我国区域旅游需求的预测分析
1 计量经济学模型变量的选择
研究方法
基于数据的回顾和运用性，许多现代时间序列预测方法都运用了预测，而基本结构模型和时间变量参数计量经济模型2006年至2007年有着事前预测。
该研究的主要目的是审视这些模型是否能运用于未来两年的短期的精确的旅游到达预测。在此层面中国可以运用的数据仅限于1994年至2007年之间。模型建立的过程运用了上述讨论的时间参数模型和基本结构模型。这些方法的研究中，下列数据资源可以检测：临时变量和独立变量。
2 干预的基本结构模型
表一显示日本是最低平均绝对误差，只有16.8%，俄罗斯有最高平均绝对误差值在25.5%。13个国家中有三个国家的总平均绝对误差平均数低于20%。13个来源国家到31个中国地区的平均绝对误差为22.1%。
3 带有虚拟变量的时间参数预测
时间参数模型在这里的发展是基于建模过程提供了6个人机电子软件包。这种分析在状态矢量空间形式下提供了动态系统。状态空间形式允许预测伴随可观测模型的未观察到的变量（空间变量）。其同时允许曾经用过的循环卡尔曼滤波算法同时间序列结构模型共同运用。卡尔曼滤波算法运用于早一步的运算来预测，同时和确定的协方差值的初始值的平方误差矩阵联系。这样分析下来，人机电子将他们的值设定较高的初始价值来反应不确定性。
尽管所有的省份需要对比分析，国际旅游到达则关注于小于总的31个省份和地区的选择。三分之一的到达者（33.7%）关注与排名前五的到达省份，而42.4%则关注排名前十。
4 结论
该研究表明尽管数据有限，但是精确预测中国的地区到达是有可能的。尽管数据的局限性同年居序列有关，而有限时间序列的长度、精确预测错误在20%以下，而10%以下的错误可以持续被推导出来。所以关注与预测更发达的旅游地区预测，这些流动倾向更明显且有较少不稳定性。另外，如果只关注于计量经济模型是错误的，因为在此研究中现代时间序列方法被证明是占优势的。然而，在定义上这并非是好的结果，因为这里的意图在于发展非正式变量来帮助区域预测，而基本结构模型比时间参数模型更好，这样就并非预期结果了。
对于计量经济结果为什么在许多省份中更广泛的结果中不准确的原因还不清楚。有可能只是因为缺少数据，包括小型样本（小范围的自由）来衡量数量改变的真正原因。也有可能是因为每一个省份有着唯一的、或者很大程度上唯一的、非正式方法。因此在所有地区运用同样的独立变量是不可行的。但是，从管理方法来说花费大量的时间和金钱来孤立独立变量是不可行的，那样只是在时间序列方法中偶尔可行。
该研究运用的数据是住宿测量而非跨境移民记录。该研究主要的目的在于决定这些数据能否精确预测到达，以及这些数据的结论能否运用于旅游预测。以中国为例，数据是持续且可依赖的，可以精确运用于模型预测。这也提出了在欧洲大陆这样只有住宿数据可以运用的地区预测的可能性。
最后，该研究在非正式变量选择中研发了新的理论观点，能够推动未来区域预测。这是当今国家常用方法和分散地区经济变量的混合，这些新的方法将能够运用且给未来区域预测研究提供强有力的起点。
未来预测的问题也提出了未来的预测需要基于方案和专家意见，特别是未来三年里。举例而言，众所周知中国正在发展高速铁路网络，并结合了预测结果。这也表明交通设施发展是旅游的非常重要的决定性因素，可以看到省份之间被高速铁路连接将更快发展其自身同其他省份作为国际旅游地。比起定量模型，这种推测预测更能够精确预测中长期发展。
总之，通过在中国次国家层面来观察国际旅游预测，同时审视能够最好运用区域数据的新变量，这种研究在旅游预测占据了新的方向。该研究展示了从基于国家层面的方法包括区域预测促进和扩大国际旅游预测的急切需求。该研究只是接触了次国家国际旅游预测广大潜力中的皮毛，不仅仅是中国的地区，而且还有全世界各种类型的地区。
该研究的局限在于不能充足地运用于后期数据。中期和长期预测的准确性不能够被测量，研究的发现也仅限于短期。这种局限随着更长的到达序列在许多国家可以运用而将被逐渐移除。尽管选择的预测模型是当今方法中的好例子，但也有其他方法可以尝试。然而，基本结构模型和时间参数模型看起来在地区预测中是稳固的预测模型。
最后，该研究最大的局限在于现在超出了可以更正的范围，数据是年度而非季节的。尽管原来收集过，但中国未能提供季节性数据，但是未来可能可以运用。在中国国家旅游协会和太平洋地区旅游协会也通过私人与中国高层的联系来获取这些数据，但是没有可供现在运用的数据，而且这样的问题在印度也存在。由于中国在气候环境和高峰季节的数据非常不同，季节区域数据将产生更精确的预测。但是，可以注意到季节性数据可能也会破坏到达序列，将它们分解为较小的流动数据而使得较低访客到达数量的地区而更难预测。
