基于數(shù)據(jù)挖掘的旅游行業(yè)風險預測和預警的控制模型

（西華大學，四川 成都 610039）

隨著全球經(jīng)濟的飛躍性增長，旅游行業(yè)的發(fā)展逐步呈現(xiàn)指數(shù)型上升趨勢。對于我國來講，無論是經(jīng)濟、文化，甚至環(huán)境都與旅游行業(yè)的發(fā)展密切相關。在經(jīng)濟方面：旅游行業(yè)的直接作用是換取外匯（出口貿(mào)易）和回籠貨幣（穩(wěn)定市場經(jīng)濟）；間接帶動了國民經(jīng)濟的發(fā)展：①促進了交通運輸業(yè)的發(fā)展；②促進了建筑業(yè)的發(fā)展；③促進了工商業(yè)、農(nóng)副產(chǎn)品、手工業(yè)等行業(yè)的發(fā)展。在文化方面：有助于文明傳播。消極影響是指由于越來越多國際游客的到來，他們會將他們的生活方式帶到旅游地，其中不僅有文明的，健康的，值得學習的東西，也會有一些消極的思想和落后的生活方式。在自然環(huán)境方面：旅游行業(yè)的發(fā)展促進自然環(huán)境的美化和保護，但也加速了自然環(huán)境的污染和破壞。因此對于旅游行業(yè)的發(fā)展我們需要合理的進行預測，在破壞力度最低的情況下，及時的作出調(diào)整，使得旅游行業(yè)發(fā)展更為迅速，國家經(jīng)濟效益得到更大的提升[1]。

通過翻閱資料我們發(fā)現(xiàn)，旅游行業(yè)在面對旅游危機方面主要有以下測策略：（1）制定較為完備的危機應對策略；（2）旅行社成立應對危機的管理機構(gòu)、建立起危機預警系統(tǒng)；（3）激活旅游業(yè)，重塑旅游形象；（4）構(gòu)建旅游服務網(wǎng)絡系統(tǒng)；（5）改善旅行社經(jīng)營的模式。

對于目前國情結(jié)合2003年的非典對旅游行業(yè)造成了極大的影響，分析2003年的非典的旅游行業(yè)研究方法：（1）旅游危機對旅行社的深層剖析；（2）旅行社危機管理的抽樣調(diào)查；（3）我國旅行社行業(yè)經(jīng)營體制分析；（4）我國旅行社經(jīng)營管理上存在的主要問題；（5）旅行社應對旅游危機的策略；（6）制定較為完備的危機管理制度；（7）成立旅行社危機管理機構(gòu)，建立危機預警系統(tǒng)；（8）積極激活旅游市場，重塑旅游形象；（9）構(gòu)建旅游服務網(wǎng)絡系統(tǒng)；（10）調(diào)整旅行社經(jīng)營目標模式[2]。

針對今年的疫情，我們將對以下三個問題進行分析和解決。

問題一：建立數(shù)學模型分析旅游行業(yè)的“基本面”，解答旅游從業(yè)人員的困惑。預測未來三年國內(nèi)旅游市場的發(fā)展情況。

問題二：建立量化模型分析未來三年旅游行業(yè)投資的潛在風險和預期收益，給出旅游行業(yè)發(fā)展的新業(yè)態(tài)建議[3]。

問題三：今年的疫情爆發(fā)并非個例，也許每隔若干年就會有大規(guī)模的疫情出現(xiàn)，我們將為旅游行業(yè)構(gòu)建一套比較實用的風控預警機制，并能夠在疫情出現(xiàn)后及時幫助行業(yè)做出調(diào)整。

對于問題一，運用灰色預測模型，結(jié)合Excel 和Spss 軟件，對數(shù)據(jù)進行挖掘，得出旅游行業(yè)未來三年的發(fā)展趨勢。

對于問題二，首先對各輸入量和目標變量進行了特征檢驗，將次要因素過濾后，并以同比增長的轉(zhuǎn)換率作為新的目標，利用Logistic 回歸模型分析預測出旅游行業(yè)的發(fā)展投資風險。后將整合的數(shù)據(jù)帶入時間序列模型，利用指數(shù)平滑預測的方法對未來幾年的預期收益進行了預測[4]。

對于問題三，先對數(shù)據(jù)進行篩選，然后用spss 的生存分析討論變量之間的相關性，根據(jù)顯著性看各變量能否由現(xiàn)有數(shù)據(jù)推廣到整體，之后繪出一系列的散點圖，可以直觀的看出各變量之間的相關性，根據(jù)散點圖分析可以得到變量之間的影響關系和對旅游行業(yè)的影響。

1 行業(yè)概況

1.1 旅游業(yè)的概念

旅游業(yè)是借助旅游資源和設施，專門接待游客，為游客提供游覽、餐飲、住宿和文化娛樂等服務的行業(yè)。旅游業(yè)在國際上被稱為旅游產(chǎn)業(yè)，即旅游業(yè)在性質(zhì)上是一個經(jīng)濟性產(chǎn)業(yè)，是一個國家或地區(qū)國民經(jīng)濟的組成部分[5]。

1.2 旅游業(yè)的構(gòu)成

旅游業(yè)的構(gòu)成有幾種說法。一是從各行各業(yè)中為游客提供服務的角度分析，人們認為，旅游業(yè)主要由三大部分組成，即旅行社業(yè)、交通客運業(yè)和以飯店為主體的住宿行業(yè)。它們是旅游行業(yè)的三大支柱。二是從旅游市場的營銷角度分析，旅游業(yè)主要由五大部分構(gòu)成，即除了上面的三大支柱外，還包括景點為代表的游覽場地經(jīng)營部門和各級旅游管理部門[6]。

