入境旅游數(shù)據(jù)的季節(jié)調(diào)整方法研究

孟文強

（1.山東科技大學(xué)經(jīng)濟管理學(xué)院，山東青島266590；2.山東大學(xué)經(jīng)濟學(xué)院，濟南250100）

理論新探

入境旅游數(shù)據(jù)的季節(jié)調(diào)整方法研究

孟文強1,2

（1.山東科技大學(xué)經(jīng)濟管理學(xué)院，山東青島266590；2.山東大學(xué)經(jīng)濟學(xué)院，濟南250100）

X-13ARIMA-SEATS是美國普查局最新的季節(jié)調(diào)整程序，能夠處理異常值和邊界值的問題，并能夠考慮不同國家經(jīng)濟數(shù)據(jù)的移動假日效應(yīng)和交易日效應(yīng)的特殊情況。該程序的最大優(yōu)點在于既能考慮數(shù)據(jù)隨機性特征，又能充分反映確定的經(jīng)濟意義。文章運用該方法所具有的預(yù)調(diào)整功能，充分考慮中國特殊的移動假日因素，探索入境游數(shù)據(jù)的預(yù)處理方法。分析我國旅游業(yè)入境游數(shù)據(jù)的季節(jié)調(diào)整因子的經(jīng)濟意義，研判我國旅游業(yè)入境游的發(fā)展趨勢、季節(jié)性變化規(guī)律和重要的臨界點。

入境游；季節(jié)調(diào)整；趨勢；節(jié)日效應(yīng)；交易日效應(yīng)

0 引言

旅游業(yè)發(fā)展受到明顯的季節(jié)影響和突發(fā)事件的影響，相應(yīng)帶來宏觀經(jīng)濟的波動，宏觀經(jīng)濟的波動又會帶來旅游業(yè)的波動。既有文獻(xiàn)多分析了宏觀經(jīng)濟波動對旅游業(yè)發(fā)展的影響（喬寧寧，2013）。本文考察的對象為旅游業(yè)入境總?cè)藬?shù)，該時間序列數(shù)據(jù)存在明顯的季節(jié)效應(yīng)。季節(jié)性是指時間序列數(shù)據(jù)在若干年內(nèi)重復(fù)出現(xiàn)以年為單位的具有規(guī)律的某種特性。未經(jīng)季節(jié)調(diào)整的入境游人數(shù)數(shù)據(jù)具有以下缺陷：一是盡管仍然能夠較直觀地辨別長期趨勢，但是不能夠準(zhǔn)確地發(fā)現(xiàn)趨勢轉(zhuǎn)折的臨界點；二是因為同比變化往往會受到基數(shù)影響，這更為需要環(huán)比的數(shù)據(jù)。但是未經(jīng)季節(jié)調(diào)整的相鄰時期數(shù)據(jù)易受到季節(jié)因素的影響，所以難以進(jìn)行環(huán)比的測算；三是在實際應(yīng)用中，往往需要針對季節(jié)變動規(guī)律制定相應(yīng)的政策，以起到削峰填谷的作用，分離識別這種季節(jié)變動規(guī)律成為當(dāng)務(wù)之急；四是缺少季節(jié)調(diào)整，則較難把握產(chǎn)業(yè)周期變動規(guī)律以及異常沖擊對產(chǎn)業(yè)發(fā)展的影響。基于以上原因，對于旅游業(yè)入境人數(shù)的季節(jié)調(diào)整研究具有理論和實際應(yīng)用價值。

