孟文強(qiáng)

（1.山東科技大學(xué)經(jīng)濟(jì)管理學(xué)院，山東青島266590；2.山東大學(xué)經(jīng)濟(jì)學(xué)院，濟(jì)南250100）

理論新探

入境旅游數(shù)據(jù)的季節(jié)調(diào)整方法研究

孟文強(qiáng)1,2

（1.山東科技大學(xué)經(jīng)濟(jì)管理學(xué)院，山東青島266590；2.山東大學(xué)經(jīng)濟(jì)學(xué)院，濟(jì)南250100）

X-13ARIMA-SEATS是美國(guó)普查局最新的季節(jié)調(diào)整程序，能夠處理異常值和邊界值的問(wèn)題，并能夠考慮不同國(guó)家經(jīng)濟(jì)數(shù)據(jù)的移動(dòng)假日效應(yīng)和交易日效應(yīng)的特殊情況。該程序的最大優(yōu)點(diǎn)在于既能考慮數(shù)據(jù)隨機(jī)性特征，又能充分反映確定的經(jīng)濟(jì)意義。文章運(yùn)用該方法所具有的預(yù)調(diào)整功能，充分考慮中國(guó)特殊的移動(dòng)假日因素，探索入境游數(shù)據(jù)的預(yù)處理方法。分析我國(guó)旅游業(yè)入境游數(shù)據(jù)的季節(jié)調(diào)整因子的經(jīng)濟(jì)意義，研判我國(guó)旅游業(yè)入境游的發(fā)展趨勢(shì)、季節(jié)性變化規(guī)律和重要的臨界點(diǎn)。

入境游；季節(jié)調(diào)整；趨勢(shì)；節(jié)日效應(yīng)；交易日效應(yīng)

0 引言

旅游業(yè)發(fā)展受到明顯的季節(jié)影響和突發(fā)事件的影響，相應(yīng)帶來(lái)宏觀經(jīng)濟(jì)的波動(dòng)，宏觀經(jīng)濟(jì)的波動(dòng)又會(huì)帶來(lái)旅游業(yè)的波動(dòng)。既有文獻(xiàn)多分析了宏觀經(jīng)濟(jì)波動(dòng)對(duì)旅游業(yè)發(fā)展的影響（喬寧寧，2013）。本文考察的對(duì)象為旅游業(yè)入境總?cè)藬?shù)，該時(shí)間序列數(shù)據(jù)存在明顯的季節(jié)效應(yīng)。季節(jié)性是指時(shí)間序列數(shù)據(jù)在若干年內(nèi)重復(fù)出現(xiàn)以年為單位的具有規(guī)律的某種特性。未經(jīng)季節(jié)調(diào)整的入境游人數(shù)數(shù)據(jù)具有以下缺陷：一是盡管仍然能夠較直觀地辨別長(zhǎng)期趨勢(shì)，但是不能夠準(zhǔn)確地發(fā)現(xiàn)趨勢(shì)轉(zhuǎn)折的臨界點(diǎn)；二是因?yàn)橥茸兓鶗?huì)受到基數(shù)影響，這更為需要環(huán)比的數(shù)據(jù)。但是未經(jīng)季節(jié)調(diào)整的相鄰時(shí)期數(shù)據(jù)易受到季節(jié)因素的影響，所以難以進(jìn)行環(huán)比的測(cè)算；三是在實(shí)際應(yīng)用中，往往需要針對(duì)季節(jié)變動(dòng)規(guī)律制定相應(yīng)的政策，以起到削峰填谷的作用，分離識(shí)別這種季節(jié)變動(dòng)規(guī)律成為當(dāng)務(wù)之急；四是缺少季節(jié)調(diào)整，則較難把握產(chǎn)業(yè)周期變動(dòng)規(guī)律以及異常沖擊對(duì)產(chǎn)業(yè)發(fā)展的影響?；谝陨显?，對(duì)于旅游業(yè)入境人數(shù)的季節(jié)調(diào)整研究具有理論和實(shí)際應(yīng)用價(jià)值。

