Статистический анализ рынка въездного туризма в Российской Федерации

Месяц	СС (эксп. взв.)	Фиктивн.	Гармонич.	Хол-Уинт.	SARIMA
Адекватность		-	-	+	+
июл.15	26,0801	1,5876	2,1993	10,6464	4,1718
авг.15	1,0740	56,4147	7,5192	15,8093	9,7077
сен.15	49,2719	9,0025	4,7410	0,1153	0,3831
окт.15	9,1545	2,8224	7,4646	1,8607	1,9917
ноя.15	3,5765	1,5479	9,1825	5,2318	4,1442
дек.15	0,1786	16,3610	3,7365	3,8729	3,3794
Среднее отклонение	14,8893	14,6227	5,8072	6,2561	3,9630

При выборе наилучшей модели стоит также учитывать ее адекватность. К сожалению, всего лишь одна модель получилась адекватной - это модель SARIMA (1 1 1) (1 1 1)12. По таблице 4, минимальное среднее отклонение от реальных значений по ретропрогнозу имеет модель SARIMA. Поэтому ее можно назвать наилучшей моделью, подходящей для описания изменения объемов платных туристических услуг. Хочется отметить, что у модели с гармоническими составляющими и адаптивной модели отклонения также невелики, но в силу плохих характеристик адекватности они не являются оптимальными для исходного временного ряда объема платных туристических услуг.

Так как выбор оптимальной модели подразумевает дальнейшее прогнозирование результирующего признака, то необходимо это также сделать с рассматриваемым показателем. Таблица, приведенная ниже, отражает прогноз объемов платных туристических услуг до сентября 2016 года. Графически это отражено в Приложении 9.

Из данной таблицы можно заключить, что объем платных туристических услуг в 2016 году, согласно прогнозу, будет выше, чем в прошлом году.

Таблица 5 Прогноз объемов платных туристических услуг по модели SARIMA, январь-сентябрь 2016 г.

Месяц	Значение	Станд. Ошибка	Доверительный Интервал
			Мин	Макс
янв.16	10,32	1,12	7,17	12,15
фев.16	9,98	1,23	6,62	11,44
мар.16	10,70	1,22	7,32	12,15
апр.16	11,42	1,23	8,05	12,88
май.16	13,34	1,28	10,27	15,11
июн.16	16,01	1,24	14,01	18,84
июл.16	17,92	1,27	16,73	21,71
авг.16	18,24	1,23	16,41	21,45
сен.16	15,54	1,29	13,02	18,11

В самый пиковый месяц ожидается оказание услуг туристам на сумму 18,24 млн. руб. На графике видно, что динамика платных услуг в 2016 году, согласно прогнозу, схожа с предыдущими годами.

Резюмируя вышесказанное, можно сделать вывод, что характерными особенностями динамики изменения объема платных туристических услуг является наличие тренда, а также годовой сезонности. Самыми популярными месяцами для туристов является промежуток с июня по сентябрь, а зимние месяцы, из-за суровых климатических условий, считаются самыми неблагоприятными. В соответствии с тестами временной ряд объема платных туристических услуг является интегрированным 1 порядка.

Для того, чтобы рассчитывать краткосрочные прогнозы с целью корректировки объемов производимых услуг, а также различных государственных программ, необходимо пользоваться моделью, которая с достаточной точностью описывает вариацию исходного признака. По всем параметрам среди простейших моделей, основанных только на анализе собственной динамики временного ряда, оптимальной моделью признана SARIMA (1 1 1) (1 1 1)12.



Глава 3. Структурное моделирование въездного туризма в российской Федерации

3.1 Въездные туристические потоки и их дифференциация по регионам России

Со статистической точки зрения въездной туристический поток иностранных туристов характеризуется большим количеством различных показателей, имеющих тесную взаимосвязь друг с другом. Рассмотрим поподробнее основные из них.

Численность иностранцев, размещенных в СКР. Каждая страна обладает собственными, иногда уникальными туристскими ресурсами. По своей экономической сути они составляют основу туристской ренты, делая ту или иную страну более или менее привлекательной для туристов. Россия в этом плане - не исключение. Она обладает большим количеством красивых достопримечательностей, которые привлекают туристов со всего мира. К таким относятся о. Байкал, Эрмитаж, Красная площадь и Кремль, Остров Кижи, Транссибирская магистраль и пр. Это еще далеко не весь список различных мест, которые могут посетить туристы. Поэтому одним из основных показателей, характеризующих функционирование въездной туристической отрасли данной работы выбрана численность туристов, пребывающих в Российскую Федерацию. Важным показателем также выступает уровень преступности в России и регионах. Несомненно, существует множество факторов, прямо или косвенно влияющих на потоки туристов, но они носят уже второстепенный характер.

Число средств коллективного размещения. Первое, с чем сталкивается любой турист по приезду в страну для путешествий - это заселение в гостиницу/ санаторий/хостел/апартаменты. Всё это носит название средства размещения. Их количество, а также качество играет неотъемлемую роль при выборе туристов относительно места пребывания. Туристы прежде всего хотят получить комфортные условия для проживания, хорошее расположение до основных достопримечательностей. Но из-за слишком дифференцированного уровня инвестиций в средства размещения, отели в мало популярных регионах не соответствуют ожиданиям иностранцев, что еще больше отбивает желание выбрать его.

