基于百度指數(shù)的景區(qū)客流量預(yù)測(cè)研究

劉聰 楊陽 鄧洋陽

摘?要：景區(qū)客流量預(yù)測(cè)是以百度指數(shù)與景區(qū)客流量的內(nèi)在聯(lián)系為基礎(chǔ)。本研究以四川九寨溝景區(qū)日接待客流量和百度指數(shù)的相關(guān)數(shù)據(jù)為基礎(chǔ)，利用EG兩步法結(jié)合誤差修正模型分析了百度指數(shù)與景區(qū)客流量的長(zhǎng)期和短期關(guān)系，并對(duì)模型的預(yù)測(cè)效果進(jìn)行了評(píng)價(jià)。得出如下結(jié)論：百度指數(shù)與景區(qū)客流量之間存在長(zhǎng)期均衡關(guān)系;長(zhǎng)期范圍內(nèi)的百度指數(shù)與景區(qū)客流量之間的數(shù)量關(guān)系受時(shí)間因素的影響;誤差修正機(jī)制在發(fā)生作用，會(huì)將偏離長(zhǎng)期均衡的客流量拉回正常值;模型整體預(yù)測(cè)效果良好。

關(guān)鍵詞：百度指數(shù);景區(qū)客流量;EG兩步法;誤差修正模型

中圖分類號(hào)：F590.654文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1008-4428（2019）06-0067-02

一、 引言

一般只有節(jié)假日才能供給遠(yuǎn)途旅游所需要的時(shí)間，這是我國的國民大多選擇節(jié)假日出游的主要原因。過于集中的出行時(shí)間造成景區(qū)客流量迅速增加，這會(huì)對(duì)地方和景區(qū)造成很大的管理壓力，增加游客的安全風(fēng)險(xiǎn)。例如2014年12月31日的上海外灘的擁擠踩踏事件和2013年10月2日的四川九寨溝景區(qū)游客滯留事件。如果能夠提前預(yù)知景區(qū)的客流量，景區(qū)可以有充足的準(zhǔn)備時(shí)間，通過合理調(diào)配資源的方式，將資源供給到最需要的地方，提高資源的使用效率。

預(yù)測(cè)景區(qū)客流量的方法有很多，時(shí)間序列分析是一種常用的方法。這種方法對(duì)于數(shù)據(jù)有較高的要求，它主要來源于官方的統(tǒng)計(jì)數(shù)據(jù)。官方數(shù)據(jù)已經(jīng)無法滿足現(xiàn)代預(yù)測(cè)對(duì)數(shù)據(jù)時(shí)效性的要求。近十年，有很多學(xué)者用百度指數(shù)替代傳統(tǒng)的官方數(shù)據(jù)用于預(yù)測(cè)景區(qū)客流量，主要是百度指數(shù)是日統(tǒng)計(jì)數(shù)據(jù)，并且具有容易獲取、客觀性等特征。這些研究在提出預(yù)測(cè)模型之前，都實(shí)證了百度指數(shù)與景區(qū)客流量的長(zhǎng)期均衡關(guān)系。研究結(jié)論也非常統(tǒng)一，認(rèn)為長(zhǎng)期范圍內(nèi)同等百度指數(shù)增加導(dǎo)致的景區(qū)客流變化量相等。從極限的思維來考慮，百度指數(shù)依托于通信設(shè)備的使用，早期的游客沒有通信設(shè)備，而現(xiàn)在游客帶有通信設(shè)備的比例也在變化，所以從發(fā)展的角度來看百度指數(shù)與景區(qū)客流量之間的長(zhǎng)期關(guān)系不可能是固定不變的。

基于此，本文以2016年1月至2016年12月四川九寨溝景區(qū)的日接待游客量數(shù)據(jù)和關(guān)鍵詞“九寨溝”的百度指數(shù)數(shù)據(jù)為基礎(chǔ)，利用EG兩步法，結(jié)合誤差修正模型討論百度指數(shù)與景區(qū)客流量之間的動(dòng)態(tài)關(guān)系，利用模型進(jìn)行預(yù)測(cè)，并評(píng)價(jià)預(yù)測(cè)效果，期望能為景區(qū)客流量的預(yù)測(cè)提供工具。