1.3 旅游業(yè)的行業(yè)特點

（1）旅游業(yè)具有綜合性。旅游業(yè)是集游、住、吃、購、娛等服務為一體的綜合性大產(chǎn)業(yè)。

（2）旅游業(yè)具有經(jīng)濟性。發(fā)展旅游業(yè)最為根本的目的就是為了取得經(jīng)濟效益。

（3）旅游業(yè)具有服務性。旅游業(yè)為游客提供的服務是一種能夠用于交易的特殊商品。

（4）旅游業(yè)具有帶動性。旅游業(yè)能帶動其他直接或間接為旅游者提供服務的產(chǎn)業(yè)發(fā)展。

（5）旅游業(yè)具有外向性。旅游業(yè)是一種跨地區(qū)和跨國界的人際交往活動。

（6）旅游業(yè)具有季節(jié)性。一個國家或地區(qū)的旅游業(yè)的季節(jié)性和該國或地區(qū)的旅游活動密切相關，而且是旅游活動是由季節(jié)所決定的[7]。

2 理論概述

2.1 問題一理論概述

對于問題一，使用了灰色預測模型?；疑A測模型：如果一個系統(tǒng)具有層次、結(jié)構(gòu)關系的模糊性，動態(tài)變化的隨機性，指標數(shù)據(jù)的不完備或不確定性，則稱這些特性為灰色性。具備灰色性的系統(tǒng)被稱為灰色系統(tǒng)。由灰色系統(tǒng)建立的數(shù)學模型稱為灰色模型，它能了解系統(tǒng)內(nèi)部事物連續(xù)變化的過程[8]。

灰色理論能夠建立微分方程預測模型，其主要依據(jù)為：

（1）灰色理論將隨機量當作是在一定范圍內(nèi)變化的灰色量，將隨機過程當作是在一定范圍，一定時區(qū)內(nèi)變化的灰色過程。

（2）灰色系統(tǒng)將無規(guī)律的歷史數(shù)據(jù)列經(jīng)累加后，使其變?yōu)榫哂兄笖?shù)增長規(guī)律的上升形狀數(shù)列，由于一階微分方程解的形式是指數(shù)增長形式，所以可對生成后數(shù)列建立微分方程模型。所以灰色模型實際上是生成數(shù)列所建模型。

（3）灰色理論通過灰數(shù)的不同生成方式、數(shù)據(jù)的不同取舍、不同級別的殘差GM 模型來調(diào)整、修正、提高精度。

（4）對高階系統(tǒng)建模，灰色理論是通過GM(1，n)模型群解決的。GM 模型群即一階微分方程組的灰色模型。

（5）GM 模型所得數(shù)據(jù)必須經(jīng)過逆生長，即累減生成做還原后才能應用[9]。

2.2 問題二理論概述

2.2.1 風險評估的方法概述

對于測量風險的模型有很多，比如：二元(多元)Logistic 邏輯回歸模型、神經(jīng)網(wǎng)絡模型等。其中“神經(jīng)網(wǎng)絡模型”是由大量的、簡單的處理單元(通常稱為神經(jīng)元)，其大量的、廣泛的互相連接形成了復雜的網(wǎng)絡系統(tǒng)。它反映了人腦功能的許多基本特征，是一個高度復雜的非線性動力學習系統(tǒng)。神經(jīng)網(wǎng)絡具有大規(guī)模并行、分布式存儲和處理、自組織、自適應和自學能力。通常應用在需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題。對于問題二主要運用了Logistic 回歸模型加上數(shù)據(jù)特征分析方法，其運用如下文所示。

2.2.2 Logistic 回歸方法

Logistic 回歸函數(shù)又稱為邏輯回歸函數(shù)(也稱為增長函數(shù))。Logistic 回歸與線性回歸有許多的相似之處，最大的區(qū)別是它們因變量的類型不同。Logistic 的因變量滿足二項分布，而對于線性回歸來說，其自變量和因變量都會連續(xù)性變量[10]。

2.2.3 Logistic 回歸的原理

Sigmoid 函數(shù)： g(z)=1/(1+e 負z 次方)

推導公式為：

然后采用最大似然估計法將隨機數(shù)據(jù)點被正確分類的概率最大化。假定y=1 和y=0 的概率為：

總結(jié)：Logistic 回歸是一種廣泛的使用算法，如果在進行回歸運算之前先進行特征值的篩選，這樣會使得回歸效果更好。因此在下面模型當中，對數(shù)據(jù)首先便進行了篩選處理。其另一個優(yōu)點是非常容易實現(xiàn)，且訓練起來很高效，可作為數(shù)據(jù)基準，可以用來衡量其它更復雜的算法性能。

其缺點是只能用來解決非線性問題，因為它的決策面是線性的，所以對于線性問題需要進行轉(zhuǎn)換[11]。

2.3 問題三理論概述

2.3.1 生存分析的定義

生存分析是對生存時間進行分析的統(tǒng)計技術的總稱，生存時間是從某一時間點起到所關心事件發(fā)生所經(jīng)歷的時間。生存分析是一種既考慮結(jié)局又同時考慮結(jié)局出現(xiàn)時間的統(tǒng)計分析方法。生存分析的目的就是描繪生存時間，生存時間多數(shù)情況下是連續(xù)型數(shù)據(jù)，但也存在生存時間為離散型數(shù)據(jù)的情況[12]。