Количество достопримечательностей. Главную цель, которую преследуют туристы, пребывающие в страну - это посетить известные достопримечательности: музеи, дворцы, храмы, галереи. Однако, регионы в России неравномерно наполнены объектами культурно-исторического наследия. Так сложилось исторически - те места, которые служили центрами областей и притягивали множество людей и впоследствии стали популярными местами для туристов. Чем популярнее достопримечательность, тем более высокая интенсивность туристского потока в страну, а это означает, что туристский экспорт возрастает, что приводит к увеличению денежного потока в регион.

Объем платных услуг, предоставляемых туристам. Турист является потребителем -- туристских услуг, работ и товаров-- туристского продукта. В состав туристских услуг входят: бронирование туров, отелей, авиаперелетов и железнодорожных поездок, а также их покупка, включая перевозку и размещение и все иные, оформление разрешительных документов (виз на въезд в страну) и части других формальностей, питание, экскурсии, страховку, услуги гидов-переводчиков и пр. Список такого рода услуг в каждом туре различен и определяется программой. Объем реализации туристских услуг одновременно отражает объем удовлетворенного спроса (и в этом смысле этот показатель является социальным) и объем выручки, полученной от реализации туристских услуг (и в этом смысле этот показатель характеризует экономический результат функционирования рынка). Принимающая сторона заинтересована в том, чтобы туристов привлекало большее количество услуг, тем самым, их туристские расходы возрастут, вследствие чего туристический экспорт вырастет, что опять приведет к благоприятным последствиям для принимающей страны.

Расходы туристов. Самым сложным для представления показателем являются туристские расходы. В увязке с другими определениями, расходы на туризм могут быть определены как любые траты денежных средств на конечное потребление для удовлетворения человеческих потребностей, относящееся к путешественникам, вне зависимости от того, когда была произведена фактическая оплата. Проблема заключается в том, что данный вид расходов включается в себя не только траты на сувениры, покупки для поддержания жизни (еду, питье во время поездки), на посещение объектов культурно-исторического наследия, а также товары, купленные до и после поездки (товары, предназначенные для путешествия).

Инвестиции в средства коллективного размещения. Так как развитие туризма, как полноценной отрасли, ложится в большей степени на государство, то правительственным органам необходимо рационально распределять выделенные средства. Качество и количество средств коллективного размещения напрямую зависит от объемов вложенных денежных средств. В свою очередь, для иностранных туристов имеет большое значение обслуживание в гостиницах, поэтому в большей степени выбор основывается не только на отзывах других туристов, но и описанию выбранного вида СКР в прейскуранте (фото номеров, внешний вид отеля, меню и пр.). Чем больше инвестиций будет вложено в СКР, тем сильнее повысится уровень обслуживания клиентов в них, что приведет к повышению туристического потока, к примеру, в менее развитые регионы, куда раньше иностранцы направлялись с опаской или не так охотно.

В силу того, что регионы России неодинаково развиты в туристическом аспекте (как уже было проиллюстрировано на картограмме в 1 главе), попытка разбиения совокупности регионов на однородные группы с целью выявления общих схожих характеристик может внести большой вклад в исследование туристической отрасли России. Применение методов многомерной классификации факторов позволяет оценить степень различия российских регионов в деятельности туристско-гостиничного хозяйства России. Для этого были выбраны такие показатели по 83 регионам РФ за 2014 год, как объемы туристских услуг, представляющихся туристам, численность туристов, размещенных в средствах коллективного размещения, а также количество объектов культурно-исторического наследия. Классификация регионов проводилась при помощи метода К-средних, а также иерархического метода (дендрограмма, построенная метода Уорда). Все данные перед началом кластерного анализа были стандартизированы для устранения влияния единиц измерения показателей. Однако, невозможно применять кластерный анализ для аномальных значений, поэтому для начала нужно удалить их. туристский въездной путешествие дифференциация

Согласно графическим и аналитическим методам проверки массива данных на наличие аномальных значений (анализ графиков Boxplot, критерий Титьена - Мура, правило 3 сигм, жесткое правило было получено, что гор. Москва, Московская область, Санкт-Петербург и Краснодарский край являются аномальными (Приложение 12) Поэтому для корректного анализа данные субъекты были исключены и проанализированы отдельно.

Иерархический метод классификации позволяет определить оптимальное количество кластеров, равное разности количества наблюдений (в данном случае регионов) и количества шагов до скачкообразного увеличения коэффициента в таблице, характеризующей порядок агломерации. (Приложение 11). Из данной таблицы можно заметить, что наибольший скачок образуется на 76 шаге, поэтому оптимальное количество кластеров равно 3(аномальные регионы были уже предварительно удалены). На дендрограмме (Приложение 11) можно определить не только количество кластеров, но и количество регионов, которые войдут туда. Результаты кластеризации методом К-средних представлены в таблице 6.



