危機(jī)事件對(duì)我國入境旅游規(guī)模的影響研究
——基于TBTL-IA組合模型

(華南理工大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院,廣東 廣州 510000)

危機(jī)事件對(duì)我國入境旅游規(guī)模的影響研究
——基于TBTL-IA組合模型

駱妙璇,吳浩存

(華南理工大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院,廣東 廣州 510000)

建立TBTL-IA組合模型,定量分析1998年以來發(fā)生的五大危機(jī)事件對(duì)我國入境旅游規(guī)模的影響,并對(duì)2016—2018年入境旅游人數(shù)進(jìn)行預(yù)測。結(jié)果表明:①我國入境旅游發(fā)展經(jīng)歷了一個(gè)長周期和三個(gè)短周期,受四季交替和節(jié)假日的影響,入境旅游具有季節(jié)波動(dòng)性。②SARS事件的影響期為15個(gè)月,造成損失量1385.60萬人次；汶川大地震、北京奧運(yùn)會(huì)管制屬于短期事件,影響期為1—2個(gè)月,造成損失量59.08萬人次和139.56萬人次。全球金融危機(jī)的影響期為16個(gè)月,造成損失量811.79萬人次。后金融危機(jī)調(diào)整期的影響從2012年7月至今,造成損失2699.36萬人次。③模型的擬合效果和預(yù)測效果均優(yōu)于傳統(tǒng)模型,預(yù)計(jì)2016年、2017年、2018年入境旅游人數(shù)分別為1.39億人次、1.45億人次、1.54億人次。

中國;入境旅游人數(shù);組合模型;危機(jī)事件

中國旅游業(yè)發(fā)展起始于入境旅游,入境旅游在旅游業(yè)中占據(jù)重要地位[1]。國家統(tǒng)計(jì)局發(fā)布的《中華人民共和國2016年國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》(簡稱《統(tǒng)計(jì)公報(bào)》)指出,2016年入境游客1.38億人次,比去年增長3.5%;國際旅游收入1200億美元,比去年增長5.6%。這些數(shù)據(jù)表明我國入境旅游正穩(wěn)步發(fā)展。然而入境旅游對(duì)外部環(huán)境具有敏感性,其發(fā)展受公共衛(wèi)生事件、自然災(zāi)害事件、地理環(huán)境、恐怖襲擊等不可控因素,以及經(jīng)濟(jì)政治因素、慶典事件等可控因素的影響。自1998年以來,我國入境旅游先后受到多起危機(jī)事件的影響——2003年的SARS事件、2008年的汶川大地震、北京奧運(yùn)會(huì)管制、2008—2009年的全球金融危機(jī)、2012年至今的后金融危機(jī)調(diào)整期,受SARS事件、全球金融危機(jī)的影響尤為深刻。鑒于入境旅游在旅游業(yè)中的重要地位,深入研究危機(jī)事件對(duì)我國入境旅游的影響,對(duì)入境旅游的健康發(fā)展具有重要意義。

目前國內(nèi)外學(xué)者對(duì)入境旅游人數(shù)的研究以ARIMA族模型為主[2-4],研究方向主要集中在入境旅游人數(shù)的預(yù)測。對(duì)于危機(jī)事件的研究,則主要有因果結(jié)構(gòu)時(shí)間序列[5]、干預(yù)分析模型[6-10]和本底線模型[11-13]。從影響范圍來看,危機(jī)事件可分為局部性危機(jī)事件和全球性危機(jī)事件;從時(shí)間來看,可分為短期事件、中長期事件和長期事件。學(xué)者們關(guān)注的危機(jī)事件主要有“9.11”事件、SARS事件、全球金融危機(jī)等,屬于全球性危機(jī)事件中的中長期事件。已有研究存在的問題有:①研究模型存在缺點(diǎn)。對(duì)危機(jī)事件的研究,以本底線模型為主,該方法具備事后評(píng)估、事后預(yù)測的功能和預(yù)測精度高的優(yōu)點(diǎn),但當(dāng)危機(jī)事件正在發(fā)生,入境旅游在短時(shí)間內(nèi)無法恢復(fù)時(shí),模型無法準(zhǔn)確預(yù)測未來的入境旅游人數(shù),即不具備事中預(yù)測功能。此外，模型無法對(duì)危機(jī)衰退情況進(jìn)行描述。干預(yù)分析模型在旅游需求上的應(yīng)用主要以國外研究居多,能對(duì)危機(jī)事件進(jìn)行事中預(yù)測和事后評(píng)估,但模型假設(shè)時(shí)間序列只包含趨勢性和季節(jié)波動(dòng)性,沒有考慮入境旅游人數(shù)序列的周期規(guī)律。②研究的危機(jī)事件單一。主要集中在SARS事件和全球金融危機(jī)上,缺乏對(duì)歷史時(shí)期不同危機(jī)事件的梳理和比較。③鮮有研究對(duì)2010年以后的入境旅游發(fā)展的分析,近幾年入境旅游研究缺失。

