基于網(wǎng)絡(luò)搜索指數(shù)的游客人數(shù)預(yù)測研究
——以新疆阿勒泰冰雪旅游為例

李 莼 曹艷姣 呂本富

基于網(wǎng)絡(luò)搜索指數(shù)的游客人數(shù)預(yù)測研究
——以新疆阿勒泰冰雪旅游為例

李 莼 曹艷姣 呂本富

文章主要對新疆阿勒泰地區(qū)的旅游需求進(jìn)行預(yù)測。通過選取影響阿勒泰地區(qū)旅游人數(shù)的影響因子建模，采用網(wǎng)絡(luò)搜索指數(shù)合成方法對旅游人數(shù)進(jìn)行預(yù)測，得到2013年9～12月的旅游人數(shù)預(yù)測數(shù)據(jù)，較之傳統(tǒng)的時間序列模型，預(yù)測精度有一定的改進(jìn)。

影響因素 網(wǎng)絡(luò)搜索 旅游人數(shù)預(yù)測

從研究方法的角度來看，國內(nèi)對旅游需求的預(yù)測多采用時間序列的分析方法，較少使用計(jì)量模型進(jìn)行影響因素分析。所謂時間序列的分析是指以時間序列反映的社會經(jīng)濟(jì)現(xiàn)象的發(fā)展過程和規(guī)律性進(jìn)行引伸外推，進(jìn)而預(yù)測其發(fā)展趨勢。由于此方法并不考慮造成這種趨勢的內(nèi)在原因，一般不作為政策評價(jià)的依據(jù)。計(jì)量模型是基于回歸理論估計(jì)旅游需求及其決定因素之間的定量關(guān)系，其模型的構(gòu)建有著比較嚴(yán)格的理論基礎(chǔ)，在一定程度上可以解釋旅游需求變化的原因，能夠?yàn)橹贫糜谓?jīng)濟(jì)政策提供決策依據(jù)。文章通過建立新疆各地區(qū)旅游人數(shù)影響因素的計(jì)量模型，借鑒得到?jīng)Q定阿勒泰旅游需求的主要影響因素，對阿勒泰地區(qū)的旅游需求進(jìn)行預(yù)測。

一、阿勒泰地區(qū)旅游人數(shù)影響因素建模

結(jié)合阿勒泰地區(qū)的實(shí)際情況，本文選擇的自變量包括如下維度：旅游質(zhì)量、旅游價(jià)格、替代價(jià)格、收入、特殊事件的虛擬變量、滯后一期變量(滯后因變量和自變量)、收入的平方項(xiàng)、交叉項(xiàng)等。考慮到數(shù)據(jù)的可獲得性，因變量選取新疆14個地州和烏魯木齊市2008～2012年的旅游接待人數(shù)，經(jīng)過對模型不斷調(diào)整，最終得到模型(如表1)。

模型含有10個自變量，由表1可以看到，模型調(diào)整后R2為0.881，F(xiàn)值為80.440，F(xiàn)檢驗(yàn)通過，表明模型自變量的各個因素對阿勒泰地區(qū)的旅游人數(shù)有影響。模型的設(shè)定置信水平=5%，在此水平下,模型中自變量前的系數(shù)除去全疆高速公路里程、特殊事件(負(fù)向)兩個變量外，全部通過顯著性檢驗(yàn)，P值幾乎都為0.000，且各變量前的符號與預(yù)期相符。

