基于网络搜索数据的旅游收入预测——以海南省为例被引量：22

导出

摘要旅游业是海南国际旅游岛的核心产业,准确预测将来旅游收入对旅游管理者的科学决策至关重要。引入网络搜索数据进行社会经济活动预测能提高预测精度,但已有文献未使用该方法进行旅游收入预测。本文引入百度指数提供的关键词数据对海南省旅游收入进行预测。首先在指数合成的基础上进行了协整检验与Granger因果分析,然后利用合成指数建立了预测模型。预测结果显示,平均绝对误差百分比(MAPE)由基准模型的6.23%降低到加入合成指数预测模型的4.21%,预测精度提高了约32.42%。表明网络搜索数据在旅游收入预测中具有重要价值。

作者张斌儒黄先开刘树林

机构地区对外经济贸易大学四川文理学院北京联合大学

出处《经济问题探索》 CSSCI 北大核心 2015年第8期154-160,共7页 Inquiry Into Economic Issues

基金国家自然科学基金项目 "基于多模态网络数据挖掘的景区游客流量预测与预警研究"(项目编号:71373023) 主持人:黄先开

关键词百度指数旅游收入协整检验合成指数预测精度

分类号 F592.7 [经济管理—旅游管理] F224 [经济管理—国民经济]

引文网络
相关文献

参考文献18

1Weatherford, L. R. and Kimes, S. E. A com- parison of forecasting methods for hotel revenue manage- ment [ J ]. International Journal of Forecasting, 2003,19 (3) :401 -415.
2Song, H. and Li, G. Tourism demand modeling and forecasting - A review of recent research [ J ]. Tour- ismManagement ,2008,29 (2) : 203 - 220.
3Law, R. Room occupancy rate forecasting: A neural network approach [ J ]. Intemational Journal of Contemporary Hospitality Management, 1998, 10 ( 6 ) : 234 - 239.
4Andrew,W. P. ,Cranage D. A. and Lee C. K. Forecasting hotel occupancy rates with time series models: An empirical analysis [ J ]. Joumal of Hospitality & Tourism Research, 1990,14 (2) : 173 - 182.
5Yang, X. , Pan, B. James A, et al. Forecasting chinese tourist volume with search engine data [ J ]. Tourism Management ,2015, (46) :386 - 397.
6聂晓庆.国内旅游收入影响因素的计量分析[J].经济研究导刊,2014(15):217-219. 被引量：26
7Goh, C. and Law, R. Incorporating the rough sets theory into travel demand analysis [ J ]. Tourism Management,2003,24 (5) ,511 - 517.
8Mustafa Akal. Forecasting Turkey tourism reve- nues by ARMAX model [ J]. Tourism Management,2004, 5(25) :565 -580.
9Teixeira, J. P. and Fernandesb, P. O. Tourism time series forecast with artificial neural networks [ J ]. Review of Applied Management Study,2014,12:26 - 36.
10中国国家旅游局.旅游统计[EB/QL].ht—tp://www.cnnic.cn/hlwfzyj/hlwmrtj/201410/t20141017_49359.htm,2014/2015,02.

二级参考文献31

1梅凌.试论我国国内旅游业发展的现状、趋势及对策[J].消费经济,1994,10(5):24-28. 被引量：5
2王道林.灰色理论在黄金周旅游人数及旅游收入预测中的应用[J].泰山学院学报,2004,26(6):6-9. 被引量：26
3雷可为,陈瑛.基于BP神经网络和ARIMA组合模型的中国入境游客量预测[J].旅游学刊,2007,22(4):20-25. 被引量：107
4翁钢民,徐晓娜,尚雪梅.我国城市居民国内旅游需求影响因素分析[J].城市问题,2007(4):31-35. 被引量：48
5路紫,赵亚红,吴士锋,韩冰.旅游网站访问者行为的时间分布及导引分析[J].地理学报,2007,62(6):621-630. 被引量：111
6Ginsberg J, Mohebbi M H, Patel R S, et al. Detecting influenza epidemics using search engine query data [J]. Nature, 2009,(2): 1012-1014.
7Choi H, Varian H. Predicting the present with Google trends[J].Economic Record, 2012, 88(s1): 2-9.
8Da Z, Engelberg J, Gao P J. In search of attention[J].The Journal of Finance,2011,66(5):1461-1499.
9Askitas N,Zimmermann K F.Google econometrics and unemployment forecasting[J].Applied Economics Quarterly,2009,(2) : 107-120.
10Schmidt T, Vosen S. Forecasting private consumption: Survey-based indicators vs. Google trends [J]. Journal of Forecasting, 2009, 30(6): 565-578.