· При росте количества студентов высших учебных заведений на 1 тыс., посещаемость растет на 75 человека в год;

· При росте средней цены на билет в кинотеатр в регионе на 1 руб., посещаемость растет на 405 человек в год.

Таким образом, были отвергнуты/не отвергнуты гипотезы:

3.3 Обсуждение результатов

Модель и исследуемая регрессия выявили влияние уровня образования со стороны спроса и влияние количества выставок, объема затрат и средней цены похода в кино со стороны предложения.

Чем больше количество студентов ВУЗов в регионе, тем выше посещаемость. Более образованные индивиды получают большую полезность от посещения музея и предпочитают искусство другим видам проведения досуга. Данный результат согласуется с исследованиями в области (Gray, 1998; Kirchberg, 1998; Brida et al., 2011; Sanz et al., 2010). В то же время это оказался единственный социально-экономический фактор, значимо влияющий на посещаемость. Уровень зарплаты напрямую не влияет на посещаемость, что говорит о доступности музеев.

Однако индивиды обращают внимание на цену похода в музей по сравнению с другими видами досуга, например, с походом в кино. Согласно итоговой модели, при росте цен на билет в кино растет посещаемость музеев. Таким образом, индивид рассматривает посещение кинотеатра как прямой заменитель музея, что подчеркивает наличие конкуренции между культурными организациями.

Чем больше выставок проводит музей, тем выше посещаемость. Большое количество выставок говорит о качестве деятельности музея, так как индивид в год может увидеть больше экспонатов, как привезенных, так и из коллекции музея. Количество и качество музея, как и качество отдельных выставок, положительно влияет на посещаемость.

Также посещаемость зависит от расходов музея. Чем выше расходы музея, тем выше посещаемость. Расходы музея содержат в себе, в том числе, оплату труда работников, ремонт зданий, реставрацию экспонатов и пополнение коллекции. Все это увеличивает качество деятельности музея и качество отдельной выставки, что увеличивает привлекательность музея. Данный вывод подтверждает и дополняет результат исследования Люксетича и Партриджа (Luksetich, Partridge, 1995).

Необходимо отметить, что многие из объясняющих факторов сильно коррелируют между собой. Например, корреляция между ценами на билет в кино и ценами на билет в музей составляет более 0,8. Для анализа были использованы переменные, которые в совокупности в регрессии обладали наибольшей объясняющей способностью.

Главное ограничение анализа заключается в специфике исследуемой выборки. Данные ограничены федеральными музеями, составляющими около 3,5% от общего количества музеев в России. Кроме этого, имеются пропуски в данных, соответственно, нужно было с большей аккуратностью интерпретировать полученные результаты. Кроме этого, взятые переменные не являются исчерпывающими показателями для тех или иных характеристик, а, скорее, прокси или способ учесть в анализе влияние того или иного фактора. Так, например, в качестве показателя образования может быть использована доля или абсолютное количество людей в регионе с высшим образованием.

Заключение

В настоящей работе были проанализированы факторы спроса и предложения, влияющие на посещаемость федеральных музеев в России в период с 2008 по 2015 годы. Анализ индивидуальных характеристик со стороны предложения (финансирование каждого музея, данные по выставкам, площади и т.д.), обобщенные на уровне региона данные со стороны спроса (зарплаты, уровень образования, численность населения и т.д.), а также наличие панельных данных за 8 лет позволили установить причинно-следственную связь между факторами и посещаемость и наличие влияния каждого из них.

Итоги не совпали полностью с результатами, полученными исследователями в других странах. Так, эмпирический анализ выявил значимую статистическую зависимость посещаемости от уровня образования и цен на субституты (сторона спроса) и от объема расходов и количества выставок (сторона предложения). Однако, анализ не выявил значимое влияние уровня заработной платы на посещаемость. Также, по результатам, посещаемость не зависит от объема и стоимости фонда, типа музея, состояния зданий и количества работников с высшим образованием, т.е. от некоторых характеристик качества выставки.

Музею, как организации, в частности, максимизирующей привлекательность и посещаемость, нужно обратить внимание на количество проводимых выставок и объем затрат (в том числе на объем затрат, направленных на пополнение фонда музея). Для посетителя важно, чтобы музей проводил больше выставок и предлагал разнообразие «ассортимента». Только в таком случае музеи смогут конкурировать с другими культурно-развлекательными организациями.

