中国旅游统计分析.docx
《中国旅游统计分析.docx》由会员分享，可在线阅读，更多相关《中国旅游统计分析.docx（12页珍藏版）》请在冰点文库上搜索。
中国旅游统计分析
中国各地区旅游企业经济效益评价与统计分析
摘要：
本文根据2001年《中国旅游统计年鉴》（副本）的有关数据，用因子分析、聚类分析、判别分析对我国大陆各地区的旅游企业经济效益作了定量分析，按加权因子得分进行了排序,给出了一种分类方式，并用典型相关分析对各地区旅游企业经济效益与旅游资源分布关系进行了研究，为各地区旅游业横向比较及健康、快速发展提供一定的科学依据。
关键词：
旅游；企业效益；综合评价；因子分析；聚类分析；典型相关分析
中图分类号：
文献标识码：
A
旅游业作为我国经济发展的重要组成部分，为国民经济的发展发挥了巨大作用。
我国的旅游业虽然起步较晚，但发展势头强劲。
国家把旅游业确定为第三产业积极发展的新兴产业序列中的第一位，许多省、自治区、直辖市把旅游业作为地方经济发展的支柱产业加以培育发展。
现阶段我国旅游业已形成了政府主导型的产业格局和门类齐全的生产体系，生产规模日益扩大，产业结构日趋完善，成为经济新的增长点之一。
它不仅扩大了就业，促进了消费，为国家增创外汇，拉动经济增长，而且推动了基础设施建设的投资，促进了生态的优化和环境保护。
由于我国地域辽阔，经济发展不平衡，旅游资源分布有差异，以及历史文化背景、地方政府扶持力度等原因，我国旅游业的发展现已不平衡，地区差距拉大。
如何评价旅游企业的经济效益是旅游企业经济活动分析的重要课题，这对于进一步提升旅游产业地位，提高产出水平，使各地区旅游业均衡、健康、科学发展具有重要作用。
本文利用统计模型定量分析，客观地对我国各地区（不含港、澳、台地区）旅游企业经济效益进行了综合评价，给出了排序、分类，并对结果做出了合理分析。
1．评价指标与方法
我国目前考核旅游企业经济效益的主要指标有：
固定资产、利润、税金、全员劳动生产率等，这套指标体系比较全面地反映了企业经济效益各个侧面的状况，但各指标间常出现此大彼小、此高彼低的现象。
国家旅游局年度旅游企业经营统计报告只是按某项指标分别给出居于前十位的省份，整体看经营情况如何却不甚鲜明，因而综合各指标的相关信息，从中提出尽量少的“主要”评价指标用于实际的客观、公正、全面评价十分必要。
本文用因子分析方法给出一种评价方式，只起抛砖引玉的作用，相信更加科学合理的方法使用必将提高国家旅游局统计报告的效用和权威性。
本文数据来自国家旅游局出版的2001年《中国旅游统计年鉴》（副本）。
选取指标体系如下：
x1-固定资产（万元）；x2-营业收入（万元）；x3-利润（万元）；x4-税金（万元）；x5-利润率（%）；x6-全员劳动生产率（万元/人）；x7-人均实现利税（万元/人）；x8-人均实现利润（万元/人）；x9-人均固定资产原值（万元/人）；x10-从业人员（人）；x11-企业数。
这十一个指标是异量纲的，数值差异大。
计算指标的相关系数阵还发现许多指标间高度相关，实际上有的指标可由另一些指标得出，说明指标间信息有重叠，如果简单地用减少指标的方法又势必造成某些重要信息的丢失。
因子分析可以有效的解决上述问题，它以最少的信息损失，将原始的众多指标综合成较少的几个因子变量，以之代替原变量进行统计分析。
为了确定原指标变量是否适合用因子分析方法，进行巴特莱特球度检验（Bartletttestofsphericity）为高度显著和KMO（Kaiser-Meyer-Olkin）检验，KMO值为，说明适合作因子分析。
2．统计分析
因子分析与综合排序
利用SAS统计分析软件，调用FACTOR过程，用主成分分析法得到因子分析初始解，用方差最大旋转法作因子旋转，计算因子得分，以所选因子变量的方差贡献率为权数，计算综合因子得分，并按综合因子得分排序。
输出结果见下表1。
表1：
相关矩阵特征值表
主成分特征值贡献率累积贡献率
6.
4.
2.
0.
1.
0.
