Рассмотрим более подробно несколько важных показателей сферы туризма РФ.

1. Динамика вклада туризма в ВВП РФ. Согласно данным ВЭФ по Российской Федерации (рис.3), объем общего вклада туризма в ВВП изменялся за последние 12 лет следующим образом. В период с 2006 по 2013 гг. наблюдался рост, кроме 2008 и 2009 гг. по причинам экономического кризиса. Далее, после 2013 года объемы вкладов начали сокращаться вплоть до настоящего времени. При этом, объем прямого вклада туризма в ВВП изменялся незначительно в течение рассматриваемого периода, снизившись на 9 млрд. долларов в 2017 году по сравнению с максимальным значением в 27 млрд. в 2013 Мировой Атлас Данных. Knoema Web: http://knoema.ru/atlas/topics/Туризм.

Необходимо отметить, что доля прямого вклада значительно ниже общего вклада туризма, и в 2017 году составила лишь 1,3% ВВП, согласно World Travel and Tourism Council World Travel and Tourism Council Web: https://www.wttc.org/datagateway/.

При этом, в Российской Федерации на индустрию туризма в целом приходится около 6% от ВВП, что эквивалентно чуть больше 106 млрд. долл. США в год. Согласно Писаревскому, «каждый миллион создает 53 рабочих места, что значительно больше традиционных секторов экономики, например, финансового (35 рабочих места) или химического (26 рабочих мест)» Основы туризма: учебник / коллектив авторов; под ред. Е.Л. Писаревского. -- М.: Федеральное агентство по туризму, 2014. -- 256 с..

Из сказанного выше можно заключить, что туризм составляет незначительную долю в ВВП Российской Федерации, при этом генерирует больше возможностей для трудоустройства, нежели другие отрасли. В последние годы доля туризма в ВВП возрастает, однако конкурентоспособность российских направлений все еще довольно низка по сравнению с другими популярными туристическими дестинациями.

Рис. 2. Динамика вклада туризма в ВВП (млрд. долл. США)

Составлено автором по данным: Мировой Атлас Данных. Knoema. Web: http://knoema.ru/atlas/topics/Туризм

2. Динамика доходов от туризма. Согласно Мировому атласу данных, доходы от международного туризма включают в себя следующие расходы иностранных граждан: платежи перевозчикам в прибывающей стране за международный транспорт, все предварительные оплаты за товары и услуги, которые были приобретены и оказаны в стране назначения. Помимо этого, сюда могут быть отнесены доходы от туристов, посещающих страну в течение одних суток (за исключением случаев, когда они заслуживают отдельной классификации). В определенных странах доходы от туристов могут не учитывать доходы, полученные от предоставления услуг по перевозкам Мировой Атлас Данных. Knoema. Web: http://knoema.ru/atlas/topics/Туризм.

Как показано на рисунке 4, доходы от туризма в РФ до и после кризиса 2008-2009 гг. показывали стабильный рост вплоть до 2014 года, когда произошел резкий спад с 19,5 млрд. долл. до 13 млрд. долл. США по политической причине - ухудшению имиджа РФ на международной арене. При этом, в течение нескольких последних лет и в настоящее время туристические расходы в РФ выросли ввиду девальвации российского рубля. Однако стоит отметить, что рост был обусловлен в основном внутренним потоком туристов. В силу того, что Российская Федерация обладает невысокой популярностью на международном рынке туризма относительно, например, Европейских стран и США, доходы от въездного туризма составляют примерно 1/3 от расходов туристов внутри страны.

Рис.3 Доходы от туризма (млрд. долл. США)

3. Динамика расходов иностранных туристов внутри РФ. Как видно из рисунка 5, динамика притоков капитала от иностранных туристов в целом повторяет динамику доходов от туризма в целом. С 2006 по 2014 г. был заметен стабильный рост, кроме периода кризиса, и в 2014 году мы наблюдаем резкое снижение расходов зарубежных туристов до 11,4 млрд. долл. США.

Согласно данным Росстата Сайт Росстат О. И. Электронный ресурс //URL: http://www.gks.ru., рост притока капитала в период 2008-2014 гг. можно объяснить возросшим интересом индийских туристов к России. Так, в 2012 году РФ посетило более 47 тыс. жителей Индии. Более того, Год российского туризма в Китае стимулировал спрос граждан Китая почти вдвое, при чем популярными оказались не только традиционные направления (Москва и Санкт-Петербург), но и такие русские города, как Суздаль и Владимир, Тверь, Новгород Основы туризма: учебник / коллектив авторов; под ред. Е.Л. Писаревского. -- М.: Федеральное агентство по туризму, 2014. -- 260 с..

Важным фактом является то, что разница в расходах между 2014 и 2015 годами, включающая доходы от международного туризма, составляет почти 6 млрд. долларов, в то время как общие доходы от туризма упали на 7 млрд. Иными словами, основной вклад в снижение притока капиталов в российский туризм вносят иностранные туристы.

Таким образом, из двух предыдущих абзацев можно сделать вывод, что необходимо повышать конкурентоспособность российского туристических назначений для иностранных граждан с целью увеличить приток капиталов от международного, а не внутреннего туризма.

