陳詠梅

(集美大學(xué)工商管理學(xué)院，福建 廈門 361021)

濱海旅游是指一定社會(huì)經(jīng)濟(jì)條件下，以海洋為依托，以海水、陽光和沙灘為主要資源基礎(chǔ)，滿足游客需求的各類旅游活動(dòng)的總和[1]。對(duì)濱海旅游的關(guān)注，國外學(xué)者研究主要集中在資源、影響和可持續(xù)發(fā)展等方面[2-4]。相對(duì)而言，國內(nèi)相關(guān)研究除了資源和可持續(xù)發(fā)展外[5-7]，還側(cè)重于生態(tài)保護(hù)與旅游地競(jìng)爭(zhēng)力等方面[8-9]。馬儀亮[10]在《中國濱海旅游客流大數(shù)據(jù)報(bào)告》中提到，2017年3月到2018年2月我國濱海旅游市場(chǎng)規(guī)模達(dá)到10.6億人次，相當(dāng)于同期國內(nèi)游市場(chǎng)的21.1%，在熱門目的地前30名排名榜上，福建廈門的思明區(qū)、集美區(qū)和石獅市榜上有名。福建濱海旅游涉及到的寧德、福州、莆田、泉州、廈門、漳州六地市的旅游總量占絕對(duì)優(yōu)勢(shì)，但目前還沒有對(duì)福建的濱海旅游預(yù)測(cè)方面的研究，對(duì)福建旅游市場(chǎng)規(guī)模預(yù)測(cè)研究不足，與其發(fā)展現(xiàn)狀不符。

旅游市場(chǎng)，廣義上是指交換旅游產(chǎn)品的過程中所產(chǎn)生的經(jīng)濟(jì)行為及關(guān)系的總和，而狹義上則是指在一定時(shí)間、一定地點(diǎn)和條件下，具有旅游產(chǎn)品購買力、購買欲望和購買權(quán)利的群體。在這個(gè)意義上，旅游市場(chǎng)就是旅游需求市場(chǎng)或旅游客源市場(chǎng)，則旅游市場(chǎng)規(guī)模反映的是旅游需求狀況[11]，本研究采用狹義的定義，旅游市場(chǎng)規(guī)模反映為游客量、需求量。因?yàn)槁糜问袌?chǎng)需求變化及影響因素作用特征是線性和非線性并存，所以預(yù)測(cè)時(shí)需要同時(shí)考慮線性和非線性因素的變化，也因此要運(yùn)用組合模型預(yù)測(cè)來提高精度[12]。本文運(yùn)用組合模型對(duì)福建省濱海旅游市場(chǎng)規(guī)模進(jìn)行預(yù)測(cè)，以期幫助決策者把握市場(chǎng)規(guī)模變化相關(guān)規(guī)律，減少未來的不確定性，降低盲目決策，提高決策管理水平，對(duì)福建濱海旅游發(fā)展提供相關(guān)理論指導(dǎo)。

一、數(shù)據(jù)來源與研究方法

(一)數(shù)據(jù)來源

以福建省統(tǒng)計(jì)年鑒和社會(huì)年報(bào)為基礎(chǔ)，并參考福州、廈門等沿海地區(qū)各自社會(huì)經(jīng)濟(jì)發(fā)展報(bào)告，走訪及電話訪談沿海縣市、鎮(zhèn)、主要景區(qū)，獲取歷史數(shù)據(jù)，以官方統(tǒng)計(jì)數(shù)據(jù)為主、被訪談人員口述數(shù)據(jù)為輔，匯總福建涉海旅游地游客總量，整理獲取從2007—2017年共11 a的游客量數(shù)據(jù)如表1所示。

表1 接待濱海游客總?cè)舜蜹able 1 Screened input data for ARIMA model (in 10 thousand)

(二)研究方法

1.ARIMA模型

ARIMA模型，又稱自回歸積分移動(dòng)平均方法[12]21，具體模型見公式(1)

xt=φ1xt-1+φ2xt-2+…+φpxt-p+εt-θ1εt-1-θ2εt-2-…-θqεt-q。

(1)

式(1)中：φ1,φ2,…,φp是自回歸系數(shù)；p是自回歸階次；θ1,θ2,…,θq是移動(dòng)平均系數(shù)；q是移動(dòng)平均階次；εt,εt-1,…,εt-q是白噪聲序列。