Исследование ограничено федеральными музеями в Российской Федерации. Дальнейшее изучение предмета состоит, в частности, во включении в анализ всех музеев России, в т.ч. региональные и частные, с целью определения специфики музейной деятельности в России в целом. Кроме этого, использование квартальных или помесячных данных позволит выявить сезонность в посещаемости при ее наличии и точнее определить динамику музейного рынка и его детерминантов.

БИБЛИОГРАФИЯ

1) Abankina, TV, Derkachev, PV, Filatova, LM, Scherbakova IV. (2015). Aspects Of Increasing Accessibility Of Russian Museums And Evaluation Of Attendance. Basic Research Program.

2) Anon. (2002). Sorry, we're closed: Hard times at the British Museum. The Economist, June 20th.?

3) Bailey, SJ, Falconer, P. (1998). Charging for admission to museums and galleries. Journal of Cultural Economics,22 (2-3), 167-177.?

4) Baumol, WJ, Bowen, WG. (1966). Performing Arts: The Economic Dilemma. Twentieth Century Fund, New York.

5) Benabou, R, Tirole J. (2006). Incentives and Prosocial Behavior. The American Economic Review, 96 (5).

6) Boter, J, Rouwendal, J, Wedel M. (2005). Employing Travel Time to Compare the Value of Competing Cultural Organizations. Journal of Cultural Economics, 29 (1), 19-33.

7) Brida, JG, Meleddu, M, Pulina, P. (2011). Factors influencing the intention to revisit a cultural attraction: The case study of the Museum of Modern and Contemporary Art in Rovereto. Journal of Cultural Heritage, 13 (2).

8) Cowen, T. (1996). Why I do not believe in the cost-disease: Comment on Baumol. Journal of Cultural Economics 20 (3), 207-214.

9) Fonseca, S, Rebelo, J. (2010). Economic valuation of cultural heritage: application to a museum located in the Alto Douro Wine Region-World Heritage Site. Pasos, 8 (2), 339-350.

10) Frey, BS, Meier S. (2006). The Economics Of Museums. Handbook Of The Economics Of Art And Culture,1, 1-24.

11) Frey, BS. (2009). Culture and Economics.. CESifo DICE Report, 1. 20.

12) Grampp, WD. (1989). Pricing the Priceless: Art, Artists and Economics. Basic Books, New York.

13) Gray, CM. (1998). Hope for the future? Early exposure to the arts and adult visits to art museums. Journal of Cultural Economics, 22 (2-3), 87-98.

14) Harrison, J. (2000). Outsourcing in Museums. International Journal of Arts Management, 2( 2), 14-25.

15) Johnson, P, Thomas, B. (1998). The Economics of Museums: A Research Perspective. Journal of Cultural Economics, 22 (2/3), 75-85.

16) Kirchberg, V. (1998). Entrance Fees as a Subjective Barrier to Visiting Museums. Journal of Cultural Economics, 22 (1), 1-13.

17) Kracman, K. (1996). The effect of school-based arts instruction on attendance at museums and the performing arts. Poetics, 24 (2-4), 203-218.

18) Luksetich, WA, Partridge, MD. (1995). Demand functions for museum services. Applied Economics, 29, 1553-1559.

19) Maddison, D, Foster, T. (2003). Valuing Congestion Costs in the British Museum. Oxford Economic Papers, 55 (1), 173-190.

20) McKercher, B. (2004). A comparative study of international cultural tourists. Journal of Hospitality and Tourism Management, 11 (2), 95-107.

21) Measuring the economic contribution of cultural industries. Framework for cultural statistics handbook no. 1. UNESCO Institute for Statistics. 2012.

22) O'Hagan, JW. (1995). National Museums: To Charge or Not to Charge? Journal of Cultural Economics, 19 (1), 33-47.

23) Paulus, O. (2003). Measuring Museum Performance: A Study of Museums in France and the United States. International Journal of Arts Management, 6 (1), 50-63.

24) Peacock, AT (1993). Paying the Piper: Culture, Music and Money. Edinburgh University Press, Edinburgh. 66-70.

25) Rosett, RN. (1991). Art museums in the United States: A financial portrait. In: Feldstein, M. (Ed.), The Economics of Art Museums. University of Chicago Press, Chicago, 129-177.

26) Sanz, JA, Herrero, LC, Bedate, AM. (2003). Contingent Valuation and Semiparametric Methods: A Case Study of the National Museum of Sculpture in Valladolid, Spain. Journal of Cultural Economics, 27 (3/4), 241-257.