Таблица 6 Результаты классификации

Номер кластера	1	2	3
Количество регионов в каждом кластере	62	9	7
Конечные центры кластеров
Численность иностранцев, размещенных в СКР	12,93	28,57	38,97
Численность объектов исторического наследия	1012,89	1639,13	6345,86
Объем платных услуг	716,19	2019,62	3638,41

Из таблицы видно, что кластеризация регионов России в аспекте туристической привлекательности получилась достаточно неоднородной. Интересно отметить, что в первом кластере сосредоточена большая часть регионов России. Остальные две группы не так густо населены. В третьем кластере сосредоточены такие регионы, как Владимирская, Костромская, Ярославская области, Приморский край, Республика Татарстан. Для таких регионов характерны самые высокие показатели туристической индустрии: в среднем, ежегодно такие регионы посещают примерно по 40 тысяч человек, которые могут посетить порядка 6000 объектов культурно-исторического наследия. Такому количеству туристов оказано услуг в размере 3,6 млн. руб.

Столь высокие показатели у вышеуказанных регионов объясняются их сравнительной популярностью. Несмотря на то, что они не столь привлекательны, как гор. Москва и Санкт-Петербург, однако в них также имеются достопримечательности, которые делают их популярными среди иностранных туристов. Для Приморского края характерен экстремальный туризм (походы в лес, сплавление по рекам). Столица Республики Татарстан - один из самых красивейших мусульманских городов России. Поэтому регионы данной группы можно назвать, как средние по популярности для иностранных туристов.

Второй кластер насчитывает сравнительно небольшое количество регионов. Сюда вошли, к примеру: Пермский край, Амурская, Ростовская и Псковская, Тульская, Брянская области. Для данных регионов характерная средняя интенсивность посещения иностранными туристами (примерно 30 тыс. человек за год в каждом). Количество объектов культурно исторического наследия в таких регионах насчитывается примерно в 4 раза меньше, чем в среднепопулярных (1600 против 6300). Данные регионы хоть и обладают туристическим потенциалом и ресурсами, однако, в силу непопулярности среди иностранных туристов, их поток сюда гораздо ниже. Поэтому их можно назвать, как регионы, страдающие от недостатка туристов.

Самым густонаселенным кластером является третий. Здесь сосредоточено порядка 80% всех регионов Российской Федерации. В большей мере сюда вошли регионы, располагающиеся в азиатской части России, далеко от центра, за Уралом. По некоторым характеристикам данная группа напоминает второй кластер (например, различия в числе объектов культурно-исторического наследия небольшие), Интенсивность иностранного потока туристов, в среднем, составляет здесь около 13 тыс. человек, поэтому объемы платных туристических услуг в данной группе крайне низки. Такой кластер можно назвать, как абсолютно непопулярные регионы для иностранных туристов.

Проведение кластерного анализа показало высокую дифференциацию регионов России. В итоге, было получено 3 кластера, которые хорошо описывают исходный массив данных. Получившиеся кластеры хорошо сопоставляются с реальной ситуацией в России в сфере туризма: из-за высокой дифференциации регионов по развитости и по привлекательности для туристов, невозможно описать все регионы схожими свойствами. В 1 кластере расположились регионы, которые хорошо развиты в туристическом плане. Это, к примеру, города Золотого кольца, Дальневосточный. Во 2 кластере сосредоточены регионы, в которые объемы путешественников не столь большие, это связано с тем, что популярность регионов сезонная (например, Уральске горы, Приморский край и пр.). И, наконец, самый «густонаселенный кластер» - третий, в котором сосредоточено 80% регионов. Он содержит в себе регионы, где туризм практически не развит, и приток туристов туда совсем небольшой. В целом, анализировать каждый кластер удобнее, потому что совокупность регионов настолько неоднородна, что нельзя сделать общий вывод по построенной модели, поэтому пользоваться кластерами намного удобнее.

Отдельно хочется исследовать аномальные регионы. Их можно объединить в одну группу, как самые привлекательные, «топовые» регионы России для туристов. В них сосредоточена большая часть популярных достопримечательностей, огромное количество современных средств коллективного размещения, выбор туристских услуг достаточно широк. Суммарно на данные регионы в 2014 году пришлось порядка 73% от всех иностранных туристов, а оставшиеся 23% распределились между оставшимися 80 регионами РФ. Очевидно, что дифференциация регионов по привлекательности просто огромна.

Наглядно отобразить полученные результаты поможет картограмма регионов, отнесенных к кластерам. Это проиллюстрировано на рисунке 9. Тёмно-зеленым цветом отмечены те регионы, которые были признаны аномальными и удалены в ходе предварительного анализа. Их привлекательность для иностранцев, по сравнению с другими, достаточно высока. По диаграмме можно заметить, что популярные для туристов регионы России сконцентрированы преимущественно, в Европейской части страны. Северные регионы не имеют никакой популярности вследствие тяжелого климата. Непопулярность регионов среди иностранных туристов вблизи Чёрного моря объясняется тем, что качество обслуживания таких курортов во многом уступает европейским и азиатским, поэтому приток иностранных туристов здесь достаточно небольшой. Чего нельзя сказать о российских путешественниках.