鑒于兩個(gè)模型都各自存在不足之處,本文提出本底線模型和干預(yù)分析模型的組合模型(Tourism Background Trend Line & Intervention Analysis Combined Model,TBTL-IA組合模型)。TBTL-IA組合模型使用干預(yù)分析模型的干預(yù)效應(yīng)來評(píng)估危機(jī)事件的影響,使用本底線模型的預(yù)測功能來進(jìn)行事后預(yù)測。模型既保留了本底線模型的事后預(yù)測功能,又改進(jìn)了干預(yù)分析模型的事中預(yù)測和事后評(píng)估功能。當(dāng)測試樣本不受危機(jī)事件影響時(shí),TBTL-IA組合模型退化為本底線模型,因此模型在擬合效果、預(yù)測效果和對(duì)危機(jī)事件的定量分析方面比一般模型更具優(yōu)勢。本文以1998年1月—2016年2月期間發(fā)生的五大危機(jī)事件為例,探討了危機(jī)事件對(duì)我國入境旅游人數(shù)的影響,并對(duì)2016—2018年入境旅游人數(shù)進(jìn)行預(yù)測,以期分析入境旅游對(duì)不同危機(jī)事件的反應(yīng),同時(shí)掌握我國入境旅游人數(shù)的時(shí)間發(fā)展規(guī)律。

1 研究設(shè)計(jì)

1.1 干預(yù)分析模型

Box、Tiao于1975年發(fā)表了《干預(yù)分析在經(jīng)濟(jì)和環(huán)境問題中的應(yīng)用》,而后干預(yù)分析模型開始被國內(nèi)外學(xué)者用于危機(jī)事件對(duì)旅游業(yè)的影響分析。其表達(dá)式為:

yt=f(κ,ξ,t)+Nt

(1)

式中,yt表示受危機(jī)事件影響的時(shí)間序列;f(κ,ξ,t)表示干預(yù)變量ξ對(duì)t時(shí)刻時(shí)間序列的干預(yù)效應(yīng);κ表示一系列未知參數(shù);過程{Nt}代表未受危機(jī)事件影響的基礎(chǔ)時(shí)間序列,稱為凈化序列。在大多數(shù)干預(yù)分析模型中,{Nt}通常是ARIMA過程。

干預(yù)變量ξ的效應(yīng)表示為:

(2)

式中,γtj為ξtj的動(dòng)態(tài)變換;κ為未知參數(shù)ω和δ;k為干預(yù)變量個(gè)數(shù);δj(B)=1-δ1jB-…-δrjjBrj,ωj(B)=ω0j-ω1jB-…-ωsjjBsj,B為延遲算子。

ξ有兩種類型,一種是階躍干預(yù)變量,表示危機(jī)事件對(duì)時(shí)間序列產(chǎn)生長期影響,表示為:

(3)

另一種是脈沖干預(yù)變量,表示危機(jī)事件對(duì)時(shí)間序列產(chǎn)生的影響是暫時(shí)的,表示為:

(4)

1.2 本底線模型

本底線模型指在不受危機(jī)事件的影響下,旅游業(yè)發(fā)展所呈現(xiàn)的固有趨勢線方程。其本質(zhì)是以時(shí)間為自變量,旅游統(tǒng)計(jì)值為因變量的非線性回歸模型。基于月指數(shù)的本底線模型,即把基于趨勢線方程計(jì)算的年本底值按月指數(shù)分解到年內(nèi)各個(gè)月份,進(jìn)而得到月本底值[13]。月指數(shù)計(jì)算公式為:

