1、澳门酒店入住率分析摘 要：用最小二乘法分析澳门酒店入住率的影响因素。主要分析澳门酒店入住率与酒店房数、入境人数、酒店房价、重大事件间，月份，年之间关系。关键词：澳门酒店入住率，线性回归，异方差，自相关，多重共线性，虚拟变量首先先考虑可能会影响的因素：1）酒店座位容量 2）入境人数 3）酒店房价指数 4）重大事件 5）SARS 重大事件。6）时间变量列表：Y 酒店入住率（）X1 酒店座位容量X2 入境人数（人次）X3 酒店房价指数D1 重大事件（有/无）D2 SARSm 月year 年数据：Y X1 X2 X3 D1 D2 m year 备注57.4 39.9597 77.8105 102.64
2、 0 0 1 200263.54 37.0299 93.4877 103.28 0 0 2 200265.3 38.9843 95.9969 99.33 0 0 3 200270.34 39.1643 99.7856 95.39 0 0 4 200268.45 39.9281 94.3352 91.44 1 0 5 2002 国际劳动节假日60.32 38.0253 86.267 92.33 0 0 6 200269.31 39.3697 101.6109 93.23 0 0 7 200276.4 40.3515 111.2709 94.12 1 0 8 2002 第十四届国际烟花汇演比赛63
3、.05 44.2044 88.4498 96.19 0 0 9 200263.78 38.7243 97.1074 98.27 1 0 10 2002 国庆节假日73.58 38.8366 100.3197 100.34 0 0 11 200273.82 40.9639 106.6425 101.05 0 0 12 200260.72 31.1276 98.7213 101.77 0 0 1 200367.79 36.589 104.7418 102.48 0 0 2 200367.01 40.6072 96.0956 97.91 0 0 3 200344.18 36.8512 66.0666
4、 93.33 1 1 4 2003 SARS32.72 36.1842 59.6628 88.76 1 1 5 2003 SARS49.75 37.9913 81.5779 93.37 1 1 6 2003 SARS66.87 39.6055 104.6808 97.97 0 0 7 200384.28 41.5883 127.3391 102.58 1 0 8 2003 “澳门夏日欢迎您”活动68.49 38.7893 100.1048 104.46 1 0 9 2003 第十五届国际烟花汇演比赛72.54 38.7212 111.5141 106.35 1 0 10 2003 国庆节假日7
5、9.04 40.4226 115.9626 108.23 0 0 11 200377.42 42.4589 122.3202 109.77 0 0 12 200366.79 43.7459 133.3891 111.32 0 0 1 200467.79 39.0371 111.0569 112.86 0 0 2 200467.01 52.5321 130.6987 109.97 0 0 3 200477.02 43.1902 135.5262 107.08 0 0 4 200471.11 44.2356 132.7412 104.19 1 0 5 2004 劳动节假日74.94 42.4654
6、 130.0765 106.81 0 0 6 200482 45.8507 152.3973 109.43 0 0 7 200482.35 45.7743 161.7993 112.05 1 0 8 2004 第十六届国际烟花汇演比赛71.23 41.7232 131.3261 114.82 0 0 9 200477.18 43.0338 150.9403 117.58 1 0 10 2004 国庆节假日82.44 42.6945 145.4638 120.35 1 0 11 2004 格兰披治小型赛车锦标赛78.5 44.3118 151.8402 125.21 0 0 12 200466.
