搜索
旅游业消费与居民收入之间关系的省际差异比较一、数据准备和符号的设定本文研究的主题是旅游消费与居民收入之间关系的省际差异。选取了各省人均旅游消费为被解释变量，代表旅游消费水平，记为Y；选取城镇居民人均可支配收入和农村居民纯收入作为解释变量，代表居民收入水平，分别记为CS和NC，数据的时间范围是2002年-2013年，使用了年度数据作为研究的样本，本研究数据来自于《中国统计年鉴》。简称省市简称省市BJ北京市HUB湖北省TJ天津市HUN湖南省HEB河北省GD广东省SHANX山西省GX广西壮族自治区NM内蒙古自治区HAIN海南省LN辽宁省CQ重庆市JL吉林省SC四川省HLJ黑龙江省GZ贵州省SH上海市YN云南省JS江苏省XZ西藏自治区ZJ浙江省SX陕西省AH安徽省GS甘肃省FJ福建省QH青海省JX江西省NX宁夏回族自治区SD山东省XJ新疆维吾尔自治区HEN河南省表1各省份简称对照表二、面板数据检验1.面板数据单位根检验有效的回归以数据的平稳性为前提，时间序列的非平稳性可能会导致回归结果不显著或者“伪回归”现象。因此首先要对序列的平稳性进行检验，现有的面板单位根的检验方法主要有LLC检验、IPS检验、Breintung、ADF-Fisher检验和PP-Fisher检验等五种。在分析过程中用人均旅游消费来代表我国的旅游消费发展水平，并在分析过程中用Y来代表，分别用城市居民人均家庭可支配收入和农村居民纯收入代表居民收入水平，并分别用CS和NC来表示，用NC0、CS0、Y0来表示0阶差分，用NC1、CS1、Y1来表示1阶差分，用NC2、CS2、Y2来表示2阶差分。为了保证检验结果的稳定性，分别采用LLC检验和ADF-Fisher检验四种方法对Y、CS、NC的对数进行单位根检验，如果2种检验方法都表明某个时间序列是平稳的，则认为此序列是平稳的。序列检验统计量检验结果LLCP值ADF-fisherP值NC017.92750.4604-1.635110.0510不平稳CS014.54060.6932-3.651680.0001不平稳Y011.56350.8689-2.902160.0019不平稳NC146.07130.0003-8.06860.0000平稳CS165.04720.0000-10.38280.0000平稳Y124.87700.0472-4.493870.0000平稳表2面板数据平稳性检验结果检验结果如下表所示，在5%显著水平下NC、CS、Y是一阶单整序列，可以认为序列是平稳的，因此可以进行协整检验。2.面板数据协整检验目前面板数据协整检验的方法主要有Kao检验和Pedroni两种，两种检验的原假设都是不存在协整关系，通过相应的统计量显著性和面板数据回归的残差的平稳性进行判断。Pedroni通过大量模拟检验得知，当样本量大于100时，七个统计量都较为稳定且测度效果显著，而样本量较小时GroupADF统计量是最有效力的，其次为Panelv和Panelrho，本文采用Group为主要判断依据。单位根检验表明，我国31个省级行政区人均消费、城镇居民旅游人均收入、农村居民人均纯收入三者之间存在同阶单整的关系，可以进行协整检验。协整检验方法统计量检验的统计量值P值Pedroni检验面板V一检验-0.433740.6678面板rho一检验2.4086580.9920面板PP一检验-3.773710.0001面板ADF一检验-1.440140.0749群rho一检验3.5289760.9998群PP一检验-8.3754570.0000群ADF一检验-4.5930040.0000Kao检验ADF-4.6681890.0000表3面板数据单位根检验结果表3可以看出，Pedroni协整检验构造的七个检验统计量中三种检验接受了旅游消费水平与居民收入水平之间存在协整关系，同时Kao协整检验构造的ADF检验统计量也得出相同的结果。可见，我国旅游消费与城镇居民人均收入、农村家庭人均纯收入之间存在协整关系。三、面板数据参数估计常用的面板数据模型的三种形式，为了选择符合本文的面板数据模型形式，使用协方差分析检验对面板数据的模型形式进行选择。通过在Eviews7.2中分别建立不变系数模型、变截距模型、变系数模型，可得结果如表所示:S1S2S3F1F2统计量1.6416433.0541868.1425191.21004.4598表4协方差检验结果变截距模型又可以分为固定影响变截距模型和随机影响变截距模型。