运用旅行费用模型估计典型消费者的旅游需求及其收益：对中国的实证研究，本文主要内容关键词为：中国论文,收益论文,模型论文,典型论文,费用论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
需求函数包含了消费者偏好的重要信息，是研究消费者行为的核心。对需求曲线的准确估计也是分析产品定价和进行社会福利评价的基础。旅游（注：本文的旅游(英文tourism)特指以休闲娱乐为目的的观光旅游(或游览)活动，区别于商务(或公务)旅行活动。） 需求函数反映了消费者对于旅行活动，主要是对目的地的旅游景点所提供的精神享受(作为一种服务)的需求行为和支付意愿，对旅游需求曲线进行估计是进行旅游产业经济研究的一个基础。例如根据旅游需求曲线估计的需求价格弹性为判断景点调价的可能经济后果提供了依据。（注：近段时间国内许多景点门票提价引起了社会的广泛关注。例如，张家界武陵源核心景区门票从158元正式上调至245元；黄山风景区旺季门票价格由130元调整为200元，淡季门票由85元调整为120元；九华山风景区旺季门票价格由90元调整为140元，淡季门票由80元调整为110元；九寨沟门票也拟提高到200元以上。这些提价活动如何影响游客数量和管理者的收入，必须通过对其需求函数的估计，特别是需求价格弹性的估计才能够得到。） 此外，中国是一个旅游大国，随着人们生活水平的提高，对旅游的需求也日益增长。由于观光游览对于旅游景点具有潜在的外部性(环境破坏、文物损毁等)，因此，随着旅游业的迅速发展，旅游资源的合理开发利用和可持续发展问题日益提上议程。基于旅游需求曲线估计的消费者剩余给出了旅游的社会收益，是确定旅游资源最优利用规模的一个基础。
目前国内经济学研究中对旅游需求的定量估计几乎是空白。对旅游需求的估计的确存在一些技术困难。因为旅游景点的入场费用(门票)很少随时间变化，对某一个景点而言，难以通过时间序列直接对需求曲线进行估计。不过，旅游活动所具有的独特的经济性质为估计其需求函数提供了一个途径。观光游览依托于景点资源，不同于普通商品，消费者需要旅行到旅游景点进行消费，而不是商品被运输到消费地，因此景点的观光游览与依赖于地理位置的交通运输有很强的互补性。此外，旅游的过程还伴随着对通讯、饮食住宿甚至娱乐购物的综合消费。根据景点的观光游览和其他旅行消费活动的互补特性，本文选择了一种间接评估方法——旅行费用模型[6](the travel cost model,TCM)——来估计国内旅游的需求函数。Harold Hotelling于1947年第一个使用旅行费用作为价格的替代变量对户外娱乐场所的需求行为进行经济分析，目前在美国和英国这种旅行费用方法已经普遍应用于户外娱乐场所，如国家公园和自然保护区的收益评估。
本文以下的第一部分对旅行费用模型的理论基础进行介绍，并进而提出本文使用的计量模型。第二部分对本文使用的数据和选择的变量进行说明；第三部分是计量分析结果，并根据该分析结果解释旅游需求函数的经济含义；第四部分估算消费者剩余；第五部分是结论。
一、理论与计量模型
1.旅行费用模型：理论基础。
旅行费用模型的基本思想是利用景点观光游览与其他旅行消费活动的互补性，用总旅行成本(单个消费者在旅游活动中发生的总成本，包括旅行费用、目的地消费、时间机会成本和景点门票)作为景点价格替代变量(即将旅行成本看作消费者所承受的景点“价格”)，从而对旅游需求函数做出估计。正如前文指出的，景点的入场费用(门票)往往缺乏变化，不能很好地作为需求函数的解释变量，但是，消费者距离旅游景点的行程远近往往存在较大的差别，因此消费者之间总旅行成本的变异往往较大，以之作为消费者的“价格”来估计需求函数，就很好地克服了这个经验估计上“缺乏变异性”的难题。
我们下面将简单地说明，在具有完全互补性的消费中，以旅行成本作为价格变量的理论合理性（注：对旅行费用法更加详细和严格的说明参见参考文献[3]。）。我们的分析从支出函数出发。支出函数是在给定价格p，效用水平u条件下，个体消费者为了达到一定效用水平所需要的最小货币支出量，也就是支出最小化问题的解e(p，u)。在单目的地观光旅游中，支出函数可以表示为e=e(tc，s，p，A，U[，0])。其中，tc是一次旅游中其他旅行消费的成本，包括行程中交通通讯费用、餐饮住宿费用、娱乐购物支出和旅行的时间机会成本；s是景点的入场费用；p是其他替代景点的价格；A是旅游者个性特征的变量；U[，0]是给定水平的效用值。