1 X-13ARIMA-SEATS方法

X-13ARIMA-SEATS是美國(guó)普查局最新的季節(jié)調(diào)整程序，最早版本源于美國(guó)普查局的shiskin在1954年開(kāi)發(fā)的普查局一號(hào)模型，先后經(jīng)歷了X-0，X-1等13個(gè)版本。它的前一個(gè)版本為X-12ARIMA，核心為基于移動(dòng)平均的非參數(shù)方法。目前，美國(guó)普查局各部門(mén)實(shí)際工作正全面轉(zhuǎn)向這一新版本。新版本吸收了西班牙銀行的Victor Gó mez和Agustí n Maravall 的SEATS季節(jié)調(diào)整過(guò)程，增加了基于估計(jì)參數(shù)的ARIMA模型季節(jié)分解法，以方便使用者比較兩種方法的結(jié)果。X-13ARIMA-SEATS由兩模塊組成，一是regARIMA建模，通過(guò)回歸變量估計(jì)時(shí)間序列數(shù)據(jù)的節(jié)日效應(yīng)和工作日效應(yīng)，去掉離群值、暫時(shí)的數(shù)據(jù)沖擊，更為重要的是可以實(shí)現(xiàn)時(shí)間序列數(shù)據(jù)前向和后向的預(yù)測(cè)，以便為季節(jié)調(diào)整提供足夠的序列外端數(shù)據(jù)。這種對(duì)時(shí)間序列數(shù)據(jù)的前后向擴(kuò)展，在該程序發(fā)展史上是一項(xiàng)重要的技術(shù)突破；另外一個(gè)模塊則是季節(jié)調(diào)整模塊，既包括增強(qiáng)的X-11季節(jié)調(diào)整模塊，也包括該版本新增加的SEATS模塊，季節(jié)調(diào)整模塊是該程序的核心內(nèi)容。增強(qiáng)的X-11季節(jié)調(diào)整模塊新增滑移區(qū)間檢測(cè)程序，以檢測(cè)季節(jié)調(diào)整結(jié)果的穩(wěn)定性；對(duì)給定的季節(jié)調(diào)整時(shí)間序列，可以根據(jù)不同序列長(zhǎng)度假定提供季節(jié)調(diào)整結(jié)果的修訂歷史，也可反映季節(jié)調(diào)整的穩(wěn)定性；新的Handerson趨勢(shì)濾波程序，允許使用者自行選擇任意奇數(shù)作為Handerson趨勢(shì)濾波的時(shí)間長(zhǎng)度。Handerson趨勢(shì)濾波是一種中心化移動(dòng)平均濾波方法，時(shí)間序列數(shù)據(jù)經(jīng)過(guò)季節(jié)調(diào)整后，可采用Handerson趨勢(shì)濾波獲取數(shù)據(jù)趨勢(shì)成分，以往版本要求使用者在長(zhǎng)度9、13和23之間進(jìn)行選擇；針對(duì)時(shí)間序列中的不規(guī)則成分，增加了異常值檢測(cè)的新選項(xiàng)；提供了一種偽加的季節(jié)調(diào)整模式。這是在傳統(tǒng)乘法、加法、對(duì)數(shù)可加之外的第四種分解方法。其分解公式如下（在X11方法中，趨勢(shì)成分包含了周期成分）：

其中，Tt代表趨勢(shì)成分，St代表季節(jié)成分，It代表不規(guī)則成分。

季節(jié)調(diào)整的SEATS方法屬于以ARIMA模型為基礎(chǔ)的信號(hào)提取方法。這種季節(jié)分解方法假定趨勢(shì)、季節(jié)、周期和不規(guī)則四種成分均正交，各成分不含有噪音（不規(guī)則成分除外），而且每一成分具有ARIMA模型的結(jié)構(gòu)。為了把四種成分分解出來(lái)，需要采取頻域分析的方法。圖1為X-13ARIMA-SEATS季節(jié)調(diào)整過(guò)程。

