Спрос на туризм

AIRPORT

0.001831

0.001591

1.150599

0.2560

R-squared

0.616008

Mean dependent var

1.042766

Adjusted R-squared

0.573342

S.D. dependent var

2.190908

S.E. of regression

1.431080

Akaike info criterion

3.664868

Sum squared resid

92.15961

Schwarz criterion

3.892141

Log likelihood

-87.45412

Hannan-Quinn criter.

3.751715

F-statistic

14.43799

Durbin-Watson stat

1.618391

Prob(F-statistic)

0.000000

Рис.3. Оценка модели №2 МНК.

Качество данной модели существенно ниже качества предыдущей, поскольку коэффициент детерминации равен 0,61. В такой логарифмической модели значимым также является показатель расходов, что позволяет оценить эластичность, однако остальные переменные в модели по-прежнему остаются не значимыми, за исключением константы. Оценим эластичность въезда по другим показателям, построив иную модель.

Log(q?) = №? + B1(airport?) + B2 log(gdp?) + B3log(rashod?) + B4log(unesco?) + B5log(eat?) + B6log(hotel?) + ,



где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: LOG(Q)
Method: Least Squares
Date: 05/12/16 Time: 16:08
Sample: 1 51
Included observations: 49
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-12.87203	3.681225	-3.496669	0.0011
AIRPORT	-0.064327	0.079327	-0.810906	0.4220
LOG(GDP)	0.550451	0.254712	2.161070	0.0364
LOG(RASHOD)	0.469773	0.185609	2.530984	0.0152
LOG(EAT)	-1.659930	0.657810	-2.523418	0.0155
LOG(HOTEL)	1.466602	0.832044	1.762649	0.0852
LOG(UNESCO)	0.792018	0.279964	2.828996	0.0071
R-squared	0.712780	Mean dependent var	1.059186
Adjusted R-squared	0.671749	S.D. dependent var	2.227552
S.E. of regression	1.276236	Akaike info criterion	3.457271
Sum squared resid	68.40871	Schwarz criterion	3.727531
Log likelihood	-77.70315	Hannan-Quinn criter.	3.559808
F-statistic	17.37157	Durbin-Watson stat	1.572272

Рис.4. Оценка модели №3 МНК.

Коэффициент детерминации в данной модели выше, чем в предыдущей, следовательно, такая комбинация переменных является наиболее подходящей для оценки эластичности. Все показатели значимы, за исключением количества аэропортов на единицу площади. Стоимость питания включена в модель с отрицательным знаком, значит, рост цен на еду на 1% в среднем снижает число въездов на 1,65% при прочих равных условиях. Рост уровня ВВП на 1% наоборот вызывает рост туристских прибытий на 0,55% в среднем при прочих равных условиях.

Предположим, что показатель расходов должен включаться в модель с логарифмом и квадратом, так как возможно, это позволит оценить участие и других параметров.

Построим модель вида: q? = №? + B1(airport?) + B2 (gdp?) + B3(log(rashod?))І + B4(unesco?) + B5(two_of_three?) + , где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: Q
Method: Least Squares
Date: 03/11/16 Time: 23:02
Sample: 1 51
Included observations: 51
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-11.24647	4.412245	-2.548922	0.0143
GDP	-1.67E-05	4.23E-05	-0.395660	0.6942
UNESCO	0.920263	0.169286	5.436145	0.0000
LOG(RASHOD)^2	0.156989	0.069264	2.266521	0.0283
TWO_OF_THREE	5.524301	2.646615	2.087308	0.0426
AIRPORT	0.008210	0.010736	0.764734	0.4484
R-squared	0.757351	Mean dependent var	10.49520
Adjusted R-squared	0.730390	S.D. dependent var	16.54713
S.E. of regression	8.591930	Akaike info criterion	7.249655
Sum squared resid	3321.956	Schwarz criterion	7.476928
Log likelihood	-178.8662	Hannan-Quinn criter.	7.336503
F-statistic	28.09062	Durbin-Watson stat	2.167797
Prob(F-statistic)	0.000000

Рис.5. Оценка модели № 4 МНК.

