Наличие сада и террасы дает возможность гостям отдохнуть на свежем воздухе после насыщенного дня, общаясь с другими гостями отеля, читая книгу или просто загорая на террасе.

Сложно не согласиться, что данный опрос не может быть репрезентативным из-за малой выборки, которая не включает всех возможных гостей различного возраста и пола, однако он имеет свою значимость с точки зрения анализа рынка туристов, ведь даже небольшое количество опрошенных имеет постоянные предпочтения. Данный опрос поможет при построении гипотезы в работе.

Независимые переменные специфицируются в основном качественными признаками, соответственно необходимо использовать фиктивные переменные, которые принимают значение ноль и единицу, такие как:

STAR. Показатель классификации отелей от 1 до 5 звезды принят в большинстве стран мира, чтобы облегчить понимание уровня отеля, а также сравнения гостиниц между городами и странами. Данная независимая переменная представлена как фиктивная переменная. Количественная переменная. Данный фактор предполагает наличие и качество определенных сервисных услуг, которые предоставляются в номере: система охлаждения воздуха, сейф, ванна, спутниковое телевидение, холодильник (мини-бар), телефон, современная мебель.

GARDEN. Дамми переменная, которая обозначает наличие или отсутствие сада в отеле, который предполагает возможность отдыха на свежем воздухе.

POOL. Независимая переменная, отвечающая за наличие бассейна в отеле. Бассейн встречается, как и открытый, так и закрытый (круглогодичный).

SPORT. Дамми переменная, которая определяет наличие фитнес зала, или бильярда, наличие снаряжения для зимних и летних видов спорта.

KM_BEACH. Фактор отвечает за расположение отеля от пляжа в километрах.

PARKING. Наличие бесплатной парковки: как охраняемой, так и общей парковки.

FREE WI-FI. Наличие бесплатного доступа к интернету, как проводного, так и беспроводного. Дамми переменная.

RESTAURANT. Независимая переменная, которая отвечает за наличие ресторана в отеле, возможности доставки еды в номер, а не общей кухни. Дамми переменная.

ADDITIONAL TRANSFER. Наличие трансферта до аэропорта по приезду и отъезду гостей: как платное, так и бесплатное.

SHOP. Наличие магазинов, а также сувенирных лавок на территории отеля. Дамми переменная.

BEAUTY_SALON. Фактор, отвечающий за наличие салона красоты близ отеля.

TERRACE. Наличие террасы в отеле. Дамми переменная.

PLAYGROUND. Наличие детской площадки на территории отеля. Дамми переменная.

NANNY. Дамми переменная, которая определяет наличие няни в отеле по запросу гостей.

Ожидается, что цены на атрибуты в Сочи будут выше, чем в Анапе и Геленджике, в связи с тем, что данный город-курорт стал очень популярным после Олимпийских игр, а также различной обеспеченности инфраструктуры городов. Кроме того, отели близ берега независимо от города будут иметь более дорогие номера и, следовательно, большую выручку.

Настоящее исследование ограничивается тем, что большинство переменных в данной модели являются качественными, поскольку они зависят от наличия или отсутствия признаков, поэтому они представлены в виде фиктивных переменных. Более того, фиктивные переменные имеют важное ограничение, связанное с тем, что они могут говорить только о наличии или отсутствии определенного атрибута. Например, фиктивная переменная наличие детской площадки указывает только его наличие или отсутствие, а не на разницу в качестве с точки зрения удобства и безопасности.

Не стоит забывать о том, что необходимо включить цены за номера по будням и выходным, а также определить тарифы в разное время летнего времени - в начале и конце сезона, так как существуют существенные различия, которые могут привести к смещенным оценкам и результатам. Поэтому будем рассматривать 30-дневное проживание гостей в отеле, чтобы включить выходные дни.

Кроме того, данные сервиса бронирования booking.com может нерегулярно обновляться и, таким образом, мы не можем доверять нашим результатам, так как они не отразят реальное положение дел в каждом отеле. Так же стоит отметить, что информация «букинговых» агентств представляет цены с надбавкой за услуги размещения рекламы отеля, таким образом, уменьшая наше доверие при выборе типа размещения. За неимением возможности посетить все отели Краснодарского края и определить «чистую» цену за проживание гостей, мы будем использовать данные сайта.

Сбор данных с сайта осуществлялся вручную. Для этого на главной странице сайта необходимо ввести город, период «путевки», а также количество гостей отеля. Результаты запроса выдают ряд отелей и предложенные цены за проживание. При переходе на отдельную страницу отеля, можно узнать информацию о дополнительных услугах, которые необходимы для данного анализа.

Проведем предварительный анализ данных с использованием описательных статистик. В связи с тем, что большинство объясняющих факторов являются фиктивными переменными, проведем описательные статистики зависимой переменной - цены. В таблице, которая приведена в приложении, представлены среднее значение, медиана, максимальные и минимальные значения, стандартное отклонение и другие показатели. Ниже представлена диаграмма, описывающая динамику средних цен за проживание в отелях как для двух взрослых, так и для двух взрослых с ребенком.

Рисунок 1. Среднее значение цены за проживание в динамике

Исходя из диаграммы видно, что в среднем цены имеют одинаковый тренд, имея максимальную точку в августе, в высокий сезон, и минимальную в мае - в низкий сезон. Рассмотрим характеристики цен проживания двух категорий. Средняя цена за месяц проживания в отеле в Краснодарском крае для двух взрослых с ребенком в мае составила 129538 рубля, в июне - 141913 рубля, в июле - 145740 рубля, в августе - 171725 рубля, а в сентябре - 124517 рубля. Средняя цена за месяц проживания для двух взрослых - в мае 77323 рубля, в июне - 93528 рубля, в июле -108314 рубля, в августе - 121864 рубля, а в сентябре - 88285 рубля.