根据需求理论，景点给消费者带来收益的货币价值可以用支出函数表示为：
CS(s)≡e(tc，s′，p，A，U[，0])-e(tc，s，p，A，U[，0])
=
S(tc，ε，p，A，U[，0])dε(1)
其中，s′是在给定其他替代景点价格p和其他旅行消费成本tc的条件下，使得消费者对景点需求为0的景点入场费用。这个对消费者剩余的测度表示当景点价格从某一给定的s值升高为s′的时候，为了保证效用水平不变，需要增加的额外收入值。函数S(·)代表消费者对景点的补偿性需求曲线(或称希克斯需求曲线)，上述第二个等号表示，景点带给消费者的收益可以用补偿需求曲线下方的面积来表示。
另一方面，类似的，观光旅游中其他消费活动的消费者剩余为：
CS(tc)≡e(tc′，s，p，A，U[，0])-e(tc，s，p，A，U[，0])
=
T(c，s，p，A，U[，0])dc(2)
其中，tc′为给定景点入场费用s和替代景点价格的条件下，导致旅游者对其他旅行消费活动的需求为0的花费。函数T()代表消费者对观光旅游中其他消费活动的补偿需求曲线。
根据景点入场观光和其他旅行消费活动之间存在互补性，则有：
e(tc′，s′，p，A，U[，0])-e(tc′，s，p，A，U[，0])
=S(tc′，ε，p，A，U[，0])dε=0(3)
e(tc′，s′，p，A，U[，0])-e(tc，s′，p，A，U[，0])
=T(c，s′，p，A，U[，0])dc=0(4)
其含义是，当对其他旅行消费活动的需求为0时，景点的价格上升，旅游者的消费者剩余不变；当对景点的需求为0时，其他旅行消费活动成本上升，旅游者的消费者剩余也不发生变化[3]。这恰好是互补性消费的特征。因为当对其他旅行活动的需求等于零时，根据互补性，消费者对于景点的需求也是0。当景点价格上升时，消费者对于景点的需求仍然是0(已经无从下降了)，价格改变不影响需求和消费者效用，从而支出函数的值也不改变。
从上面的式子可知：
CS(s)=CS(tc)-(e(tc′，s′，·)-e(tc，s′，·))
=CS(tc)(5)
其中第一个等号根据式(1)和(2)，第二个等号根据式(3)。因此可以通过CS(tc)估计消费者的旅游收益。进一步的，在单目的地观光旅游中，其他旅行消费活动的需求量和进入景点的需求量相同，则旅游者对其他旅行消费和对入场费用的反应相同，消费者剩余可以表示为：
CS(s)=CS(tc)=
V(ttc，p，A，U[，0])dttc(6)
其中，ttc=tc+s为总旅行费用。V()表示消费者关于总旅行费用的补偿需求函数。这表明以总旅行成本作为价格替代变量的需求函数计算出的消费者剩余和关于景点入场费用的需求函数计算出的消费者剩余相同。
总结旅行费用模型的理论，我们看到：为了计算旅游带给消费者的收益，关键是要估计一个以总旅行费用为自变量的需求函数；然后用这个需求函数来计算消费者的收益。从这个理论模型出发，加上对经验估计的可行性的一些考虑，我们可以得到需要的计量模型。
2.计量模型。
在实际估计时，由于(给定效用的)补偿需求曲线不能直接观测，使用(给定收入的)马歇尔需求曲线近似。进而用马歇尔需求曲线计算的消费者剩余，来近似表示旅游景点对于消费者的收益。根据需求理论，在价格变化不大时，这种近似是合理的。
对于观光旅游而言，对于一个旅游景点，一个消费者的需求量最多为一次，因此上述需求函数给出的需求量实际上是该消费者出游的概率。对每个消费者的出游率进行估计存在困难，实际应用中我们往往用区域旅行费用模型(zonal travel cost model)来间接地进行估计。假定同一区域内的消费者之间没有差异，用区域总需求量得出的人均参观率，替换个体旅行需求量对景点需求函数进行估计。相对于个体旅行费用方法，区域旅行费用方法降低了对数据和估算技术的要求。
也就是说，模型以调整后的参观次数，即不同地区i对同一景点的人均参观率为被解释变量。由此得到的马歇尔需求函数模型为：
V[，i]=V(TC[，i]，P[，i]，INCOME[，i]，AGE[，I]，EDU[，i])(7)