Рис. 4. Расходы международных туристов внутри РФ (млрд. долл. США)

Составлено автором по данным: Мировой Атлас Данных. Knoema. Web: http://knoema.ru/atlas/topics/Туризм

4. Основные туристические направления Российской Федерации. Как можно видеть из таблицы 1, Санкт-Петербург и Москва относятся к зонам федерального значения, характеризуются познавательным, деловым, а также конгресс-туризмом Гуляев В. Г. Организация туристской деятельности. - М. : Нолидж, 1996..

К регионам России, характеризующимся высоким уровнем развития и наибольшем туристским предложением, относятся Москва и Московская область, Санкт-Петербург и Ленинградская область, район Кавказских Минеральных вод, Краснодарский край, Калининградская область, регионы Золотого Кольца. Однако стоит отметить, что на сегодняшний день с главными туристическими городами уже вступили в конкурентную борьбу новые регионы Основы туризма: учебник / коллектив авторов; под ред. Е.Л. Писаревского. -- М.: Федеральное агентство по туризму, 2014. -- 256 с..

Таблица 1. Основные туристские и курортные зоны федерального значения (первые 4).

Зоны развития туризма федерального значения	Специализация по видам туризма	Города и районы, рекомендуемые для развития туризма
1. Север 2. (Баренцево море, Белое море, Архангельская, Вологодская, Мурманская области, Республика Карелия)	Познавательный и экологический, круизы, охота, рыбная ловля, горные лыжи, походы, паломничество	Архангельск, Соловки, Вологда, Волго-Балтийский канал, Петрозаводск, Кижи, Валаам, Хибины, Сортавала
3. Северо-Запад 4. (Санкт-Петербург, Ленинградская, Псковская, Новгородская области)	Познавательный, деловой и конгресс-туризм, отдых, круизы, автотуризм	Санкт-Петербург, Выборг, Ломоносов, Павловск, Петродворец, Пушкин, Новгород, Старая Русса, Валдай, Псков, Печоры, Пушкинские горы
5. Балтийское побережье (Калининградская область)	Деловой туризм, круизы, отдых с лечением	Калининград, Зеленоград, Светлогорск, Рыбачье
6. Москва и Московская область	Познавательный, деловой, конгресс-туризм и автотуризм	Москва, Верея, Сергиев Посад, Звенигород, Коломна, Истра, Руза

Составлено автором по данным: Воскресенский В. Ю.Международный туризм / В. Ю. Воскресенский. -- М.: Юнити-Дана, 2006

Согласно Мировому Атласу данных, традиционные туристические российские направления - Москва и Санкт-Петербург занимают одни из самых нижних мест в рейтинге городов в Европе по притоку туристов, по сравнению с европейскими городами-лидерами, реципиентами максимального количества туристов: Лондоном, Парижем, Стамбулом, Барселоной и Амстердамом. Так, в 2017 году, Москву посетило 1,83 миллиона иностранных граждан, а Санкт Петербург - чуть менее миллиона Мировой Атлас Данных. Knoema. Web: http://knoema.ru/atlas/topics/Туризм.

Рис. 5. Рейтинг городов Европы по количеству туристов (млн. чел.) в 2016 г. (5 лидеров, Москва и Санкт-Петербург)

Источник: Мировой Атлас Данных. Knoema. Web: http://knoema.ru/atlas/topics/Туризм

Согласно данным Mastercard's Global Destination Cities Index, в 2016 году два крупнейших города РФ являются стали из самых непопулярных европейских городов, посещаемых иностранными туристами. Однако, на данный момент можно говорить об увеличении притока туристов из Азии, что может послужить стимулом к росту привлекательности Москвы и северной столицы на международной арене.

В таблице 2 представлен сравнительный анализ Москвы и Санкт-Петербурга как двух крупнейших туристических направления России.

Таблица 2. Сравнение Москвы и Санкт-Петербурга по основным показателям туристической области за 2016 год.

Город\Показатель	г. Москва	г. Санкт-Петербург
Количество туристов, млн. чел.	1,83	0,99
Средние расходы туристов, млрд. долл. США	0,94	0,51
Основной вид туризма	Познавательный, деловой, конгресс-туризм и автотуризм	Познавательный, деловой и конгресс-туризм, отдых, круизы, автотуризм
Место в рейтинге европейских городов по посещаемости	27	29
Место в экологическом рейтинге российских городов	1	9
Число турфирм, ед.	577	381
Среднесписочная численность работников (без внешних совместителей и работников несписочного состава), чел.	7585	2750
Число проведенных выставочно-ярмарочных мероприятий и иных мероприятий, направленных на презентацию туристских ресурсов и проведение социологических исследований в сфере, ед.	396 (г. Москва и Московская область)	120 (г. Санкт-Петербург и Ленинградская область)
Количество объектов культурного наследия, включенные в реестр, ед.	6027	6283
Средние потребительские цены на проживание в гостинице (сутки с человека), руб.	2550	1744

Составлено автором по данным: Мировой Атлас Данных. Mastercard's Global Destination Cities Index. Knoema Web: file:///C:/Users/Asus/Downloads/KnoemaTourismDataCheatSheetApril2018.pdf;

ЕМИСС Государственная статистика Web: https://www.fedstat.ru/indicator/

По данным из таблицы можно сделать вывод, что Москва по всем параметрам опережает Санкт-Петербург, причем по количеству иностранных туристов и объему их расходов, показатели столицы почти вдвое выше. Другими словами, на сегодняшний день Москва остается наиболее привлекательным для туристов городом в РФ.

