论文部分内容阅读
内容提要：我国城镇人口老龄化水平不断加快，老年群体的旅游消费规模也在逐年增加，旅游已经成为老年人提升生活质量的重要消费方式。本文以我国1994-2013年的年度数据为基础，采用VAR模型对国内旅游消费与城镇人口老龄化之间的关系进行实证分析，并运用脉冲响应函数和方差分解方法探析城镇人口老龄化对国内旅游业发展的影响。从长期趋势看，城镇人口老龄化对国内游客人次的累积效应大于对国内旅游总花费的累积效应，这表明城镇人口老龄化与国内游客人次之间存在显著的长期稳定的正向关系，但城镇人口老龄化和国内旅游总花费之间的长期趋势并不显著；城镇人口老龄化对国内游客人次的预测方差贡献度显著，而对国内旅游总花费的预测方差贡献度相对较小。
关键词：城镇人口老龄化；国内旅游消费；VAR模型；脉冲响应分析；方差分解
中图分类号：F5903文献标识码：A文章编号：1001-148X（2017）01-0165-05
人口的消费需求在很大程度上取决于其收入水平，但在收入水平一定的情况下，人口结构的变化在一定程度上影响总消费需求。由于平均预期寿命的提高以及生育率的持续下降，我国老年人口消费增加的速度将快于人口增长速度[1]，老年人旅游消费需求正在向高层次、高质量、个性化、多元化的方向发展，旅游已经成为老年人提升生活质量的重要消费方式。无论基于人口效应还是消费效应，城镇人口老龄化对国内旅游消费都存在影响，本文试图通过实证来验证并预测这种影响效应，并采用VAR模型分析城镇人口老龄化对国内旅游消费的当期和未来的影响。
一、研究方法与数据来源
（一）研究方法
非结构建模的向量自回归（VAR）模型采用多方程联立的形式，内生变量在模型的每一个方程中对模型的全部内生变量的滞后值进行回归，将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型，进而估计全部内生变量的动态关系。因此，VAR模型能提供丰富的结构，可以捕捉到数据的特征，在预测方面比传统的结构模型更准确，可为动态地研究变量之间的关系提供很好的思路。VAR模型的一般数学表达式为：
Yt=α+∑pi=1AiYt-i+∑rj=1BjXt-j+εt（1）
其中，Yt是n维内生变量向量；Xt是m维外生变量向量；p和r分别为内生变量和外生变量的滞后阶数，一般可根据AIC、SC准则和LR检验来确定；Ai（i=1，2，…，p）和Bj（j=1，2，…，r）分别为待估计的参数矩阵；εt为随机扰动向量，且满足cov（εt，εs）=0（t≠s）。
（二）变量与数据说明
旅游花费和游客人次既是衡量旅游消费的重要指标，也是旅游统计的重点统计内容。本文采用国内旅游总花费（TH）（已通过旅游消费价格指数换算为实际值，上年=100）和国内游客人次（TC）来衡量国内旅游消费水平，用65岁及以上城镇老年人口占城镇总人口的比重（PO）作为衡量城镇人口老龄化水平的变量（该变量依据全国65岁及以上人口数量、城镇总人口、城镇人口比重换算得出），数据来自《中国统计年鉴》、《中国人口统计年鉴》、《中国人口和就业统计年鉴》，样本均取自1994-2013年年度数据。考虑到对时间序列数据取对数后减少数据波动和异方差的存在，本文在实际分析时采用各变量的对数值，分别用LTH、LTC、LPO表示自然对数的国内旅游总花费、自然对数的国内游客人次、自然对数的城镇人口老龄化水平。
二、实证分析
（一）变量的平稳性检验
变量的平稳性是VAR模型估计的基础，构建无约束的VAR模型的前提条件是变量为平稳的时间序列。本文运用Stata120软件分别对序列LTH、LTC、LPO采用ADF单位根检验法来检验时间序列数据的平稳水平，结果如表1所示：LTH、LTC、LPO时间序列在5%的显著水平上均是非平稳序列；对其进行一阶差分后进行ADF检验，结果表明这三个序列在5%的显著水平上，序列是平稳的。因此，可以判断这三个序列均是一阶单整I（1），可以建立VAR模型[2]。
进一步对建立的VAR模型进行稳定性检验，所设定的VAR模型所有根模的倒数都小于1，即位于单位圆内，说明VAR模型稳定且整体拟合度较高，保证了脉冲响应分析的有效性。经检验残差序列无自相关，并经White异方差检验显示不存在异方差，且服从正态分布，结果表明VAR模型具有有效性，可以进一步进行脉冲响应分析[3]。