其中，V[，i]是人均参观率；TC[，i]为总旅行费用(相当于式(6)中的ttc)，即入场费用、交通费用和时间机会成本的总和；P[，i]为其它相关替代产品的价格(相当于式(6)中p)；INCOME[，i]为平均收入水平；AGE[，i]为平均年龄；EDU[，i]为平均受教育时间(后二者相当于式(6)中的A)。
注意到旅行费用模型给出的估计需求函数与计算消费者剩余的方法是针对单个景点的，而本文的研究目的是研究消费者对整个国内观光旅游的需求行为（注：当然，旅行费用模型实际上更适合研究单个旅游景点(例如，黄山)的需求函数。不过，由于单个景点的数据缺乏，我们选择了研究作为复合商品的“国内观光旅游”来加以研究。）。为此，我们必须假定全国所有旅游景点同质，各地区的观光游览活动是对同质产品的需求，则一个地区特定时间段的人均观光旅游出游率就是该地区这个时间段内对同质的旅游景点的人均参观率，即区域旅行费用模型中的旅游需求量。同时，由于是考虑整个观光旅游的需求，它没有相近的替代品，因此变量P[，i]就不再需要引入了。
在实际估计中，我们的样本有时会包含不同地区i在若干年t内的数据。为了充分利用这些样本，我们往往采用混合数据的方式进行估计。
使用三种形式的计量经济模型估计旅游者的需求函数，三种估计方程形式包括线性、被解释变量取自然对数的半对数型，所有变量都取自然对数的全对数型[5]。
线性：
V[，it]=β[，0]+β[，1]TC[，it]+β[，2]INCOME[，it]+β[，3]AGE[，it]
+β[，4]EDU[，it]+y[，t]+ε[，it](8)
半对数：
lnV[，it]=β[，0]+β[，1]TC[，it]+β[，2]INCOME[，it]+β[，3]AGE[，it]
+β[，4]EDU[，it]+y[，t]+ε[，it](8′)
全对数：
lnV[，it]=β[，0]+β[，1]lnTC[，it]+β[，2]lnINCOME[，it]+β[，3]lnAGE[，it]
+β[，4]lnEDU[，it]+y[，t]+ε[，it](8″)
其中，y[，t]代表时间的固定影响。ε[，it]为正态分布，均值为0，方差为
[2]。
注意我们并没有引入地区的固定效应(可以用a[，i]表示)。这是由于在我们使用的区域旅行费用模型中，旅行费用的变异主要来源于地区相对于景点的位置远近，如果引入地区的固定效应，它就会吸收影响旅行费用变动的最主要因素——地理因素，使得旅行费用变量TC变得缺乏解释力。
根据需求理论，我们预期参观者数量和旅行花费负相关，和人均收入正相关，教育、年龄和年份虚拟变量的影响不确定。
3.消费者剩余的估算。
由此推出景点的逆需求曲线为：TC=g(V，INCOME，AGE，EDU)，计算出净消费者剩余为：
lnV[,it]=β[，0]+β[，1]lnTC[,it]+β[，2]lnINCOME[,it]+β[，3]lnAGE[,it]
+β[，4]lnEDU[,it]+y[,t]+ε[，it](9)
其中，V[，0]为0，V[，1]为实际的人均观光旅游出游率，TC[，1]为实际的人均旅游花费。
以下首先对马歇尔需求函数进行估计，然后据此计算消费者剩余。
二、数据
本文的数据来源主要是《中国旅游统计年鉴》[11，12]、《中国国内旅游抽样调查资料》[13，14]、《中国城市统计年鉴》[15，16]。《中国旅游统计年鉴》是全面反映中国旅游业发展情况的资料性年刊。包含中国旅游业统计公报和入境旅游人数、入境外国旅游者主要特征、国际旅游(外汇)收入、国内旅游基本情况、地方接待入境旅游者情况、旅游饭店基本情况、旅行社基本情况、旅游企事业基本情况等共八个部分的统计资料。《中国国内旅游抽样调查资料》汇集了对城镇居民和农村居民的国内旅游抽样调查结果，包含综合分析报告、城镇居民国内旅游出游及花费情况、农村居民国内旅游提样分类数据等统计资料。其中，国内旅游抽样调查的对象是我国大陆城镇居民中，离开惯常居住地到国内其他地方从事游览、度假、参观、探亲、访友等活动(也包括外出治病、疗养、考察、参加会议和从事经济、科技、文化、教育、体育、宗教等活动)，旅行距离超过10公里，并且在外停留6小时以上的人。调查对象不包括以下人员：(1)在外连续停留半年以上的人员；(2)外出以谋求职业并以获取报酬为目的的人员；(3)到各地巡视工作的部级以上领导；(4)常驻外地办事处工作人员。《中国城市统计年鉴》是全面反映中国城市经济和社会发展情况的资料性年刊，包含全国660个建制城市社会经济发展和城市建设等各方面的统计数据。
