行政院國家科學委員會補助專題研究計畫 成果報告 期中進度報告 SARS 與禽流感對亞洲地區國際旅遊需求的影響之再估計 計畫類別 : 個別型計畫 整合型計畫計畫編號 :NSC 98-2410 - H - 324-011- 執行期間 : 98 年 8 月 1 日至 99 年 7 月 31 日 執行機構及系所 : 朝陽科技大學老人服務事業管理系 計畫主持人 : 郭曉怡 共同主持人 : 計畫參與人員 : 黃文慶 許家盛 黃裕盛 吳書豪 邱筱鈞 成果報告類型 ( 依經費核定清單規定繳交 ): 精簡報告 完整報告 本計畫除繳交成果報告外, 另須繳交以下出國心得報告 : 赴國外出差或研習心得報告 赴大陸地區出差或研習心得報告 出席國際學術會議心得報告 國際合作研究計畫國外研究報告 處理方式 : 除列管計畫及下列情形者外, 得立即公開查詢 涉及專利或其他智慧財產權, 一年 二年後可公開查詢 中華民國 99 年 10 月 15 日
SARS 與禽流感對亞洲地區國際旅遊需求的影響之再估計 1. 前言 全球國際旅遊市場在近幾年來呈現穩定且持續成長的趨勢, 其中亞洲地區的國際旅遊市場表現更顯優異 然而, 在亞洲國際旅遊蓬勃發展的同時, 由於多數亞洲地區的開發中國家缺乏有效的健康管理與疫情控制措施, 故就許多傳染性疾病的擴散與危害程度而言, 皆以亞洲地區最為嚴重, 如 SARS 以及禽流感 (Avian Flu), 也因為這些傳染疾病會對旅客造成健康安全的危害, 使得該地區的旅遊安全形象受到負面衝擊, 進而影響亞洲地區國際旅遊市場的表現 SARS 與禽流感的發生, 一開始皆爆發於亞洲地區, 且因疫情的蔓延與嚴重性而使該地區成為不安全的旅遊地區, 進而對國際旅遊市場造成重大傷害 Wilder-Smith (2006) 指出, 由於 SARS 的爆發, 到亞太地區國家旅遊的國際旅客人數約減少了 1,200 萬人, 而根據世界旅遊暨觀光委員會 (The World Travel and Tourism Council, WTTC, 2003) 的統計, 在四個疫情較為嚴重的國家 中國 香港 越南與新加坡中, 大約有 3 百萬個旅遊產業從業人員因 SARS 的爆發而失業, 並造成國內生產毛額超過 200 億美金的損失 另外,Buhalis (2000) 與 Mohsin (2005) 發現, 為防止禽流感疫情藉由國際旅遊市場而擴散, 禽流感可能會對國際旅遊產生衝擊 而 Page et al. (2006) 則提到, 由於雞肉是主要的食物來源之一, 而禽流感可能產生突變, 進而爆發為世界流行性傳染病的風險, 因此, 禽流感疫情在 2005 年 10 月引起媒體的關注, 進而對禽流感疫區的旅遊目的地國之旅遊健康安全印象造成嚴重的傷害 SARS 與禽流感這兩種傳染病疫情皆以亞洲地區最為嚴重 首先,SARS 為非典型肺炎, 在 2003 年 3 月爆發, 其傳染途徑乃是經由人與人的接觸而傳染與擴散 全球共有 27 個國家成為 SARS 疫區, 有 8,096 人感染 SARS, 並造成 774 個死亡案例 表 1 為 SARS 的感染與死亡人數 在 8,096 個感染 SARS 的人中, 有 7,783 人 ( 約為 96%) 為亞洲地區國家的病例, 其餘 45 人 ( 約為 4%) 為其他地區的通報病例 ; 另外, 全球 774 個死亡人數中, 亞洲地區有 729 人 ( 約為 94%) 在亞洲地區國家中, 中國的感染與死亡人數最多, 香港次之 其次, 提到禽流感的全球擴散與傳染疫情 2003 年底至 2004 年初, 禽流感突然在東亞與東南亞國家出現, 由於疫情無法受到有效的控制及消滅, 隨後則逐漸擴散到世界各洲 人類感染禽流感的傳染途徑與 SARS 不同, 人類感染禽流感的主要傳染途徑為動物傳人 (animal-to-human) 環境傳人(environmental-to-human) 的可能性, 以及有限且未能確定的人傳人 (human-to-human) (Beigel et al., 2005) 表 1 的右邊兩行為禽流感的人類疫情, 資料期間為 2004 年 1 月至 2008 年 12 月 由表 1 可以發現, 全球共有 391 個人類確定病例, 其中有 247 個人死亡, 致死率高達 63% 而在 391 個人類確定病例中, 有 338 為來自亞洲地區 ( 約佔 86.44%), 另外 53 個確定病例則來自於非洲地區 ( 約佔 14%), 而造成的死亡人數主要也是來自於亞洲地區 (223 人死亡, 約佔 90.28%) 過去的研究顯示, 倘若一個國家爆發了某一種嚴重的傳染性疾病, 而改善後的傳染性疾病防疫與監控系統將會降低下一個傳染性疾病爆發的可能性, 以及降低其可能 1
帶來的傷害與衝擊 以台灣為例, 台灣是 2003 年發生嚴重 SARS 疫情的國家之一 (Liu et al., 2005), 由於 SARS 疾病曾經帶給台灣沈重的且無法彌補的傷害與打擊, 政府為防止台灣人民受到其他傳染性疾病的危害, 每年至少投入 6.5 億美金的防疫預算, 該項防疫預算的執行乃是希望能藉由某一傳染性疾病的防疫與監控之投入, 進而連帶的也減少其他傳染性疾病爆發的機會 然而, 對這些監控準備與防疫措施而言, 估計傳染性疾病對公共健康與相關產業的衝擊將可提供政府與相關決策單位制定有效政策與措施 Ritchie (2004) 指出, 事前危機管理的精髓乃是, 在危機發生之前做出正確的決策, 將能使得管理當局在危機發生時能進行有效的管理 再者,Page et al. (2006) 提到, 各國旅遊管理當局必須提出適當的反應策略, 使得各旅遊目的地國能有效為各種傳染性疾病的爆發做準備, 以避免旅客對該國的旅遊安全產生疑慮, 進而對旅遊目的地國的旅遊產業造成傷害 綜上所述, 許多亞洲開發中國家對於 SARS 與禽流感疫情未能積極管控的原因之一, 可能是因為這些國家缺乏這兩項傳染性疾病對公共健康的衝擊 成本有效性與監控措施的成本效益分析等實際分析資料與資訊, 因此, 不願積極進行流行性傳染病的防疫與監控措施, 故針對有 SARS 或禽流感疫情的亞洲國家, 分析 SARS 與禽流感對國際旅遊需求之影響與衝擊, 將可提供個別國家制定傳染病防疫與旅遊管理措施時參考 其次, 由於 SARS 疫情在 2003 