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

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.‎

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)

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

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

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.‎