Рис. 9 Картограмма регионов по группам привлекательности для иностранных туристов

3.2 Оценка структурной модели объемов платных туристических услуг в России

Что касается следующего этапа, построения регрессионного уравнения и выявление наиболее значимых зависимостей потока иностранных туристов от различных факторов, то данный анализ был произведен на основе данных по субъектам РФ за 2014 и 2015 годы. В качестве результирующей переменной был выбран объем платных услуг, предоставляемых туристам (У). Факторами влияния на поток иностранных туристов выступали: число СКР (гостиниц, баз отдыха, пансионатов и кемпингов) (Х1); численность туристов, размещенных в СКР (Х2); инвестиции в основные СКР (Х3); количество объектов культурно-исторического наследия (Х4); уровень преступности - число преступлений на 1000 человек в регионе (Х5).

Так как все переменные имеют различные единицы измерения, то они были прологарифмированы. В силу того, что они после проведения процедуры подчиняются нормальному закону распределения, к тому же, коррелированность факторов не превышает 0,8, то есть, мультиколлинераность отсутствует, поэтому можно применить метод наименьших квадратов для оценки регрессионных коэффициентов.

Расчеты параметров регрессионных уравнений привели к следующим результатам:

2014 г.:

R2=0,632; у = 0,888; Prob > F = 0,00; AIC = 227,876; BIC = 239,723

2015 г.:

R2=0,611; у = 0,828; Prob > F = 0,00; AIC = 200,9553; BIC = 212,401

В целом, основные характеристики моделей достаточно высокие, что говорит о неплохих качествах.

Полученная модель 2014 года описывает примерно 60% исходной вариации признака (коэффициент детерминации равен 0,632); в целом модель значима (согласно F-критерию, наблюдаемое = 42,96, критическое = 2,76). Остатки модели являются гомоскедастичными, то есть в них не выявлена изменяющаяся дисперсия. Это отражено в Приложении 14 - нулевая гипотеза о гомоскедастичности остатков не отвергается на 5% уровне значимости (тест Бройша-Пагана-Годфри: наблюдаемое значение = 2,89, критическое значение (5%) = 3,841). Более того, они н распределены нормально (критерий Шапиро-Уилка: наблюдаемое = 1,558; критическое (5%) = 1,96).

В модели 2015 года характеристики немного уступают по сравнению с моделью 2014 года. Коэффициент детерминации равен 0,611, то есть, он описывает практически 60% дисперсии исследуемого признака. В остатках также наблюдается гомоскедастичность (тест Бройша-Пагана-Годфри: наблюдаемое значение = 3,22, критическое значение (5%) = 3,841). Аналогично предыдущей модели, они распределены нормальны (критерий Шапиро-Уилка: наблюдаемое = 1,032; критическое (5%) = 1,96).

Так как факторы в данной модели прологарифмированы, поэтому оценки регрессионной модели - коэффициенты регрессии - являются также коэффициентами эластичности, то это намного упрощает анализ влияния факторов. Самым значимым параметром в первой регрессии оказался фактор числа средств коллективного размещения в регионе. Иными словами, при увеличении их количества на 1%, объем платных услуг для туристов вырастет на 0,587%. Отрицательно на него влияют количество преступлений в регионе (коэффициент эластичности = - 0,287%), так как туристы беспокоятся за свою безопасность больше всего. Количество объектов культурно-исторического наследия - также немаловажный фактор, так как обзор достопримечательностей - это главная цель поездок в другие страны.

Ситуация в модели 2015 года схожая - наибольшее влияние на объем платных услуг оказал тот же фактор, что и в 2014 году. При увеличении числа средств размещения на 1%, объем платных услуг в данном регионе вырастут на 0,642%. Немаловажным регрессором в модели являются интенсивности иностранного туристического потока - при увеличении их на 1%, количество услуг вырастет на 0,19%. Единственным фактором, оказывающим отрицательное влияние на результирующий признак, является, по-прежнему, показатель преступности в регионе, он с одинаковой силой оказывает влияние на результирующий показатель в обеих моделях.

3.3 Моделирование объемов платных туристских услуг на основе панельных данных

Россия обладает значительным количеством разнообразных природно-климатических, этнографических (традиции и обычаи народов) и антропогенных (культурно-историческое наследие) ресурсов, способных удовлетворить вкусы и интересы самых взыскательных туристов. В Российской Федерации насчитывается 8 федеральных округов: Центральный, Северо - Кавказский, Южный, Дальневосточный, Приволжский, Уральский, Сибирский, Северо-Западный. Очевидно, что самая популярная туристическая зона - центральная, в которой сосредоточены самые посещаемые города - Москва, города «Золотого кольца». Ежегодно треть иностранных туристов посещают данную федеральную область. Следом идут Северо-Западный и Приволжский федеральные округа - доля иностранных туристов в этих регионах достигает четверти от всего потока. Беднова М. А., Ратникова Т. А. «Эконометрический анализ спроса на въездной туризм в РФ», журнал Прикладная эконометрика, №1(21) 2011 г.

