Translate this page:
Please select your language to translate the article


You can just close the window to don't translate
Library
Your profile

Back to contents

Theoretical and Applied Economics
Reference:

Assessment of the impact of factors upon tourism revenue in Jordan

Shakra Moayyad

Postgraduate student, the department of Business Informatics and Mathematical-Economic Methods, Far Eastern Federal University

690922, Russia, Primorskii krai, g. Vladivostok, ul. Kampus Dvfu, 10

shakra.m@students.dvfu.ru
Shmidt Yurii Davydovich

Doctor of Economics

Professor, the department of Business Informatics and Mathematical-Economic Methods, Far Eastern Federal University

690922, Russia, Primorskii krai, g. Vladivostok, ul. Kampus Dvfu, G, of. 720

syd@dvfu.ru

DOI:

10.25136/2409-8647.2020.2.30039

Received:

17-06-2019


Published:

03-06-2020


Abstract: This article examines Jordan’s tourism revenue over the recent years. Tourism is a substantial source of national revenue and significantly contributes to the flow of foreign currency for the development of national economy. The economic theory claims that tourism revenue is affected by a wide range of factors. The article explores the impact of consumer price index and number of tourists upon Jordan’s tourism revenue. In the course of this study, the author used the statistical data of the World Bank and International Monetary Fund; applied Autoregressive Distributed Lag model (ARDL); and conducted necessary diagnostic tests in Eviews 9 software. The research demonstrated that high internal inflation ratios reduce the external demand for tourism services in Jordan, and thus significantly decrease the tourism revenue. Over a long-term, the author determines a negative influence of consumer price index upon tourism revenue in Jordan and the expected positive influence of the number of tourists thereof.  


Keywords:

Factors, Tourism revenues, Inflation, Influence, Evaluation, time series, autoregressive model, Consumer Price Index, Number of tourists, gross domestic product


Введение

В работе исследуется влияние факторов на ‎доходы от туризма (IT) в ‎Иордании. В ‎качестве доходов от туризма понимаем общий ‎доход, ‎полученный от туристической ‎деятельности в стране в течение года [‎‏1‏‎]. ‎Существует несколько факторов, влияющих ‎на доходы от туризма на уровне ‎страны, ‎наиболее важным из которых является ‎количество туристов: чем ‎больше туристов ‎прибывает в любую страну, тем выше доходы ‎от туризма в ‎этой стране[2]. Поэтому ‎ожидается, что количество туристов ‎оказывает ‎положительное влияние на доходы ‎от туризма [3]. ‎‎

В работе также тестируется гипотеза, что ‎высокие внутренние темпы ‎инфляции, ‎измеряемые относительным изменением общего показателя ‎стоимости жизни, ‎уменьшают внешний спрос на туристские ‎услуги в ‎Иордании и тем самым ‎существенно снижают доходы от туризма. ‎Стоит ‎отметить, что при расчете ‎внутреннего уровня инфляции в Иордании в ‎‎качестве прокси-переменной для цен на ‎туристические услуги использовался ‎индекс ‎потребительских цен (CPI), поскольку в ‎статистических публикациях ‎индекс цен на ‎туристические услуги не встречается.‎

Основное внимание в исследованиях ‎туризма в Иордании в прошлом ‎веке было ‎связано с важностью туризма для страны как ‎источника ‎иностранной валюты [4]. Но ‎вклад туризма и его влияние на развитие ‎‎макроэкономических переменных ‎исследуются в настоящее время ‎достаточно ‎активно. Нет сомнений в том, что туризм ‎оказывает ‎положительное влияние на экономику во всем мире, на национальном и ‎‎местном уровнях. Хотя с точки зрения ‎социальных и экологических аспектов ‎‎туризм имеет свои недостатки, его ‎экономические эффекты всегда ‎‎положительны, за исключением влияния на ‎цены, которое редко ‎рассматривалось в ‎предыдущих исследованиях и анализах [5].‎

Анализ статистических данных за период с ‎‎1990 по 2017 год ‎показывает, что с ‎увеличением числа туристов доход от ‎туризма в Иордании ‎также увеличивается, ‎что представлено на рисунке 1.‎