一般而言，假如样本选用的是总体的所有个体，反映的是总体的效应，那么就应该选择固定效应模型;如果采用的是抽样估计，一般选择随机效应模型。本文衡量全国各省旅游消费水平与居民收入水平之间的关系，使用相关统计数据，可以反映总体效应，选择固定效应模型。然而，为了进一步确定，本文运用Hausman检验判断应选择固定效应模型还是随机效应模型，检验结果如表5所示:Chi-Sq.StatisticChi-Sq.d.fP值检验结果61.7786940.0000固定效应模型表5豪斯曼检验结果由上表的结果，豪斯曼检验的概率值是0.0000，故应选择固定效应模型。利用Eviews7.2软件对全国各省相关的面板数据建立固定影响的变截距模型，运用广义最小二乘法(GLS)进行回归分析，结果如表6所示:变量系数标准差T统计量P值C-9.1477580.552153-16.567430.0000CS0.7712520.03730820.672490.0000NC0.2746170.0385057.1319770.0000R20.811179修正R20.801241F统计量81.62420F统计量（P值）0.0000表6估计结果从表6中R2的值和F统计量的值可知，模型拟合优度非常好，在80%水平之上，且F统计量的值大于80，相伴概率为0.0000，通过F检验，拟合效果很好。所以，基于前面所介绍的面板数据模型的变截距模型的方程式，本文构建的最终的回归方程为:Y=−9.147758+0.274617𝑁𝐶𝑖𝑡+0.771252𝐶𝑆𝑖𝑡+𝜀𝑡上述回归方程的意义在于，城镇居民收入每上升1%，旅游消费会增加0.77%；农村居民收入每上升1%，旅游消费会上升0.27%，城乡居民收入水平的上升均可以显著影响旅游消费的水平，呈现出正向的显著的正向相关关系。四、旅游消费与居民收入关系的空间差异1.空间自相关检验本文使用2013年我国31省、市、自治区旅游消费和居民收入相关数据进行空间自相关检验，具体使用莫兰系数衡量各变量的空间依赖关系，莫兰系数的公式可以表示如下：Moran′I=∑∑𝑊𝑖𝑗𝑛𝑗=1𝑛𝑖=1(𝑌𝑖−𝑌̅)(𝑌𝑗−𝑌̅)𝑆2∑∑𝑊𝑖𝑗𝑛𝑗=1𝑛𝑖=1变量Moran’Iz-statisticProb旅游消费0.284.010.0000城镇居民收入0.6114.8780.0000农村居民收入0.5914.3660.0000表7莫兰检验结果由表7可以看出，利用2013年全国各省数据计算的莫兰系数是0.28，Z统计量为4.01，伴随概率是0.0000，表明旅游消费水平存在显著的空间依赖关系，并且是正向的空间相关关系，即相邻的省份表现出相似的属性。2.空间杜宾模型在前述的空间自相关检验中，我们定量的证明了旅游消费，城乡居民收入都存在显著的空间依赖关系，因此在进行面板数据估计时，若不考虑空间效应势必会造成结果的偏差。因此，在进行面板数据估计时，要引入空间效应，建立所谓空间杜宾模型。空间杜宾模型的形式如下：y=λ𝑊1𝑦+𝑋𝛽1+𝑊2𝑋𝛽2+𝜀本文选取的数据与前文使用的静态面板数据模型相同，被解释变量是各省人均旅游消费金额，解释变量分别是城镇居民人均可支配收入和农村居民家庭纯收入。建立模型的具体形式是：Y=λ𝑊1𝑌+𝑁𝐶𝛽1+𝑊2𝐶𝑆𝛽2+𝜀本文使用MATLAB软件对空间杜宾模型进行估计，结果如下表所示：R20.5699Rbar-squared0.5308Sigma^282.1059Log-likelihood-162.37797Nobs11Nvars5Rho(-1,1)Totaltimeinsecs0.312Timeforindet0.062Timefort-stats0.015Timeforx-impacts0.094表8空间杜宾模型参数汇总直接效应溢出效应总效应系数T-statProb系数T-statProb系数T-statProbCS0.5550.9310.3520.5450.3970.6930.8220.5710.571NC0.2492.9890.0020.1970.0660.9480.6314.5990.000表9空间杜宾模型直接效应、溢出效应和总效应上述表格是空间杜宾模型估计结果。模型的可决系数是0.56，拟合效果较好。模型估计的系数和静态面板数据模型进行对比可知，静态面板数据没有考虑空间效应的情况下，对城镇居民收入水平的影响出现了高估的情况，而对农村居民收入水平的影响出现了低估。