1 X-13ARIMA-SEATS方法

X-13ARIMA-SEATS是美國普查局最新的季節(jié)調(diào)整程序，最早版本源于美國普查局的shiskin在1954年開發(fā)的普查局一號模型，先后經(jīng)歷了X-0，X-1等13個版本。它的前一個版本為X-12ARIMA，核心為基于移動平均的非參數(shù)方法。目前，美國普查局各部門實際工作正全面轉(zhuǎn)向這一新版本。新版本吸收了西班牙銀行的Victor Gó mez和Agustí n Maravall 的SEATS季節(jié)調(diào)整過程，增加了基于估計參數(shù)的ARIMA模型季節(jié)分解法，以方便使用者比較兩種方法的結(jié)果。X-13ARIMA-SEATS由兩模塊組成，一是regARIMA建模，通過回歸變量估計時間序列數(shù)據(jù)的節(jié)日效應(yīng)和工作日效應(yīng)，去掉離群值、暫時的數(shù)據(jù)沖擊，更為重要的是可以實現(xiàn)時間序列數(shù)據(jù)前向和后向的預(yù)測，以便為季節(jié)調(diào)整提供足夠的序列外端數(shù)據(jù)。這種對時間序列數(shù)據(jù)的前后向擴展，在該程序發(fā)展史上是一項重要的技術(shù)突破；另外一個模塊則是季節(jié)調(diào)整模塊，既包括增強的X-11季節(jié)調(diào)整模塊，也包括該版本新增加的SEATS模塊，季節(jié)調(diào)整模塊是該程序的核心內(nèi)容。增強的X-11季節(jié)調(diào)整模塊新增滑移區(qū)間檢測程序，以檢測季節(jié)調(diào)整結(jié)果的穩(wěn)定性；對給定的季節(jié)調(diào)整時間序列，可以根據(jù)不同序列長度假定提供季節(jié)調(diào)整結(jié)果的修訂歷史，也可反映季節(jié)調(diào)整的穩(wěn)定性；新的Handerson趨勢濾波程序，允許使用者自行選擇任意奇數(shù)作為Handerson趨勢濾波的時間長度。Handerson趨勢濾波是一種中心化移動平均濾波方法，時間序列數(shù)據(jù)經(jīng)過季節(jié)調(diào)整后，可采用Handerson趨勢濾波獲取數(shù)據(jù)趨勢成分，以往版本要求使用者在長度9、13和23之間進(jìn)行選擇；針對時間序列中的不規(guī)則成分，增加了異常值檢測的新選項；提供了一種偽加的季節(jié)調(diào)整模式。這是在傳統(tǒng)乘法、加法、對數(shù)可加之外的第四種分解方法。其分解公式如下（在X11方法中，趨勢成分包含了周期成分）：

其中，Tt代表趨勢成分，St代表季節(jié)成分，It代表不規(guī)則成分。

季節(jié)調(diào)整的SEATS方法屬于以ARIMA模型為基礎(chǔ)的信號提取方法。這種季節(jié)分解方法假定趨勢、季節(jié)、周期和不規(guī)則四種成分均正交，各成分不含有噪音（不規(guī)則成分除外），而且每一成分具有ARIMA模型的結(jié)構(gòu)。為了把四種成分分解出來，需要采取頻域分析的方法。圖1為X-13ARIMA-SEATS季節(jié)調(diào)整過程。

圖1 X-13AR|MA-SEATS季節(jié)調(diào)整過程

2 數(shù)據(jù)來源與季節(jié)調(diào)整方法

本文中的數(shù)據(jù)來自中經(jīng)網(wǎng)產(chǎn)業(yè)數(shù)據(jù)庫的旅游入境總?cè)藬?shù)月度數(shù)據(jù)，時間跨度為1998年1月至2015年12月，數(shù)據(jù)長度18年，時序圖如圖2所示。從圖2可以清楚的看到，其中，1998—2008年入境總?cè)藬?shù)持續(xù)呈上升態(tài)勢，2008年以后總?cè)藬?shù)上升受阻，呈現(xiàn)徘徊不前狀態(tài)。同時，可以在圖中觀察到明顯的季節(jié)變動，而且這種季節(jié)變動表現(xiàn)出一定的穩(wěn)定性。但是，在沒有季節(jié)調(diào)整之前，從直觀很難準(zhǔn)確界定這一季節(jié)變動規(guī)律特征。由于季節(jié)性的影響，也很難準(zhǔn)確找到由上升趨勢到橫向趨勢變化的臨界點，或及時剝離暫時性沖擊的影響。

圖2 1998—2015年入境游總?cè)藬?shù)月度數(shù)據(jù)