其中，各城市人口出游率通过《中国旅游统计年鉴》获取；人均观光旅游花费、观光旅游所占比例、平均在外停留夜数、游览地区数量等指标通过《中国国内旅游抽样调查资料》获得。人均GDP、在岗职工平均工资、地区年龄分布和受教育时间分布根据《中国城市统计年鉴》获得。
由此，我们选择了全国38个城市作为地区的样本点(i)，时间上包括两个年度(t=2000，2002)。这样，我们总共获取38个主要城市两年共76组观测数据。
按照区域旅行费用模型对相关变量进行数据处理：
以一定时间内单目的地观光旅游出游率作为人均参观率(V[，it])指标。各城市人口单目的地观光旅游出游率=各城市人口出游率×按出游目的分观光旅游所占比例×游览省(区、市)数为1的旅游者所占比例。
以一次观光旅游总成本作为人均总旅行费用(TC[，it])指标。一次观光旅游的旅行成本=人均观光旅游花费+时间机会成本。人均观光旅游花费直接通过《中国旅游统计年鉴》获取。根据对休闲娱乐时间机会成本的研究，较为保守地假发旅游的时间机会成本是相同时间工作收入的三分之一[1]，总时间机会成本=1/3×在岗职工平均工资×平均在外停留时间。
以各地区人均GDP作为人均收入(INCOME[，it])的指标。用各地区年龄分布计算的平均年龄作为相应地区人口的平均年龄(AGE[，it])；用各地区受教育程度人口统计计算的平均受教育时间作为相应地区人口平均受教育时间(EDU[，it])。
根据上述公式计算出的各变量的主要统计特征见表1。
表1变量的主要统计特征
变量名称均值 方差 最大值 最小值
参观率，V 0.39750.0343 0.7815 0.104
总旅行费用，TC
1016.327 319426.4
3486.752
242.8753
收入，Income 22241.1 5.38E+08
161837.9
4649.005
年龄，Age 34.58942.973039.444231.7625
教育程度，Edu 8.63461.055010.9386 6.1192
注：样本数为76(38个城市，2000、2002两个年份)。
三、结果
三种形式的方程普通最小二乘估计结果见表2，从所有解释变量的联合F检验结果可以看出，三种模型都在1％的水平下显著。从整体来看，线性模型比全对数模型对样本数据拟合得更好，而半对数模型比线性模型对样本数据拟合得更好。从主要变量的显著性来看，全对数模型和线性模型差不多，半对数模型比全对数模型和线性模型好。总的来说，三者的差异并不显著，相比而言，半对数模型方程的显著性和变量的显著性最好。
表2三种模型的回归结果
被解释变量：观光旅游出游率
线性Semi-Log Log-Log
解释变量 系数估计 系数估计 系数估计
旅行费用 -0.00018[***](3.15E-05)
-0.00053[***](8.77E-05) -0.4964[***](0.0965)
收入 3.29E-06[***](7.32E-07)
9.48E-06[***](2.04E-06) 0.3331[***](0.0781)
年龄 0.0177(0.0113)0.0611[**](0.0315)
1.6068(1.1293)
教育 0.0093(0.0291)
-0.0143(0.0812) -0.4224(0.6934)
年份哑变量0.0819(0.0608 0.1278(0.1696)
0.0088(0.1723)
截距 -0.2325(0.3601)
-2.7757[***](1.0039) -5.7154(3.7287)
F-statistic
11.5680[***] 12.8719[***] 11.2175[***]
R-squared 0.45240.4790
0.4448
Log-L 43.2621 -34.6468 -37.0614
样本数7676
76
注：括号中为标准差，***，**，*分别代表1％，5％和10％的显著性水平。