(5)

kij=Qij/yj

(6)

式中,Qij為第j年第i月的統(tǒng)計(jì)值;yj為第j年的統(tǒng)計(jì)值。月指數(shù)ki可以是多年統(tǒng)計(jì)平均值,也可采用相鄰年統(tǒng)計(jì)值,通常選取若干相對(duì)穩(wěn)定的年份數(shù)據(jù)來計(jì)算。

孫根年借鑒統(tǒng)計(jì)上“距平值”的概念,提出旅游本底線距平值(簡稱“本底線距平值”)[13],用本底線距平值表示危機(jī)事件對(duì)旅游的具體影響,計(jì)算公式為:

(7)

式中,πij為第j年第i月的本底線距平值;當(dāng)πij≤0,為危機(jī)事件沖擊;當(dāng)πij≥0,為慶典事件沖擊。

1.3 TBTL-IA組合模型

TBTL-IA組合模型是把本底線模型和干預(yù)分析模型的建模過程相結(jié)合,形成新的模型形式。與傳統(tǒng)干預(yù)分析模型不同,該模型使用旅游本底值作為凈化序列,把本底線距平值作為干預(yù)效應(yīng)。該模型的本質(zhì)是把回歸方法和時(shí)間序列方法相結(jié)合,建立新的宏觀旅游人數(shù)預(yù)測的計(jì)量模型。具體建模過程為:①采用直線內(nèi)插法,對(duì)非“本底性”的年度數(shù)據(jù)進(jìn)行修正;②利用修正后的年度數(shù)據(jù)建立趨勢線方程;③求出月本底值和本底線距平值;④利用本底線距平值,結(jié)合干預(yù)變量的形式,求出各危機(jī)事件對(duì)應(yīng)的干預(yù)效應(yīng),得到危機(jī)事件對(duì)旅游的具體影響。

2 數(shù)據(jù)來源與危機(jī)事件

2.1 數(shù)據(jù)來源

本文使用的統(tǒng)計(jì)數(shù)據(jù)時(shí)間跨度為1998年1月—2016年2月,即{Yt,t=0,1,…,217},其中t=0，表示1998年1月。入境旅游人數(shù)月度數(shù)據(jù)來源于相關(guān)年份的《中國旅游統(tǒng)計(jì)年鑒》和國家旅游局?jǐn)?shù)據(jù)中心,2016年2月是目前可獲得的最新月度數(shù)據(jù)。本文采用8個(gè)訓(xùn)練樣本,分別進(jìn)行向前一步預(yù)測,得到2015年7月—2016年2月入境旅游人數(shù)預(yù)測值,以檢驗(yàn)?zāi)Ｐ偷念A(yù)測效果,同時(shí)對(duì)2016年3月—2018年12月的入境旅游人數(shù)進(jìn)行預(yù)測。

2.2 危機(jī)事件梳理

1998—2016年我國入境旅游的發(fā)展受到多起危機(jī)事件的影響——2003年的SARS事件、2008年的汶川大地震和北京奧運(yùn)會(huì)管制、2008—2009年的全球金融危機(jī)、2012年至今的后金融危機(jī)調(diào)整期,見表1。2003年2月—3月,香港、北京、臺(tái)灣相繼出現(xiàn)SARS病例,我國入境旅游人數(shù)開始減少,2003年3月入境旅游人數(shù)同比下降6.48%。2003年8月,香港、大陸、臺(tái)灣相繼從疫區(qū)中除名,我國入境旅游人數(shù)逐步恢復(fù)。2008年5月受汶川大地震影響,我國目的地安全性與環(huán)境友好性有所下降,2008年6月我國入境旅游人數(shù)同比下降4.64%?？紤]到該事件屬于地區(qū)性事件,對(duì)我國大部分地區(qū),包括北、上、廣等重要旅游城市的影響不大。自2008年7月北京奧運(yùn)會(huì)入境管制工作開始,入境旅游人數(shù)有所下降,8月份入境游客多流向北京,其他省區(qū)入境游客相對(duì)減少,入境旅游人數(shù)同比下降6.97%。受2008年9月爆發(fā)的全球金融危機(jī)影響,2008—2009年全球經(jīng)濟(jì)增長率急速下降,我國主要入境客源市場香港特區(qū)的GDP出現(xiàn)負(fù)增長,其他主要客源地如我國臺(tái)灣地區(qū)和日本、韓國、美國的經(jīng)濟(jì)也受到重創(chuàng)。2008年9月我國入境旅游人數(shù)同比下降5.94%,這種負(fù)增長現(xiàn)象一直持續(xù)到2009年9月。金融危機(jī)以后,全球經(jīng)濟(jì)得到了一定程度的復(fù)蘇,全球進(jìn)入后金融危機(jī)時(shí)代,我國入境旅游人數(shù)一直處于波動(dòng)發(fā)展的狀態(tài)。在該時(shí)期,我國入境旅游人數(shù)主要受到歐債危機(jī)、人民幣升值、勞動(dòng)力成本上升、環(huán)境問題日益凸顯的影響。2014年以后,我國入境旅游人數(shù)開始回升,這與美日英等主要客源市場經(jīng)濟(jì)好轉(zhuǎn)、人民幣匯率小幅貶值[14]、“一帶一路”戰(zhàn)略的實(shí)施、港澳市場回暖有關(guān)。目前我國入境旅游人數(shù)仍在逐步恢復(fù)中,因此本文認(rèn)為該階段是后金融危機(jī)的調(diào)整期。