Таким образом, можно выявить три основных вектора развития индустрии туризма с начала ХХI века. Во-первых, данный сектор с начала 2000-х годов находился в фазе роста, приостановленного в связи с эконмическим кризисом в 2008 и 2009 гг. Однако, после событий 2014 года РФ потеряла свои позиции на международной арене по политическим и экономическим причинам, что привело к спаду потоков туристов на территории нашей страны. В связи с девальвацией рубля, на сегодняшний день РФ снова становится популярным туристическим направлением, однако данная тенденция прослеживается в основном у граждан таких государств, как Индия и Китай. Во-вторых, на данный момент, по мнению авторов статьи «Analysis of Key Indicators of Tourism Industry in Russia Maloletko A. N. et al. Analysis of key indicators of tourism industry in Russia //Modern Applied Science. - 2014. - Т. 9. - №. 3. - С. 25.», на динамику ключевых показателей туризма России большое влияние оказывают экономические угрозы, связанные с глобализацией мирового туризма и слабой внутренней организационной структурой отрасли. В-третьих, в последнее время важной чертой туризма в РФ является тот факт, что основной вклад в доходы от туристической деятельности приносит внутренний туризм, что говорит о необходимости повышения конкурентоспособности туризма в РФ для иностранных граждан ближнего и дальнего зарубежья.

Приняв во внимание вышесказанное, можно выявить, что на данный момент Россия не использует полностью свой потенциал в рамках предоставления туристических услуг на международной арене. Поэтому, необходимо выявить те сферы деятельности, которые в первую очередь нуждаются в стимулировании, инновациях и т.д.

В данной работе будет проведен анализ связей между различными факторами и развитием туризма в крупнейших туристических городах России - Москве и Санкт-Петербурге. Поскольку для качественного анализа лучше рассматривать регионы в совокупности, модель будет включать в себя не только крупные города. По результатам эконометрической модели можно будет сделать вывод о том, какие параметры оказывают наибольшее влияние, и, как следствие, в каких областях следует уделить внимание внедрению новых технологий, разработке новых политик, вопросам финансирования и инвестиций с целью повысить конкурентоспособность международного туризма в РФ.

2.2 Описание переменных и лагов во времени для эконометрической модели

Для построения модели были собраны данные по 79 областям Российской Федерации, куда в качестве отдельных регионов были включены города Москва и Санкт-Петербург. Целесообразно было проводить анализ панельных данных по всем областям, а не только по двум рассматриваемым городам, так как в противном случае исследование содержало бы две отдельные регрессии для каждого из городов. Далее, на основе данных по всем регионам был проведен регрессионный анализ и построена эконометрическая модель.

Согласно рассмотренным ранее исследованиям, в модель необходимо включать факторы из разных областей, поскольку на развитие туристического сектора влияют не только экономические переменные, но и такие детерминанты, как развитие человеческого капитала, уровень развития системы здравоохранения, экологические составляющие и др Валединская Е. Н. Роль и значение стратегического развития сферы услуг туризма и гостеприимства в региональной экономике //Современные проблемы сервиса и туризма. - 2012. - №. 4.. Поскольку приток туристов не всегда напрямую отражает качество и количество предоставляемого туристического сервиса, можно рассматривать объемы оказанных услуг в сфере туризма в качестве детерминанты уровня развития сектора в конкретном регионе.

Таким образом, принимая во внимание доступность данных по регионам России, в качестве объясняемой переменной был взят объем туристических услуг, оказанных населению (далее в модели - TServ, млн. руб.), а в качестве регрессоров был выбран ряд переменных из разных сфер. Ниже представлена сводная таблица всех включенных в модель регрессоров:

Таблица 3. Описание объясняющих переменных

Условное обозначение переменной	Факторы
KI	Инвестиции в основной капитал гостиниц (млн. руб.);
HS	Общая площадь номеров в гостиницах (тыс. кв. м.)
EmpT	Число работников в турфирмах (чел.)
EmpH	Число работников в гостиницах (чел.)
Ch	Число детских оздоровительных лагерей
Tr	Внешнеторговый оборот с ближним и дальним зарубежьем (млн. долл. США)
CPI	Индекс потребительских цен
Mon	Количество монументов (ед.)
Ens	Количество памятников (ед.)
SS	Количество достопримечательных мест (ед.)
Arch	Количество объектов археологического наследия (ед.)
MonEns	Количество памятников в составе ансамблей (ед.)
HerR	Количество объектов культурного наследия, включенные в реестр (ед.)
HerT	Количество выявленных объектов культурного наследия (ед.)

