陕西省旅游季节性研究

□文/李 娇

（西安财经大学统计学院 陕西·西安）

［提要］ 近年来，旅游季节性问题越来越多地被人们所关注。旅游季节性是指旅游活动呈现在时间上的不均衡特点，从而使旅游活动形成淡旺季差异，进而对经济发展产生一定的影响。本文在查阅并梳理大量国内外文献资料基础上，利用陕西省旅游季度数据，采用移动平均趋势剔除法计算季节指数，结果表明：第二、第三季度为陕西省旅游旺季，第一、第四季度为陕西省旅游淡季；同时计算旅游淡旺季之比来衡量旅游季节性的分布均衡状态。针对研究结论，分析旅游季节性产生的原因，并通过eviews 软件建立ARMA模型，对陕西省旅游收入进行季节性预测。

引言

陕西省作为一个旅游资源丰富的地区，除了拥有秀丽壮观的风景区外，还具有深厚的文化底蕴。陕西省现有3.58 万处各类文物，不仅数量多，而且种类丰富。最为著名的旅游景点包括秦始皇兵马俑、大唐芙蓉园、华山、大雁塔、华清池等。从相关数据来看，陕西省旅游业呈现出良好的发展形势。然而，旅游业发展地位在逐步提高的同时也面临着很大难题。在一些自然因素和社会因素的影响下，旅游活动具有明显的季节性特征，主要体现是旅游人数或旅游收入在不同时间段上的差异，因此形成了旅游淡旺季。旅游淡旺季容易对旅游业的发展造成制约影响，例如旅游旺季导致旅游资源的过度开发利用，致使当地环境承载力遭到破坏，旅游淡季使旅游业发展速度缓慢，更不利于经济增长。因此，旅游季节性越来越成为一个不可忽视的特征。

从旅游季节性的定义来看，周勇振（2011）认为其是一种正常的现象，主要体现为时间上的不平衡；巴特勒（2001）将其概括为具有暂时性的不平衡特点的旅游活动，将旅游季节性看作是每年都会发生且具有相同程度的活动。从旅游季节性的形成原因来看，何德君（2016）则从自然条件和人文条件出发，发现自然因素主要有气候条件、旅游资源的构成要素以及季节更替会引起自然景观变化，人为因素主要有休假制度、游客类型、旅游城市的知名度以及旅游产品的组成等。从旅游季节性的表现形式来看，贺小荣（2006）将其总结为多峰现象、双峰现象和单峰现象，多峰现象是指在旅游活动中出现多个旺季，双峰现象是指一年中出现两个旅游旺季，单峰现象则是指一年中只出现一个旅游旺季的现象；黎明（2016）在研究内蒙古旅游季节性特征时，将表现形式分为单峰型、双峰型（多峰型）和无峰型。从旅游季节性带来的影响来看，李和平和马菁（2007）认为旅游季节性的特征会引起旅游设施利用率低、自然生态环境破坏、度假区城市化等一系列问题。在研究旅游季节性问题的方法上，国外学者大多采用了时间序列法，包括计算季节性强度指数等，其中衡量旅游季节性的方法包含计算基尼系数，这是因为其几乎不受极端值的影响；除此之外，季节调整法和德尔菲法也被国外学者运用到了该研究上。

一、旅游季节性产生的原因

（一）主观原因。若游客的主要目的是观光游览景区，必然会受到气候因素和旅游资源条件的限制，对其有较高的要求。例如，游客为了参观宗教景观、参加体育活动与民族节日，需要在固定的时节出游，这样就不可避免地造成了旅游季节性的特征。同时，对于经济条件一般或稍差的家庭来说，旅游活动需以经济实惠为前提，这样自然会受到很多因素的限制，在出行方式、住宿条件、旅游地点的选择上也会有一定的束缚。在以节约经济为前提，要使旅游活动达到最优状态，必须考虑到旅游目的地的景观、天气等，也间接地造成了旅游淡旺季差异。

