對于目前旅游消費預測探討論文

導語：對于目前旅游消費預測探討論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：旅游者的需求和消費行為始終是中國旅游研究的前沿問題。我國在旅游市場需求預測研究方面也進行了不斷的探索，取得了豐碩的成果。通過對國內旅游市場需求預測近30年的研究成果的系統梳理，總結我國旅游市場需求預測研究的軌跡和特點，為我國進一步進行旅游市場需求預測研究提供借鑒。

關鍵詞：旅游市場；需求預測；方法

一、引言

旅游需求是旅游市場形成的根本基礎，沒有旅游需求，旅游市場就無從談起，旅游產品的價值也就無法實現。因此，對某地旅游產品的需求量是旅游目的地旅游管理部門、旅游企業(景區、旅行社等)和旅游從業人士都十分關切的重要問題。旅游需求的重要性說明，任何一個國家或地區在發展旅游業時，都必須以人們對該國或該地區旅游產品的需求為依據，在此基礎上有針對性地開發旅游產品，合理地規劃和控制旅游業的開發規模和發展速度，以實現發展區域旅游業的最佳效益。對旅游者需求研究特別是對其消費行為的研究非常重要，中國的旅游業發展需要這方面的研究來指導實踐。而消費者的需求和消費行為也隨著社會發展不斷變化，需要業界不斷地追蹤研究，與時俱進。旅游者需求與消費行為將始終是中國旅游研究的前沿問題[1]。我國的學者一直以來十分重視這個問題的研究，進行不斷地探索，取得了一定的研究成果。

隨著我國旅游業的不斷發展，旅游活動對社會的影響不斷加大，關于旅游需求的研究開始向更深的層次展開，很多不同領域的學者開始介入到旅游需求的研究之中。從旅游目的地的角度研究旅游需求可以指導目的地的旅游產品的開發與規劃、旅游企業經營策略，為旅游資源開發與規劃等提供科學的依據。

二、旅游市場需求預測研究中的統計分析

利用中國期刊網搜索，從研究內容進行選取，共有137篇文章來探索旅游市場需求預測問題。王鐵生(1984)首先發表文章探討杭州國內旅游需求預測[2]。而1985年12月通過鑒定的《北京旅游發展戰略》，其中包含了客源市場調查研究篇幅，從內容上看，包括了客源市場預測、市場發展戰略、旅游者行為分析等；從方法上看，使用了大規模的問卷抽樣調查，并進行了旅游市場預測研究，在全國具有領先意義[3]。從此開始，我國學者對旅游需求預測進行不斷研究和探索。

(一)文獻數量統計

從文獻的時間動態分布統計中看出(見圖1)，我國學者從20世紀80年代中期開始進行旅游市場需求預測研究，在20世紀80年代僅有4篇相關文獻。而持續進行此方面的研究始于20世紀90年代中期。我國學者陸續開始進行旅游市場需求預測的研究。從1996-2004年，文獻數量基本持平，但總體上略有遞增趨勢。近幾年(2005-)有關旅游市場需求預測的研究又有新的增長，而且增幅很大，尤其是2005年達到15篇，是2004年的3.75倍，2006年達到了20篇，2007年截至到7月份已經有19篇文獻，可見我國對旅游市場需求預測的研究真正興起于最近幾年。

(二)研究方法分類統計

國內對旅游需求預測的研究主要是在借鑒國外旅游需求預測方法的基礎上做更進一步的探索與分析，不少學者對旅游需求預測方法改進做了大量研究[4]。筆者參考了任來玲(2006)的旅游需求預測分類[5]，將137篇文獻按照研究方法進行分類。從傳統的研究方法來看，有60.1%的文獻采用，其中有15.2%的文獻采用了定性研究方法，有44.9%文獻采用了定量研究方法，所有的傳統研究方法中回歸模型的應用最多，達到了24.6%；有39.9%的文獻采用了人工智能方法，在人工智能方法中，灰色系統研究方法應用最多，達到了19.6%。