表1 1998—2016年五大危機(jī)事件對(duì)我國入境旅游人數(shù)的影響

3 實(shí)證結(jié)果分析

3.1 建立趨勢線方程

1998—2016年我國入境旅游人數(shù)年度的具體統(tǒng)計(jì)值見圖1中的實(shí)線。

圖1 1998—2016年我國入境旅游人數(shù)趨勢線與統(tǒng)計(jì)線

由圖1可知,我國入境旅游人數(shù)出現(xiàn)了3個(gè)明顯的凹型谷。第一個(gè)凹型谷出現(xiàn)在2003年,由SARS事件所致；第二個(gè)凹型谷出現(xiàn)在2008—2009年,谷底在2009年,該凹型谷由多起事件造成,包括汶川大地震、北京奧運(yùn)會(huì)管制、全球金融危機(jī)。第三個(gè)凹型谷出現(xiàn)在2012—2016年,其中谷底在2014年,2015年起入境旅游人數(shù)有所恢復(fù)。由上文分析可知,主要原因是目前我國入境旅游正處于后金融危機(jī)調(diào)整期。

設(shè)我國入境旅游年本底序列為{yj,j=0,1,2,…,18},其中j=0表示1998年。通過圖示法確定內(nèi)插區(qū)段端點(diǎn),對(duì)非“本底性”數(shù)據(jù)進(jìn)行修正。使用OLS方法對(duì)修正后數(shù)據(jù)擬合線性模型,線性模型為:

yj=7906.15+428.58j

(8)

方程的R2為86.36%,參數(shù)系數(shù)顯著,說明{yj}的線性趨勢明顯,總體而言我國入境旅游人數(shù)保持著上升的態(tài)勢。按本底趨勢線理論,入境旅游人數(shù)序列除呈直線增長趨勢外,還存在一定的周期波動(dòng)性[13]。對(duì)式(8)的殘差進(jìn)行擬合,從殘差圖可見我國入境旅游人數(shù)序列存在17年左右的波動(dòng)周期,其中1998—2007年為擴(kuò)張期,2008年以后為調(diào)整期。對(duì)殘差進(jìn)行二次曲線擬合,發(fā)現(xiàn)仍然存在一個(gè)小周期波動(dòng)項(xiàng),這種波動(dòng)也呈變振幅正弦函數(shù)形式,對(duì)其進(jìn)行擬合。根據(jù)殘差擬合圖發(fā)現(xiàn),我國入境旅游人數(shù)序列還存在一個(gè)7年左右的波動(dòng)周期,1998—2016年我國入境旅游人數(shù)序列已完成該類型的周期約3個(gè),其中1998—2000年、2004—2007年、2010—2012年為擴(kuò)張期,其余年份為調(diào)整期。觀察殘差圖,發(fā)現(xiàn)其表現(xiàn)為無規(guī)律波動(dòng),因此不再進(jìn)行分析。綜合序列的線性趨勢和周期波動(dòng)性,我國入境旅游人數(shù)本底趨勢線方程如下,旅游本底趨勢線見圖1中虛線。

yj=7906.15+428.58j-1242sin(0.34j+1.83)+135.05sin(0.95j)