Проверим зависимую переменную на основные значения, однородность и нормальность распределения. Судя по критерию Харк-Бера, который во всех десяти случаях равен больше 4,5, делаем вывод о том, что распределение переменной «цена» не является нормальным. Более того, значение probability меньше уровня значимости для нашей выборки (при 5%), значит, принимаем гипотезу Н1, распределение не является нормальным. Коэффициент асимметрии (skweness) во всех случаях принимает значение больше нуля, что говорит о скошенности распределения вправо. Для нормального распределения значение Куртосис равно 3, в нашем случае данное условие не выполняется, график будет иметь островершинный вид. Из всех выше перечисленных выводов, мы можем говорить, что распределение зависимой переменной не является нормальным.

Судить об однородности выборки можно по коэффициенту вариации, который рассчитывается как отношение стандартного отклонения к среднему значению. Коэффициент вариации получился >33,3% в августе в модели для двух взрослых, мае, июне и августе в модели с двумя взрослыми и одним ребенком, что говорит о большой колеблемости выборки. Делаем вывод, что будем использовать логарифм тридцати-дневного проживания в отеле для двух взрослых с и без ребенка при отдыхе в Краснодарском крае.

Определим некоторую статистику относительно категорий гостиничных комплексов в Краснодарском крае.

Рисунок 2. Процентное соотношение категорий отелей в городах-курортах

На данных графиках мы можем рассмотреть процентное соотношение категорий рассматриваемых отелей во всех городах-курортах Краснодарского края. Исходя из диаграмм, можно сделать вывод, что самым популярным видом отелей в Геленджике и Сочи является трехзвездочный отель, который также отмечается, как самой распространенной разновидностью отелей во всем мире. Когда в Анапе половина отелей занимают двухзвездочные отели. Отели с высоким уровнем сервиса имеют совсем маленькую признанность среди гостей. Таким образом, мы можем говорить о том, что, возможно, инвесторам не стоит вкладываться в отели «высокого класса», ведь затраты могут сильно превысить доход от них.



4. Описание результатов

Проведем параметризацию и спецификацию модели. Первым делом будем использовать корреляционный анализ - найдем зависимость между несколькими случайными величинами. Корреляционная зависимость - статистическая зависимость между двумя переменными, при которой каждому значению одной переменной соответствует определенное среднее значение (условное математическое ожидание). (Я. Магнус, П.К. Катышев, А.А. Пересецкий, 1998-2007)

Если рассматривать взаимосвязи между объясняющими и объясняемой переменной, то нужно учесть, что данная зависимость не может быть однозначной, ведь каждому значению объясняющей переменной соответствует множество значений из некоторой области. Рассчитаем коэффициенты корреляции и проверим их на статистической значимости, проанализируем полученные значения с точки зрения модели.

Изучив корреляционную матрицу всех десяти моделей, мы можем сделать вывод, что зависимость между ценой на гостиничные услуги и категорией отеля является положительной и заметной по шкале Чеддока и составляет от 0,5 до 0,6. Более того можно говорить о значимости коэффициентов корреляции, так как «probability» меньше уровня значимости. Такая сила взаимосвязи подразумевает, что в среднем цена за номер отеля при изменении «звезды» гостиницы также изменится, то есть в дальнейшем показатель «звездности» должен быть значимым и сильно влиять на цену проживания в отеле.

Далее будем использовать регрессионный анализ, определим функциональную зависимость между объясняющими переменными и условным математическим ожиданием зависимой переменной. Для того чтобы найти оценки регрессии, будем использовать метод наименьших квадратов, который основан на подходе выбора такого вектора констант при факторах, чтобы сумма квадратов разностей между зависимой и независимыми переменными была как можно меньше. Так с помощью метода наименьших квадратов найдем коэффициенты при данных переменных в каждой модели. Так же проверим модели и оценки на значимость, проинтерпретировать полученные данные.

В связи с этим будем рассматривать 4 блока множественных регрессионных моделей в зависимости от типа гостей и выбора факторов.

4.1 Модель с включением отдельных факторов: семья с ребенком

Рассмотрим первую модель, в которую мы включили все атрибуты, которые входят в фактор «звездность». Построим уравнения регрессии с данными переменными в мае, июне, июле, августе и сентябре.

Таблица 1

WITH CHILD	MAY	JUNE	JULY	AUG	SEPT
C	10.53559**	10.70388**	11.06789**	10.86925**	10.83543**
ADD_TRANSFER	-0.036809	-0.074648	0.043621	0.025092	0.082430
BEAUTY_SALON	0.189275	0.190687	0.181531	0.149126	0.270398**
FREE_WI_FI	-0.000999	0.251644	0.185630	0.207218	0.039760
GARDEN	-0.009621	-0.049787	-0.166396	-0.021409	-0.136042
GEL	0.413799**	0.404881**	0.281743**	0.318476**	0.289285**
KM_BEACH	0.007224**	0.002604	0.001126	0.001915	0.005211
NANNY	0.434507**	0.324557	0.322729**	0.387843**	0.198210
PARKING_FREE	0.099999	0.086725	-0.100419	-0.035129	-0.094505
PLAYGROUND	-0.000966	-0.006400	-0.019377	0.111029	-0.022540
POOL	0.254518**	0.241104**	0.284981**	0.191258	0.192238
RESTAURANT	0.182041	0.178686	0.132678	0.129544	0.158270
SHOP	0.206513	0.283584**	0.176147	0.309280**	0.187125
SOCHI	0.427606**	0.256592**	0.196500	0.278309**	0.404778**
SPORTS	0.023363	0.028947	0.046558	0.080584	-0.015847
TERRACE	0.041708	-0.055076	-0.002137	0.037001	0.016100
R-squared	0.341165	0.276759	0.319430	0.306147	0.328120
Adjusted R-squared	0.258811	0.187101	0.216313	0.216425	0.244830

Проинтерпретируем уравнение: при наличии любого атрибута отеля цена увеличится на то или иное процентное соотношение. Проверим коэффициенты на значимость. При уровне значимости 0,05, мы можем говорить, что коэффициенты при константе, а также показателях, которые отмечены в таблице, являются значимыми, принимая вторую гипотезу, так как probability меньше уровня значимости.

Для начала рассмотрим те значимые факторы, которые входят в показатель «звездность». Наличие салона красоты увеличивает ожидаемую цену на 27% в сентябре, а магазина - на 28-30% в июне и августе. Наличие бассейна в отеле тоже показало значимость в мае, июне, июле и увеличивает стоимость номера на 24-28%.