После задания объясняющих переменных, необходимо определить порядки лагов во времени. Возможности открытых статистических баз данных позволили подготовить панельную выборку данных. Для того, чтобы не потерять полезную информацию ни ее пространственного, ни временного компонента, в первой итерации была построена линейная регрессия, выявляющая зависимость между наиболее актуальным значением зависимой переменной и всеми доступными состояниями факторов во времени. Такой анализ необходим для того, чтобы определить порядок лагов, с которыми происходит изменение зависимой переменной вслед за изменением независимых.

Естественно, что такое уравнение объяснило очень высокую долю дисперсии. Это было достигнуто за счет большого количества данных, однако, на данном этапе такой результат не является достоверным, поскольку не позволяет выявить зависимости каждого фактора с объясняемой переменной, а также потому, что предпосылки теоремы Гаусса-Маркова могут быть нарушены. Результаты были получены следующие:



На основании такого уравнения и рассмотрения коэффициентов корреляции, мы выявили наиболее правдоподобные лаги:

1. TServ16

2. KI9

3. HS13

4. EmpT12

5. EmpH14

6. Ch13

7. CPI14

8. Tr5

9. Mon

10. Ens15

11. SS15

12. Arch15

13. MonEns15

14. HerR16

15. HerT15

Таким образом, мы задали необходимые переменные для модели и выявили лаги. После получения лагов во времени, необходимо построить новую регрессию без их включения.

После проведения обзора динамики развития сектора туризма в РФ в последние годы, можно прийти к выводу, что имеющийся в России потенциал не используется в полной мере. Иными словами, международный туризм на территории крупнейших городов РФ имеет перспективы расти и выходить на новый уровень, конкурируя с другими туристическими направлениями. С целью выявления главных факторов развития будет построена эконометрическая модель зависимости объема оказанных туристических услуг от ряда других переменных, указанных ранее.

3. Построение и анализ эконометрической модели

3.1 Построение и определение оптимальной модели

Линейная модель

После выявления нужных лагов, следующим шагом было построение регрессии, в которой они были учтены. Следует заметить, что при уходе от такого большого количества факторов объясняемая доля дисперсии снизилась незначительно. В модели без учета лагов R² был равен 0.9945, теперь его значение равно 0.9059.

Следующим шагом после учета лагов нами был проведен анализ линейной регрессии. По результатам анализа, было выявлено, что в модели присутствует мультиколлинеарность:

Из результатов теста видно, что основные проблемные группы - это: EmpT и EmpH, KI и EmpT, EmpH, MonEns; EmpT и EmpH; HerR и Mon, Ens, MonEns; Ens и MonEns - для данных переменных значения частного парного коэффициента корреляции превосходят 0,8. Далее были проведены попытки избавления от мультиколлинерности для каждой из переменных. Для решения данной проблемы мы прибегли к линейным ограничениям.

Логично, что переменные количества работников в сфере туризма и работников в сфере гостиничного дела взаимосвязаны и коррелированы. Поэтому, необходимо ввести новую переменную:

Emp = EmpT+EmpH

Тестирование гипотезы о наличии линейных ограничений показывает, что ограничение имеет место быть (P-value F-stat = 0,27 при H₀: линейное ограничение имеет место быть). Однако, взаимосвязь переменных остается неприемлемой:

Следующей подозрительной переменной является MonEns (Количество памятников в составе ансамблей), поскольку она заключает информацию, которую также несут в себе переменные Mon (Количество монументов) и Ens (Количество памятников). Сильная взаимосвязь внутри этой переменной заставляет задуматься о проверке гипотезы о равенстве нулю коэффициента при ней. Результаты теста показывают, что модель с двумя линейными ограничениями лучше описывает имеющиеся данные (R² = 0.8944).

После проведенных тестов и введения линейных ограничений, мультиколлинеарность по-прежнему сохранялась:

Следующими взаимосвязанными переменными являются объем инвестиций в туристический бизнес и количество трудоустроенных в данной сфере. Интуитивно корреляция между ними ясна. Попытка решения проблема была проведена следующая: была использована новая переменная - линейная комбинации данных двух других. Зная, что KI9 = 0,395*Emp - 234,7, мы ввели новую переменную, равную 0,395*KI9+Emp.

Таким образом, мы получили новый регрессор - IE (Investment Efficiency). Введение такой переменной позволяет не просто учесть совместное влияние двух факторов на зависимую переменную, но и отразить вклад каждого из них во взаимно-усиленный эффект.

Результаты анализа получились следующие:

Следующим шагом стало разрешение проблемы среди группы показателей, связанных с количеством памятников и архитектурных объектов. Было проведено сравнение четырех вариантов моделей (лучшие значения сравниваемых показателей отмечены жирным - исходная модель вне выбора).

Таблица 4. Сравнение моделей

	Исходная модель	Модель с участием HerR16 и исключением остальных компонент	Модель с объединением всех взаимосвязанных переменных в переменную her = Mon +Ens15 +SS15 +Arch16 +MonEns15	Модель с включением обеих переменных: HerR16 и her
VIF (под. переменные)	5,12 (HerR16 & Mon)	2,94 (-)	2,81 (-)	3,52 (-)
R2 (R2adj)	88,56 (86,48)	87,86 (86,66)	87,58 (88,36)	87,93 (86,55)
MSS (*100000)	704,5	698,9	696,7	699,5

Составлено автором.