2.BP神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)元通用表達(dá)式為:

(2)

式(2)中：xi(i=1,2,…,n)表示輸入值；wi(i=1,2,…,n)表示權(quán)重；b表示閾值，y表示神經(jīng)元的輸出[12]21。

BP神經(jīng)網(wǎng)絡(luò)由輸入層、輸出層及若干隱含層共同構(gòu)成，其自上而下由層、節(jié)點(diǎn)、神經(jīng)元組成層次結(jié)構(gòu)，上下層節(jié)點(diǎn)間通過權(quán)連接，平行層節(jié)點(diǎn)間采用全互聯(lián)連接，同層內(nèi)節(jié)點(diǎn)間無連接。輸入值從輸入層進(jìn)入后，經(jīng)過激勵(lì)函數(shù)的調(diào)整變換到達(dá)隱含層，并映射變換到輸出層形成神經(jīng)元的輸出。

3.組合模型

組合模型是通過ARIMA模型預(yù)測(cè)市場(chǎng)規(guī)模，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)ARIMA模型預(yù)測(cè)結(jié)果進(jìn)行誤差調(diào)整，分別論證旅游規(guī)模的線性規(guī)律和非線性規(guī)律，最后用ARIMA 的預(yù)測(cè)結(jié)果與BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)相加，以實(shí)現(xiàn)其線性規(guī)律與非線性規(guī)律統(tǒng)一，得到高精度組合預(yù)測(cè)值[12]22。

二、研究結(jié)果

(一)ARIMA 模型預(yù)測(cè)

根據(jù)統(tǒng)計(jì)數(shù)據(jù)的特征，先剔除游客量原始數(shù)據(jù)非正常值，獲得2007—2017年福建接待濱海游客總?cè)舜螖?shù)據(jù)的ARIMA模型粗選數(shù)據(jù)(見表1)。

由表1可得，福建濱海游客總?cè)藬?shù)趨勢(shì)雖曾顯遞增，但是其增長(zhǎng)幅度不同，存在上升趨勢(shì)中的方差不齊，故而進(jìn)行二次差分和取自然對(duì)數(shù)后二次差分的平穩(wěn)化處理，原變量經(jīng)過自然對(duì)數(shù)二次差分后實(shí)現(xiàn)原變量的基本平穩(wěn)化，平穩(wěn)化后的數(shù)據(jù)如表1所示，設(shè)定參數(shù)d=2。

再進(jìn)行 ARIMA模型參數(shù)p、q的確定。由表2可得，自相關(guān)函數(shù)升降變化在4階，則設(shè)定q=3;偏相關(guān)函數(shù)下降變化拐點(diǎn)在2階，則設(shè)定p=1。據(jù)此，選定預(yù)測(cè)模型為模型ARIMA(3,2,1)。

表2 自相關(guān)與偏相關(guān)函數(shù)表Table 2 Auto-correlation and partial-correlation function

將統(tǒng)計(jì)數(shù)據(jù)帶入ARIMA(3,2,1)模型，得到進(jìn)行擬合，模型預(yù)測(cè)結(jié)果及誤差見表3。

表3 3種模型預(yù)測(cè)結(jié)果Table 3 Forecasts from three different models compared

(二)BP 神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)

由表2得BP人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)樣本量N=9，以2009—2012年、2010—2013年、2011—2014年、……、2014—2017年ARIMA預(yù)測(cè)誤差數(shù)據(jù)分組作為網(wǎng)絡(luò)輸入，理想輸出數(shù)據(jù)從2012年開始，以其為樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，得輸入、輸出神經(jīng)元分別為4和1，并經(jīng)對(duì)比優(yōu)化確定中間層神經(jīng)元個(gè)數(shù)。計(jì)算前，先將數(shù)據(jù)歸一化到[-1,1]，運(yùn)用L-M算法，計(jì)算得到網(wǎng)絡(luò)權(quán)重和閾值為：

則設(shè)定訓(xùn)練誤差要求10-6，經(jīng)9次訓(xùn)練，得到預(yù)測(cè)結(jié)果見表3。

(三) 組合模型預(yù)測(cè)