A級以上旅游景區(qū)個數(shù)變量前的系數(shù)顯著為正，說明A級以上旅游景區(qū)個數(shù)作為旅游質(zhì)量的一個重要組成部分，是影響人們出游的重要因素。在其他因素不變的情況下，旅游景區(qū)質(zhì)量越好，吸引到該地的游客越多。距離與A級以上旅游景區(qū)個數(shù)的交叉項(xiàng)系數(shù)顯著為正，說明與烏魯木齊距離受到目的地A級以上旅游景區(qū)個數(shù)的正向調(diào)節(jié)。目的地A級以上旅游景區(qū)個數(shù)作為調(diào)節(jié)變量對與烏魯木齊距離這個變量施加了正向影響。盡管與烏魯木齊距離變量前的系數(shù)顯著為負(fù)，但是交叉項(xiàng)因調(diào)節(jié)變量對旅游需求的正向影響而顯示系數(shù)為正。由此可以得到旅游質(zhì)量是影響阿勒泰地區(qū)旅游業(yè)發(fā)展的重要因素，應(yīng)當(dāng)充分挖掘當(dāng)?shù)靥厣Y源，形成特色旅游產(chǎn)業(yè)鏈。

表1 模型最終結(jié)果

全疆高速公路里程變量沒有通過顯著性檢驗(yàn)。

與烏魯木齊距離變量前的系數(shù)顯著為負(fù)，說明距離是影響人們出游的一個重要因素。在其他因素不變的情況下，距離烏魯木齊越遠(yuǎn)，到該地的旅游人數(shù)越少。由此可以得到阿勒泰旅游業(yè)的健康發(fā)展需要道路交通設(shè)施的不斷完善及營造有利于游客觀光游覽等出行的便利條件。

旅游知名度前的系數(shù)顯著為正，說明目的地的知名度是影響人們出游的重要因素。在其他因素不變的情況下，目的地知名度越高，吸引到該地的游客越多。由此可以得到加強(qiáng)阿勒泰地區(qū)的宣傳力度有助于阿勒泰旅游產(chǎn)業(yè)的發(fā)展。阿勒泰地區(qū)旅游知名度的提高有賴于當(dāng)?shù)靥厣穆糜钨Y源、良好的服務(wù)水平和有效的宣傳手段。

全國人均可支配收入的平方項(xiàng)系數(shù)顯著說明人均收入對旅游業(yè)的影響是存在二次曲線相關(guān)的。新疆城鎮(zhèn)居民消費(fèi)指數(shù)變量前沒有通過顯著性檢驗(yàn)。

特殊事件通過設(shè)定兩個虛擬變量來實(shí)現(xiàn)。特殊事件(正向)指當(dāng)發(fā)生對旅游人數(shù)有推動作用的事件時，該變量取值為1，其余情況變量取值為0；特殊事件(負(fù)向)指當(dāng)發(fā)生對旅游人數(shù)有阻礙作用的事件時，該變量取值為1，其余情況變量取值為0。特殊事件基本不可預(yù)測。正向特殊事件變量前的系數(shù)顯著為正說明大型賽事等對阿勒泰地區(qū)旅游發(fā)展有促進(jìn)作用，負(fù)向特殊事件變量前的系數(shù)統(tǒng)計(jì)不顯著。

滯后一期旅游人數(shù)變量前的系數(shù)為正，說明阿勒泰地區(qū)旅游人數(shù)存在周期波動，前一期因變量會對后一期的因變量有正向影響。

二、阿勒泰地區(qū)旅游人數(shù)預(yù)測

本文采用網(wǎng)絡(luò)搜索指數(shù)合成方法對阿勒泰地區(qū)旅游人數(shù)進(jìn)行預(yù)測，所需要的阿勒泰旅游人數(shù)月度數(shù)據(jù)來自新疆阿勒泰旅游局官方統(tǒng)計(jì)網(wǎng)站，選取2011年6月到2013年9月共計(jì)27個月度數(shù)據(jù)。網(wǎng)絡(luò)搜索關(guān)鍵詞的搜索數(shù)據(jù)來源于百度指數(shù)，時間范圍限制在2011年6月到2013年9月，且對搜索數(shù)據(jù)做如下限定：搜索來自中國(包含港澳臺)，不包含國外的搜索。