Рисунок 1. Годовые данные с 1990 по 2017. Доходы от туризма (пунктирная кривая) и изменения количества туристов (сплошная кривая) в ‎Иордании

Туризм является одним из источников ‎национального дохода и ‎в ‎значительной ‎степени способствует предоставлению ‎иностранной ‎валюты ‎для развития [6]. Это ‎достигается за счет вклада иностранного ‎капитала ‎в ‎инвестиции в туристический ‎сектор (гостиничное строительство) ‎и ‎‎туристических платежей, получаемых ‎странами в обмен на визы в ‎страну, ‎‎дифференциалы обмена валюты, ‎ежедневные расходы туристов ‎на ‎‎туристические товары и услуги [7].‎

‎Туризм также играет роль в развитии малых ‎и средних ‎предприятий, ‎поскольку он ‎является важным сектором, который ‎‎обеспечивает быструю ‎отдачу для ‎инвестиций с более низкой стоимостью [8].‎

Прямой вклад путешествий и туризма в ВВП ‎Иордании в 2014 г. ‎составил 8,4%, а в 2017 г. ‎‎- 8,2% ВВП Иордании (рис. 2). Это в ‎первую ‎‎очередь отражает ‎экономическую ‎активность, создаваемую ‎такими ‎отраслями, ‎как отели, ‎турагенты, авиакомпании и ‎другие ‎пассажирские ‎перевозки.

Рисунок 2. Годовые данные с 1990 по 2017. Прямой вклад путешествий и туризма в ВВП‏ ‏Иордании

Методология пилотного исследования

На первом этапе исследования необходимо ‎определить степень ‎интегрированности ‎исследуемых временных рядов для ‎адекватности всех ‎последующих выводов на ‎основе оцененных модель. Анализ ‎стационарности ‎проводился на основе теста ‎Дики – Фуллера (ADF-Test) и теста Филипса – ‎‎Перрона (PP-Test).‎

Вторым этапом в работе является оценка ‎формирования ‎долгосрочного уровня ‎ доходности туризма под воздействием ‎инфляции как ‎наиболее объективного ‎фактора динамики доходности в ‎долгосрочном ‎периоде (при условии ‎нестационарности рядов данных). Для этого ‎‎выполняется ряд коинтеграционных тестов ‎на наличие долгосрочной ‎взаимосвязи между ‎инфляцией и доходностью, использовался ‎набирающий ‎популярность в последние годы ‎граничный тест ARDL-bounds [9].‎

Граничный тест ARDL-bounds на основе ‎авторегрессионной модели с ‎‎распределенными лагами (ARDL) имеет ‎преимущества при оценке ‎коинтеграции на ‎короткой выборке, при потенциальной ‎эндогенности ‎переменных и возможной ‎неоднозначности при оценке степени ‎интеграции ‎исследуемых рядов, что особенно ‎актуально для исследований на ‎‎развивающихся рынках [10].‎

Рассчитанная F-статистика (тест Вальда) ‎будет обладать особым ‎распределением в ‎случае, если обе переменные являются I(0) ‎или I(1), а также ‎зависеть от количества ‎регрессоров и наличия тренда/константы в ‎уравнении ‎‎(1). Соответственно на основе ‎критических значений граничного теста ‎ARDL ‎гипотеза об отсутствии коинтеграции ‎принимается, если значение F-‎статистики ‎окажется ниже нижнего граничного ‎критического значения; ‎аналогично, если ‎значение F-статистики окажется выше ‎верхнего граничного ‎критического значения, ‎то гипотеза об отсутствии долгосрочной ‎взаимосвязи ‎отвергается [11]. ‎

Метод ARDL по сравнению с другими ‎традиционными методами, ‎используемыми ‎для проверки коинтеграции, имеет много ‎преимуществ:‎

· Может применяться когда степень ‎интеграции неизвестна или не ‎является ‎однородной для всех рассматриваемых ‎переменных‎;‎

· Ели размер выборки (количество ‎наблюдений) мал, и это не ‎похоже на ‎большинство традиционных тестов ‎интеграции, ‎которые требуют большого ‎размера выборки, чтобы результаты ‎были ‎более эффективными;‎

