随着网络技术发展和社会整体收入水平的提高,人们对物质文化需求加速提升,显著表现在对外出旅游的需求。对于学者和旅游需求管理者而言,如何准确的预测旅游目的地的游客量,从而避免旅游高峰期超出环境容量的阈值,同时避免拥堵、摩擦甚至人身财产伤害等社会危害现象的的减少显得至关重要。研究表明,与旅游行为相关的网络搜索数据和旅游行为是紧密相关的。而百度搜索引擎记录了网民的搜索行为,且相关数据的变化趋势较好的反映了某关键词的网络搜索变化趋势。但是,百度搜索引擎的使用率并非一成不变的,本文研究关键词网络搜索指数对北京市国内游客量影响时,参考前人成果,构造了网络搜索指数,旨在消除仅使用百度搜索指数带来的影响。本文围绕旅游的六大要素,选择关键词建立了均值化PCA-VAR模型,研究发现第一综合网络搜索指数和第二综合网络搜索指数能够较好模拟样本内数据,这样不仅在原始关键词较多时,减少直接将其作为内生变量建立VAR模型带来的不便,样本外短期预测效果也较好,平均相对百分误差16.57%。此外,本文还建立了只利用游客量历史数据的GM(1,1)模型,样本外平均相对百分误差为2.259%。两种模型各有利弊,也就是说,我们可以根据不同目的建立不同的模型并进行分析。如果单纯的预测游客量,优先选择灰色预测;如果类似本文研究网络搜索指数对游客量的影响,则选取均值化PCA-VAR模型更好。