Линейная регрессия для оценки входа в туристические маршруты групповых маршрутов

В работе представлено применение статистических методов к туризму, в данном случае к прогнозу на следующие 3 года (2009-2011) количества пассажиров и доходов от 10 маршрутов, предлагаемых SENDEROS Group. Это среднесрочный прогноз, что сложно с учетом постоянных изменений, с которыми сталкивается мировая экономика и, в частности, сектор туризма, который так чувствителен к ним.

Информация основана на реальных данных, количестве человек и доходе, полученном схемами, изученными в период 2004–2008 годов. Для этого типа или аналогичных приложений предоставляется методология, и на основе результатов представлены выводы и рекомендации. нашел. Был изучен единый рынок, поскольку эти схемы ориентированы на конкретный рынок. Что касается статистических инструментов, применялась рекурсивная эконометрическая модель.

доход-в-туристических замыканиям-оф-групповые маршруты-1

развитие

Некоторые из теоретических элементов по теме эконометрических моделей начинаются с указания на определение эконометрики, например, математическое представление поведения экономических переменных, с целью проверки экономической теории, противостоящей экономической гипотезе. , Другие определения в этом отношении ² указывают, что:

• Эконометрика основана на статистических методах оценки экономических отношений, проверки экономических теорий, а также оценки и реализации государственной и торговой политики. Ее можно определить как количественный анализ реальных экономических явлений, основанный на одновременном развитии экономики. Теория и наблюдение, связанные соответствующими методами вывода, представляют собой эмпирическое определение экономических законов.

Для Ампаро СанчоЭтимологически ∑coηomετría означает измерение экономики. Существует множество определений этой научной дисциплины, которые варьируются от самых сложных, таких как «количественный анализ реальных экономических явлений, основанный на одновременном развитии теории и наблюдений, связанных соответствующими методами вывода. К другим, более упрощенным, таким как «эмпирическое определение экономических законов. ¨

Мы должны пояснить, что экономическая модель - это не то же самое, что эконометрическая модель, поскольку мы можем установить следующие различия:

1. Эконометрическая модель требует более точной статистической спецификации составляющих ее переменных. Эконометрическая модель всегда требует определенной функциональной формы. Динамика реальных систем вынуждает явно учитывать время в большинстве эконометрических моделей. Экономическая модель По сравнению с попыткой конкретизировать эконометрическую модель, у него есть призвание к общности. Эконометрические модели устанавливаются,

обычно это детерминированные отношения между переменными, предполагающие наличие одного или нескольких случайных элементов, в то время как экономические модели предлагают точные отношения.

Модель называется рекурсивной. когда:

• Переменные модели можно упорядочить так, чтобы матрицы имели треугольную структуру, а матрица дисперсии и ковариации - диагональная.

Когда гипотеза рекурсии выполняется (нет одновременных отношений между переменными), все объясняющие переменные любого уравнения являются строго экзогенными. Модель может быть оценена уравнением по уравнению методом наименьших квадратов без потери эффективности.

После определения модели и оценки ее параметров, то есть определения ее структуры, могут возникнуть сомнения относительно постоянства указанной оцененной структуры как для периода наблюдения, так и для будущего.

Изменение в структуре допускает разную степень сложности в зависимости от того, сохраняются ли одни и те же переменные модели и изменяется только значение коэффициентов. Новые переменные включаются в модель, но исходная базовая система сохраняется. В модель включаются новые переменные, соответствующие новой системе.

В эконометрике обрабатываются три типа данных (временные ряды, поперечные сечения и панели) и три типа переменных (количественные, качественные и косвенные.).

При построении эконометрической модели используются как регрессионный анализ, так и анализ хронологических рядов посредством их разложения на факторы.

Регрессионный анализ

Регрессионный анализ имеет дело с описанием и оценкой отношений между заданной переменной (называемой зависимой, объясненной или эндогенной) и одной или несколькими дополнительными переменными (называемыми независимыми, объясняющими или экзогенными).

Объясняемая переменная обозначается.

Объясняющие переменные

Общая форма модели линейной регрессии:

я = 1, 2, …….n

Нижний индекс i указывает на n выборочных наблюдений.

Когда есть только одна экзогенная переменная, мы говорим о простой модели линейной регрессии, которая используется в оценках предложенной модели.

Функция регрессии популяции (FRP) может быть записана как:

Пример функции регрессии Форма

детерминистический

Стохастическая форма

05/23/09. Валовой внутренний продукт на душу населения часто используется в качестве косвенного показателя для измерения уровня жизни или качества жизни.