（二）客观原因。众所周知，气候条件是影响出行的重要因素之一，气候舒适度因素一直在人们参与旅游活动前的考虑范畴内，良好的旅游体验是以适宜的天气状态为前提的。气候舒适度指数主要由平均气温、相对湿度和平均风速确定。一般情况下，最优的平均气温在17℃～28℃之间。陕西省的气候具有冬冷夏热、四季分明的特征，气候条件良好是第二季度游客较多的原因之一；同样，1 月、2 月游客较少也与天气寒冷有关系。旅游景区的旅游资源也是旅游季节性产生的客观原因之一。例如，海滩是人们夏季旅游的热点选择，山庄等也是夏季避暑的首选场地；而像温泉、冰雪景观之类具有冬季属性的景区则适宜寒冷时节观光，因此旅游收入或旅游人数在不同季节不可避免地产生了一定的差异性。除自然景观外，一些人文景观也对旅游活动带来了季节性影响，例如宗教旅游资源、民族文化和历史古迹等。一般情况下，民族节日或体育活动等会在固定的时间举行，这也对旅游产生了季节性影响。大多数人们会选择在节假日出行，法定节假日给予了人们外出游玩的充分时间，例如五一劳动节、十一国庆节等，高峰出行必然会使旅游产生淡旺季差异。对于学生和教师而言，寒暑假是旅游的最佳时间，因此即使7 月、8 月正值酷暑，旅游活动依然能带来较高的经济收益。在2017 年的黄金周和小长假期间，陕西省接待游客的数量为14，992.42 万人次，占全年的28.89%，旅游收入高达715.82 亿元，占全年的15.46%。

二、陕西省旅游季节性研究

（一）陕西省旅游现状。近年来，陕西省旅游业得到迅猛发展，如图1 所示，旅游总收入呈曲线形势稳步上升，由2008 年的607 亿元上涨到2017 年的4，813.59 亿元，增加了将近8倍。从增长率来看，2008～2017 年呈现“增长－下降”的循环波动状态，其中2011 年的增长率达到最高，约为34.7%。旅游收入的逐年增长体现了旅游市场良好的发展势头。（图1）

图1 旅游收入与增长率统计图

由以上数据来看，陕西省旅游总人数也呈现出稳步上升的形势，由2008 年的9，182.7 万人次上涨到2017 年的52，284.36 万人次，增加了5.6 倍之多。从增长率来看，2008～2017 年基本呈现“持平-下降-再持平”的波动状态，其中2012年的增长率达到最高，约为26.46%。与旅游收入相同，旅游人数也是衡量旅游市场发展情况的重要指标。（图2）

图2 旅游人数与增长率统计图

综合以上情况发现，尽管旅游收入与旅游人数的增长率会出现下降的情况，但从经济指标来看，陕西省旅游市场发展形势良好，游客逐年增加，旅游收入也得到明显提高。

（二）判定季节特征。本文数据的主要获取渠道为陕西省旅游政务网、陕西统计年鉴以及一些官方网页信息等。由于本文研究的主题是陕西省旅游季节性，因此所采用的指标为旅游收入季度数据。旅游季节性的主要表现是时间分布上的不均衡，所以对比其他指标而言，用不同时间段的旅游收入来衡量这种差异更具有说服性。2008～2017 年陕西省的旅游季度收入呈现出双峰的态势，由此可以判断出陕西省旅游活动具有明显的季节性。由于随着时间的增长，旅游收入也在逐年增长，因此还可以判断出含有明显的趋势成分。本文利用移动平均趋势剔除法计算出各季的季节指数，从而判断出陕西省旅游活动的淡旺季。

由于数据为季度数据，故采用4 项移动平均，并对得到的结果进行中心化处理。主要计算公式为：MA1＝（Y1+Y2+Y3+Y4）/4，MA2＝（Y2+Y3+Y4+Y5）/4，CMA＝（MA1+MA2）/2，即对移动平均的结果再做一次二项移动平均处理。接下来计算季节比率，用将近十年各季度的旅游收入数值除以对应的中心化移动平均值，便可以得到季节比率的数值。由于由上述步骤计算出的季节比率的平均值不等于1，根据理论规定季节指数的平均值需等于1 或100%，因此必须对上述结果进行相应的调整，调整方法是用上述每个季节比率的平均值除以总体的平均值。结果显示，四个季度的季节指数分别为0.7856、1.1796、1.2091 和0.8257，由于第一季度与第四季度的季节指数小于1，第二季度与第三季度的季节指数大于1，因此初步判定：第一季度与第四季度为陕西省旅游淡季，而第二季度与第三季度为陕西省旅游旺季。

淡旺季旅游收入之比不仅可以很好地衡量旅游活动中的淡旺季差异，还可以反映出旅游季节性分布的均衡程度，是衡量旅游市场健康发展的重要指标。淡旺季旅游收入之比的取值范围在（0，1）之间。相对而言，比值越接近1，表明旅游季节性的分布越均衡；比值越接近0，表明旅游季节性的分布越分散。2008～2017 年10 年间，陕西省旅游淡旺季之比均大于0.5，这说明旅游季节性的分布较均衡，不至于产生“淡季过淡，旺季过旺”的现象。在旅游市场中，这种现象会引起很多方面的难题，也会制约旅游市场健康发展。上述步骤已确定出每个季度的季节指数，用各观察值分别除以对应的季节指数便可将季节成分剔除，得到分离季节成分后的陕西省旅游季度收入。季节分离后的数据与实际观察值形成了鲜明的对比，又一次验证了陕西省旅游市场具有明显的季节性特征。