Теперь рассмотрим характеристики, которые не входят в показатель «звезды». Так фактор присутствие няни в отеле стал значимым - в мае, июле и августе, добавляя прирост к цене 32-43%. Чем дальше отель от береговой линии, тем выше цена на 0,7% в мае. Стоит отметить, что стоимость номера в мае будет выше на 43%, если отель находится в Сочи, на 41% - в Геленджике, на 16% - в Анапе. В июне самая высокая цена будет в отеле, который расположен в Геленджике, в августе - в Анапе, в сентябре - в Сочи.

Если говорить о значимости модели в целом, можно сделать вывод, что модели с мая по сентябрь значимы, так как probability(F-statistic) меньше уровня значимости равный 5%. Коэффициент R-squared показывает объясненную долю построенной логлинейной множественной модели. В нашем случае всего от 27% до 34% дисперсии получилось объяснить.

4.2 Модель с включением «звездности»: семья с ребенком

Ранее мы рассмотрели модель с характеристиками по-отдельности, далее определим влияние факторов в модели с совокупными атрибутами, которые отражаются в «звездности».

Проидентифицируем модель: построим уравнения зависимости цены на гостиничные услуги от вышепредставленных факторов в мае, июне, июле, августе и сентябре. Получим уравнения регрессии:

Таблица 2

WITH CHILD	MAY	JUNE	JULY	AUG	SEPT
C	9.723257**	10.24867**	10.44323**	10.39421**	10.09374**
ADD_TRANSFER	0.116965	0.076955	0.100370	0.067420	0.149301
KM_BEACH	0.002466	-0.001390	-0.002574	-0.000909	0.001079
PLAYGROUND	0.002593	-0.003272	0.057231	0.110136	-0.000382
NANNY	0.281590**	0.235907	0.194663	0.302522**	0.130013
TERRACE	-0.003929	-0.084388	0.005886	0.011358	-0.031502
GARDEN	-0.000817	-0.030952	-0.131968	0.020920	-0.129643
SOCHI	0.178350	0.009900	-0.012136	0.049910	0.232151**
GEL	0.135278	0.105514	0.059996	0.058201	0.106624
STAR	0.501012**	0.452368**	0.421778**	0.416669**	0.407725**
R-squared	0.521684	0.405247	0.472450	0.440335	0.462401
Adjusted R-squared	0.487519	0.363099	0.427231	0.399049	0.424304

Проверим коэффициенты на значимость. При уровне значимости 0,05, мы можем говорить, что коэффициенты при константе, а также показателе «звездность» по всем пяти моделям значимы, принимая вторую гипотезу, так как probability меньше уровня значимости. Более того наличие няни является значимой в мае и августе - во время низкого и высокого сезона, а также становится значимым переменная Сочи в сентябре.

Так при наличии няни в отеле ожидаемая отпускная цена на всю семью увеличится на 28% в мае, и на 30% в августе. Данный фактор мог не проявиться в другие месяцы в связи с ограниченностью наших данных, взятых на сайте, ведь сайт не может во всех случаях корректно посчитать цену на дополнительную кроватку для ребенка, когда менеджер отеля определил бы точную стоимость.

Показатель «звездность» во всех пяти случаях показал свою значимость, что говорит о том, что мы можем доверять полученным результатам. Так при увеличении категории отеля на одну звезду цена в среднем увеличивается на 40-50% в зависимости от месяца.

Можно говорить, что в сентябре имеется ценовая дискриминация, так как показатель Sochi, который отвечает за локальность отеля, является значимым и увеличивает цену на 23%.

Если говорить о значимости модели в целом, можно сделать вывод, что модель значима, так как probability(F-statistic) меньше уровня значимости равный 5%. Коэффициент R-squared показывает объясненную долю построенной логлинейной множественной моделью. В нашем случае от 40 до 52% дисперсии получилось объяснить.

4.3 Модель с включением отдельных факторов: двое взрослых

Определим уравнения регрессии для второго сегмента гостей: двое взрослых, которые проживают в отеле 30 дней в отеле с мая по сентябрь.

Таблица 3

NO CHILD	MAY	JUNE	JULY	AUG	SEPT
C	10.65757**	10.89719**	11.00800**	10.95371**	10.60191**
ADD_TRANSFER	-0.047820	0.014635	0.043754	0.072276	0.047282
BEAUTY_SALON	0.189816	0.157658	0.083034	0.203473	0.182511
FREE_WI_FI	-0.217352	-0.070588	0.033969	-0.001888	-0.023743
GARDEN	-0.038799	-0.033470	-0.144976	-0.013828	-0.100219
GEL	0.384608**	0.123829	0.158991	0.215529	0.313822**
BEACH_KM_	0.004090	-0.000272	-0.001900	-0.001565	0.002458
NANNY	0.261970	0.301109**	0.301337**	0.257194	0.206344
PARKING_FREE	0.018750	0.032743	0.011881	-0.058991	-0.072413
PLAYGROUND	0.010785	-0.060764	-0.072553	0.022975	0.017971
POOL	0.284359**	0.270993**	0.265654**	0.220091**	0.303004**
RESTAURANT	0.011400	0.092510	0.062347	0.080679	0.089017
SHOP	0.227251**	0.217980**	0.188947	0.256673**	0.193442
SOCHI	0.271326**	0.089854	0.085325	0.161370	0.349157**
SPORTS	0.025939	-0.011603	0.056972	0.012205	-0.008071
TERRACE	0.101363	0.045512	0.061209	0.076917	0.043777
R-squared	0.294371	0.248911	0.261125	0.230525	0.318884
Adjusted R-squared	0.206167	0.155801	0.149174	0.131024	0.234448

Для инвестора, который собирается открывать новый отель в Краснодарском крае, будет полезным узнать, что цены за проживание могут быть выше в зависимости от статуса города. Так переменные, которые отвечают за расположение отеля, а конкретно - в Геленджике и Сочи, стали значимыми в низкие сезоны - в мае и сентябре. В мае цена за проживание в отеле выше в Геленджике, чем в Сочи и Анапе: стоимость номера будет иметь прирост 38%, если отель находится в Геленджике, 27% - в Сочи, 35% - в Анапе. В сентябре же цена будет выше в Сочи, далее в Анапе и Геленджике.

