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 РІ следующей последовательности. Вначале была сформирована матрица исходных данных Рў (16С…10); первые 9 столбцов заняли показатели туристской инфраструктуры РїРѕ 16 регионам: РҐ1 – число мест РІ средствах размещения, РҐ2 – число мест РІ учреждениях питания, РҐ3 – число турфирм, РҐ4 – число музеев, РҐ5 – число театров, РҐ6 - число культурно-досуговых учреждений, РҐ7 – число спортивных сооружений, РҐ8 – протяженность железных РґРѕСЂРѕРі, РҐ9 – протяженность автомобильных РґРѕСЂРѕРі; десятый столбец занял результирующий фактор Y – численность туристских потоков. Сформирована матрица РўР  (16С…11), РіРґРµ первые 16 столбцов занимают факторы РІ процентном выражении РїРѕ отношению Рє своему выборочному среднему, 11 столбец занимает многомерный средний показатель Р . РџРѕ нему построен интервальный вариационный СЂСЏРґ, анализ которого СЃ учетом ошибки репрезентативности выборки Δ РїРѕР·РІРѕР»РёР» выделить основные РіСЂСѓРїРїС‹ Рђ, Р’, РЎ однородных РїРѕ развитости туристской инфраструктуры регионов. Р’ центральную РіСЂСѓРїРїСѓ Р’ включены регионы, для которых математическое ожидание многомерного среднего РЅРµ выходит Р·Р° пределы доверительного интервала Р РІ – Δ ≤ Рњ [Р ] ≤ Р РІ + Δ . Р’ РіСЂСѓРїРїСѓ Рђ СЃРѕ слаборазвитой инфраструктурой вошли регионы, для которых Р  Р РІ + Δ = 109,64 % . Заметим, что Владимирская область вошла РІ РіСЂСѓРїРїСѓ Р’ Рё занимает РІ ней третье место СЃ 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 РҐ1, РҐ3, РҐ9 (это число мест РІ средствах размещения, количество турфирм, протяженность автодорог), что позволяет отметить РёС… самое значимое влияние РЅР° результирующий фактор. Увеличив каждый РёР· факторов РҐ1, РҐ3, РҐ9 РЅР° 1 % , получим СЂРѕСЃС‚ фактора Y РЅР° 2,2 % . Вычислены β-коэффициенты, дающие меру влияния вариации каждого фактора РҐi РЅР° вариацию результативного признака. Самый высокий показатель определился для фактора РҐ9. Отрицательные коэффициенты РїСЂРё факторах РҐ4 – РҐ8 можно расценивать как сигнал Рѕ нерациональном РёС… использовании РІ туристской сфере. РџРѕ наиболее значимым факторам построена модель Y = – 6,50 + 0,44РҐ1 + 0,36РҐ2 + 0,26РҐ9 , которая показывает, что быстрого роста фактора Y можно достичь, двигаясь РІ направлении вектора градиента grad Y = {0,44; 0,36; 0,26}, С‚.Рµ. увеличивая факторы ( РҐ1, РҐ3, РҐ9 ) 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.

Список литературы

Для подготовки данной работы были использованы материалы с сайта http://journal.vlsu.ru