（三）脉冲响应分析
为了研究城镇人口老龄化对旅游消费水平的动态影响关系，需要在已建立的VAR模型的基础上利用脉冲响应函数来分析两者之间的冲击影响程度。脉冲响应函数是用时间序列模型来分析影响关系的一种思路，用于衡量来自新息的一个标准差冲击对变量当前和未来的影响轨迹，并通过VAR模型的动态结构传导给其他所有内生变量，能够比较直观的刻画出变量之间的动态交互作用及其效应。本文采用Cholesky分解方法，利用已建立的VAR模型，分别给LTH、LTC一个标准差冲击，得到正交化的脉冲响应函数，将冲击响应期设为20期，考虑在未来20期內国内旅游总花费和国内游客人次分别对城镇人口老龄化水平的动态响应轨迹。响应结果如图1、图2所示。在图1中，横轴表示冲击作用的滞后期数，纵轴表示国内旅游总花费对城镇人口老龄化的响应程度，实线表示脉冲响应函数，阴影表示正负两倍标准差偏离带。在图2中，横轴表示同图1，纵轴表示国内游客人次对城镇人口老龄化的响应程度，实线表示脉冲响应函数，阴影表示正负两倍标准差偏离带。
首先，分析国内旅游总花费对城镇人口老龄化的响应情况和响应路径。由图1可以看出国内旅游总花费对城镇人口老龄化的一个标准差新息的冲击不管是在短期还是长期都有正向响应，短期冲击明显，未来长期趋于稳步提高。具体的响应轨迹是：随着城镇人口老龄化的提高在开始阶段就对国内旅游总花费产生了正向的冲击，城镇人口老龄化提高1个百分点，国内旅游总花费大约上升0029个百分点。此后冲击力度逐年稳步增强，对国内旅游总花费的增长保持持续的正向拉动效应，这种拉动效应比较稳定，而且正向效应持续的时间也更长。进一步观察追踪期期间的城镇人口老龄化对国内旅游总花费增长的累积效应[4]，可以看到在5年、10年和20年的累积效应影响分别为0162、0349和0805，这表明城镇人口老龄化提高一个百分点，将导致国内旅游总花费分别在5年、10年和20年累积提高0162、0349和0805个百分点。从以上的分析可以得到这样的结论：城镇人口老龄化的加速在整个考察期内对国内旅游总花费的增长有正向影响[5]，从未来长期看这种影响有稳定增长趋势。 其次，考察国内游客人次对城镇人口老龄化变量的标准差新息的响应情况和响应路径。从图2可以看出国内游客人次对于城镇人口老龄化增长的脉冲响应模式与国内旅游总花费对于城镇人口老龄化增长的脉冲响应模式上都趋于稳定的正向响应，但在脉冲响应的时间轨迹和冲击力度上存在差异。在第1年，国内游客人次对来自城镇人口老龄化的一个正冲击立即有正向影响，大小约为0017，也即城镇人口老龄化提高一个百分点，国内游客人次将提高0017个百分点，影响小于国内旅游总花费对城镇人口老龄化冲击的反应。此后冲击力度逐年稳步增强，对国内游客人次的增长保持持续的正向拉动效应，这种拉动效应比较稳定，而且正向效应持续的时间也更长。通过分析观察期的累积效应，发现城镇人口老龄化对于国内游客人次在5年、10年和20年的累积效应影响分别为 0140、0349和0954。这表明，城镇人口老龄化提高一个百分点，将导致国内游客人次分别在5年、10年和20年累积提高0140、0349和0954个百分点。与城镇人口老龄化对国内旅游总花费的累积效应比较，城镇人口老龄化对国内游客人次的影响在前10年比较小，但从11年以后累积效应逐年比对国内旅游总花费的累积效应大，这说明城镇人口老龄化与国内游客人次之间存在显著的长期稳定的正向关系，但城镇人口老龄化和国内旅游总花费之间的长期关系并不显著。这说明未来伴随着人口老龄化比重的增加，国内游客人次将不断上升，而这种由人口老龄化所拉动的国内游客人次的上升却并没有给国内旅游总花费带来显著的影响。
（四）方差分解
