旅游目的地客源市场预测模型新探索——以中国入境旅游为例，本文主要内容关键词为：旅游论文,市场预测论文,客源论文,为例论文,中国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、前言
对于任何预测模型的研究与构建而言，其成功的要素均包括理论、方法和数据，这也正是现今旅游目的地游客量预测研究领域存在的主要问题。无论是传统的线性回归模型[1-2]、移动平均模型[3]、指数平滑模型[4]、引力模型[5-8]，还是现代的神经网络模型[9-10]、粗集理论预测模型[11]、灰色预测模型[12-14]等人工智能方法，几乎都缺乏旅游学的理论基础，缺少旅游地演化规律的指导，其研究思路是基于纯数学方法进行数据分析与处理的，由此存在以下不足之处：(1)研究方法缺乏旅游学理论作为依据，且多是针对个案进行实证研究，从而不具备普遍的指导意义；(2)研究方法忽视了旅游目的地游客量随时间变化的复杂性与发展的非线性。
为了深入研究该问题，本文首先在引入游客量增长速度和加速度概念以及相关变量的基础上，结合巴特勒旅游地生命周期理论，按照旅游目的地游客量加速度的大小对旅游地的演化阶段进行了划分，构建了不同阶段的理论模型，并利用相应的数理统计回归分析方法对其结果进行了检验。然后，以中国入境旅游为例进行了实证研究，在理论研究与实践意义上具有一定的创新性。
二、模型分析与构建
（一）模型分析
图1 巴特勒的旅游地生命周期曲线
资料来源：Butler(1980)，有改动。
自从德国学者克里斯塔勒(Christaller W，1963)提出旅游地生命周期概念以来，众多中外学者从不同角度对其进行了研究。到目前为止，由加拿大学者巴特勒(Butler，1980)提出的旅游地生命周期理论[15]得到了研究者的公认和广泛应用（图1）。然而，其游客量预测功能更多的是以定性分析、模型解释为主，因此迫切需要引入具有旅游学意义的定量模型进行深入与合理的相关研究与分析。之后，有的学者通过引入生态学种群增长的Logistic曲线来模拟巴特勒旅游地生命周期曲线，并建立了Logistic方程[16-20]作为游客量预测的理论基础，即：
我们可以用回归分析法计算出各年份的游客量。Logistic曲线模型在预测中存在如下不足之处：第一，Logistic曲线模型中的常数是通过选取几组数据求解方程获得的，在数据选取过程中不可避免地会存在主观性，这种主观性增加了预测结果的不确定性；第二，Logistic曲线模型仅适合于长期预测，并且无法计算旅游目的地游客量的最大值；第三，该模型计算过程较为复杂；第四，Logistic曲线模型需要无限长时间才能达到游客量最大值，这与旅游目的地的实际演化不符合，也与旅游地生命周期演化规律不相符。为了解决这些问题，本文引入了游客量变化速度和加速度概念，并确定了一系列相关变量，其中包括每年来旅游目的地的人数N与时间t这两个基本变量，以V表示游客量增加速度，以a表示加速度，在此基础上推导出预测游客量的理论模型，使预测游客量的回归模型中的字母A、B、C不再是一般意义上的常数，而都具有明确的旅游学含义。其中，当旅游目的地游客量加速度为零或极小时，理论模型正好与一元线性回归方法相对应；当旅游目的地游客量存在加速度变化时，理论模型则与一元二次非线性回归方法相对应。
假设旅游目的地一年的游客量为N，时间为t，游客量随时间的变化率为速度V，则有：
所以，可以用二次回归方法预测旅游人数的变化。这样，通过引入旅游目的地游客量变化速度和加速度的概念，就使得二次回归数学式中的每一项都有了明确的旅游学意义。从函数图形上看（图2），当c为正值时，其曲线可以近似地看作开口向上的抛物线（即从探索阶段开始到发展阶段结束的演化曲线）；当c为负值时，其曲线可以近似地看作开口向下的抛物线（从发展巩固阶段开始到停滞阶段结束的演化曲线）。两段抛物线的组合可以近似地定量描述旅游地生命周期的S形曲线。