· Позволяет одновременно оценивать ‎компоненты долгосрочных и ‎краткосрочных ‎отношений в одном уравнении вместо двух ‎‎отдельных уравнений [‎‏‎12‎‏‎].‎

Согласно методологии исследования, метод ‎ARDL будет ‎использоваться в три этапа: на ‎первом этапе коинтеграция тестируется в ‎‎рамках UECM, которая принимает ‎следующую формулу, навязывая ‎зависимость ‎между Y (зависимой переменной) и X ‎‎ (независимым ‎переменным вектором):‎

t = α0 + i t-i + i t-i + λ1 t-1 + λ2 t-1 + ƞt (1)

где λ1, λ2 выражает долгосрочные ‎коэффициенты отношений, β, θ - ‎‎краткосрочные коэффициенты отношений, Δ ‎обозначает первые разности ‎переменных, ‎тогда как каждый от (m, n) лага для ‎переменных (хотя не ‎обязательно длина лагов ‎первых разностей совпадает (m≠n) [13‎‏‎]), и ƞ - ‎‎случайная ошибка, которая имеет ‎математическое ожидание равное нулю ‎и ‎постоянную дисперсию и отсутствует ‎последовательная корреляция ‎между ними ‎‎[14].‎

Коинтеграция проверяется между ‎переменными в уравнении (1) с ‎помощью ‎следующих предположений:‎

Нулевая гипотеза (H0): отсутствие ‎коинтегрирования: λ1 = λ2 =0‎

В сравнении с альтернативной гипотезой ‎‎ (H1): существует коинтеграция: ‎λ1 ≠ λ2 ≠ 0‎

В случае коинтегрирования переменных ‎второй этап включает оценку ‎долгосрочного ‎уравнения следующим образом: ‎

t = α0 + i t-i + i t-i + t (2)

где θ, δ - коэффициенты переменных, p, q ‎указывают лаг задержки для ‎этих ‎переменных, ε представляет собой случайные ‎ошибки [15].‎

Лаг задержки выбирается в модели ARDL в ‎соответствии с ‎информационным критериям ‎Akaike (AIC) или Schwarz Bayesian Criterion ‎‎‎(SBC) [16]. Здесь главный акцент делается на ‎корректном выборе необходимого ‎количества ‎лагов (преимущество отдается критерию AIC ‎вследствие большей ‎вероятности отсутствия ‎ автокорреляции в остатках, так как он ‎склонен ‎выбирать более длинные лаги), а ‎также адекватных свойствах оценок, ‎‎получаемых при работе с моделью. Pesaran ‎and Shin (2009) рекомендовали ‎максимум два ‎периода замедления для годовых данных [17‎‏‎].‎

На третьем этапе спецификация ARDL может ‎быть получена для ‎краткосрочной динамики с ‎помощью построения следующей модели ‎‎коррекции ошибок (ECM):‎

t = c + i t-i + i t-i + ECTt-1 + t (3)

Где‎ ECTt-1 – предел коррекции ошибок, а ‎все коэффициенты ‎краткосрочного ‎уравнения связаны с краткосрочной ‎динамикой близости ‎модели к равновесию; ‎ψ - коэффициент коррекции ошибок, ‎который ‎измеряет скорость регулировки, ‎при которой дисбаланс был ‎скорректирован ‎в краткосрочной перспективе в направлении ‎‎долгосрочного равновесия [18].‎

Технические характеристики и данные ‎модели ‎

Основная цель состоит в том, чтобы ‎определить влияние инфляции и ‎‎численности туристов на рост доходов от ‎туризма. Для этого мы будем ‎оценивать эту ‎взаимосвязь, в частности, по иорданскому ‎опыту (в качестве ‎примера) и, следовательно, ‎на основе экономической теории, а также ‎‎экспериментальных моделей в предыдущих ‎исследованиях по одному и тому ‎же вопросу ‎‎(см., Например‎‏:‏‎ Al Darwish and Malawi 2010; ‎Krishan 2014). ‎Уравнение будет оцениваться ‎с целью измерения влияния количества ‎‎туристов на рост доходов от туризма (с ‎учетом фактора инфляции как ‎независимой ‎переменной) в Иордании в течение периода: ‎‎2008-2017 гг‎ ‎(данные взяты ‎из МВФ и министерства туризма и ‎древностей Иордании).‎

t = α + 1 t + 2 t + t t=1,2...,T (4)