Так как модель является статичной, нет необходимости проверять ее на автокорреляцию, однако во избежание ошибок модель проверена на гетероскедастичность с помощью теста Вайта. Коэффициент детерминации равен 0,74, что свидетельствует о достаточно хорошем уровне подстройки. Prob(F-statistic) < 0,01, значит, модель в целом значима.

Как и ожидалось, знаки перед коэффициентами В1,В3,В4,В5 положительны, что свидетельствует об их положительном влиянии на зависимую переменную. Наибольший коэффициент - 5,52 - у показателя наличия в стране двух различных видов отдыха. Вероятно, это связано с тем, что большее число туристов едет в страны, где они могут совместить разные виды активности.

Предположим, что модель формирования спроса на турпоездки в страны, где есть два различных вида отдыха такая же, как и в странах с их отсутствием. Для проверки гипотезы воспользуемся тестом Чоу.

Chow Breakpoint Test: 23
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1 51
F-statistic	2.975601		Prob. F(5,41)	0.0221
Log likelihood ratio	15.78954		Prob. Chi-Square(5)	0.0075
Wald Statistic	14.87801		Prob. Chi-Square(5)	0.0109

Рис.6. Тест Чоу №1.

Probability (F-statistic) меньше уровня значимости 0.1, следовательно мы отвергаем гипотезу. Туристы формируют модель спроса на турпродукты данных стран по-разному.

Поскольку модели спроса на турпродукты стран с наличием двух различных видов отдыха и «без» отличаются, стоит проанализировать, от чего зависит вероятность наличия в стране двух различных видов отдыха. Построим Probit модель с включением следующих переменных: вероятность наличия экскурсионного вида отдыха, вероятность наличия лыжного курорта в стране, уровень ВВП на душу населения, уровни средней летней и зимней температур. Стоит учесть тот факт, что количество наблюдений не слишком велико, именно поэтому полученные результаты могут не точно отражать ситуацию в действительности.

Dependent Variable: TWO_OF_THREE
Method: ML - Binary Probit (Quadratic hill climbing)
Date: 03/12/16 Time: 12:07
Sample: 1 51
Included observations: 51
Convergence achieved after 8 iterations
Covariance matrix computed using second derivatives
Variable	Coefficient	Std. Error	z-Statistic	Prob.
C	-9.890632	4.524036	-2.186241	0.0288
GDP	-9.15E-06	1.15E-05	-0.796755	0.4256
SEA	-0.558992	0.826327	-0.676479	0.4987
SKI	6.170706	2.337630	2.639727	0.0083
SUM_AV_T	0.311989	0.147999	2.108044	0.0350
WIN_AV_T	0.102830	0.057457	1.789684	0.0735
UNESCO	0.045548	0.036078	1.262486	0.2068
McFadden R-squared	0.752552	Mean dependent var	0.568627
S.D. dependent var	0.500196	S.E. of regression	0.251627
Akaike info criterion	0.612869	Sum squared resid	2.785920
Schwarz criterion	0.878021	Log likelihood	-8.628158
Hannan-Quinn criter.	0.714192	Deviance	17.25632
Restr. deviance	69.73719	Restr. log likelihood	-34.86859
LR statistic	52.48087	Avg. log likelihood	-0.169180
Prob(LR statistic)	0.000000
Obs with Dep=0	22	Total obs	51
Obs with Dep=1	29

Рис.7. Оценка модели №5 ММП.

Коэффициент McFadden RІ равен 0,75, что свидетельствует о достаточно высоком уровне подгонки. Из всех включенных переменных незначимым оказался уровень ВВП на душу населения, вероятно, что вероятность наличия в стане двух различных видов отдыха не зависит от этого показателя. Также наличие в стране моря не влияет на наличие двух из трех видов отдыха, вероятно, это связано с небольшим объемом выборки, и с тем, что стран, в которых есть море в данной выборке меньше, чем стран, в которых есть горнолыжный курорт. Из таблицы также видно, что вероятность наличия в стране лыжного курорта в большей степени увеличивает вероятность наличия в стране двух различных видов отдыха, в отличие от других факторов.

Поскольку гипотеза о том, что туристы формируют свои предпочтения одинаково вне зависимости от того, есть ли в стране возможность совмещать два различных вида отдыха или нет, была отклонена, необходимо проанализировать, как именно различаются эти две модели.

