国内外游客量预测研究综述2————————————————————————————————作者：————————————————————————————————日期：3国内外游客量预测研究综述-旅游管理国内外游客量预测研究综述黄蓉蓉纵览了有关旅游需求的相关文章，以大数据为切入点，将研究成果按照数据来源的视角划分为传统数据和网络数据两大类，并分别进行了介绍和分析，指出每种预测方法的优势和不足，为后续研究开拓了思路。一、引言2012年3月，奥巴马政府宣布投资2亿美元启动“大数据研究和发展计划”，标志着“大数据”时代到来！因而在数据来源上，大数据时代打破了传统政府统计数据滞后性的瓶颈。近年来，在人们自由可支配收入和时间的双重增长下，旅游业得到了快速的发展，景区的游客量也随之增长。2013年十一黄金周，韶山旅游区游客量井喷，日接待游客8.14万人次。可见游客量的预测对地方政府及景区有着至关重要的引导作用。纵观国内外关于旅游需求方法研究文献，迄今为止，共有10篇。其中，国外有7篇，除了HaiyanSong于2008年对旅游需求预测模型进行了较为完整详细的综述外，其余的6篇都只针对旅游需求预测方法中经济模型展开文献综述。国内的共有3篇，赵西萍（1996）对国际旅游需求预测方法做了概括性的描述；任来玲（2006）对已有的文献进行了统计，对预测方法结果的准确性进行综述；殷书炉（2008）也对旅游需求方法进行了评述，并简要介绍了预测方法。综上，学者都是以传统数据为基础，从而在方法和模型上对游客量预测进行了分类，在综述内容上大多对预测的结果进行分析，在预测方法上的介绍也较为粗略。4对此，本文主要基于数据来源的角度对游客量预测进行分类和综述，进而在对其优缺点进行分析之上展望未来的发展趋势和研究重点。二、游客量预测简介关于旅游需求预测的研究始于20世纪60年代，但绝大多数的研究成果出现于20世纪80年代。HaiyanSong针对SSCI、GoogleScholar以及其它期刊，对2000—2006年中的游客量预测文章进行了综合，合计119篇。相比于国外，国内关于游客量预测的研究，据CNKI统计共有44篇，其中大部分集中发表于2006-2013年。20世纪90年代以前，研究者主要划分为定量和定性预测方法。20世纪90年代以后，随着人工智能的引进，演变为时间序列、计量经济及人工智能。21世纪初，在大数据背景下网络数据成为游客量预测的创新点。故本文从数据来源上将游客量预测归类为传统数据（历史数据）和网络搜索数据。三、游客量预测的应用（一）基于传统数据的游客量预测关于传统数据以下将从三个方面进行综述：一为时间序列模型，由于其不考虑其他解释变量的作用，只涉及到历史的游客量，其假设条件为未来是过去和现在变化趋势的延伸。二为计量模型称因果模型。其原理是找出预测变量的相关影响因素，建立回归模型，进行分析和预测。最后为人工智能模型，该方法近年来由于对数据具有很好的包容性和适应能力，从而被广泛的应用到旅游预测。1、时间序列模型时间序列的研究历史已达四十多年。纵观国内外研究现状，从方法的演绎过程中，将其分为基准方法和季节性方法分析。5基准方法主要是指天真法一、天真法二。其中，天真法一也称无改变法，原理是t+1段时间内的旅游需求与t段时间的旅游需求相等，即Et+1=Et0。天真法二也称比例改变法，认为旅游需求随时间有定百分比的改变，即。在已有的研究中，大部分的学者都将其作为预测模型效度检验的基础。楚方林（1998）、GohCarey，LawRob（2001）、Goh，Law（2002）等学者都以天真法一和天真法二作为客源国游客量预测方法检测基准。移动平均方法（季节性方法）由于旅游业存在着明显的季节性，因而季节这个显著特征变量成了重要的考察因素，最终形成季节性的自回归移动平均法SARIMA，其在2000年以后得到了广泛的研究和运用。关于移动平均游客量预测方法的研究，主要包含单个预测方法研究和对比研究。魏启恩（1997）基于ARMA和ARIMA对境外游客量进行了预测。ChristineLima（2000）使用ARIMA对澳大利亚在亚洲的三个主要客源国进行旅游需求预测。卿前龙（2009）基于ARMA对国内旅游人数、入境旅游人数以及入境过...