下面利用预测方差分解技术来分析城镇人口老龄化对国内旅游消费水平的相对贡献率。与脉冲响应分析不同，预测误差方差分解技术可将系统的预测均方误差分解成系统中各变量冲击所作的贡献。因此，方差分解给出的是每一随机新息对VAR模型影响的相对重要性。比较这个相对重要性新息随时间的变化，可以估计出该变量的作用时滞和相对效应的大小[6]。本文通过方差分解方法分析城镇人口老龄化对国内旅游消费水平的解释程度，方差分解结果见表3。对国内旅游总花费的方差分解结果表明国内旅游总花费的变动主要是受自身冲击的影响：在第1期达到9297%，随后有随时间下降的趋势，但下降幅度并不大，第20期也在76%左右。而来自城镇人口老龄化的冲击对国内旅游总花费变动的贡献率在第2期仅为703%，也即国内旅游总花费的预测方差的703%由城镇人口老龄化的变动来解释。这说明城镇人口老龄化的变动在初期对国内旅游总花费的影响并不显著，这种影响将随时间推移逐渐增大，在第20期达到2379%。由以上分析可以看出国内旅游总花费的变动主要由其自身的变动来解释，但城镇人口老龄化的变动对其变动存在一定的影响。
从表3可以看到城镇人口老龄化对国内游客人次波动的冲击（即对预测误差的贡献）开始不明显，第2期仅为568%，但此后逐年上升，第8期相对贡献率已达到5506%。这表明从未来长期趋势来看，城镇人口老龄化对国内游客人次变动的影响较大，从第18期开始对国内游客人次变动的解释已达到80%。与城镇人口老龄化对国内旅游总花费变动影响相比较，其影响程度明显要大很多，这与前面的脉冲响应分析的结果相一致。
三、结论及启示
本文利用1994-2013年全国的时间序列数据，建立了城镇人口老龄化与国内旅游总花费和国内游客人次之间的VAR模型，利用脉冲响应分析和方差分解分析预测城镇人口老龄化与国内旅游消费的动态响应关系，主要研究结论总结如下：
第一，国内旅游总花费对于城镇人口老龄化增长的脉冲响应模式与国内游客人次对于城镇人口老龄化增长的脉冲响应模式上都趋于稳定的正向响应，但在脈冲响应的时间轨迹和冲击力度上存在差异。与城镇人口老龄化对国内旅游总花费的累积效应比较，城镇人口老龄化对国内游客人次的影响在未来10期比较小，但从11期以后累积效应逐年比对国内旅游总花费的累积效应大，这说明城镇人口老龄化与国内游客人次之间存在显著的长期稳定的正向关系，但城镇人口老龄化和国内旅游总花费之间的未来长期关系并不显著。
第二，在方差分解中，国内旅游总花费的变动主要由其自身的变动来解释，但城镇人口老龄化的变动在初期对国内旅游总花费的贡献并不显著，这种影响将随时间推移逐渐增大。而城镇人口老龄化对国内游客人次波动的冲击在第2期仅为568%，但此后将逐年上升，第8期相对贡献率已达到5506%。与城镇人口老龄化对国内旅游总花费变动影响相比较，其未来的影响程度更显著，这与脉冲响应分析的结果是相一致的。
上述实证分析预测表明无论是短期还是长期，城镇人口老龄化对国内旅游消费均存在影响；从长期趋势看，随着城镇人口老龄化程度的加剧，这种冲击对国内旅游人次的影响较旅游花费效果更显著。一方面，20世纪50、60年代生育高峰出生的人口正在或即将步入老年，中国的老龄人口将迎来增长高峰，这一庞大的老年群体文化程度普遍提高，越来越多的老年人拥有自己的经济来源，其消费观念和生活方式发生了变化，加之有更多的闲暇时间，许多老年人选择外出旅游，未来老年人的旅游消费规模潜力巨大，从人口效应角度进一步解释了城镇人口老龄化对旅游消费的长期影响趋势是显著的；另一反面，城市老年人出游比例在增加，而旅游花费却相对较少，老年人口的代际效应也会对旅游消费产生影响。由于生活在不同时代的老年人口的消费需求具有很强的异质性，而旅游市场并未适应老龄化形势，对老年群体这一“蓝海市场”缺乏老龄化思维，导致旅游市场规划、旅游产品开发和旅游服务提供过程中缺少针对老年人群的个性化、定制化产品和服务，产品开发滞后成为介于老年旅游需求与购买决策之间的“瓶颈”[7]。这种在旅游业发展中的“年龄歧视”在很大程度上制约了老年人的旅游活动参与度，制约了对老年人旅游消费需求的满足。国家旅游局日前已出台了《旅行社老年旅游服务规范》，这为老年人外出旅游提供了安全保障的同时，更加需要旅游业积极应对人口老龄化，坚持“老龄思维”，不断解决老龄需求与老龄产品和服务之间不相适应的矛盾，以满足老龄人口日益多元、高层次的精神需求。 参考文献：
[1]陆杰华， 王伟进， 薛伟玲.中国老龄产业发展的现状、前景与政策支持体系[J].城市观察， 2013（4）： 5-13.