где:‎

t – Период времени; ‎

T – Количество наблюдений; ‎

LIT – натуральный логарифм доходов от ‎туризма и представляет ‎собой зависимую ‎ переменную; ‎

LNT – натуральный логарифм количества ‎туристов и представляет ‎собой главную ‎независимую переменную; ‎

LCPI – натуральный логарифм уровеня ‎инфляции, выраженный в ‎индексе ‎потребительских цен.

Переменные, включенные в анализ: доходы ‎от туризма (IT), ‎количество ‎туристов (NT) ‎‎(данные ‎за ‎период 2008‎‏‎-201‎‏7‏‎ гг. собраны ‎из ‎‎статистического ‎исследования ‎‎Министерства туризма и ‎древностей, ‎‎Королевство Иордания), индекс ‎потребительских цен (CPI), т.е. ‎базовая ‎мера ‎экономической инфляции (или ‎подтвержденный ежегодный ‎рост цен) ‎в ‎экономике многих стран (данные за период ‎‎‎2008-2017 гг. взяты ‎из Международного ‎валютного фондов (МВФ).‎‎

Экспериментальные результаты

Прежде чем рассматривать коинтеграцию и ‎спецификацию модели ‎ARDL, важно ‎отметить, что проведение тестов единичного ‎корня для ‎определения стационарности ‎переменных не является необходимым ‎‎условием применения модели ARDL, но ‎модель не рекомендуется ‎использовать, если ‎содержатся переменные, которые ‎стационарны только в ‎случае второй ‎разности I(2).‎

Анализ стационарности переменных ‎проводился с помощью теста ‎Филипса – ‎Перрона (PP-Test). Проведенные тесты на ‎наличие единичного ‎корня в исследуемых ‎временных рядах приводят к результатам, ‎‎представленым в таблице 1.‎

Таблица 1. - Результат корневых модульных тестов

(PP-Test)

Переменные

Level

First Difference

Ca

C+Tb

Ca

C+Tb

LIT

-5.578

-6.937

I(0)

LNT

-7.214

-7.221

I(0)

LCPI

-3.043

-2.417

-10.497

-10.385

I(1)

Источник: Подготовлено исследователем на основе результатов (Eviews 9).‎

Примечания: Ca означает с перехватом, C+Ta означает с линейной перехватывать и тенденции.

Согласно результатам тестов, показанным в ‎таблице (1), ‎переменные ‎LIT‏ ‏и LNT – ‎признаются стационарными и входят в ‎модель в ‎первоначальном виде, а переменная ‎LCPI признается нестационарной и ‎‎включается в модель в первой разности.‎

Регрессия коинтеграции по модели (ARDL)

После подтверждения стационарности временного ряда переменных исследования, в котором был обнаружен различный порядок стационарности I(1) & I(0), можно применить методологию совместной интеграции с использованием модели ARDL.

Модель ARDL наиболее подходит для обнаружения коинтеграции модельных переменных. Рассмотрим модель:

t = 0 + i t-i + i t-i + i t-i + λ1 t-1 + λ2 t-1 + λ3 t-1 + t (5).

Чтобы проверить существование коинтеграции переменных в модели, гипотезы формулируются следующим образом:

Нулевая гипотеза (H0): отсутствие коинтегрирования: λ1 = λ2 = λ3 = 0‎

Альтернативная гипотеза (H1): существует коинтеграция: λ1 ≠ λ2 ≠ λ3 ≠ ‎‎0‎

Таблица 2. – Пограничный тест (Border test)

ARDL Bounds Test

Date: 11/20/18 Time: 17:35

Sample: 2008M03 2017M12

Included observations: 118

Null Hypothesis: No long-run relationships exist

Test Statistic

Value

k

F-statistic

8.225170

2

Critical Value Bounds

Significance

I0 Bound

I1 Bound

10%

3.17

4.14

5%

3.79

4.85

2.5%

4.41

5.52

1%

5.15

6.36

Источник: Подготовлено исследователем на основе результатов (Eviews 9).‎

Вычисленные значения F-статистики (тест Вальда) больше верхнего граничного критического значения на 1% уровне значимости, что отклоняет нулевую гипотезу об отсутствии коинтеграции, т.е. гипотеза об отсутствии долгосрочной взаимосвязи отвергается.