Как ни странно, показатель наличие няни в отеле стал значимым в июне и июле, несмотря на то, что наши гости собираются отдыхать без ребенка. Более того, цена за номер будет выше на 30%, чем, если бы в отеле не было няни. отель цена регрессионный корреляционный

Наличие бассейна в отеле опять же показало точнейшую значимость во всех месяцах с мая по сентябрь. Вместе с тем, стоимость за проживание в отеле увеличится от 22-30%, чем, если бы отель не имел бассейна, как дополнительную опцию для отдыхающих. Приотельные сувенирные лавки, а также магазины могут требовать от цены дополнительно 21-25%, так как несут серьезные затраты на содержание.

Показатель R-squared, который отвечает за значимость модели, показал небольшую объясняющую силу дисперсии в 23-31%.



4.4 Модель с включением «звездности»: двое взрослых

Рассмотрим ряд последних моделей, которые состоят из регрессионных уравнений, определяющие стоимость 30-дневного проживания двух взрослых в отелях Краснодарского края.

Таблица 4

NO CHILD	MAY	JUNE	JULY	AUG	SEPT
C	9.629588**	10.10109**	10.34639**	10.24439**	9.770777**
ADD_TRANSFER	0.040466	0.126919	0.109908	0.106225	0.139217
BEACH_KM_	-0.000297	-0.004401	-0.005562**	-0.004797	-0.001736
PLAYGROUND	0.053813	-0.029392	0.009719	0.037558	0.065664
NANNY	0.117260	0.175571	0.151381	0.166250	0.100223
TERRACE	0.055720	0.008145	0.049878	0.048624	0.018358
GARDEN	-0.048027	-0.037810	-0.130544	0.010822	-0.108412
SOCHI	0.081176	-0.110332	-0.115446	-0.034236	0.174118**
GEL	0.162208	-0.105103	-0.061872	0.009015	0.103239
STAR	0.442787**	0.416154**	0.393437**	0.394193**	0.414049**
R-squared	0.459296	0.414790	0.459595	0.365542	0.468286
Adjusted R-squared	0.420675	0.373318	0.413275	0.318737	0.430605

Исходя из таблицы, сделаем вывод, что константа, а также показатель, который отвечает за категорию отеля, являются значимыми во всех уравнениях. Можно говорить, что в среднем цена будет выше на 39-44% при росте категории отеля на одну звезду.

Как и в предыдущей модели, которая определяет стоимость номера для двух взрослых и одного ребенка, может иметь место ценовая дискриминация в сентябре, так как показатель sochi стал значимым в сентябре. Цена будет иметь прирост 17%, если отель будет иметь расположение в Сочи.

В целом, модели имеют место быть изученными, так как имеют среднюю объясняющую силу в 36-46% объясненной дисперсии.



4.5 Проверка моделей на условия Гаусса-Маркова

Проведем верификацию модели. Необходимо отменить, что свойства коэффициентов регрессии существенным образом зависят от случайной составляющей. Для того чтобы оценки, которые получены методом наименьших квадратов, давали лучшие результаты, случайный член регрессии должен удовлетворять условиям Гаусса-Маркова. Поэтому, чтобы понимать, можем ли мы доверять полученным результатам, проверим выполнимость данных свойств.

Проверим модели на гомоскедастичность остатков, то есть постоянны ли дисперсии случайного члена, зависимы ли они от различных факторов. Используя тест Уайта, при уровне значимости 5% мы обнаруживаем гетероскедастичность остатков во всех моделях, кроме регрессии, которая определяет стоимость номера для двух взрослых и ребенка в июле, включая фактор «звездность», так как probability меньше уровня значимости. Далее будем использовать поправку стандартных ошибок коэффициентов регрессии для ковариационной матрицы ошибок - поправку Уайта.

Следующим шагом необходимо проверить: существует ли взаимосвязь между более чем двумя объясняющими переменными. Одним из признаков мультиколлинеарности является корреляционная матрица между объясняющими переменными со значениями от 0,7 до 1. В нашем случае ни в одной из 10 матриц не было найдено таких высоких значений. Другим признаком может стать близость коэффициентов детерминации по вспомогательным регрессиям, то есть близость R-squared к 1. Однако в рассмотренных уравнениях не было найдено близких к единице коэффициентов детерминации. Для уверенности используем тест VIF, и определяем, что в моделях присутствует частичная мультиколлинеарность, то есть, есть частичная зависимость между остатками независимых переменных. Данный показатель оказался больше 10 практически во всех моделях, но всего у нескольких переменных, которые не имеют сильную корреляционную зависимость, что дает нам право ослабить гипотезу о наличии мультиколлинеарности в анализированных уравнениях регрессии. Причиной мультиколлинеарности может быть факт того, что во всех моделях включено очень много дамми-переменных.

Проверим условие нормальности распределения остатков. Построив гистограммы распределения остатков всех уравнений, можно сделать заключение, что остатки распределены не нормально, но приближены к выполнению данного условия, так как некоторые показатели как коэффициент асимметрии, значение куртозис в некоторых случаях близки к уровням сравнения.

4.6 Сравнение моделей и результатов

В целом, сравнивая модели по показателю скорректированные коэффициент детерминации, который применяется при сравнении уравнений регрессии с одной зависимой переменной и разными объясняющими факторами. Лучшими моделями оказались те, в которых данный коэффициент был выше, а конкретно в моделях, определяющих цену на основе показателя «звездность» и факторов, не входящих в него. Однако это объясняется тем, что в них включено меньшее количество переменных.

Одним из главных результатов оказалось значимость «звездности», где каждый переход к последующей категории добавляет в среднем 40% стоимости. Данный показатель является совокупным для большинства характеристик отеля, таких как наличие ресторана, спортивного клуба, бассейна, салона красоты, магазина и прочих атрибутов. Проверим, какие характеристики отеля стали самыми прибыльными для отелей Краснодарского края.