Построим модель спроса на въездной туризм в страны, где есть два и более различных вида активности.

q? = №? + B1(eat?) + B2 (gdp?) + B3(rashod?) + B4(unesco?) + B5(ter?) + B6(hotel?) + ,

где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: Q
Method: Least Squares
Date: 05/12/16 Time: 16:51
Sample: 1 51 IF TWO_OF_THREE=1
Included observations: 29
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.645005	2.297750	0.280712	0.7816
GDP	-9.06E-06	7.43E-05	-0.121948	0.9040
HOTEL	0.013992	0.011060	1.265187	0.2190
EAT	-0.198651	0.375412	-0.529155	0.6020
RASHOD	0.001273	0.000173	7.371713	0.0000
TER	0.763862	2.363613	0.323176	0.7496
UNESCO	-0.307002	0.255814	-1.200097	0.2429
R-squared	0.948121	Mean dependent var	10.45763
Adjusted R-squared	0.933972	S.D. dependent var	20.44109
S.E. of regression	5.252538	Akaike info criterion	6.361805
Sum squared resid	606.9614	Schwarz criterion	6.691842
Log likelihood	-85.24617	Hannan-Quinn criter.	6.465168
F-statistic	67.01005	Durbin-Watson stat	2.053326
Prob(F-statistic)	0.000000

Рис.8. Оценка модели №6 МНК.

Коэффициент детерминации равен 0,94, что свидетельствует о том, что модель близка к действительности и в целом значима (F-stat.=81,7). К сожалению, из всех переменных, включенных в модель значимы только расходы туристов. Можно заключить, что при выборе страны, в которой туристы могут позволить себе различные виды активности они руководствуются объемом денежных средств, необходимых для поездки. Иначе обстоит ситуация со странами, в которых отсутствует такая возможность. Построим модель вида:

q? = №? + B1(airport?) + B2 (gdp?) + B3(rashod?) + B4(unesco?) + B5(ter?) + B5(ski?) + B5(exc?) + ,

где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: Q
Method: Least Squares
Date: 04/30/16 Time: 11:40
Sample: 1 51 IF TWO_OF_THREE=0
Included observations: 22
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	10.35872	1.831617	5.655506	0.0001
GDP	-0.000221	4.25E-05	-5.206783	0.0001
RASHOD	0.000519	0.000109	4.762171	0.0003
UNESCO	0.069384	0.192476	0.360481	0.7239
AIRPORT	-0.441009	0.305437	-1.443861	0.1708
TER	7.342675	2.456291	2.989334	0.0098
SKI	4.952547	2.561185	1.933694	0.0736
EXС	-4.458929	1.811093	-2.462010	0.0274
R-squared	0.914695	Mean dependent var	10.54474
Adjusted R-squared	0.872042	S.D. dependent var	9.736583
S.E. of regression	3.482896	Akaike info criterion	5.608893
Sum squared resid	169.8279	Schwarz criterion	6.005636
Log likelihood	-53.69782	Hannan-Quinn criter.	5.702353
F-statistic	21.44517	Durbin-Watson stat	1.401533
Prob(F-statistic)	0.000002

Рис.9. Оценка модели №7 МНК.



Данная модель значима в целом (F-stat.=21.44) и наилучшим образом объясняет модель - коэффициент детерминации равен 0,91. Из включенных в модель переменных на 10 % уровне незначимыми являются только две: количество объектов ЮНЕСКО внутри страны и количество аэропортов на единицу площади. Из таблицы видно, что туристы в целом более требовательны к странам, где могут позволить себе только 1 вид отдыха. Они уделяют внимание уровню экономического развития страны, вероятности террористической угрозы, а также самому виду отдыха, который присутствует в стране. Кроме того, как и в предыдущей модели, они обращают внимание на уровень необходимых расходов, который им придется совершить.

2.2 Анализ модели выездного туризма в странах Европы и СНГ

Как и в модели въездного туризма при анализе спроса на выездной туризм в качестве зависимой переменной было выбрано число туристских выездов из страны, без дальнейшей классификации по целям поездок.

