基于百度指数的景区客流量预测研究

刘聪 杨阳 邓洋阳

摘 要：景区客流量预测是以百度指数与景区客流量的内在联系为基础。本研究以四川九寨沟景区日接待客流量和百度指数的相关数据为基础，利用EG两步法结合误差修正模型分析了百度指数与景区客流量的长期和短期关系，并对模型的预测效果进行了评价。得出如下结论：百度指数与景区客流量之间存在长期均衡关系;长期范围内的百度指数与景区客流量之间的数量关系受时间因素的影响;误差修正机制在发生作用，会将偏离长期均衡的客流量拉回正常值;模型整体预测效果良好。

关键词：百度指数;景区客流量;EG两步法;误差修正模型

中图分类号：F590.654文献标识码：A文章编号：1008-4428（2019）06-0067-02

一、 引言

一般只有节假日才能供给远途旅游所需要的时间，这是我国的国民大多选择节假日出游的主要原因。过于集中的出行时间造成景区客流量迅速增加，这会对地方和景区造成很大的管理压力，增加游客的安全风险。例如2014年12月31日的上海外滩的拥挤踩踏事件和2013年10月2日的四川九寨沟景区游客滞留事件。如果能够提前预知景区的客流量，景区可以有充足的准备时间，通过合理调配资源的方式，将资源供给到最需要的地方，提高资源的使用效率。

预测景区客流量的方法有很多，时间序列分析是一种常用的方法。这种方法对于数据有较高的要求，它主要来源于官方的统计数据。官方数据已经无法满足现代预测对数据时效性的要求。近十年，有很多学者用百度指数替代传统的官方数据用于预测景区客流量，主要是百度指数是日统计数据，并且具有容易获取、客观性等特征。这些研究在提出预测模型之前，都实证了百度指数与景区客流量的长期均衡关系。研究结论也非常统一，认为长期范围内同等百度指数增加导致的景区客流变化量相等。从极限的思维来考虑，百度指数依托于通信设备的使用，早期的游客没有通信设备，而现在游客带有通信设备的比例也在变化，所以从发展的角度来看百度指数与景区客流量之间的长期关系不可能是固定不变的。

基于此，本文以2016年1月至2016年12月四川九寨沟景区的日接待游客量数据和关键词“九寨沟”的百度指数数据为基础，利用EG两步法，结合误差修正模型讨论百度指数与景区客流量之间的动态关系，利用模型进行预测，并评价预测效果，期望能为景区客流量的预测提供工具。

二、 数据来源和研究方法

本研究选取四川九寨沟景区作为样本，时间区间为2016年1月至2016年12月，景区日接待游客量数据来源于九寨沟官方网站。关键词“九寨沟”的检索指数来源于百度指数的官方网站，数据采集使用到第三方工具。为了减少异方差，研究对客流量和指数数据取对数。IT表示取对数后的景区客流量，ID表示取对数后的百度指数。

EG两步法是用于检验两个变量之间长期均衡关系的一种方法。它要求时间序列满足平稳性，并且两个变量为同阶单整。协整关系的存在还要求变量回归结果的残差也满足稳定性要求。误差修正模型是将协整方程的残差作为自变量带入差分方程中，讨论的是协整关系作为一个外部因素是如何影响因变量，以及短期内的自变量变化如何影响因变量。

三、 实证分析

（一）单位根检验

EG两步法需要变量满足同阶单整。ADF是常用的单位根检验方法。表1是百度指数和九寨沟景区客流量的单位根检验结果。检验结果显示两个变量的水平检验均未通过5%显著性水平，无法拒绝单位根假设。但是，两个变量的一阶差分均通过1%显著性水平检验，能够拒绝存在单位根的假设。检验结果显示百度指数和景区客流量的数据符合EG两步法对数据同阶单整的要求。

（二）协整分析

协整关系存在的条件是回归结果的残差满足稳定性条件。研究将百度指数对九寨沟景区客流量和趋势项进行了回归。比较是否加入趋势项，结果显示加入趋势项能够显著提升方程的解释能力。残差的ADF检验值等于-4.044，小于样本数超过100的1%显著性水平的临界值-3.90。因此，回归结果的残差通过稳定性检验，说明百度指数与九寨沟景区客流量之间存在包含趋势项和常数项的长期均衡关系，均衡方程见表达式1。小括号内为标准差，中括号内为P值。

回归方程显示百度指数与景区客流量之间存在长期均衡关系。自变量、趋势项和常数项的检验结果均显示其在1%显著性水平显著。回归方程包含趋势项说明长期内的百度指数与景区客流量的关系会受到时间因素的影响。最初的时候，百度指数增加导致景区客流量增加1.875%。随着日期的后移，百度指数变化导致景区客流变化量逐渐下降。这种变化趋势非常缓慢，约为每日0.00317%。