圖1 X-13AR|MA-SEATS季節(jié)調(diào)整過(guò)程

2 數(shù)據(jù)來(lái)源與季節(jié)調(diào)整方法

本文中的數(shù)據(jù)來(lái)自中經(jīng)網(wǎng)產(chǎn)業(yè)數(shù)據(jù)庫(kù)的旅游入境總?cè)藬?shù)月度數(shù)據(jù)，時(shí)間跨度為1998年1月至2015年12月，數(shù)據(jù)長(zhǎng)度18年，時(shí)序圖如圖2所示。從圖2可以清楚的看到，其中，1998—2008年入境總?cè)藬?shù)持續(xù)呈上升態(tài)勢(shì)，2008年以后總?cè)藬?shù)上升受阻，呈現(xiàn)徘徊不前狀態(tài)。同時(shí)，可以在圖中觀察到明顯的季節(jié)變動(dòng)，而且這種季節(jié)變動(dòng)表現(xiàn)出一定的穩(wěn)定性。但是，在沒(méi)有季節(jié)調(diào)整之前，從直觀很難準(zhǔn)確界定這一季節(jié)變動(dòng)規(guī)律特征。由于季節(jié)性的影響，也很難準(zhǔn)確找到由上升趨勢(shì)到橫向趨勢(shì)變化的臨界點(diǎn)，或及時(shí)剝離暫時(shí)性沖擊的影響。

圖2 1998—2015年入境游總?cè)藬?shù)月度數(shù)據(jù)

季節(jié)調(diào)整的目標(biāo)即把時(shí)間序列中的趨勢(shì)（trend,簡(jiǎn)稱T）、季節(jié)性（S）、周期性（C）和不規(guī)則成分(I)分解開(kāi)。以下分兩個(gè)階段介紹預(yù)調(diào)整、季節(jié)調(diào)整的方法：

第一階段預(yù)調(diào)整regARIMA模型的基本方程如下：

式中，B代表滯后算子，S是季節(jié)長(zhǎng)度，d和D分別為非季節(jié)和季節(jié)差分階數(shù)，φ(B)=1-φ1B-…-φPBp是非季節(jié)性的自回歸（AR）算子，Θ(BS)=1-Θ1BS-…-ΘPBPS是季節(jié)性的自回歸（AR）算子，θ(B)=1-θ1B-…-θqBq是非季節(jié)性的移動(dòng)平均（MA）算子，Θ(BS)=1-Θ1BS-…-ΘPBPS，其中εt是滿足獨(dú)立同分布的均值為0，方差為σ2的白噪聲。yt即所研究的觀察值序列，xit為回歸變量，包括下面要提到的交易日效應(yīng)變量、移動(dòng)假日效應(yīng)變量等。

主要回歸變量包括：

（1）交易日效應(yīng)變量

交易日效應(yīng)指由于不同年份同一月內(nèi)星期一（或周二…）的總出現(xiàn)次數(shù)不同帶來(lái)的影響，工作日效應(yīng)則是表征一月內(nèi)工作日與非工作日數(shù)量對(duì)時(shí)間序列變量數(shù)值大小帶來(lái)的影響?？捎?個(gè)對(duì)比變量來(lái)表示交易日效應(yīng)：

T1，t=(星期一天數(shù))-(星期日天數(shù))，...，T6，t=(星期六天數(shù))-(星期日天數(shù))

也可認(rèn)為工作日對(duì)經(jīng)濟(jì)活動(dòng)的影響與非工作日不同，但工作日中的每天影響均相同，因而針對(duì)工作日和非工作日分別設(shè)定一個(gè)變量。

（2）移動(dòng)假日效應(yīng)變量

與其他經(jīng)濟(jì)數(shù)據(jù)相比，旅游數(shù)據(jù)與假日的關(guān)系可能更為緊密。對(duì)于類似五一、十一的固定假期可以用固定假日引入預(yù)調(diào)整過(guò)程。