年 7 月已完全控制且消滅, 而目前的禽流感疫情屬於可經防範而降低或傷害程度的危機事件, 因此, 本研究之目的擬將分析 SARS 與禽流感對亞洲國際旅遊需求的影響, 並進行與比較這兩種傳染性疾病的事前與事後危機分析 最後, 由於 SARS 的傳染來自於人與人的直接接觸, 而禽流感目前處於 動物傳人 的傳染途徑, 因此, 分析與比較不同傳染方式的傳染病對國際旅遊需求的影響, 將可提供旅遊管理以及疾病管理單位重要資訊以作為在制定政策措施時參考之用 本研究將利用動態追蹤資料模型 (dynamic panel data model), 亦即將前期的應變數納入動態需求模型的解釋變數中, 用以處理消費偏好之動態結構問題, 來分析 SARS 與禽流感對國際旅遊需求之影響 本研究之目的可歸納如下 : (1) 分析 SARS 對有 SARS 疫情的亞洲國家之國際旅遊需求的影響 (2) 分析禽流感對有禽流感疫情的亞洲國家之國際旅遊需求的影響 (3) 比較 SARS 與禽流感對不同亞洲國家的國際旅遊需求之影響 2. 文獻回顧 近年來, 許多災難 (disaster) 與危機 (crisis) 對全球旅遊產業造成了嚴重的負面衝擊 在過去的相關文獻中, 許多關於旅遊與危機管理 (crisis management) 關係之發展主要來自於 Faulkner (2001) 根據 Faulkner 的定義, 災難 是指無法預測 且無法經由人為的努力來阻止或防範的事件 但相對的, 危機 指的是會破壞旅遊目的地國功能的事件, 但它可經由人為的努力而達到有效的控制, 並減少損失 由於目前的禽流感疫情尚處可經人為努力而有效防範與降低傷害的階段, 因此, 本研究認為, 對於旅遊管理角度而言, 目前的禽流感疫情屬於危機, 而非災難 Beirman (2003) Ritchie 2
(2004) 與 Glaeßer (2005) 紛紛提到, 針對災難進行分析與分類乃是事前危機 (pre-crisis) 分析的重要工作之一 另外, 由於禽流感目前處於破壞力較低的傳播階段 ( 動物傳人 ), 倘若未來禽流感病毒突變為人傳人, 則對人命安全與旅遊產業造成的傷害將更為嚴重, 而 Brahmbhatt (2005) 也提到, 目前對於全球對於禽流感的流行病學 健康與經濟議題的研究尚未有明確的定論, 故各國對於禽流感的研究議題仍十分積極的進行研究與瞭解 因此, 分析禽流感對國際旅遊需求的衝擊將可瞭解這兩項傳染性疾病對國際旅遊市場的影響, 並決定後續的管理與防疫政策 對於 SARS 的經濟研究, 過去僅有少數學術文章研究旅遊與 SARS 傳染病的關係, 相對的, 有許多研究透過敘述性的方式去說明 SARS 對旅遊人數的可能造成的衝擊 ( 如,Chien and Law (2003) Mckercher and Chon (2004) 以及 Wilder-Smith (2006)) 另外,Min (2005) 與 Chen et al. (2007) 的分析著重於 SARS 對某些亞洲地區國家的衝擊, 如香港與台灣 雖然這些研究皆指出 SARS 會對旅遊市場造成負面衝擊, 但在這些研究中, 皆缺乏對實證方法的詳細陳述與說明 相較於 SARS 的研究文獻, 近年來, 許多學者將研究焦點著重於分析禽流感對疫區國家造成的負面印象, 以及其對旅遊競爭力的負面衝擊 如 Buhalis (2000) 與 Mohsin (2005) 發現, 為防止禽流感疫情藉由國際旅遊市場而擴散, 禽流感可能會對國際旅遊產生衝擊 而 Page et al. (2006) 則提到, 由於雞肉是主要的食物來源之一, 而禽流感病毒可能產生突變, 進而爆發為世界流行性傳染病的風險, 因此, 禽流感疫情將對傳染病疫區的旅遊目的地國之旅遊健康安全印象造成嚴重的傷害 近兩年來, 開始有研究學者深入分析 SARS 與禽流感對國際旅遊需求的影響, 首先,Kuo et al. (2008) 利用 ARMAX (autoregressive moving average model together with an exogenous variables) 模型分析這兩種傳染性疾病對個別國家的影響, 並利用動態追蹤資料模型 (dynamic panel data model) 去比較 SARS 與禽流感對整個亞洲國家國際旅遊需求的平均影響與衝擊, 進而分析與比較 SARS 與禽流感對亞洲國際旅遊需求的影響 從個別國家的實證結果, 與亞洲地區的整體研究結果皆可發現,SARS 會對國際旅遊需求造成顯著的負面影響, 而禽流感的影響並不顯著 其次, 由於禽流感的傳染途徑主要是 動物傳人, 主要傳染媒介為禽類, 在考慮禽類 ( 雞肉 鴨肉 ) 為人類的主要食物之一, 而飲食安全將影響遊客旅遊安全疑慮, 進而影響旅遊需求的意願之考量下,Kuo et al.(2007) 利用動態追蹤資料模型去分析禽類爆發的禽流感疫情 (outbreaks of H5N1 in poultry) 對全球與亞洲的國際旅遊需求的影響 研究結果發現, 禽流感疫情對亞洲地區的影響大於對全球的平均影響, 而導致該研究結果的原因可能是因為亞洲地區的疫情一直未能有效控制, 疫情持續在該地區發生與擴散中, 因此, 因禽流感而產生的旅遊安全疑慮將對亞洲地區的旅遊需求造成較大的負面影響 最後, McAleer et al. (2010) 則進一步擴充樣本國家, 並將 SARS 與禽流感的疫情利用感染人數 死亡人數 致死率等三個變數來替代, 分別估計 SARS 與禽流感對亞洲地區國際旅遊需求的影響 在上述分析 SARS 與禽流感對國際旅遊需求的影響之研究中, 先前研究的國際旅遊需求模型並未包含其他影響旅遊需求之重要經濟變數, 雖然, 作者利用追蹤資模型試圖降低因為遺漏重要變數而產生的估計偏誤, 但在這樣的實證模型中, 估計結果的 3