季節(jié)調(diào)整的目標(biāo)即把時間序列中的趨勢（trend,簡稱T）、季節(jié)性（S）、周期性（C）和不規(guī)則成分(I)分解開。以下分兩個階段介紹預(yù)調(diào)整、季節(jié)調(diào)整的方法：

第一階段預(yù)調(diào)整regARIMA模型的基本方程如下：

式中，B代表滯后算子，S是季節(jié)長度，d和D分別為非季節(jié)和季節(jié)差分階數(shù)，φ(B)=1-φ1B-…-φPBp是非季節(jié)性的自回歸（AR）算子，Θ(BS)=1-Θ1BS-…-ΘPBPS是季節(jié)性的自回歸（AR）算子，θ(B)=1-θ1B-…-θqBq是非季節(jié)性的移動平均（MA）算子，Θ(BS)=1-Θ1BS-…-ΘPBPS，其中εt是滿足獨立同分布的均值為0，方差為σ2的白噪聲。yt即所研究的觀察值序列，xit為回歸變量，包括下面要提到的交易日效應(yīng)變量、移動假日效應(yīng)變量等。

主要回歸變量包括：

（1）交易日效應(yīng)變量

交易日效應(yīng)指由于不同年份同一月內(nèi)星期一（或周二…）的總出現(xiàn)次數(shù)不同帶來的影響，工作日效應(yīng)則是表征一月內(nèi)工作日與非工作日數(shù)量對時間序列變量數(shù)值大小帶來的影響?？捎?個對比變量來表示交易日效應(yīng)：

T1，t=(星期一天數(shù))-(星期日天數(shù))，...，T6，t=(星期六天數(shù))-(星期日天數(shù))

也可認(rèn)為工作日對經(jīng)濟活動的影響與非工作日不同，但工作日中的每天影響均相同，因而針對工作日和非工作日分別設(shè)定一個變量。

（2）移動假日效應(yīng)變量

與其他經(jīng)濟數(shù)據(jù)相比，旅游數(shù)據(jù)與假日的關(guān)系可能更為緊密。對于類似五一、十一的固定假期可以用固定假日引入預(yù)調(diào)整過程。

在時間序列季節(jié)調(diào)整過程中，消除包括春節(jié)、清明、端午、中秋在內(nèi)的移動假日的影響是一個重要問題。國內(nèi)已有的研究，大多借鑒美國普查局的復(fù)活節(jié)模型。如齊東軍（2004）、張鳴芳等（2004），假定春節(jié)對入境游的影響主要發(fā)生在春節(jié)的20天之前，并且每天的影響力相同。舉例說明，設(shè)計一個影響變量P(t)，其中t代表月份，P(t)代表春節(jié)對t月份的影響大小。假設(shè)春節(jié)為2月10號計算，春節(jié)前的20天落在1月份的天數(shù)為11天，落在2月份的天數(shù)為9天，則可以計算出P(1)=11/20=0.55，P(2)=9/20=0.45，其他月份的P值均取0。本文參考賈淑梅（2005）、欒惠德（2007）的方法，把春節(jié)的影響劃分為春節(jié)前、春節(jié)區(qū)間和春節(jié)后三個階段，春節(jié)前和春節(jié)后均選取0、7、10、15四種取值，根據(jù)優(yōu)化試算確定了春節(jié)前和春節(jié)后的影響區(qū)間，即節(jié)前、節(jié)中和節(jié)后區(qū)間的長度分別為15，0，15。

（3）離群值

在X-13ARIMA-SEATS中，用四種其他的回歸變量來處理時間序列的離群值，包括：附加離群值點AOs（Additive Outliers）、水平漂移LSs（Level Shifts）、暫時變化TCs（Temporary Changes）和季節(jié)離群值SOs（Seasonal Outliers）、斜線（ramps）、暫時的水平漂移（TLs）。附加離群值點是指某一個數(shù)據(jù)點的上下變化，僅影響一個觀察值；水平漂移是指數(shù)據(jù)漂移到一個新的水平；季節(jié)離群值是指季節(jié)模式中的突然的水平變化。斜線是指在一個特定的時間間隔內(nèi)，運行時間序列一個線性的增加或減少；暫時變化是指某點在短時間內(nèi)數(shù)據(jù)發(fā)生變化，然后回到原來的路徑或水平。