7、85 45.2915 140.1439 130.07 0 0 1 200565.35 44.1084 152.259 134.93 0 0 2 200564.85 49.142 153.2993 127.1 0 0 3 200567.03 49.3538 149.3692 119.26 0 0 4 200567.03 49.1099 153.9534 111.43 1 0 5 2005 劳动节假日67.65 49.5513 143.3075 111.63 1 0 6 2005 亚洲越野电单车锦标赛74.02 51.267 166.5724 111.84 0 0 7 200575.75 50.7
8、996 173.2083 112.04 0 0 8 200566.95 57.9447 145.3325 116.12 1 0 9 2005 2005 火树银花嘉年华75.34 46.6806 166.3623 120.19 1 0 10 2005 国庆节假日82.57 50.7863 160.5589 124.27 1 0 11 2005 东亚运动会76.09 50.7982 166.752 127.67 1 0 12 2005 格兰披治小型赛车锦标赛64.53 50.7253 166.1393 131.06 0 0 1 200672.16 47.1334 177.3926 134.46 0
9、 0 2 2006模型形式探讨：先按论文要求建立 y,x1,x2,x3,d1,d2 的模型。首先输入命令：ls y c x1 x2 x3 d1 d2得模型 A 为:y=92.83228-0.636018X1+0.311126X2-0.317310X3+2.435817D1-21.87729D2(-2.78) (5.09) (-2.73) (1.47) (-5.81)R2=0.742728 DW=1.827344 F=25.40498模型 A 除了 D1 的 t 检验不能通过，其他指标都很好。为什么 D1 的 t 检验通不过？小组猜测可能是 D1 不仅单独影响 Y，可能还和 X1,X2,X3 乘
10、机影响。就是可能影响斜率。所以在模型 A 的基础上引进 X1*D1,X2*D1,X3*D1 解释变量。输入命令：ls y c x1 x2 x3 d1 d2 x1*d1 x2*d1 x3*d1得模型 B 为：y=94.87185-0.470425X1+0.297477X2-0.385137X3-15.38649D1-20.44739D2(-1.53) (3.97) (-2.92) (-0.69) (-4.17)-0.467536X1*D1-0.010719X2*D1+0.364182X3*D1(-1.01) (-0.08) (1.29)R2=0.761992 DW=2.035230 F=16.4
11、0789模型 B 和 A 对比显然模型 A 比 B 好。模型 B 的 D1 的 t 检验依然通不过。而且使 X1 的 t统计量都变小了。X1*D1,X2*D1,X3*D1 全部的 t 检验都不显著。因为模型 A 的 D1 不能通过 t 检验所以删除模型 A 的 D1 解释变量为：输入命令：ls y c x1 x2 x3 d2得模型 C 为：y=95.03900-0.621633X1+0.331794X2-0.359637X3-19.72225D2(-2.68) (5.51) (-3.15) (-5.61)R2=0.730056 DW=1.694866 F=30.42539模型 C 各变量的 t
12、 统计都是显著的，整个模型的 F 检验也是显著的。在统计上来说模型是非常好的。探讨 y 是否与 m 有关。输入命令：scat y得图形 I 为：3040506070809051052053054050Yy 很有周期的波动。所以我们小组猜测 y 其实跟 m 有关系。m 是 y 的一个重要解释变量。输入命令：ls y c x1 x2 x3 d1 d2 m得模型 D 为：y=82.22751-0.615781X1+0.272782X2-0.230427X3-0.331539D1-19.30557D2+0.944695M(-3.37) (5.52) (-2.44) (-0.23) (6.33) (5.
13、10)R2=0.839699 DW=2.110947 F=37.54080与我们猜测相同模型 D 的 M 的 t 统计是非常显著的。就是变量 M 是 Y 的一个重要解释原因。模型 D 的 d1 的 t 统计不显著，直接删除 D1 有。输入命令：ls y c x1 x2 x3 d2 m得模型 E 为：y=82.15385-0.617806X1+0.271038X2-0.226999X3-19.60103D2+0.928361M(-3.42) (5.62) (-2.46) (-7.15) (5.48)R2=0.839498 DW=2.105492 F=46.02791模型 E 各变量的 t 统计都
14、是显著的，整个模型的 F 检验也是显著的。在统计上来说模型是非常好的。探讨 y 是否与 year 有关。scat year y得图形 II 为：304050607080902120203204205206207YEARY从图形不能得到什么信息。用回归分析有：输入命令：ls y c x1 x2 x3 d2 m year （在这没有引进 D1 变量，引进也是不显著）得模型 F 为：y=7593.445-0.455412X1+0.362841X2-0.106490X3-13.70822D2+0.677508M-3.764028YEAR(-2.44) (5.91) (-1.03) (-3.71) (3