Бета - оценки ₁ и β ₂ получают посредством наименьших квадратов, т.е. те, которые минимизируют сумму квадратов ошибки (Σ U _я ² = _Е (Y _я - Да _я) ²) получение:

Линия регрессии, полученная с помощью предыдущих оценок, имеет следующие свойства:

1. проходит через выборочные средства X и Y

хорошо

1. Среднее оценочное значение равно значению

среднее и наблюдаемое

1. Среднее значение остатков равно нулю Остатки не коррелируют с оценочным значением y _i

как тогда:

1. Остатки не коррелируют с x _i

у = Ь ₁ + Ь ₂ х

Для каждой единицы, что x, y увеличивается на b ₂ единицы

Поскольку цель модели - не только оценить B ₁ и B _2, но и сделать вывод об истинных B ₁ и B ₂, то необходимо установить следующие предположения:

1. Модель регрессии линейна по параметрам.

Переменные должны быть линейными по

их исходные значения или после некоторого подходящего преобразования.

1. Ожидаемое значение случайного возмущения должно быть равно нулю для любого наблюдения.

для всех я

1. Дисперсия шоков постоянна - гомоскедастичность (РАВНАЯ ВАРИАНТНОСТЬ).

для всех я

1. Независимость или отсутствие автокорреляции между возмущениями.

Для любых двух значений X, x _i x _j для i ≠ j корреляция между U _i, U _j равна нулю.

для любого i ≠ j

1. Независимость между U _i и X _j для всех i и j

для всех i и j, чтобы разделить эффект

над Y из U и X

1. Значения X фиксируются при повторных выборках, то есть они нестохастические. Должна быть доступна статистическая информация.

достаточно широким по набору наблюдаемых переменных, участвующих в модели. В качестве минимального требования для определения решения требуется, чтобы количество данных (n) было больше, чем количество параметров (k) (n> k), указанное для минимальных годовых данных 15.

1. В моделях множественной регрессии необходимо, чтобы не было

Идеальная линейная связь между независимыми или независимыми переменными называется немультиколлинеарностью. X из nxk ранга k (полный ранг).

1. Нормальность, Ui нормально распределяется для всех i

Из вышесказанного подразумевается, что:

Оценка на основе данных выборки требует некоторых мер для проверки надежности или точности оценщиков. В статистике точность оценочного значения измеряется его стандартным отклонением или стандартной ошибкой. Коэффициент детерминации или критерий согласия

Он определяет, в каком% линия регрессии принимает разные точки наблюдения или меры, в каком% экзогенные переменные модели объясняют вариацию эндогенной переменной.

Всегда меньше или равно 1, и если одна из независимых переменных постоянна, то> 0, то есть когда в модели есть член

независимый

Значение, близкое к 1, указывает на то, что экзогенные переменные X в значительной степени объясняют вариации эндогенного, и наоборот, близкое к нулю указывает на то, что экзогенные переменные мало объясняют вариации эндогенного.

Временные ряды

Это называется временными рядами , Хронологические ряды, Временные ряды, к набору наблюдений, которые принимают переменную в разные моменты времени. Основные компоненты, характеризующие временной ряд: тренд, сезонность и случайность.

Существует несколько методов оценки тренда, наиболее часто используемые:

1. Установите функцию времени, например полиномиальную, экспоненциальную или другую гладкую функцию от t. Простое взвешенное скользящее среднее или экспоненциальное сглаживание. Используйте различия.

Недостатком скользящих средних является то, что, поскольку они не представляют математическую функцию, их нельзя использовать для прогнозирования, а на практике они используются только как способ определения сезонной составляющей. В любом случае, на этом первом этапе и с целью определения сезонных индексов, тренд определялся с помощью центрированных месячных скользящих средних.

Эта операция состоит из вычитания тренда из исходного ряда, если модель является аддитивной, или деления исходного ряда на тренд, если модель мультипликативная. Ряды, созданные из оригинала путем исключения тренда, называются "остаточными рядами" и должны преимущественно содержать сезонные колебания.

1. Оценка сезонности.

Его можно рассчитать с помощью метода среднего процента, метода процента тенденции и метода скользящего среднего в процентах.