Рассматривая показатель наличие няни в отеле во всех четырех блоках уравнений, фактор оказался значимым в трех из них, хоть и не в каждом месяце, а точнее в двух блоках, включающих цену для проживания двух взрослых и шестилетнего ребенка, и в блоке, основанном на характеристиках по отдельности для двух взрослых. То, что в последней модели совокупный показатель nanny не стал значимым, является логичным для уравнений регрессий для двух взрослых и совокупном показатели «звездность». Кончено же в силу неполноты данных, показатель при имеющемся уровне значимости не показал свою силу, однако в целом гипотеза о том, что существует взаимосвязь между ценой за проживание в отеле и влияние на стоимость номера подтвердилась.

Другой важной характеристикой отеля, которая приносит полезность, как и взрослым, так и детям - это наличие бассейна в гостиничном комплексе. Так как показатель входит в фактор «звездности», то будем сравнивать две модели с ребенком и без. Так наличие бассейна во всех случаях добавляет прирост цены и имеет значимость для нашего инвестора, который собирается открыть новый отель в Краснодарском крае.

Наличие сувенирной лавки или магазина на территории отеля также в большинстве уравнений двух блоков принимает значимость при рассматриваемом уровне. Может быть, инвестору стоит строить отель недалеко от торгового центра, не принимая на себя никакие издержки, тем самым значительно повысить свою прибыль.

Существенной ценовой дискриминации в Краснодарском крае в городах-курортах не наблюдается, кажется, что Анапа, Геленджик и Сочи имеют одинаковую репутацию, скорее всего связанную с похожими погодными и природными условиями, инфраструктурой, культурными и развлекательными комплексами.

Данные результаты говорят о том, что отели, которые оснащены данными атрибутами, имеют наивысшие цены, а как следствие - выручку. Менеджеры нового отеля могут без сомнения предлагать вышеупомянутые услуги независимо от месяца и города-курорта.



Заключение

За время написания работы был изучен один из методов ценообразования - метод гедонистических цен, который рассматривается во многих иностранных исследованиях. Метод не может стать альтернативой для других классических методов, но может быть использован дополнительно к рассмотренным способам ценообразования. Кажется, что инвестору следует первым делом изучить спрос, поведение потребителя, затем определить те характеристики отеля, которые важны ему. Затем стоит проанализировать рынок конкурентов и предложения для туристов Краснодарского края, а также особенности каждого города-курорта. После чего рассчитать основные затраты на содержание отеля и основных атрибутов, которые встречаются чаще всего и являются популярными среди гостей. Последним шагом к определению цены станет использования гедонистической модели, чтобы определить процентную выгоду от каждого атрибута отеля при его наличии.

В ходе исследования был произведен сбор данных с сайта booking.com, где предоставляется информация об отелях, а также производится расчёт проживания в отеле в зависимости от введенных требований соискателя. После сбора информации автор работы произвел статистический и эконометрический расчет данных, построил по десять регрессионных уравнений для двух взрослых и двух взрослых, отдыхающих с ребенком: пять с мая по сентябрь с включением переменной «звездность» и пять с мая по сентябрь с рассмотрением характеристик по отдельности. Так автор отметил как схожие, так и различные результаты, которые могут быть связаны с тем, что данные на сайте не отражают действительные цены, которые предлагают отели для своих гостей.

Кажется, что самыми главными факторами, которые могут повысить цены за проживание в отеле, являются наличие бассейна в гостиничном комплексе, магазинов близ отеля, а также няни для маленьких гостей. Затраты на бассейн принимают на себя краткосрочный характер, единожды инвестируя - построив бассейн, менеджерам отеля требуется лишь его техническая поддержка и уборка. Не нужно задумываться - наличие бассейна - это не только хороший имидж отеля, а также прекрасный способ заработать. Другим успехом гостиничного комплекса станет наличие близ торгового комплекса. При нулевых затратах на него, инвестор будет получать хорошие дивиденды, ведь большинство гостей будут готовы пройтись по магазинам после приятного отдыха в отеле. И, конечно же, гипотеза данного исследования подтвердилась - наличие няни в отеле повысит цену за проживание, и соответственно доход. Не обязательно устраивать няню в штат, когда можно подписать контракт с агентством, которое будет присылать няню по требованию. Не стоит забывать, что наличие няни в отеле - это целый комплекс услуг для детей: от наличия кроватки, детских комнат и развивающих игр.

В ходе исследования стало ясным, что стоит рассматривать атрибуты отеля по отдельности, нежели в совокупности, как показателя «звездности», чтобы разобрать каждый фактор по отдельности. Пожеланием для улучшения последующих следований - это расширение выборки, может быть за счет рассмотрения других городов России, что сделает оценки более эффективными. Другим способом может стать группировка некоторых факторов, например, соединение няни и детской площадки, террасы и бассейна, магазина и салона красоты.

В целом, цель работы была достигнута, несмотря вышеописанные ограничения - автор определил основные детерминант цены на гостиничные услуги в городах Анапе, Геленджике и Сочи в период с мая по сентябрь. Результаты практической части могут быть использованы в дальнейших исследованиях в этой области, а также менеджерами гостиничных комплексов. Данная работа может внести вклад в анализ туристических услуг Краснодарского края, а конкретно развить стратегию развития туризма в Российской Федерации, основным направлением чего является развитие туристского потенциала России.



Список использованной литературы

1. Стратегия развития туризма в Российской Федерации на период до 2020 года, утвержденная распоряжением Правительства Российской Федерации от 31 мая 2014 г. № 941-р.

2. Вербик, М. (2008), Путеводитель по современной эконометрике, М.: Научная книга,- 616 с.

3. Магнус, Я., Катышев, П.К. и Пересецкий, А.А. (1998, 2000, 2007), Эконометрика. Начальный курс.

4. Антошкина, Е.В., Фоменко, Е.В. и Антошкина, В.В. (2011), «Инвестиционная привлекательность города-курорта Анапа», Курортно-рекреационный комплекс в системе регионального развития: инновационные подходы, № 1.

5. Ведерников, В.П. (2014), «Развитие туристско-экскурсионного обслуживания как фактор повышения привлекательности города-курорта Геленджик», Курорты.Сервис. Туризм., №2(23).