偏誤仍然可能存在, 因此, 本研究主要的研究目的乃是將影響旅遊需求的經濟變數納入實證模型中, 重新建構完整的國際旅遊需求模型來分析 SARS 與禽流感對國際旅遊需求的影響, 以求估計結果更具準確性 再者,Hsiao (2003) 指出, 相較於時間數列資料與橫斷面資料, 合併時間數列與橫斷面資料具有許多優點, 如增加自由度 減少多重共線性問題 降低因遺漏變數而產生的偏誤, 進而改善估計結果的正確性 再者, Song and Witt (2000) 指出, 靜態的旅遊需求模型將出現許多問題, 如結構不穩定 預測的偏誤與虛偽迴歸的產生, 而 Garín-Muñoz (2006) 也提到, 國際旅遊需求模型必須將消費者偏好的動態結構考慮在內, 假如旅遊需求模型忽略了消費者偏好的動態結構問題, 將會導致其他相關變數的估計結果產生高估 (overestimated) 的情形 綜上所述, 本研究將利用動態追蹤資料模型 (dynamic panel data model), 亦即將前期的應變數納入動態需求模型的解釋變數中, 用以處理消費偏好之動態結構問題, 來分析 SARS 與禽流感對國際旅遊需求之影響 3. 實證模型 Lim (1997) 回顧了 100 篇國際旅遊需求模型之相關文獻發現, 傳統的國際旅遊需求模型如 (1) 式所示 Q f ( Y, TC, RP, ER, I ) odt odt odt odt dt (1) 其中, Q odt 來源國 o 的收入 ; 為來源國 (origin) o 對目的地國 (destination) d 的國際旅遊需求 ; Y 為 TC odt 為來源國 o 至目的地國 d 的交通成本 ; RP odt 為相對價格 ( 即 ER 為貨幣交換率, 即 目的地國 d 的價格與來源國 o 與其他旅遊目的地的價格比 ); 一單位來源國 o 的貨幣可交換多少單位目的地國 d 的貨幣 ; I dt 為影響目的地國 d 之 旅遊功能的事件 國際旅遊需求變數 ( Q odt ) 通常可用入境旅客人數 外國觀光客帶來的收益與外國 觀光客的過夜總數來衡量與替代 (Garín-Muñoz and Pérez-Amaral, 2000) 然而, 由於本 研究的目的乃是分析 SARS 與禽流感對國際旅遊需求的影響, 而國際旅遊活動會讓旅 客面臨可能感染 SARS 與禽流感的風險, 故潛在遊客可能因此減少到這些有疫情的國 家去進行不必要的旅行與觀光活動, 再者, 外國觀光客帶來的收益與外國觀光客的過 夜總數等變數在許多國家存在資料無法取得的問題, 因此, 本研究使用外國觀光客的 人數作為國際旅遊需求的指標 國際旅遊需求模型中, 衡量旅遊價格的適當變數很難取得 Song and Witt (2000) 指出, 一般而言, 旅遊價格會包含兩大部份 : 觀光客到旅遊目的地國的相對生活成本 與旅行成本, 即 Lim (1997) 歸納而得的交通成本 ( TC odt ) 相對價格( RP odt ) 以及匯率 ( ER odt )( 如 (1) 式所示 ) 其中, 旅遊目的地國的消費者物價指數 (consumer price index, CPI) 通常被用來代表旅遊地的生活成本, 然而,Song and Witt (2000) 指出, 在國際旅 遊需求函數中, 單純使用目的地國的 CPI 無法衡量來源國與目的地國的相對生活成 本, 國際旅遊的潛在消費者在進行消費決策時, 不僅會考量來源國與目的地國的相對 CPI, 且會考慮兩國的相對匯率 另外, 由 Martin and Witt (1987) 也發現, 單獨使用相 對匯率來當價格的替代變數並不適當, 而經過匯率調整的相對 CPI 是合適的旅行成本 4 odt
替代變數, 因此, 本研究擬將使用考量相對 CPI 與匯率的相對生活成本替代變數, 如 (2) 式所示 PT CPI /( CPI * ER ) odt dt dt / 0t (2) 其中, PT odt 為來源國 o 與目的地國 d 的相對生活成本, CPI dt 與 CPI 則分別為來源國 o 與目的地國 d 的 CPI, ER dt /0t 是每單位來源國 o 的貨幣可換得的目的地國 d 的相對貨幣數量 另外, 本研究中的所得變數 ( Y ) 將採用旅遊來源國的平均每人國內生 產毛額 (per capita gross domestic product) Garín-Muñoz and Pérez-Amaral (2000) 指出, 旅遊存在很大成份的慣性 (inertia), 如旅客會對過去曾經到訪過的國外景點存在較少的不確定性, 再者, 旅遊服務為具有 口耳相傳 (word-of-mouth) 特質的產品, 人們會因為周遭親友談論他們到訪過的旅遊目 的地國, 而增加彼此對於該國的熟悉程度, 因此, 國際旅遊需求模型必須將消費者偏 好的動態結構考慮在內 (Garín-Muñoz, 2006) Garín-Muñoz (2006) 進一步指出, 假如 旅遊需求模型忽略了前期的旅遊需求, 將會導致其他相關變數的估計結果產生高估 (overestimated) 的情形 再者,Song and Witt (2000) 指出, 靜態的旅遊需求模型將出 現許多問題, 如結構不穩定 預測的偏誤與虛偽迴歸的產生 由過去的實證模型發現, 將前期的應變數納入動態需求模型的解釋變數中, 亦即將消費者偏好視為內生 (endogenous), 乃是處理消費偏好之動態結構問題的方法之一 (Garín-Muñoz and Pérez-Amaral, 2000; Garín-Muñoz, 2006; Ledesma-Rodríguez, Navarro-Ibáñez and Pérez-Rodríguez, 2001) 因此, 為考慮消費偏好的改變之可能性, 本研究中擬將被視 為是習慣形成或相互依賴之偏好的前期旅遊需求納入模型的解釋變數中, 以動態追蹤 資料模型 (dynamic panel data model) 來分析 SARS 與禽流感對國際旅遊需求之影響 綜上所述, 影響國際旅遊需求的變數將包含 : 前期旅遊需求 旅客在來源國與目 的地國的相對生活成本 旅客的所得水準, 以及會影響目的地國之旅遊功能的事件 由於本研究將建構更為完整的國際旅遊需求模型來估計 SARS 與禽流感對國際旅遊需 求的影響, 並以動態追蹤資料模型為基礎, 故以感染 SARS 疫情的旅遊目的地國 d 為 例, 該國的國際旅遊需求模型如 (3) 式所示 : 其中, Q Q Y PT SARS (3) odt odt 1 1 2 odt 3 dt o Q odt 代表由來源國 o 與目的地國 d 的入境旅客人數 d 為感染 SARS 的國家 Y 為外國遊客的得變數 ( 由遊來源國的平均每人國內生產毛額替代 ) PT odt 為旅客來 源國與旅遊目的地國的相對生活成本 SARS 為旅遊目的地國的 SARS 確定病例數, 故 3 則代表 SARS 對該國的國際旅遊需求衝擊 是用來捕捉無法衡量且不隨時間 而變化的異質性效果, 而 dt 則為誤差項, 並假設 E 0 且 Var 2 o 與估計感染 SARS 疫情之國家的國際旅遊需求模型相似, 感染禽流感疫情的旅遊目的地國 d 為例, 其國際旅遊需求模型如 (4) 式所示 : Q Q Y PT AF (4) odt odt 1 1 2 odt 3 dt o 5