如果該實例發(fā)生了我們感興趣的事件，那么 Ti 表示的是事件發(fā)生時間點到基準時間點之間的時間，同時 δi=1。

如果該實例未發(fā)生我們感興趣的事件，那么 Ti 表示的是事件發(fā)生時間點到觀察結(jié)束時間點的時間，同時 δi=0。

生存分析的研究目標就是對一個新的實例Xj，來估計它所發(fā)生感興趣事件的時間。

2.3.2 生存分析的基本概念

（1）事件。事件也稱為失效事件，指由研究者所規(guī)定的生存結(jié)局，根據(jù)研究目的的不同而不同。定義清楚事件是非常重要的，它直接關系到數(shù)據(jù)的記錄是否準確。事件的定義一定要在數(shù)據(jù)收集之前完成，而不是沒有定義清楚事件就開始收集數(shù)據(jù)，否則很可能做的是無用功。

（2）生存時間。生存時間是指從某一起點開始到所關心事件發(fā)生的時間，按失效事件發(fā)生或失訪（刪失）前最后一次隨訪時間記錄，常用符號t 表示。因為生存時間是生存分析的分析對象，所以對生存時間的長度確定至關重要[13]。

（3）刪失。刪失指觀察對象終止隨訪，事件發(fā)生未被觀測到或無法被觀測到以至于生存時間無法被準確記錄下來，不是由于失效事件發(fā)生，而是無法繼續(xù)隨訪下去。刪失分為右刪失、左刪失和期間刪失三種。只知道生存時間大于某一時間點，這種刪失稱為右刪失；只知道生存時間小于某一時點的刪失稱為左刪失；只知道生存時間在某一段時間之內(nèi)的刪失稱為區(qū)間刪失，右刪失的情況最為常見。雖然刪失使得生存時間無法準確計算，但在生存分析時還是應該將其考慮在內(nèi)，因為刪失數(shù)據(jù)會影響到最終的生存率結(jié)果。出現(xiàn)刪失的原因有：①中途失訪，包括拒絕訪問、失去聯(lián)系或中途退出實驗、死于其他與研究無關的原因，如：肺癌患者死于心肌梗死、自殺，或因車禍死亡。終止隨訪的時間被稱為死亡時間。②隨訪研究結(jié)束時觀察的對象仍舊存活，由于不清楚這些觀察對象發(fā)生失效事件的時間，他們的生存時間數(shù)據(jù)并不完整，因此其觀察值稱為截尾值（或刪失）。

生存函數(shù)又稱累積生存率，表達式：S（t）=P(T>t)（T為生存時間），生存函數(shù)的實際意義是生存時間大于時間點t 的概率。生存函數(shù)定義為隨機變量T 越過某個時點t 時，所有考察對象中，沒有發(fā)生事情的概率，也就是生存下來的概率。當t=0 時，生存函數(shù)取值為1，隨著時間推移（t增大），生存函數(shù)的值逐漸變小，因此生存函數(shù)是時間t 的單調(diào)遞減函數(shù)。根據(jù)生存函數(shù)，又可以提出累積風險函數(shù)，它的公式為：F(t)1s(t)，表示生存時間T 為超過時間點t 時，研究對象中，已經(jīng)發(fā)生事件的概率。此外還有一個風險概率密度函數(shù)，它是累積風險函數(shù)的導數(shù)，公式如下：

風險概率密度函數(shù)表示某個時間點t 上，事件發(fā)生的概率。通過以上公式，最終我們可以得到風險函數(shù)，計算公式為：

表示生存時間T 達到時間點t 時，在接下來一瞬間，事件發(fā)生的概率。風險函數(shù)和生存函數(shù)之間可以互相推導，因此在生存分析中，既可以使用生存函數(shù)，也可以用風險函數(shù)，生存函數(shù)和風險函數(shù)是用來描述生存時間分布的兩個主要工具[14]。

2.3.3 生存分析的原理

生存分析描繪的是生存時間的分布情況，這里的分布指的是概率分布，如何描繪生存時間的分布情況呢？可以建立一個二維坐標圖，橫軸是時間長度，縱軸是事件發(fā)生概率，這就能很清楚的知道生存時間的概率分布情況了[15]。

2.3.4 生存分析的方法

生存分析的目的是得出生存函數(shù)，常用方法有壽命表法和Kaplan-Meier 法。不考慮其它實驗外因素（混雜因素），只考慮某個分類變量組間的生存時間分布情況，可以使用壽命表法和Kaplan-Meier 法。這兩種方法之間的區(qū)別在于生存時間的記錄方式不同，Kaplan-Meier 法的生存時間是通過記錄事件發(fā)生準確時間點得到的，而壽命表法則適用于事件發(fā)生的時間點無法準確記錄，只能確定事件發(fā)生在某段時間內(nèi)。

（1）壽命表法和Kaplan-Meier 法的共同點：壽命表法與K-M 法都可以實現(xiàn)對生存時間分布進行描述性統(tǒng)計。

（2）壽命表法和Kaplan-Meier 法的區(qū)別點：

1）適用范圍不同。K-M 法適用于樣本量較少，每個被觀察個體事件所發(fā)生的時間點或刪失發(fā)生的時間點能夠被準確記錄下來的數(shù)據(jù)；而壽命表法適用于樣本量較大，生存時間分段記錄的數(shù)據(jù)。

