基于EEMD的我国入境旅游客源市场多尺度分析及预测

陈玲玲+++严伟

中图分类号：F592.3 文献标识码：A

内容摘要：本文运用集合经验模态分解方法（EEMD）对我国近十年来入境旅游客源的时间多尺度特征及趋势进行了研究。结果表明：第一，入境旅游客源总量及港澳台同胞客源以3个月季节性波动为主，外国人客源以高、低频周期波动相间发生为主。第二，以周期波动为主且无明显趋势变化的客源市场包括：中国香港、泰国、印尼、美国、英国和德国以3个月周期为主；中国澳门以3、78个月高、低频周期为主；新加坡、马来西亚分别以4、5个月的高频周期为主。第三，具有显著趋势变化的客源市场包括：中国台湾、蒙古、菲律宾、印度、加拿大以显著上升为主，辅以周期性波动相间发生；日本、俄罗斯以显著下降为主，辅以低频周期性波动；法国、澳大利亚以高、低频周期相间波动为主，趋势变化为辅，其中法国为下降态势，澳大利亚为上升态势。文章对我国制定入境旅游相关政策具有理论与实践应用价值。

关键词：入境旅游 客源 EEMD 多尺度 趋势

引言

自2009年国务院强调将旅游业培育成国民经济的战略性支柱产业开始，我国的旅游业就进入了快速、细分、深入发展的状态；《十三五》规划在构建产业新体系中再次明确指出要加快发展现代服务业，以及大力发展旅游业，成为了国家在新一轮产业发展和培育中的指导思想。在此背景下，各级政府部门、旅游地以及专家、学者均为我国旅游业发展成为战略性支柱产业而努力。入境旅游作为我国旅游业重要的细分市场之一，承担着赚取外汇收入、推动中外文化交流并提高我国国家影响力的重要职能，其快速发展对我国旅游业成为支柱性产业并提升我国的大国地位具有重要的影响。因此，深入研究我国入境旅游客源市场，了解入境旅游客源市场的时间多尺度变化特征及其本质规律，对制定我国入境旅游的相关发展战略具有重要的理论与实践价值。

目前，已有较多关于我国及各省入境旅游客源市场的研究成果，大多利用年度数据进行分析，时间序列样本量小。旅游业本身属于高敏感行业，年度数据的研究方式直接忽略了旅游行业年内的季节性或异常性特征，从而在客源市场规律及预测等研究中易造成精度或可信度不高的问题。经验模态分解（empirical mode decomposition，EMD）方法由于能够准确迅速地将信号不同频率的波动逐级分解开来，获得具有周期性波动的分量及未来事物变化的趋势量，被认为是提取大容量数据序列趋势的最好方法，已成功应用于气候变化、资源安全等众多领域。旅游行业也利用EMD对长时间序列波动问题进行了研究，并弥补了传统方法不能对旅游业数据进行多时间尺度的波动周期提取的缺陷，但总体来说，成果并不丰富。而在对EMD方法本身的研究与改进中，学者们引入了一种利用噪声辅助的集合经验模态分解（ensemble empirical mode decomposition，EEMD）方法，该方法继承了EMD的自适性，又引入了白噪声扰动并进行集合平均，从而避免了EMD分析中尺度混合问题，使得最终分解的IMFs保持了物理上的唯一性。鉴于此，本文利用EEMD方法，以近十年来我国入境旅游客源市场的月数据为分析对象，探讨我国入境旅游客源市场的时间多尺度变化特征及未来趋势问题，以期准确把握我国入境旅游客源市场的未来发展方向。

数据与方法说明

（一）数据来源

为保证资料长度，并反映我国当前入境旅游发展的现实状况，本文选择2006年5月至2016年2月的月度数据，包括入境旅游人数及构成（即港、澳、台、外国人），以及我国16个主要客源国入境旅游人数，时间序列长度各为118个月。所有入境客源数据（单位：万人）均从国家旅游局网站（http：//www.cnta.gov.cn）收集并整理。

（二）集合经验模态分解（EEMD）方法

EEMD是在EMD基础上发展起来的，其本质是对一个信号进行平稳化处理，根据其瞬时特征将时间序列分解成頻率从高到低的若干个本征模态函数（IMFs）和一个残余信号（res）。这样不同尺度数据的物理意义得以保留，并很好地被提取和表达，而最低频率的分量（res）则代表原始信号的总趋势或均值。

具体方法是：找出原始数据序列X（t）所有的极大值点，用三次样条函数拟合，形成原数据序列的上包络线；相应地找出X（t）所有的极小值点，同样用三次样条函数拟合，形成原数据序列的下包络线；上下包络线的均值为原数据序列的平均包络线m1（t）；将原始数据序列X（t）减去平均包络，得到一个去掉低频的新数据序列h1（t）。

X1（t）-m1（t）=h1（t） （1）

通常情况下，一次处理后h1（t）仍然不是一个平稳数据序列。因此，将其重复上述处理过程k次，直到所有得到的平均包络趋于零为止。

h（k-1）（t）-mk（t）=hlk（t） （2）

由此，得到第一本征模函数（IMF1）分量C1（t）：

C1（t）=hlk（t） （3）

IMF1分量代表原始数据序列中最高频的组分，保留了原始数据中最高频信号的物理特征。原始数据中其它尺度的信号可以用同样的方法继续提取。将原始数据序列X（t）减去第一个IMF分量C1（t），可以得到一个去掉高频组分的差值数据序列r1（t）。对r1（t）进行上述平稳化处理过程可以得到第2个IMF分量c2（t），如此重复下去直到最后一个差值序列rn（t）不可再分解为止。此时，rn（t）代表原始数据序列的趋势或均值的时间序列：

（4）

最后，原始数据序列即可由这些IMF分量以及一个均值或趋势项表示，即：

（5）

EEMD将EMD改进后，继承了EMD自适性等优点，避免了原始数据可能携带的瞬时噪声，并修正了尺度混合的问题，对信号的分解结果更为稳定和一致，用来处理非线性、非平稳的数据更加准确。

EEMD的matlab文件见http：//rcada.ncu.edu.tw/research1_clip_ex.htm。

結果与分析

（一）入境旅游客源及结构整体变化的EEMD分解结果分析

图1给出了自2006年5月以来，我国入境旅游客源及其构成部分，即港澳台同胞和外国人数量的实际变化，可以清楚看到，数据具有非线性、非静止的多尺度特征，因此利用EEMD来还原数据不同时间尺度的震荡信息非常适合。

图2给出了入境旅游客源总量经EEMD分解后的各IMF分量以及趋势项的变化信息，可以看出，数据分解出5个IMF分量，这些IMFs依次反映了从高频到低频不同时间尺度的振荡信息，图形也体现出每一个IMF分量对数据信号的还原性很强，并且能够挖掘各个IMF分量的较为稳定的变化准周期。因此，利用Matlab软件计算每个IMF分量变化的平均周期及其对应的方差贡献率（见表1），以便从本质上了解数据的波动属性。由于篇幅有限，因此港澳台同胞、外国人客源以及各主要客源市场的EEMD分解过程图形在文章中不一一列出，只列出数据经分解后获得的平均周期及方差贡献率，以便对数据波动特征作相应对比。

表1给出了入境旅游客源总量及其构成经EEMD分解后获得的周期与方差贡献率的具体情况。可以清楚看出，入境旅游客源总量、港澳台同胞及外国人入境客源数量均具有近似3个月、6个月、12个月的周期，非常符合旅游业的季节、年际变化特征。三者的低频周期波动以入境客源总量周期最大，约为44和69个月，港澳台同胞、外国人入境客源的高频波动相似，周期近似为31和68个月。

从三者IMF分量对应的方差贡献率可以发现，入境旅游客源总量的IMF1分量对应的方差贡献率最大，为56.6%，IMF2、IMF3方差贡献略小，分别为14.1%和17.5%，IMF4、IMF5和趋势项可忽略不计，因其方差贡献较小，分别为9.7%、0.4%和1.5%。港澳台同胞数量的IMF1分量贡献率最大，为68.0%，其余分量及趋势项贡献均小于10%，也可忽略。外国人数量变化则是IMF1-IMF4均有一定的方差贡献率，IMF5和趋势项贡献率可忽略。

总的来说，根据表1结果及分析可以判断，我国入境旅游客源总量变化以3个月高频周期波动为主，6、12个月波动为辅；港澳台同胞入境客源以3个月高频周期波动为主；而外国人入境客源以3、6、12和30个月的高、低频周期波动相间发生为主。三者趋势项贡献率甚小，因此未来趋势变化均不显著。

（二）入境旅游主要客源市场的EEMD分解结果分析

我国入境旅游客源市场除了港澳台同胞，还包括16个主要客源国入境客源，其中有9个亚洲国家、2个美洲国家、4个欧洲国家和1个澳洲国家。利用EEMD对各个入境客源市场的数据进行分解，所获得的平均周期及方差贡献率如表2所示。

从我国港、澳、台同胞入境客源的变化信息来看，香港客源以3个月、6个月的季节变化为主，二者方差贡献率高达81.7%；澳门客源以3个月和78个月的高、低频周期波动相间发生为主，方差贡献率之和为65.8%。台湾客源则以趋势发展为主，其方差贡献率最高，达33.0%，3、7和12个月的周期波动相间发生为辅，方差贡献率总和为55.3%。如图3所示，可以看到台湾客源呈现持续上升态势。

从亚洲9个客源国市场的EEMD分解结果来看，数据变化的本质规律可以概括为三类。一类是以泰国、印尼为代表，客源市场变化以典型季节性、年际性变化为主导，这2个客源国市场的3、6、12个月周期性波动的方差贡献率总和分别为90.2%和76.4%，且均以3个月的季节波动为主要特征，方差贡献率分别为44.8%和41.6%。第二类是以新加坡、马来西亚为代表，客源市场以高频周期性变化为主导，其中新加坡客源市场变化以4和6个月周期波动为主，方差贡献率之和为81.7%，马来西亚客源市场以5和8个月周期波动为主，方差贡献率之和为87.0%。第三类是以日本、蒙古、菲律宾和印度的入境客源市场为代表，以趋势发展为主，周期变化为辅。其中，日本的变化趋势最为显著，结合图3，其下降趋势的方差贡献率高达61.4%，并辅以68个月的低频周期波动。蒙古与菲律宾的客源市场变化较为相似，以上升趋势为主，方差贡献率分别为34.2%和42.8%，从图3也可以看出，菲律宾客源的趋势变化上升幅度更大一些；同时，2个客源国均辅以3、6和12个月的季节性、年际性变化为辅，方差贡献率之和分别为58.3%和41.0%。印度客源市场则以上升趋势为主，贡献率为57.9%，辅以4和7个月周期波动。

根据美洲、欧洲和澳洲主要客源国入境旅游人数的周期及方差贡献的结果，可将这些客源国市场变化规律也归为三类。一类是以美国、英国、德国为代表，主要以3、6、12个月的季节及年际波动为主，这3个客源国的IMF1-IMF3的方差贡献之和分别为77.8%、80.8%和82.1%。第二类是以法国、澳大利亚为代表，以高、低频周期相间波动为主，法国主要是3、6、12个月，澳大利亚主要是3、6和55个月，方差贡献之和分别为68.1%和76.3%；并呈现缓慢趋势变化为辅，趋势走向由图4可知，法国客源呈现缓慢下降态势，澳大利亚则是缓慢上升态势。第三类是以加拿大、俄罗斯为代表，客源市场以趋势变化为主，辅以周期性波动。如图4所示，加拿大客源未来将显著上升，俄罗斯客源将显著下降；并且加拿大辅以3、6和30个月高、低频波动相间发生，而俄罗斯10和42个月的低频波动较为突出。

结论

入境旅游客源市场的发展是我国入境旅游业得以提升和发展的重要源泉。本文以近十年来（2005年5月-2016年2月）我国入境旅游客源市场的月度变化数据为研究对象，运用EEMD方法对入境客源市场变化的时间多尺度特征了分析与预测。结果表明：

第一，对我国入境旅游客源总量及其构成而言，入境旅游客源总量及港澳台同胞数量以3个月高频周期性波动为主要特征，外国人客源数量以3、6个月高频及12、30个月的低频周期性波动相间发生为主要特征。入境旅游客源总量及其构成的趋势变化均不显著。

根据入境旅游客源总量及其构成经EEMD分解后获得的周期与方差贡献率，可以了解到入境旅游客源总量、港澳台同胞及外国人入境客源数量均具有约3个月的季节变化，并且入境旅游客源总量、港澳台同胞数量变化的3个月周期方差贡献率高达56.6%和68.0%，主导了客源的时间尺度变化。对外国人入境客源来说，6、12和30个月周期也具有比较显著的方差贡献率，因此外国人入境客源是以高、低频周期变化相间发生为主要特征。