Во второй главе показатель «Объем платных услуг, предоставляемых туристам» анализировался с точки зрения выявления трендовой и сезонной компонент за длительный период (11 лет). Также была попытка провести анализ зависимости объема платных туристических услуг от различных факторов в 2014 и 2015 годах в региональном срезе. Целесообразно продолжить исследование, объединив обе модели в одну. Для этого применяют панельные данные, которые представляют собой двумерные массивы. Они заключают в себе пространственное, временное измерение, представленное у всех факторов. Особое преимущество панельных данных в сравнении с отдельной динамикой или обыкновенной выборкой состоит в том, что они позволяют учитывать индивидуальные особенные различия между выборочными единицами, в частности позволяют понять, почему та или иная единица ведет себя неодинаково в разные моменты времени.

Итак, зависимой переменной и факторами остаются прежние характеристики: численность туристов, размещенных в СКР; число СКР (гостиниц, баз отдыха, пансионатов и кемпингов); объем платных услуг, предоставляемых туристам; инвестиции в основные СКР; количество объектов культурно-исторического наследия; уровень преступности - число преступлений на 1000 человек в регионе. Пространственным измерением здесь выступают 8 федеральных округов, а временная компонента представляет собой период в 6 лет, с 2010 по 2015 гг. В итоге получаем панель из 48 наблюдений по 6 различным факторам.

Сначала оценим модель по пулу. В общем случае она имеет вид:

,

Где - вектор объясняющих переменных-факторов, - константа, - специфическая ошибка модели.

Недостатком ее выступает сильная ограниченность, так как она предписывает одинаковое поведение всем объектам совокупности, что достигается в очень редких случаях, поэтому часто переходят к другой модели, в которой эффекты представляют собой фиксированные неизвестные параметры модели (в данном случае характеристики федеральных округов выступают здесь в качестве фиксированных эффектов).

Данная модель получила название модель с фиксированными эффектами (или Fe-модель). В таких моделях различия в единицах наблюдения моделируются через параметры модели. В общем виде модель представлена следующим образом:

Где - вектор объясняющих переменных-факторов, - константа, - специфическая ошибка модели, учитывающая индивидуальные эффекты.

Несмотря на то, что модель с фиксированными эффектами является довольно гибкой, так как, в отличие от предыдущей модели, она позволяет учитывать индивидуальную гетерогенность объектов, однако здесь могут возникнуть некоторые проблемы, такие, как появление мультиколлинеарности, громоздкость модели.

В случае, если введение фиксированных эффектов не помогают достичь оптимального результата, то целесообразнее построить следующую модель, в которой индивидуальные различия носят случайный характер. Индивидуальные особенности единиц наблюдения и периодов моделируются как компоненты случайной составляющей исходной модели. Поэтому она получила название модель со случайными эффектами (или Re-модель). В общем виде модель выглядит следующим образом:



,

Где - вектор объясняющих переменных-факторов, - константа, - специфическая ошибка модели, учитывающая случайные групповые эффекты.

Эта модель является компромиссом между двумя предыдущими, поскольку она является менее ограничительной, чем первая модель, и позволяет получать статистически более значимые оценки, чем вторая. Оценив все вышеупомянутые модели по исходным данным сведем все полученные оценки параметров в одну таблицу.

Таблица 7 Оценки логарифмов, полученные по моделям панельных данных

	Pooled	Std. err.	Fe	Std. err.	Re	Std. err.
Const	6,09	1,05	17,18	5,7	9,57	2,25
X1t	0,33	0,05	0,06	0,06	0,24	0,09
X2t	0,34	0,15	0,059	0,41	0,79	0,23
X4t	0,33	0,07	-0,003	0,08	0,09	0,08
X5t	-0,67	0,21	-1,67	0,45	-1,01	0,25
R2	0,772		0,715		0,617
sigma u	-		0,714		0,287
sigma e	0,319		0,163		0,163
Prob>F	0.000		0.000		-
Prob>Chi	-		-		0.000
AIC	32,21		-40,9		-
BIC	43,44		-29,67		-

Источник: построено автором на основе данных Росстата

Особенность анализа панельных данных заключается в том, что выбор оптимальной модели происходит на основе результатов трех тестов: теста Вальда, Бройша - Пагана и Хаусмана. Результаты тестов приведены в Приложении 16.

А) Тест Вальда проверяет гипотезу, согласно которой все индивидуальные эффекты равны нулю. Так как наблюдаемое значение равно 17,35, а критическое (5%) = 2,42, это означает, что нулевая гипотеза о незначимости эффектов отвергается, следовательно, регрессионная модель с фиксированными эффектами более предпочтительна, чем полная регрессионная модель.

Б) Согласно тесту Бройша - Пагана, проверяющим значимость случайных эффектов, получилось, что наблюдаемое значение равно 6,13, а критическое (5%) = 3,841. Следовательно, нулевая гипотеза отвергается, модель со случайными эффектами предпочтительнее полной модели.

В) Чтобы выбрать между Fe- и Re- моделями, обратимся к результатам теста Хаусмана. Целью данной процедуры является проверка корреляции регрессоров и эффектов. В данном случае наблюдаемое значение = 11, 57, а критическое (5%) = 11,07. Следовательно, нулевая гипотеза о том, что эффекты могут быть рассмотрены, как случайные, отвергается, а это означает, что их следует рассматривать как детерминированные.