2）基本思想不同。壽命表法將生存時間分成較多小的時間段，計算該段內(nèi)的生存率，研究總體的規(guī)律；K-M 法計算每一個“結(jié)局”事件發(fā)生時點的生存率，除了分析總體的生存規(guī)律外，還需尋找與之相關的影響因素。

3）生存曲線不同。壽命表的曲線可以回答試驗時間內(nèi)的生存率如何；而K-M 過程更傾向于回答某種干預因素實施后，生存時間的變化情況[16]。

4）統(tǒng)計方法不同。壽命表法采用Wilcoxon 法，K-M 過程則提供了Log rank 法、Breslow 法、Tarone-Ware 法。

3 構(gòu)造旅游模型分析表

3.1 數(shù)據(jù)挖掘

由于所給數(shù)據(jù)具有不完整性以及存在各種不利因素，因此在進行后續(xù)模型的建立之前，對數(shù)據(jù)進行了預處理的工作。這個數(shù)據(jù)處理工作就是指在數(shù)據(jù)挖掘過程中的數(shù)據(jù)準備環(huán)節(jié)，其不但可以建模模型，也可以提高模型的準確度，對問題的解答更深入、更合理。所謂的數(shù)據(jù)挖掘是指從大量的、不完全的、模糊的、隨機的實際應用數(shù)據(jù)中去建立個屬性間的內(nèi)在聯(lián)系，并對重復、有誤、缺失數(shù)據(jù)進行清洗、合并、更新的一個過程。常用的數(shù)據(jù)挖掘軟件有很多，主要有：SAS,SPSS,ECXEL 等。例如我們采用了Excel 軟件自帶的內(nèi)插法法，對缺省的數(shù)據(jù)，在CEIC 官網(wǎng)上進行數(shù)據(jù)查詢并補全，因此我們主要使用了SPSS 和Excel 軟件。而對于數(shù)據(jù)的預處理通常會根據(jù)數(shù)據(jù)的不同情況進行相應處理。如缺失值、異常值、數(shù)值型變量；一般的方法有：刪除、替換（平均數(shù)、中位數(shù)-連續(xù)、眾數(shù)-離散）最大似然估計法、隨機森林、二值化等[17]。

3.2 問題分析

3.2.1 問題一分析

對于基本面,我們分析了旅游業(yè)的基本盈利模式、行業(yè)的優(yōu)缺點、旅游公司的市值、旅游總收入的預測分析。根據(jù)建立模型分析出來的數(shù)據(jù)，預測未來三年國內(nèi)的旅游市場的發(fā)展情況分析。

（1）旅游業(yè)的基本盈利式。旅游業(yè)本身的利潤薄，但是，旅游業(yè)的溢出效應明顯。所謂溢出效應是指一件事物的一個方面的發(fā)展帶動了其他放面的發(fā)展。我國旅游業(yè)的模式不盡相同，但是都有成功的。具體的分為一下幾類：

1）主要依靠獨特的自然資源獲得收益，比如黃山，石林等獨一無二的資源，獲得收益。黃山旅游公司在過去的幾年收入中，景點收入占60%左右的份額。

2）旅游產(chǎn)業(yè)鏈中，每個環(huán)節(jié)都力爭做到最好。如首旅集團，首旅集團不僅擁有六大環(huán)節(jié)的業(yè)務，而且每個業(yè)務都有很好的品牌和發(fā)展目標[18]。

3）借助網(wǎng)絡，網(wǎng)絡中介機構(gòu)，旅游網(wǎng)站。

4）利用“旅游+房地產(chǎn)”模式。

5）旅游公司把旅游業(yè)作為副業(yè)。如中青旅，中青旅最初的業(yè)務是旅行社，但是，后來實行多元化戰(zhàn)略，業(yè)務涵蓋旅行社(入境游、國內(nèi)游、出境游)、會展服務、烏鎮(zhèn)旅游、酒店、科技業(yè)務、福利彩票銷售、房地產(chǎn)銷售、物業(yè)出租等八個領域。

（2）旅游公司的市值。據(jù)中商情報網(wǎng)訊統(tǒng)計顯示，截止到2018年12 月28 日，2018年中國行業(yè)上市公司總市值排名前十的企業(yè)有：中國國旅、中青旅、騰邦國際、眾信旅游、凱撒旅游、嶺南控股、云南旅游、海航創(chuàng)新、麗江旅游、三特索道。值得關注的是，2018年中國旅游行業(yè)上市公司總市值排行榜主要統(tǒng)計了13 家滬深上市企業(yè)的市值排名，市值超過百億元的僅1 家。其中，2018年中國旅游行業(yè)上市公司總市值居第一的是來自北京市的中國國旅，市值達1175.39 億元。中青旅市值居第二，市值為93.3 億元。騰邦國際市值居第三，市值為55.73 億元。

（3）行業(yè)的優(yōu)缺點：我國旅游業(yè)總收入不斷增長，旅游業(yè)發(fā)展迅速，產(chǎn)業(yè)規(guī)模不斷擴大，產(chǎn)業(yè)體系日趨完善。但總體來說我國旅游業(yè)仍處于一種低消費、低水平、中近距離旅游的狀態(tài)。雖然旅游的基礎設施和服務設施建設發(fā)展得很快，但仍不能適應國內(nèi)旅游的發(fā)展速度[19]。