第二個階段是關(guān)于季節(jié)調(diào)整部分。

以X11方法為例，一般社會經(jīng)濟數(shù)據(jù)采用乘法模型，即Zt=CtStIt，其中，，分為以下三個步驟：

第一步通過2×12即13階中心化移動平均來初步估計趨勢—循環(huán)成分（以下上標(biāo)1代表第一步）：按乘法公式計算季節(jié)和不規(guī)則成分：

采用跨年度逐月3×3移動平均初步估計季節(jié)因子（指數(shù)）：

季節(jié)指數(shù)標(biāo)準(zhǔn)化：

則估計季節(jié)調(diào)整后的序列為：

第二步，用13項Henderson移動平均對上一步調(diào)整后的序列估計趨勢—循環(huán)成分。上一步調(diào)整后，序列季節(jié)性已經(jīng)較小。

則季節(jié)不規(guī)則成分為：采用跨年度逐月3×5移動平均估計季節(jié)因子（指數(shù)）：

采用與第一步相同方法進(jìn)行標(biāo)準(zhǔn)化，得到最終季節(jié)因子（指數(shù)）：

則估計季節(jié)調(diào)整后的序列為：

用2n+1項Henderson移動平均對調(diào)整后的序列估計趨勢—循環(huán)成分：

則時間序列剩余成分為不規(guī)則成分：

3 旅游入境人數(shù)的季節(jié)調(diào)整實證

為了防止異方差性帶來的影響，對入境游數(shù)據(jù)取自然對數(shù)。圖3中橫坐標(biāo)為頻率，縱坐標(biāo)反映該頻率的相對重要程度。可以發(fā)現(xiàn)，在以12月為周期，頻率1/12=0.083的整數(shù)倍處存在譜尖峰，證實存在明顯的月度季節(jié)周期。對比圖3和圖4可以發(fā)現(xiàn)，季節(jié)調(diào)整后該頻率處的尖峰消失。

圖3 季節(jié)調(diào)整前序列頻譜圖

圖4 季節(jié)調(diào)整后的序列頻譜圖

五一、十一作為固定假日，對入境游人數(shù)的影響已經(jīng)納入到了季節(jié)差分中，可以不再單獨考慮。因為春節(jié)是最重要民族假日，而且每年春節(jié)的時間不固定，基本在1月21日至2月20日之間。為了分析移動假日春節(jié)對入境旅游的影響，美國普查局為了滿足非美國家在季節(jié)調(diào)整時處理移動假日效應(yīng)的需要，設(shè)計了genhol工具程序，以建立春節(jié)假日的回歸變量。genhol把移動假日的影響區(qū)分為節(jié)日前、節(jié)日期間和節(jié)日后三個區(qū)段，在程序中給定三個區(qū)段的時間長度，即可以自動計算得到相應(yīng)的回歸變量。對三個區(qū)段的時間長度，可以根據(jù)各種診斷工具來確定最優(yōu)的時間長度，例如AIC準(zhǔn)則。本文單獨設(shè)計了春節(jié)回歸變量。春節(jié)效應(yīng)的影響區(qū)間長度，采用了賈淑梅（2005）提出的區(qū)間長度，設(shè)計為春節(jié)前15天，春節(jié)期間無影響，春節(jié)后15天。假設(shè)節(jié)前變量為preholidayt，下標(biāo)t為該變量對應(yīng)的月份，其取值可按如下方法計算：如果當(dāng)年的春節(jié)為2月7日，則春節(jié)前15天中落入2月份的為6天，在1月份的為9天，對應(yīng)的2月份，1月份變量值，其他月份的該變量值均為0。節(jié)后變量也采用類似的方法計算。