图2 旅游目的地生命周期曲线二分图
当a≈0时，(7)式变成：
这是一个线性方程，即在旅游人数变化率为常数时，没有加速度，与数学上的一元回归方程y=A+Bx相对应。此时可以用线性函数来拟合，这就是用线性函数进行旅游预测的依据。如果在加速或减速（负加速度）存在的情况下，则需运用非线性的二次回归方法进行预测，特别是对于旅游目的地的发展阶段和巩固阶段而言，当其加速度出现负值时，只能用非线性的二次回归函数才能预测停滞期的到来，并预测出大约的时间，即：
B为正、C为负预示着游客量将要达到极值，旅游目的地将由发展巩固期向停滞期转变。
（二）旅游目的地阶段预测模型的构建
根据旅游目的地游客量速度与加速度的变化，可将旅游地生命周期演化曲线的第一段开口向上的抛物线划分为三个阶段。
(1)探索阶段。在这一阶段，加速度近似为零，速度也近似于零(a≈0，V≈0)。旅游目的地只有零星游客，不便统计，因此也没有相应的预测公式。
(2)参与阶段。在这一阶段，加速度近似为零，速度接近一个常数（a≈0，V=某一常数），图形近似于有一定斜率的直线。游客量预测的公式为式(9)，这一阶段可以用一元线性回归方程进行拟合，即：
根据游客量速度和加速度的变化，可将旅游地生命周期曲线第二段开口向下的抛物线又划分为两个阶段。
(4)巩固阶段。在这一阶段，加速度为负(a＜0)，图形近似于一个开口向下的抛物线，游客量增长放缓。此时游客量预测公式对应的回归分析式为：
y=A+Bx-c
(15)
此式可用来预测旅游目的地这一演化周期游客量的最大值。旅游目的地之后的演化发展由于篇幅所限，将另文详述。
(5)停滞阶段。在这一阶段，加速度为零，游客量增长为零(a=0，V=0)，游客量在某一数量附近徘徊。根据式(15)，游客量到达最大值的时间为：
最大游客量为：
Logistic曲线模型认为，旅游目的地游客量最大值将于无穷长时间后才能到达，这与旅游目的地的实际演化情况不相符。旅游目的地的演化不可能永远处于停滞状态，由停滞演化到下一阶段（旅游目的地此后可能复苏，可能衰落）也不可能需要无穷长的时间。因此，结合旅游地生命周期理论，我们把旅游目的地的游客量达到最大值后的演化阶段称为分歧阶段。
(6)分歧阶段。当加速度为正(a＞0)时，旅游目的地复苏，旅游目的地将进入下一个演化周期，旅游目的地最大游客量也将有别于前一周期；当加速度为负(a＜0)时，旅游目的地衰落；当加速度为零时，游客量增长为零(a=0，V=0，N≈
)，旅游目的地游客量在较长的时间内保持停滞阶段的数量，即进入了旅游目的地的成熟期（如图3所示）。
图3 基于旅游目的地阶段预测模型的旅游地生命周期定量阶段划分
本文通过引入游客量变化速度和加速度的概念体系，确定了一系列的相关变量，并推导出了预测游客量的理论模型。结合旅游地生命周期，将S形演化曲线分为六个阶段。与Logistic曲线模型相比，本文构建的模型具有几个优点。
第一，不必再主观地获取Logistic曲线模型中的几个常数，起算点也不必从零点开始，数据要求量及计算过程比Logistic曲线模型更为简单。
第二，它能预测旅游目的地不同演化周期的游客量最大值，这是Logistic曲线模型无法实现的。
第三，Logistic曲线模型于无穷长时间才能达到最大游客量，这与旅游地生命周期曲线理论不相符，而本文构建的旅游目的地阶段预测模型只要在阶段性最高点即可预测出最大游客量。结合旅游地生命周期理论，又以游客量发展加速度的不同，将停滞阶段之后旅游目的地的演化分为复兴、成熟及衰落三种情况，这样的阶段划分比Logistic曲线模型更符合旅游目的地的实际演化情况。