二、 數(shù)據(jù)來源和研究方法

本研究選取四川九寨溝景區(qū)作為樣本，時(shí)間區(qū)間為2016年1月至2016年12月，景區(qū)日接待游客量數(shù)據(jù)來源于九寨溝官方網(wǎng)站。關(guān)鍵詞“九寨溝”的檢索指數(shù)來源于百度指數(shù)的官方網(wǎng)站，數(shù)據(jù)采集使用到第三方工具。為了減少異方差，研究對(duì)客流量和指數(shù)數(shù)據(jù)取對(duì)數(shù)。IT表示取對(duì)數(shù)后的景區(qū)客流量，ID表示取對(duì)數(shù)后的百度指數(shù)。

EG兩步法是用于檢驗(yàn)兩個(gè)變量之間長(zhǎng)期均衡關(guān)系的一種方法。它要求時(shí)間序列滿足平穩(wěn)性，并且兩個(gè)變量為同階單整。協(xié)整關(guān)系的存在還要求變量回歸結(jié)果的殘差也滿足穩(wěn)定性要求。誤差修正模型是將協(xié)整方程的殘差作為自變量帶入差分方程中，討論的是協(xié)整關(guān)系作為一個(gè)外部因素是如何影響因變量，以及短期內(nèi)的自變量變化如何影響因變量。

三、 實(shí)證分析

（一）單位根檢驗(yàn)

EG兩步法需要變量滿足同階單整。ADF是常用的單位根檢驗(yàn)方法。表1是百度指數(shù)和九寨溝景區(qū)客流量的單位根檢驗(yàn)結(jié)果。檢驗(yàn)結(jié)果顯示兩個(gè)變量的水平檢驗(yàn)均未通過5%顯著性水平，無法拒絕單位根假設(shè)。但是，兩個(gè)變量的一階差分均通過1%顯著性水平檢驗(yàn)，能夠拒絕存在單位根的假設(shè)。檢驗(yàn)結(jié)果顯示百度指數(shù)和景區(qū)客流量的數(shù)據(jù)符合EG兩步法對(duì)數(shù)據(jù)同階單整的要求。

（二）協(xié)整分析

協(xié)整關(guān)系存在的條件是回歸結(jié)果的殘差滿足穩(wěn)定性條件。研究將百度指數(shù)對(duì)九寨溝景區(qū)客流量和趨勢(shì)項(xiàng)進(jìn)行了回歸。比較是否加入趨勢(shì)項(xiàng)，結(jié)果顯示加入趨勢(shì)項(xiàng)能夠顯著提升方程的解釋能力。殘差的ADF檢驗(yàn)值等于-4.044，小于樣本數(shù)超過100的1%顯著性水平的臨界值-3.90。因此，回歸結(jié)果的殘差通過穩(wěn)定性檢驗(yàn)，說明百度指數(shù)與九寨溝景區(qū)客流量之間存在包含趨勢(shì)項(xiàng)和常數(shù)項(xiàng)的長(zhǎng)期均衡關(guān)系，均衡方程見表達(dá)式1。小括號(hào)內(nèi)為標(biāo)準(zhǔn)差，中括號(hào)內(nèi)為P值。

回歸方程顯示百度指數(shù)與景區(qū)客流量之間存在長(zhǎng)期均衡關(guān)系。自變量、趨勢(shì)項(xiàng)和常數(shù)項(xiàng)的檢驗(yàn)結(jié)果均顯示其在1%顯著性水平顯著?；貧w方程包含趨勢(shì)項(xiàng)說明長(zhǎng)期內(nèi)的百度指數(shù)與景區(qū)客流量的關(guān)系會(huì)受到時(shí)間因素的影響。最初的時(shí)候，百度指數(shù)增加導(dǎo)致景區(qū)客流量增加1.875%。隨著日期的后移，百度指數(shù)變化導(dǎo)致景區(qū)客流變化量逐漸下降。這種變化趨勢(shì)非常緩慢，約為每日0.00317%。