在時(shí)間序列季節(jié)調(diào)整過(guò)程中，消除包括春節(jié)、清明、端午、中秋在內(nèi)的移動(dòng)假日的影響是一個(gè)重要問(wèn)題。國(guó)內(nèi)已有的研究，大多借鑒美國(guó)普查局的復(fù)活節(jié)模型。如齊東軍（2004）、張鳴芳等（2004），假定春節(jié)對(duì)入境游的影響主要發(fā)生在春節(jié)的20天之前，并且每天的影響力相同。舉例說(shuō)明，設(shè)計(jì)一個(gè)影響變量P(t)，其中t代表月份，P(t)代表春節(jié)對(duì)t月份的影響大小。假設(shè)春節(jié)為2月10號(hào)計(jì)算，春節(jié)前的20天落在1月份的天數(shù)為11天，落在2月份的天數(shù)為9天，則可以計(jì)算出P(1)=11/20=0.55，P(2)=9/20=0.45，其他月份的P值均取0。本文參考賈淑梅（2005）、欒惠德（2007）的方法，把春節(jié)的影響劃分為春節(jié)前、春節(jié)區(qū)間和春節(jié)后三個(gè)階段，春節(jié)前和春節(jié)后均選取0、7、10、15四種取值，根據(jù)優(yōu)化試算確定了春節(jié)前和春節(jié)后的影響區(qū)間，即節(jié)前、節(jié)中和節(jié)后區(qū)間的長(zhǎng)度分別為15，0，15。

（3）離群值

在X-13ARIMA-SEATS中，用四種其他的回歸變量來(lái)處理時(shí)間序列的離群值，包括：附加離群值點(diǎn)AOs（Additive Outliers）、水平漂移LSs（Level Shifts）、暫時(shí)變化TCs（Temporary Changes）和季節(jié)離群值SOs（Seasonal Outliers）、斜線（ramps）、暫時(shí)的水平漂移（TLs）。附加離群值點(diǎn)是指某一個(gè)數(shù)據(jù)點(diǎn)的上下變化，僅影響一個(gè)觀察值；水平漂移是指數(shù)據(jù)漂移到一個(gè)新的水平；季節(jié)離群值是指季節(jié)模式中的突然的水平變化。斜線是指在一個(gè)特定的時(shí)間間隔內(nèi)，運(yùn)行時(shí)間序列一個(gè)線性的增加或減少；暫時(shí)變化是指某點(diǎn)在短時(shí)間內(nèi)數(shù)據(jù)發(fā)生變化，然后回到原來(lái)的路徑或水平。

第二個(gè)階段是關(guān)于季節(jié)調(diào)整部分。

以X11方法為例，一般社會(huì)經(jīng)濟(jì)數(shù)據(jù)采用乘法模型，即Zt=CtStIt，其中，，分為以下三個(gè)步驟：

第一步通過(guò)2×12即13階中心化移動(dòng)平均來(lái)初步估計(jì)趨勢(shì)—循環(huán)成分（以下上標(biāo)1代表第一步）：按乘法公式計(jì)算季節(jié)和不規(guī)則成分：

采用跨年度逐月3×3移動(dòng)平均初步估計(jì)季節(jié)因子（指數(shù)）：

季節(jié)指數(shù)標(biāo)準(zhǔn)化：

則估計(jì)季節(jié)調(diào)整后的序列為：

第二步，用13項(xiàng)Henderson移動(dòng)平均對(duì)上一步調(diào)整后的序列估計(jì)趨勢(shì)—循環(huán)成分。上一步調(diào)整后，序列季節(jié)性已經(jīng)較小。

則季節(jié)不規(guī)則成分為：采用跨年度逐月3×5移動(dòng)平均估計(jì)季節(jié)因子（指數(shù)）：

采用與第一步相同方法進(jìn)行標(biāo)準(zhǔn)化，得到最終季節(jié)因子（指數(shù)）：

則估計(jì)季節(jié)調(diào)整后的序列為：

用2n+1項(xiàng)Henderson移動(dòng)平均對(duì)調(diào)整后的序列估計(jì)趨勢(shì)—循環(huán)成分：

則時(shí)間序列剩余成分為不規(guī)則成分：

3 旅游入境人數(shù)的季節(jié)調(diào)整實(shí)證

為了防止異方差性帶來(lái)的影響，對(duì)入境游數(shù)據(jù)取自然對(duì)數(shù)。圖3中橫坐標(biāo)為頻率，縱坐標(biāo)反映該頻率的相對(duì)重要程度?？梢园l(fā)現(xiàn)，在以12月為周期，頻率1/12=0.083的整數(shù)倍處存在譜尖峰，證實(shí)存在明顯的月度季節(jié)周期。對(duì)比圖3和圖4可以發(fā)現(xiàn)，季節(jié)調(diào)整后該頻率處的尖峰消失。

