旅游需求預測對旅游業(yè)的從業(yè)者在投資決策以及產(chǎn)業(yè)政策制定方面有著至關重要的作用。在當前網(wǎng)絡信息飛速發(fā)展的時代,潛在游客在出游前通常會通過網(wǎng)絡來獲取當?shù)叵嚓P信息,并籍此合理安排行程。這些搜索行為信息為研究人員了解游客們的潛在需求提供便利,能夠進一步改善旅游需求預測。此外,有研究表明網(wǎng)絡搜索數(shù)據(jù)（如百度指數(shù)）作為一種新的數(shù)據(jù)來源,相較于傳統(tǒng)的數(shù)據(jù)而言有著相當大的改進,能夠很好地預測旅游需求。但由于網(wǎng)絡搜索數(shù)據(jù)變量普遍較多,如何選取合適的模型以利用此類數(shù)據(jù)預測旅游需求值得探討。因此,本文介紹了兩類可以利用百度指數(shù)來預測旅游需求的方法——機器學習技術及傳統(tǒng)因子模型,并將其應用于大陸對香港旅游需求的預測,進行對比研究。首先,本文探討并確定了旅游六要素為預測指標,隨后提取大陸到訪香港人數(shù)和旅游六要素相關的百度指數(shù);其次,將預測模型分為隨機森林和因子増廣回歸模型兩類,其中因子増廣回歸模型又包含著兩種方法,即廣義動態(tài)因子模型和主成分分析法。利用這兩類模型三種方法,來預測平穩(wěn)增長階段和快速增長階段的大陸對香港的旅游需求;最后基于方向性預測精度檢驗、DM檢驗以及模型置信集檢驗法對不同模型的不同階段預測效果進... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

論文思路框架

第3章傳統(tǒng)因子模型的旅游需求建模與預測21Gunadhi和Boey，1986)或至少為旅游業(yè)的重要組成部分(Divisekera，2010)。游客通常會對旅游目的地中具有地方特色的商品和傳統(tǒng)工藝品有著濃厚的興趣，當然會有一些游客的主要旅游動機就是購物。高林安(2010)研究表明，中國入境游客中日本游客人數(shù)所占比例一直下降，其原因之一為日本游客對中國旅游購物不滿意。韓會然等(2013)研究證實了，目的地選擇的重要影響因素之一為游客對購物環(huán)境以及服務質(zhì)量的感知。(6)“娛”要素，旅游中的活動對游客也有吸引力，游客會選擇有趣的目的地進行更多的娛樂活動(Heagney等，2018；Reintinger等，2016)。劉少和(2006)表示“娛”作為旅游“六要素”中彈性最大的要素，其地位將非常重要，進而構(gòu)成旅游目的地的核心產(chǎn)業(yè)之一，因此建議要加大發(fā)展旅游娛樂項目的力度，并且制造可以吸引游客的娛樂場地。因此，本文選取旅游六要素——“食”“妝“行”“游”“購”“娛”作為預測大陸對香港旅游需求的影響因素，進而關鍵詞的選取也是基于六要素進行。3.2百度指數(shù)獲取方法百度是目前中國最熱門的搜索引擎，自從Google于2010年退出中國大陸市場以來，百度便占據(jù)了大陸最大的搜索引擎市場份額(Yang等，2015)。因此，考慮到本文的研究目的為大陸對香港的旅游需求預測，本文選擇百度指數(shù)來描述大陸游客網(wǎng)絡搜索行為。其中，最重要的步驟為關鍵字的選定。參考Li等(2017)，按照以下步驟來選擇關鍵詞，如圖3.1所示。圖3.1關鍵詞選取框架

【參考文獻】：
期刊論文
[1]百度指數(shù)、混頻模型與三亞旅游需求[J]. 秦夢,劉漢.  旅游學刊. 2019(10)
[2]國內(nèi)外經(jīng)管學科大數(shù)據(jù)研究熱點與趨勢分析[J]. 劉漢,劉瑋,王永晶.  東北師大學報(哲學社會科學版). 2019(05)
[3]宏觀經(jīng)濟指標、技術指標與國債期貨價格預測——基于隨機森林機器學習的實證檢驗[J]. 陳標金,王鋒.  統(tǒng)計與信息論壇. 2019(06)
[4]基于網(wǎng)民關注行為大數(shù)據(jù)實現(xiàn)對房地產(chǎn)價格的預測研究——以北京市房價為例[J]. 王岱,劉寬斌,張濤.  數(shù)量經(jīng)濟研究. 2019(02)
[5]基于機器學習的P2P網(wǎng)絡借貸違約風險預警研究——來自“拍拍貸”的借貸交易證據(jù)[J]. 涂艷,王翔宇.  統(tǒng)計與信息論壇. 2018(06)
[6]基于四次冪差修正HAR模型的股指期貨波動率預測[J]. 陳聲利,李一軍,關濤.  中國管理科學. 2018(01)
[7]公路交通對旅游經(jīng)濟影響的評價分析——以武陵山區(qū)為例[J]. 王兆峰.  湖南師范大學社會科學學報. 2018(01)
[8]基于改進的灰色模型的旅游需求預測研究[J]. 李瑤,曹菡,馬晶.  計算機科學. 2018(01)
[9]旅游目的地形象中的美食要素研究——以成都為例[J]. 李湘云,呂興洋,郭璇.  美食研究. 2017(01)
[10]基于混頻預測模型改進預測精度——以入境旅游為例[J]. 劉漢,王永蓮.  情報雜志. 2016(09)

碩士論文
[1]構(gòu)建我國貨幣政策的指示器：金融狀況指數(shù)[D]. 姜斌宇.廈門大學 2014



本文編號：3267792