Количество выездов из страны (тыс. чел.) - это количество туристов, которые едут в другие страны, т.е. за пределы их обычной среды обитания, в течение периода, не превышающего 12 месяцев, и их главной целью посещения не является деятельность, оплачиваемая из источника в посещаемой стране.

Выбор объясняющих переменных был сделан на основе анализа существующих работ в области международного туризма и ряда собственных предположений. Однако, поскольку основной задачей является выявление факторов, способствующих выезду из страны, часть переменных была отклонена [40].

Расходы туристов (млн. долл.) - это расходы, отправляющихся за границу туристов в другие стране, в том числе платежи в пользу иностранных перевозчиков за международные перевозки нерезидентов, въезжающих из-за рубежа. Количество денежных средств, которые тратят туристы, показывает уровень их заинтересованности в стране назначения, а также какое количество денег они готовы потратить на свое путешествие, что является немаловажным в формировании спроса на рынке туризма [40].

Уровень ВВП на душу населения (долл. на чел.) - один из макроэкономических показателей, характеризующих уровень жизни населения страны. Жители стран с более высоким уровнем ВВП с большей вероятностью смогут позволить себе отдых за границей, чем жители развивающихся стран. Включение данного показателя в модель позволит подтвердить или опровергнуть данную гипотезу [40].

Уровень среднегодовой заработной платы (в евро) - данный показатель позволяет не только сделать вывод о состоянии экономики в стране, но и о возможности отдельных физических лиц совершать путешествия.

Доля населения в возрасте 25-65 лет (%) - такая возрастная категория была выбрана на основе уже существующих работ, в которых говорится, что именно данная возрастная группа наиболее склонна к путешествиям [40].

Доля городского населения (%) - как показывает практика, люди, проживающие в сельской местности путешествуют меньше, поэтому включение доли городского населения в модель вполне целесообразно [40].

Доля населения, имеющего законченное высшее образование, по отношению к поступившим (%) - приобретение турпродукта сопровождается различными целями, в том числе и получение новых знаний. Вероятно, данный показатель повлияет на количество туристских выездов [40].

Количество объектов ЮНЕСКО в стране (штук) - данная переменная показывает, какое количество объектов культурно - исторического наследия имеется в каждой стране. Ожидается, что данный показатель будет влиять на вероятность возникновения спроса на экскурсионный вид туризма, то есть чем больше в стране объектов ЮНЕСКО, тем больше вероятность, что жители предпочтут отдых внутри своей страны и наоборот, чем меньшим числом культурно-исторических памятников могут насладиться потребители в пределах своих стран, тем большее число выездов за рубеж они совершат [39].

Наличие в стране двух разных видов отдыха - фиктивная переменная, комбинирующая в себе наличие в стране различных видов отдыха. Если в стране присутствуют как минимум два вида отдыха, то показатель принимает значение 1, в противном случае - 0. Как и в случае с предыдущей переменной, данный показатель влияет на вероятность возникновения спроса на выездной туризм: в случае наличия в стране двух и более различных видов отдыха уменьшается вероятность выезда за границу.

Предположим, что функция спроса на выездной туризм для отдельной страны имеет вид:

q = F ( gdp, rashod, edu, age, wage, unesco, people_in_town, D), где

q - количество туристских выездов из страны в 2013 году;

gdp - уровень ВВП на душу населения в 2013 году;

rashod - расходы туристов за пределами страны;

edu - доля людей, закончивших высшее образование от числа поступивших;

age - доля населения в возрасте 25-65;

unesco - количество объектов Юнеско;

wage- средняя годовая заработная плата в 2013 году в евро;

people in town - доля городского населения

D (two_of_three) -фиктивная переменная.

