Моделирование туристских потоков по показателям инфраструктуры регионов Центрального федерального округа
Моделирование туристских потоков по показателям инфраструктуры регионов Центрального федерального округа
Левизов А.С., Архипова В.Ф., ВлГУ
Туристские потоки в условиях устойчивой экономики определяет степень инфраструктурной обустроенности регионов. Для решения проблем перспективного развития туризма необходимо выявить основополагающие факторы влияния на эту сферу услуг.
Нами были исследованы основные характеристики инфраструктуры туризма регионов Центрального федерального округа, рассчитан многомерный средний показатель, характеризующий состояние туристских ресурсов по регионам. Построена модель (функция) зависимости объема туристских потоков от показателей инфраструктуры. Статистические характеристики параметров модели позволили оценить влияние этих показателей на развитие туристской отрасли. В качестве расчетного аппарата выбран метод множественной линейной регрессии в сочетании с пошаговой регрессией, которая позволяет из множества исходных переменных-факторов производить отбор наиболее значимых для адекватного представления исходных данных и осуществлять отсев несущественных факторов. В расчете использован пакет прикладных программ для статистической обработки данных на ЭВМ.
Исследования проводились в следующей последовательности. Вначале была сформирована матрица исходных данных Т (16х10); первые 9 столбцов заняли показатели туристской инфраструктуры по 16 регионам: Х1 – число мест в средствах размещения, Х2 – число мест в учреждениях питания, Х3 – число турфирм, Х4 – число музеев, Х5 – число театров, Х6 - число культурно-досуговых учреждений, Х7 – число спортивных сооружений, Х8 – протяженность железных дорог, Х9 – протяженность автомобильных дорог; десятый столбец занял результирующий фактор Y – численность туристских потоков. Сформирована матрица ТР (16х11), где первые 16 столбцов занимают факторы в процентном выражении по отношению к своему выборочному среднему, 11 столбец занимает многомерный средний показатель Р. По нему построен интервальный вариационный ряд, анализ которого с учетом ошибки репрезентативности выборки Δ позволил выделить основные группы А, В, С однородных по развитости туристской инфраструктуры регионов. В центральную группу В включены регионы, для которых математическое ожидание многомерного среднего не выходит за пределы доверительного интервала Рв – Δ ≤ М [Р] ≤ Рв + Δ . В группу А со слаборазвитой инфраструктурой вошли регионы, для которых Р < Рв – Δ = 89,84 %; в группу С – регионы, с Р > Рв + Δ = 109,64 % . Заметим, что Владимирская область вошла в группу В и занимает в ней третье место с многомерным средним 102,73 % .
На следующем этапе была построена матрица парных коэффициентов корреляции, отражающая степень линейной зависимости между всеми переменными. В частности, получены значения коэффициентов корреляции между факторами ресурсов Хi(i=1,…,9) и Y – результирующим фактором: 0,8; 0,167 ; 0,7 ; 0,192 ; 0,304 ; 0,147 ; 0,223 ; 0,550 ; 0,587. Самая выраженная линейная связь Y = aX + b имеется между ( Х1, Х3, Х9 ) и фактором Y.
Методом множественной линейной регрессии смоделирован линейный тренд по всем факторам Y = 67,39 + 0,87Х1 + 0,07Х2 +
+ 0,25Х3 – 0,19Х4 – 0,58Х5 – 0,14Х6 – 0,18Х7 – 0,75Х8 + Х9 . При этом коэффициент детерминации d = 0,88 показал, что в исследуемой группе регионов 88 % общей вариабельности количества туристов объясняется изменениями рассматриваемых девяти факторов. Данный статистический вывод не абсолютен; если, допустим, увеличился фактор Х1 (стало больше мест в гостиницах), но при этом качество этого фактора не улучшится, то на первый план выходит влияние других факторов. По-видимому, это, прежде всего, доля 88 % туристов, получивших высокий уровень обслуживания комплексом качественных факторов.
Методом пошаговой регрессии вычислены частные коэффициенты корреляции, самые высокие значения которых наблюдались для факторов Х1, Х3, Х9 (это число мест в средствах размещения, количество турфирм, протяженность автодорог), что позволяет отметить их самое значимое влияние на результирующий фактор. Увеличив каждый из факторов Х1, Х3, Х9 на 1 % , получим рост фактора Y на 2,2 % . Вычислены β-коэффициенты, дающие меру влияния вариации каждого фактора Хi на вариацию результативного признака. Самый высокий показатель определился для фактора Х9. Отрицательные коэффициенты при факторах Х4 – Х8 можно расценивать как сигнал о нерациональном их использовании в туристской сфере. По наиболее значимым факторам построена модель Y = – 6,50 + 0,44Х1 + 0,36Х2 + 0,26Х9 , которая показывает, что быстрого роста фактора Y можно достичь, двигаясь в направлении вектора градиента grad Y = {0,44; 0,36; 0,26}, т.е. увеличивая факторы ( Х1, Х3, Х9 ) пропорционально его координатам.
По каждой группе регионов А, В, С построены модели-тренды и графики, иллюстрирующие зависимость результирующего признака от каждого показателя инфраструктуры. Выводы, полученные в данном исследовании, послужат основой для разработки программ приоритетного развития элементов туристской инфраструктуры региона.