关于系数估计值，三个模型的观光旅游费用的系数估计值都与需求理论一致，观光旅游费用和观光旅游出游率负相关。三个模型观光旅游费用的系数估计值都在1％的水平下显著。人均GDP的系数都在1％的水平下显著的不等于0，观光旅游出游率和人均GDP都正相关。年龄都和观光旅游出游率正相关，在线性模型和全对数模型中，年龄的影响不显著，而在半对数中，年龄在5％的水平下显著。受教育程度的影响都不显著。在线性模型中，平均受教育时间与观光旅游出游率正相关；在半对数和全对数模型中，二者呈负相关关系。至于时间的固定影响，2002年的截距的系数估计值在三个模型当中都对观光旅游出游率有正的影响，但都不显著，表明在其他条件不变的情况下，相对于2000年，2002年的消费者需求没有显著变化。
通过计量分析的结果，很容易估计旅游需求的价格和收入弹性，它们反映了观光者对观光旅游花费和收入水平变化的反应。表3给出了根据三个模型分别计算的价格和收入弹性系数。对于线性和半对数模型，弹性系数通过变量的平均值估计。
表3价格收入弹性系数估计值
方程形式价格弹性 收入弹性
线性a
-0.45000.1841
半对数a -0.53660.2108
全对数 -0.49640.3331
从三个模型计算出的弹性系数看，观光旅游需求对旅行费用(价格)缺乏弹性。线性模型和全对数模型中的价格弹性系数分别为-0.4500和-0.4964，表明旅行费用每增加1％，旅游需求下降0.45％和0.50％，或者说，每10000人的参观人数下降数量只有45或者50。虽然半对数模型估计出来的需求价格弹性值更高，达到-0.5366，但仍然远小于1（注：值得注意的是，这里的需求价格弹性针对的是整体旅行费用变化的百分比，并不是旅行费用中某一项变动的百分比。旅行费用中某一项变动的百分比，乘以其占旅行费用的比例，才是其导致总旅行费用变动的百分比。例如，如果门票费用占旅行费用的10％，则门票价格增加1倍，只引起总旅行费用增加10％。）。
有两个可能的原因会导致需求价格弹性稍有偏低。一是，模型中被解释变量是单目的地旅游的观光旅游出游率，而解释变量中由于没有单目的地旅行成本的数据而采用了平均旅行成本，这就高估了单目的地观光的旅行成本，从而导致估计出的旅行费用的系数值偏低。但是由于单目的地旅游占观光旅游的最主要部分，对单目的地观光旅行成本的高估不会很大。
二是，本文中观光旅游的需求弹性不同于某一特定旅游景点的需求弹性，我国旅游资源丰富，一个特定的旅游景点面临许多近似替代品的竞争，消费者选择的空间很大，所以对一个特定景点，观光游览需求应该是有弹性的。而整体观光旅游的替代品是其他类型的旅游和市内的休闲娱乐活动，这些活动之间的差异较大，替代性比较弱，因此整体观光旅游的需求弹性应该远远小于一个特定旅游景点的需求弹性。这个结论和实际经济中人均观光旅游花费增加，总观光旅游收入增加的情况一致，所以从总体上，观光旅游需求体现为缺乏弹性。
至于需求收入弹性，三个模型估计出来的收入弹性中，线性模型的弹性值最低，为0.1841，全对数模型估计的收入弹性最高，达到0.3331。虽然旅游需求的收入弹性值较小，但需要注意的这一弹性值是观光旅游出游率对于收入增加的反映。而在另一方面，随收入增加，每次出游的旅行花费也在上升，因此旅游支出的收入弹性远比需求函数估计的收入弹性大。可以根据需求函数得出的收入弹性计算国内观光旅游消费支出(TI)的收入弹性ε[，I]=(dTI/dI)*(I/TI)。国内观光旅游消费支出为观光旅游的总需求量Q和人均观光旅游花费C的乘积，因此ε[，I]=((dC/C)+(dQ/Q))*(I/dI)。其中，人均观光旅游花费的收入弹性使用2002年和2000年相应统计数据的平均值进行计算。三种模型计算出来的国内观光旅游消费支出收入弹性分别为1.1159、1.1426、1.2649。可以看出，观光旅游消费支出的收入弹性大于1，观光旅游以略高于GDP增长率的速度发展。
四、估计消费者剩余
用马歇尔需求曲线下的面积近似消费者剩余，根据式(8)～(8″)以及式(9)，三种不同形式的需求函数推导出的消费者剩余的计算公式分别为：
线性：
CS=[V[，1][2]-V[，0][2]-2(β[，0]+β[，2]INCOME+β[，3]AGE
+β[，4]EDU)(V[，1]-V[，0])]/2β[，1]-TC[，1]V[，1]
半对数：
CS=1/β[，1](V[，1]lnV[，1]-V[，0]lnV[，0]-(β[，0]+β[，2]INCOME