6. Гамидуллаев, Р.Б., Гамидуллаева, Л.А. (2014), «Исследование механизмов государственной поддержки малого инновационного предпринимательства: функционально-ресурсный аспект», Современные проблемы науки и образования, № 6. С. 481.

7. Григорян, В.М., Карягина, Е.В. (2008), «Проблемы развития Сочинского корпоративного гостиничного сектора в преддверии «Олимпиады-2014», Современные наукоемкие технологии, №4.

8. Калиниченко, В.И. (2009), «Моделирование и оптимизация стратегий развития реакционно-туристских территорий», TERRAECONOMICS, том 7, №3.

9. Малюта, Л.Е., Агафонова, В.А. (2010) «Тенденции и перспективы развития гостиничного бизнеса в Краснодарском крае», Стратегия устойчивого развития регионов России, № 4. С. 182-188.

10. Никитина, О.А. (2006), «Региональные программы развития туризма и международная интеграция при подготовке кадров», Современные проблемы науки и образования, № 4 - С. 70-73.

11. Панченко, В.И. (2011), «Основы стратегии продаж в отельном бизнесе: взгляд со стороны товарного рынка», Управление продажами, 04(59).

12. Федотова, К.А., Чемянова, М.Ф. (2012), «Ресурсный потенциал туризма и пути повышения эффективности его использования в Краснодарском крае», Психология. Экономика. Право. №1, с.88-94.

13. Шабанова, Т.Н. (2012), «Проблемы и перспективы развития гостиничного бизнеса краснодарского края», Курортно-рекреационный комплекс в системе регионального развития: инновационные подходы, № 1. С. 46-49.

14. Anuar, A. and Tan, S.B. (2014), “Key Determinants for Marketing and Operational Strategies of Hotel Business”, Journal of Surveying, Construction and Property (JSCP), Vol. 5.

15. Corgel, J.B., Liu, C. and White, R.M. (2013), Determinants of Hotel Property Prices, Cornell University, School of Hotel Administration.

16. Gauci, J.B. and Micallef, S.(2014),“Online Booking of Collective Accommodation Establishments in Malta”, Mediterranean Journal of Social Sciences, Vol. 5, No. 2, pp. 11-12.

17. Goodman, A.C. (1998), “Andrew Court and the Invention of Hedonic Price Analysis”, Journal of Urban Economics , Vol.44, pp.291-298.

18. Espinet, J.M. (1999), Analysis of Hotel Prices in Southern Costa Brava, University of Girona.

19. Espinet, J. and Saez, M. (2003), “Effect on prices of the attributes of holiday hotels: a hedonic prices approach”, Tourism Economics, Vol. 9, pp. 165-177.

20. Kefela, M.S. (2014), Determinants of Hotel Room Rates in Stockholm: A Hedonic Pricing Approach, Sodertorn University.

21. Lancaster, K. J. (1966), “A New Approach to Consumer Theory”, Journal of Political Economy, Vol. 74, pp.132-57.

22. Monty, B. and Skidmore, M. (2003), “Hedonic pricing and willingness to pay for bed and breakfast amenities in Southeast Wisconsin”, Journal of Travel Research, Vol. 42, pp.195-199.

23. Thrane, C. (2007), “Examining the determinants of room rates for hotels in capital cities: the Oslo experience”, Journal of Revenue and Pricing Management, Vol. 5, pp. 315-323.

24. “An Empirical Analysis of the Impact of Online Reputation on Hotel Pricing”, The London School of Economics and Political Science.

25. World Tourism Organization. Tourism: 2020 Vision. (2000), Madrid, Spain.

26. Эл. Ресурс: Федеральная служба государственной статистики. Точка доступа: http://cbsd.gks.ru/

27. Эл. Ресурс: PWS. Точка доступа: http://www.pwc.ru/ru/real-estate/hospitality_in_russiareport.jhtml

28. Эл. Ресурс: Газета.ru точка доступа: http://www.gazeta.ru/business/2015/03/04/6435381.shtml

29. Эл. Ресурс: iTravel. Точка доступа: http://www.itravel-bron.ru/vysokij_i_nizkij_sezon_chto_eto.html

30. Эл. Ресурс: Wikipedia. Точка доступа: http://en.wikipedia.org/wiki/Hedonic_regression

31. Эл. Ресурс: Интерфакс. Точка доступа: http://www.interfax.ru/422014

32. Эл. Ресурс: ГК Эксперт. Точка доступа: http://www.expertyug.ru/analitics/24-gostinichnyj-biznes-v-krasnodarskom-krae/

33. Эл. Ресурс: Информационное агентство Regnum. Точка доступа: http://www.regnum.ru/news/society/1910077.html#ixzz3ZGHqknbk

34. Эл. Ресурс: Хотелмастер. Точка доступа: http://hotelmaster.ru/hotelklass.html

35. Эл. Ресурс: EY. Точка доступа: http://www.ey.com/RU/ru/Issues/Business-environment/EY-russia-blitz-survey-december-2014

Приложение 1

Основная статистика

PRICE2	MAYNOCH	JUNENOCH	JULYNOCH	AUGNOCH	SEPTNOCH	MAYCH	JUNECH	JULYCH	AUGCH	SEPTCH
Mean	77323.85	93528.89	108314.2	121864.5	88285.78	129538.8	141913.8	145740.5	171725.9	124517.4
Median	56000.00	70000.00	89600.00	88855.00	69120.00	84000.00	95200.00	114800.0	114800.0	91200.00
Maximum	840000.0	714000.0	714000.0	1680000.	910000.0	2800000.	2800000.	1120000.	2800000.	1120000.
Minimum	22400.00	28000.00	39200.00	30000.00	25200.00	26880.00	33600.00	42000.00	33600.00	35280.00
Std. Dev.	95000.93	85658.23	87586.45	169390.3	93689.61	252467.8	246502.0	124741.7	279872.9	126825.0
Skewness	6.321096	4.613391	4.560398	6.903016	6.202591	8.994923	9.382343	4.830346	7.211333	5.152649
Kurtosis	47.66652	29.31715	28.44771	58.76493	49.79881	93.40016	100.4162	34.86330	63.07303	36.22048
Jarque-Bera	12301.02	4439.519	3501.630	18151.84	13380.43	48496.99	56181.61	5312.036	20992.30	6905.937
Probability	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
Sum	10593368	12813458	12456132	16086110	12095152	17746822	19442188	16760152	22667822	17058886
Sum Sq. Dev.	1.23E+12	9.98E+11	8.75E+11	3.76E+12	1.19E+12	8.67E+12	8.26E+12	1.77E+12	1.03E+13	2.19E+12
Observations	137	137	115	132	137	137	137	115	132	137