其中, 由於 AF dt 為旅遊目的地國 d 的禽流感確定病例, 因此, 3 用來表示禽流感對該國的國際旅遊需求影響 在動態追蹤資料模型中, 由於前期應變數 ( Qodt 1 ) 與描述各別國家差異的個別異質 效果 ( ) 皆包含在解釋變數中, 因此, 動態追蹤資料模型可能會產生自我相關問題 o (Baltagi, 2001) 進一步解釋動態追蹤資料模型會產生自我相關的原因乃是因為, Q odt Qodt 1 皆為包含 o 的函數, 故當 Qodt 1 被放置於解釋變數時, Q odt 1 將會與誤差項 o 產 生相關性 Garín-Muñoz (2006) 指出, 當前期的應變數包含於解釋變數時, 不僅是 OLS 的估計方法會產生偏誤與不一致, 組內估計 (within groups) 與隨機效果估計也都會產生 偏誤與不一致 為解決不一致與估計偏誤的問題, 本研究將使用一階差分轉換 (first difference transformation) 來移除個別效果 示 odt odt 1 1 2 odt 3 dt 6 與, o 故 (3) 式與 (4) 式可分別由 (5) 式與 (6) 式表 Q Q Y PT SARS (5) Q Q Y PT AF (6) odt odt 1 1 2 odt 3 dt 其中, Q odt Q odt Qodt 1, t 2,..., T, 而其餘解釋變數依此類推 由於 Qodt 1 ( Qodt 1 Qodt 2 ) 與 ( 1 ) 會產生序列相關, 因此, 倘若使用 OLS 去估計 (5) 式與 (6) 式, 將仍無法得到一致性的估計結果 一般計量理論指出, 工 具變數法, 可利用 Qodt 2 或 Qodt 2 ( Qodt 2 Qodt 3 ) 當作工具變數, 而這兩種工具變數皆 可使 符合無自我相關的假設, 其中, 第二種工具變數估計法需要納入更多落遲期 數來當工具變數, 而這將導致估計的有效觀察值減少 Arellano and Bond (1991) 指出, GMM 方法的估計可讓一系列的工具變數利用附加的移動條件, 且可讓工具變數的數 量隨時間而有差異, 而在同質變異與誤差項 ( ) 沒有自我相關的基礎上 ( 即本研究之 E 2 0 ), ( 或 ) 的 GMM 估計法為漸進常態 由於 GMM 估計法的一 E 2 0 致性決定於 的前提條件, 為確保 GMM 估計法符合一致性,Arellano and Bond (1991) 在無二階數列相關 (second-order correlation), 或一階差分方程式的誤差 項服從隨機漫步 (random walk) 的虛無假設下, 提出 m2 檢定統計量 ( 請見 Arellano and Bond, 1991, p282) 假如虛無假設為真, 則 不存在二階數列相關或服從隨機漫 步 其次,Arellano and Bond (1991) 同時提出需要利用 Sargan s (1958) 檢定來檢定工 具變數是否正確 Sargan 檢定為過度認定限制 (overidentifying restrictions) 的檢定, 主 要利用在工具變數個數多於估計係數個數的情況下, 檢定估計係數是否受到影響 假 如模型正確, 則使用工具變數個數大於估計係數個數, 將不會影響估計係數的結果 本研究使用 Sargan 檢定來檢定工具變數是否有效, 假如虛無假設未被拒絕 ( 即虛無假 設在統計上被確認 ), 則工具變數是有效的
4. 資料來源與說明 本研究針對有 SARS 與禽流感疫情的亞洲國家, 分別建構的各國的國際旅遊需求模型, 並用以分析與比較 SARS 與禽流感對個別國家國際旅遊需求之負面衝擊 由表 1 可知,SARS 疫情較為嚴重的亞洲國家包含中國 香港 台灣 新加坡 越南 菲律賓 泰國等 7 國, 這 7 個國家的感染人數佔全球總病例的 95.75%, 而禽流感疫情較為嚴重的亞洲國家則有印尼 越南 中國與泰國等 4 國, 這 4 個國家的感染人數則佔全球禽流感病例的 77% 然而, 由於本研究是使用月資料建立實證模型並進行分析, 其中, 越南與印尼的旅遊與經濟變數資料無法齊全, 因此, 在分析 SARS 疫情對這些亞洲國家的旅遊需求影響時, 將僅能針對中國 香港 台灣 新加坡 菲律賓 泰國等 6 國進行分析, 而禽流感的衝擊部份, 將分別估計禽流感疫情對中國與泰國的國際旅遊需求影響 本研究所建構之國際旅遊需求模型將利用月資料來進行實證分析,SARS 的資料期間為 2003 年 1 月至 12 月, 禽流感的資料期間為 2004 年 1 月至 2008 年 12 月 實證模型所需資料包含各國的入境旅遊人數 消費者物價指數 匯率 GDP SARS 與禽流感疫情等變數, 如 (5) 式與 (6) 式 然而, 值得注意的是, 由於本研究將利用動態追蹤資料模型來進行不同國家的實證分析, 因此, 以 SARS 疫情最為嚴重的中國為例, 所需蒐集的資料將包含不同旅客來源國到中國的入境旅遊人數 不同來源國與中國的消費者物價指數與匯率 以及不同來源國旅客的 GDP 本研究建立各國之旅遊需求模型, 分別涵蓋不同的旅客來源國, 其中, 中國的旅遊模型包含 15 個主要的旅客來源國的資料, 用以建構中國之國際旅遊需求動態追蹤模型, 香港的旅遊需求模型涵蓋 14 個主要的旅客來源國, 而台灣 菲律賓 泰國 新加坡分別為 14 13 17 與 17 個旅遊來源國, 各國旅遊需求模型的旅遊來源國 資料期間與樣本數資料如表 2 所示 本研究之資料來源與資料處理主要包含三個部分 : (1)CPI 匯率與 GDP 等經濟資料 : 研究所需各國的 CPI 匯率與 GDP 