圖3 季節(jié)調(diào)整前序列頻譜圖

圖4 季節(jié)調(diào)整后的序列頻譜圖

五一、十一作為固定假日，對(duì)入境游人數(shù)的影響已經(jīng)納入到了季節(jié)差分中，可以不再單獨(dú)考慮。因?yàn)榇汗?jié)是最重要民族假日，而且每年春節(jié)的時(shí)間不固定，基本在1月21日至2月20日之間。為了分析移動(dòng)假日春節(jié)對(duì)入境旅游的影響，美國(guó)普查局為了滿足非美國(guó)家在季節(jié)調(diào)整時(shí)處理移動(dòng)假日效應(yīng)的需要，設(shè)計(jì)了genhol工具程序，以建立春節(jié)假日的回歸變量。genhol把移動(dòng)假日的影響區(qū)分為節(jié)日前、節(jié)日期間和節(jié)日后三個(gè)區(qū)段，在程序中給定三個(gè)區(qū)段的時(shí)間長(zhǎng)度，即可以自動(dòng)計(jì)算得到相應(yīng)的回歸變量。對(duì)三個(gè)區(qū)段的時(shí)間長(zhǎng)度，可以根據(jù)各種診斷工具來(lái)確定最優(yōu)的時(shí)間長(zhǎng)度，例如AIC準(zhǔn)則。本文單獨(dú)設(shè)計(jì)了春節(jié)回歸變量。春節(jié)效應(yīng)的影響區(qū)間長(zhǎng)度，采用了賈淑梅（2005）提出的區(qū)間長(zhǎng)度，設(shè)計(jì)為春節(jié)前15天，春節(jié)期間無(wú)影響，春節(jié)后15天。假設(shè)節(jié)前變量為preholidayt，下標(biāo)t為該變量對(duì)應(yīng)的月份，其取值可按如下方法計(jì)算：如果當(dāng)年的春節(jié)為2月7日，則春節(jié)前15天中落入2月份的為6天，在1月份的為9天，對(duì)應(yīng)的2月份，1月份變量值，其他月份的該變量值均為0。節(jié)后變量也采用類似的方法計(jì)算。

采用X11法回歸結(jié)果如圖5所示：

圖5 原始序列、季節(jié)調(diào)整后序列與趨勢(shì)

由圖5可以發(fā)現(xiàn)：1998—2015年18年中，月入境游人數(shù)從508萬(wàn)上升到1171萬(wàn)，總量翻了一番。尤其在1998—2008年十年間呈現(xiàn)出直線上升趨勢(shì)。與原始時(shí)間序列相比，經(jīng)季節(jié)調(diào)整后的序列與分離出來(lái)的趨勢(shì)序列能較好的反映入境游的變動(dòng)趨勢(shì)，2003年非典期間原始序列中顯示出入境游人數(shù)的突然大幅下降，但在趨勢(shì)序列中，這一突發(fā)事件并未帶來(lái)較大影響。次貸危機(jī)帶來(lái)的影響明顯超過(guò)非典，2007年至2009年下半年，入境游趨勢(shì)序列展現(xiàn)出了深幅的回調(diào)，然后在2012年初又回到2007年初水平，然后再次深幅回調(diào)，2014年重回上升通道。18年中，入境游數(shù)據(jù)與宏觀經(jīng)濟(jì)的波動(dòng)狀況高度吻合。經(jīng)過(guò)季節(jié)調(diào)整后的數(shù)據(jù)和趨勢(shì)序列可以清楚發(fā)現(xiàn)2007年11月是入境游趨勢(shì)轉(zhuǎn)換的臨界點(diǎn)，也預(yù)示了宏觀經(jīng)濟(jì)波動(dòng)的臨界點(diǎn)，通過(guò)入境游數(shù)據(jù)揭示的這一時(shí)間點(diǎn)遠(yuǎn)遠(yuǎn)提前很多宏觀經(jīng)濟(jì)先行指標(biāo)所能指示的轉(zhuǎn)折點(diǎn)。

圖6 1998—2015年的季節(jié)因素和S|比例

圖6中，橫線表示1998—2015年該月份的平均水平，曲線顯示特定月份在每一年的變動(dòng)情況。由圖6可以發(fā)現(xiàn)，2月、7月和8月的季節(jié)因素離散程度較大，4月和6月的季節(jié)因素相當(dāng)穩(wěn)定。全年旅游季節(jié)景氣大致可以分為四個(gè)層級(jí)，第一層級(jí)是4月、8月和10月，季節(jié)影響使得入境人數(shù)要比平均水平高出40～60萬(wàn)人。第二個(gè)層級(jí)為3月、7月和12月，旅游季節(jié)因素帶來(lái)15～25萬(wàn)人左右的客流；第三個(gè)層級(jí)為1月、5月、6月、9月和11月，旅游景氣平均低25萬(wàn)人左右；第四個(gè)層級(jí)是2月，比平均水平低125萬(wàn)人左右。究其原因，氣候、假期、宗教等因素均有影響。

圖7 2016年季節(jié)調(diào)整比例預(yù)測(cè)

圖7為根據(jù)最后兩期的季節(jié)因子，通過(guò)簡(jiǎn)單的線性投影，得到2016年的季節(jié)因子預(yù)測(cè)?？梢钥闯觯?016年旅游入境游季節(jié)特征明顯。其中，2月是全年最低點(diǎn)，隨后快速上升，3月是全年入境旅游高峰。6月、9月、11月都呈現(xiàn)階段低點(diǎn)，10月、12月均呈現(xiàn)出階段高點(diǎn)?？傮w來(lái)看，6月后，入境游季節(jié)性呈現(xiàn)回升的態(tài)勢(shì)。

1998—2015 年旅游入境游數(shù)據(jù)識(shí)別出5個(gè)離群值，一個(gè)是2003年3月、4月、6月、8月，屬于Level shift類型。在正常年份3月份旅游入境游應(yīng)當(dāng)復(fù)蘇，由于2003年受到“非典”的影響，出現(xiàn)了一個(gè)離群值；另一個(gè)是2008年4月，屬于Level shift，基本來(lái)源于次貸危機(jī)影響。

X-13ARIMA-SEATS中的M1-M11和Q統(tǒng)計(jì)量可以反映季節(jié)調(diào)整的質(zhì)量，當(dāng)M1-M11的值全部小于1時(shí)，季節(jié)調(diào)整的結(jié)果可以接受。其中，M1-M3均反映不規(guī)則成分占比，如果不規(guī)則成分占比較大，則會(huì)使得季節(jié)成分提取質(zhì)量較差。如果模型誤差項(xiàng)是白噪聲過(guò)程，k階自相關(guān)系數(shù)=0，則Q值很小。由表1可知，各統(tǒng)計(jì)量的值均小于1，因而，本文接受季節(jié)調(diào)整的結(jié)果。

表1 季節(jié)調(diào)整的M1-M11統(tǒng)計(jì)量、Q統(tǒng)計(jì)量

在預(yù)調(diào)整中，對(duì)于春節(jié)效應(yīng)變量回歸的顯示，t值分別為2.15和-1.54，顯示春節(jié)前效應(yīng)顯著，春節(jié)前變量的系數(shù)β1=17.17，春節(jié)后變量的β2=-20.8357，顯示出春節(jié)前變量對(duì)旅游入境游的影響為正向，春節(jié)后變量則為負(fù)向。即春節(jié)前傾向于入境人數(shù)增加，春節(jié)后傾向于入境人數(shù)下降。另外，由于入境游與客源國(guó)風(fēng)俗、節(jié)日、假期關(guān)系密切，交易日效應(yīng)方面，針對(duì)工作日和周末分別設(shè)定一個(gè)變量，回歸結(jié)果顯示工作日變量系數(shù)為-1.1118，周末變量系數(shù)為2.7796，顯示工作日越多，該月入境游人數(shù)越少，而周末天數(shù)則與入境游人數(shù)成正比。表2反映交易日效應(yīng)對(duì)入境游人數(shù)的整體解釋能力，如表2所示交易日效應(yīng)對(duì)入境人數(shù)具有一定影響力，顯示在預(yù)調(diào)整中納入交易日效應(yīng)非常有必要。

