寻求休闲的人数逐渐增加。此外，政府目前正在实施两天周末。许多家庭出国旅游的比例正在增加。出国旅游的人数迅速增加。 ，造就了台湾旅游业的强劲发展，为国内市场带来了大量的经济效益。为了了解来台游客数量的增长趋势以及中国人出境旅游的情况，本文利用“预测分析”课程中学到的方法讨论时间序列模型并预测来台游客数量明年去台湾，作为我国旅游的基础。为产业发展提供参考。本文使用旅游部交通局旅游统计数据库提供的赴台游客人数和中国出境旅游人数。
ARIMA方法在三个标准下效果最好，该模型可以作为来台游客数量与国家之间的关系关键词：时间序列回归、指数平滑法、ARIMA模型、来台游客数量、中国出国人数 如果比较8个游乐区的标准差，丽宝县的标准差最大，也就是说游客数量波动最大。
图1 来台游客人数与外汇收入组合图 图4 来台游客人数与中国出境旅游人数时序图 图4 来台游客人数时序图2010年至2018年赴台旅游及中国出境旅游人数。
注重在国内外度过闲暇时间的人群逐渐增多。此外，政府目前正在实施两天周末。许多家庭成员出国旅游的比例正在增加。出国观光的人数不减，因此这一现象造成了台湾旅游业的强劲发展，旅游业将是台湾。
研究方法
研究模型探討
从图6可以看出，中国人出国人数具有季节性，并且随着时间的推移有长期上升趋势，因此我将中国人出国人数拟合为带有趋势项的时间序列回归模型表3 -3 修正增长曲线模型自相关检验表残差的自相关检验 表3-4 时间序列回归模型参数估计表 参数估计。
从表3.5可以看出，Durbin-Watson值为0.927，因此残差具有一阶自相关性，并且Pr < DW的p值小于0.05，这意味着残差具有一阶自相关性有。正自相关，且 Pr > DW 的 p 值大于 0.05，这意味着残差不存在负一阶自相关，因此这个时间序列回归模型具有正一阶自相关，因此该模型 表3-5 时间序列回归模型自相关测试表 虽然滞后18处的p值小于0.05，但整个时间序列回归模型的自相关测试p值大于0.05。该时间序列回归模型不具有一阶自相关性。
表明中国出国人数适合用该时间序列回归模型建模。表3-6 修正后的时间序列回归模型自相关检验表残差的自相关检验。可以通过MAE、MAPE和MSE三个评价标准来判断，中国出国人数的最佳指数平滑模型是加法Holt-Winters方法。
ARIMA的基本思想是将预测的时间序列数据视为随机序列，并使用一定的模型来逼近该序列，模型一旦经过验证，就可以根据过去和现在的值预测未来值图3 -4 时间序列图、ACF 图、.
验证规则：如果p值小于0.05，则拒绝，表明模型的残差不存在白噪声。图3-7 中国出境人数原始数据时间序列图、ACF 图、PACF 图 图3-8 中国出境人数时间序列图、ACF 图。
使用MAE、MSE和MAPE这三个标准来判断哪个模型是最好的预测模型。 MAE、MSE和MAPE这三个标准越小，预测模型越好。我来谈谈台湾和全国的游客数量。每个标准下的最佳模型 指数平滑法 ARIMA 分析法 指数平滑法。
根据每个标准的最佳模型 ARIMA 分析方法 ARIMA 分析方法 ARIMA 分析方法
結論與建議
