КОРЕЛЯЦІЙНО-РЕГРЕСІЙНИЙ АНАЛІЗ ТУРИСТІВ, ЩО ОБСЛУГОВУЮТЬСЯ СУБ’ЄКТАМИ ТУРИСТИЧНОЇ ДІЯЛЬНОСТІ В УКРАЇНІ: РЕГІОНАЛЬНІ ВІДМІННОСТІ

PDF (English)

Ключові слова

туризм
туристичний ринок
туристичний потік
кореляційно-регресійний аналіз
Україна

Як цитувати

Морохович, В. С., Грабар, М. В., & Кашка, М. Ю. (2022). КОРЕЛЯЦІЙНО-РЕГРЕСІЙНИЙ АНАЛІЗ ТУРИСТІВ, ЩО ОБСЛУГОВУЮТЬСЯ СУБ’ЄКТАМИ ТУРИСТИЧНОЇ ДІЯЛЬНОСТІ В УКРАЇНІ: РЕГІОНАЛЬНІ ВІДМІННОСТІ. Індустрія туризму і гостинності в Центральній та Східній Європі, (4), 26-36. https://doi.org/10.36477/tourismhospcee-4-4

Анотація

Туризм є важливою складовою багатьох країн, оскільки суб’єкти туристичного сектору тісно співпрацюють з іншими галузями, забезпечуючи залучення інвестиційних ресурсів, зміцнюючи дохідну частину бюджету, покращуючи платіжний баланс країни, а також сприяє стійкому економічному зростанню та підвищенню добробуту населення. Ключовим показником розвитку туризму є туристичні потоки, які впливають на просторові відмінності у функціонуванні дестинацій та викликають територіальну соціально-економічну нерівномірність. Найбільш значущі детермінанти, що впливають на кількість обслуговуваних туристів, можна визначити за допомогою кореляційного та регресійного аналізу. У статті проведено аналіз сучасного стану ринку туристичних послуг в Україні. Фінансово-економічна криза, що загострилася останніми роками, та події, пов’язані з анексією АР Крим і дією Об’єднаних сил на території Донецької та Луганської областей, призвели до зменшення в’їзного туристичного потоку в Україні. Досліджено фактори, що впливають на розвиток туристичного ринку України. За допомогою кореляційно-регресійного аналізу сформовано модель причинно-наслідкових зв’язків між населенням регіону, його реальними доходами, кількістю туристичних підприємств та результуючою ознакою – кількістю обслуговуваних туристів. Економетричні моделі показують, що кількість туристичних підприємств позитивно впливає на результуючу ознаку в 95,8% регіонів; дохід на душу населення сприяє збільшенню кількості туристів, які обслуговуються в 91,7% регіонів; а чисельність населення впливає на збільшення кількості туристів у 66,7% регіонів. Таким чином, гіпотеза факторних змінних підтверджена в більшості регіонів України. Вивчення кількості туристів, що обслуговуються підприємствами туристичної індустрії в регіональному розрізі, дозволяє проаналізувати ефективність їх діяльності та визначити параметри регіонів з більшою мобільністю населення, а також визначити регіони, які генерують туристичні потоки. Практичне значення побудови економетричних моделей полягає в можливості їх використання для прогнозування розвитку туристичної галузі в Україні.

https://doi.org/10.36477/tourismhospcee-4-4
PDF (English)

Посилання

Athanasopoulos, G. & Hyndman R.J. (2006), Modelling and forecasting Australian domestic tourism. Tourism Management, 29(1), 19-31.

Baldigara, T. & Koić M. (2015), Modelling the international tourism demand in Croatia using a polynomial regression analysis. The Business of Tourism, 15, 29-38.

Charles J. & Fullerton T. (2011), An Error Correction Analysis of Visitor Arrivals to the Bahamas. Tourism Economics, 18(1), 253-259.

Chandra, S. & Kumari, K. (2018), Forecasting Foreign Tourist Arrivals in India using Time Series Models. International Journal of Statistics and Applied Mathematics, 3(2), 338-342.

Chhorn T. & Chaiboonsri C. (2018), Modelling and Forecasting Tourist Arrivals to Cambodia: An Application of ARIMA-GARCH Approach. Journal of Management, Economics, and Industrial Organization, 2(2), 1-19.

Choi, C. (2019), The effect of the Renminbi to Hong Kong Dollar real exchange rate on Mainland arrivals to Hong Kong. Office of the Government Economist – Economic Letter, 4, 1-14.

Dritsakis N. & Athanasiadis S. (2008), An Econometric Model of Tourist Demand. Journal of Hospitality & Leisure Marketing, 7(2), 39-49.

Grdić, Z.Š. & Nižić M.K. (2016), Development of tourist demand in correlation with climate change in the Republic of Croatia. Ekonomski pregled, 67(1), 27-43.

Makoni, Т. & Chikobvu, D. (2018), Modelling and forecasting Zimbabwe’s tourist arrivals using time series method: a case study of Victoria Falls rainforest. Southern African Business Review, 22(1), 1-22.

Popescu, A. (2016), The correlation between tourism accommodation capacity and tourist inflow by microregion of development in Romania. Scientific Papers Series Management, Economic Engineering in Agriculture and Rural Development, 16(4), 201-212.

Pranić, L., Ketkar, S. & Roehl, W.S. (2012), The impact of macroeconomic country-specific factors on international expansions of US hotel chains. Tourismos: An International Multidisciplinary Journal of Tourism, 7(1), 155-173.

State Statistics Service of Ukraine. Statistical Information (2014-2019) , available at: http://www.ukrstat.gov.ua

Subedi, A. (2017), Time Series Modeling on Monthly Data of Tourist Arrivals in Nepal: An Alternative Approach. Nepalese Journal of Statistics, 1, 41-54.

Terrier, С. (2009), Tourist flows and inflows: On measuring instruments and the geomathematics of flows, Bonnel, P., Lee-Gosselin, M., Zmud, J. and Madre, J. (ed.). Transport Survey Methods, 219-241.

World Economic Forum. The Travel & Tourism Competitiveness Report 2019, available at: http://www3.weforum.org/docs/WEF_TTCR_2019.pdf

World Travel & Tourism Council (WTTC). Travel & Tourism. Economic Impact 2019, available at: http://www.wttc.org/-/media/files/reports/economic-impact-research/regions-2019/world2019.pdf

Yılmaz, E. (2015). Forecasting tourist arrivals to Turkey. Tourism, 63(4), 435-445.