三、旅游市場需求研究軌跡分析

在對137篇文獻進行總體統計分析的基礎上(結合表1和圖1)，根據我國旅游市場需求研究的具體情況，從研究發展的軌跡來看，可以劃分為三個階段：第一個階段為20世紀80年代，我國的旅游研究起步于改革開放以后的20世紀70年代末期，這個旅游研究處于起步階段，一直到20世紀80年代末期，我國對旅游市場需求預測的研究僅有很少的學者介入，研究成果很少；第二個階段為20世紀90年代，我國的旅游研究蓬勃發展，有較多的學者開始對旅游市場需求預測進行研究，從內容和方法都有一定的擴展；第三個階段為2000年以來。2000年以來，我國的旅游市場需求預測研究在數量上和研究方法上都出現了比較大的變化，雖然回歸模型仍然是主要的研究方法，但是已經從簡單的一元回歸向多元回歸、指數回歸、多項式回歸轉變，新的研究方法引入、如神經網絡、粗集理論開始應用到旅游市場需求預測之中，而且多種方法的綜合應用研究也不斷地增加。

(一)零散的摸索起步階段(20世紀70年代末-80年代末)

在此期間共有5篇相關文獻。從研究方法的時間演進看，我國的旅游市場需求預測研究在1990年以前，我國的學者開始進行旅游市場需求預測研究的摸索，在研究方法上主要使用傳統的研究方法，雖然以定量方法為主，但是利用的定量方法比較簡單，回歸模型都是使用了簡單的一元線性回歸方法，而且都以國民人均收入為自變量。

這一階段代表性成果有王鐵生，葛立成(1984)利用鐵路運輸、公路運輸、水運和空運發送人次對杭州旅游人次進行匡算，并指出了其中的誤差。在對杭州市旅游市場需求進行預測中，認為經濟發展是衡量國內旅游發展的重要因素，因此，其利用人均國民收入作為自變量用一元回歸模型進行旅游市場需求預測。同時為了彌補第一種方法的不足，又使用了指數方程(時間序列)進行了預測。文章最后指出旅游增長率高于人均國民收入增長率[2]。葉濤(1986)首次提出運用計量經濟學的方法進行旅游市場需求預測。文章提出了黃山客流量模型，文章使用了回歸和滑動平均結合模型對黃山旅游市場需求進行了預測[6]。韓德宗(1986)首次將引力模型和旅行發生模型引入國內，并進行了介紹、分析[7]。

(二)穩定的探討成長階段(20世紀90年代)

在這一階段，旅游市場需求研究文獻數量相比較第一階段有了很大的提高，在研究方法上也出現多元化，特爾菲法、ARIMA模型和灰色系統都第一次運用到旅游市場需求預測之中，但回歸模型和時間序列仍然占有主導地位。研究出現了從簡單單變量分析向復雜的多變量分析、靜態模型向動態模型、單一方法向方法綜合發展，多種學科(如數學、地理)開始介入到研究之中的變化趨勢。

一些新的預測方法、模型應用到旅游市場需求預測之中。保繼剛(1992)首次運用修正引力模型對北京市6月份國內游客預測模型，并指出模型的使用范圍，在我國使用引力模型存在數據問題，要使用引力模型進行旅游市場需求預測必須有些解決旅游數據獲取[8]。張洪明(1995)首次將灰色理論應用于旅游市場預測之中，建立了引入殘差信息的灰色預測模型，指出灰色建模不需要大量原始數據，不存在誤差積累，和概率統計、回歸模型比較具有精度高的特點，適合用于中長期旅游市場需求預測[9]。趙西萍，王磊，鄒慧萍(1996)對國際上旅游市場預測方法進行了綜述，并提出了旅游需求預測的發展趨勢——與經營管理過程相融合的預測方法[10]。魏啟恩，劉新平(1997)引入隨機時間序列ARMA，ARIMA模型分析方法，建立了西安境外游客的ARIMA動態預測模型[11]。