[2]张晓峒.应用数量经济学[M].北京： 机械工业出版社， 2014.
[3]陈强.高级计量经济学及Stata应用（第二版）[M].北京： 高等教育出版社，2014.
[4]万克德， 宋廷山， 郭思亮.山东省人口老龄化对城镇居民消费需求的影响[J].中国人口科学， 2013（4）： 82-127.
[5]张丽峰.我国人口结构对旅游消费的动态影响研究[J].干旱区资源与环境， 2015，29（3）： 193-198.
[6]王森.中国人口老龄化与居民消费之间关系的实证分析——基于1978-2007年的数据[J].西北人口， 2010，31（1）： 22-27.
[7]荣飞琼， 张晓燕.我国人口老龄化与老年旅游的新发展[J].西北人口，2016（4）： 63-65.
Abstract：At present， the level of urban aging in China has been accelerating， while the tourism consumption of the elderly population is increasing year by year. Tourism has become an important way to improve old people′s quality of life. An empirical study has been completed by using the related time series data from 1994 to 2013 and a VAR （Vector Autoregressive） model is constructed based on reflecting the dynamic relationship between urban aging and the domestic tourism consumption level. Based on VAR model， with impulse response function and variance decomposition analysis， this paper analyzes the dynamic effects of the urban aging on the domestic tourism. The cumulative effect of urban aging on domestic tourists trips arrivals is greater than the cumulative effect of the total cost of domestic tourism， indicating that there is a significant long-term stable positive relationship between urban aging and domestic tourists trips arrivals， but the long-term relationship between urban aging and the total domestic tourism spending is not significant； the aging of urban population plays an important role in the predictive variance of domestic tourist arrivals， but the aging of the urban population is relatively small in the variance of the prediction of the total cost of domestic tourism.
Key words：urban aging； domestic tourism consumption； VAR model； impulse response analysis； variance decomposition
（責任编辑：关立新）
关键词：城镇人口老龄化；国内旅游消费；VAR模型；脉冲响应分析；方差分解
中图分类号：F5903文献标识码：A文章编号：1001-148X（2017）01-0165-05
人口的消费需求在很大程度上取决于其收入水平，但在收入水平一定的情况下，人口结构的变化在一定程度上影响总消费需求。由于平均预期寿命的提高以及生育率的持续下降，我国老年人口消费增加的速度将快于人口增长速度[1]，老年人旅游消费需求正在向高层次、高质量、个性化、多元化的方向发展，旅游已经成为老年人提升生活质量的重要消费方式。无论基于人口效应还是消费效应，城镇人口老龄化对国内旅游消费都存在影响，本文试图通过实证来验证并预测这种影响效应，并采用VAR模型分析城镇人口老龄化对国内旅游消费的当期和未来的影响。
一、研究方法与数据来源