首先，隨著信息技術(shù)的迅速發(fā)展，互聯(lián)網(wǎng)已經(jīng)成為消費(fèi)者獲得信息的最大平臺。利用互聯(lián)網(wǎng)搜索引擎進(jìn)行搜索已經(jīng)成為消費(fèi)者獲取信息的重要工具之一。同時，搜索引擎會將消費(fèi)者搜索信息記錄下來，這些被留存下來的信息則成為未來學(xué)術(shù)研究的重要數(shù)據(jù)來源。其次，關(guān)于旅游人數(shù)預(yù)測的方法國內(nèi)已有相當(dāng)?shù)难芯?，但這些方法主要是利用已有歷史數(shù)據(jù)進(jìn)行預(yù)測，具有較大的滯后性，預(yù)測精度會受限。隨著網(wǎng)絡(luò)技術(shù)對社會行為研究的深入，針對旅游行為的預(yù)測也加入研究的行列?；诰W(wǎng)絡(luò)搜索技術(shù)的旅游行為預(yù)測研究主要集中在網(wǎng)絡(luò)關(guān)注度與旅游客流關(guān)系的研究上。綜上，基于網(wǎng)絡(luò)搜索數(shù)據(jù)合成指數(shù)方法對新疆阿勒泰地區(qū)旅游人數(shù)進(jìn)行預(yù)測具有一定的必要性和可行性。

1.網(wǎng)絡(luò)搜索關(guān)鍵詞的選取

通過對旅游基本理論和旅游者行為分析，確立了可旅游活動六要素：從衣、食、住、行、購、娛來拓展，結(jié)合阿勒泰地區(qū)旅游的具體情況，人工選擇了“阿勒泰特色食物、阿勒泰酒店、阿勒泰農(nóng)家樂、阿勒泰特色節(jié)日、阿勒泰機(jī)場、阿勒泰汽車站、阿勒泰購物、阿勒泰娛樂”等初始關(guān)鍵詞。其次，利用百度搜索推薦關(guān)鍵詞功能,獲得相關(guān)性較大的關(guān)鍵詞，并剔除重復(fù)詞語，最終得到268個關(guān)鍵詞，并組成關(guān)鍵詞詞庫(如表2所示)。

表2 部分關(guān)鍵詞

2.指數(shù)合成

首先，計(jì)算所選定的每個關(guān)鍵詞的月度搜索量與阿勒泰地區(qū)的月度旅游人數(shù)的皮爾遜相關(guān)系數(shù)(即簡單相關(guān)系數(shù))，考慮到旅游人數(shù)與關(guān)鍵詞搜索量的時滯性，為了獲得相對穩(wěn)定的簡單相關(guān)系數(shù)，對每一關(guān)鍵詞計(jì)算7次相關(guān)系數(shù)，即通過分別計(jì)算阿勒泰旅游人數(shù)與提前0～6期(0～6個月份)的268個關(guān)鍵詞的搜索數(shù)據(jù)可以得到。為了便于關(guān)鍵詞的篩選與最終合成指數(shù)，對相關(guān)系數(shù)做如下規(guī)定：相關(guān)系數(shù)大于等于0.7的入選，相關(guān)系數(shù)小于0.7，表明關(guān)鍵詞與旅游人數(shù)的線性相關(guān)性不強(qiáng)，所以暫不考慮。表3為42個相關(guān)系數(shù)大于0.7的關(guān)鍵詞及滯后期數(shù)，指數(shù)合成關(guān)鍵詞如下：

表3說明阿勒泰地區(qū)旅游人數(shù)與多數(shù)關(guān)鍵詞滯后0、1、2期的搜索指數(shù)存在較強(qiáng)的相關(guān)性。說明從整體來看，游客一般會在出行前當(dāng)月或者提前一個月來搜索相關(guān)信息。