Таблица 3. -Результаты оценки модели ARDL

Dependent Variable: LIT

Method: ARDL

Date: 11/12/18 Time: 22:42

S ample (adjusted): 2008M03 2017M12

Included observations: 118 after adjustments

Maximum dependent lags: 2 (Automatic selection)

Model selection method: Akaike info criterion (AIC)

Dynamic regressors (4 lags, automatic): LNT LCPI

Fixed regressors: C

Number of models evalulated: 50

Selected Model: ARDL(1, 2, 2)

Note: final equation sample is larger than selection sample

Variable

Coefficient

Std. Error

t-Statistic

Prob.*

LIT(-1)

0.656044

0.070804

9.265636

0.0000

LNT

0.873107

0.404121

2.160509

0.0329

LNT (-1)

0.123445

0.582023

0.212097

0.8324

LNT (-2)

-0.361775

0.324302

-1.115548

0.2670

LCPI

0.924699

0.014114

65.51731

0.0000

LCPI (-1)

-0.619416

0.066837

-9.267583

0.0000

LCPI (-2)

-0.016692

0.013831

-1.206810

0.2301

C

-2.781518

0.615253

-4.520933

0.0000

R-squared

0.986613

Mean dependent var

5.400318

Adjusted R-squared

0.985761

S.D. dependent var

0.239459

S.E. of regression

0.028574

Akaike info criterion

-4.207243

Sum squared resid

0.089813

Schwarz criterion

-4.019400

Log likelihood

256.2274

Hannan-Quinn criter.

-4.130973

F-statistic

1158.120

Durbin-Watson stat

2.135382

Prob(F-statistic)

0.000000

Источник: Подготовлено исследователем на основе результатов (Eviews 9).‎

Результаты статистических испытаний для уравнения регрессии, показанные в таблице 3, демонстрируют относительно высокое качество построенной модели. Поскольку существует коинтеграция между переменными модели, то между этими переменными существуют долгосрочные взаимосвязи, которые принимают следующий вид:

t = 0 + i t-i + i t-i + i t-i +t (6).

Результаты оценки долгосрочных отношений представлены в следующей таблице 4.

Таблица 4. - ARDL Cointegrating and Long Run Form

ARDL Cointegrating And Long Run Form

Dependent Variable: LIT

Selected Model: ARDL(1, 2, 2)

Date: 11/20/18 Time: 18:47

Sample: 2008M01 2017M12

Included observations: 118

Cointegrating Form

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(LNT)

0.048793

0.404121

0.120738

0.9041

D(LNT (-1))

-0.918011

0.324302

-2.830727

0.0055

D(LCPI)

-0.537851

0.014114

-38.108178

0.0000

D(LCPI (-1))

0.128952

0.013831

9.323206

0.0000

CointEq(-1)

-0.438368

0.070804

-6.191287

0.0000

Cointeq = LIT - (2.5596* LNT -1.6805* LCPI + 2.0731 )

Long Run Coefficients

Variable

Coefficient

Std. Error

t-Statistic

Prob.

LNT

2.559580

0.140524

18.214569

0.0000

LCPI

-1.680486

0.417547

-4.024665

0.0001

C

2.073108

1.726451

1.200791

0.2324

Источник: Подготовлено исследователем на основе результатов (Eviews 9).‎

В свете критериев ARDL (1, 2, 2), чтобы определить дисперсию ‎переменных, было обнаружено, что суммарная сумма сбалансированного ‎веса долгосрочных отношений имеет отрицательный и значительный ‎коэффициент, указывающий на то, что существует механизм исправления ‎ошибок. Этот коэффициент показывает переменную LIT, которая приведет к ‎долгосрочной цели, оцениваемой в ‎‎0.438368‎‎ в модели ARDL, а затем ‎интерпретирует и модифицирует долгосрочную целевую слабину в течение ‎периода исследования. Долгосрочные результаты показывают, что ‎переменная LIT зависит положительно от LNT ‎и отрицательно от LCPI, и уравнение можно записать следующим образом:‎

LIT = 2.5596* LNT -1.6805* LCPI + 2.0731 (7).