采用X11法回歸結(jié)果如圖5所示：

圖5 原始序列、季節(jié)調(diào)整后序列與趨勢

由圖5可以發(fā)現(xiàn)：1998—2015年18年中，月入境游人數(shù)從508萬上升到1171萬，總量翻了一番。尤其在1998—2008年十年間呈現(xiàn)出直線上升趨勢。與原始時間序列相比，經(jīng)季節(jié)調(diào)整后的序列與分離出來的趨勢序列能較好的反映入境游的變動趨勢，2003年非典期間原始序列中顯示出入境游人數(shù)的突然大幅下降，但在趨勢序列中，這一突發(fā)事件并未帶來較大影響。次貸危機帶來的影響明顯超過非典，2007年至2009年下半年，入境游趨勢序列展現(xiàn)出了深幅的回調(diào)，然后在2012年初又回到2007年初水平，然后再次深幅回調(diào)，2014年重回上升通道。18年中，入境游數(shù)據(jù)與宏觀經(jīng)濟的波動狀況高度吻合。經(jīng)過季節(jié)調(diào)整后的數(shù)據(jù)和趨勢序列可以清楚發(fā)現(xiàn)2007年11月是入境游趨勢轉(zhuǎn)換的臨界點，也預(yù)示了宏觀經(jīng)濟波動的臨界點，通過入境游數(shù)據(jù)揭示的這一時間點遠(yuǎn)遠(yuǎn)提前很多宏觀經(jīng)濟先行指標(biāo)所能指示的轉(zhuǎn)折點。

圖6 1998—2015年的季節(jié)因素和S|比例

圖6中，橫線表示1998—2015年該月份的平均水平，曲線顯示特定月份在每一年的變動情況。由圖6可以發(fā)現(xiàn)，2月、7月和8月的季節(jié)因素離散程度較大，4月和6月的季節(jié)因素相當(dāng)穩(wěn)定。全年旅游季節(jié)景氣大致可以分為四個層級，第一層級是4月、8月和10月，季節(jié)影響使得入境人數(shù)要比平均水平高出40～60萬人。第二個層級為3月、7月和12月，旅游季節(jié)因素帶來15～25萬人左右的客流；第三個層級為1月、5月、6月、9月和11月，旅游景氣平均低25萬人左右；第四個層級是2月，比平均水平低125萬人左右。究其原因，氣候、假期、宗教等因素均有影響。

圖7 2016年季節(jié)調(diào)整比例預(yù)測

圖7為根據(jù)最后兩期的季節(jié)因子，通過簡單的線性投影，得到2016年的季節(jié)因子預(yù)測?？梢钥闯?，2016年旅游入境游季節(jié)特征明顯。其中，2月是全年最低點，隨后快速上升，3月是全年入境旅游高峰。6月、9月、11月都呈現(xiàn)階段低點，10月、12月均呈現(xiàn)出階段高點?？傮w來看，6月后，入境游季節(jié)性呈現(xiàn)回升的態(tài)勢。

1998—2015 年旅游入境游數(shù)據(jù)識別出5個離群值，一個是2003年3月、4月、6月、8月，屬于Level shift類型。在正常年份3月份旅游入境游應(yīng)當(dāng)復(fù)蘇，由于2003年受到“非典”的影響，出現(xiàn)了一個離群值；另一個是2008年4月，屬于Level shift，基本來源于次貸危機影響。

X-13ARIMA-SEATS中的M1-M11和Q統(tǒng)計量可以反映季節(jié)調(diào)整的質(zhì)量，當(dāng)M1-M11的值全部小于1時，季節(jié)調(diào)整的結(jié)果可以接受。其中，M1-M3均反映不規(guī)則成分占比，如果不規(guī)則成分占比較大，則會使得季節(jié)成分提取質(zhì)量較差。如果模型誤差項是白噪聲過程，k階自相關(guān)系數(shù)=0，則Q值很小。由表1可知，各統(tǒng)計量的值均小于1，因而，本文接受季節(jié)調(diào)整的結(jié)果。