Описательная статика переменных приведена в Приложении 3. Средняя заработная плата в странах Европы и СНГ составила 1357 Евро в год. Максимальная - 5166, минимальная - 173- в Лихтенштейне и Украине соответственно. Максимальные расходы туристов составляют 105267 млн. долл., именно на такую сумму жители Германии приобрели туристские услуги в 2013 году. В среднем туристские расходы составляют 10618 млн. долл. Максимальное количество объектов ЮНЕСКО находится в Италии-50, в среднем по выборке количество объектов ЮНЕСКО равно 9. В таких странах, как Лихтенштейн и Монако объекты культурно-исторического наследия отсутствуют. В среднем по выборке население в возрасте 25-65 лет составляет 67.8 %. Максимальный процент приходится на Албанию -79 %, минимальный на Таджикистан - 62%. Доля городского населения в странах Европы и СНГ достаточно высокая - 67,8% в среднем по выборке. Стоит отметить, что население Монако полностью является городским, в то время как в Лихтенштейне в городе живет лишь 14% населения государства. Что касается образования, то лишь 35 % в среднем по выборке имеют законченное высшее образование (относительно процента поступивших).

В ходе анализа данных был выявлен достаточно высокий коэффициент корреляции, составляющий 0,95, между средней заработной платой в стране и уровнем ВВП в расчете на душу населения. Также довольно сильный уровень корреляции (0,93) наблюдается между расходами туристов и количеством выездов за границу, что вполне объяснимо: чем больше совокупное количество выездов из страны, тем больше денежных средств идет на оплату туристских услуг. На основании этого было принято решение включать в модель только одну переменную из двух сильно коррелирующих. (Приложение 4).

Построим линейную модель вида:

q? = №? + B1(people_in_town?) + B2(rashod?) + B3(unesco?) + B4(two_of_three?) + B5(age) +B6(wage) +B7(edu) + ,

где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Положительный знак ожидается для коэффициентов В1,В2,В5,B6,B7 поскольку, чем больше доля городского населения, доля населения в возрасте 25-65 лет и чем выше уровень развития страны в целом, тем больше количество выезжающих людей за границу. С другой стороны, чем больше внутри страны число объектов ЮНЕСКО и вероятность наличия двух различных видов отдыха, то, вероятно, тем меньшее количество людей предпочтут отдых за границей.

Dependent Variable: Q
Method: Least Squares
Date: 05/18/16 Time: 11:48
Sample: 1 51
Included observations: 51
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-8.924998	17.18126	-0.519461	0.6061
AGE_25_65	0.207935	0.241814	0.859896	0.3946
TWO_OF_THREE	-3.261608	1.703875	-1.914229	0.0623
EDU	0.070898	0.059323	1.195118	0.2386
PEOPLE_IN_TOWN	-0.033944	0.046277	-0.733490	0.4672
RASHOD	0.000679	5.87E-05	11.56232	0.0000
UNESCO	0.039952	0.104386	0.382736	0.7038
WAGE	-0.001183	0.000674	-1.755142	0.0864
R-squared	0.897168	Mean dependent var	9.552588
Adjusted R-squared	0.880428	S.D. dependent var	15.09366
S.E. of regression	5.219263	Akaike info criterion	6.285690
Sum squared resid	1171.351	Schwarz criterion	6.588721
Log likelihood	-152.2851	Hannan-Quinn criter.	6.401487
F-statistic	53.59401	Durbin-Watson stat	1.661449
Prob(F-statistic)	0.000000

Рис.10. Оценка модели №8 МНК.

Коэффициент детерминации равен 0,897, что свидетельствует о достаточно высоком качестве подгона, однако, не смотря на значимость модели в целом (F-stat.= 53,59), значимыми являются 3 переменные (на 10% уровне значимости): вероятность наличия в стране двух различных видов отдыха, расходы туристов и заработная плата. Как и ожидалось, переменная двух различных видов отдыха имеет отрицательный знак, следовательно, чем выше вероятность наличия в стране 2 из 3 видов отдыха, тем меньше число туристов, выезжающих отдыхать за рубеж. Показатель туристских расходов имеет положительный коэффициент, а значит, денежные расходы туристов за границей и количество туристов находятся в прямой зависимости.