資料是國際貨幣基金組織 (International Monetary Fund International Monetary Fund, IMF) 的國際金融資料庫 (International Financial Statistics) 取得 值得注意的是, 由於各國之 GDP 資料並未有月資料, 但本研究實證模型的資料頻率為月資料, 故在進行實證之前, 本研究將自國際金融資料庫收集而得的 GDP 年資料利用 quadratic-match sum 的頻率轉換方式進行資料轉換, 亦即, 將低頻率之年資料轉換為高頻率月資料, 用以進行後續之分析 (2) 各來源國的入境旅客人數 : 由於世界性與區域性旅遊組織沒有各國旅遊之月統計資料, 因此, 該項統計資料預計將由各國旅遊統計網站或統計資料中尋得 Lim and McAleer (2001) 指出, 季節性問題普遍存在於旅遊資料中, 而季節性問題將導致虛偽迴歸, 以及偏誤的估計結果 因此, 在進行旅遊需求模型分析前, 本研究將利用乘數移動平均法 (multiplicative moving average method technique) 移除旅遊資料中循環的季節性組成成份, 後續再利用已移除季節性成份的旅遊資料來進行 SARS 與禽流感對國際旅遊需求影響之分析 7
(3)SARS 與禽流感人類病例數 :SARS 與禽流感人類病例數乃是 World Health Organization (2010) 網站公布之統計資料 5. 實證結果與結論 (1)SARS 模型 表 3 為 SARS 對各感染國家之國際旅遊需求影響之估計結果 本研究分別針對六 個 2003 年爆發 SARS 疫情的主要感染國家 中國 泰國 香港 菲律賓 新加坡與 台灣進行分析與研究 為確保 GMM 估計法符合一致性, 本研究利用 m2 檢定統計量 進行檢定, 以確認 是否存在二階數列相關或服從隨機漫步, 並使用 Sargan 檢定來 檢定工具變數是否有效, 假如虛無假設未被拒絕 ( 即虛無假設在統計上被確認 ), 則工 具變數是有效的 由表 3 的估計結果發現, 僅新加坡的模型中,m2 檢定結果為拒絕 虛無假設, 其餘國家之檢定結果皆顯示模型設定與工具變數設定適當 在影響國際旅 遊需求之經濟變數部分, 外國旅客的所得變數 ( ) 對國際旅遊需求影響為正值, 且在各國皆出現顯著的估計結果, 而旅客來源國與旅遊目的地國的相對生活成本 ( PT odt ), 估計結果皆產生負面影響, 顯示相對生活成本提高, 國際旅客之旅遊需求 降低, 經濟變數之估計結果皆與預期相符 在 SARS 疫情對各國國際旅遊需求影響部 分,SARS 對各國之國際旅遊需求皆產生顯著且負向的影響, 其中,SARS 對泰國的 負向影響最為劇烈, 每增加 1 個 SARS 病例, 即減少 3,487 位國際旅客, 其次為菲律 賓與新加坡 ( 每增加 1 個 SARS 病例, 分別減少 683 與 208 位國際旅客 ), 再者,SARS 疫情對於中國 香港與台灣的國際旅遊需求影響程度較小 (2) 禽流感模型 表 4 為禽流感對各感染國家之國際旅遊需求影響之估計結果 本研究分別針對兩 個禽流感疫情較為嚴重的亞洲國家 中國與泰國進行分析與研究 由表 4 的估計結果 發現, 中國與泰國的模型之 m2 檢定結果皆為拒絕虛無假設 ; 而 Sargan test 的檢定結 果皆為接受虛無假設, 顯示模型中選擇之檢定工具變數是有效的 在影響國際旅遊需 求之經濟變數部分, 外國旅客的所得變數 ( 對生活成本 ( PT odt 8 Y Y ) 與旅客來源國與旅遊目的地國的相 ) 對國際旅遊需求影響分別正向與負向的影響, 經濟變數之估計 結果皆與預期相符 在禽流感情對各國國際旅遊需求影響部分, 禽流感對中國與泰國 之國際旅遊需求皆產生顯著且負向的影響, 每增加 1 個禽流感人類病例, 中國與泰國 分別減少 1,534 與 1,499 位國際旅客 (3)SARS 與禽流感比較 在本文的研究國家中, 中國與泰國是同時有 SARS 與禽流感疫情的國家, 然而, 比較 SARS 與禽流感對這兩國的國際旅遊需求的影響, 卻發現有不一致的估計結果
就中國而言, 每增加一位禽流感病例, 對國際旅遊需求的負面影響會大於 SARS 的負 面影響, 而在泰國, 每增加一位 SARS 病例, 其產生的負面影響會大於禽流感的情形 由圖 1 可以發現, 泰國的禽流感疫情, 自 2004 年 1 月開始發生, 而自 2006 年 9 月迄 今, 皆未再發生禽流感疫情 ; 反觀中國的禽流感疫情, 中國自 2005 年 11 月出現第 1 位禽流感病例, 而至 2008 年仍陸續傳出人類感染禽流感的疫情, 由於中國禽流感疫 情長期間皆未能有效控制, 甚至阻絕該疫情的發生, 是故, 才會產生禽流感疫情對中 國旅遊需求負面衝擊較大的估計結果 由此研究結果進一步說明, 當一國出現傳染性 疾病, 這項傳染性疾病會透過人與人的接觸 或是飲食安全而危及旅客之旅遊安全, 若該國沒有積極的進行防疫管理與監控措施, 則在疫情持續發生的同時, 旅遊安全的 負面印象, 將會對國際旅遊需求市場帶來更大的衝擊 (4) 與先前研究比較 McAleer et al. (2010) 分別蒐集 9 個有 SARS 疫情的亞洲國家 1, 與 6 個有禽流感疫 2 情之亞洲國家的資料, 利用動態追蹤模型分析 SARS 與禽流感對亞洲地區國際旅遊需 求之平均影響, 該研究中並未將與旅遊需求相關之經濟變數納入模型中, 估計結果顯 示, 每增加一位 SARS 病例, 亞洲國家之國際旅遊需求人數平均減少 580 人, 而每增 加一位禽流感病例, 亞洲國家之國際旅遊需求人數平均減少 2,573 人 SARS 估計結 果對旅遊需求產生顯著為負的影響, 而禽流感的負面影響程度雖然較 SARS 嚴重, 但 其估計結果不具顯著重要性 將 McAleer et al. (2010) 的估計結果與本研究之結果相 比, 本研究將影響旅遊需求的經濟變數 ( 相對生活成本與旅客所得 ) 納入模型中, 其 中, 在 SARS 估計結果的部份, 泰國與菲律賓的負面影響大於亞洲的平均水準, 而其 餘國家的負面影響小於亞洲國家的平均水準, 另外, 在禽流感估計結果的部份, 泰國 與中國之估計結果皆小於 McAleer et al. (2010) 估計出來之亞洲國家平均影響, 造成此 估計結果之可能原因, 可能是因為本研究無法估計禽流感疫情較為嚴重的亞洲國家 印尼與越南的影響 本研究針對個別國家建立其國際旅遊需求之動態追蹤模型, 並將影響旅遊需求之 經濟相關變數納入模型中, 除可增加估計結果之準確程度外, 也可進一步討論 SARS 與禽流感對不同國家之影響程度, 提供各國制定防疫政策之參考 1 2 研究中納入有 SARS 疫情之國家包含中國 香港 印尼 南韓 馬來西亞 新加坡 台灣 泰國與越南, 資料期間為 2003 年 1 月至 12 月 研究中有禽流感疫情的國家包含中國 柬埔寨 印尼 泰國 土耳其與越南, 資料期間為 2004 年 1 月至 2007 年 7 月 9