27) Sanz, JA, Herrero, LC, Bedate, AM. (2012). Using contingent valuation and cost-benefit analysis to design a policy for restoring cultural heritage. Journal of Cultural Heritage, 13 (3), 235-245.

28) Tufts, S, Milne, S. (1999). Museums: A supply-side perspective. Annals of Tourism Research, 26 (3), 613-631.

29) Withers, GA. (1990). Unbalanced growth and the demand for performing arts: An econometric analysis. Southern Economic Journal, 46 (3), 735-742.?

Данные:

1) Главный информационно-вычислительный центр Министерства культуры Российской Федерации;

2) Федеральная служба государственной статистики. Сборник «Регионы России. Основные характеристики субъектов Российской Федерации»;

3) Стратегия государственнои? культурнои? политики на период до 2030 года Российской Федерации. [Электронный ресурс] (дата обращения: 01.04.2018). URL: http://static.government.ru/media/files/AsA9RAyYVAJnoBuKgH0qEJA9IxP7f2xm.pdf.

Приложение 1. Описательные статистики

Источник: расчеты автора

Приложение 2. Корреляционная матрица

*- коэффициенты, значимые на 5-% уровне значимости

Источник: расчеты автора

Приложение 3. Сравнение моделей POOL, FE и RE

Модель сквозной регрессии (POOL)

Эта модель является самои? ограничительнои? из возможных, так как предписывает одинаковое поведение всем объектам выборки во все моменты времени. Сквозная регрессия оценивается по методу наименьших квадратов.

Модель регрессии с детерминированным индивидуальным эффектом (FE)

Модель отличается от сквознои? свободным членом, которыи? теперь принимает разные значения для каждого объекта. Данное отличие отражает влияние пропущенных и ненаблюдаемых переменных.

Тест Вальда

P-value < 0,05 и любого адекватного уровня значимости (F-статистика = 93,03), следовательно, основная гипотеза отвергается, и выбор делается в пользу модели с детерминированным индивидуальным эффектом.

Модель регрессии со случаи?ным индивидуальным эффектом (RE)

Эта модель является компромиссом между Pool и FE, поскольку она является менее ограничительнои?, чем сквозная модель, и позволяет получать более статистически значимые оценки, чем FE модель. Оценивается с помощью обобщенного МНК.

Значимость регрессии оценивается с помощью статистики Вальда; высокое значение (193,48) говорит в пользу даннои? регрессии. Корреляция регрессоров и ненаблюдаемых случаи?ных ошибок равна 0, что не отвергает гипотезу о состоятельности оценок.

Тест Хаусмана - сравнивнение моделей RE и FE.

H0 : corr (ui, Xi )=0

Альтернативная гипотеза заключается в неравенстве даннои? корреляции 0.

Этот тест построен на разности двух оценок моделеи? FE (она состоятельна как в случае основнои?, так и в случае альтернативнои? гипотезы)и RE (она состоятельна только при основнои? гипотезе).

P-value < 0,05 и любого адекватного уровня значимости (Хи-квадрат = 44,86), а значит, основная гипотеза отвергается. В данном случае выбирается модель регрессии с детерминированным индивидуальным эффектом.

Тест Брои?ша-Пагана - сравниваем модели POOL и RE.

P-value < 0,05 и любого адекватного уровня значимости (Хи-квадрат = 1057.37) , а значит, основная гипотеза отвергается. Будет выбрана модель со случаи?ными эффектами, т.к. она больше подходит для описания наших данных.

Результаты оценки коэффициентов для всех трех моделей представлены в таблице

Аналогичные результаты были получены для модели II.

Таблица 1. Результаты POOL, FE, RE регрессии для модели I.

Источник: расчеты автора

Приложение 4. Результаты статистических тестов для модели I

Таблица 1. Показатель VIF для модели I.

Источник: расчеты автора

Таблица 2. Новый показатель VIF для модели I.

Источник: расчеты автора

Таблица 3. Модифицированный тест Вальда для модели I.

Источник: расчеты автора

Приложение 5. Результаты статистических тестов для модели II

Таблица 1. Показатель VIF для модели II

Источник: расчеты автора

Таблица 2. Новый показатель VIF для модели II

Источник: расчеты автора

Таблица 3. Модифицированный тест Вальда для модели II

Источник: расчеты автора

Размещено на Allbest.ru