Предположим, что в действительности не все перечисленные факторы влияют на формирование туристского выездного спроса, и построим модель с включением меньшего числа регрессоров:

q? = №? + B1(people_in_town?)І + B2(rashod?) + B3(unesco?) + B4(two_of_three?) + ,

где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: Q
Method: Least Squares
Date: 04/15/16 Time: 14:50
Sample: 1 51
Included observations: 51
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	7.262928	2.149047	3.379604	0.0015
RASHOD	0.000662	5.84E-05	11.34519	0.0000
TWO_OF_THREE	-3.983238	1.608482	-2.476396	0.0170
UNESCO	0.047771	0.098210	0.486412	0.6290
(PEOPLE_IN_TOWN)^2	-0.000600	0.000331	-1.810182	0.0768
R-squared	0.885855	Mean dependent var	9.552588
Adjusted R-squared	0.875929	S.D. dependent var	15.09366
S.E. of regression	5.316549	Akaike info criterion	6.272420
Sum squared resid	1300.222	Schwarz criterion	6.461815
Log likelihood	-154.9467	Hannan-Quinn criter.	6.344793
F-statistic	89.24866	Durbin-Watson stat	1.660493
Prob(F-statistic)	0.000000

Рис.11. Оценка модели №9 МНК.

Коэффициент детерминации равен 0,89, то есть качество данной модели практически такое же, как и качество предыдущей. Из таблицы мы видим, что построенная модель в целом является значимой (F-stat.= 89,24). В данной модели число факторов, влияющих на формирование спроса на выезд большее, следовательно, можно считать эту модель более подходящей.

Оценим эластичность имеющихся показателей. Построим модель вида:

Log(q?) = №? + B1(people_in_town?) + B2log(gdp?) + B3log(rashod?) + B4(unesco?) + B5(two_of_three?) + B6(age) +B7log(wage) +B8 (edu) +,

где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: LOG(Q)
Method: Least Squares
Date: 04/15/16 Time: 11:10
Sample: 1 51
Included observations: 51
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	4.516202	3.656560	1.235096	0.2237
TWO_OF_THREE	-0.249535	0.355852	-0.701231	0.4870
AGE_25_65	-0.079897	0.050956	-1.567961	0.1244
EDU	0.014504	0.012661	1.145590	0.2585
LOG(GDP)	0.253665	0.409829	0.618953	0.5393
PEOPLE_IN_TOWN	-0.019909	0.010661	-1.867468	0.0688
LOG(RASHOD)	0.700763	0.120678	5.806910	0.0000
UNESCO	0.023612	0.018651	1.266002	0.2125
LOG(WAGE)	-0.760209	0.499827	-1.520944	0.1358
R-squared	0.780695	Mean dependent var	0.966717
Adjusted R-squared	0.738923	S.D. dependent var	2.027224
S.E. of regression	1.035824	Akaike info criterion	3.067057
Sum squared resid	45.06313	Schwarz criterion	3.407967
Log likelihood	-69.20996	Hannan-Quinn criter.	3.197329
F-statistic	18.68930	Durbin-Watson stat	1.955475
Prob(F-statistic)	0.000000

Рис.12. Оценка модели №10 МНК.

Коэффициент детерминации равен 0,78, в сравнении с предыдущей моделью, меньшая доля количества въездов объясняется выбранными факторами. В данной форме модели на 10% уровне значимости значимыми являются также две переменные: показатель туристских расходов и доля городского населения страны. Уменьшим количество включаемых факторов в модель, чтобы оценить ее более точно. Построим модель вида:

Log(q?) = №? + B1(people_in_town?)І + B2log(rashod?) + B3log(unesco?) + B4(two_of_three?) + ,

где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: LOG(Q)
Method: Least Squares
Date: 04/15/16 Time: 14:48
Sample: 1 51
Included observations: 49
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-2.956204	0.675052	-4.379227	0.0001
LOG(RASHOD)	0.544120	0.101129	5.380440	0.0000
TWO_OF_THREE	-0.332722	0.303475	-1.096371	0.2789
LOG(UNESCO)	0.598328	0.181826	3.290666	0.0020
(PEOPLE_IN_TOWN)^2	-0.000191	6.90E-05	-2.760900	0.0084
R-squared	0.774386	Mean dependent var	1.114716
Adjusted R-squared	0.753876	S.D. dependent var	1.909267
S.E. of regression	0.947205	Akaike info criterion	2.825848
Sum squared resid	39.47668	Schwarz criterion	3.018891
Log likelihood	-64.23329	Hannan-Quinn criter.	2.899089
F-statistic	37.75583	Durbin-Watson stat	1.899406
Prob(F-statistic)	0.000000

Рис. 13. Оценка модели №11 МНК.