表1 季節(jié)調(diào)整的M1-M11統(tǒng)計量、Q統(tǒng)計量

在預(yù)調(diào)整中，對于春節(jié)效應(yīng)變量回歸的顯示，t值分別為2.15和-1.54，顯示春節(jié)前效應(yīng)顯著，春節(jié)前變量的系數(shù)β1=17.17，春節(jié)后變量的β2=-20.8357，顯示出春節(jié)前變量對旅游入境游的影響為正向，春節(jié)后變量則為負(fù)向。即春節(jié)前傾向于入境人數(shù)增加，春節(jié)后傾向于入境人數(shù)下降。另外，由于入境游與客源國風(fēng)俗、節(jié)日、假期關(guān)系密切，交易日效應(yīng)方面，針對工作日和周末分別設(shè)定一個變量，回歸結(jié)果顯示工作日變量系數(shù)為-1.1118，周末變量系數(shù)為2.7796，顯示工作日越多，該月入境游人數(shù)越少，而周末天數(shù)則與入境游人數(shù)成正比。表2反映交易日效應(yīng)對入境游人數(shù)的整體解釋能力，如表2所示交易日效應(yīng)對入境人數(shù)具有一定影響力，顯示在預(yù)調(diào)整中納入交易日效應(yīng)非常有必要。

表2 交易日效應(yīng)的回歸結(jié)果

采用滑移區(qū)間檢驗季節(jié)調(diào)整的穩(wěn)定性，結(jié)果發(fā)現(xiàn)除3月以外，全年各月的最大誤差均低于1%，3月的最高值也僅有1.67%，滿足季節(jié)調(diào)整穩(wěn)定性的要求。

4 結(jié)論

由以上分析可以得到以下結(jié)論：

（1）入境游人數(shù)與宏觀經(jīng)濟波動之間關(guān)系密切，入境游數(shù)據(jù)趨勢臨界點領(lǐng)先于很多宏觀經(jīng)濟的先行指標(biāo)所揭示的轉(zhuǎn)折點，對入境游數(shù)據(jù)的分析有助于把握宏觀經(jīng)濟波動規(guī)律。季節(jié)調(diào)整方法可以分解入境游序列的趨勢、季節(jié)性、周期性和不規(guī)則成分，有助于準(zhǔn)確識別其趨勢變動的臨界點，季節(jié)變化的規(guī)律和周期性；

（2）采用頻譜分析法，可以發(fā)現(xiàn)入境游數(shù)據(jù)在季節(jié)周期頻率處存在尖峰，即具有較強的季節(jié)性。與季節(jié)調(diào)整后的頻譜圖比較，季節(jié)調(diào)整后，在周期頻率處的譜尖峰消失，顯示季節(jié)調(diào)整去季節(jié)性效果明顯；

（3）對1998—2015年入境游人數(shù)季節(jié)性的分析得到，全年旅游季節(jié)景氣大致可以分為四個層級，第一層級是4月、8月、10月，季節(jié)影響使得入境人數(shù)要比平均水平高出40～60萬人。第二個層級為3月、7月和12月，旅游季節(jié)因素帶來15～25萬人左右的客流；第三個層級為1月、5月、6月、9月和11月，旅游景氣平均低25萬人左右；第四個層級是2月，比平均水平低125萬人左右。究其原因，氣候、假期、宗教等因素均有影響；

（4）根據(jù)歷史數(shù)據(jù)，2016年旅游入境游季節(jié)特征明顯。其中，2月是全年最低點，隨后快速上升，3月是全年入境旅游高峰。6月、9月和11月都呈現(xiàn)階段低點，10月、12月均呈現(xiàn)出階段高點?？傮w來看，6月后，入境游季節(jié)性呈現(xiàn)回升的態(tài)勢；

（5）國內(nèi)節(jié)日和國外節(jié)日對入境游人數(shù)均會產(chǎn)生影響，以春節(jié)為例，春節(jié)前變量對旅游入境游的影響為正向，春節(jié)后變量則為負(fù)向。即春節(jié)前傾向于入境人數(shù)增加，春節(jié)后傾向于入境人數(shù)下降；