這一階段一些綜合性的組合方法開始出現，如周建設，劉新平(1996)選用了邏輯斯締曲線模型，選用常規的線性回歸和三次曲線模型等7種模型對昆明入境游客進行預測，通過比較分析發現帶虛擬變量的線性回歸模型和指數曲線模型較優。并利用7種預測模型進行了組合預測[12]管寧生，楊麗，王建平(1998)利用指數模型和特爾菲法對鶴慶縣旅游市場進行了預測[13]。

(三)快速的發展整合階段(2000年-)

2000年以來，我國對旅游市場需求預測的研究進入了新的階段，目前有108篇成果出現，遠遠多于前20年的總和，由此來看，對于旅游市場需求預測的研究成為了旅游研究的熱點之一。隨著經濟學的介入和人工智能理論的成熟以及在各行業的廣泛應用，旅游研究者將計量經濟方法、神經網絡、灰色模型等這些方法引入旅游業，并進行了旅游需求模型和預測研究的有益探索。在旅游市場需求研究中嘗試將新的研究方法于最新的研究結合和整合運用，研究方法逐漸精細化，這樣得益于旅游需求理論的不斷提升，旅游建模和預測方法也經歷了比較大的變化。公務員之家

李峰，孫根年(2006)應用旅游本底趨勢線的概念和方法研究了2003年“SARS”對我國的旅游的影響[14]。呂連琴，王世文(2000)通過定性與定量相結合的方法，分析了小浪底國內客源市場的趨勢和走向，還嘗試采用了趨勢分析法、專家咨詢法、分級累計法、平均值法等多種預測方法，對小浪底旅游區國內旅游市場進行了深入的分析與預測[15]。田喜洲(2001)對重慶市美國旅游客源市場進行了詳細分析，并通過建立指數方程預測模型預測了重慶市未來3年的美國游量[16]。張啟敏，汪文帥(2002)采用Hammerstein模型對寧夏2006年的旅游需求量進行預測、并對該模型進行了修正，同時指出在小樣本條件下Hammerstein模型是一個非線性模型[17]。吳江，黃震方(2004)運用Logistic曲線對旅游地生命周期的發展階段進行模擬，并應用StellII語言建立了模型，代入一定的數據進行處理，模擬旅游產品生命周期曲線，并對這一曲線的主要影響因素進行了討論，得出旅游市場預測的非線性規律，并討論回頭客對旅游地持續發展的重要性[18]。王娟、曾昊(2001)研究了人工神經網絡(ArtficialNeuralNetworks)在旅游市場預測的應用及其重要性[19]。鄭江華，劉平(2001)利用線性組合預測方法對新疆國際旅游客源量進行了預測[20]。張立生(2004)研究了影響旅游需求的因素，并對經濟、人口和交通因素分別進行分析，建立了預測模型，預測了我國2005年和2010年的國內旅游人次和旅游收入[21]。劉頌(2003)利用GM(1，1)模型對旅游地客源市場動態預測方法進行了探討[22]。曹霞(2006)在分析上海市2000年1月—2004年9月旅游市場動態變化時序數據的基礎上，采用博克斯-詹金斯(B-J)方法預測了2004年4月—2004年9月間上海市旅游客流的發展變化趨勢[23]。譚頻頻等(2006)建立基于月度數據的桂林漓江旅游航班、運量及游客的需求預測模型，運用指數平滑、SARIMA和Elman人工神經網絡3種方法，并采用平均絕對誤差(MAE)、均方差百分比誤差(RMSE)和平均絕對百分比誤差(MAPE)評價模型預測效果。預測實例表明Elman神經網絡模型更能反映時間序列的波動性，更適合桂林漓江旅游需求預測[24]。

四、結語

綜上所述，可以看出國內對旅游市場需求預測的研究具有以下特點：

第一，從研究方法來看，國內在對旅游市場需求預測的研究過程中仍然偏重于定量研究方法(模型)的使用和探索，但是，研究成果具有一定的相似性。近年，開始注重定量與定性方法相結合以及一些方法的綜合運用，預測方法正由單一化逐漸向綜合化方向發展。但是和國外的研究相比較，雖然研究方法日益豐富，但是研究零散，缺乏系統性，沒有形成體系，因此，對于研究方法的理論探討和體系形成需要不斷地努力。