Приложение 2

Корреляция в моделях без ребенка

MAY	ADD_TRANSFER	BEAUTY_SALON	FREE_WI_FI	GARDEN	BEACH_KM_	GEL	PARKING_FREE	NANNY	PLAYGROUND	POOL	RESTAURANT	SHOP	SOCHI	SPORTS	TERRACE	STAR	PRICE2
ADD_TRANSFER	1.000000	-0.066725	0.094491	0.058347	0.052487	0.138013	0.222424	0.128037	0.190500	0.172475	0.141200	5.06E-17	-0.231065	-0.022389	0.055607	-0.040064	0.039159
BEAUTY_SALON	-0.066725	1.000000	-0.053942	-0.026580	0.053154	-0.042975	0.062184	0.299015	0.017540	0.235325	0.215174	0.397144	0.055421	0.203335	-0.084844	0.205843	0.104202
FREE_WI_FI	0.094491	-0.053942	1.000000	0.068610	-0.019535	-0.102698	-0.037966	0.084688	0.020323	-0.051521	-0.144338	-0.082338	-0.012392	-0.096257	0.180225	0.088333	-0.211463
GARDEN	0.058347	-0.026580	0.068610	1.000000	-0.087038	-0.046974	0.002930	-0.022412	0.058284	0.026511	0.089126	0.049951	0.037693	0.122938	0.308372	0.016363	-0.027999
BEACH_KM_	0.052487	0.053154	-0.019535	-0.087038	1.000000	-0.131850	0.029666	0.052317	-0.043208	0.098301	0.132494	0.108311	0.206424	0.247800	-0.001518	0.308076	0.214621
GEL	0.138013	-0.042975	-0.102698	-0.046974	-0.131850	1.000000	-0.003466	-0.123695	-0.130609	-0.198877	5.81E-17	-0.094944	-0.597291	-0.227110	-0.171909	-0.101602	-0.057302
PARKING_FREE	0.222424	0.062184	-0.037966	0.002930	0.029666	-0.003466	1.000000	-0.026641	-0.076851	-0.036047	0.120559	0.084240	-0.162159	-0.077588	-0.070938	-0.117379	0.025027
NANNY	0.128037	0.299015	0.084688	-0.022412	0.052317	-0.123695	-0.026641	1.000000	0.213225	0.227243	0.195580	0.211395	-0.010395	0.154795	0.155211	0.287263	0.115810
PLAYGROUND	0.190500	0.017540	0.020323	0.058284	-0.043208	-0.130609	-0.076851	0.213225	1.000000	0.281212	-0.009387	0.069894	-0.050772	0.072231	0.295173	0.059170	0.095632
POOL	0.172475	0.235325	-0.051521	0.026511	0.098301	-0.198877	-0.036047	0.227243	0.281212	1.000000	0.297455	0.218422	0.109691	0.306055	0.251651	0.329232	0.239484
RESTAURANT	0.141200	0.215174	-0.144338	0.089126	0.132494	5.81E-17	0.120559	0.195580	-0.009387	0.297455	1.000000	0.240192	-0.009539	0.136797	0.016988	0.224396	0.046587
SHOP	5.06E-17	0.397144	-0.082338	0.049951	0.108311	-0.094944	0.084240	0.211395	0.069894	0.218422	0.240192	1.000000	0.027495	0.073930	0.016322	0.220493	0.205773
SOCHI	-0.231065	0.055421	-0.012392	0.037693	0.206424	-0.597291	-0.162159	-0.010395	-0.050772	0.109691	-0.009539	0.027495	1.000000	0.222170	0.097721	0.245780	0.121751
SPORTS	-0.022389	0.203335	-0.096257	0.122938	0.247800	-0.227110	-0.077588	0.154795	0.072231	0.306055	0.136797	0.073930	0.222170	1.000000	0.151637	0.082672	0.095822
TERRACE	0.055607	-0.084844	0.180225	0.308372	-0.001518	-0.171909	-0.070938	0.155211	0.295173	0.251651	0.016988	0.016322	0.097721	0.151637	1.000000	0.116442	0.062138
STAR	-0.040064	0.205843	0.088333	0.016363	0.308076	-0.101602	-0.117379	0.287263	0.059170	0.329232	0.224396	0.220493	0.245780	0.082672	0.116442	1.000000	0.529004
PRICE2	0.039159	0.104202	-0.211463	-0.027999	0.214621	-0.057302	0.025027	0.115810	0.095632	0.239484	0.046587	0.205773	0.121751	0.095822	0.062138	0.529004	<...

Подобные документы

• Корреляционный анализ финансов предприятия

  Характеристика корреляционного анализа финансового состояния предприятий строительства. Сущность корреляции - статистической зависимости между случайными величинами, при которой изменение одной из их приводит к изменению математического ожидания другой.
  
  курсовая работа [111,9 K], добавлен 12.04.2010
  

• Цели и факторы ценообразования

  Рассмотрение сущности денег. История изменения форм стоимости, видов цены (розничная, оптовая, закупочная). Определение понятия, целей (максимальный объем продаж с минимальной потерей равновесия), факторов (затраты, спрос, конкуренция) ценообразования.
  
  презентация [58,8 K], добавлен 10.04.2010
  

• проблемы развития ипотечного кредитования в России

  Сущность, принципы и виды ипотечного кредитования. Нормативно-правовая база, особенности и проблемы ипотечного кредитования в современной России. Корреляционный анализ зависимости объемов ипотечных кредитов от факторов макроэкономического развития.
  