表2 交易日效應(yīng)的回歸結(jié)果

采用滑移區(qū)間檢驗(yàn)季節(jié)調(diào)整的穩(wěn)定性，結(jié)果發(fā)現(xiàn)除3月以外，全年各月的最大誤差均低于1%，3月的最高值也僅有1.67%，滿足季節(jié)調(diào)整穩(wěn)定性的要求。

4 結(jié)論

由以上分析可以得到以下結(jié)論：

（1）入境游人數(shù)與宏觀經(jīng)濟(jì)波動(dòng)之間關(guān)系密切，入境游數(shù)據(jù)趨勢(shì)臨界點(diǎn)領(lǐng)先于很多宏觀經(jīng)濟(jì)的先行指標(biāo)所揭示的轉(zhuǎn)折點(diǎn)，對(duì)入境游數(shù)據(jù)的分析有助于把握宏觀經(jīng)濟(jì)波動(dòng)規(guī)律。季節(jié)調(diào)整方法可以分解入境游序列的趨勢(shì)、季節(jié)性、周期性和不規(guī)則成分，有助于準(zhǔn)確識(shí)別其趨勢(shì)變動(dòng)的臨界點(diǎn)，季節(jié)變化的規(guī)律和周期性；

（2）采用頻譜分析法，可以發(fā)現(xiàn)入境游數(shù)據(jù)在季節(jié)周期頻率處存在尖峰，即具有較強(qiáng)的季節(jié)性。與季節(jié)調(diào)整后的頻譜圖比較，季節(jié)調(diào)整后，在周期頻率處的譜尖峰消失，顯示季節(jié)調(diào)整去季節(jié)性效果明顯；

（3）對(duì)1998—2015年入境游人數(shù)季節(jié)性的分析得到，全年旅游季節(jié)景氣大致可以分為四個(gè)層級(jí)，第一層級(jí)是4月、8月、10月，季節(jié)影響使得入境人數(shù)要比平均水平高出40～60萬(wàn)人。第二個(gè)層級(jí)為3月、7月和12月，旅游季節(jié)因素帶來(lái)15～25萬(wàn)人左右的客流；第三個(gè)層級(jí)為1月、5月、6月、9月和11月，旅游景氣平均低25萬(wàn)人左右；第四個(gè)層級(jí)是2月，比平均水平低125萬(wàn)人左右。究其原因，氣候、假期、宗教等因素均有影響；

（4）根據(jù)歷史數(shù)據(jù)，2016年旅游入境游季節(jié)特征明顯。其中，2月是全年最低點(diǎn)，隨后快速上升，3月是全年入境旅游高峰。6月、9月和11月都呈現(xiàn)階段低點(diǎn)，10月、12月均呈現(xiàn)出階段高點(diǎn)?？傮w來(lái)看，6月后，入境游季節(jié)性呈現(xiàn)回升的態(tài)勢(shì)；

（5）國(guó)內(nèi)節(jié)日和國(guó)外節(jié)日對(duì)入境游人數(shù)均會(huì)產(chǎn)生影響，以春節(jié)為例，春節(jié)前變量對(duì)旅游入境游的影響為正向，春節(jié)后變量則為負(fù)向。即春節(jié)前傾向于入境人數(shù)增加，春節(jié)后傾向于入境人數(shù)下降；

（6）基于M1-M11和Q檢驗(yàn)表明，本文的季節(jié)調(diào)整質(zhì)量較好。基于滑移區(qū)間檢驗(yàn)，本文的季節(jié)調(diào)整具有較強(qiáng)的穩(wěn)定性；

（7）入境游受宏觀經(jīng)濟(jì)波動(dòng)、突發(fā)事件影響明顯。1998年?yáng)|南亞金融危機(jī)、2003年非典、2007年底的次貸危機(jī)均對(duì)我國(guó)旅游業(yè)入境游產(chǎn)生影響，前兩者均未影響我國(guó)旅游入境游的上升趨勢(shì)。但2007年以來(lái)的次貸危機(jī)的影響明顯超過(guò)前兩次，值得重視和主動(dòng)應(yīng)對(duì)。

[1]Findley D F,Monsell B C,Bell W R,et al.New Capabilities and Methods of the X-12-ARIMA Seasonal-Adjustment Program[J].Journal of Business&Economic Statistics,1998,16,(2).