表 1 SARS 與禽流感的全球感染人數與死亡人數 地區 國家 SARS 禽流感感染人數死亡人數感染人數死亡人數 亞洲 中國 5327 349 30 20 香港 1755 299 0 0 台灣 346 37 0 0 新加坡 238 33 0 0 越南 63 5 106 52 菲律賓 14 2 0 0 泰國 9 2 25 17 蒙古 9 0 0 0 澳大利亞 6 0 0 0 馬來西亞 5 2 0 0 韓國 3 0 0 0 印度 3 0 0 0 印尼 2 0 139 113 澳門 1 0 0 0 紐西蘭 1 0 0 0 科威特 1 0 0 0 孟加拉共和國 0 0 1 0 緬甸 0 0 1 0 寮國 0 0 2 2 柬埔寨 0 0 8 7 巴基斯坦 0 0 3 1 土耳其 0 0 12 4 伊拉克 0 0 3 2 亞塞拜然 0 0 8 5 美洲 加拿大 251 43 0 0 美國 27 0 0 0 歐洲 德國 9 0 0 0 法國 7 1 0 0 瑞典 5 0 0 0 英國 4 0 0 0 義大利 4 0 0 0 愛爾蘭 1 0 0 0 羅馬尼亞 1 0 0 0 俄羅斯聯邦 1 0 0 0 西班牙 1 0 0 0 瑞士 1 0 0 0 非洲 南非 1 1 0 0 埃及 0 0 51 23 吉布地 0 0 1 0 奈及利亞 0 0 1 1 亞洲 7783 729 338 223 美洲 278 43 0 0 歐洲 34 1 0 0 非洲 1 1 53 24 全世界 8096 774 391 247 資料期間 2003 年 1 月至 2003 年 12 月 2004 年 1 月至 2008 年 12 月 資料來源 : World Health Organization (2010) 10
表 2 各國旅遊需求模型之旅客來源國 國家 旅遊來源國 資料期間 樣本數 SARS 模型 中國 180 香港 台灣 南韓 日本 俄羅斯 馬來西亞 新加坡 泰國 菲律賓 印度 印尼 美國 加拿大 澳洲 英國 (15 個國家 ) 2003 年 1 月至 12 月 泰國 馬來西亞 日本 南韓 英國 美國 柬埔寨 印尼 菲律賓 新加坡 香港 台灣 俄羅斯 瑞典 瑞士 加拿大 印度 澳洲 (17 個國家 ) 2003 年 1 月至 12 月 204 香港 美國 加拿大 英國 南非 澳洲 日本 南韓 印尼 馬來西亞 菲律賓 新加坡 泰國 印度 台灣 (14 個國家 ) 2003 年 1 月至 12 月 168 菲律賓 美國 日本 南韓 香港 台灣 印尼 馬來西亞 新加坡 泰國 中國 加拿大 瑞士 澳洲 (13 個國家 ) 2003 年 1 月至 12 月 156 新加坡 加拿大 美國 印尼 馬來西亞 菲律賓 泰國 香港 日本 中國 南韓 台灣 印度 瑞典 瑞士 英國 澳洲 南非 (17 個國家 ) 2003 年 1 月至 12 月 204 台灣香港 日本 南韓 印度 馬來西亞 印尼 菲律賓 加拿大 英國 美國 澳洲 南非 新加坡 泰國 (14 個國家 ) 禽流感模型香港 台灣 南韓 日本 俄羅斯 中國馬來西亞 新加坡 泰國 菲律賓 印度 印尼 美國 加拿大 澳洲 英國 (15 個國家 ) 2003 年 1 月至 12 月 2004 年 1 月至 2008 年 12 月 168 720 泰國 馬來西亞 中國 日本 南韓 英國 美國 柬埔寨 印尼 菲律賓 新加坡 香港 台灣 俄羅斯 瑞典 瑞士 加拿大 印度 澳洲 (17 個國家 ) 2004 年 1 月至 2008 年 12 月 816 11
表 3 SARS 對國際旅遊需求之影響估計結果 odt 1 變數中國泰國香港菲律賓新加坡台灣 Q 0.49* (52.66) Y 43.58* (4.04) PT odt 202.87 (2.08) SARS -6.56* (-25.20) 0.76* (243.61) 13.24* (2.62) -4101.49 (-1.60) -3487.93* (-23.69) 0.64* (399.20) 41.43* (5.83) -30.20 (-0.37) -16.52* (-105.20) 0.36* (34.99) 16.11* (4.66) -360.41 (-0.94) -683.12* (-115.66) 0.74* (391.20) 28.70* (8.96) -47.68* (45.32) -207.99* (-67.04) 0.63* (694.46) 11.72* (4.74) -217.70 (-0.43) -51.31* (-42.89) m2-0.16-0.10 0.02-0.18-0.21* -0.07 Sargan(d.f.) 11.73(12) P-value=0.46 15.40(13) P-vlaue=0.28 12.62(10) P-vlaue=0.25 11.64(9) P-value=0.23 13.72(13) P-value=0.39 9.72(10) P-value=0.47 * 代表在 1% 的顯著水準 括弧內的數值為 t 值 估計方法為 Arellano and Bond (1991) 提出的 GMM-DIFF, 並以 Arellano and Bond n-step estimation 進行估計 為減少因為過多工具變數而導致的有限樣本偏誤 (finite sample biases), 故工具變數設定為 Q 落遲到第 2 期 (Alonso-Borrego et al., 1999) 表 4 