研究目的與方法①文獻綜述法通過查閱過內(nèi)外大量的對第三產(chǎn)業(yè)發(fā)展的影響因素分析文獻，為該模型的研究打下基礎(chǔ)和立足點。同時分析文獻使模型構(gòu)建和分析過程中出現(xiàn)的問題進行修正，以達(dá)到模型具有良好的可靠性和可信度。②實證分析法本文將采用實證分析法來探究江西省旅游收入的影響因素。首先本文將收集近幾年的江西省國內(nèi)旅游收入數(shù)據(jù)以及相關(guān)影響因素的數(shù)據(jù)，包括但不限于旅游財政支出、居民消費支出、鐵路營業(yè)公里、星級飯店數(shù)量、美元匯率、國民GDP等。這些數(shù)據(jù)將作為研究的基礎(chǔ)。其次將運用多元線性回歸模型來分析這些因素對江西省國內(nèi)旅游收入的影響程度。在模型的建立和驗證過程中，本文將逐步加入和剔除變量，以篩選出對國內(nèi)旅游收入具有顯著影響的因素。通過對回歸模型的擬合程度和顯著性檢驗，本文將評估各個因素對江西省旅游收入的影響強度和方向。然后將進行變量間的相關(guān)性分析，以了解各因素之間的相互關(guān)系，從而更好地理解江西省國內(nèi)旅游收入的形成機制。特別地，本文將重點關(guān)注旅游景點數(shù)量和旅游服務(wù)質(zhì)量這兩個因素的影響情況，探索它們在江西省旅游業(yè)發(fā)展中的重要性。最后將通過統(tǒng)計軟件進行數(shù)據(jù)處理和分析，并對結(jié)果進行解釋和討論，以得出關(guān)于江西省旅游收入影響因素的實證研究結(jié)論。這一研究方法將為本文提供深入理解江西省旅游業(yè)發(fā)展的機制和趨勢，為政府和旅游業(yè)者提供科學(xué)的決策依據(jù)。③定量分析法江西省旅游收入的定量分析通常采用統(tǒng)計學(xué)中的定量方法，其中最常見的是時間序列分析和相關(guān)性分析。首先，時間序列分析將歷年來江西省的旅游收入數(shù)據(jù)進行收集和整理，然后利用統(tǒng)計方法對其進行分析。這種方法可以幫助本文了解江西省旅游收入的發(fā)展趨勢，識別出可能存在的周期性、季節(jié)性或趨勢性變化，從而為未來的發(fā)展規(guī)劃提供參考依據(jù)。其次，相關(guān)性分析將江西省旅游收入與可能影響其的因素進行關(guān)聯(lián)性分析。這包括經(jīng)濟發(fā)展水平、旅游產(chǎn)業(yè)政策、旅游資源稟賦、旅游服務(wù)水平等因素。通過對這些因素與旅游收入之間的相關(guān)性進行統(tǒng)計分析，可以揭示它們之間的關(guān)聯(lián)程度和影響方向，從而幫助政府和相關(guān)機構(gòu)更好地制定旅游發(fā)展策略和政策。在定量分析的過程中，通過統(tǒng)計軟件能夠?qū)Υ罅繑?shù)據(jù)進行有效處理和分析，從而得出客觀、可靠的結(jié)論，為江西省旅游業(yè)的發(fā)展提供科學(xué)的數(shù)據(jù)支持和決策二、文獻綜述（一）國內(nèi)研究現(xiàn)狀劉爽、劉艷萍(2018)運用描述性統(tǒng)計分析、相關(guān)性分析、多元回歸分析,將因變量設(shè)定為攜程網(wǎng)站中三亞跟團游的產(chǎn)品銷售量,共選取了十個可能的影響因素,綜合研宄其對銷售量的影響,最終通過模型發(fā)現(xiàn)了價格、純文本評論數(shù)量、帶圖評論數(shù)量這三個變量顯著影響銷售量,且都與銷售量呈現(xiàn)出線性關(guān)系。鄢慧麗等(2018)運用SPSS軟件構(gòu)建結(jié)構(gòu)方程模型來研宄變量之間的相關(guān)關(guān)系,自變量為感知風(fēng)險,共包含五個維度,將購買意向作為因變量,而將信任程度視為中介變量,使其能發(fā)揮調(diào)節(jié)作用,分析結(jié)果表明自變量感知風(fēng)險對因變量購買意愿的影響都為負(fù)相關(guān),而信任則能夠有效降低感知風(fēng)險對購買意愿所產(chǎn)生的負(fù)向影響,此外,感知風(fēng)險對信任的影響基本為正向,僅經(jīng)濟感知風(fēng)險會對信任產(chǎn)生負(fù)面影響。