Получается, что самой адекватной моделью для исходных данных является модель с фиксированными эффектами. В целом, это достаточно правдивый результат, ведь исходные данные представлены по федеральным округам России, а это - проявление фиксированного эффекта. Проанализировав более детально полученное уравнение Fe-модели можно заметить, что большая часть вариации данных обусловлена индивидуальными эффектами (rho = 0,95). В случае присутствия фиксированных эффектов в модели наибольшее влияние на объем платных туристических услуг оказывает численность туристов, размещенных в средствах коллективного размещения. Иными словами, при увеличении числа иностранцев на 1%, объемы услуг для них вырастут на 0,59%. Самый сильный отрицательный эффект на зависимую переменную в модели с фиксированными эффектами оказывает уровень преступности в России. Согласно модели, уменьшение объемов платных туристических услуг на 1,5% вследствие роста преступности в данном федеральном округе.

Так как построение регрессии по панельным данным - это своеобразное продолжение обыкновенного регрессионного анализа, но только в более крупном масштабе. Ведь раннее проведенное (в предыдущей главе) исследование подразумевало построение уравнения зависимости хоть и между прежними факторами, однако оно охватывало лишь 2014 и 2015 годы и основывалось на региональных данных. Регрессии по панельным данным охватывают период с 2010 по 2015 гг., и, более того, построены в разрезе не регионов, а федеральных округов. Безусловно, общие черты в данных моделях прослеживаются: к примеру, факторы, оказывающие наибольшее воздействие на объем платных туристических услуг, по-прежнему, число иностранных туристов, размещенных в СКР и уровень преступности. Однако, в простой регрессионной модели присутствует еще одна значимая переменная - это число средств коллективного размещения.

В целом, можно сделать вывод, что различная структура данных не столь сильно влияет на значимость переменных, поэтому выводы о различии факторов, влияющих на зависимую переменную, меняются незначительно. Основными параметрами, на которые стоит обращать внимание при оценивании будущих объемов платных услуг, это безусловно интенсивность иностранного въездного потока и преступность.

Резюмируя вышесказанное, можно сделать вывод, что ключевыми факторами, оказывающими сильное влияние на объемы платных услуг для туристов, стали: интенсивность иностранного потока и уровень преступности. Такой результат был получен частично в разрезе федеральных округов, но также и на региональном уровне. В региональном разрезе основным фактором, оказывающим сильное влияние на объемы платных услуг выступает число средств коллеткивного размещения. Это основные показатели, на которые должны обращать внимание регулирующие органы, для подержания или увеличения притока денежных средств в бюджет: большее количество оказанных услуг приведет к большим объемам поступлений в виде налогов.

Региональная дифференциация в аспекте туристической привлекательности также высока. Разбиение массива на 3 кластера получилась неравномерным. Большая часть российских регионов (около 80%) является абсолютно непопулярной для иностранных туристов. Это регионы, располагающиеся преимущественно в азиатской части, не имеющие очень известных достопримечательностей. Оставшиеся 20% регионов поделены между кластерами практически в равном соотношении. Приток иностранных туристов сюда хоть и есть, однако по объемам он достигает среднего показателя, или чуть ниже. Такие кластеры можно назвать регионы, страдающие от низкого притока иностранцев, а также среднепопуляыне регионы.



Заключение

В результате проведенного комплексного исследования были получены следующе выводы:

За последнее десятилетие туристская индустрия в Российской Федерации кардинально изменилась - Правительство осознало сильную недооценку туризма, как крупного источника поступлений в государственный бюджет, ведь иностранные визитеры ввозят в страну денежные средства. Поэтому оно всеми силами пытается повысить привлекательность регионов прежде всего, для иностранных туристов, создавая большое количество программ, направленных на это.

В течение нескольких лет существенно расширилась законодательная база, регулирующая не только взаимоотношения продавца и потребителя туристских услуг, но и объясняющая основы туристской деятельности в нашей стране. Главным нормативно-правовым актом является распоряжение Правительства об утверждении стратегии развития туристской индустрии в РФ до 2020 года, выполнив которую Россия поднимется в рейтинге стран по посещаемости туристов, увеличив их приток.

Объемы услуг, предоставляемых туристам, является центральным показателем туристической индустрии, так как он служит основным предметом обмена, благодаря которому страна получает приток денежных средств, а турист - удовлетворение потребности. Анализ зависимостей, проведенный в 2014 и 2015 гг. показал, что на результирующий показатель «Объем платных туристических услуг» оказывают влияние практически одинаковые факторы. В 2014 г. и 2015 г. факторами, положительно влияющими на результирующий показатель, оказались число средств коллективного размещения и объем иностранного туристического потока пребывающего в Россию. Объединяет также обе модели один регрессор, который на всем промежутке времени оказывает отрицательное влияние на объемы предоставляемых услуг - это уровень преступности. Остальные показатели тоже не меняются и их влияние всегда положительно. Отличаются только численные значения коэффициентов. При анализе взаимосвязей в разрезе федеральных округов, результаты частично схожи с полученными при построении регрессии по регионам. Поэтому различная структура данных не сильно влияет на значимость переменных. Можно заключить, что в любом случае, главными факторами, оказывающими доминирующее влияние на объем платных услуг, являются преступность и иностранный туристический поток и число средств коллективного размещения.