Несмотря на то, что VIF минимален во второй модели, предпочтительнее выбрать третью модель, которая сохраняет больше полезной информации. Одновременное включение в модель схожих данных, поступающих через переменные HerR16 и her, не обязательно излишне, поскольку такое включение позволяет уделить больший вес значению памятников архитектуры в формировании денежного потока.

Важно отметить, что в рассматриваемых моделях зачастую оказывался незначимым коэффициент при переменной HerT, что указывает на то, что приезжающие туристы не осведомлены о памятниках и культурных объектах, не включенных в реестр, и не принимают их во внимание при выборе направления поездки.

Таким образом, для линейной модели был выбран следующий вариант:

Логарифмическая модель

Далее была построена аналогичная логарифмическая модель, поскольку она может с наибольшей точностью отражать зависимость между переменными, нежели линейная. Помимо этого, был проведен тест Бокса-Кокса, идея которого заключается в нахождении наименьшего значения суммы квадратов остатков при тестировании моделей на исходных данных с последовательным изменением коэффициента б в формуле, по которой изменяются все переменные:

X_B-C= (X^б-1)/б

Значение б=1 позволяет получить линейную модель, значение 0 - аналог логарифмической.

В нашем случае, как видно из рисунка 7, сумма квадратов остатков неизменно убывает при уменьшении коэффициента б:



Рис.7 Динамика суммы квадратов остатков в построенной модели

Таким образом, однозначно можно сделать вывод о том, что логарифмическая модель лучше линейной (с наибольшей точностью показывать взаимосвязь переменных).

После построения логарифмической модели были получены следующие данные:

Как мы видим из результатов, исходное уравнение вновь характеризуется проблемой мультиколлинеарности, хотя и менее выраженной, чем в линейном случае. Аналогично с линейной моделью, мы пытались устранить данную проблему путем введения линейных ограничений.

Тест показал, что целесообразно объединение в одну переменную числа работников туристической и гостиничной сферы. (P-value = 0,14). После этого шага матрица частных парных коэффициентов корреляции выглядела следующим образом:

Второе линейное ограничение о равенстве нулю коэффициента при переменной MonEns также оказалось необходимым на 5% уровне значимости (P-value = 0,06).

После проведенных тестов проблема мультиколлниеарности все еще сохранилась, при чем наиболее сильная взаимосвязь наблюдалась между факторами lnemp & lnHS13 (число работников гостиниц и площадь гостиничных номеров). Логично предположить, что данные переменные взаимозависимы: чем выше площадь обсуживаемых номеров, тем больше персонала должно быть задействовано. Для того, чтобы избежать потери полезной информации, переменные были объединены в новую: lnhot = lnemp+lnHS13.

Далее, гипотеза о наличии линейного ограничения не могла быть отвергнута ни при каком уровне доверия.

После проведения данных преобразований и тестов, сильная взаимосвязь между переменными была устранена:

Важно отметить, что попытки устранения проблемы с переменной lnMon на данном этапе не имели смысла, так как предпосылка теоремы Гаусса-Маркова об отсутствии мультиколлинеарности уже выполнена, а дальнейшее устранение факторов приведет к утере полезной информации.

Следующим важным шагом было проведение теста Рамсея на верность спецификации модели. Данный тест показал отсутствие упущенных или лишних переменных:

Помимо этого, необходимо было провести проверку модели на наличие гетероскедастичности. Визуальный анализ графиков не позволял ее увидеть, поэтому была произведена не отдельная проверка переменных, а был проведен общий тест на гетероскедастичность для всей модели - тест Уайта. Тест Уайта считается надежным методом проверки гетероскедастичности, поскольку точно устанавливает факт ее присутствия, хотя и не специфицирует формы зависимости, и не указывает на проблемную переменную. Тест Уайта показал, что проблема гетероскедастичности отсутствует:

Помимо проблемы гетероскедастичности, мы также приняли во внимание возможность неправильного распределения остатков. Поэтому, был проведен тест на нормальность их распределения. Данный тест не позволяет отвергнуть гипотезу об их ненормальном распределении, однако не стоит придавать этой проблеме слишком большое значение, поскольку значение P-value очень близко к 5%:

Таким образом, после построения линейной и логарифмической модели, выбор был сделан в пользу второй. Помимо этого, были проанализированы возможные проблемы с моделью: после проведения ряд тестов на мультиколлинеарность, данная проблема была решена с помощью введения новых переменных, тест Уайта на гетероскедастичность подтвердили ее отсутствие, тест на нормальность остатков показал значение P -value, близкое к 5%, и тест Рамсея показал верную спецификацию.

3.2 Выбор спецификации логарифмической модели

После устранения мультиколлинеарности и рассмотрении остальных возможных проблем в построенной модели, для улучшения ее качества и формирования окончательного уравнения, необходимо использовать следующие методы: метод последовательного исключения и метод последовательного включения.