三、实证研究
（一）1978～1998年
1978～1988年，中国入境游客量处于上升的抛物线上，可用下面的经验公式来拟合：
图5 1978～1988年中国入境游客量数据对比图
（二）1989～1995年
1989年的政治风波影响到入境旅游，导致游客数量明显减少，需要重新构筑新的上升通道。1989～1995年间游客数量的加速度变为负，有构筑阶段性顶点的可能，在1994～1995年有停滞不前的征兆。
图6 1989～1995年中国入境游客量数据对比图
可用如下的经验公式进行拟合：
N=1801.4+595.28x-26.965
相关系数r=0.9960，表明高度相关（见图6）。
（三）1996～2002年
1996～2002年间游客量的加速度为正，开始了新一轮的上升，也可以说是复苏。这段时间的拟合方程为：
这一时期中国入境游客数量有了较大增长，由5112.75万人次上升到9790.83万人次。2003年受“非典”的影响，中国入境旅游人数下滑，又构筑了新的上升通道（见图7）。
图7 1996～2002年中国入境游客量数据对比图
（四）2003～2007年
2003～2007年间中国入境游客数量变化的加速度呈现出负值，经过回归分析运算，得到如下的经验公式：
从现有数据来看，旅游目的地阶段预测模型的预测值与实际游客量最为接近，Logistic模型次之。BP神经网络模型虽然可以做到与游客量的某些历史数据相一致，但它无法正确预测出2005年之后的变化。即使它能够预测出未来的发展趋势，但由于缺乏旅游学理论证明其预测结果的正确性，因而只能认为其预测结果与实际值只是偶然吻合而已。从旅游学研究的角度看，任何模型在进行游客量的预测时最好拿出旅游学的依据，以证明旅游目的地游客量的预测需要这种模型，而不能简单地从其他学科移植来就用。旅游学中的引力模型和巴特勒旅游地生命周期理论是旅游目的地游客量预测的两大理论支柱，如何深入研究和发展这两个基本理论，是未来研究的发展趋势和方向。
根据式(16)和式(17)，可以算出中国入境游客数量到达阶段性最大值的时间和大小，即：
从2003年算起，第6年（即2008年）便是中国入境游客量的阶段性最高点，其值为：
之后根据实际情况可能衰退、停滞不前或复苏。由于2008年全球金融危机的出现与冲击，中国入境旅游业出现衰退的可能性较大。
四、结语
首先，本文从旅游目的地游客量变化速度和加速度的概念体系出发，建立了游客量预测模型，并限定了数据处理中回归分析的使用范围，给回归方程式中各常数项赋予了明确的旅游学含义。通过理论研究和实证分析，证明本文所提出的模型是合理的。旅游目的地游客量预测研究不仅是建立与已知的历史数据相吻合的模型，更重要的是，利用这一模型可以预测今后旅游目的地游客量的变化趋势。
其次，本文构建的预测模型将旅游目的地近似地看作是由两段不同的抛物线组合而成的S形曲线，并根据加速度的正负分别用不同的公式计算，计算结果与实际游客量是近似的。此外，还可以计算出旅游目的地复兴过程中的游客量最大值。
最后，在旅游目的地演化过程中，各演化阶段都有自己的特点，特别是受到冲击后，旅游目的地的演化发展会以受到冲击时的状态为新的演化起点，并沿着新的轨道向前演进。如果用Logistic曲线模型模拟和探讨旅游目的地的演化过程，则一旦旅游目的地受到冲击，状态发生了改变，其计算值就会与实际值相差很多。用本文所构建的预测模型可以避免上述问题，它的优点是带入实际的游客量就可以用相应的回归方法进行计算，计算过程也简单得多。