基于GM-ARIMA模型的中国入境游客人数预测分析

简介：
本文利用GM-ARIMA混合模型对中国入境游客数量进行预测分析，结合灰色理论与自回归积分滑动平均模型的优势，提供对未来入境旅游市场的科学预判。 在中国改革开放之后，旅游产业作为经济增长的重要支柱之一迅速发展起来。准确预测游客数量对于旅游业规划具有重要意义。宋利勇和柳向东两位学者在他们的研究《基于GM-ARIMA模型的我国入境游客人次数预测研究》中提出了一种新的预测方法——即结合了ARIMA模型与GM(1,1)模型特点的组合模型，利用历史数据对未来入境游客数量进行准确预测。 ARIMA（自回归积分滑动平均）是一种时间序列分析工具，能够将非平稳的时间序列转换为平稳序列，并对这些序列使用自回归和移动平均方法进行建模。而GM(1,1)模型是灰色系统理论的一部分，它适用于小样本和信息贫乏的预测问题。 该研究采用从1985年至2018年的中国入境游客数量数据作为分析对象，首先构建ARIMA模型，并利用GM(1,1)模型修正残差进行拟合预测。最终结合两种方法的优势得出GM-ARIMA组合模型的结果。研究表明，这种组合模式具有较高的准确性，在预测我国入境游客人数方面表现良好。 文章中提到的关键点包括： 1. 旅游业对经济增长的贡献，特别是在就业方面的推动作用。 2. 准确预测入境游客数量对于旅游产业规划的重要性。 3. “一带一路”倡议推进下中国国际影响力提升所带来的入境游市场发展机遇。 4. 2018年入境游人数和收入的具体数据展示了中国市场规模与潜力。 5. GM-ARIMA模型通过改进单一模型的精度，为未来的政策制定提供了参考依据。 该研究不仅对中国旅游业具有指导作用，也为其他国家提供了一种新的预测思路。利用时间序列分析组合方法可以更好地理解旅游行业的周期性和趋势性变化，并据此合理规划和发展旅游业。 此外，文章作者宋利勇是暨南大学经济学院的硕士研究生，主要研究方向为应用统计；柳向东则是教授及博士生导师，专注于统计学及其应用领域。读者可以通过论文中提供的电子邮件地址联系作者以获取更多信息或进行学术交流。总的来说，这项通过结合时间序列分析和灰色预测模型的研究创新性地解决了旅游人次预测问题，并对推动中国旅游业发展具有重要的理论与实践价值。