Исследование региональной дифференциации выявило существенные различия субъектов РФ в контексте привлекательности для туристов: в итоге они распределены на 4 группы, одну из которых составляют несколько самых популярных регионов, которые принимают 73% всех туристов ежегодно. Самая многочисленная группа заключает в себе регионы, привлекательность в туристическом аспекте практически отсутствует.

Дальнейшее развитие исследований в области въездного туризма должно охватывать все основные социальные и экономические аспекты развития данной отрасли. Более того, оно должно коррелировать с основной стратегией развития туризма до 2020 года, чтобы обеспечить возможность анализа и сравнения запланированных и фактических результатов.



Используемая литература

1. Айвазян С.А. Прикладная статистика и основы эконометрики: учеб./ Айвазян С.А., Мхитарян В.С., - М.: ЮНИТИ, 1998.- 1022 с.

2. Яковлев, Г.А. Экономика и статистика туризма: учеб. пособие / Г.А. Яковлев. - М.: РДЛ, 2005.

3. III Междунарожный форум «Туризм: наука и образование», Проблемы и перспективы развития туризма, сб. материалов научных конференций, 19-21 мая 2009 г., Химки: РМАТ, 311 с.

4. Гремяченская Е. Применение международной методики Всемирной Туристической Организации по использованию сателлитных счетов туризма в российских условиях.

5. Гомилевская Г. А., Срегиенко О. Ю. Анализ методических подходов оценки вклада туризма в экономику региона (на примере Приморского края), 2014, Электронный журнал «Современные проблемы науки и образования».

6. Дмитриев М.Н., Забаева М.Н., Малыгина Е.Н. Экономика туристского рынка Учебник. - М.: Юнити-Дана, 2010. - 312 с.

7. Ivanov I,Webster C. Transforming competitiveness into economic benefits: does tourism stimulate economic growth in more competitive destinations? Nicosia: Tourism Management Journal, 201426. Montgomery D.C. (2008). Introduction to Time Series Analysis and Forecasting. John Wiley & Sons. Inc

8. Здоров А.Б. Экономика туризма Учебник. - М.: Финансы и статистика, 2004. - 272 с.

9. Канторович Г.Г. Анализ временных рядов: Лекционные и методические материалы / Г.Г. Канторович // Экономический журнал ВШЭ. - 2002. - № 1. - С. 85-116.

10. Box, George; Jenkins, Gwilym (1970). Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day. 28. Dickey D.A., Fuller W.A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica. №49. P. 1057-1072.

11. Постановление Правительства РФ от 18.07.2007 N 452 (ред. от 17.10.2014) "Об утверждении Правил оказания услуг по реализации туристского продукта" (18 июля 2007 г.).

12. Распоряжение Правительства Российской Федерации от 31 мая 2014 г. N 941-р г. Москва "Об утверждении Стратегии развития туризма в Российской Федерации на период до 2020 года".

13. Статистика: учебник для бакалавров / под ред. В. С. Мхитаряна - М.: Издательство Юрайт, 2013. - 590 с. - Серия: Бакалавр.

14. Статистика. Учеб. для студ. учреждений сред. проф. образования / В. С. Мхитарян, Т. А. Дуброва. В. Г. Минашкин и др.; Под ред. В. С. Мхитаряна. - 2-е изд., стер. - М.: Издательский центр «Академия», 2003. - 272 с.

15. Сорокина О. Н. Зарубежный опыт оценки мультипликативного эффекта развития туризма, ФГОУВПО «РГУТС», 10 с.

16. Теория вероятностей и математическая статистика: учеб. пособие/В.С.Мхитарян, Е.В. Астафьева, Ю.Н. Миронкина, Л.И. Трошин; под. ред. В.С. Мхитаряна. - 2-к изд., перераб. и доп. - М.: МФПУ «Синергия», 2013. - 336 с.

17. Теория вероятностей: учеб./Вентцель Е. С. - 4-е изд., стереотип. - М.: Наука, Физматгиз, 1969 - 576 с.

18. Теория статистики: Учебник/Под ред. проф. Громыко Г.Л. - 2-е изд., перераб. и доп. - М.: ИНФРА-М,2005. - 476 с.

19. Hamilton J. D. (1994). Time Series Analysis. Princeton University Press.

20. Федеральный закон об основах туристической деятельности в Российской Федерации (в ред. Федеральных законов от 27.12.2009 N 365-ФЗ).

21. Черненко В.А,. Рынок туристских услуг в условиях интеграции России в мировое хозяйство. СПб: СПбГУСЭ,2007. - 160 с.

22. Эконометрика. Начальный курс: учеб./Магнус Я.Р., Катышев П.К., Пересецкий А.А. - 6-е изд., перераб. и доп. - М.: Дело, 2004. -- 576 с.



Приложения

Приложение 1

Мировые тенденции в сфере туризма

Рис. П1-1, Динамика численности туристов в мире, 1950-2020, млн. чел.