• Метод среднего процента: в этом методе мы выражаем данные за каждый месяц в процентах от среднегодового значения. Затем усредняются проценты для соответствующих месяцев в разные годы (с использованием среднего или медианного значения). Полученные двенадцать процентов дают сезонный индекс. Метод процентного тренда: в этом методе мы выражаем данные за каждый месяц как процент от значений месячного тренда. Соответствующее среднее значение процентов за соответствующие месяцы дает требуемый индекс. Метод скользящего среднего в процентах: В этом методе мы рассчитываем двенадцатимесячную скользящую среднюю. Поскольку полученные таким образом результаты приходятся на период между последовательными месяцами, а не на середину месяца (куда попадают исходные данные), мы вычисляем двухмесячную скользящую среднюю для этой двенадцатимесячной скользящей средней. Результат иногда называют центрированной двенадцатимесячной скользящей средней. После этого мы выражаем исходные данные для каждого месяца как процент от центрированного скользящего среднего за 12 месяцев, который соответствует исходным данным. Ниже приведены усредненные процентные доли соответствующих месяцев, что дает желаемый показатель.

1. Определение тренда на основе сезонно скорректированного ряда. После завершения предыдущей отрисовки ряд был скорректирован для сезонной корректировки, поскольку во всех случаях использовалась мультипликативная модель, исходный ряд был разделен на ряд сезонных индексов. Впоследствии исходный ряд был скорректирован с учетом сезонных колебаний, и тенденция была определена методом наименьших квадратов.

В работе, которая разрабатывается, используется модель линейной регрессии, где независимая переменная (экзогенные), в некоторых случаях, во время, или прибытия людей из целевого рынка на Кубу или число людей, от этого рынка, которые выполняют схемы через Группу SENDEROS; в то время как зависимая переменная (эндогенная) - это, в некоторых случаях, количество людей на целевом рынке, которые используют схемы группы SENDEROS, или доход, полученный в этих схемах. Все с точки зрения единого рынка.

Одним из аспектов, который был принят во внимание при применении описанной выше модели линейной регрессии, была проверка гипотез модели, что имеет первостепенное значение, поскольку это способствует получению необходимой гарантии в отношении оценок параметров модели. (эффективные оценки), полученные с помощью метода наименьших квадратов.

1. Наконец, делаем прогнозы на ближайшие три года. Эти прогнозы необходимо систематически корректировать по мере того, как станут известны реальные цифры за рассматриваемый период, что позволит уточнить модель прогнозирования. В этом обновлении необходимо заново построить модель в свете новой информации. Полученные таким образом прогнозы следует рассматривать как дополнительный элемент поддержки принятия решений - аспект, о котором упоминалось ранее.

Рекурсивная эконометрическая модель для прогнозирования количества пассажиров и доходов в ближайшие три года в схемах SENDEROS Group 1-е уравнение: arrivalsdevisi tan tes = ft () Декомпозиция ряда,

2-е уравнение: Participacircuitos = f (прибытие посетителей) Регрессионный анализ.

Третье уравнение: доход = f (участвует в схемах)

Регрессионный анализ.

Методика определения параметров модели.

• Поиск статистической информации, необходимой для оценки параметров модели.

Это было сделано на основе веб-сайта Национального статистического управления Кубы и данных компании в отношении количества пассажиров и доходов наиболее важных сетей в период 2004-2008 годов.

• Проведите декомпозицию хронологического ряда прибытий посетителей на Кубу, используя мультипликативную модель, следующим образом:

• Подготовьте ежемесячный прогноз прибытия посетителей с конкретного рынка на Кубу на период 2009-2011 годов. Проведите регрессионный анализ, взяв в качестве зависимой переменной количество людей на исследуемом рынке, которые выполнили любой из основных циклов и независимые прибытие посетителей с рассматриваемого рынка в страну. Для этого использовалась линейная модель, поскольку она была наиболее подходящей (более высокий R²), хотя в других обстоятельствах она могла варьироваться в зависимости от результата дисперсионного анализа переменных:

• Используя информацию из предыдущего пункта и прогноз прибытия, можно было получить ежемесячный прогноз на 2009–2011 годы людей на рассматриваемом рынке, которые будут участвовать в основных цепях. Ниже также представлен регрессионный анализ доходов. собранных в схемах и участия людей в них, принимая первую как зависимую переменную, а вторую как независимую. Также в этом случае линейная модель оказалась наиболее подходящей, поэтому общая форма уравнения регрессии выглядит следующим образом:

• Результаты пункта (6) вместе с прогнозами

участников схем, дает нам возможность получения прогноза доходов в период 2009-2011 гг.