（一）研究方法
非结构建模的向量自回归（VAR）模型采用多方程联立的形式，内生变量在模型的每一个方程中对模型的全部内生变量的滞后值进行回归，将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型，进而估计全部内生变量的动态关系。因此，VAR模型能提供丰富的结构，可以捕捉到数据的特征，在预测方面比传统的结构模型更准确，可为动态地研究变量之间的关系提供很好的思路。VAR模型的一般数学表达式为：
Yt=α+∑pi=1AiYt-i+∑rj=1BjXt-j+εt（1）
其中，Yt是n维内生变量向量；Xt是m维外生变量向量；p和r分别为内生变量和外生变量的滞后阶数，一般可根据AIC、SC准则和LR检验来确定；Ai（i=1，2，…，p）和Bj（j=1，2，…，r）分别为待估计的参数矩阵；εt为随机扰动向量，且满足cov（εt，εs）=0（t≠s）。
（二）变量与数据说明
旅游花费和游客人次既是衡量旅游消费的重要指标，也是旅游统计的重点统计内容。本文采用国内旅游总花费（TH）（已通过旅游消费价格指数换算为实际值，上年=100）和国内游客人次（TC）来衡量国内旅游消费水平，用65岁及以上城镇老年人口占城镇总人口的比重（PO）作为衡量城镇人口老龄化水平的变量（该变量依据全国65岁及以上人口数量、城镇总人口、城镇人口比重换算得出），数据来自《中国统计年鉴》、《中国人口统计年鉴》、《中国人口和就业统计年鉴》，样本均取自1994-2013年年度数据。考虑到对时间序列数据取对数后减少数据波动和异方差的存在，本文在实际分析时采用各变量的对数值，分别用LTH、LTC、LPO表示自然对数的国内旅游总花费、自然对数的国内游客人次、自然对数的城镇人口老龄化水平。
二、实证分析
（一）变量的平稳性检验
变量的平稳性是VAR模型估计的基础，构建无约束的VAR模型的前提条件是变量为平稳的时间序列。本文运用Stata120软件分别对序列LTH、LTC、LPO采用ADF单位根检验法来检验时间序列数据的平稳水平，结果如表1所示：LTH、LTC、LPO时间序列在5%的显著水平上均是非平稳序列；对其进行一阶差分后进行ADF检验，结果表明这三个序列在5%的显著水平上，序列是平稳的。因此，可以判断这三个序列均是一阶单整I（1），可以建立VAR模型[2]。
进一步对建立的VAR模型进行稳定性检验，所设定的VAR模型所有根模的倒数都小于1，即位于单位圆内，说明VAR模型稳定且整体拟合度较高，保证了脉冲响应分析的有效性。经检验残差序列无自相关，并经White异方差检验显示不存在异方差，且服从正态分布，结果表明VAR模型具有有效性，可以进一步进行脉冲响应分析[3]。
（三）脉冲响应分析
为了研究城镇人口老龄化对旅游消费水平的动态影响关系，需要在已建立的VAR模型的基础上利用脉冲响应函数来分析两者之间的冲击影响程度。脉冲响应函数是用时间序列模型来分析影响关系的一种思路，用于衡量来自新息的一个标准差冲击对变量当前和未来的影响轨迹，并通过VAR模型的动态结构传导给其他所有内生变量，能够比较直观的刻画出变量之间的动态交互作用及其效应。本文采用Cholesky分解方法，利用已建立的VAR模型，分别给LTH、LTC一个标准差冲击，得到正交化的脉冲响应函数，将冲击响应期设为20期，考虑在未来20期內国内旅游总花费和国内游客人次分别对城镇人口老龄化水平的动态响应轨迹。响应结果如图1、图2所示。在图1中，横轴表示冲击作用的滞后期数，纵轴表示国内旅游总花费对城镇人口老龄化的响应程度，实线表示脉冲响应函数，阴影表示正负两倍标准差偏离带。在图2中，横轴表示同图1，纵轴表示国内游客人次对城镇人口老龄化的响应程度，实线表示脉冲响应函数，阴影表示正负两倍标准差偏离带。
首先，分析国内旅游总花费对城镇人口老龄化的响应情况和响应路径。由图1可以看出国内旅游总花费对城镇人口老龄化的一个标准差新息的冲击不管是在短期还是长期都有正向响应，短期冲击明显，未来长期趋于稳步提高。具体的响应轨迹是：随着城镇人口老龄化的提高在开始阶段就对国内旅游总花费产生了正向的冲击，城镇人口老龄化提高1个百分点，国内旅游总花费大约上升0029个百分点。此后冲击力度逐年稳步增强，对国内旅游总花费的增长保持持续的正向拉动效应，这种拉动效应比较稳定，而且正向效应持续的时间也更长。进一步观察追踪期期间的城镇人口老龄化对国内旅游总花费增长的累积效应[4]，可以看到在5年、10年和20年的累积效应影响分别为0162、0349和0805，这表明城镇人口老龄化提高一个百分点，将导致国内旅游总花费分别在5年、10年和20年累积提高0162、0349和0805个百分点。从以上的分析可以得到这样的结论：城镇人口老龄化的加速在整个考察期内对国内旅游总花费的增长有正向影响[5]，从未来长期看这种影响有稳定增长趋势。 其次，考察国内游客人次对城镇人口老龄化变量的标准差新息的响应情况和响应路径。