(9)

3.2 危機(jī)事件的干預(yù)效應(yīng)

選取不受危機(jī)事件影響的年份來計(jì)算月指數(shù),取其統(tǒng)計(jì)平均值,結(jié)果見表2。各月份的月指數(shù)均在8%左右,差別不大,表明我國入境旅游人數(shù)隨時(shí)間分布較均勻,淡季和旺季不明顯。月指數(shù)相對(duì)較低的是1月、2月,這兩個(gè)月為入境旅游淡季;結(jié)合季節(jié)特征發(fā)現(xiàn),1—2月為冬季,天氣寒冷導(dǎo)致游客出游意愿降低;4月、7月、8月、10月的月指數(shù)較高,這四個(gè)月為入境旅游旺季;4月正是春暖花開的季節(jié),適宜踏青旅游;7、8月份正值暑假,為家庭出游的旺季;10月節(jié)慶活動(dòng)眾多,是入境旅游的最佳時(shí)節(jié)。

表2 我國入境旅游人數(shù)月指數(shù)(%)

圖2 1998年1月—2016年2月我國入境旅游人數(shù)本底線距平值波動(dòng)曲線

SARS事件的干預(yù)效應(yīng)為:

(10)

汶川大地震的干預(yù)效應(yīng)為:

(11)

北京奧運(yùn)會(huì)管制的干預(yù)效應(yīng)為:

(12)

全球金融危機(jī)的干預(yù)效應(yīng)為:

(13)

以{Yt,t=7,8,…,216}樣本為例,后金融危機(jī)調(diào)整期的干預(yù)效應(yīng)為:

(14)

結(jié)合本底線模型和干預(yù)效應(yīng),得到TBTL-IA組合模型的方程表達(dá)式。以{Yt,t=7,8,…,216}樣本為例,方程為:

(15)

式中,ki表示第i月的月指數(shù),j表示第j年,i和j的取值取決于t。

3.3 模型預(yù)測

為衡量模型的訓(xùn)練誤差,計(jì)算TBTL-IA組合模型、本底線模型、SARIMA模型、指數(shù)平滑法、干預(yù)分析模型的標(biāo)準(zhǔn)誤差,結(jié)果見表3。由表3可知,在8個(gè)訓(xùn)練樣本中,TBTL-IA組合模型的平均標(biāo)準(zhǔn)誤差為25.75,遠(yuǎn)小于其他模型,表明組合模型的擬合效果優(yōu)于一般模型。

表3 各模型的標(biāo)準(zhǔn)誤差

表4 各模型的預(yù)測結(jié)果(萬人次)

為衡量模型的泛化誤差,利用上述8個(gè)TBTL-IA組合模型對(duì)2015年7月—2016年2月的入境旅游人數(shù)進(jìn)行預(yù)測。表中的MAPE(平均絕對(duì)百分比誤差)、MAD(平均絕對(duì)誤差)、RMSE(標(biāo)準(zhǔn)誤差)都是測量預(yù)測精度的統(tǒng)計(jì)指標(biāo),3個(gè)指標(biāo)的值越小,表示預(yù)測精度越高。從預(yù)測結(jié)果看出(表4),TBTL-IA組合模型的3個(gè)指標(biāo)均小于本底線模型、SARIMA模型和指數(shù)平滑法,表明該模型比一般預(yù)測模型有效。

對(duì)2016年3月—2018年12月共34個(gè)月的入境旅游人數(shù)進(jìn)行預(yù)測,結(jié)果見表5。2016年全年入境旅游人數(shù)為1.39億人次,與《統(tǒng)計(jì)公報(bào)》公布的數(shù)值僅相差0.07%,表明組合模型的預(yù)測效果好。組合模型預(yù)計(jì)2017年我國入境旅游將達(dá)1.45億人次,2018年入境旅游人數(shù)將達(dá)1.54億人次。同時(shí)組合模型認(rèn)為,2016—2018年后金融危機(jī)調(diào)整期的影響仍在持續(xù),但影響程度明顯減弱,預(yù)計(jì)造成入境旅游人數(shù)損失量871.27萬人次,平均每月?lián)p失25.63萬人次。

表5 2016年3月—2018年12月入境旅游人數(shù)預(yù)測(萬人次)

4 結(jié)論

自1998年以來,我國入境旅游發(fā)展經(jīng)歷了一個(gè)長周期和三個(gè)短周期。2012年以后,受后金融危機(jī)調(diào)整期的影響,我國入境旅游發(fā)展進(jìn)入調(diào)整期,入境旅游人數(shù)的線性趨勢不明朗。季節(jié)波動(dòng)性長期保持著共性,4月、7月、8月、10月是我國入境旅游的旺季,這與春秋天氣怡人、暑期家庭出游火熱有關(guān)。我國入境旅游要實(shí)現(xiàn)再發(fā)展,既需要國家在旅游政策、國內(nèi)旅游環(huán)境、國際交流合作方面下功夫,又要充分利用入境旅游旺季向外國友人宣傳我國的特色旅游景點(diǎn),同時(shí)還應(yīng)注意旅游旺季的高峰客流管制。針對(duì)旅游淡季,旅游相關(guān)部門可以加大旅游優(yōu)惠力度,打造冰雪之旅等時(shí)令旅游產(chǎn)品,吸引游客前來游玩。

入境旅游是一個(gè)敏感的產(chǎn)業(yè),易受危機(jī)事件的影響。從危機(jī)影響程度來看,局部性危機(jī)事件,如自然災(zāi)害事件、慶典事件對(duì)我國入境旅游發(fā)展的影響時(shí)間較短,造成的旅游人數(shù)損失量和旅游經(jīng)濟(jì)損失量也相對(duì)較少。全球性危機(jī)事件,如公共衛(wèi)生事件、經(jīng)濟(jì)危機(jī)事件和綜合型危機(jī)事件的影響時(shí)間較長,造成的旅游人數(shù)損失量和旅游經(jīng)濟(jì)損失量也較大。在中長期事件中,公共衛(wèi)生事件的衰退速度最快,以39%的速度衰退;綜合型危機(jī)事件的影響具有季節(jié)效應(yīng),其季節(jié)效應(yīng)以約36%的速度衰退。基于入境旅游的敏感性和對(duì)不同危機(jī)事件的反應(yīng)程度,旅游相關(guān)部門可以建立危機(jī)事件監(jiān)控體系,當(dāng)再次遇到同類型危機(jī)事件時(shí),可以根據(jù)以往的損失情況預(yù)估當(dāng)下事件可能造成的損失,從而采取具有針對(duì)性的應(yīng)對(duì)措施。

預(yù)測結(jié)果顯示,TBTL-IA組合模型的擬合效果和預(yù)測效果都優(yōu)于一般模型,具有較好的預(yù)測能力。模型預(yù)計(jì)2016年、2017年、2018年入境旅游人數(shù)分別為1.39億人次、1.45億人次、1.54億人次。由于模型預(yù)計(jì)后金融危機(jī)調(diào)整期的影響仍會(huì)持續(xù),因此目前入境旅游發(fā)展的重點(diǎn)應(yīng)放在如何通過利好環(huán)境刺激入境旅游、減少損失上面。

本文提出的TBTL-IA組合模型的普適性高,可用于對(duì)入境旅游人數(shù)和入境旅游外匯收入進(jìn)行危機(jī)評(píng)估。同時(shí)模型在入境旅游人數(shù)預(yù)測方面有不俗的表現(xiàn),有助于進(jìn)一步認(rèn)識(shí)我國入境旅游發(fā)展的歷程,探究其對(duì)外界環(huán)境的敏感程度,評(píng)價(jià)目前入境旅游發(fā)展?fàn)顩r,對(duì)于危機(jī)的事前防御和事后管理、因時(shí)施策刺激入境旅游發(fā)展具有實(shí)際意義。

[1]陶偉,黃秀波.2000—2009年廣東省入境游客時(shí)空分布格局及其變化研究[J].人文地理,2012,27(1)∶114-118.

[2]Kim J H,Moosa I A.Forecasting International Tourist Flows to Australia：A Comparison Between the Direct and Indirect Methods[J].Tourism Management,2005,26(1)∶69-78.