• Проверка моделей также проводилась посредством дисперсионного анализа каждого из найденных уравнений, и было замечено, что во всех случаях найденное уравнение регрессии было статистически значимым. Для обработки информации использовались программы Excel Программное обеспечение Microsoft, такое как SPSS, последнее является специализированным программным обеспечением для социальных исследований, полученные результаты сравнивались в обоих случаях.

РАСЧЕТНАЯ РЕКУРСИВНАЯ ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ

(12149,683 е ^{- 0,008}). Сезонные факторы 1-е уравнение:

paxcircuit = 0,1239 arrivaldevisi tan tes −285,12 2-е уравнение:

доход = 460,34 (чел) +22318 3-е уравнение:

ПРОГНОЗЫ КОЛИЧЕСТВА ПАКСА ОТ ПРИБЫТИЯ

2009 2010 2011

Pax схемы 619
626
811
683
388
242
292
284
298
426
606
485
5759

Месяцев Pax Pax

Прибытие Прибытие Прибытие

схемы схемы

8728 797 7976 704 7288 Фев 8797 806 8038 712 7345

Мар 10587 1028 9674914 8840

Апрель 9 346874 8540774 7804

Май 6499 521 5938 451 5426

Июн 5094 347 4655 292 4254

Июл 5578 407 5097 347 4658

Август 5492 396 5019 337 4586

Сен 5629 413 5143 353 4700

Октябрь 6865 566 6273 493 5732

Ноя 86 10 783 7867 690 7189

Декабрь 7438 637 6797 558 6211

ИТОГО 90 672 7573 83027 6625 76044

ПРОГНОЗ ДОХОДА, ОСНОВАННЫЙ НА КОЛИЧЕСТВЕ ЧЕЛОВЕК. 2009 2010 2011

Месяцы

Доход Pax Доход Pax Доход Pax

Янв 797 389 288,2 704 346 362,4 619 307 089,8

Февраль 806 393226,8 712 349 901,5 626310 343,5

Мар 1028 495 403,9 914 443 287,9 811 395 681,4

Апрель 874 424 564,9 774 378 556,7 683 336 544,2

Май 521 262 052,0 451 230028,9 388 200802,9

Июнь 347 18 18 51,6 292 156 792,5 242 133 902,6

Июль 407 209 479,4 347 182022,8 292 156 963,8

Август 396 204 570,3 337 177 570,4 284 152 853,9

Сен 413 212 390,5 353 184 648,6 298 159 361,2

Октябрь 566 282 944,1 493 249 151,5 426218 270,0

Ноябрь 783 382 552,5 690 340 140,4 606 301 438,7

Декабрь 637315 652,2 558 279 062,5 485 245 612,4

ИТОГО 7 573 3 755 985,3 6 625 3 319 536,1 5 759 2 920 875,3

Анализ результатов

В период с 2004 по 2008 год динамика доходов в основных цепях группы SENDEROS (10 цепочек) показывает высокий уровень концентрации в трех из них, три четверти общих продаж приходится на цепочки: Вся Куба (39% доходов), Querida Cuba (21% от общего сбора) и Cuba Oeste (15% от общего объема).

ПРОЦЕНТ УЧАСТИЯ ОСНОВНЫХ ЦЕПЕЙ

Источник: SENDEROS Group и собственная разработка

На коммерческом и экономическом уровне этот результат показывает необходимость переоценки удобства обслуживания цепей, которые не обеспечивают доход, необходимый бизнесу, для чего необходимо будет проанализировать постоянство указанных цепей.

Учитывая, что не было независимой информации по каждой из цепей, прогнозы были сделаны на основе совместных результатов, то есть и количество человек, и доход относятся к 10 основным цепям за период. 2004–2008 гг. Однако, из-за высокого участия обоих индикаторов, 3 фундаментальные схемы, наконец, будут теми, которые будут определять будущую модель.

Анализ прибытия посетителей с исследуемого рынка на Кубу

На этапе 2000-2008 гг. Наблюдается тенденция к снижению притока людей с этого рынка на Кубу, при этом среднегодовые темпы сокращения составляют 8,4%. Тем не менее, это все еще важный рынок для Кубы, который ежегодно посещают более 100 000 человек.

ПРИБЫТИЕ ЦЕЛЕВОГО РЫНКА НА КУБУ

Источник: ONE и собственная разработка

Отношения Pax в схемах и посетителях

Соотношение людей из исследуемого рынка, которые посещают остров, и тех, кто участвует в любой из схем, составляет 9 на каждые 100, прибывающих на остров. В высокий сезон он достигает примерно 11 из 100 посетителей (ноябрь - апрель), а в низкий сезон - 8 из 100 (май - октябрь).