15、.45) (-2.27)R2=0.856622 DW=1.937436 F=42.81781模型 F 的 x3 的 t 检验不显著，删除 x3.输入命令：ls y c x1 x2 d2 m year得模型 G 为：y=9359.194-0.405608X1+0.355441X2-12.49490D2+0.656054M-4.651679YEAR(-2.24) (5.82) (-3.57) (3.36) (-3.27)R2=0.853054 DW=1.823739 F=51.08579模型 G 各变量的 t 统计都是显著的，整个模型的 F 检验也是显著的。在统计上来说模型是非常好的。模型选择：上
16、面模型中单在统计很好的模型有：C,E,G。拿模拟优度来说，E(0.839)和 G(0.853)明显大于 C(0.730)在比较模型 E,G。模型 G 相对与 E 来说，多了解释变量 YEAR，少了 X3。就拿模型预测来说，如果要预测具体到某个月的入住率当然是 E 更好。因为 G 在相同的年份的 YEAR都相同。还有输入命令 cor y m year得矩阵为：Y M YEARY 10.4831994602817730.222285147904135M0.483199460281773 1-0.113546591160732YEAR0.222285147904135-0.1135465911607
17、32 1cor(y,m)cor(y,year)。变量 M 比变量 YEAR 更解释 Y。所以模型 E 比 G 好。综合来看，模型 E 是最好的。所以最后选择的模型(E)为：y=82.15385-0.617806X1+0.271038X2-0.226999X3-19.60103D2+0.928361M(-3.42) (5.62) (-2.46) (-7.15) (5.48)R2=0.839498 DW=2.105492 F=46.02791自相关检验：1).DW 检验：模型 E 的 DW=2.11 取 =5%，由于 n=50，k=6( 包含常数项)，查表得：dl=1.34， du=1.77由于
18、1.77=duDW=2.114- du=2.23，故: DW 检验不存在自相关。2).图示法：依次输入如下命令：ls y c x1 x2 x3 d2 mgenr e=resid()scat e(-1) e得图形 III 为：-10-50510- -50510E(-1)E从图形上看不存在明显的自相关性。3).拉格朗日乘数检验用 Eview 自备的 Serial Correlation LM Test 检验有：Breusch-Godfrey Serial Correlation LM Test:F-statistic 0.114827 Probability 0.891799Obs*R-squar
19、ed 0.271912 Probability 0.872881R2=0.005438于是，LM=50*0.005438=0.271912取 =5%，临界值 20.05(3)= 7.815LM 20.05(3) 故: 不存在正自相关模型不存在自相关性。异方差检验：1） 。图示法：依次输入下列命令：ls y c x1 x2 x3 d2 mgenr e=resid()scat y e2得图形 IV 为：01020304050607080903405060708090YE2图形大概可以看出存在递增的异方差。2).White 检验：用 Eview 自备的 white(cross terms)检验有：W
20、hite Heteroskedasticity Test:F-statistic 0.809899 Probability 0.670873Obs*R-squared 15.04130 Probability 0.592507R2=0.300826 nR2=50*0.300826=15.04130=5%下，临界值 20.05(17)=26.196因为 nR220.05(17)，所以同意同方差的原假设 模型不存在异方差。多重共线分析：在探讨模型的形式的时候已经进行了多重共线分析。所以最后确定模型的形式为：y=82.15385-0.617806X1+0.271038X2-0.226999X3-19
21、.60103D2+0.928361M(-3.42) (5.62) (-2.46) (-7.15) (5.48)R2=0.839498 DW=2.105492 F=46.02791此模型不存在自相关，异方差。多重共线也被消除了。模拟优度达到 0.84，还可以。所以说整个模型是很好的。预测：预测 2006 年 5 月的入住量。收集到如下数据：X1=52.4569 X2=170.7155 D1=1（国庆节） D2=0 M=5 YEAR=2006X3 没有收集到。就假设 X3=140计算有：y=82.15385-0.617806*52.4569+0.271038*170.7155-0.226999*1
22、40-19.60103*0+0.928361*5=68.87799513而实际收集到的 Y 为：65.39误差不是很大，模型预测效果还行。最后评价：由于模型很好，不存在自相关，异方差。本论文花大量手笔讨论模型的形式。分析结果为：1）Y(入住率 )与 X1(酒店座位容量)负相关。这个和实际相同，因为入住率=入住人数/酒店座位容量。当然入住率与酒店座位容量是负相关的。2）Y（入住率）与 X2（入境人数）正相关。因为澳门是个旅游城市，酒店很多人都是旅客。入境人数多当然会使入住率上升。3）Y（入住率）与 X3（酒店房价指数）负相关。这个也比较容易解释。房价贵了，住的人当然少了。4）Y（入住率）与 D2（SARS）负相关。SARS 对整个经济都是覆灭性的打击，肯定会影响入住人数，进而影响入住率。5）Y（入住率）与 M（月份）正相关。说明澳门酒店入住率在一年都周期性变动。参考资料：1 皱平， 金融计量学， 上海财经大学出版社 2005 年2 徐国强， 统计预测和决策， 上海财经大学出版社 2005 年
