Оценка эффективности реализации региональных программ в сфере туризма (стр. 7 )

Итак, в конечном итоге получили следующую модель:

Таблица 2.19.

Итоговая эконометрическая модель

Dependent Variable: YNEW
Method: Least Squares
Date: 05/18/13 Time: 16:22
Sample: 1 71
Included observations: 71
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO	44.77349	24.64339	1.816856	0.0737
NUMBER	-0.336061	0.194974	-1.723617	0.0894
INCOME	0.008187	0.005484	1.492689	0.1402
C	-35.74572	51.44309	-0.694859	0.4895
R-squared	0.220053	Mean dependent var	48.61972
Adjusted R-squared	0.185130	S. D. dependent var	91.99263
S. E. of regression	83.04190	Akaike info criterion	11.73126
Sum squared resid	462029.1	Schwarz criterion	11.85873
Log likelihood	-412.4596	Hannan-Quinn criter.	11.78195
F-statistic	6.301082	Durbin-Watson stat	2.437964
Prob(F-statistic)	0.000787

Полученная регрессионная модель объясняет примерно 20% изменения доли поступлений от гостиниц и ресторанов в ВРП (исходя из значений R2 и R2-adj). Только на 10%-ом уровне значимости наличие региональной целевой программы в отрасли туризма оказывает положительное влияние на динамику зависимой переменной. Это свидетельствует о наличии довольно слабой взаимосвязи между фиктивной и зависимой переменной. Между тем, и это очень важный вывод, свидетельствующий о том, что региональные программы носят не декларативный характер, а действительно оказывают влияние на развитие отрасли. А тот факт, что это влияние не очень сильной абсолютно естественен, учитывая, что сам факт наличия региональной программы не говорит о том, что она реализована успешно. Также, следует понимать, что в нашей стране есть ряд регионов, туризм в которых будет развиваться, даже если не будут реализовываться программы по его развитию. Среди таких регионов – крупные города (Москва, Санкт-Петербург, Екатеринбург и другие), в частности, те, в которых есть большое количество культурных и исторических ценностей, интересных для внутренних и внешних туристов. Безусловно, этот факт усложняет оценку эффективности государственных программ.

2.2. Влияние региональных программ развития туризма гг. на эффективность (кризисный период)

Теперь построим регрессионную модель, включив те же переменные, только изменим некоторые названия, чтобы потом не возникло путаницы: количество турфирм в регионе в единицах (number), количество гостиниц и аналогичных средств размещения в единицах (hotels), среднедушевые денежные доходы населения в рублях (money), число мероприятий в парках культуры и отдыха Минкультуры России в единицах (Qmeropr), количество театров Минкультуры России в единицах (teatr), численность работников в учреждениях культурно-досугового типа Минкультуры России (Rabcult), фиктивная переменная «наличие региональной программы гг.» (Yesno). Также, мы добавим одну новую переменную «общий фонд музеев Минкультуры РФ» (musfond). Отличием модели будет то, что мы рассмотрим другой временной период - проанализируем теперь региональные программы, реализованные с 2006 по 2008 год, оценив показагода (год после завершения региональной программы). Гипотеза останется той же: «Наличие региональной целевой программы оказывает положительное влияние на развитие туризма в регионе». Однако мы помним, что в 2008 году начался кризис, поэтому выводы по модели будем делать с учётом этого факта.

1) Строим диаграммы рассеивания, которые позволят сделать вывод относительно разброса собранных данных:

Рис. 2.3. Диаграммы рассеивания

Исходя из полученных диаграмм, можно сказать, что все переменные (кроме фиктивных) имеют широкий разброс. Ранее, строив модель, мы отмечали, что в нашем случае это допустимо.

2) Далее строим диаграммы на первоначальную предполагаемую спецификацию:

Таблица 2.20.

Диаграммы для проверки спецификации

Test for Equality of Means Between Series
Date: 05/25/13 Time: 13:37
Sample: 1 34
Included observations: 34
Method	df	Value	Probability
t-test	66	4.224369	0.0001
Satterthwaite-Welch t-test*	33.01107	4.224369	0.0002
Anova F-test	(1, 66)	17.84529	0.0001
Welch F-test*	(1, 33.0111)	17.84529	0.0002
*Test allows for unequal cell variances
Analysis of Variance
Source of Variation	df	Sum of Sq.	Mean Sq.
Between	1	12521.49	12521.49
Within	66	46310.17	701.6692
Total	67	58831.66	878.0845
Category Statistics
Variable	Count	Mean	Std. Dev.	Std. Err. of Mean
Y	34	27.78667	37.45802	6.423997
YESNO2009	34	0.647059	0.485071	0.083189
All	68	14.21686	29.63249	3.593467

Характер влияния данной переменной положительный, о чем свидетельствует значение Mean положительное.

3) Для обнаружения корреляционной зависимости между переменными и зависимой переменной Y, построим корреляционную таблицу:

Таблица 2.21.

Корреляционная таблица

Covariance Analysis: Ordinary
Date: 05/25/13 Time: 13:38
Sample: 1 34
Included observations: 33
Balanced sample (listwise missing value deletion)
Correlation
Probability	Y	YESNO2009	TURFIRM	TEATR	RABCULT	QMEROPR	MUSFOND	MONEY	HOTELS
Y	1.000000
	-----
YESNO2009	0.126997	1.000000
	0.4813	-----
TURFIRM	-0.262516	0.309443	1.000000
	0.1400	0.0797	-----
TEATR	-0.198409	0.243927	0.910318	1.000000
	0.2683	0.1713	0.0000	-----
RABCULT	-0.168761	0.329422	0.550373	0.262007	1.000000
	0.3478	0.0612	0.0009	0.1408	-----
QMEROPR	-0.213896	0.110212	0.681125	0.578257	0.410472	1.000000
	0.2320	0.5415	0.0000	0.0004	0.0177	-----
MUSFOND	-0.210573	0.240212	0.818919	0.954574	0.084344	0.508731	1.000000
	0.2395	0.1781	0.0000	0.0000	0.6407	0.0025	-----
MONEY	-0.217042	-0.093961	0.517922	0.628879	-0.047203	0.261102	0.633871	1.000000
	0.2250	0.6030	0.0020	0.0001	0.7942	0.1422	0.0001	-----
HOTELS	-0.076352	0.434819	0.575629	0.547506	0.420442	0.283479	0.592690	0.320442	1.000000
	0.6728	0.0114	0.0005	0.0010	0.0148	0.1099	0.0003	0.0690	-----

Как и в первой модели, нас больше сего интересует значимость фиктивной переменной, а также наличие сильной корреляции других переменных. Итак, фиктивная переменная не значима, и между некоторыми переменными значение корреляции выше 0,7, что свидетельствует о возможной мультиколлинеарности.