文 | 一鸣惊人录

编辑 | 一鸣惊人录

在信息通信技术进步的推动下，旅游业正在经历深刻变革。在大流行之前，旅游业是世界经济中最重要的部门之一。

1950年，有2500万人出国旅游，到2019年，这一数字达到了15亿。

旅行限制和航班停飞导致2021年1月至3月期间国际入境人数下降74%，使1亿个工作岗位面临风险。

在这种新的背景下，本研究探讨了不同类型机构的旅游抵达动态及其决定因素，分为反映传统和新驱动因素的四个渠道。

文献综述

一些研究考察了旅游需求与宏观经济因素之间的关系，其中价格和收入代表了两个关键驱动因素。

鉴于最近的卫生和技术发展，将这些新因素纳入旅游需求模型以丰富分析并提供对管理和政策战略有用的游客行为的见解变得很有趣。

我们进一步考虑了一组不确定性情绪变量，这些变量可以进一步理解在地中海国家选择不同类型住宿的决定。

与他们类似，我们将纳入到游客到达模型中，但与文献不同的是，我们首次考虑了两个反映市场脉搏的额外变量，即传染病股票市场波动跟踪指数和国家商业信心。

表1显示了最近发表的一组关于旅游需求与传统和/或替代因素之间关系的研究。

方法和数据

利用一组(线性)面板数据模型和(非线性)固定效应泊松模型和负二项模型对不同目的地的外国和国内抵达人数进行建模。

后一种模型适合于计数相关变量，比如我们的例子，因为到达(用Tour表示)取非负整数值i。

在固定效应面板数据模型中，因变量为变量Tour的自然对数:

由于存在虚拟变量陷阱，不可能估计所有国家的虚拟和截距α0，因此我们考虑限制δ，因此

作为一个离散变量，它的分布只将概率质量置于非负整数值。泊松计数模型适应分布的这一性质。

因此，我们假设第t个月第i个国家的游客人数具有强度为的泊松分布，其中

因此，概率质量函数为:

第一矩和方差为:

每个国家在第t个月的实际广泛有效汇率(退欧)。这个变量反映了一个国家的生活成本，反映了一个国家的国际竞争力程度。

实际升值增加了生活成本，降低了国际竞争力，而实际贬值提高了目的地的吸引力。因为国内价格变得比其他目的地的价格相对便宜。实际有效汇率允许人们比较使用相同货币但国内价格动态不同的国家。

由于被调查的国家使用相同的货币(克罗地亚除外)，竞争力是由于国家价格差异。

传染病股票市场波动*踪器追**(疾病*踪器追**)。它是考虑报纸经济的不确定性、商业预期调查的不确定性和股市波动而构建的前瞻性不确定性测度。

该指数抓住了经济中的“氛围”，并量化了与健康相关的不确定性随时间的增加。虽然这个变量是为美国构建的，但它也可以用于欧洲。

因为西方经济体(尤其是美国和欧盟)是高度相互关联的。应该指出的是，如果在国家一级有具体的指数，估计可能会更精确。

谷歌趋势中的关键词是“虚拟博物馆之旅”和“虚拟实地考察”，按“年度搜索”排名第一和第二。查询“虚拟博物馆”也是用国语完成的。

互联网搜索具有信号特性，因为人们的自发行动和行为触发了它们。此外，谷歌趋势还有几个优势，包括数据量大、频率高、对用户行为变化的快速敏感性。在这种情况下，有可能确定游客的需求、兴趣和意图。

可变博物馆的标志可以是积极的，也可以是消极的，这取决于替代效应或互补效应(虚拟体验在短期内伴随着物理存在)的盛行程度。

由游客到达类型区分的因变量的年度动态可以从图1中收集。外国游客推动了克罗地亚、塞浦路斯、希腊、马耳他和斯洛文尼亚的旅游业。

相反，法国的旅游业是由国内游客推动的。

意大利和西班牙的特点是国内和国外游客几乎平衡。在样本的前两年，葡萄牙登记了大量的国内游客，而之后，这一模式在最近几年又恢复了变化。尽管在大流行之前，国内外游客人数持续增长。

