Оценка эффективности реализации региональных программ в сфере туризма (стр. 9 )

Таблица 2.25.

Тест на лишние переменные

Redundant Variables: TEATR LOG(RABCULT) QMEROPR MUSFOND
MONEY HOTELS
F-statistic	0.800105	Prob. F(6,24)	0.5794
Log likelihood ratio	6.017333	Prob. Chi-Square(6)	0.4213

В результате получаем следующую модель:

Таблица 2.26.

Итоговая регрессионная модель

Dependent Variable: Y
Method: Least Squares
Date: 05/25/13 Time: 13:59
Sample: 1 34
Included observations: 34
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO2009	24.30647	14.23435	1.707592	0.0977
LOG(TURFIRM)	-17.42089	7.632549	-2.282448	0.0295
C	86.29566	30.19322	2.858114	0.0076
R-squared	0.157574	Mean dependent var	27.78667
Adjusted R-squared	0.103224	S. D. dependent var	37.45802
S. E. of regression	35.47209	Akaike info criterion	10.05947
Sum squared resid	39006.34	Schwarz criterion	10.19415
Log likelihood	-168.0109	Hannan-Quinn criter.	10.10540
F-statistic	2.899244	Durbin-Watson stat	2.255292
Prob(F-statistic)	0.070104

К сожалению, оценив низкое значение F-статистики и R2-adj, можем сказать, что выводы по модели делать нельзя. Модель в целом не значима, влияние факторов выявить невозможно. Прежде чем построить модель, мы выдвинули предположение, что наличие кризиса в рассматриваемый период существенно исказит картину и не позволит получить желаемые выводы. Именно так и произошло.

2.3. Влияние кризиса 2008 года на показатели туристской отрасли

В заключение регрессионного анализа построим общую модель, в которой мы объединим две уже построенные нами модели, а также – добавим фиктивную переменную YEAR. Эта переменная покажет нам, есть ли взаимосвязь между зависимой переменной и рассматриваемым периодом (имеется в виду два периода – 2007 год в первой модели и 2009 кризисный год во второй модели).

1) Построим диаграммы на обнаружение разбросов:

Рис. 2.4. Диаграммы рассеивания

Разброс, как и в других моделях, велик, но это объясняется разнообразием регионов нашей страны в целом и показателей, характеризующих туристическую отрасль в них в частности.

2) Строим диаграммы на первоначальную предполагаемую спецификацию:

Таблица 2.27.

Проверка первоначальной спецификации для переменной YESNO

Test for Equality of Means Between Series
Date: 05/25/13 Time: 14:28
Sample: 1 105
Included observations: 105
Method	df	Value	Probability
t-test	208	5.360028	0.0000
Satterthwaite-Welch t-test*	104.0083	5.360028	0.0000
Anova F-test	(1, 208)	28.72990	0.0000
Welch F-test*	(1, 104.008)	28.72990	0.0000
*Test allows for unequal cell variances
Analysis of Variance
Source of Variation	df	Sum of Sq.	Mean Sq.
Between	1	89600.22	89600.22
Within	208	648691.5	3118.709
Total	209	738291.8	3532.497
Category Statistics
Variable	Count	Mean	Std. Dev.	Std. Err. of Mean
YNEW	105	41.87378	78.97576	7.707245
YESNO	105	0.561905	0.498533	0.048652
All	210	21.21784	59.43481	4.101391

Таблица 2.28.

Проверка первоначальной спецификации для переменной YEAR

Test for Equality of Means Between Series
Date: 05/25/13 Time: 14:28
Sample: 1 105
Included observations: 105
Method	df	Value	Probability
t-test	208	5.345212	0.0000
Satterthwaite-Welch t-test*	104.0074	5.345212	0.0000
Anova F-test	(1, 208)	28.57129	0.0000
Welch F-test*	(1, 104.007)	28.57129	0.0000
*Test allows for unequal cell variances
Analysis of Variance
Source of Variation	df	Sum of Sq.	Mean Sq.
Between	1	89105.16	89105.16
Within	208	648688.7	3118.696
Total	209	737793.9	3530.114
Category Statistics
Variable	Count	Mean	Std. Dev.	Std. Err. of Mean
YNEW	105	41.87378	78.97576	7.707245
YEAR	105	0.676190	0.470173	0.045884
All	210	21.27498	59.41476	4.100008

В обоих случаях наблюдаем положительный характер влияния фиктивной переменной на зависимую.