从图2可以看出国内游客人次对于城镇人口老龄化增长的脉冲响应模式与国内旅游总花费对于城镇人口老龄化增长的脉冲响应模式上都趋于稳定的正向响应，但在脉冲响应的时间轨迹和冲击力度上存在差异。在第1年，国内游客人次对来自城镇人口老龄化的一个正冲击立即有正向影响，大小约为0017，也即城镇人口老龄化提高一个百分点，国内游客人次将提高0017个百分点，影响小于国内旅游总花费对城镇人口老龄化冲击的反应。此后冲击力度逐年稳步增强，对国内游客人次的增长保持持续的正向拉动效应，这种拉动效应比较稳定，而且正向效应持续的时间也更长。通过分析观察期的累积效应，发现城镇人口老龄化对于国内游客人次在5年、10年和20年的累积效应影响分别为 0140、0349和0954。这表明，城镇人口老龄化提高一个百分点，将导致国内游客人次分别在5年、10年和20年累积提高0140、0349和0954个百分点。与城镇人口老龄化对国内旅游总花费的累积效应比较，城镇人口老龄化对国内游客人次的影响在前10年比较小，但从11年以后累积效应逐年比对国内旅游总花费的累积效应大，这说明城镇人口老龄化与国内游客人次之间存在显著的长期稳定的正向关系，但城镇人口老龄化和国内旅游总花费之间的长期关系并不显著。这说明未来伴随着人口老龄化比重的增加，国内游客人次将不断上升，而这种由人口老龄化所拉动的国内游客人次的上升却并没有给国内旅游总花费带来显著的影响。
（四）方差分解
下面利用预测方差分解技术来分析城镇人口老龄化对国内旅游消费水平的相对贡献率。与脉冲响应分析不同，预测误差方差分解技术可将系统的预测均方误差分解成系统中各变量冲击所作的贡献。因此，方差分解给出的是每一随机新息对VAR模型影响的相对重要性。比较这个相对重要性新息随时间的变化，可以估计出该变量的作用时滞和相对效应的大小[6]。本文通过方差分解方法分析城镇人口老龄化对国内旅游消费水平的解释程度，方差分解结果见表3。对国内旅游总花费的方差分解结果表明国内旅游总花费的变动主要是受自身冲击的影响：在第1期达到9297%，随后有随时间下降的趋势，但下降幅度并不大，第20期也在76%左右。而来自城镇人口老龄化的冲击对国内旅游总花费变动的贡献率在第2期仅为703%，也即国内旅游总花费的预测方差的703%由城镇人口老龄化的变动来解释。这说明城镇人口老龄化的变动在初期对国内旅游总花费的影响并不显著，这种影响将随时间推移逐渐增大，在第20期达到2379%。由以上分析可以看出国内旅游总花费的变动主要由其自身的变动来解释，但城镇人口老龄化的变动对其变动存在一定的影响。
从表3可以看到城镇人口老龄化对国内游客人次波动的冲击（即对预测误差的贡献）开始不明显，第2期仅为568%，但此后逐年上升，第8期相对贡献率已达到5506%。这表明从未来长期趋势来看，城镇人口老龄化对国内游客人次变动的影响较大，从第18期开始对国内游客人次变动的解释已达到80%。与城镇人口老龄化对国内旅游总花费变动影响相比较，其影响程度明显要大很多，这与前面的脉冲响应分析的结果相一致。
三、结论及启示
本文利用1994-2013年全国的时间序列数据，建立了城镇人口老龄化与国内旅游总花费和国内游客人次之间的VAR模型，利用脉冲响应分析和方差分解分析预测城镇人口老龄化与国内旅游消费的动态响应关系，主要研究结论总结如下：
第一，国内旅游总花费对于城镇人口老龄化增长的脉冲响应模式与国内游客人次对于城镇人口老龄化增长的脉冲响应模式上都趋于稳定的正向响应，但在脈冲响应的时间轨迹和冲击力度上存在差异。与城镇人口老龄化对国内旅游总花费的累积效应比较，城镇人口老龄化对国内游客人次的影响在未来10期比较小，但从11期以后累积效应逐年比对国内旅游总花费的累积效应大，这说明城镇人口老龄化与国内游客人次之间存在显著的长期稳定的正向关系，但城镇人口老龄化和国内旅游总花费之间的未来长期关系并不显著。
第二，在方差分解中，国内旅游总花费的变动主要由其自身的变动来解释，但城镇人口老龄化的变动在初期对国内旅游总花费的贡献并不显著，这种影响将随时间推移逐渐增大。而城镇人口老龄化对国内游客人次波动的冲击在第2期仅为568%，但此后将逐年上升，第8期相对贡献率已达到5506%。与城镇人口老龄化对国内旅游总花费变动影响相比较，其未来的影响程度更显著，这与脉冲响应分析的结果是相一致的。
上述实证分析预测表明无论是短期还是长期，城镇人口老龄化对国内旅游消费均存在影响；从长期趋势看，随着城镇人口老龄化程度的加剧，这种冲击对国内旅游人次的影响较旅游花费效果更显著。一方面，20世纪50、60年代生育高峰出生的人口正在或即将步入老年，中国的老龄人口将迎来增长高峰，这一庞大的老年群体文化程度普遍提高，越来越多的老年人拥有自己的经济来源，其消费观念和生活方式发生了变化，加之有更多的闲暇时间，许多老年人选择外出旅游，未来老年人的旅游消费规模潜力巨大，从人口效应角度进一步解释了城镇人口老龄化对旅游消费的长期影响趋势是显著的；另一反面，城市老年人出游比例在增加，而旅游花费却相对较少，老年人口的代际效应也会对旅游消费产生影响。由于生活在不同时代的老年人口的消费需求具有很强的异质性，而旅游市场并未适应老龄化形势，对老年群体这一“蓝海市场”缺乏老龄化思维，导致旅游市场规划、旅游产品开发和旅游服务提供过程中缺少针对老年人群的个性化、定制化产品和服务，产品开发滞后成为介于老年旅游需求与购买决策之间的“瓶颈”[7]。这种在旅游业发展中的“年龄歧视”在很大程度上制约了老年人的旅游活动参与度，制约了对老年人旅游消费需求的满足。国家旅游局日前已出台了《旅行社老年旅游服务规范》，这为老年人外出旅游提供了安全保障的同时，更加需要旅游业积极应对人口老龄化，坚持“老龄思维”，不断解决老龄需求与老龄产品和服务之间不相适应的矛盾，以满足老龄人口日益多元、高层次的精神需求。 参考文献：