但COVID-19对所有游客人数大幅下降的国家都产生了多米诺骨牌效应。2020年，西班牙(80%)、希腊(79%)、葡萄牙(76%)和意大利(75%)的百分比(同比变化)收缩更为明显。

平均而言，假期、短期住宿和酒店记录的国内游客人数比外国游客人数更多。其余解释变量均呈低相关性;因此，这两个变量不会进入相同的计量经济学规范。

响应变量(游客到达)强烈向右倾斜，这意味着OLS回归可能不合适。事实上，计数数据通常遵循偏斜和非线性分布，因此某些类型的泊松或负二项分析可能更适合于分析。

实证分析

利用不同的面板数据模型估计游客到达方程。我们首先检查了序列的平稳性，以确定是否采用面板协整分析。

为此，我们将单位根检验应用于包含随时间和国家变化的变量的向量，并将经典的增强检验应用于包含随时间变化但不跨越国家的变量。

当周期数在我们的案例中为147个月)大于国家数时，LLC测试非常适合该测试包括在赤池信息标准)的基础上，对每个国家进行扩增迪基-富勒回归拟合。

LLC和ADF结果表明，除失业率外，所有变量都是平稳的，因为“面板/经典单位根”的零假设在5%的显著性水平上被拒绝。

这一发现表明，在分析中考虑的变量遵循一个平稳的过程，没有必要进行面板协整分析。为了证实结果，我们还进行了面板单位根检验，该检验证实了先前对病媒的发现。

由于被调查的国家是地中海欧盟集团的代表，因此选择这些国家不是随机的。正式地，测试建议采用。

表5报告了模型的不同规范的结果。我们可以将log中解释变量的估计系数解释为弹性，从而独立于变量的测量单位。附录表A.1列出了估计的国家影响。

表6和表7分别显示了专家组泊松模型和负二项模型的结果(国家效应见表A.2和表A.3)。

拟合优度卡方检验，p值为零，表明泊松模型不适合(表6底部)由于数据中存在过度分散。

因此，我们估计了负二项回归模型适合考虑这一特征(表7)。信息标准AIC和BIC也表明负二项模型比泊松模型更适合数据。

图4报告了模型中传染病追踪指数和虚拟博物馆变量的边际效应，以度假和其他短期住宿的外国入境人数为因变量。

结论

本研究调查了2010年1月至2022年3月期间9个欧盟旅游目的地的游客到达的主要驱动因素。

我们确定了影响旅游需求的传统渠道和新渠道，并使用固定效应面板模型、泊松模型和负二项面板模型估计了国内外游客到达的不同规格。

我们证明，全球工业生产、价格竞争力和劳动力市场状况的增加促进了游客人数的增加。不确定性情绪也是基本因素。

经济政策的不确定性导致旅行者在市场动荡时期推迟旅行计划。

政府可以鼓励旅游业的数字化转型，并支持数字技能的发展，包括大数据分析、数据分析、机器学习和人工智能。最后，旅游业、文化部门和高科技公司之间的协同相互关系可以帮助创建对可持续旅游业也有用的在线计划和倡议。

未来的研究可以将我们的方法(四通道需求模型)扩展到其他地区和国家，并使用整数广义自回归条件异方差模型的面板版本发展我们的泊松和负二项模型。

例如所考虑的模型。这些模型可用于处理因变量的计数性质和游客到达时间序列中可能存在的自相关。

参考文献

[1]贝克，布鲁姆，和戴维斯(2016)。衡量经济政策的不确定性。《经济研究》，31(4)，393 - 396。

[2]方丹，查特斯，劳伦斯。真正的勃艮第:谈判葡萄酒旅游，关系的地方和全球农村。旅游地理，23(5-6)，1116-1136。

[3]高斯林，斯科特，和霍尔。流行病、旅游业和全球变化:对COVID-19的快速评估。可持续旅游学报，29(1)，1 - 20。

[4]格兹戈尔和翁根。经济政策不确定性与旅游需求:来自美国的经验证据。国际旅游研究学报，19(1)，99-106。

[5]李晓明，潘斌，法瑞，(2017)。基于复合搜索指数的旅游需求预测。旅游管理，59,57-66。