Приложение 2

Проверка временного ряда на стационарность

Рис. П2-1, АКФ и ЧАКФ временного ряда «объем платных туристских услуг»

Рис. П2-2, Периодограмма временного ряда «объем платных туристских услуг»

Приложение 3

Модели скользящего среднего

Простая модель скользящего среднего

Рис П3-1, Наблюдаемые и прогнозные значения динамики объема платных туристских услуг (построены по: 1,2,6 значениям)

Модель взвешенного скользящего среднего



Рис. П3-2, Наблюдаемые и прогнозные значения динамики объема платных туристских услуг (линейно-взвешенное СС)

Модель экспоненциально-взвешенного скользящего среднего

Рис. П3-3, Наблюдаемые и прогнозные значения динамики объема платных туристских услуг (модель Эксп. СС)

Приложение 4

Регрессионная модель с фиктивными переменными



Таблица П4-1 Оценки регрессионных коэффициентов модели с фиктивными переменными

Таблица П4-2 Информационные критерии модели с фиктивными переменными

Остатки модели

Таблица П4-3 Тест Бройша-Пагана-Годфри на наличие гетероскедастичности



Таблица П4-4 Критерий Шапиро-Уилка на нормальность

Рис. П4-1, Автокорреляционная функция остатков модели

Приложение 5

Модель с гармоническими составляющими

Таблица П5-1 Оценки регрессионных коэффициентов модели с гармоническими составляющими

Остатки модели



Таблица П5-2 Тест Бройша-Пагана-Годфри на наличие гетероскедастичности

Таблица П5-3 Критерий Шапиро-Уилка на нормальность

Таблица П5-4 Критерий Льюнга-Бокса на наличие автокорреляции

Рис. П5-1, Автокорреляционная функция остатков модели



Приложение 6

Адаптивная модель Хольта-Уинтерса

Таблица П6-1 Оценки регрессионных коэффициентов адаптивной модели Хольта-Уинтерса

Приложение 7

Модель SARIMA (1 1 1) (1 1 1)12

Остатки модели

Рис. П8-1, Автокорреляционная функция остатков модели



Приложение 8

Прогноз по модели SARIMA

Рис. П9-1 Прогнозные значения объемов платных услуг по модели SARIMA, 2011-2016 гг.

Приложение 9

Модели, описывающие динамику объема платных туристских услуг

Рис. П10-1 Смоделированная динамика объемов платных услуг России, 2005-2015 гг.



Приложение 10

Иерархическая классификация

Рис. П11-1, Дендрограмма, построенная методом связей Уорда

Таблица П11-1 Результаты агломерации иерархического метода кластеризации

Порядок агломерации (кластеров)
Этап	Объединенный кластер	Коэффициенты
	Кластер 1	Кластер 2
1	3	52	,000
2	8	48	,001
3	23	74	,001
4	60	73	,002
5	5	76	,003
6	19	67	,004
7	59	72	,005
8	49	69	,006
9	17	28	,007
10	14	45	,008
11	63	82	,009
12	2	11	,010
13	8	75	,011
14	35	46	,012
15	4	33	,013
16	78	79	,015
17	9	55	,016
18	38	53	,019
19	54	60	,021
20	1	16	,023
21	15	26	,026
22	3	42	,029
23	15	47	,032
24	10	32	,036
25	70	77	,040
26	2	5	,044
27	20	23	,048
28	21	50	,052
29	30	39	,056
30	7	8	,060
31	49	59	,064
32	9	56	,068
33	6	24	,072
34	1	12	,077
35	64	81	,081
36	57	80	,086
37	4	15	,091
38	34	54	,097
39	43	51	,103
40	49	62	,110
41	14	44	,117
42	63	66	,124
43	17	25	,132
44	14	38	,141
45	3	34	,149
46	22	83	,158
47	19	64	,168
48	20	21	,180
49	31	40	,193
50	19	78	,207
51	2	61	,223
52	35	43	,240
53	7	9	,258
54	10	29	,278
55	13	27	,297
56	37	41	,321
57	49	71	,345
58	19	68	,369
59	2	4	,399
60	10	58	,430
61	6	70	,462
62	30	31	,496
63	7	14	,533
64	13	17	,570
65	20	57	,614
66	63	65	,660
67	6	19	,710
68	3	35	,762
69	10	18	,814
70	1	7	,872
71	22	63	,937
72	2	13	1,019
73	3	49	1,126
74	1	36	1,268
75	2	20	1,462
76	3	6	2,404
77	22	30	2,586
78	1	2	2,921

Приложение 11

Анализ показателей для кластеризации на наличие выбросов



Рис. П12-1, Ящичковая диаграмма объема платных туристических услуг (Y), числа иностранных туристов (X2), количества объекто культурно-исторического наследия (Х3)

Таблица П12-1 Критерии определения аномальных регионов

Критерий	Иностранцы	Услуги	Объекты наследия
Минимум	709,80	63,20	358,00
Максимум	2200,20	634,50	799,00
Критерий межквартильной разницы
Q1-3 IQR	-1822	-594,675	398,5
Q3+3 IQR	4361	969,825	858,5
Наличие выбросов	-	+	+
Правило Трех сигм
Хсред-3у	-1589,2	-496,54	450,83
Хсред+3у	2019,8	899,41	795,63
Наличие выбросов	+	+	+
Критерий Титьена-Мура
L набл	0,010387562	0,0054343	0,594557779
L критич	0,82	0,82	0,82
Наличие выбросов	+	+	+



Приложение 12

Динамика основных показателей туристической индустрии

...