李海洋(2020)分析了從飛豬網(wǎng)站中獲取的2019年度貴州跟團游的詳細(xì)數(shù)據(jù),在R語言中運用普通最小二乘法建立回歸模型,最終分析得到產(chǎn)品售價對銷售量有反向影響,用戶評價、產(chǎn)品評分、產(chǎn)品庫存量、飛豬里程、含飛機、含純玩、含包退、舒適型酒店、知名旅行社會促進每月銷售量的增長。賈圓斐（2021）得出旅游環(huán)境、經(jīng)濟因素以及旅游住宿和餐飲是影響陜西省入境旅游收入的主要因素。運用主成分回歸來研究影響陜西省國內(nèi)旅游收入的因素，發(fā)現(xiàn)城市供水綜合生產(chǎn)能力、城市集中供熱面積和互聯(lián)網(wǎng)寬帶用戶覆蓋率是影響陜西省國內(nèi)旅游收入的主要因素。之后，分別利用旅游本底趨勢線和灰色預(yù)測模型來預(yù)測陜西省入境旅游收入和入境旅游人數(shù)、國內(nèi)旅游收入和國內(nèi)旅游人數(shù)。通過模型的比較發(fā)現(xiàn)，灰色預(yù)測模型的誤差更小。最后，基于實證分析的結(jié)果，結(jié)合陜西省旅游業(yè)的發(fā)展現(xiàn)狀，提出了促進陜西省旅游業(yè)發(fā)展的對策建議。劉炯（2023）以2004年至2019年的數(shù)據(jù)為樣本，采用SPSS軟件和多元線性回歸分析方法構(gòu)建了安徽省旅游收入預(yù)測模型。研究結(jié)果顯示，安徽省的國內(nèi)旅游收入受到國內(nèi)旅游人數(shù)和人均國內(nèi)生產(chǎn)總值的顯著影響，前者與旅游收入呈現(xiàn)出積極關(guān)系，而后者則呈現(xiàn)出輕微的負(fù)相關(guān)?？傮w而言，該模型的預(yù)測準(zhǔn)確性相當(dāng)出色，尤其在近期的預(yù)測方面表現(xiàn)優(yōu)異。（二）國外研究現(xiàn)狀San等人（2017）運用實證研究的方法，討論了用戶對旅行目的地進行選擇的決定因素。研究發(fā)現(xiàn)，企業(yè)的聲譽、消費者的消費經(jīng)歷和目的地的知名度都是顯著影響因素。Chen等人（2020）使用在中國重慶收集的調(diào)查數(shù)據(jù)，運用結(jié)構(gòu)方程模型量化地描述了多個因素對游客的在線旅游產(chǎn)品購買意愿的影響，以及這些因素之間的交互作用。研究結(jié)果顯示，影響旅游者購買意愿最主要的因素包括感知有用性、感知信任和感知風(fēng)險，而享樂動機、主觀規(guī)范和感知易用性也會對購買意愿產(chǎn)生一定程度的影響。此外，消費者在購買某種商品或品牌時，會受到不同群體的影響，通常更傾向于選擇評論數(shù)量較多的產(chǎn)品。三、 江西旅游收入現(xiàn)狀及影響因素分析江西省作為一個歷史悠久、文化底蘊深厚的旅游目的地，吸引著大量游客前來探訪。江西省旅游業(yè)的現(xiàn)狀可以從以下幾個方面進行分析：旅游收入現(xiàn)狀1.資源分析近年來，江西省的旅游收入呈現(xiàn)出較為穩(wěn)定的增長趨勢，但在2020年出現(xiàn)了較大幅度的下降。從2012年到2019年，江西省的國內(nèi)旅游收入經(jīng)歷了持續(xù)增長，從1402.59億元增長至9656.38億元，年均增長率約為23.4%。其中，2016年至2019年的增長尤為顯著，這一階段江西旅游業(yè)呈現(xiàn)出較快的發(fā)展態(tài)勢。然而，2020年的旅游收入突然下降至5422.70億元，較2019年減少了近50%。這一下降主要受到新冠疫情的嚴(yán)重影響，旅游業(yè)遭遇了空前的挑戰(zhàn)。雖然2021年江西省旅游收入有所回升，達(dá)到6769.02億元，但仍未能完全恢復(fù)到疫情前的水平。