[2]Lim C,McAleer M.Monthly Seasonal Variations:Asian Tourism to Australia[J].Annals of Tourism Research,2001,28(1).

[3]Koc E,Altinay G.An Analysis of Seasonality in Monthly Per Person Tourist Spending in Turkish Inbound Tourism From A Market Segmentation Perspective[J].Tourism Management,2007,28,(1).

[4]Nadal J R,Font A R,Rosselló A S.The Economic Determinants of Seasonal Patterns[J].Annals of Tourism Research,2004,31,(3).

[5]黃福才,蔡從燕.中國(guó)大陸入境旅游業(yè)中臺(tái)灣客源市場(chǎng)的特征和走向[J].廈門(mén)大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版,1997,(3).

[6]李景宜,周旗.區(qū)域入境旅游業(yè)競(jìng)爭(zhēng)力比較研究[J].地理學(xué)與國(guó)土研究,2002,(3).

[7]劉媛媛.中國(guó)入境旅游業(yè)的市場(chǎng)需求分析及預(yù)測(cè)[D].武漢：武漢大學(xué)學(xué)位論文，2005.

[8]齊東軍.季節(jié)調(diào)整方法在貨幣供應(yīng)量中的應(yīng)用[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2004,(6).

[9]喬寧寧,陳建寶.宏觀經(jīng)濟(jì)波動(dòng)對(duì)我國(guó)入境旅游發(fā)展的影響分析[J].旅游學(xué)刊,2013,(2).

[10]中國(guó)人民銀行調(diào)查統(tǒng)計(jì)司.時(shí)間序列X-12-ARIMA季節(jié)調(diào)整—原理與方法[M].北京：中國(guó)金融出版社，2006.

[11]張鳴芳,項(xiàng)燕霞,齊東軍.居民消費(fèi)價(jià)格指數(shù)季節(jié)調(diào)整實(shí)證研究[J].財(cái)經(jīng)研究,2004,30(3).

（責(zé)任編輯/亦民）

Research on the Seasonal Adjustment of Inbound Tourism Data

Meng Wenqiang1,2
(1.College of Economics and Management，Shandong University of Science and Technology,Qingdao Shandong 266590，China; 2.School of Economics，Shandong University，Jinan 250100，China)

X-13ARIMA-SEATS,the U.S.Census Bureau's latest seasonal adjustment program,is able to handle abnormal value,boundary value problems,as well as such exceptional cases as economic data of different countries’holiday effect and trading day effect.The program's biggest advantage is that it not only considers the randomness characteristics of the data,but also fully reflects determinate economic significance.This paper fully considering China's special holiday factor,adopts the preset adjustment function of this method and explores the data preprocessing method.The paper also studies and judges China's inbound tourism development tendency,seasonal changing rule and the critical point by analyzing the seasonal adjustment factors of China's inbound tourism data.

inbound tourism;seasonal adjustment;trend;holiday effect;trading day effect

C81;F590

A

1002-6487（2016）11-0005-05

國(guó)家社會(huì)科學(xué)基金年度項(xiàng)目（15BJY070）；教育部人文社會(huì)科學(xué)研究規(guī)劃基金資助項(xiàng)目（14YJAZH057）；中國(guó)博士后科學(xué)基金資助項(xiàng)目（2013M530310）；山東省高等學(xué)校優(yōu)秀骨干教師國(guó)際合作培養(yǎng)資金資助項(xiàng)目

孟文強(qiáng)（1973—），男，山東濟(jì)寧人，博士，副教授，研究方向：產(chǎn)業(yè)經(jīng)濟(jì)。