3.2.2 問題二分析

本題要求建立量化模型來分析未來三年旅游行業(yè)投資發(fā)展的潛在風險和預期收益，并給出旅游業(yè)發(fā)展的新業(yè)態(tài)建議。因此首先需要將所給數(shù)據(jù)進行一個歸納劃分。由于數(shù)據(jù)的分布很不均勻，且側(cè)重點不同，因此我們將統(tǒng)計結(jié)果分為了兩類，一類為旅游行業(yè)的社會經(jīng)濟發(fā)展，一類為消費者和投資者的意向。由于數(shù)據(jù)量過少，我們采用滿足最少數(shù)據(jù)量的需求進行分配。然而還是會存在缺失值，以及變量類型存有搭配不符的問題，因此我們下面將著重解決問題。

3.2.3 問題三分析

預警機制即為能預先發(fā)布警告的一種制度，它能通過一些反常現(xiàn)象，讓危險信號提前反饋給決策層，及時針對危險進行布置、防風險于未然。像這次疫情，雖然有征兆，但是我們沒有及時做出反應，采取相應的措施，我們還是低估了這次疫情造成的破壞，旅游業(yè)更是慘不忍睹，不僅游客量急劇減少而導致收入驟減，更有甚者直接面臨破產(chǎn)的嚴峻考驗。導致這些情況出現(xiàn)的原因就是我們沒有一套完整的預警機制，不能根據(jù)疫情出現(xiàn)前的征兆和相關數(shù)據(jù)來合理分析疫情會不會爆發(fā)，爆發(fā)的嚴重程度如何，怎樣根據(jù)疫情的輕重制定出相應的策略。

圖3.2.3(1) 風險預警機制過程

如何建立合理的預警機制阻止或降低疫情帶來的影響呢？首先我們要明確建立風險預警的過程，即以下四步：（如圖3.2.3(1)）

我們第一步要對有用的信息進行篩選，知道哪些因素可以預判疫情是否會爆發(fā)和疫情的走向；其次是如何根據(jù)這些信息來分析疫情，也就是評判標準是什么；然后我們根據(jù)這套預警體系來評估研究的結(jié)果是否合理，是否有使用價值；最后如果結(jié)果合理，能基本預測結(jié)果，那么我們就可以根據(jù)這個結(jié)果來在疫情到來前對旅游行業(yè)決策層進行及時提醒，并制定出相應的策略。

根據(jù)疫情的危害程度，我們需要對疫情進行等級劃分，即預警規(guī)劃。根據(jù)預警規(guī)劃來制定合理且有效的預警方案。在可能存在風險的情況下，如何將預警方案正確地應用于實際情況中，有效的發(fā)揮預警機制預防風險、減少損失的作用顯得尤為重要，實施方需準確掌握風險預警機制的實施流程。

圖3.2.3(2) 風險預警機制實施流程

3.3 變量的缺失統(tǒng)計分析

我們所統(tǒng)計的字段共有13 段，可卻包含了一些缺失值（空值），經(jīng)過數(shù)據(jù)審核我們可以分析出各類信息的分布情況、均值、極值、標準差以及缺失值的個數(shù)和占比如圖三和圖四所示。

對于缺失值的處理，我們首先利用時間散點圖，觀察各因素是否存在季節(jié)性波動。其圖像如圖五所示，由圖可以并不存在季節(jié)性波動，近乎為類指數(shù)型的變化趨勢。對于缺失值我們采用插補的方法，由于數(shù)據(jù)統(tǒng)計的隨機性，因此我們針對不同數(shù)據(jù)的分布不同采用不同的變化形式，對于“旅游景區(qū)就業(yè)數(shù)”和“全國政府性基金支出增長指數(shù)”我們采用逆模型的方法進行處理；對于“旅游景區(qū)總數(shù)”采取對數(shù)Log10 進行處理；“學校數(shù)_旅游院?！辈捎萌?shù)LogN 進行處理。將所有因素的分布都大致靠近于正太分布，利用正態(tài)分布的抵償性和統(tǒng)計隨機性，以各因素的平均值和標準差作為參考，進行隨機值的填補。

3.4 數(shù)據(jù)類型的處理和目標字段的選取

對于Logistic 回歸模型其目標變量類型為二值化(0,1)，因此我們需要進行變量轉(zhuǎn)化，我們將所給數(shù)據(jù)中“入境旅游總收入”+“國內(nèi)旅游總收入”=“旅游總收入”。然后令轉(zhuǎn)化率p=“旅游總收入”/“旅游總支出”(含義：每一份旅游支出能轉(zhuǎn)化為多少的旅游收入)。然后采用同比增長制，以本年的轉(zhuǎn)化率與上一年轉(zhuǎn)換率相比，如果大于1 則令其值1，如果小于1 則令其為0，此間接測量因素我們設置為目標量，并取名為“提高度”。然而在之后的時間預測模型中，需要進行類型的轉(zhuǎn)換以及字段的填充。因此采用to_date()代碼進行數(shù)據(jù)類型的轉(zhuǎn)換。