Коэффициент детерминации равен 0,77, следовательно, качество модели при уменьшении числа регрессоров не изменилось. Количество значимых переменных увеличилось, таким образом, мы можем оценить эластичность числа выездов уже по большему количеству факторов.

Так как в данной выборке присутствует бинарная переменная (вероятность наличия в стране двух различных видов отдыха), есть смысл проверить гипотезу о формировании туристских предпочтений в странах с двумя различными видами отдыха и без. Предположим, что модель формирования туристских предпочтений одинакова, для проверки воспользуемся тестом Чоу.

Chow Breakpoint Test: 23
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1 51
F-statistic	4.317603		Prob. F(4,43)	0.0050
Log likelihood ratio	17.21970		Prob. Chi-Square(4)	0.0018
Wald Statistic	17.27041		Prob. Chi-Square(4)	0.0017

Рис.14. Тест Чоу №2.

Probability (F-statistic) меньше уровня значимости 0.1, следовательно мы отвергаем гипотезу. Туристы из стран с наличием двух различных видов отдыха и без формируют модель своих предпочтений по-разному.

Построим модель спроса на выездной туризм потребителей, в странах проживания которых есть возможность совмещать различные виды активности.

Log(q?) = №? + B1(people_in_town?)І + B2log(rashod?) + B3log(unesco?) + B4(edu?) + ,

где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: LOG(Q)
Method: Least Squares
Date: 04/29/16 Time: 11:10
Sample: 1 51 IF _2_OF3=1
Included observations: 27
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-3.516107	0.756812	-4.645943	0.0001
EDU	0.014394	0.018394	0.782535	0.4422
(PEOPLE_IN_TOWN)^2	-0.000184	0.000108	-1.703377	0.1026
LOG(RASHOD)	0.515012	0.146667	3.511441	0.0020
LOG(UNESCO)	0.545240	0.270527	2.015474	0.0562
R-squared	0.720907	Mean dependent var	0.455864
Adjusted R-squared	0.670163	S.D. dependent var	1.986906
S.E. of regression	1.141108	Akaike info criterion	3.267453
Sum squared resid	28.64682	Schwarz criterion	3.507423
Log likelihood	-39.11061	Hannan-Quinn criter.	3.338808
F-statistic	14.20673	Durbin-Watson stat	1.565067
Prob(F-statistic)	0.000007

Рис.15. Оценка модели №12 МНК.

Коэффициент детерминации в данной модели равен 0,72, такие показатели, как объем туристских расходов и количество объектов ЮНЕСКО являются значимыми на 10% уровне. Построенная модель позволяет объяснить эластичность туристских выездов по расходам. Вероятно, что увеличение туристских выездов за границу на 0,515 % вызвано ростом туристских расходов за пределами страны на 1 %.

Поскольку, модели спроса на выездной туризм не одинаковы, построим модель, включив в нее иные показатели.

Log(q?) = №? + B1(people_in_town?)^2 + B2log(rashod?) + B3log(unesco?) + B4(edu?) + ,

где i = 1,…, 51, а - белый шум, включающий индивидуальные эффекты каждой страны.

Dependent Variable: LOG(Q)
Method: Least Squares
Date: 04/29/16 Time: 11:13
Sample: 1 51 IF _2_OF3=0
Included observations: 22
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	84.79812	21.97495	3.858854	0.0014
(PEOPLE_IN_TOWN)^2	-0.000197	6.77E-05	-2.904861	0.0103
LOG(RASHOD)	0.819421	0.138260	5.926682	0.0000
LOG(UNESCO)	0.415514	0.186751	2.224965	0.0408
LOG(WAGE)	-1.062007	0.232401	-4.569718	0.0003
LOG(AGE_25_65)	-19.59164	5.034278	-3.891649	0.0013
R-squared	0.913805	Mean dependent var	1.923307
Adjusted R-squared	0.886869	S.D. dependent var	1.483678
S.E. of regression	0.499034	Akaike info criterion	1.674715
Sum squared resid	3.984557	Schwarz criterion	1.972272
Log likelihood	-12.42187	Hannan-Quinn criter.	1.744811
F-statistic	33.92520	Durbin-Watson stat	2.609706
Prob(F-statistic)	0.000000

Рис.16. Оценка модели №13 МНК.