（三）误差修正模型

本研究将协整方程的残差作为自变量和百度指数的一阶差分及其滞后项对一阶差分的九寨沟景区客流量做普通最小二乘法回归。关于滞后项的选择，参考的是AIC准则，AIC值越小说明模型越优。具体误差修正模型的参数估计和显著性检验结果见表达式（2）。同样，小括号内为标准差，中括号内为P值。DI表示一阶差分后的对数化百度指数，TI表示一阶差分后的对数化景区客流量。

表达式（2）中ECM表示误差修正项，它的系数通过了1%显著性水平的T检验，说明长期均衡也对短期的景区客流量变化产生作用。誤差修正项的参数估计值为负，说明误差修正机制在持续发生作用，即当景区客流量偏离协整方程长期均衡值的时候，误差修正机制会将其拉回到正常值，其强度约为0.189。回归方程还包含两个百度指数的一阶差分滞后项，并且这两个滞后项均通过了5%显著性水平的T检验，说明短期内的百度指数变化也会对景区客流量造成影响。DI（-2）的系数为正，说明滞后两期的百度指数增加1%会造成当期的景区客流量增加约0.364%。滞后七阶的一阶差分项显著为负，说明百度指数的上升会造成七期后的景区客流量下降0.453%。

综上所述，百度指数与景区客流量之间存在长期均衡关系。这种均衡关系会对短期内景区客流量的偏离进行修正。另外，短期内的百度指数变化也会对景区客流量产生影响。这种影响表现为对滞后两期客流量的拉高和滞后七期客流量的拉低。

（四）预测效果评价

利用构建的误差修正模型，本研究对2016年1月1日至2016年12月31日的九寨沟景区日接待游客量进行了静态预测。预测结果见图1。预测的均方根误差等于3294.542，泰尔不等式系数等于0.099。分解泰尔系数，得到预测值与真实值的偏差比只有0.006，预测值与实际值波动比只有0.002，模型整体预测效果良好。

四、 研究结论

本研究以四川九寨沟景区2016年1月1日至2016年12月31日的日接待游客量和关键词“九寨沟”的百度指数统计数据为基础，通过EG两步法验证了两者之间的长期均衡关系，并构建和估计了相应的长期均衡模型，利用误差修正模型讨论了协整关系和短期内的百度指数变化如何影响景区客流量。得出如下结论：

（一）百度指数与景区客流量之间存在长期均衡关系

长期范围内，百度指数的变化会引起景区客流量的变化。但是，这种量化的关系并不稳定，它会受到时间因素的影响。早期，百度指数变化会引起较大幅度的景区客流量上升，但是随着时间的推移，相同百度指数变化引发的景区客流量变化幅度大幅下降。

（二）长期均衡对偏离误差的修正作用和往期百度指数的变化能够部分解释景区客流量的短期波动

误差修正机制一直在发挥作用，当景区客流量偏离长期均衡的时候，误差修正机制会将其拉回均衡值。短期内的百度指数上升会造成两天后的景区客流量增加和七天后的景区客流量减少。

（三）预测结果显示模型具有良好的预测效果

本研究通过均方根误差和泰尔系数评价了模型的预测效果。泰尔指数的分解指标显示模型的预测结果与真实值的偏差非常小，并且波动情况也比较相似。对预测结果的分析能够得出该模型能够较好地完成对九寨沟景区日接待游客量的预测任务的结论。

本研究存在一些不足：只选取了四川九寨沟景区作为研究样本，缺乏足够的对比样本来验证研究结论的正确性。未来的研究将集中于进一步探讨百度指数对景区客流量的动态影响，以进一步提升模型预测效果。

参考文献：

[1]孙烨， 张宏磊， 刘培学，等. 基于旅游者网络关注度的旅游景区日游客量预测研究——以不同客户端百度指数为例[J]. 人文地理， 2017（3）：152-160.

[2]何一夫. 基于百度指数的旅游景区游客量预测研究——对黄先开模型的改进[J]. 重庆与世界（学术版）， 2016（12）：54-55.

[3]先开，张丽峰，丁于思.百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例[J].旅游学刊，2013，28（11）：93-100.

[4]郑玉莲，陆林，赵海溶.芜湖方特网络关注度分布特征及与客流量关系研究——以PC端和移动端百度指数为例[J].资源开发与市场，2018，34（9）：1315-1320.

作者簡介：

刘聪，男，江苏如皋人，硕士，南通理工学院商学院助教，研究方向：旅游信息系统;

杨阳，女，江苏南通人，南通理工学院商学院学生，研究方向：企业竞争情报;

邓洋阳，男，江苏南通人，南通理工学院商学院学生，研究方向：旅游管理。