4 模型的建立與仿真

4.1 問題一的模型建立與仿真

4.1.1 灰色模型的建立與求解

灰色系統(tǒng)理論建模要求原始數(shù)據(jù)必須等時間間距。首先對原始數(shù)據(jù)進行累加生成，目的是弱化原始時何序列數(shù)據(jù)的隨機因素，然后建立生成數(shù)的微分方程。建立時間序列為x(0)(1),x(0)(2),......,x(0)(n)，從2010年到2019年的國內(nèi)和入境旅游總收入數(shù)據(jù)時間序列如下：

表4.1(4)

表4.1(1) 旅游總收入真實值和預測值

從2010 到2019年預測旅游收入，用SPSS 軟件對真實的旅游總收入和預測的旅游總收入進行相關性分析，預測旅游收入與實際的旅游收入的相關性高達99.7%。對旅游景區(qū)就業(yè)人數(shù)進行預測分析，發(fā)現(xiàn)旅游景區(qū)預測人數(shù)在未來三年也是增長的，對于疫情之后很可能會有“報復性消費”，旅游行業(yè)的經(jīng)濟會恢復。

根據(jù)SPSS modeler 軟件分析旅行社數(shù)量、旅游院校數(shù)、景區(qū)總數(shù)、國內(nèi)居民旅游人數(shù)對于旅游總收入的影響。結(jié)果如下圖，發(fā)現(xiàn)旅行社數(shù)量對于旅游總收入的影響是最大的。

灰色關聯(lián)度分析。首先，選取參考序列

x0(x0(1),x0(2),...,x0(k)，其中K 為時刻，K=1，2…,10。

M 個比較數(shù)列：

旅游總收入為因變量，景區(qū)總數(shù)為控制變量，其他因素與旅游總收入的相關性。（如表4.1（4））

第 1、2、3、4 分別為國內(nèi)居民旅游人數(shù)、旅行社數(shù)量，國內(nèi)居民人均旅游花費、旅游景區(qū)接待游客人數(shù)。

4.2 問題二的模型建立與仿真

經(jīng)過上面的數(shù)據(jù)預處理，我們最終得到的風險數(shù)據(jù)集。然后將數(shù)表格進行保存，以便可以利用SPSS 系統(tǒng)可以打開。再利用Spss Modeler 軟件導入源文件。

4.2.1 進行線性回歸檢查

利用線性回歸的數(shù)據(jù)類型特點，我們將轉(zhuǎn)化率設置為目標點，采用分區(qū)設置，將訓練區(qū)間設置為20%，測試區(qū)間設置為80%，并為分區(qū)數(shù)據(jù)構(gòu)建分割模型，以此更好地對數(shù)據(jù)進行客觀分析，減少偶然性誤差，去除冗余項。

在回歸分析中，采用逐步法的原理，對尚未添加到模型的輸入量進行評估，選擇最佳輸入量能夠顯著增加模型的預測能力。因此可以篩選出對于目標量有著重要影響的因素。

圖4.2.3(1) 數(shù)據(jù)特征分析流程

表4.2.3(1)

由此可以看出“旅游外匯收入增速”相對其它因素所占比例更大，因此需要更好的進行優(yōu)勢放大。

4.2.2 Logistic 模型建立與仿真

對于Logistic 回歸模型，前面提到過，如果在模型分析之前對不必要數(shù)據(jù)進行預處理(刪除、清理)，那么可以大大提高Logistic 回歸模型的預測效果，因此我們將建模數(shù)據(jù)帶入，按照以下流程進行數(shù)據(jù)的特征分析。（如圖4.2.3(1)）

在數(shù)據(jù)特征分析過程中，通過分類目標，類別預測變量的p 值(重要性)以Pearson 相關系數(shù)來表示目標量與影響因素之間的相關度。相關系數(shù)的絕對值越大，相關性越強。相關系數(shù)越接近于0，其相關度越弱。因此我們可以將不重要因素給刪除，以提高Logistic 回歸模型的準確度。緊接著我們在進行分區(qū)實驗，將訓練分區(qū)大小和測試分區(qū)大小各占50%，然后進一步采用步進的方法開始模型仿真。

緊接著我們通過模擬擬合信息和案件處理總結(jié)可得中可以知道其預測提高度為1 的概率為77.8%，而為0 的概率為22.2%，并且其卡方檢驗的數(shù)值為9.535，由此可知其實驗結(jié)果具有一定的可信度。所以我國旅游行業(yè)未來的發(fā)展風險較低，大概率其提高度會持續(xù)為1，投入轉(zhuǎn)換率呈上升趨勢。（如其簡表4.2.3 所示）

將調(diào)整好的數(shù)據(jù)，把時間間隔調(diào)整成按年計算，并將觀察值由日期/時間字段進行指定。并考慮到季節(jié)的影響，我們采用指數(shù)平滑法St=aYt-1+(1-a)St-1。利用一次指數(shù)平滑預測，其預測公式為yt+1’=ayt+(1-a)yt’。然后根據(jù)數(shù)據(jù)數(shù)據(jù)的波動性調(diào)整a 值，其調(diào)整如下:

（1）當時間序列呈現(xiàn)較穩(wěn)定的水平趨勢時，應選較小的a 值，一般可在0.05～0.20 之間取值；

（2）當時間序列有波動，但長期趨勢變化不大時，可選稍大的a 值，常在0.1～0.4 之間取值；

（3）當時間序列波動很大，長期趨勢變化幅度較大，呈現(xiàn)明顯且迅速的上升或下降趨勢時，宜選擇較大的a 值，如可在0.6～0.8 間選值，以使預測模型靈敏度高些，能迅速跟上數(shù)據(jù)的變化；