由ARIMA模型與BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果可知，分別使用單一模型，都導(dǎo)致預(yù)測(cè)誤差偏大。為此，采用組合模型對(duì)其進(jìn)行預(yù)測(cè)。先使用ARIMA模型預(yù)測(cè)，實(shí)現(xiàn)數(shù)據(jù)線性規(guī)律的描述，預(yù)測(cè)誤差中包含非線性規(guī)律；然后用BP神經(jīng)網(wǎng)絡(luò)對(duì)產(chǎn)生的誤差預(yù)測(cè)非線性規(guī)律。最后兩種預(yù)測(cè)結(jié)果相加得到組合預(yù)測(cè)模型的預(yù)測(cè)值，預(yù)測(cè)結(jié)果見表3，這樣可以同時(shí)考慮接待游客量歷史數(shù)據(jù)中的線性趨勢(shì)和非線性趨勢(shì)，且提高預(yù)測(cè)精度。

三、結(jié)論與建議

(一)結(jié)論

基于組合模型的預(yù)測(cè)方法，選取福建省濱海旅游市場(chǎng)為典型個(gè)案，實(shí)證分析其市場(chǎng)需求趨勢(shì)，根據(jù)ARIMA模型得到了2018—2025年福建省濱海旅游市場(chǎng)需求量，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)出2018—2025年的誤差值。具體研究結(jié)論如下：

(1)運(yùn)用組合模型得到了2018—2025年福建省濱海旅游市場(chǎng)需求量，通過組合模型的預(yù)測(cè)值可以得出，福建省濱海旅游市場(chǎng)規(guī)模未來仍呈遞增趨勢(shì)。

(2)組合模型預(yù)測(cè)值相較于單一預(yù)測(cè)法所得值，更為精確，更趨近實(shí)際值。2018—2025年平均年增長(zhǎng)率為26.35%的高水平，2025年福建省濱海旅游游客量將接近2017年的2倍。

(二)建議

研究結(jié)論表明，要滿足福建濱海旅游市場(chǎng)規(guī)模增長(zhǎng)的需求，需要政府和企業(yè)的共同協(xié)作。

(1)政府層面，首先應(yīng)當(dāng)在制定政策、完善濱海旅游法制、搞好濱海旅游發(fā)展規(guī)劃、確定投資方向、為濱海旅游發(fā)展?fàn)I造良好環(huán)境等宏觀方面起著主導(dǎo)作用。其次，應(yīng)推動(dòng)旅游區(qū)域間的整合發(fā)展，加大組織協(xié)調(diào)、統(tǒng)籌整合的力度，以政府為主導(dǎo)、以企業(yè)為主體、以產(chǎn)品為基礎(chǔ)、以市場(chǎng)為紐帶，推動(dòng)跨地域、跨景區(qū)的旅游協(xié)作。第三，完善濱海旅游公共服務(wù)，加強(qiáng)濱海旅游的咨詢服務(wù)和濱海旅游信息提示，形成以福州、廈門、泉州濱海地區(qū)為中心，大力發(fā)展濱海休閑度假、濱海商務(wù)會(huì)展、濱海文化娛樂、濱海美食購物、濱海溫泉康體等濱海都市旅游，完善濱海旅游中心城市功能，發(fā)揮集聚和輻射作用，打造海峽西岸濱海都市旅游目的地，滿足福建濱海休閑度假旅游市場(chǎng)需求。

(2)企業(yè)層面，首要是應(yīng)抓住機(jī)遇，進(jìn)一步拓寬思路，整合資源，突出濱海旅游整體營銷，強(qiáng)化區(qū)域效應(yīng)，努力打造一流拳頭產(chǎn)品。旅游企業(yè)應(yīng)健全濱海旅游產(chǎn)品體系，壯大福建濱海旅游產(chǎn)品，應(yīng)充分利用福建省海岸線長(zhǎng)、沙灘島嶼眾多、氣候適宜等優(yōu)勢(shì)，重點(diǎn)推進(jìn)廈門灣、平潭島、東山島、泉州灣、三都澳、湄洲島等島嶼的濱海旅游開發(fā)建設(shè)，大力發(fā)展濱海休閑、海島度假、海上運(yùn)動(dòng)、郵輪游艇等濱海旅游產(chǎn)品。其次，提升旅游從業(yè)人員的素質(zhì)，不斷加強(qiáng)旅游人才隊(duì)伍的建設(shè)。