Из результатов таблицы долгосрочных транзакций по методологии ARDL видно, что каждое из изученных переменных оказывает значительное долгосрочное влияние на доходы от туризма. Поскольку увеличение NT на 1% приводит к увеличению доходов от туризма на 2,56% в долгосрочной перспективе, а рост инфляции на 1% приводит к снижению доходов от туризма на 1,68% в долгосрочной перспективе.

Согласно Песарану и Песарану (1997), следующим шагом после оценки формулы для модели ARDL является проверка структурной стабильности краткосрочных и долгосрочных транзакций. Это означает, что данные, используемые в этом исследовании, не имеют каких-либо структурных изменений с течением времени. Для этого используются два теста: суммарная сумма рекурсивного остатка, CUSU, и суммарная сумма квадратного рекурсивного остатка, CUSUMSQ [19].

Структурная стабильность оценочных коэффициентов достигается, если гистограмма CUSUM и CUSUMSQ находится в критических пределах на значительном уровне 5%. Следовательно, эти коэффициенты нестабильны, если график вышеупомянутых двух тестов превышен на этом уровне ‎[20].‎

Из рис. 3 и 4 видно, что расчетные коэффициенты ‎структурно стационарны в течение периода исследования. Диаграмма ‎тестовой статистики находится в критических пределах на значительном ‎уровне 5%.‎

Источник: Подготовлено исследователем на основе результатов (Eviews 9).‎

Рисунок 3. Cуммарная сумма рекурсивного остатка, CUSUM

Источник: Подготовлено исследователем на основе результатов (Eviews 9).‎

Рисунок 4. Суммарная сумма квадратного рекурсивного остатка, CUSUMSQ

Заключение

Исследуются факторы, влияющие на доходы ‎‎от туризма в Иордании в ‎период 2008-2017 гг. ‎на основе ежемесячных данных. В работе ‎тестируется ‎гипотеза, что высокие ‎внутренние темпы инфляции, измеряемые ‎‎относительным изменением общего ‎показателя стоимости жизни, уменьшают ‎‎внешний спрос на туристские услуги в ‎Иордании и тем самым существенно ‎снижают ‎доходы от туризма.‎

Для достижения этой ‎цели используется ‎‎авторегрессионная модель с распределенными ‎лагами (ARDL модель). ‎Результаты ‎исследования показали положительное ‎влияние количества ‎туристов на доходы от ‎туризма в Иордании в долгосрочной ‎перспективе, в ‎то время как инфляция ‎оказывает отрицательное влияние на доходы.‎

References
1. ‎Lapinova S.A., Lipatov D.O.‎ Analiz faktorov, vliyayushchikh na dokhod ot ‎turisticheskoi deyatel'nosti v regionakh // Rossiiskii ekonomicheskii ‎internet-zhurnal. 2017. № 1. S. 1-16.‎

2. ‎Ritstsi V.V. Analiz sostoyaniya i tendentsii razvitiya turizma v mirovoi i ‎rossiiskoi ekonomike // Obshchestvo. Sreda. Razvitie. 2013. № 1 (26). S. 49-55.‎

3. ‎Tang C.F., Tan E.C. Does tourism effectively stimulate Malaysia's economic ‎growth? Tourism Management, 2015, vol. 46, pp. 158-163.‎

4. ‎Jayathilake B. Tourism and Economic Growth in Sri Lanka: Evidence from ‎cointegration and causality Analysis. International Journal of Business, Economics ‎and Law, 2013, vol. 2, iss. 2, pp. 22–27. ‎

5. ‎Ruiz L. Strategic Environmental Assessment of Towns in Ecuador with Tourism ‎Potential. Journal of Building Construction and Planning Research, 2016, vol. 4, ‎pp. 83–88.‎