（4）當時間序列數(shù)據(jù)是上升（或下降）的發(fā)展趨勢類型，a 應取較大的值，在0.6～1 之間。

便可以預測出我國旅游未來5年的預期收入。

4.3 問題三的模型建立與仿真

4.3.1 對變量的分析

先進行變量之間的相關性分析，利用SPSS 做出各變量之間的顯著性關系。當顯著性P<0.05 時，在0.05 水平上顯著，說明事件至少有95%的把握能發(fā)生，該樣本就可以推廣到整體，研究得可靠程度才高。根據(jù)圖中關系查找得出各變量之間的相關性后，由SPSS 繪出各變量之間的散點圖。

由于旅游景區(qū)總數(shù)和旅行社數(shù)量之間有很強的正相關性，可認為旅行社的數(shù)量隨著旅游景區(qū)總數(shù)的增加而增加。

由散點圖分析出旅行社就業(yè)人數(shù)和旅行社數(shù)量之間存在較強的正相關性，由此可知，近年來隨著旅行社數(shù)量的增加，旅行社就業(yè)人數(shù)也跟著增加，看起來可能是好事，增加了不少工作崗位，但是也有可能導致的結(jié)果就是“無用”人員太多，讓旅游社行業(yè)呈現(xiàn)出一種重數(shù)量而不重質(zhì)量的“病態(tài)”中。這樣下去，游客的心態(tài)肯定會受到一定的影響，最后可能導致旅行社行業(yè)不景氣，私人組隊出游的情況增加。因此，精減旅行社的數(shù)量顯得尤為重要。

由旅游總收入和時間的散點圖可知，旅游景區(qū)總數(shù)與旅游總收入之間存在高度的相關性，而且這個增長趨勢也隨時間越來越大。

4.3.2 建立預警機制

（1）建立突發(fā)疫情應對小組：傳染病疫情報告管理領導成員為傳染病暴發(fā)應急領導小組，負責出現(xiàn)重大疫情預警時的疾病確診，預警上報的指導工作，然后及時向決策層反映，讓決策層做出相應的應對措施。

（2）設定傳染病預警對象，一經(jīng)發(fā)現(xiàn)，及時向有關衛(wèi)生部門和領導小組反應：

1）發(fā)現(xiàn)甲類傳染病、疑似病人、和病原攜帶者，衛(wèi)生部規(guī)定按照甲類管理的其他乙類傳染病和突發(fā)原因不明傳染病。2）發(fā)現(xiàn)不明原因的肺炎、不明原因的死亡病例。3）發(fā)現(xiàn)同一種急性傳染病。

（3）制定報告的方式：首次發(fā)現(xiàn)上述任何一種情況的病例，應于2 小時內(nèi)及時上報，相關人員了解情況，確認后報告領導，由負責領導啟動預警預案，疫情管理領導小組成員對報告信息進行會診討論，最后決定是否報告疾控部門，并向相應部門和地點發(fā)出預警信息。

（4）建立責任制：各級人員應明確責任，對未及時上報傳染病信息，由此造成嚴重后果者，根據(jù)相關規(guī)定給以處理。

4.3.3 在疫情出現(xiàn)后的調(diào)整

當疫情爆發(fā)后，線下旅游實體企業(yè)的營業(yè)受到?jīng)_擊，旅游行業(yè)可以及時推出線上旅游產(chǎn)品，讓大家能足不出戶也能感受到旅游的樂趣。在疫情期間，一些中小旅游企業(yè)沒有收入來源，面臨破產(chǎn)的悲慘結(jié)局。在這期間，要合理合法的使用國家政府的扶持政策，來盡量讓自己度過這段危險期，而且這段時間，旅游企業(yè)要對自身優(yōu)化，刪減不必要的分支機構(gòu)和支出。而且經(jīng)歷過這次疫情后，旅游也朝著健康旅游的方向發(fā)展，大眾也異常關心以健康的方式去旅游，旅游行業(yè)也應該把重心從注重數(shù)量轉(zhuǎn)移到注重品質(zhì)上，從大眾景區(qū)轉(zhuǎn)變成優(yōu)質(zhì)景區(qū)。只要讓游客的體驗感得到提升，那么去旅游的游客數(shù)量自然也會增多，所帶來的收益將超乎想象。

5 模型的優(yōu)缺點與優(yōu)化方案

5.1 問題一模型的優(yōu)缺點及改進方法：

優(yōu)點：即使旅游行業(yè)的數(shù)據(jù)少也能大致預測出結(jié)果，結(jié)果也比較精確。缺點：（1）模型都是以原始的時間序列具有指數(shù)增長規(guī)律為基礎，而在現(xiàn)實中旅游行業(yè)只能呈現(xiàn)近似的指數(shù)整長規(guī)律；（2）對于旅游行業(yè)的數(shù)據(jù)具有極大的波動性和隨機性，不能簡單地說數(shù)據(jù)之間滿足單一函數(shù)關系。改進：建立多個模型進行數(shù)據(jù)對比分析。

5.2 問題二模型的優(yōu)缺點及改進方法

優(yōu)點：（1）模型二對異常數(shù)據(jù)進行了合理的處理，并對數(shù)據(jù)進行了篩選，很大程度上提高了模型仿真的準確性；（2）在運用模型進行預測的時候，巧妙地對時序數(shù)據(jù)進行了季節(jié)性檢驗，排除了時序干擾。