  дипломная работа [824,3 K], добавлен 03.05.2018
  

• Анализ влияния событий на стоимость криптовалюты

  Определение криптовалюты и механизм ее работы. Обозначение факторов, влияющих на стоимость криптовалюты. Анализ особенностей моделирования цены криптовалют. Запуск торговли фьючерсами на Bitcoin в США. Особенности ценообразования криптовалюты Ripple.
  
  дипломная работа [1,1 M], добавлен 26.11.2021
  

• Формирование цены на товар

  Цели и задачи ценообразования. Методы, используемые при формировании цены. Нормативно-правовое регулирование. Анализ формирования цены на товар на примере ООО "Гелиос": основные направления ценообразования, конкурентоспособность при формировании цены.
  
  курсовая работа [75,9 K], добавлен 04.05.2008
  

• Анализ финансового состояния предприятия

  Расчет и анализ, финансовой устойчивости предприятия с помощью коэффициентов финансовой автономии, зависимости, левериджа и маневренности, ликвидности, показателей рентабельности и оборачиваемости. Оценка влияния факторов на изменение чистой прибыли.
  
  контрольная работа [30,4 K], добавлен 12.03.2015
  

• Ценообразование на предприятиях общественного питания

  Экономическая сущность цены и ее функции. Ценообразующие факторы. Основные принципы ценообразования. Величины абстрактного труда, отражающиеся в стоимости товара. Цена согласно теории К. Маркса. Закон стоимости. Перераспределительная функция цены.
  
  контрольная работа [26,0 K], добавлен 23.12.2012
  

• Анализ финансовых результатов деятельности организации (предприятия)

  Анализ факторов изменения прибыли и рентабельности отдельных видов продукции и в целом по предприятию. Анализ безубыточного объема продаж, зон безопасности предприятия и факторов изменения их уровня. Порядок расчета влияния факторов на прибыль от продаж.
  
  методичка [20,3 K], добавлен 03.06.2010
  

• Особенности ценообразования на рынке ценных бумаг

  Преимущественная форма существования ценной бумаги в современном рыночном хозяйстве. Отражение ее качества в показателях ликвидности, доходности и риска. Оценка рыночной стоимости ЦБ. Факторы, влияющие на процесс ценообразования на фондовом рынке.
  
  курсовая работа [242,5 K], добавлен 18.05.2014
  

• Типы финансовой устойчивости предприятия

  Расчет факторов и степени финансовой устойчивости в зависимости от степени обеспеченности запасов и затрат различными видами источников. Определение типа финансовой устойчивости. Мероприятия и методы по повышению финансовой устойчивости предприятия.
  
  контрольная работа [32,7 K], добавлен 06.02.2008
  

• Оценка стоимости компании в рамках доходного подхода

  Анализ рынка производства чугуна и стали. Анализ финансового состояния компании. Оценка денежного потока предприятия и его остаточной стоимости. Расчёт ожидаемой доходности актива с помощью модели САРМ, расчёт средневзвешенной стоимости капитала.
  
  курсовая работа [571,9 K], добавлен 22.01.2015
  

• Изучение особенностей российского рынка деривативов

  Особенности формирования и формулы для расчета цены форварда. Количественный анализ эффективности ценообразования фьючерсных контрактов на российском рынке. Анализ соотношение фактического и теоретического значения базиса в периоды контанго и бэквордации.
  
  дипломная работа [2,0 M], добавлен 22.08.2017
  

• Виды, сущность и экономическая роль цены

  Цена как экономическая категория, способы ценообразования, правила установления новых цен и изменения действующих. Виды цен и тарифов по степени учета в них затрат и прибыли, по времени их действия, в зависимости от степени самостоятельности предприятия.
  
  курсовая работа [44,9 K], добавлен 04.08.2010
  

• Управление собственным капиталом предприятия

  Понятие собственного капитала, его позитивные особенности и недостатки, этапы управления. Структура собственного капила в зависимости от организационно-правовой формы хозяйствующего субъекта, методы и показатели оценки его стоимости (формирование цены).
  
  курсовая работа [42,8 K], добавлен 31.01.2012
  

• Дивидендная политика предприятия

  Теоретические основы формирования дивидендной политики предприятия, необходимой для успешного его функционирования на рынке ценных бумаг. Оценка факторов, определяющих ее формирование и реализацию. Разработка механизма распределения прибыли предприятия.
  
  курсовая работа [36,1 K], добавлен 09.08.2013
  

• Комплексная оценка денежных потоков организации

  Исследование моделей и видов денежных потоков. Анализ факторов, влияющих на формирование денежных потоков предприятия. Расчет текущей стоимости четырехлетнего денежного потока от сдачи в аренду офисного помещения. Дисконтированный поток денежных средств.
  
  контрольная работа [77,7 K], добавлен 11.10.2013
  

• Анализ и диагностика финансово-хозяйственной деятельности ООО "Мазуровский кирпичный завод"

  Оценка факторов, определяющих динамику работ. Влияние использования основных фондов на динамику технико-экономических показателей организации. Факторы, определяющие динамику прибыли от реализации строительно-монтажных работ. Анализ динамики прибыли.
  
  курсовая работа [336,9 K], добавлен 24.04.2013
  

• Детерминанты структуры капитала компаний на развивающихся рынках капитала

  Теории, предписывающие поведение факторов, определяющих структуру капитала. Исследование детерминант структуры капитала российских компаний на разных стадиях жизненного цикла. Выбор спецификации модели, описывающей влияние факторов на структуру капитала.
  
  дипломная работа [1,2 M], добавлен 19.09.2016
  

• Анализ финансовой устойчивости

  Понятие, сущность и типы финансовой устойчивости предприятия. Анализ типа и коэффициентов финансовой устойчивости, совокупности влияющих на неё факторов и условий. Характеристика финансовых рисков предприятия, их влияние на показатели ликвидности.
  
  курсовая работа [45,1 K], добавлен 30.03.2014
  

• Оценка стоимости предприятия

  Исходные данные для расчета стоимости капитала предприятия. График обслуживания долга. Прогноз прибыли и денежных потоков. Оценка собственного капитала и стоимости предприятия. График зависимости оценки стоимости предприятия от темпа роста дохода.
  
  контрольная работа [32,0 K], добавлен 17.10.2008
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам