本文摘要：摘 要：本文以河南省洛阳市为例，基于统计学相关知识，通过搜集有关洛阳市旅游业2007―2017年的数据，运用SPSS统计分析软件分别进行了主成分分析、相关性分析和回归分析，得出洛阳旅游业对经济发展具有正向交互影响作用。 关键词：旅游业;经济发展;主成分分
sci论文咨询ssci论文咨询ei论文咨询scopus咨询国际中文咨询国外出书咨询摘 要：本文以河南省洛阳市为例，基于统计学相关知识，通过搜集有关洛阳市旅游业2007―2017年的数据，运用SPSS统计分析软件分别进行了主成分分析、相关性分析和回归分析，得出洛阳旅游业对经济发展具有正向交互影响作用。
关键词：旅游业;经济发展;主成分分析;相关性分析
一、洛阳市旅游业发展现状及问题
1.发展现状
近年来，人们对于旅游的热情不断攀升，研究旅游业对经济发展的作用便成为经济学中的重要问题。由于各个地区的旅游特色不同，针对特定地区研究旅游业对经济发展的作用就显得尤为重要。洛阳是一座旅游资源丰富的城市，拥有丰富的旅游景点和美食。故本文以洛阳为例，基于统计学相关知识，通过搜集近年来洛阳市旅游业的相关数据，分析其近年来的发展状况，并对洛阳市旅游业与经济发展之间的影响程度进行实证分析。
洛阳四季分明，气候宜人。谈起洛阳，便想到牡丹，在每年的四、五月份，是洛阳牡丹开放最为旺盛的时期，各色各样，千姿百态，引来无数的国内外游客前来观赏，为洛阳市旅游业的繁荣发展打下了基础。面对如此丰富的旅游资源，从2007年至今，每年来洛阳旅游的国内外游客数量不断增多。据统计，2017年的入境游客数量大约是2007年的5倍，2017年的国内外游客数量大约是2007年的3倍。但尽管如此，依然存在一些问题。
2.存在的问题
(1) 旅游宣传力度不够。洛阳拥有众多风景秀丽、景色宜人的旅游景点，但是为人们所熟知的却寥寥无几。大部分游客的目的都是为了欣赏国色天香的牡丹，或者是龙门石窟、白马寺这些颇负盛名的景点。造成这种状况的主要原因是对其他景点的宣传力度不够，特别是对一些新兴建设的景点，缺乏强有力的宣传。
(2)基础设施建设不完善。若要旅游景点更多地受到大家的喜爱，离不开基础设施的支撑。在洛阳，特别是在节假日期间，由于旅客增多，旅游景点外经常出现交通堵塞、车位紧张等问题，景点内经常出现垃圾桶、公共厕所建设不完善等问题，这些都会影响游客的心情以及景点的形象。
(3)缺少旅游服务方面的高素质人才。目前，洛阳旅游业中从业人员素质普遍较低，特别是一些基层的服务人员，缺乏专业的知识，并且没有经过专业培训，服务意识薄弱，甚至经常出现坑蒙拐骗的现象，使洛阳在游客心中的形象降低，影响旅游业的发展。
(4)旅游产业链条偏短，规模偏小。洛阳拥有的旅行社数量和星级饭店数量偏少，这就导致在牡丹文化节期间，因为游客数量激增，而使房源紧张，供不应求。再加上洛阳的旅游项目偏少，旅游产业规模偏小，链条偏短，无法发挥洛阳的旅游业对其他产业的带动作用。
二、洛阳市旅游业与经济发展的实证分析
1.洛阳市旅游业与经济发展关系
旅游是一种健康、绿色的娱乐方式，在人们放松身心的同时，也可以有效带动旅游周边交通运输、服务产业、住宿餐饮业等第三产业的发展，从而促进经济的发展。从2007年至今，洛阳旅游总收入每年都有新的突破，所占洛阳市GDP的份额也逐年增加，在2017年末，洛阳旅游总收入占洛阳市GDP比重已升高到24.015%。因此，洛阳市旅游业的发展将会促进经济的发展，再加上国家对于“一带一路”倡议的大力推进，洛阳更要抓住机遇，不断提升旅游业对于洛阳当地经济的发展。
2.主成分分析
旅游业的发展状况受到许多不同因素的影响，是一个综合性的概念。因此，为了详细地了解近年来洛阳市旅游业的发展状况，必须要选取影响其发展的多个因素。数据较多，直接分析比较困难。因此本文运用主成分分析，计算影响旅游业发展的各个因素的综合得分，根据综合得分的大小对洛阳市旅游业发展状况进行分析。在这里，搜集得到了2007年至2017年的旅行社总数、入境游客、国内外游客、旅游创汇收入、星级宾馆数、旅游总收入、3A级以上景区数这七项指标的数据。
在运用主成分分析时，并不是无条件的。若各个指标之间没有相关关系，是相互独立的，那么就无法将原有数据进行降维，只能对原始变量直接分析。因此，它要求这七个指标之间要有一定的相关关系。
将搜集到的有关洛阳市旅游业发展状况的原始数据导入spss中，得到相关系数的值普遍都大于0.5，只有极个别小于0.5，这表明各个变量间的线性关系普遍较高;KMO的检验值为0.725，对照KMO度量标准可知，变量间的相关性比较好;巴特利特球度值为178.286，其所对应的P值接近于0，小于=0.05，故应拒絕原假设，即变量的相关系数矩阵不同于单位阵，它们之间存在着显著的差别，综上可知，可以使用主成分分析。按照主成分分析法选取主成分的原则，由spss得到前两个特征值分别为=5.724、2=1.011，二者都大于1，并且累计贡献率达到了96.22%，囊括了大部分的数据。
本文用前两个主成分代表最初的七个指标，其中，第一主成分的特征值为=5.724，解释了原变量总方差的81.771%;第二主成分的特征值为2=1.011，解释了原变量总方差的14.449%。分别以总方差解释表中、的贡献率作为权重，建立综合评价函数F为：
= (1)
为了计算具体的综合得分的值，需要构建、的表达式。按照统计学相关知识可知：
U = A / (i=1，2，K，7; j=1，2)(2)
其中，U 代表主成分载荷矩阵，A 代表因子载荷阵，为特征值。
由spss得到因子载荷阵的相关数据与特征值、2的值代入公式(2)中，计算出每个主成分表达式的系数.由此可以得到和分别为：
= 0.297+0.409+0.416+0.407+0.279+0.401+0.404
= 0.6060.1860.0620.212+0.668 0.2690.175
推荐阅读：《旅游休闲》是中国第一家推出“最佳商务/度假酒店”、“最佳精品/设计酒店”盛大评选，中国大陆第一家“世界旅游大奖(WTA)亚洲媒体合作伙伴，国际奢华旅游展(ILTM)旅游媒体合作伙伴。
转载请注明来自发表学术论文网：http://www.fbxslw.com/wslw/19194.html
