本站小編為你精心準備了生態經濟區入境旅游市場發展趨勢參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、研究原理

目前，學界逐漸重視區域旅游業發展的趨勢預測，在入境游客量預測、國內游客量量預測等方面，建立了各種方法和模型。在對國內旅游市場游客量需求的預測中，常用的方法有多元回歸模型、神經網絡模型、灰色預測模型、引力模型及一般時間序列模型等，這些方法可以反映游客變化的一般趨勢，但預測結果受突發情況（如SARS事件）的影響比較大。ARIMA作為統計預測中的一個重要模型，被廣泛運用于各個領域，由于ARIMA模型則能夠較好地克服隨機干擾問題，近年來，也被運用與旅游業游客量的預測中。ARIMA模型全稱自回歸移動平均模型（AutoregressiveIntegrantedMovingAverageModel,ARIMA)，由博克思（Box）和詹金斯（Jenk-ins）于70年代初提出。其中ARIMA（p，d，q）稱為差分自回歸移動平均模型，AR是自回歸，p為自回歸項；MA為移動平均，q為移動平均項數，d為時間序列成為平穩時所做的差分次數。ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數據序列視為一個隨機序列，用數學模型來描述，模型被識別后可以從時間序列的過去值及現在值來預測未來值。

二、研究步驟

（1）根據時間序列的散點圖、自相關函數和偏自相關函數圖以ADF單位根檢驗其方差、趨勢及其季節性變化規律，對序列的平穩性進行識別。（2）對非平穩序列進行平穩化處理。如果數據序列是非平穩的，并存在一定的增長或下降趨勢，則需要對數據進行差分處理，如果數據存在異方差，則需對數據進行技術處理，直到處理后的數據的自相關函數值和偏相關函數值無顯著地異于零。（3）根據時間序列模型的識別規則，建立相應的模型。若平穩序列的偏相關函數是截尾的，而自相關函數是拖尾的，可斷定序列適合ARIMA模型；若平穩序列的偏相關函數是拖尾的，而自相關函數是截尾的，則可斷定序列適合ARIMA模型；若平穩序列的偏相關函數和自相關函數均是拖尾的，則序列適合ARIMA模型。（4）進行參數估計，檢驗是否具有統計意義。（5）進行假設檢驗，診斷殘差序列是否為白噪聲。（6）利用己通過檢驗的模型進行預測分析。

三、研究假設

（一）預測指標的選擇本文選擇入境旅游人數和入境旅游外匯收入，進行模型分析，對未來入境旅游市場發展進行預測。

（二）研究假設假設1：利用ARIMA模型預測鄱陽湖生態經濟區入境旅游市場發展趨勢是可行的。假設2：基于時間序列模型的擬合度較好，其預測值具有可信性。

四、鄱陽湖生態經濟區入境旅游市場發展趨勢分析

本文選擇1998-2013年鄱陽湖生態經濟區15年的入境旅游人數和入境旅游外匯收入為實驗數據（見表1），構成研究對象的時間序列，采用ARIMA模型建立時間序列模型，并預測至2015年鄱陽湖生態經濟區入境旅游市場的發展趨勢。根據上述數據，利用SPSS17軟件，建立ARIMA模型，得出結果（見圖1和表2），從結果中可知ARIMA預測值與實際值擬合度較高，除了一些特殊年份以外誤差比例都保持在10%以下（1998年預測值高于實際值是因為東南亞金融危機影響，2003和2004年是由于SARS風波導致預測值與實際值不符），最低誤差率僅為0.95%。

由此，ARIMA模型預測的2014年和2015年鄱陽湖生態經濟區入境旅游收入分別為57715萬美元和62801.3萬美元，以及入境旅游人數178.52萬人次和192.35萬人次，非常具有參考價值，能為相關部門和企業在制定旅游發展規劃時，提供有效的數據支撐。

作者：左振華 吳磊 單位：江西科技學院管理學院