基于IOWHA算子的组合预测在中国入境旅游中的应用分析

为提高中国入境旅游人数月度数据序列预测精度,文章选择了目前相对最优单项预测模型——TRAMO/SEATS短记忆预测模型和ARFIMA长记忆预测模型,并根据中国入境旅游人数月度数据序列特点,采用非常适合中国入境旅游人数月度数据序列预测并具有高预测精度的传统线性回归预测模型,然后将各个单项预测模型进行基于IOWHA算子的组合。研究发现：基于IOWHA算子的组合预测模型,达到了目前为止中国入境旅游人数月度数据序列预测的最高精度。最后,根据中国入境旅游人数实际值和组合模型预测值的比较,定量分析世界金融危机等事件对中国入境旅游的影响程度和影响时滞,并探究中国入境旅游未来的发展趋势。     

危机事件及政策变动对中国入境旅游的影响研究——基于剔除直接价格效应的中国入境旅游收入

文章选择了适合中国入境旅游收入月度数据序列预测的TRAMO/SEATS模型、SARIMA模型和半对数模型,并在剔除了人民币对美元汇率和中国国内消费水平变动对中国入境旅游收入的直接价格效应下,建立基于IOWA算子的组合预测模型,然后根据相关比较情况,定量分析危机事件及政策变动对中国入境旅游收入的影响程度和影响时滞,全面探究中国入境旅游收入、人数和人均消费的恢复状况和变化趋势.研究发现:①相关危机事件及政策变动不仅影响了境外游客来中国的决定,更影响了中国入境旅游者在中国旅游时的消费水平,造成中国入境旅游收入受影响幅度最为显著;②虽然中国入境旅游收入、人数和人均消费均表现出共同受影响的特征,但是相比中国入境旅游人数,中国入境旅游收入和人均消费恢复幅度微弱,受相关危机事件及政策变动的滞后影响更为严重.     

中国省域入境旅游发展的空间计量建模与影响因素效应研究

空间计量模型在旅游研究中已得到有效应用,解决了旅游产业发展中的一些实际问题,但还需进一步改进与完善。文章以中国省域入境旅游发展为着眼点,增设扩散转移矩阵为模型因变量滞后的空间权重矩阵,以反映入境旅游在中国省域之间的客流人数扩散转移实际情况,同时从最为全面的广义嵌套空间模型入手,引入旅游研究空间计量模型系统,并以区域入境旅游发展影响因素为模型自变量,构建了入境旅游发展的最优空间计量模型,最后对模型显著自变量的直接效应、溢出效应、总效应进行评估分析,给出区域入境旅游发展建议。结果显示:模型自变量出现显著消极效应的影响因素几乎为酒店供应,加强旅游资源建设和经济水平发展始终是入境旅游发展的重要途径,而开放程度已对东部省域的影响较为微弱,对中部和西部省域则起到很好的积极效应,同时交通设施在中部省域呈现出非常强劲的溢出效应。     

国际货物贸易与入境旅游的关系及其溢出效应

文章以分析国际货物贸易与入境旅游互动关系为基础,建立包含入境旅游、国际货物贸易、经济增长、人口规模和对外开放等变量在内的动态面板回归模型,利用1985～2009年中国与欧洲七国的国际货物贸易额与入境旅游人数的面板数据与时间序列数据,采用面板回归分析法、格兰杰因果法、脉冲响应函数和方差分解法,分析了进口贸易和出口贸易对入境旅游的相互关系及其溢出效应。结果表明:(1)1985～2009年以来,我国出口贸易和进口贸易与入境旅游增长存在显著的正相关关系;(2)出口贸易与入境旅游增长具有互为因果的相互推动效应,而进口贸易与入境旅游增长之间则只存在单向格兰杰因果关系;(3)入境旅游对出口贸易和进口贸易的增长反应强烈,且呈正向效应;(4)方差分解结果表明,进口贸易和出口贸易对入境旅游增长变动具有不同的贡献度。     

重大事件对上海市入境旅游需求的影响——基于ADL模型的分析

本文根据1978～2008年上海市入境旅游接待人次数的统计数据,构建了上海市入境旅游需求的自回归分布滞后模型。通过引入虚拟变量,本文分析了历次重大事件对上海市入境旅游需求的影响。结果发现,2003年SARS主要影响欧洲国家来沪国际旅游需求,对上海市入境旅游的总体需求没有造成显著的负面影响;1979年石油价格危机、1997年亚洲金融风暴与2008年全球金融危机造成的负面影响,存在影响人次数逐次增加,但影响比例逐次下降的趋势。重大事件对各客源国来沪国际旅游需求的影响存在差异,对全国与上海市的影响也不同。本文提出旅游管理部门与业界在决策过程中要重视这些差异与不同。     