[3]Gounopoulos D,Santamaria D P.Forecasting Tourist Arrivals in Greece and the Impact of Macroeconomic Shocks from the Countries of Tourists′ Origin[J].Annals of Tourism Research,2012,39(2)∶641-666.

[4]吳良平,張健.入境游客在中國區(qū)域的動(dòng)態(tài)分布及其預(yù)測研究——基于帶虛擬變量的ARIMA模型[J].旅游學(xué)刊,2015,30(11)∶74-85.

[5]Eugenio-Martin J,Sinclair M T,Yeoman I.Quantifying the Effects of Tourism Crises:An Application to Scotland[J].Journal of Travel & Tourism Marketing,2005,19(2)∶21-34.

[6]Box G E P,Tiao G C.Intervention Analysis with Applications to Economic and Environmental Problems[J].Journal of the American Statistical Association,1975,70(349)∶70-79.

[7]Goh C,Law R.Modeling and Forecasting Tourism Demand for Arrivals with Stochastic Nonstationary Seasonality and Intervention[J].Tourism Management,2002,23(5)∶499-510.

[8]朱迎波,葛全勝,魏小安,等.SARS對(duì)中國入境旅游人數(shù)影響的研究[J].地理研究,2003,22(5)∶551-559.

[9]Coshall J T.Interventions on UK Earnings and Expenditures Overseas[J].Annals of Tourism Research,2005,32(3)∶592-609.

[10]Corton M L,Ebrahimpour M.Forecasting Film-induced Tourism——The Dolphin Tale Case[J].Tourism Economics,2014,20(6)∶1349-1356.

[11]孫根年.我國境外旅游本底趨勢線的建立及科學(xué)意義[J].地理科學(xué),1998,18(5)∶442-448.

[12]孫根年,馬麗君.基于本底線的2008年北京奧運(yùn)會(huì)客流量預(yù)測[J].地理研究,2008,27(1)∶65-74.

[13]張鐵生,孫根年,馬麗君.危機(jī)事件對(duì)張家界旅游影響評(píng)價(jià)——基于本底線模型的高分辨率分析[J].經(jīng)濟(jì)地理,2012,32(10)∶145-151.

[14]劉啓仁,黃建忠.人民幣匯率、依市場定價(jià)與資源配置效率[J].經(jīng)濟(jì)研究,2016,(12)∶18-30.

ImpactsofFiveCrisesonChinaInboundTourismScale——BaseonTBTL-IACombinedModel

LUO Miao-xuan,WU Hao-cun

(School of Economics and Commerce,South China University of Technology,Guangzhou 510000,China)

A TBTL-IA combined model,which was used to measure the impact of five crises since 1998 to China inbound tourism scale.The number of inbound tourists from 2016 to 2018 would be forecasted as well.The findings were as follows:①China inbound tourism experienced a long cycle and three short cycles with seasonal effect caused by holiday and succession of the seasons.②The impact of SARS incident lasted for 15 months,resulting in a loss of 13.86 million people.Wenchuan earthquake and inbound arrivals control of Beijing Olympic Games were short-term events,which lasted for less than three months,resulting in a loss of 0.59 million people and 1.40 million people respectively.The impact of global economic crisis lasted for 16 months,resulting in a loss of 8.12 million people.Adjustment period of post-financial crisis was a long-term event,which was affecting China inbound tourism since July 2012 and resulted in a loss of 26.99 million people.It seemed that the intensity would be significantly weakened.③Meanwhile,the combined model performed better than normal models.The number of inbound tourists from 2016 to 2018 would be 138.54 million,145.34 million and 153.77 million respectively.

China;number of inbound tourists;combined model;crisis

2017-11-17；

2017-12-23

國家社會(huì)科學(xué)基金項(xiàng)目(編號(hào):15BTJ015)。

駱妙璇(1992-),女,廣東省廣州人,碩士研究生,研究方向?yàn)閼?yīng)用統(tǒng)計(jì)、旅游大數(shù)據(jù)。

吳浩存(1979-),男,廣東省廣州人,博士,副教授,研究方向?yàn)閼?yīng)用統(tǒng)計(jì)、旅游及接待業(yè)統(tǒng)計(jì)分析。

10.3969/j.issn.1005-8141.2018.01.022

F592.3

A

1005-8141(2018)01-0118-05