0.
0.
0.
0.
由表1可知：
只选取前3个主成分，累积方差贡献率已达%，而其余8个主成分的贡献率都不到5%，所以只取前三个主成分作为综合指标即公因子变量可比较全面的反映原有指标的信息。
表2：
旋转后的三因子载荷矩阵表
指标变量公因子1公因子2公因子3
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
因子变量的命名解释是因子分析的一个核心问题。
为使公因子在原变量上的因子载荷有较鲜明的意义，对因子载荷矩阵进行方差最大旋转后由表2可见：
第一公因子在X1、X2、X3、X4、X10及X11上有较大正载荷，反映了企业规模大小、企业经营总量，可视为规模总量因子。
第二公因子在X5、X7和X8上有较大正载荷，反映了人均意义下企业的利润、上缴国家的利税大小，可称为人均产出效益因子。
第三公因子在X6、X9上有较大正载荷，补充说明企业的从业人员的工作成效和使用旅游资源能力，可称为人均人力效率因子。
从因子变量得分可分别描述各地区旅游企业在规模总量、人均产出效益、人均人力效率方面的差异。
为了综合评价各地区的旅游企业经济效益，调用SAS软件的SCORE过程，计算各地区公因子得分及综合因子得分，即对三个公因子按方差贡献率赋予权重，求加权因子得分E
其中分别为三因子得分。
按E值得分排序如下表3。
表3：
各地区公因子得分、综合得分及名次
地区
因子1
因子2
因子3
综合得分
名次
广东
1
北京
2
上海
.9592
3
江苏
.3408
4
浙江
.2180
5
福建
.1755
6
山东
.0696
7
辽宁
.0227
8
四川
.0136
9
广西
10
湖南
11
安徽
12
湖北
13
云南
14
山西
15
吉林
16
河南
17
河北
18
黑龙江
19
天津
20
重庆
21
新疆
21
内蒙古
23
海南
24
江西
25
甘肃
26
贵州
27
西藏
28
陕西
29
青海
30
宁夏
31
从表3可见，综合排序第一的广东省旅游企业按其经营规模排名第一，由于从业人员多，按其人均人力效率看并不占优势，相反有些靠后，福建情形与广东类似。
这说明广东、福建两地旅游企业量的增长已达到一定的程度，现要求行业在质的方面有大幅提高，如何在保证服务质量前提下控制成本，减员增效，改善企业内部管理机制和运行机制，特别是人力资源开发利用是广东、福建旅游企业要着手解决的问题。
北京、上海两地情况较好，从综合指标的三个方面衡量都靠前，特别是上海人均产出效益得分、人均人力效率得分都排名第一。
由于旅游经济具有拉动国民经济增长的巨大作用，考虑到北京、上海在我国政治、经济、文化方面的地位，特别是2008年将在我国举办奥运会，进一步发展两地旅游业仍前景广阔。
排名靠后的五个省区中，西藏的人均产出效益得分位次比较靠前，主要是由于产业规模太小而使其综合排名靠后，交通等原因使该地旅游发展规模滞后，相信正开工建设的青藏铁路必将会极大促进西藏旅游的发展；其余四省区则表现为或企业亏损、规模偏小或效率偏低，情况各有不同。
．类型划分
为了进一步反映我国区域旅游企业发展特征，本文调用SAS的CLUSTER过程对地区加以分类，对样本数据作标准化处理。
发现分为三类较为合理，第一类：
广东、北京、上海；第二类：
江苏、浙江、山东、辽宁、广西；第三类：
：
福建、四川、安徽、湖南、湖北、云南、河南、河北、吉林、天津、重庆、内蒙古、甘肃、黑龙江、贵州、海南、江西、山西、陕西、新疆、青海、西藏、宁夏。
以上分类的合理性在统计中可以利用贝叶斯判别准则来检验。
调用SAS软件DICSCRIM过程作判别分析，得到31个省区回判结果，正确率%，只有第三类的海南、新疆错判，误判率为%，表明所分类别是合理的。
从地理位置、经济发展状况来看，这种分类与实际情况也比较吻合。
．相关因素的分析
旅游业的发展与许多因素有关，定量地分析旅游企业经济效益与地区经济发展水平、旅游资源分布等因素的关系对制定区域旅游业发展规划、合理配置资源有十分重要意义。
特别是旅游资源欠丰地区该如何办好旅游业，本文如下所作典型相关统计分析将为之决策提供一定的理论依据。