從選定的42個關(guān)鍵詞中運(yùn)用錯位相加的方法，通過相關(guān)系數(shù)選擇與旅游人數(shù)關(guān)聯(lián)性最強(qiáng)的關(guān)鍵詞，進(jìn)而合成指數(shù)用以對阿勒泰地區(qū)的月度旅游人數(shù)進(jìn)行預(yù)測。具體來講，就是基于各個關(guān)鍵詞0～6期最大的簡單相關(guān)系數(shù)確定每一個關(guān)鍵詞的滯后期數(shù)，不斷選取最大相關(guān)系數(shù)的關(guān)鍵詞，對原始的、全部確定好的滯后搜索數(shù)據(jù)進(jìn)行錯位，采用擬合程度最高的關(guān)鍵詞選取方法最終合成指數(shù)(如表4所示)，選定10個關(guān)鍵詞，擬合程度達(dá)到96.57%。

表3 關(guān)鍵詞相關(guān)系數(shù)及滯后期數(shù)

表4 指數(shù)合成步驟

從圖1可以直觀看到，2012年5月到2013年9月共計(jì)17個月度阿勒泰旅游人數(shù)與關(guān)鍵詞的合成指數(shù)存在趨勢一致性(峰值和低值出現(xiàn)月份一致)。因此，通過錯位相加自動篩選關(guān)鍵詞合成指數(shù)的方法預(yù)測阿勒泰地區(qū)旅游人數(shù)具有較強(qiáng)的實(shí)踐性。

三、預(yù)測結(jié)果

利用合成指數(shù),建立阿勒泰旅游人數(shù)的時間序列模型，根據(jù)此模型預(yù)測得到阿勒泰地區(qū)2013年9～12月的旅游人數(shù)月度數(shù)據(jù)。

首先，因?yàn)楸唤忉屪兞柯糜稳藬?shù)與解釋變量合成指數(shù)都是時間序列數(shù)據(jù)，因此，在建立模型之前我們需要對兩列數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn),避免模型最終出現(xiàn)偽回歸現(xiàn)象。本文采用AugmentedDickey-Fuller(ADF)單位根檢驗(yàn)。該檢驗(yàn)的原假設(shè)是該序列至少有一個單位根，即序列是不平穩(wěn)的；拒絕原假設(shè)意味著該序列是平穩(wěn)序列(檢驗(yàn)結(jié)果如表5所示)。

表5 變量的平穩(wěn)性檢驗(yàn)

從表5可以看到，變量y(旅游人數(shù))和x(合成指數(shù))在5%的顯著性水平下拒絕原假設(shè)，通過了單位根檢驗(yàn)，即旅游人數(shù)和合成指數(shù)是平穩(wěn)序列，因此，可直接建立時間序列模型。

其次，以旅游人數(shù)為被解釋變量，以滯后一期的旅游人數(shù)、合成指數(shù)為自變量，建立回歸模型(結(jié)果如表6)。

表6 模型結(jié)果

由表6可以看到，模型整體通過F檢驗(yàn)，F(xiàn)-statistic為0.000，自變量x和y(-1)全部通過t檢驗(yàn)，R2達(dá)到0.9151。整體來看，模型擬合效果較好。

最后,以2013年9～12月數(shù)據(jù)為檢驗(yàn)數(shù)據(jù),根據(jù)已得到的模型對該時段阿勒泰旅游人數(shù)進(jìn)行預(yù)測(結(jié)果如表7所示)。

由表7可看到，指數(shù)合成和ARMA(1，1)兩種模型結(jié)果相比較而言，指數(shù)合成方法計(jì)算得到的平均誤差率為9.9%，小于ARMA(1，1)的平均誤差率12.9%。雖然指數(shù)合成方法的平均誤差率略低，但就絕對值而言，指數(shù)合成計(jì)算得到的平均誤差率依然偏高，原因是多方面的。

表7 兩種模型結(jié)果對比表

四、結(jié)論

首先，建立有關(guān)阿勒泰地區(qū)旅游影響因素的計(jì)量模型。該模型包括因變量——阿勒泰地區(qū)旅游人數(shù)和10個自變量。模型結(jié)果表明自變量前的系數(shù)除全疆高速公路里程、特殊事件(負(fù)向)兩個變量外，都通過顯著性檢驗(yàn)，P值幾乎都為0.000，且各變量前的符號與預(yù)期相符。因此，從挖掘當(dāng)?shù)芈糜尉皡^(qū)潛力、發(fā)展特色旅游、提高服務(wù)水平、改善基礎(chǔ)設(shè)施環(huán)境、實(shí)現(xiàn)旅游業(yè)“一條龍服務(wù)”幾個維度出發(fā)，有助于阿勒泰旅游業(yè)形成較為完整的產(chǎn)業(yè)鏈，實(shí)現(xiàn)可持續(xù)發(fā)展。