圖1變量的走勢從長期趨勢來看，江西省的旅游業(yè)發(fā)展?jié)摿θ匀痪薮螅貏e是紅色旅游等特色旅游項目具有獨特的吸引力。然而，疫情等外部因素對旅游業(yè)的影響不容忽視，需要加強風(fēng)險應(yīng)對和危機管理，同時加大對旅游業(yè)的政策支持和投入，以促進江西省旅游業(yè)的持續(xù)健康發(fā)展。在江西省旅游業(yè)的發(fā)展中，紅色旅游是一大特色。以井岡山、八一起義紀(jì)念館、革命圣地等為代表的紅色旅游景點，吸引了大量游客前來參觀。紅色旅游不僅豐富了江西旅游業(yè)的內(nèi)涵，也為江西省的經(jīng)濟增長和文化傳承注入了新的活力。分城市來看，南昌市作為江西省的省會和經(jīng)濟中心，其旅游收入占比一直位居前列。九江、景德鎮(zhèn)等地也持續(xù)增加，特別是以紅色旅游為主題的景點，如井岡山、革命圣地等，吸引了大量游客，為江西省旅游業(yè)的發(fā)展做出了重要貢獻。綜上所述，近年來，江西省旅游業(yè)發(fā)展勢頭良好，國內(nèi)旅游收入穩(wěn)步增長，各地旅游業(yè)也呈現(xiàn)出多樣化和特色化的發(fā)展趨勢，紅色旅游等特色旅游項目成為江西旅游業(yè)的重要支撐點，為江西省經(jīng)濟發(fā)展和文化傳承做出了重要貢獻。2.政策分析江西省作為一個歷史悠久、文化底蘊深厚的旅游目的地，吸引著大量游客前來探訪。從政策角度來看，江西省旅游業(yè)的現(xiàn)狀可以從以下幾個方面進行分析：首先，江西省政府高度重視旅游業(yè)發(fā)展，采取了一系列支持措施。這些舉措包括增加對旅游基礎(chǔ)設(shè)施建設(shè)的投資，提升旅游景區(qū)的品質(zhì)和服務(wù)水平；推動旅游業(yè)與其他相關(guān)產(chǎn)業(yè)的融合發(fā)展，促進全域旅游的發(fā)展；加強旅游市場監(jiān)管，保障游客權(quán)益，提升江西旅游的整體形象。其次，江西省積極推動旅游業(yè)的轉(zhuǎn)型升級，注重挖掘和保護本地文化遺產(chǎn)，推動文化旅游的發(fā)展。通過加強文化旅游資源的開發(fā)和利用，提升江西旅游的吸引力和競爭力，吸引更多游客前來體驗江西獨特的文化魅力。此外，江西省政府還致力于推動鄉(xiāng)村旅游和生態(tài)旅游的發(fā)展，加強生態(tài)環(huán)境保護和旅游資源的可持續(xù)利用。通過政策引導(dǎo)和扶持，促進鄉(xiāng)村旅游業(yè)的蓬勃發(fā)展，打造一批具有特色和吸引力的鄉(xiāng)村旅游目的地，為游客提供更加豐富多樣的旅游選擇。總的來說，江西省在旅游業(yè)發(fā)展中注重政策引導(dǎo)和支持，努力打造具有競爭力和吸引力的旅游目的地，不斷提升江西旅游的品質(zhì)和水平，為游客提供更好的旅游體驗。隨著政策的不斷完善和執(zhí)行落實，相信江西省的旅游業(yè)將迎來更加美好的發(fā)展前景。（二）影響因素分析影響一個地區(qū)旅游收入的因素涵蓋了多個方面。其中，經(jīng)濟發(fā)展水平、旅游產(chǎn)業(yè)政策、旅游資源稟賦以及旅游服務(wù)水平等因素相互交織，共同塑造著旅游業(yè)的格局。經(jīng)濟發(fā)展水平在很大程度上決定了人們的旅游消費能力。經(jīng)濟繁榮的地區(qū)吸引更多游客前來消費，從而促進旅游收入的增長。旅游產(chǎn)業(yè)政策對于旅游業(yè)的發(fā)展至關(guān)重要。良好的政策環(huán)境能夠吸引更多的投資和資源進入旅游行業(yè)，推動旅游業(yè)的蓬勃發(fā)展。政府的政策支持和扶持措施也能夠提升旅游業(yè)的競爭力和吸引力。旅游資源稟賦是一個地區(qū)發(fā)展旅游業(yè)的重要基礎(chǔ)。豐富的自然景觀、人文歷史和文化遺產(chǎn)是吸引游客的重要因素。地區(qū)擁有足夠的旅游資源，能夠為游客提供豐富多彩的旅游體驗，從而促進旅游收入的增長。旅游服務(wù)水平直接影響著游客的旅游體驗和滿意度。