Коэффициент детерминации 0,91, что говорит о достаточно высоком уровне подгонки модели, кроме того, все показатели являются значимыми на 10% уровне. Из таблицы видно, что рост заработной платы населения на 1% ведет к снижению туристских выездов за рубеж на 1,06% в среднем при прочих равных. Вероятно, это может быть объяснено эффектом накопления, то есть, чем больше люди получают сегодня, тем больше они хотят отложить на будущий период, отсюда экономия на отдыхе за границей, поскольку отдыха внутри своей страны дешевле.

2.3 Эмпирические результаты, их анализ и интерпретация

В ходе исследования туристского рынка в странах Европы и СНГ было построено несколько моделей, включающих различные переменные, в зависимости от их спецификации. Отдельно был проведен анализ въездов и выездов, проанализированы эластичности показателей, влияющих на число въездных и выездных туристских поездок.

Опираясь на полученные результаты, можно заключить, что количество аэропортов на единицу площади и уровень ВВП на душу населения в стране назначения не влияют на принятие туристом решений о выборе страны. Данные коэффициенты не значимы в построенной регрессии. Такие детерминанты как количество объектов ЮНЕСКО, наличие в стране дух разных видов отдыха и квадрат логарифма туристских расходов значимы на 10% уровне значимости. Среди значимых переменных наибольший коэффициент принадлежит показателю двух различных видов отдыха (5,52), следовательно, согласно данной модели при формировании спроса большее число туристов предпочтет страны, в которых возможно совместить различные виды отдыха, поскольку кто-то поедет в страну с целью посещения пляж, кто-то горнолыжного курорта, а кто-то захочет насладиться культурным наследием. Количество объектов ЮНЕСКО в стране также является «значимым», что позволяет сделать вывод, что на сегодняшний день экскурсионный вид отдыха, не смотря на наличие большого числа развлекательных программ, по-прежнему пользуется популярностью.

Вероятность наличия в стране двух различных видов отдыха в большей степени зависит от климатических и природных особенностей страны, чем от других показателей. Так, например, наличие пляжного и горнолыжного курортов возможно в странах, с достаточно высокой летней и низкой зимней температурами воздуха. Наличие в стране экскурсионного вида отдыха зависит не только от природных памятников, но и от культурно-исторических объектов ЮНЕСКО.

В странах, где туристы могут позволить себе два и более различных вида отдыха они обращают внимание на размер необходимых расходов для путешествия, остальные показатели являются не значимыми. Напротив, к странам, в которых представлен только один вид активности, туристы относятся более требовательно, обращая внимание на вид отдыха, доступного в стране, размер необходимых расходов, уровень ВВП страны и вероятность террористической угрозы.

Таким образом, на основе проведенного исследования можно сделать вывод, что в первую очередь туристы руководствуются собственными предпочтениями (по видам отдыха с преобладанием экскурсионного). Внешние факторы, такие как: угроза терроризма, количество аэропортов на единицу площади, средняя температура и другие практически не влияют на принятие решений и оказываются малозначимыми в модели спроса. Уровень ВВП на душу населения, как один из основных показателей благосостояния страны, также не является значимым в общей модели, но значим в модели для стран с одним видом отдыха. Следовательно, при формировании модели въездного спроса факторы, характеризующие личные предпочтения туристов, играют ключевую роль, в отличие от факторов, влияющих на сферу туризма извне.

В ходе анализа данных выездного спроса на туризм было выявлено, что доля населения в возрасте 25-65 лет, а также доля населения, имеющего законченное высшее образование, не влияет на формирование туристского выездного спроса. Данные коэффициенты не значимы во всех построенных регрессионных моделях.

Такие показатели, как расходы туристов за рубежом, вероятность наличия в стране двух различных видов отдыха и доля городского населения являются значимыми в моделях на 10 % уровне. Кроме того, опираясь на полученные данные, можно заключить, что туристы в странах с различными видам...