禽流感對國際旅遊需求之影響估計結果 變數中國泰國 Q 0.39* odt 1 (44.28) Y 62.3* (7.86) PT odt -50.99* (-2.90) AF dt -1534.2* (5.72) 0.53* (140.34) 4.28 (1.92) -554.01 (-1.21) -1498.72* (-46.73) m2 0.20* 0.13* Sargan(d.f.) 14.05(12) P-value=0.30 15.26(13) P-value=0.29 * 代表在 1% 的顯著水準 括弧內的數值為 t 值 估計方法為 Arellano and Bond (1991) 提出的 GMM-DIFF, 並以 Arellano and Bond n-step estimation 進行估計 為減少因為過多工具變數而導致的有限樣本偏誤 (finite sample biases), 故工具變數設定為 Q 落遲第 2 期到第 7 期 12
. (a) (b) 2,800 5 6 5 4 2,400 2,000 1,600 1,200 800 400 0 8 6 4 3 2 1 0 3 4 2 1 2 0 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 0 I II III IV I II III IV I II III IV I II III IV I II III IV 2003 2004 2005 2006 2007 2008 CHINA THAILAND CHINA THALIAND 圖 1 SARS 在中國與泰國之病例數如圖 (a) 禽流感在中國與泰國之病例數如圖 (b) 13
參考文獻 Arellano, M. and S. Bond (1991), Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations, Review of Economic Studies, 58, 277-297. Baltagi, B. H. (2001), Econometric Analysis of Panel Data, New York, Wiley. 2nd Edition. Beigel, J. H., J. Farrar, A. M. Han, F. G. Hayden, R. Hyer, M. D. de Jong, S. Lochindarat, T. K. Nguyen, T. H. Nguyen, T. H. Tran, A. Nicoll, S. Touch, and K. Y. Yuen. (2005), Avian Influenza A (H5N1) Infection in Humans, The New England Journal of Medicine, 353, 1374-1385. Beirman, D. (2003). Restoring Tourism Destinations in Crisis: A strategic Marketing Approach, Cabi Publishing, Wallingford. Brahmbhatt, M. (2005). Avian Influenza: Economic and Social impact. Accessed 2004 October 2005, accessed at http:www.worldbank.org Buhalis, D. (2000), Marketing the Competitive Destination of the Future, Tourism 21(1), 97-116. 14 Management, Chen, M. H., S. Jang, and W. G. Kim (2007), The Impact of the SARS Outbreak on Taiwanese Hel Stock Performance: An Event-Study Approach, Hospitality Management, 26, 200-212. Chien, G.C.L. and R. Law (2003), The Impact of the Severe Acute Respiratory Syndrome on Hel: a Case Study of Hong Kong, Hospitality Management, 22, 327-332. Faulkner, B. (2001), Towards a Framework for Tourism Disaster Management, Tourism Management, 22(2), 135 147. Garín-Muñoz, T. (2006), Inbound International Tourism to the Canary Islands: a Dynamic Panel Data Model, Tourism Management, 27(2), 281-291. Garín-Muñoz, T. and T. Pérez-Amaral (2000), An Econometric Model for International Tourism Flows to Spain, Applied Economics Letters, 7, 525 529. Glaeßer D. (2005), Crisis Management in the Tourism Industry (2nd ed.), Butterworth Heinemann, Oxford. Hsiao, C. (2003), Analysis of Panel Data. Second edition. Cambridge, Cambridge University Press. Kuo, H. I, C. L., Chang, B. W., Huang, C. C., Chen, and M. McAleer (2007), Avian Flu and International Tourism Demand: A Panel Data