（三）誤差修正模型

本研究將協(xié)整方程的殘差作為自變量和百度指數(shù)的一階差分及其滯后項(xiàng)對(duì)一階差分的九寨溝景區(qū)客流量做普通最小二乘法回歸。關(guān)于滯后項(xiàng)的選擇，參考的是AIC準(zhǔn)則，AIC值越小說明模型越優(yōu)。具體誤差修正模型的參數(shù)估計(jì)和顯著性檢驗(yàn)結(jié)果見表達(dá)式（2）。同樣，小括號(hào)內(nèi)為標(biāo)準(zhǔn)差，中括號(hào)內(nèi)為P值。DI表示一階差分后的對(duì)數(shù)化百度指數(shù)，TI表示一階差分后的對(duì)數(shù)化景區(qū)客流量。

表達(dá)式（2）中ECM表示誤差修正項(xiàng)，它的系數(shù)通過了1%顯著性水平的T檢驗(yàn)，說明長(zhǎng)期均衡也對(duì)短期的景區(qū)客流量變化產(chǎn)生作用。誤差修正項(xiàng)的參數(shù)估計(jì)值為負(fù)，說明誤差修正機(jī)制在持續(xù)發(fā)生作用，即當(dāng)景區(qū)客流量偏離協(xié)整方程長(zhǎng)期均衡值的時(shí)候，誤差修正機(jī)制會(huì)將其拉回到正常值，其強(qiáng)度約為0.189?；貧w方程還包含兩個(gè)百度指數(shù)的一階差分滯后項(xiàng)，并且這兩個(gè)滯后項(xiàng)均通過了5%顯著性水平的T檢驗(yàn)，說明短期內(nèi)的百度指數(shù)變化也會(huì)對(duì)景區(qū)客流量造成影響。DI（-2）的系數(shù)為正，說明滯后兩期的百度指數(shù)增加1%會(huì)造成當(dāng)期的景區(qū)客流量增加約0.364%。滯后七階的一階差分項(xiàng)顯著為負(fù)，說明百度指數(shù)的上升會(huì)造成七期后的景區(qū)客流量下降0.453%。

綜上所述，百度指數(shù)與景區(qū)客流量之間存在長(zhǎng)期均衡關(guān)系。這種均衡關(guān)系會(huì)對(duì)短期內(nèi)景區(qū)客流量的偏離進(jìn)行修正。另外，短期內(nèi)的百度指數(shù)變化也會(huì)對(duì)景區(qū)客流量產(chǎn)生影響。這種影響表現(xiàn)為對(duì)滯后兩期客流量的拉高和滯后七期客流量的拉低。

（四）預(yù)測(cè)效果評(píng)價(jià)

利用構(gòu)建的誤差修正模型，本研究對(duì)2016年1月1日至2016年12月31日的九寨溝景區(qū)日接待游客量進(jìn)行了靜態(tài)預(yù)測(cè)。預(yù)測(cè)結(jié)果見圖1。預(yù)測(cè)的均方根誤差等于3294.542，泰爾不等式系數(shù)等于0.099。分解泰爾系數(shù)，得到預(yù)測(cè)值與真實(shí)值的偏差比只有0.006，預(yù)測(cè)值與實(shí)際值波動(dòng)比只有0.002，模型整體預(yù)測(cè)效果良好。

四、 研究結(jié)論

本研究以四川九寨溝景區(qū)2016年1月1日至2016年12月31日的日接待游客量和關(guān)鍵詞“九寨溝”的百度指數(shù)統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，通過EG兩步法驗(yàn)證了兩者之間的長(zhǎng)期均衡關(guān)系，并構(gòu)建和估計(jì)了相應(yīng)的長(zhǎng)期均衡模型，利用誤差修正模型討論了協(xié)整關(guān)系和短期內(nèi)的百度指數(shù)變化如何影響景區(qū)客流量。得出如下結(jié)論：