Первый метод - метод последовательного исключения позволил оставить в модели следующие переменные: hot, CPI, SS, HerR. Однако, переменная SS имеет необъяснимый знак и также должна быть исключена из уравнения.

Таким образом, с новым набором переменных мы получили такие результаты:

Второй метод - метод последовательного включения основан на добавлении в модель факторов в порядке убывания их зависимости от изучаемой переменной. Он позволил получить модель с участием факторов hot, Tr, HerR, CPI, знаки которых оказались вполне логичны и объяснимы:

Таким образом, поскольку R² во второй модели выше, чем в первой, а количество объясняющих переменных осталось прежним, логично выбрать вторую спецификацию модели как наиболее подходящую в целях объяснения взаимосвязи между объемом оказываемых услуг и переменными hot, Tr5, T

3.3 Интерпретация коэффициентов полученного уравнения и сравнение результатов с предыдущими исследованиями

С целью упрощения восприятия уравнения модели, мы избавились от логарифмов и перешли к степеням. Напомним, что lnhot = lnemp+lnHS13, тогда после преобразований мы получим следующее уравнение:

Таким образом, мы пришли к выводу, что переменная TServ16 (объем услуг, оказанных населению (млн. долл. США) на 2016 год) зависит от таких параметров:

HS13 - Общая площадь номеров в гостиницах (кв. м.) на 2013 год;

empH - Число работников в турфирмах (чел.)

empT - Число работников в гостиницах (чел.)

Tr5 - Внешнеторговый оборот с ближним и дальним зарубежьем (млн. долл. США)

HerR16 - Количество объектов культурного наследия, включенные в реестр (ед.) на 2016 год;

CPI14 - Индекс потребительских цен на 2014 год;

Необходимо заметить, что объем услуг и индекс потребительских цен имеют обратную взаимосвязь, в то время как с остальными детерминантами можно наблюдать прямую зависимость.

Другим важнейшим пунктом анализа является интерпретация полученных результатов:

1) Суммарное увеличение на 1% количества работников туристической сферы по состоянию на 2012 год, гостиничного бизнеса - на 2014 год и общей площади гостиничных номеров в 2013 году приводит к росту объема туристических услуг, оказанных населению в 2016 году на 0,31%.

2) Увеличение на 1% внешнеторгового оборота региона в 2005 году (то есть уровня включенности в партнерские международные отношения между бизнес-структурами) приводит к росту на 0,09% объема туристических услуг, оказанных населению в 2016 году.

3) Увеличение на 1% числа зарегистрированных объектов культурного наследия в 2016 года приводит к росту на 0,17% объема туристических услуг, оказанных населению в 2016 году. Следует еще раз подчеркнуть, что переменная HerT в каждом из случаев была исключена, что говорит о том, что туристы не были осведомлены о тех объектах наследия, которые не включены в реестр.

4) Уменьшение на 1% ИПЦ в регионе в 14 году приводит к росту на 14,5% объема туристических услуг, оказанных населению в 2016 году.

Исходя из данных интерпретаций коэффициентов, можно прийти к выводу, что наибольшее влияние оказал индекс потребительских цен, что говорит о дешевизне российских туристических услуг и товаров по сравнению с аналогичными конкурирующими направлениями, а также количество занятых в сфере туризма и число предоставляемых мест для размещения туристов.

В исследованиях, рассмотренных ранее, на приток туристов и капитала влияли различные группы факторов: экономические (конкурентоспособность цен, ВВП на душу населения, государственные расходы, объем инвестиций в сектор и т.д.), социальные (уровень здравоохранения и легкодоступность ресурсов, уровень развития человеческого капитала), экологические (наличие запасов природных ресурсов), культурные (наличие культурных ценностей), инновационные (инновации в области маркетинга и применение новых конкурентные стратегии, применяемые при продвижении турпродукта).

Сопоставив эти результаты с полученной нами моделью, можно сказать, что данное исследование может стать важным дополнением к уже имеющимся работам. Иными словами, выведенное нами уравнение также включает в себя экономические факторы - индекс потребительских цен и внешнеторговый оборот региона и культурные - объекты культурного наследия. Помимо этого, было выявлено влияние новых факторов - количественных параметров (число занятых в сфере туризма и гостиничных номеров). Можно прийти к выводу, что данное исследование имеет схожие результаты и определенную научную новизну.

Заключение

Данная работа посвящена анализу факторов развития туризма в Российской Федерации на примере двух крупнейших российских городов - Москвы и Санкт - Петербурга.

В проведенном исследовании были выполнены поставленные в начале работы задачи, получена логарифмическая модель зависимости и выработаны некоторые рекомендации по улучшению и продвижению развития сектора туризма.

В первой части работы была изучена теоретическая база туризма как экономической системы и далее был проведен анализ состояния туристического сектора на текущий момент с использованием основных баз данных, а также было построено графическое изображение некоторых групп показателей для упрощенного представления информации. На основе проведенного анализа были получены следующие выводы.