缺點：（1）數(shù)據(jù)量過少，且最終整合的數(shù)據(jù)實用性不廣泛，比較局限；（2）目標變量的的預測準確性不高。

改進：（1）旅游行業(yè)的其它新興項目對于旅游行業(yè)的發(fā)展也會起到很大的重要性，因此也需要結(jié)合起來；（2）多去查閱資料，補全旅游行業(yè)發(fā)展的影響因素，使得模型仿真結(jié)果嚴謹，普遍性和實用性更高。

5.3 問題三模型的優(yōu)缺點及改進方法

優(yōu)點：（1）充分利用了篩選的數(shù)據(jù)，使結(jié)果更具有說服力；（2）分析了不同變量之間的相關性，得出變量之間的關系。缺點：數(shù)據(jù)量太少，相關性分析可能會得到偶然性的結(jié)果。改進：使用多種不同的分析法對數(shù)據(jù)進行分析。

6 結(jié)論

6.1 解答旅游從業(yè)人員的困惑

（1）出境游市場目前來說，依然是可以靠信息差來獲取大量利潤的機會。分析各類平臺和各大旅行社的數(shù)據(jù)，都可以看到出境游業(yè)務在持續(xù)增長。

現(xiàn)在出境游產(chǎn)品，大部分為觀光游，品質(zhì)和服務都一般，少量團隊開始做品質(zhì)游。以東南亞為例，雖然頭部玩家已經(jīng)占據(jù)了很大份額，但考慮到中國的人口紅利和東南亞旅游產(chǎn)品的普遍低質(zhì)量，依然機會很大。旅游從業(yè)人員需要具備足夠強的供應鏈整合能力，并做好產(chǎn)品的創(chuàng)新和服務的提升，一定可以獲得大的發(fā)展。

（2）國內(nèi)游市場傳統(tǒng)跟團游的機會已經(jīng)越來小，競爭也越來越激烈。無論是供應鏈資源，還是服務品質(zhì)提升，都已經(jīng)很難有大的機會。旅游行業(yè)在國內(nèi)發(fā)展到今天，跟團游產(chǎn)品已經(jīng)極大豐富，供大于求，那就要尋求根本模式的改變和創(chuàng)新。

突破方向1：做真正的自由行產(chǎn)品，收益主要來源于高額得服務費。真正的自由行應該是攻略+供應鏈管理+服務的模式。

突破方向2：文旅主題游的時代已經(jīng)到來。

國民對于旅游的需求，已經(jīng)從打卡購物的時代，進入到了精神享受的層面。人們愿意為了文化價值認同和精神共鳴而選擇參加一場旅行活動，并且愿意花費足夠多的錢。文化+藝術+娛樂+旅行線路+營地+品牌，這些不同領域的內(nèi)容交織在一起，會暴發(fā)出巨大的能量。

6.2 給旅游行業(yè)發(fā)展的新業(yè)態(tài)建議

6.2.1 輕戶外和旅行的結(jié)合

隨著全球經(jīng)濟的發(fā)展，國內(nèi)旅游已經(jīng)逐漸呈現(xiàn)出開放式運營，很多旅行社都齊刷地把目光轉(zhuǎn)向城市周邊，對于戶外、露營、徒步、登山、房車、野餐、騎行等產(chǎn)品已經(jīng)開始被挖掘和開發(fā)，事實證明這一系列的旅游新分支很好的結(jié)合了我國對于旅游政策的開放性，以及相當符合消費者的客觀需求。例如：輕戶外是一個前幾年就開始且被重視和提及的市場，攜程在很早的時候就布局了主題游，其中就包含徒步登山、騎行露營這樣的產(chǎn)品。但前幾年包括現(xiàn)在這依然是一個不斷增量的小眾市場，都知道方向但不知道趨勢紅利具體什么時候來。今年很多的供給大量加入，用戶得到不斷的教育和普及，可能會是戶外和旅行結(jié)合的起點。

6.2.2 旅游從業(yè)者的互聯(lián)網(wǎng)時代

今天小視頻、抖音、公眾號、微信都能創(chuàng)業(yè)者提供很好的自主創(chuàng)業(yè)機會，在川西、云南、新疆和西藏等旅游目的上不少的司機、領隊、導游都成為了各自領域里的“小網(wǎng)紅”，他們通過互聯(lián)網(wǎng)能夠找到足夠的存在感和好生活。因為成本低、接團少、個人背書反而能夠獲得更多地推薦。甚至有不少的“網(wǎng)紅領隊”開始接團反交給旅行社。從旅行社、公司里等著被派團到主動分配自己接不過來的團給旅行社，巨大轉(zhuǎn)變的背后，是互聯(lián)網(wǎng)提供給每個人的機會。

6.2.3 國內(nèi)好產(chǎn)品被加速發(fā)現(xiàn)

國內(nèi)優(yōu)質(zhì)旅行資源會被加速挖掘，很多人出不了國，無論主動和被動都要多一些目光給國內(nèi)。這個時候旅行軟件和硬件都很不錯的目的地會受到歡迎，比如新疆、西藏和四川這些具有異域風情同時文化和自然資源都很豐富的地方。而對于外國友人來講，我國特有的風景資源更是得天獨厚，因此我們應大力結(jié)合當今網(wǎng)絡信息傳播的廣泛性和快速性，積極對國外旅游愛好者進行宣傳，將我國的旅游資源利用到極致。