優(yōu)質(zhì)的旅游服務(wù)包括交通便利、住宿設(shè)施、導(dǎo)游服務(wù)、旅游安全等方面，提升游客的滿意度，增加他們的再次光顧和推薦意愿，進而促進旅游收入的增長。綜上所述，經(jīng)濟發(fā)展水平、旅游產(chǎn)業(yè)政策、旅游資源稟賦以及旅游服務(wù)水平等因素共同作用，塑造了地區(qū)旅游業(yè)的發(fā)展格局。只有在多方面因素的共同促進下，地區(qū)的旅游業(yè)才能夠?qū)崿F(xiàn)持續(xù)健康發(fā)展。四、實證分析（一）理論模型的設(shè)計PRM1.模型表達(dá)式為了研究江西省旅游收入的影響因素，本文選取了江西省旅游收入作為被解釋變量Y，解釋變量旅財政支出、居民消費支出、鐵路營業(yè)公里、星級飯店、美元匯率、國民gdp分別用X1~X5表示。具體模型形式如下：t0+1lnX1+2lnX2+3lnX3+4lnX4+5lnX5+6lnX6+7lnX7+8lnX8+9lnX9+10lnX10+（1）其中，（i=1，2，3，4，5，6，7，8，9，10）為待估計參數(shù)，為隨機干擾項。假設(shè)模型（1）為經(jīng)典正態(tài)線性回歸模型（CNLRM）。2.虛擬變量1.加法模型：lsyc2.乘法模型：lsyc3.加法與乘法相結(jié)合的模型：lsyc（二）樣本數(shù)據(jù)的收集基于多元線性回歸模型預(yù)測分析江西省國內(nèi)旅游收入，本文選擇以下一些因素作為模型的自變量，這些因素被認(rèn)為對江西省國內(nèi)旅游收入有影響：(1)X1:江西財政支出-旅游。表示江西省政府在旅游方面的財政支出。財政支出的增加可能意味著更多的旅游資源開發(fā)和旅游設(shè)施建設(shè)，從而促進旅游業(yè)的發(fā)展。(2)X2:居民消費支出。表示江西省居民在旅游方面的消費支出。居民消費支出的增加可能意味著更多的人選擇旅游，從而推動旅游業(yè)的增長。(3)X3:鐵路營業(yè)公里。表示江西省鐵路的發(fā)展情況。鐵路的發(fā)展可以提高旅游的便利性和可達(dá)性，吸引更多的游客來江西旅游。(4)X4:旅游星級賓館。表示江西省的旅游星級賓館數(shù)量。賓館的增加可以提供更多的住宿選擇，吸引更多的游客來江西旅游。(5)X5:美元匯率。表示美元對人民幣的匯率。匯率的變化可能會影響外國游客來江西旅游的成本，從而對旅游業(yè)產(chǎn)生影響。(6)X6:國內(nèi)生產(chǎn)總值。表示江西省的經(jīng)濟總量。經(jīng)濟總量的增加可能意味著更多的人有能力和意愿進行旅游消費，從而促進旅游業(yè)的發(fā)展。(7)X7:江西省造林總面積。表示江西省的造林面積。造林的增加可以改善江西省的生態(tài)環(huán)境，提供更多的自然景觀和旅游資源，吸引更多的游客來江西旅游。(8)X8:江西省文化與旅游機構(gòu)數(shù)。表示江西省的文化與旅游機構(gòu)數(shù)量。機構(gòu)的增加可以提供更多的旅游服務(wù)和活動，豐富旅游體驗，吸引更多的游客來江西旅游。(9)X9:江西省財政支出-環(huán)保。表示江西省政府在環(huán)保方面的財政支出。環(huán)保的增加可以改善江西省的環(huán)境質(zhì)量，提供更好的旅游體驗，吸引更多的游客來江西旅游。(10)X10:江西省城市建設(shè)-公園數(shù)。表示江西省城市建設(shè)中公園的數(shù)量。公園的增加可以提供更多的休閑和娛樂場所，豐富旅游體驗，吸引更多的游客來江西旅游。(11):其他因素。諸如消費觀念、家庭財產(chǎn)、政策等一系列因素都會對旅游產(chǎn)生影響；而偶然性的因素，例如新冠肺炎的突然發(fā)生導(dǎo)致旅游收入大幅減少；此外，還存在一些因素超出了本文的認(rèn)知能力和界限?？傊@些因素難以收集，難以度量，因此被歸類為其他因素。（三）模型參數(shù)的估計OLS法1.描述統(tǒng)計分析圖2變量的走勢

表2變量的描述統(tǒng)計分析LNYLNX1LNX2LNX3LNX4LNX5LNX6LNX7LNX8LNX9LNX10Mean7.9313.279.268.185.931.8813.411.588.5213.625.96Median8.2013.449.498.275.941.8813.441.598.5813.525.95Maximum9.1814.0310.168.486.121.9614.001.728.8414.686.80Minimum6.3345.681.8012.681.457.9611.685.23Std.Dev.0.970.590.650.420.080.280.870.52Skewness-0.38-0.52-0.42-0.17-0.430.09-0.310.19-0.55-0.520.12Kurtosis1.682.261.891.412.131.821.962.032.132.671.75Jarque-Bera1.441.011.211.650.930.880.910.681.240.751.02Probability0.490.600.550.440.630.640.630.710.540.690.60Sum118.98199.12138.96122.6488.9628.19201.1823.67127.86204.3589.33數(shù)據(jù)來源：EViews9.0軟件(數(shù)據(jù)只保留2位小數(shù))。2.相關(guān)性分析圖3散點圖

表3Pearson相關(guān)系數(shù)矩陣CovarianceAnalysis:OrdinaryDate:02/08/24Time:12:37Sample:20082022Includedobservations:15Correlationt-StatisticLNYLNX1LNX2LNX3LNX4LNX5LNX6LNX7LNX8LNX9LNX10LNY1LNX10.931.009.23LNX20.910.961.007.9812.74LNX30.950.950.931.0011.2210.438.87LNX40.110.080.12-0.071.000.410.280.42-0.27LNX5-0.28-0.36-0.43-0.20-0.741.00-1.05-1.37-1.72-0.75-4.02LNX60.950.990.960.960.03-0.311.0011.5522.6412.7612.980.09-1.19LNX7-0.94-0.90-0.87-0.89-0.130.27-0.931.00-9.51-7.44-6.25-6.90-0.471.02-9.18LNX80.970.990.950.960.08-0.320.99-0.931.0014.5922.0311.2012.250.27-1.2125.32-9.41LNX90.620.690.680.68-0.21-0.140.72-0.580.691.002.883.423.323.33-0.76-0.493.75-2.563.40LNX100.920.960.940.98-0.14-0.200.98-0.900.960.741.008.5212.919.8115.92-0.49-0.7419.57-7.3912.783.94數(shù)據(jù)來源：EViews9.0軟件。(數(shù)據(jù)只保留2位小數(shù))。3.多元線性回歸分析I．逐步線性回歸分析利用EViews9.0對模型（1）進行回歸，逐步線性回歸分析結(jié)果如下表3所示。表5逐步線性回歸模型估計結(jié)果DependentVariable:LNYMethod:StepwiseRegressionDate:02/08/24Time:13:14Sample:20082022Includedobservations:15NoalwaysincludedregressorsNumberofsearchregressors:11Selectionmethod:StepwiseforwardsStoppingcriterion:p-valueforwards/backwards=0.5/0.5VariableCoefficientStd.Errort-StatisticProb.*

LNX10-3.6274541.572462-2.3068630.0544LNX7-1.9200831.813188-1.0589540.3248LNX33.7668901.1328523.3251380.0127C-53.1293111.80998-4.4986780.0028LNX64.4881061.9044672.3566210.0506LNX4-1.0243960.867392-1.1810070.2762LNX1-1.0031500.649796-1.5437920.1665LNX81.6530801.8310980.9027810.3966R-squared0.990434

Meandependentvar7.931726AdjustedR-squared0.980868

S.D.dependentvar0.968368S.E.ofregression0.133943

Akaikeinfocriterion-0.878273Sumsquaredresid0.125586

Schwarzcriterion-0.500646Loglikelihood14.58704

Hannan-Quinncriter.-0.882295F-statistic103.5367

Durbin-Watsonstat1.930577Prob(F-statistic)0.000002*Note:p-valuesandsubsequenttestsdonotaccountforstepwise

selection.數(shù)據(jù)來源：EViews9.0軟件通過表3可得lnx3,lnx6,lnx10與lny的相關(guān)性大，保留自變量再進行多元線性回歸分析

表6多元元線性回歸模型估計結(jié)果DependentVariable:LNYMethod:LeastSquaresDate:02/08/24Time:13:20Sample:20082022Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.

C-51.135627.699366-6.6415360.0000LNX33.9526440.9940523.9762970.0022LNX63.1327880.6949004.5082560.0009LNX10-2.5637620.681463-3.7621420.0031R-squared0.967561

Meandependentvar7.931726AdjustedR-squared0.958714

S.D.dependentvar0.968368S.E.ofregression0.196761

Akaikeinfocriterion-0.190472Sumsquaredresid0.425865

Schwarzcriterion-0.001658Loglikelihood5.428537

Hannan-Quinncriter.-0.192483F-statistic109.3671

Durbin-Watsonstat0.964802Prob(F-statistic)0.000000數(shù)據(jù)來源：EViews9.0軟件。自變量lnx3,lnx6,lnx10的p值均小于0.05，既滿足與應(yīng)變量lny的相關(guān)性（四）計量經(jīng)濟學(xué)檢驗1.多重共線性檢驗利用EViews9.0對模型（2）進行回歸，多重共線性檢驗分析結(jié)果如下表6所示。表7多重共線性模型檢驗結(jié)果VarianceInflationFactorsDate:02/08/24Time:13:23Sample:20082022Includedobservations:15CoefficientUncenteredCenteredVariableVarianceVIFVIFC

59.28024

22967.91

NALNX3

0.988139

25614.17

20.74346LNX6

0.482886

33686.94

30.82639LNX10

0.464392

6426.587

45.29571數(shù)據(jù)來源：EViews9.0軟件。經(jīng)vif檢驗研究結(jié)果發(fā)現(xiàn)模型無多重共線性。2.異方差檢驗異方差性指的是在不同樣本點或者不同解釋變量觀測值之間，隨機干擾項具有不同的方差。因此，檢驗異方差性即檢驗隨機干擾項的方差與解釋變量觀測值之間的相關(guān)性。首先采用普通最小二乘法估計模型，得到隨機干擾項的估計量。 (4)接著再用來表示隨機干擾項的方差(1)懷特（White）檢驗法懷特檢驗法是通過對模型作OLS回歸，并得到殘差項的平方，然后進行輔助回歸進行檢驗。對上述模型進行懷特檢驗后得到如下結(jié)果：表8異方差模型檢驗結(jié)果HeteroskedasticityTest:WhiteF-statistic1.142866

Prob.F(8,6)0.4479Obs*R-squared9.056630

Prob.Chi-Square(8)0.3375ScaledexplainedSS2.908157

Prob.Chi-Square(8)0.9400TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:02/08/24Time:13:26Sample:20082022Includedobservations:15CollineartestregressorsdroppedfromspecificationVariableCoefficientStd.Errort-StatisticProb.

C19.4953987.289720.2233410.8307LNX3^2-0.7912916.061573-0.1305420.9004LNX3*LNX61.2839164.6071330.2786800.7898LNX3*LNX10-1.1520167.658036-0.1504320.8854LNX32.58327593.643380.0275860.9789LNX6^2-0.3646384.106874-0.0887870.9321LNX6*LNX100.7884005.5149180.1429580.8910LNX6-4.85412345.77817-0.1060360.9190LNX10^2-0.1317830.958113-0.1375450.8951R-squared0.603775

Meandependentvar0.028391AdjustedR-squared0.075476

S.D.dependentvar0.032115S.E.ofregression0.030879

Akaikeinfocriterion-3.833781Sumsquaredresid0.005721

Schwarzcriterion-3.408951Loglikelihood37.75336

Hannan-Quinncriter.-3.838307F-statistic1.142866

Durbin-Watsonstat2.090190Prob(F-statistic)0.447852數(shù)據(jù)來源：EViews9.0軟件。經(jīng)懷特檢驗研究發(fā)現(xiàn)，模型（1）為同方差。進行懷特檢驗后臨界值P=0.34遠(yuǎn)大于0.05，結(jié)果證明該模型存在異方差，需要進行異方差的修正。

3.異方差修正表9異方差模型修正后檢驗結(jié)果HeteroskedasticityTest:WhiteF-statistic43.88113

Prob.F(6,8)0.0000Obs*R-squared14.55766

Prob.Chi-Square(6)0.0240ScaledexplainedSS7.127416

Prob.Chi-Square(6)0.3092TestEquation:DependentVariable:WGT_RESID^2Method:LeastSquaresDate:03/14/24Time:21:24Sample:20082022Includedobservations:15CollineartestregressorsdroppedfromspecificationVariableCoefficientStd.Errort-StatisticProb.

C-0.0009170.004006-0.2290420.8246LNX3^2*WGT^21.9514720.4435014.4001500.0023LNX3*LNX6*WGT^20.0643510.0520361.2366660.2513LNX3*LNX10*WGT^2-4.2173520.730864-5.7703670.0004LNX3*WGT^2-7.1373752.667525-2.6756540.0281LNX10^2*WGT^22.1161350.2315819.1377770.0000LNX10*WGT^28.5751894.1140882.0843480.0706R-squared0.970511

Meandependentvar0.033871AdjustedR-squared0.948394

S.D.dependentvar0.047308S.E.ofregression0.010747

Akaikeinfocriterion-5.923655Sumsquaredresid0.000924

Schwarzcriterion-5.593232Loglikelihood51.42741

Hannan-Quinncriter.-5.927175F-statistic43.88113

Durbin-Watsonstat2.175464Prob(F-statistic)0.000011權(quán)重為其他因素平方的倒數(shù)，異方差修正后，再進行懷特檢驗后臨界值P=0.024小于0.05，結(jié)果該模型不存在異方差

（五）模型最終結(jié)果模型都通過六大經(jīng)典假設(shè)后，得到模型的最終結(jié)果：表10三元線性回歸模型估計結(jié)果VariableCoefficientStd.Errort-StatisticProb.C-51.1367.700-6.6420LNX33.9530.9943.9760.0022LNX63.1330.6954.5080.0009LNX10-2.5640.681-3.7620.0031R-squared0.968Meandependentvar7.931AdjustedR-squared0.959S.D.dependentvar0.969S.E.ofregression0.197Akaikeinfocriterion-0.1905Sumsquaredresid0.426Schwarzcriterion-0.0017Loglikelihood5.429Hannan-Quinncriter.-0.193F-statistic109.367Durbin-Watsonstat0.965Prob(F-statistic)0數(shù)據(jù)來源：EViews9.0軟件。根據(jù)表7可得模型（1）的回歸結(jié)果表達(dá)式（SRF）為：LNY=-44.3208-0.4429*LNX3+4.9743*LNX6-1.8047*LNX10（2）根據(jù)回歸結(jié)果，可知六大經(jīng)典假設(shè)都成立。五、結(jié)論與建議（一）研究結(jié)論江西省鐵路營業(yè)公里、國內(nèi)生產(chǎn)總值、江西省城市建設(shè)-公園數(shù)都是影響江西省旅游收入的關(guān)鍵因素1.鐵路營業(yè)公里：鐵路的發(fā)展可以提高旅游的便利性和可達(dá)性，吸引更多的游客來江西旅游。因此，加強鐵路網(wǎng)絡(luò)建設(shè)，提高鐵路運輸能力，開通更多的旅游線路，可以促進江西省旅游業(yè)的發(fā)展。2.國內(nèi)生產(chǎn)總值：國內(nèi)生產(chǎn)總值的增加可能意味著更多的人有能力和意愿進行旅游消費，從而促進旅游業(yè)的發(fā)展。因此，江西省可以通過推動經(jīng)濟發(fā)展，提高居民收入水平，鼓勵消費和旅游消費，來促進旅游業(yè)的增長。3.江西省城市建設(shè)-公園數(shù)：江西省城市建設(shè)中的公園數(shù)對旅游收入產(chǎn)生負(fù)向影響。公園作為旅游景點的一部分，可能是因為過于提高數(shù)量導(dǎo)致質(zhì)量不一。因此，江西可以加大對公園建設(shè)的投入，提升公園的質(zhì)量，提升旅游景點的吸引力，從而促進旅游收入的增長。城市建設(shè)中公園的增加可以提供更多的休閑和娛樂場所，豐富旅游體驗，吸引更多的游客來江西旅游。（二）對策建議1.鐵路網(wǎng)絡(luò)建設(shè)：加強鐵路網(wǎng)絡(luò)建設(shè)，提高運輸能力，開通更多旅游線路，可通過提高旅游的便利性和可達(dá)性來吸引更多游客。建議政府加大對鐵路建設(shè)的投入，優(yōu)化線路規(guī)劃，提高運輸效率，同時加強與旅游景點的銜接，提供便捷的交通服務(wù)，吸引更多游客選擇鐵路出行。2.經(jīng)濟發(fā)展和居民收入水平：推動經(jīng)濟發(fā)展，提高居民收入水平，是增加旅游消費的重要途徑。政府可通過實施經(jīng)濟政策，促進產(chǎn)業(yè)發(fā)展，提高就業(yè)率，增加居民收入。同時，鼓勵消費和旅游消費，可通過發(fā)放消費券、推出優(yōu)惠政策等方式，激發(fā)居民的消費熱情，增加旅游業(yè)的需求，提升旅游收入。3.城市建設(shè)和公園質(zhì)量：加大城市建設(shè)力度，注重公園質(zhì)量，可提升城市形象和吸引力，從而增加旅游收入。建議政府在城市規(guī)劃中注重公園的質(zhì)量而非數(shù)量，打造具有特色和品質(zhì)的公園，提升城市綠化率和環(huán)境質(zhì)量，吸引更多游客前來游覽，增加旅游收入。以上對策建議旨在綜合利用鐵路網(wǎng)絡(luò)建設(shè)、經(jīng)濟發(fā)展和城市建設(shè)等因素，提高旅游收入，促進旅游業(yè)的健康發(fā)展。參考文獻鄢慧麗,徐帆,熊浩等.感知風(fēng)險對在線旅游產(chǎn)品購買意愿的影響分析[J].重慶郵電大學(xué)學(xué)報(社會科學(xué)版),2018,30(03):81-87.劉爽,劉艷萍.攜程跟團游產(chǎn)品銷量影響因