С начала века наблюдалась положительная динамика развития туристического сектора в России, продлившаяся вплоть до экономического кризиса 2008 года, когда положение РФ ухудшилось на международной арене по политическим и экономическим причинам, что привело к спаду потоков туристов на территории нашей страны до сегодняшнего дня. Девальвация рубля хотя и стимулировала в некоторой степени приток иностранных туристов, но по большей части прирост был заметен среди жителей Индии и Китая. Помимо этого, гораздо больший вклад в доходы от туристической деятельности приносит внутренний туризм, нежели международный.

Важно отметить, что, согласно данным Всемирного экономического форума, Россия занимает 43 место в мире по уровню конкурентоспособности туризма, причем довольно высокий рейтинг имеет лишь по четырем направлениям: уровень здравоохранения, конкурентоспособность цен, инфраструктура воздушного транспорта, культурное наследие и бизнес-туризм.

По итогам сравнения Москвы и Санкт-Петербурга как городов с наибольшим притоком туристов, столица имеет преимущества по всем рассмотренным параметрам: количеству и расходам туристов, стоит выше в рейтинге европейских городов по посещаемости и российских городов по экологии, а также по численности проведенных мероприятий и числу объектов культурного наследия.

Посмотрев на развитие сектора туризма в РФ в текущий период, был сделан вывод, что на сегодняшний момент российские туристические компании заметно уступают по своей конкурентоспособности многим другим, хотя Россия обладает огромным потенциалом и ресурсами, а также богатым историческим наследием.

Во второй части работы было проведен регрессионный анализ панельных данных по регионам РФ, куда крупные города были включены как отдельные единицы. Таким образом, цель исследования - выявить факторы, которые имеют наибольшее влияние на развитие туристического сектора в РФ или препятствуют его успешному росту, была достигнута.

Гипотеза данного исследования частично подтвердилась: действительно, среди факторов, влияющих на объемы оказываемых услуг в сфере международного туризма в Москве и Санкт - Петербурге наибольшее влияние будут оказал экономический фактор - индекс потребительских цен, а также количественные переменные, относящиеся к туристическому сектору, как и было предположено в начале работы.

Исходя из результатов полученной модели, важно отметить, что необходимо поддерживать стабильно низкий уровень цен на туристический сервис в Москве и Санкт - Петербурге, так как данный фактор имеет наибольшее влияние на объем оказанных услуг международного туризма. Помимо этого, следует уделять вниманию трудоустройству в туристической сфере, так как качество услуг напрямую связано с количеством и квалификацией работающего персонала. Немало важным параметром оказалось количество объектов культурного наследия, причем необходимо обновить базу данных с важнейшими памятниками архитектуры, так как иностранные туристы не получают информацию о многих из них. Наконец, повышение внешнеторгового оборот региона стимулирует международную торговлю товарами и услугами, а значит, имеет непосредственное влияние на развитие сектора туризма.

В целом, после написания данной работы, можно говорить о целесообразности изучения туризма в дальнейшем и продолжении исследований уже в области других регионов РФ с целью выявления новых, привлекательных для иностранных граждан, туристических направлений.

Список литературы

1. Александрова А. Ю. Международный туризм. - 2002.

2. Валединская Е. Н. Роль и значение стратегического развития сферы услуг туризма и гостеприимства в региональной экономике //Современные проблемы сервиса и туризма. - 2012. - №. 4.

3. Винокуров М. А. Что такое туризм? //Известия Иркутской государственной экономической академии. - 2004. - №. 3.

4. Воскресенский В. Ю. Международный туризм / В. Ю. Воскресенский. -- М.: Юнити-Дана, 2006

5. Гуляев В. Г. Организация туристской деятельности. - М.: Нолидж, 1996.

6. Илькевич С. В., Сахарчук Е. С. Экономические аспекты устойчивого развития туризма в регионах Российской Федерации //Вестник Ассоциации вузов туризма и сервиса. - 2014. - №. 2.

7. Красная С. А. Культурный туризм: просветительская сущность и факторы развития //Автореф.... канд. культурологии. - 2006. - Т. 24. - №. 01.

8. Кусков А. С., Джаладян Ю. А. Основы туризма: учебник //М.: КНОРУС. - 2008. - Т. 400

9. Писаревский Е. Л. и др. Основы туризма. - 2014.

10. Писаревский Е. Л. Актуальные вопросы развития туризма в Российской Федерации //ОРГАНИЗАТОРЫ КОНФЕРЕНЦИИ Московский государственный университет имени МВ Ломоносова Российская академия наук Национальная академия туризма Российская международная академия туризма. - 2009. - Т. 28. - С. 20.

11. Похвощев В. А. Стратегия социально-экономического развития Московской области до 2025 года: угрозы и возможности //МИР (Модернизация. Инновации. Развитие). - 2012. - №. 10.

12. Ardhala A. D., Santoso E. B., Sulistyarso H. Influence Factors on the Development of Creative Industry as Tourism Destination (Case Study: Footwear Village in Mojokerto City) //Procedia-Social and Behavioral Sciences. - 2016. - Т. 227. - С. 671-679.

13. Barkauskas V., Barkauskienл K., Jasinskas E. Analysis of macro environmental factors influencing the development of rural tourism: Lithuanian case //Procedia-Social and Behavioral Sciences. - 2015. - Т. 213. - С.167-172.