我国入境旅游人次月度指数预测模型比较研究

需求预测是旅游产业经营决策的基本依据,但产业的广泛关联性与各类突发事件使旅游需求预测尤其是中短期预测较为困难.本文采用X12-ARIMA模型、TRAMO/SEATS模型、ARMA模型与GARCH模型,对异常数据点采用附加的外部冲击调整,利用7种估计方法估计了我国入境旅游人次的月度指数并进行了预测比较,发现采用外部冲击检测的TRAMO/SEATS模型由于能有效提取序列数据的信息,对预测我国入境旅游人次最为有效.     

宏观经济波动对我国入境旅游发展的影响分析

文章以分析1995～ 2011年我国宏观经济波动和入境旅游波动的周期性特征为基础,建立包含入境旅游波动、宏观经济波动、汇率变动和居民消费者价格指数变动等变量在内的向量自回归模型,检验了入境旅游波动对于宏观经济波动、汇率变动和通货膨胀的反应,进一步采用分位数回归方法研究了宏观经济波动等因素对入境旅游发展的影响.结果表明:(1) 1995 ～ 2011年以来,我国宏观经济波动的主周期长度为6年,入境旅游收入波动的主周期长度为2.57年,入境旅游呈现较短的主周期;(2)宏观经济波动和汇率变动对入境旅游发展具有显著的影响,而通货膨胀的影响作用有限;(3)在入境旅游波动的不同水平下,宏观经济波动和汇率变动对入境旅游发展的影响力度存在明显差异,其中包含了更丰富的信息.     

旅游者空间分布模型及其预测应用——以甘肃省县(区)为例

旅游具有空间属性,旅游者的空间分布研究是学界研究的重点,也是热点.文章借鉴伯克曼“通勤选择”的效用正态分布假设,构建旅游者空间分布模型,并依据甘肃省2015年县(区)统计数据,进行模型的检验与估计,研究显示该模型对甘肃省旅游者县(区)空间分布能进行较好的解释.在此基础上,文章将该模型作为预测模型,依据甘肃省旅游业与交通运输发展“十三五”规划的内容,对“十三五”末甘肃省旅游者空间分布状况进行预测,并与2015牟的状况进行比较分析,揭示旅游者空间分布的演变趋势.研究表明,“十三五”规划的实施将推动甘肃省旅游者空间分布由中心城区向周边县(区)扩散,东南-西北向的丝绸之路经济带将得到增强,甘肃省东部的西南-东北向的旅游经济带也将显现雏形.该研究将有助于定量了解旅游者空间分布的影响因素,也为旅游者空间分布变化预测提供方法,为旅游饭店等服务设施的规划布局研究提供依据.     

虚拟旅游景区浏览量的规模特征及其影响因素

虚拟现实技术在旅游业的广泛应用催生了虚拟旅游这一新生事物。本研究基于中国542家虚拟旅游景区浏览量数据,运用泰尔系数、核密度分析、回归模型等方法,分析虚拟旅游景区浏览量的规模特征及其影响因素。研究表明：（1）中国虚拟旅游景区规模尚小,省级空间尺度的分布与5A级、4A级旅游景区空间格局基本吻合。（2）虚拟旅游景区浏览量的规模随景区质量等级降低呈现递减规律,且等级越高,内部差异越大;地文景观类和水域景观类的虚拟旅游景区数量较少,但平均浏览量高于其他类型的虚拟旅游景区;东部和西部地区浏览量规模的省际差异大于中部和东北地区;假期与平时的浏览量规模波动幅度较小。（3）虚拟旅游景区浏览量受城市经济属性、社会属性、景区属性等多种因素影响,其中,地区第三产业占比、5A级旅游景区数量和移动手机用户数量等因素的影响最为显著。研究揭示了中国虚拟旅游景区浏览量的基本规律,为虚拟旅游景区发展提供理论支撑。     

基于解集模型的水电站超短期负荷预测研究

结合瀑布沟电站实际负荷资料,提出基于解集模型与标幺值原理的负荷预测模型,并进行超短期负荷预测实例验证,预测结果与电网下达的计划出力对比分析结果表明,模型预测结果与实际负荷的偏差明显小于计划出力与实际负荷的偏差.本文所建负荷预测模型可用于指导水电站的生产运行管理,特别是指导发电企业参与现货市场交易决策.     