各地区旅游资源的丰度可用如下指标衡量（均指拥有量占全国比重（%））。
y1-全国重点名胜区；y2-国家级自然保护区；y3-国家级森林公园；y4-国家历史文化名城；y5-全国重点保护单位。
根据《地理学与国土研究》第15卷第3期王凯的《中国主要旅游资源赋存的省际差异分析》一文的相关数据，将此五项指标与前述x1~x11指标作典型相关统计分析（重庆与四川的相应数据进行了合并），调用统计分析软件SAS中CANCORR过程计算典型相关，主要输出结果如下表4、表5。
表4：
CANCORR过程产生的标准化的第一对典型变量的系数
VAR变量标准化的典型相关系数
WITH变量标准化的典型相关系数
V1
x1
x2
x3
x4
x5
x6
x7
x8
x9
x10
x11
W1
y1
y2
y3
y4
y5
表5：
典型结构
CorrelationsBetweentheVARVariablesandtheCanonicalVariablesoftheWITHVariables
W1W2W3W4W5
x1
x2
x3
x4
x5
x6
x7
x8
x9
x10
x11
CorrelationsBetweentheWITHVariablesandtheCanonicalVariablesoftheVARVariables
V1V2V3V4V5
y1
y2
y3
y4
y5
主要结果的分析：
通过五对典型变量相关系数为0的假设检验可知，第一典型相关系数为，检验总体中所有典型相关均为0的零假设时第一对（V1与W1）的似然率卡方检验值为（即的值），故在（或）的显著水平下，否定所有典型相关为0的假设（虽然Pillai轨迹检验不显著，但Wilks等其他3种检验显著）。
从检验的结果可知，只有第一组典型相关是显著的，其余四组的典型相关系数与0在显著水平下没有多大差别，所以只有第一对典型变量是有价值的，其余四对典型变量价值不大。
由于两组指标变量测量单位不同，所以以下只分析标准化的典型变量的系数。
分析表4、表5可知：
衡量企业效益指标概括为典型变量V1，其在原指标变量x1、x2、x7、x8、x10、x11上有绝对值较大的系数，衡量旅游资源丰度的指标可概括为典型变量W1，其在原指标y3、y4有较大的系数。
以上说明旅游企业经营效益确实与旅游资源的分布有关系。
进一步分析第一组典型变量的典型结构（即原始变量与典型变量的相关系数），可知x1、x7、x10是抑制变量（具有同典型变量V1的相关相反符号的系数）。
W1与衡量企业效益指标分别都不太相关，这个结果很容易解释。
而v1与衡量旅游资源丰度的指标y3、y4有相关性，与y2不相关，说明各省区旅游企业效益与该省区的国家级森林公园、国家历史文化名城拥有量有很大关系，与其国家级自然保护区的拥有量关系不大。
这反映了我国现阶段旅游资源的开发水平和旅客的旅游目的地选择偏好，也说明了为什么像上海这样旅游资源相对缺乏的地区旅游企业效益仍较好的原因。
3．结束语
由于旅游业的独特地位和作用，旅游企业经济效益的评价没有反映出旅游业的社会效益。
旅游业作为一个产业群的核心，具有很强的产业关联度，既能促进经济的发展，又能带动社会的进步。
如果单独地考察旅游企业盈利与否来评价企业是不科学的，要看到其在稳定就业、调整社会经济结构和推动市场发育完善的作用。
但是，旅游业的产业性质是生产性的，也在为社会创造价值，公正、客观、科学地反映旅游业的业绩，特别是经济效益，必将有利于科学地制定相关政策，使旅游业在国民经济发展中发挥更大的作用，有利于旅游企业自身的健康快速发展。
参考文献：
[1]郭利平，陈中暖中国区域旅游经济综合实力分析和类型划分[J]，地理学与国土研究，，，88~91
[2]王凯，中国主要旅游资源赋存的省际差异分析[J]，地理学与国土研究，，，69~74
[3]中国旅游局，中国旅游统计年鉴（副本）[M]，中国旅游出版社，2001，18~19.
[4]张尧庭，方开泰多元统计分析引论[M]，科学出版社，1982
[5]王苏斌等，SPSS统计分析[M].北京：
机械工业出版社,2003.
[6]高惠璇等,SAS系统软件使用手册[M]北京：
中国统计出版社,1997.
升级会员 