其次，建立阿勒泰地區(qū)旅游人數(shù)的預(yù)測模型。本文采用網(wǎng)絡(luò)搜索指數(shù)合成的方法，充分考慮社會行為對需求預(yù)測的影響，較之傳統(tǒng)的時間序列模型，如ARMA等預(yù)測精度有一定的改進(jìn)。盡管如此，模型的擬合結(jié)果有待于進(jìn)一步改善。一是關(guān)鍵詞的選取需更加準(zhǔn)確，可擴(kuò)大關(guān)鍵詞的選詞范圍。本文42個關(guān)鍵詞中僅有5個關(guān)鍵詞與旅游人數(shù)的相關(guān)系數(shù)超過90%，有18個超過80%，總體來說，關(guān)鍵詞的相關(guān)性并不是非常好。二是對游客去往國內(nèi)旅游目的地而言，通常游客會在出行前一個月對目的地相關(guān)信息進(jìn)行檢索，也就是說滯后期為0，這點(diǎn)也可以從關(guān)鍵詞相關(guān)系數(shù)即滯后期看到，滯后期為0的關(guān)鍵詞占有較大比例，這就使得本文使用網(wǎng)絡(luò)搜索合成指數(shù)方法時不能充分利用歷史數(shù)據(jù)，使用該方法對旅游人數(shù)進(jìn)行預(yù)測會影響預(yù)測精度。三是應(yīng)用時間序列模型，需要較長時期的數(shù)據(jù)以保證歷史信息能夠充分利用，獲得較高的預(yù)測精度。如果能夠獲得阿勒泰地區(qū)旅游人數(shù)的周數(shù)據(jù)或日數(shù)據(jù)，最終擬合結(jié)果應(yīng)該具有更高的精確度。

BurgerC.,DohnalM.,KathradaM.,etal.,APractitionersGuidetoTime-seriesMethodsforTourismDemandforEcasting-ACaseStudyofDurban,SouthAfrica,TourismManagement,2001,22(4).

Lim Christine,McAleer Michael,Time Series Forecasts of International Travel Demand for Australia,TourismManagement,2002,23.

李山、邱榮旭、陳玲：《基于百度指數(shù)的旅游景區(qū)網(wǎng)絡(luò)空間關(guān)注度：時間分布及其前兆效應(yīng)》，《地理與地理信息科學(xué)》2009年第6期。

馬麗君、孫根年、黃蕓瑪?shù)龋骸冻鞘袊鴥?nèi)客流量與游客網(wǎng)絡(luò)關(guān)注度時空相關(guān)分析》，《經(jīng)濟(jì)地理》2011年第4期。

龍茂興、孫根年、馬麗君等：《區(qū)域旅游網(wǎng)絡(luò)關(guān)注度與客流量時空動態(tài)比較分析——以四川為例》，《地域研究與開發(fā)》2011年第3期。

孫毅、呂本富：《網(wǎng)絡(luò)搜索與經(jīng)濟(jì)行為相關(guān)性研究》，《管理評論》2011年第7期。

責(zé)任編輯：王慧君

F592.745

A

1009-5330(2016)06-0046-06

李莼，中國科學(xué)院大學(xué)經(jīng)濟(jì)與管理學(xué)院管理學(xué)博士(北京 100190)、新疆污染物監(jiān)控與信息中心(新疆烏魯木齊 830000)；曹艷姣，中國科學(xué)院大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士生；呂本富，中國科學(xué)院大學(xué)經(jīng)濟(jì)與管理學(xué)院教授(北京 100190)。