旅游需求预测方法文献述评

本文试图理清旅游需求预测方法发展的思路,并对许多方法的应用进行了评价.     

旅游规划中的旅游经济分析与预测问题

本文通过对当前我国旅游规划中投入产出工作现存问题的分析,提出了旅游经济分析中一些参数的设定及应注意的问题,以及探讨在涉及旅游发展的各种规划和预测时,如何能提高经济分析的科学性,使之能真正起到指导、推动旅游业发展和建设的作用。     

宁夏旅游业综合竞争力评价及预测分析

旅游业日益成为各国和地区重点扶持的战略产业。旅游业的综合竞争力评价与预测分析对于各地科学、有序地发展旅游业,合理规划、整合旅游资源具有重要意义。本文根据相关研究成果及研究区特征,构建了由政府管理水平与公共服务设施、经济实力、旅游业及第三产业效益、科技实力、开放程度等5个子系统共45个评价指标构成的评价指标体系,基于SPSS12．0大型统计软件和运用因子分析法,定量评价了宁夏旅游业在整个西部地区的综合竞争力,研究得出宁夏旅游业综合竞争力处于有序样本第3类型区。进一步运用趋势外推法,预测了宁夏旅游业近期的发展趋势及走向。最后,提出了宁夏旅游业持续发展的对策建议。     

Forecasting turning points in tourism growth

Tourism demand exhibits growth cycles, and it is important to forecast turning points in these growth cycles to minimise risks to destination management. This study estimates logistic models of Hong Kong tourism demand, which are then used to generate both short- and long-term forecasts of tourism growth. The performance of the models is evaluated using the quadratic probability score and hit rates. The results show that the ways in which this information is used are crucial to the models’ predictive power. Further, we investigate whether combining probability forecasts can improve predictive accuracy, and find that combination approaches, especially nonlinear combination approaches, are sensitive to the quality of forecasts in the pool. In addition, model screening can improve forecasting performance.     

人工智能方法在旅游预测中的应用及评析

20世纪90年代之前,对旅游需求预测一般采用传统的定量分析方法,而近20年来,诸如粗糙集、遗传算法、模糊时间序列、灰色理论、神经网络模型、支持向量机等人工智能方法也被引入到旅游需求预测的研究之中.然而,国内外学者尚未对人工智能方法在旅游需求预测中的应用进行系统的整理与论述.为此,本文简要介绍了人工智能在旅游预测中的应用,并与传统的计量方法、时间序列方法进行了比较.同时,简略评述了其优缺点和发展趋势.     

旅游市场分类研究及其意义——以佛山市为例

我们在佛山市旅游研究中使用了“市场分类研究法”和“产品-需求对应分析法”，对不同的旅游吸引物所对应的旅游市场进行分类调研和分类处理，发现景点旅游者市场与城市过夜旅游者市场存在着明显的差异。认识这些差异，对于分析区域旅游发展的主导旅游吸引，分析旅游需求趋势和需求预测，对确定区域旅游发展的主动力模型和旅游发层动力机制，制定产品战略和市场战略具有重要的意义。     

Forecasting tourism: a combined approach

In this article, we employ a combined seasonal nonseasonal ARIMA and sine wave nonlinear regression forecast model to predict international tourism arrivals, as represented by the number of world-wide visitors to Singapore. Compared with a similar study of the accuracy of international tourist arrivals forecasts by Chan (Journal of Travel Research, 1993, 31, 58–60)¹ and Chu (Journal of Travel Research, 1998, 36, 79–84)² using other univariate time series models, our proposed model has the smallest mean absolute percentage error.     

Forecasting of Hong Kong airport's passenger throughput

Hong Kong International Airport (HKIA) is one of the main gateways to Mainland China and the major aviation hub in Asia. An accurate airport traffic demand forecast allows for short and long-term planning and decision making regarding airport facilities and flight networks. This paper employs the Box–Jenkins Seasonal ARIMA (SARIMA) model and the ARIMAX model to forecast airport passenger traffic for Hong Kong, and projecting its future growth trend to 2015. Both models predict a steady growth in future airport passenger traffic at Hong Kong. In addition, scenario analysis suggests that Hong Kong airport's future passenger traffic will continue to grow in different magnitudes.