+β[，3]AGE+β[，4]EDU+1)(V[，1]-V[，0]))-TC[，1]V[，1]
全对数：
CS=(β[，1](V[，1][1+(1/β[，1])]-V[，0][1+(1/β[，1])])/1+β[，1])
e[-(β[，0]+β[，2]lnINCOME+β[，3]lnAGE+β[，4]lnEDU[，5]/β[，1])]-TC[，1]V[，1]
2002年和2001年的观光旅游出游率，根据三个模型计算出来的点估计值和在90％的置信水平下的置信区间见表4。
表42000与2002年全国38个城市观光旅游出游率的点估计值和置信区间
线性
半对数 全对数
点估计
下限上限
点估计
下限上限
点估计
下限上限
2002 0.4237 0.1828 0.6647 0.3703 0.1892 0.7248 0.3710 0.1852 0.7429
2000 0.3709 0.1299 0.6118 0.3316 0.1694 0.6490 0.3449 0.1719 0.6917
由于消费者剩余是观光旅游出游率的单调增函数，根据以上消费者剩余计算公式和38个城市主要指标情况，在90％的置信水平下，2000年和2002年全国38个城市观光旅游的人均消费者剩余的置信区间见表5。
表5 2000与2002年全国38个城市人均消费者剩余
线性 半对数全对数
点估计 下限 上限 点估计 下限 上限 点估计下限 上限
2002 632
398536
807
413
1581 1715785 1715520 1715681
2000 457
316651
687
388
1485 1219253 1715484 1715783
①半对数模型当中取V[，0]→0
②全对数模型当中V[，0]取10[-4]
从分析结果可以看出，模型的选择对于旅游者收益的估计值有显著影响，在本文的分析中，由于半对数模型的拟合效果最好，所以选取半对数模型的估计结果分析消费者剩余情况。2000年平均每人观光旅游的净消费者剩余的点估计为687元，在90％的置信水平下，置信区间为(387.5279，1484.956)，相比于2000年的人均观光旅游花费，人均观光旅游净消费者剩余的点估计值为人均观光旅游花费的0.9416倍，置信区间为0.5311倍到2.035倍。2002年人均观光旅游的净消费者剩余的点估计为807元，在90％的置信水平下，置信区间为(412.608，1581.059)，相比于2002年的人均观光旅游花费，人均观光旅游净消费者剩余的点估计值为人均观光旅游花费的0.9654倍，置信区间为0.4934倍到1.8905倍。
五、结论
以上运用旅行费用模型对中国国内旅游的典型消费者需求函数与收益进行了估计。分析结果表明，整体观光旅游需求对于旅行花费(价格)缺乏弹性，这意味着旅游人均花费的提高将使得旅游收入增加。收入水平对观光旅游需求有显著的正影响，国内观光旅游支出的收入弹性为1.14左右，表明观光旅游以略高于GDP增长率的速度发展。根据需求函数，我们还进一步推算出2000年和2002年我国旅游的人均净消费者剩余分别为旅行费用的1.28倍和1.19倍。忽略年度差别，大致上为1.24倍。
以上的分析结果对于政府的旅游部门进行旅游产业的管理活动提供了科学的依据。例如，门票价格的提高，或者交通成本(例如机票价格)的下降等，将如何影响总的旅游需求。如何在评价旅游业导致的外部性(例如，文物的损害)时，也考虑到旅游业带米的消费者福利，从而科学地选择最优规模的旅游开发水平，等等。
此外，以上分析方法对于特定景点的分析也具有借鉴性意义，通过对特定景点的观光者的调查，可以获取个体消费者行程费用数据，得到旅行费用的准确指标，从而可以通过该模型对景点需求函数进行更为准确的评估。旅游景点的需求函数可以给景点的管理者提供重要信息，基于景点价格的需求弹性，管理者可以更有效的制定景点的门票价格。基于景点需求函数的收益评估可以为旅游景点开发投资项目提供收益评估的重要信息。
标签：需求曲线论文; 中国旅游统计年鉴论文; 价格弹性论文; 收入弹性论文; 需求函数论文; 需求弹性论文; 旅行论文; 成本函数论文; 对数曲线论文; 时间计算论文; 中国城市统计年鉴论文; 景点论文;