综合以上方法来看，移动平均趋势剔除法计算出的季节指数体现出陕西省旅游具有季节性特征。季节分离后的旅游季度收入分散了季节因素，与实际观察值对比后进一步说明了旅游淡旺季差异，以上方法综合体现了判断陕西省旅游活动具有季节性特征的准确性。

（三）建立季节模型预测。在上述研究的基础上，本文通过Eviews软件对该时间序列建立了简单季节模型并对陕西省旅游季度收入指标进行了预测。时序图即图1，该序列具有长期递增趋势和季节效应，首先消除原序列的递增趋势，对原序列作1阶差分平稳化处理，处理后的序列具有稳定的季节波动和随机波动。再对其消除季节效应，对1阶差分后的序列再进行4步的周期差分，提取季节波动信息：▽4▽yt＝▽yt-▽yt-4，并进一步做单位根检验考察其平稳性。结果显示，P值小于0.05，因此拒绝原假设，说明1阶4步差分后的序列不存在单位根，即该序列为差分平稳序列，可以拟合模型进行预测。自相关图显示，自相关系数除了延迟2阶和延迟6阶在2倍标准差范围之外，其余均在2倍标准差范围内；偏自相关图显示，偏自相关系数延迟2阶显著大于2倍标准差。假设显著性水平为0.05时，大多数P值基本小于0.05，因此经过1阶4步差分后的序列为平稳非白噪声序列，这意味着该序列中存在着一些可供提取的相关信息。由于图3中显示自相关系数和偏自相关系数均呈现出不截尾性，因此对1阶4步差分后的平稳序列进行模型拟合时，经过多次尝试后最终选定的模型为ARMA（2，2）。检验拟合模型，显示P值均大于0.05，调整的R2超过0.9，模型拟合良好。由ARMA模型的形式可以得到如下方程：

考虑到前面已经进行过1阶4步差分运算，实际上是用ARIMA（2，1，2）拟合原序列。在进行最终预测前需要对其进行残差分析，自相关系数和偏自相关系数均显著为0，P值几乎全部大于0.05，因此残差序列为白噪声序列，说明模型拟合良好。（图3）

图3 残差序列分析图

最后对其进行预测。图4显示了陕西省2008～2017年旅游季度收入的预测值与实际观察值之间的对比关系，可以发现实际观察值曲线与预测值曲线的波动情况基本一致，误差范围较小，说明模型拟合优度较好，利用此模型对2018年的数据进行预测的结果比较具有说服性。（图4）

图4 2008～2017 年陕西省旅游收入预测值与实际值对比图

通过选定的模型进行预测，图5中位于中间的折线显示了2018年第一季度至第四季度的陕西省旅游收入预测值，上下折线区域内为预测区间，其中第一季度为1，036亿元，第二季度收入为1，842亿元，第三季度收入为1，921亿元，第四季度收入为1，195亿元。（图5）

图5 2018 年陕西省旅游收入预测值图

将移动平均趋势剔除法和建立简单季节模型预测结合来看，两种方法都是先对长期趋势作出观察，并测定季节因素。在本文中，前者的目的是基于季节指数对陕西省旅游季节性做出研究，后者是在有季节因素的基础上，对未来的旅游收入做出合理的预测。利用移动平均趋势剔除法判断出第二、第三季度为旅游旺季，根据简单季节模型预测出的2018年陕西省第二、第三季度旅游收入明显高于第一、第四季度的旅游收入，符合判断规律；同样，2018年第一季度和第四季度的预测收入在1，000亿元左右，将近第二、第三季度的四分之一倍，也符合移动平均剔除法的判断结果。

三、结论

陕西省位于中国西北部，旅游资源丰富，四季分明，因此旅游市场具有发展优势。本文通过上述研究与探讨得出以下结论：在陕西省旅游活动中，旅游数据呈现出明显的周期性规律。通过移动平均趋势剔除法计算出季节指数后，可以初步判定每一年的第二、第三季度旅游收入明显超过第一、第四季度的旅游收入，即第二、第三季度为旅游旺季，第一、第四季度为旅游淡季。从淡旺季旅游收入比来看，比值均大于0.5，说明旅游季节性的分布状态是比较分散的；从旅游季节性的表现形式来看，由于一年中旅游市场出现两个旺季，即第二季度和第三季度，根据双峰的定义，可以初步判定陕西省旅游季节性的表现形式为双峰；根据本文数据建立ARMA模型，在此基础上对2018年第一季度至第四季度的陕西省旅游收入进行了合理预测，第一季度为1，036亿元，第二季度收入为1，842亿元，第三季度收入为1，921亿元，第四季度收入为1，195亿元，并给出了区间误差范围。