（6）基于M1-M11和Q檢驗表明，本文的季節(jié)調(diào)整質(zhì)量較好?；诨茀^(qū)間檢驗，本文的季節(jié)調(diào)整具有較強的穩(wěn)定性；

（7）入境游受宏觀經(jīng)濟波動、突發(fā)事件影響明顯。1998年東南亞金融危機、2003年非典、2007年底的次貸危機均對我國旅游業(yè)入境游產(chǎn)生影響，前兩者均未影響我國旅游入境游的上升趨勢。但2007年以來的次貸危機的影響明顯超過前兩次，值得重視和主動應(yīng)對。

[1]Findley D F,Monsell B C,Bell W R,et al.New Capabilities and Methods of the X-12-ARIMA Seasonal-Adjustment Program[J].Journal of Business&Economic Statistics,1998,16,(2).

[2]Lim C,McAleer M.Monthly Seasonal Variations:Asian Tourism to Australia[J].Annals of Tourism Research,2001,28(1).

[3]Koc E,Altinay G.An Analysis of Seasonality in Monthly Per Person Tourist Spending in Turkish Inbound Tourism From A Market Segmentation Perspective[J].Tourism Management,2007,28,(1).

[4]Nadal J R,Font A R,Rosselló A S.The Economic Determinants of Seasonal Patterns[J].Annals of Tourism Research,2004,31,(3).

[5]黃福才,蔡從燕.中國大陸入境旅游業(yè)中臺灣客源市場的特征和走向[J].廈門大學(xué)學(xué)報:哲學(xué)社會科學(xué)版,1997,(3).

[6]李景宜,周旗.區(qū)域入境旅游業(yè)競爭力比較研究[J].地理學(xué)與國土研究,2002,(3).

[7]劉媛媛.中國入境旅游業(yè)的市場需求分析及預(yù)測[D].武漢：武漢大學(xué)學(xué)位論文，2005.

[8]齊東軍.季節(jié)調(diào)整方法在貨幣供應(yīng)量中的應(yīng)用[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2004,(6).

[9]喬寧寧,陳建寶.宏觀經(jīng)濟波動對我國入境旅游發(fā)展的影響分析[J].旅游學(xué)刊,2013,(2).

[10]中國人民銀行調(diào)查統(tǒng)計司.時間序列X-12-ARIMA季節(jié)調(diào)整—原理與方法[M].北京：中國金融出版社，2006.

[11]張鳴芳,項燕霞,齊東軍.居民消費價格指數(shù)季節(jié)調(diào)整實證研究[J].財經(jīng)研究,2004,30(3).

（責(zé)任編輯/亦民）

Research on the Seasonal Adjustment of Inbound Tourism Data

Meng Wenqiang1,2
(1.College of Economics and Management，Shandong University of Science and Technology,Qingdao Shandong 266590，China; 2.School of Economics，Shandong University，Jinan 250100，China)

X-13ARIMA-SEATS,the U.S.Census Bureau's latest seasonal adjustment program,is able to handle abnormal value,boundary value problems,as well as such exceptional cases as economic data of different countries’holiday effect and trading day effect.The program's biggest advantage is that it not only considers the randomness characteristics of the data,but also fully reflects determinate economic significance.This paper fully considering China's special holiday factor,adopts the preset adjustment function of this method and explores the data preprocessing method.The paper also studies and judges China's inbound tourism development tendency,seasonal changing rule and the critical point by analyzing the seasonal adjustment factors of China's inbound tourism data.

inbound tourism;seasonal adjustment;trend;holiday effect;trading day effect

C81;F590

A

1002-6487（2016）11-0005-05

國家社會科學(xué)基金年度項目（15BJY070）；教育部人文社會科學(xué)研究規(guī)劃基金資助項目（14YJAZH057）；中國博士后科學(xué)基金資助項目（2013M530310）；山東省高等學(xué)校優(yōu)秀骨干教師國際合作培養(yǎng)資金資助項目

孟文強（1973—），男，山東濟寧人，博士，副教授，研究方向：產(chǎn)業(yè)經(jīng)濟。