第二，從研究對象和研究內容來看，國內旅游市場需求預測研究方面著重現象的統計描述，利用模型進行過程和機制分析較少；針對某一消費者群或旅游目的地的實證分析較多，對基礎理論與方法論的探索少；強調個案研究多，以個案推導整體的做法不夠嚴謹，樣本質量和代表性存在問題，研究結論不具備普遍指導意義。在研究中對于旅游市場需求預測的目的和意義認識不夠，對于預測過程和結果的分析不足，致使其實用價值受到很大影響。

參考文獻：

[1]范業正.旅游者需求與消費行為始終是旅游研究的前沿問題[J].旅游學刊，2005，20(3)：10-11.

[2]王鐵生，葛立成.對來杭國內旅游者的動態分析[J].浙江學刊，1984(4)：7-13.

[4]歐陽潤平，胡曉琴.國內外旅游需求研究綜述[J].南京財經大學學報，2007(3)：80-83.

[5]任來玲，劉朝明.旅游需求預測方法文獻述評[J].旅游學刊，2006(8)：90-92.

[6]葉濤.黃山旅游市場的分析和預測[J].數量經濟技術經濟研究，1986(2)：63-68.

[7]韓德宗.旅游需求預測重力模型和旅行發生模型[J].預測，1986(6)：66-67.

[8]保繼剛.引力模型在游客預測中的應用[J].中山大學學報(自然科學版)，1992(4)：133-136.

[9]張洪明.森林旅游客流量引入殘差信息的灰色預測[J].四川林勘設計，1995(4)：29-33.

[10]趙西萍，王磊，鄒慧萍.旅游目的地國國際旅游需求預測方法綜述[J].旅游學刊，1996(6)：28-32.

[11]魏啟恩，劉新平.西安市境外游客動態預測模型[J].陜西師范大學學報(自然科學版)，1997(2)：67-71.

[12]周建設，劉新平.昆明境外游客市場預測探討[J].陜西師范大學學報(自然科學版)，1996(4)：75-79.

[13]管寧生，楊麗，王建平.鶴慶縣旅游市場分析與預測[J].社會科學家，1998(增刊)：105-108.

[14]李峰，孫根年.基于旅游本底線法(TBLM)的旅游危機事件研究——以2003年“SARS”事件為例[J].人文地理，2006(4)：102-105.

[15]呂連琴，王世文.黃河小浪底旅游開發的國內客源市場分析與預測[J].地域研究與開發，2000(4)：93-96.

[16]田喜洲.重慶市美國客源市場分析、預測與開發對策[J].重慶商學院學報，2001(3)：18-20.

[17]張啟敏，汪文帥.寧夏旅游需求量的預測[J].信陽師范學院學報(自然科學版)，2002(2)：162-165.

[18]吳江，黃震方.旅游地生命周期曲線模擬的初步研究—Logistic曲線模型方法的應用[J].地理與地理信息科學，2004(5)：91-94.

[19]王娟，曾昊.人工神經網絡——一種新的旅游需求預測系統[J].旅游科學，2001(4)：24-27.

[20]鄭江華，劉平.新疆國際旅游客源量的線性組合預測[J].交通運輸系統工程與信息，2001，1(2)：140-143.

[21]張立生.我國國內旅游市場規模分析與預測[J].地域研究與開發，2004(1)：59-61.

[22]劉頌.旅游地客源市場動態預測方法探討[J].曲阜師范大學學報，2003(4)：107-110.

[23]曹霞，常玉春.上海旅游客流的B-J方法預測研究，旅游科學，2006(1)：39-44.

[24]譚頻頻，陸凱平，牙韓高.旅游需求預測模型研究[J].鐵道運輸與經濟，2006(8)：73-75.