[1]陆杰华， 王伟进， 薛伟玲.中国老龄产业发展的现状、前景与政策支持体系[J].城市观察， 2013（4）： 5-13.
[2]张晓峒.应用数量经济学[M].北京： 机械工业出版社， 2014.
[3]陈强.高级计量经济学及Stata应用（第二版）[M].北京： 高等教育出版社，2014.
[4]万克德， 宋廷山， 郭思亮.山东省人口老龄化对城镇居民消费需求的影响[J].中国人口科学， 2013（4）： 82-127.
[5]张丽峰.我国人口结构对旅游消费的动态影响研究[J].干旱区资源与环境， 2015，29（3）： 193-198.
[6]王森.中国人口老龄化与居民消费之间关系的实证分析——基于1978-2007年的数据[J].西北人口， 2010，31（1）： 22-27.
[7]荣飞琼， 张晓燕.我国人口老龄化与老年旅游的新发展[J].西北人口，2016（4）： 63-65.
Abstract：At present， the level of urban aging in China has been accelerating， while the tourism consumption of the elderly population is increasing year by year. Tourism has become an important way to improve old people′s quality of life. An empirical study has been completed by using the related time series data from 1994 to 2013 and a VAR （Vector Autoregressive） model is constructed based on reflecting the dynamic relationship between urban aging and the domestic tourism consumption level. Based on VAR model， with impulse response function and variance decomposition analysis， this paper analyzes the dynamic effects of the urban aging on the domestic tourism. The cumulative effect of urban aging on domestic tourists trips arrivals is greater than the cumulative effect of the total cost of domestic tourism， indicating that there is a significant long-term stable positive relationship between urban aging and domestic tourists trips arrivals， but the long-term relationship between urban aging and the total domestic tourism spending is not significant； the aging of urban population plays an important role in the predictive variance of domestic tourist arrivals， but the aging of the urban population is relatively small in the variance of the prediction of the total cost of domestic tourism.
Key words：urban aging； domestic tourism consumption； VAR model； impulse response analysis； variance decomposition
（責任编辑：关立新）