattern of Taiwan tourists and its evolution in mainland China. Geographical Research, 2010, 29(2): 291-302.]

[31]
高铁梅.计量经济分析方法与建模: Eviews应用及实例. 北京: 清华大学出版社, 2006.

[Gao Tiemei.Econometric Analysis and Modeling: Application and Examples of EViews. Beijing: Tsinghua University Press, 2006.]

[32]
Hodrick R, Prescott E C.Post-war US business cycle: An empirical investigation, Mimeo. Pittsbursh: Carnegie-Mellon University, 1980.

[33]
袁林旺, 俞肇元, 黄震方, 等. 游客变化的多尺度波动特征及作用过程分析: 以盐城麋鹿生态旅游区为例. 旅游学刊, 2009, 24(7): 27-33.

[Yuan Linwang, Yu Zhaoyuan, Huang Zhenfang, et al.An analysis of multi-fluctuation characteristics and functional process of tourist flow: A case study of Yancheng David's Deer ecotourism area. Tourism Tribune, 2009, 24(7): 27-33.]

[34]
连平, 吴金友. 中国经济周期波动研究: 1978-2009年. 世界经济研究, 2011, (9): 3-9.

[Lian Ping, Wu Jinyou.A study on China's business cycle: 1978-2009. World Economy Study, 2011, (9): 3-9.]

[35]
赵磊, 全华. 中国国内旅游消费与经济增长关系的实证分析. 经济问题, 2011, (4): 32-38.

[Zhao Lei, Quan Hua.An empirical study on relation between domestic tourism consumption and economic growth in China. On Economic Problems, 2011, (4): 32-38.]

Outlines

/