由于三个要素的趋势项贡献率均很低，说明未来持续上升或下降的可能性很小。结合图1中三者的实际数据变化，港澳台同胞是我国入境旅游客源总量构成的主要部分，因此可以说，未来我国入境旅游客源结构仍将高度依赖港澳台同胞客源。

第二，从时间多尺度特征角度看，我国入境旅游客源市场中，中国香港、泰国、印尼、美国、英国和德国客源的3个月季节变化最为显著，中国澳门以3和78个月的高、低频周期波动相间发生为主，新加坡、马来西亚客源分别以4个月和5个月的高频周期波动为主。这些客源市场变化的共同特征是具有典型的周期性特征，且趋势变化不显著。

结合表2中各个客源市场变化的平均周期与方差贡献率来看，中国香港入境客源以3个月季节变化为主、6个月周期变化为辅。泰国、印尼、美国、英国和德国客源市场以3个月季节变化为主，6和12个月周期变化为辅。中国澳门客源则是以3个月季节变化及78个月低频周期变化相间发生为主。新加坡客源以4个月高频周期变化最为显著，6个月为其次；马来西亚则是以5个月高频周期变化为主，8個月为辅。这些地区/国家的入境旅游客源由于其趋势项贡献率均较低，因此未来仍以周期波动为主，没有显著上升或下降的态势。

第三，从趋势发展角度看，中国台湾、蒙古、菲律宾、印度、加拿大客源市场以显著上升趋势为主，辅以不同频率周期波动相间发生；日本、俄罗斯客源市场以显著下降趋势为主，辅以低频周期性波动；法国、澳大利亚客源则以高、低频周期相间波动为主，趋势变化为辅。

具体来说，如表2和图3、4所示，中国台湾、蒙古、菲律宾、印度和加拿大客源市场均呈现上升发展态势（趋势项贡献率最大），辅以高、中、低频周期波动。其中，台湾以3、7、12个月，蒙古、菲律宾以3、6、12个月，印度以4、7个月，加拿大以3、6、30个月的周期变化相间发生。日本与俄罗斯客源市场变化较为相似，均以下降趋势为主，日本以68个月低频周期波动为辅，俄罗斯则以10和42个月低频周期相间发生为辅。对于法国、澳大利亚来说，仍以周期波动相间发生为主，法国主要是3、6、12个月，澳大利亚则是3、6和55个月，并呈现缓慢趋势变化为辅，法国客源呈现缓慢下降态势，澳大利亚则是缓慢上升态势。

值得我们思考的是，具有下降态势的客源市场中日本客源下降趋势最为突出，其贡献率极大地超越了其他入境客源市场，众所周知，近几年来中日关系因为一系列政治问题发生了利益冲突，进而导致了日本入境中国的游客人数急剧下降。而俄罗斯因为全球经济疲软和卢布汇率持续走低，因此表现出了旅游客源减少趋势，这种趋势的改变也只能随着经济的逐步恢复而调整。法国则由于2016年的恐怖袭击使得入境与出境旅游都受到了重创，并且由于其与中国的空间距离甚远，要想扭转客源减少的局面只得依靠法国自身的安全性提升而逐步转变。这些问题均充分体现了入境旅游行业高度的脆弱与敏感性，无论是目的地因素、客源地因素，还是两者间的关系都将剧烈影响入境旅游市场。

总的来看，大多数入境我国的旅游客源市场均以周期性波动为最显著的特征，少数客源市场具有明显的上升态势，极少数具有下降趋势，这说明了我国入境旅游客源市场在近十年来总体相对稳定的，且应进一步培育与提升，以推动我国入境旅游事业的发展。但是，由于较为稳定的周期性波动，决定了不能依靠快速增加客源的方式来实现入境旅游收入的提高，而只能从提高人均旅游消费入手，通过入境旅游的供给侧改革，提升我国入境旅游产品及商品的吸引力，从而有效增加人均旅游消费，才能从根本上推动入境旅游事业发展，并使其在我国旅游业发展成为支柱性产业的进程中做出更大的贡献。