6. ‎Samira R., Huseyin A., Seyi S. A. New insights into an old issue – examining the ‎influence of tourism on economic growth: evidence from selected small island ‎developing states. Current Issues in Tourism, 2019, vol. 22, pp. 1280-1300.‎

7. ‎Rubtsov V.A., Gabdrakhmanov N.K., Baibakov E.I., Khosseini S.S. Turizm i ‎ustoichivoe razvitie // Ekologicheskii konsalting. 2016. № 1(61). S. 2—13.‎

8. ‎Kozlova N.A., Kozhina K.S. Draivery ustoichivogo razvitiya malykh i ‎srednikh gorodov Rossii // Innovatsionnaya ekonomika: perspektivy razvitiya ‎i sovershenstvovaniya. 2018. № 4 (30). S. 47—53.‎

9. ‎Muhammad S.M., Mohammad F.C., Ghulam M.S., Mubbshar A., Salman M.S. ‎Asymmetric impact of oil prices, exchange rate, and inflation on tourism demand in ‎Pakistan: new evidence from nonlinear ARDL. Asia Pacific Journal of Tourism ‎Research, 2018, vol. 23, iss. 4, pp. 408-422.‎

10. ‎Nusair A.S. The effects of oil price shocks on the economies of the Gulf Co-‎operation Council countries: Nonlinear analysis. Energy Policy, 2016, vol. 91, pp. ‎‎256-267.‎

11. ‎Rodionova A.V., Arshavskii A.Yu. Empiricheskii analiz formirovaniya ‎dokhodnosti na rossiiskom rynke gosudarstvennykh tsennykh bumag // ‎Ekonomicheskii zhurnal VShE. 2012. № 3. S. 285—317.‎

12. ‎Shcherbanin Yu.A., Ivin E.A., Kurbatskii A.N., Glazunova A.A. ‎Ekonometricheskoe modelirovanie i prognozirovanie sprosa na gruzovye ‎perevozki v Rossii v 1992-2015 gg // Nauchnye trudy: Institut ‎narodnokhozyaistvennogo prognozirovaniya RNA. 2017. № 15. S. 200—217.‎

13. ‎Nkoro E., Kelvin Uko A. Autoregressive Distributed Lag (ARDL) ‎cointegration technique: application and interpretation. Journal of Statistical and ‎Econometric Methods, 2016, vol. 5, no. 4, pp. 63-91.‎

14. ‎Aideed B., Abeera A. Relationship between Government Expenditure on ‎Education and GDP per capita in Pakistan: An ARDL Approach to Cointegration. ‎Advances and Applications in Statistics, 2019, vol. 55, no. 1, pp. 77-103.‎

15. ‎Dang T. Remittances and economic growth in Vietnam: an ARDL bounds ‎testing approach. Review of Business and Economics Studies, 2015, vol. 3, no. 1, pp. ‎‎80-88.‎

16. ‎Mrabet Z., Alsamara M. The impact of parallel market exchange rate ‎volatility and oil exports on real GDP in Syria: Evidence from the ARDL ‎approach. The Journal of International Trade & Economic Development, 2017, vol. ‎‎27, no. 3, pp. 333-349.‎

17. ‎Sahoo B.K., Nauriyal D.K. Determinants of software exports from India. ‎International Economics and Economic Policy, 2014, vol. 11, iss. 4, pp. 455–479.‎

18. ‎Konygin S.S., Vinogradov A.A. Vliyanie makroekonomicheskikh i ‎rynochnykh faktorov na suverennyi spred CDS Rossii // Den'gi i kredit. ‎‎2017. № 12. S. 85 –90.‎

19. ‎Ifa A., Guetat I. Does public expenditure on education promote Tunisian and ‎Moroccan GDP per capita? ARDL approach. The Journal of Finance and Data ‎Science, 2018, vol. 4, no. 4, pp. 1-13.‎

20. ‎Burakov D.V. Krakh teorii denezhnogo rynka. Empiricheskie anomalii i ‎teoreticheskie illyuzii // Vestnik Instituta ekonomiki Rossiiskoi ‎akademii nauk. 2016. № 1. S. 29—47.‎