Согласно прогнозу посетителей этого рынка, в следующие 3 года тенденция будет продолжать снижаться, пока она не упадет ниже 80 тысяч в 2011 году, такое поведение окажет сильное влияние на изучаемые схемы, как по количеству пассажиров. как по уровню дохода.

Прогноз населения и доходов на период 2009 - 2011 гг.

Поведение, которое наблюдается при работе с этим рынком, предполагает значительное сокращение каналов SENDEROS Group не только в количестве пассажиров, но и в доходе, который они могут генерировать.

• Во-первых, соотношение схем прибытия посетителей, которое до 2008 года составляло 9 из 100, упадет до 7 из 100 в 2011 году. Количество людей, участвующих в схемах, упадет в среднем с 11 тысяч человек. в год на этапе 2004–2008 годов, примерно до 7 500 в 2009 году; 6600 в 2010 году и 5700 в 2011 году. Доходы, которые на этапе 2004–2008 годов составляли в среднем чуть более 5 миллионов в год, в следующие 3 года снизятся до уровня 3,8 миллиона в 2009 году., примерно с 3,3 миллиона в 2010 году до менее 3 миллионов в 2011 году.

Выводы

⇒ Приведенные выше результаты показывают мрачные перспективы для сетей SENDEROS Group в ближайшие три года. Ожидается, что прибытие в страну людей с целевого рынка продолжит тенденцию к снижению. Ожидается, что участие тех, кто выполняет какой-либо из кругов, будет сокращено по сравнению с теми, кто прибывает в страну.

⇒ Как количество человек, так и доход значительно сократятся в период 2009-2011 годов, по этой причине коммерческие специалисты этой группы должны работать быстро, чтобы указанная квота участия не ухудшилась в таких размерах и могла поддерживать конкурентоспособность магазин.

⇒ Тот факт, что круговые предложения ориентированы на один рынок, будет систематически поддерживать условия неопределенности, поскольку сокращение числа посетителей с этого рынка окажет очень негативное влияние на деятельность Группы.

⇒ Все вышесказанное показывает нам возможности использования рассматриваемой модели, а также предлагаемую для нее методологию.

рекомендации

⇒ Продолжайте следить за поведением прихода посетителей с целевого рынка.

⇒ Систематически обновляйте прогнозы, чтобы будущее нас удивляло.

⇒ Оценить возможность включения новых рынков в деятельность Группы с целью снижения последствий, которые могут возникнуть в ближайшие годы, если текущая тенденция сохранится.

ДОПОЛНЕНИЯ

АВТОР: Лиц. Ригоберто Фернандес Падилья

Выпускник математики. Главный профессор Высшей школы гостеприимства и туризма Министерства туризма. Профессор факультета туризма Гаванского университета. Он опубликовал две книги: «Затраты» и «Расходы». От элементалей до глубин и контроля затрат в восстановлении. У него есть статьи, опубликованные на gestiopolis.com, monogramas.com. и в журнале Apuntes. Консультант по статистическим и экономическим вопросам.

Призма. http://www.elprisma.com/apuntes/curso.asp?id=7115. Канада. Консультировалась 21.05.09, ² obs.cit page2. Дата обращения 21.05.09.

Санчо Ампаро и другие. Эконометрика. Университет Валенсии. Экономический факультет. Испания.

П.А. Самуэльсон, Т.К. Купманс и Дж.Р.Н. Стоун, «Отчет Оценочного комитета по Econometrica», Econometrica, vol. 22, нет. 2, апрель 1954 г., стр. 141–146.

Х. Тейл, Принципы эконометрики, John Wiley & Sons, Нью-Йорк, 1964, стр.1.

www.est.uc3m.es/esp/nueva_docencia/comp_col_get/lade/econometria_II/documentacion/Tema4_esther_ruiz_2007. PDF

В статистике прокси- переменная - это то, что само по себе не представляет большого интереса, но из которого можно получить другие, представляющие большой интерес. Для того, чтобы это было возможно, прокси-переменная должна иметь сильную корреляцию, но не обязательно линейную или положительную, с предполагаемым значением. Он не имеет значения, если данные не соответствуют какой-либо взаимосвязи (данные представлены в облаке достоверности). Wikipedia. консультировались

García Villa Irma de la C. Оценка привлекательности основных рынков отеля Colina и конкурентоспособности гостиничного бизнеса на основе краткосрочного прогноза. Последний проект.

Диплом по маркетингу. EAEHT. Город Гавана. 2008.

Загрузите исходный файл