（一）百度指數(shù)與景區(qū)客流量之間存在長(zhǎng)期均衡關(guān)系

長(zhǎng)期范圍內(nèi)，百度指數(shù)的變化會(huì)引起景區(qū)客流量的變化。但是，這種量化的關(guān)系并不穩(wěn)定，它會(huì)受到時(shí)間因素的影響。早期，百度指數(shù)變化會(huì)引起較大幅度的景區(qū)客流量上升，但是隨著時(shí)間的推移，相同百度指數(shù)變化引發(fā)的景區(qū)客流量變化幅度大幅下降。

（二）長(zhǎng)期均衡對(duì)偏離誤差的修正作用和往期百度指數(shù)的變化能夠部分解釋景區(qū)客流量的短期波動(dòng)

誤差修正機(jī)制一直在發(fā)揮作用，當(dāng)景區(qū)客流量偏離長(zhǎng)期均衡的時(shí)候，誤差修正機(jī)制會(huì)將其拉回均衡值。短期內(nèi)的百度指數(shù)上升會(huì)造成兩天后的景區(qū)客流量增加和七天后的景區(qū)客流量減少。

（三）預(yù)測(cè)結(jié)果顯示模型具有良好的預(yù)測(cè)效果

本研究通過均方根誤差和泰爾系數(shù)評(píng)價(jià)了模型的預(yù)測(cè)效果。泰爾指數(shù)的分解指標(biāo)顯示模型的預(yù)測(cè)結(jié)果與真實(shí)值的偏差非常小，并且波動(dòng)情況也比較相似。對(duì)預(yù)測(cè)結(jié)果的分析能夠得出該模型能夠較好地完成對(duì)九寨溝景區(qū)日接待游客量的預(yù)測(cè)任務(wù)的結(jié)論。

本研究存在一些不足：只選取了四川九寨溝景區(qū)作為研究樣本，缺乏足夠的對(duì)比樣本來驗(yàn)證研究結(jié)論的正確性。未來的研究將集中于進(jìn)一步探討百度指數(shù)對(duì)景區(qū)客流量的動(dòng)態(tài)影響，以進(jìn)一步提升模型預(yù)測(cè)效果。

參考文獻(xiàn)：

[1]孫燁， 張宏磊， 劉培學(xué)，等. 基于旅游者網(wǎng)絡(luò)關(guān)注度的旅游景區(qū)日游客量預(yù)測(cè)研究——以不同客戶端百度指數(shù)為例[J]. 人文地理， 2017（3）：152-160.

[2]何一夫. 基于百度指數(shù)的旅游景區(qū)游客量預(yù)測(cè)研究——對(duì)黃先開模型的改進(jìn)[J]. 重慶與世界（學(xué)術(shù)版）， 2016（12）：54-55.

[3]先開，張麗峰，丁于思.百度指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測(cè)研究——以北京故宮為例[J].旅游學(xué)刊，2013，28（11）：93-100.

[4]鄭玉蓮，陸林，趙海溶.蕪湖方特網(wǎng)絡(luò)關(guān)注度分布特征及與客流量關(guān)系研究——以PC端和移動(dòng)端百度指數(shù)為例[J].資源開發(fā)與市場(chǎng)，2018，34（9）：1315-1320.

作者簡(jiǎn)介：

劉聰，男，江蘇如皋人，碩士，南通理工學(xué)院商學(xué)院助教，研究方向：旅游信息系統(tǒng);

楊陽，女，江蘇南通人，南通理工學(xué)院商學(xué)院學(xué)生，研究方向：企業(yè)競(jìng)爭(zhēng)情報(bào);

鄧洋陽，男，江蘇南通人，南通理工學(xué)院商學(xué)院學(xué)生，研究方向：旅游管理。