14. Dwyer, L., Kim, C. (2003). Destination competitiveness: determinants and indicators. Current Issues in Tourism. 6 (5): 369414.

15. Highlights T. Edition. UN World Tourism Organization; 2014. - 2011.

16. Ismagilova G., Safiullin L., Gafurov I. Using historical heritage as a factor in tourism development //Procedia-Social and Behavioral Sciences. - 2015. - Т. 188. - С.157-162.

17. Ismagilova G., Safiullin L., Gafurov I. Using historical heritage as a factor in tourism development //Procedia-Social and Behavioral Sciences. - 2015. - Т. 188. - С. 157-162.

18. Jafari J. Editor's Page // Annals of Tourism Research. Special Number. October/December 1977

19. Joshi O., Poudyal N. C., Larson L. R. The influence of sociopolitical, natural, and cultural factors on international tourism growth: a cross-country panel analysis //Environment, Development and Sustainability. - 2017. - Т. 19. - №. 3.

20. Kerdpitak C. Factors Leading to Success of Tourism Business in Bangkok Thailand //Journal of Applied Business Research. - 2017. - Т. 33. - №. 3. - С. 501.

21. Leiper N. The framework of tourism: Towards a definition of tourism, tourist, and the tourist industry //Annals of tourism research. - 1979. - Т. 6. - №. 4. - С. 390-407.

22. Liu J. et al. Urban livability and tourism development in China: Analysis of sustainable development by means of spatial panel data //Habitat International. - 2017. - Т. 68. - С.99-107.

23. Maloletko A. N. et al. Analysis of key indicators of tourism industry in Russia //Modern Applied Science. - 2014. - Т. 9. - №. 3. - С. 25.

24. Mathieson A., Wall G.Tourism: Economic, Physical and Social Impacts. London: Longman Group Ltd., 1982.

25. Narkыnienл R. et al. Tourism development conditions in the municipalities of Lithuania and Latvia regions //CBU International Conference Proceedings. - Central Bohemia University, 2017. - Т. 5. - С. 320.

26. Rivera M. A. The synergies between human development, economic growth, and tourism within a developing country: An empirical model for Ecuador //Journal of Destination Marketing & Management. - 2017. - Т. 6. - №. 3. - С. 221-232.

27. Saarinen J. The regional economics of tourism in Northern Finland: The socio-economic implications of recent tourism development and future possibilities for regional development //Scandinavian Journal of Hospitality and Tourism. - 2003. - Т. 3. - №. 2. - С. 91-113.

28. Sharpley R., Telfer D. J. (ed). Tourism and development: concepts and issues. - Channel View Publications, 2014. - Т. 63.

29. Sheppard V. A., Williams P. W. Factors that strengthen tourism resort resilience //Journal of Hospitality and Tourism Management. - 2016. - Т. 28. - С. 20-30.

30. Snieрka V., Barkauskienл K., Barkauskas V. The impact of economic factors on the development of rural tourism: Lithuanian case //Procedia-Social and Behavioral Sciences. - 2014. - Т. 156. - С. 280-285

31. Thesaurus on Tourism and Leisure Activities. Madrid: WTO, 2001

32. The travel & tourism competitiveness report 2017 //The World Economic Forum. - 2017. - С. 303

33. Годовой отчет о туризме. Журнал «Туристический Барометр» 2017 (UNWTO World Tourism Barometer 2017): [Электронный ресурс] Режим доступа: http://mkt.unwto.org/publication/unwto-tourism-highlights-2016-edition

34. (дата обращения 1 марта 2017)

35. ЕМИСС Государственная статистика [Электронный ресурс] Режим доступа: https://www.fedstat.ru/indicator/

36. Кто мы. Всемирная туристская организация. [Электронный ресурс] Режим доступа: http://www2.unwto.org/en/content/who-we-are-0/

37. Мировой атлас данных. Knoema. [Электронный ресурс] Режим доступа:http://knoema.ru/atlas/topics/Туризм

38. Мировой Атлас Данных. Mastercard's Global Destination Cities Index. Knoema [Электронный ресурс] Режим доступа: file:///C:/Users/Asus/Downloads/KnoemaTourismDataCheatSheetApril2018.pdf;

39. О внесении изменений в Федеральный закон «Об основах туристской деятельности в Российской Федерации. Федеральный закон Российской Федерации от 5 февраля 2007 г». N 12-ФЗ. [Электронный ресурс] Режим доступа: http://www.consultant.ru/document/cons_doc_LAW_12462/

40. Сайт Росстат О. И. [Электронный ресурс] Режим доступа: http://www.gks.ru.

41. Федеральный закон "Об основах туристской деятельности в Российской Федерации" от 24.11.1996 N 132-ФЗ (последняя редакция) [Электронный ресурс] Режим доступа http://www.consultant.ru/document/cons_doc_LAW_12462/ (дата обращения 09.04.2018)

42. World Travel and Tourism Council [Электронный ресурс] Режим доступа: https://www.wttc.org/datagateway/

Размещено на Allbest.ru

...