Analysis. MODSIM 2007 International Congres on Modelling and Simulation. Modelling and Simulation Society of Australia and New Zealand, pp. 1892-1898. ISBN: 978-0-9758400-4-7. Kuo, H. I., C. C., Chen, W. C., Tseng, L. F., Ju, and B. W., Huang (2008), Assessing impacts of SARS and Avian Flu on International Tourism Demand to Asia, Tourism Management, 29(5), 917-928. Lim, C. (1997), Review of International Tourism Demand Models, Annals of Tourism Research, 24(4), 835-849. Lim, C. and M. McAleer (2001), Monthly Seasonal Variations in Asian Tourism to Australia, Annals of Tourism Research, 28(1), 68-82. Liu, J. T., J. K., Hammitt, J. D.,Wang, and M. W. Tsou, (2005), Valuation of the risk of SARS in Taiwan, Health Economics, 14, 83-91. Martin, C. A. and S. F. Witt (1987), Tourism Demand Forecasting Models: Choice of Appropriate Variable to Represent Tourists Cost of Living, Tourism Management, 8, 233-46. McAleer, M., B. W., Huang, H. I, Kuo, C. C., Chen, and C. L., Chang (2010), An Econometric Analysis of SARS and Avian Flu on International Tourist Arivals to Asia, Environmental Modelling & Software, 25, 100-106. Mckercher B. and K. Chon (2004), The Over-Reaction to SARS and the Collapse of Asian Tourism, Research Nes and Reports, 31(3), 716-719. Min Jennifer C.H. (2005), The Effect of the SARS Illness on Tourism in Taiwan: An Empirical Study, International Journal of Management, 22(3), 2005, 497-508. Mohsin, A. (2005), Tourist Attitudes and Destination Marketing - The case of Australia s Northern Teritory and Malaysia, Tourism Management, 26(5), 723-732. Page, S., I. Yeoman, C. Munro, J. Connell and L. Walker (2006), A Case Study of Best Practice - Visit Scland s Prepared Response to An Influenza Pandemic, Tourism Management, 27(3), 361-393.
Ritchie, B. W. (2004), Chaos, Crises and Disasters: A Strategic Approach to Crisis Management in the Tourism Industry, Tourism Management, 25(6), 669-683. Sargan, J. D. (1958), The Estimation of Economic Relationships Using Instrumental Variables, Econometrica, 26, 393-415. Song, H. and S. F. Witt (2000). Tourism Demand Modeling and Forecasting-model Econometric Approaches. Amsterdam, New York Elsevier. WHO (2010), Cumulative Number of Confirmed Human Cases of Avian Influenza A/(H5N1) Reported to WHO, accessed at http://www.who.int/csr/disease/avian_influenza/country/cases_table_2008_09_10/en/index.html Wilder-Smith, A. (2006), The Severe Acute Respiratory Syndrome: Impact on Travel and Tourism, Travel Medicine and Infections disease, 4, 53-60. WTTC. (2003). Special SARS Analysis: Impact of Travel and Tourism (Hong Kong, China, Singapore and Vietnam reports). London: World Travel and Tourism Council. 15