Анализ эффективности реализации региональных целевых программ в сфере туризма

Sum squared resid

272827.8

Schwarz criterion

11.45202

Log likelihood

-393.7587

Hannan-Quinn criter.

11.33685

F-statistic

15.22662

Durbin-Watson stat

2.508850

Prob(F-statistic)

0.000000

Нулевая гипотеза: добавляемые слагаемые FITTED^2, FITTED^3 совместно не значимы. Поскольку Probability<0,05, то на 5%-ом уровне значимости отвергаем нулевую гипотезу. Значит, имеет смысл подумать о включении в модель других переменных или о ее нелинейной спецификации. Согласно диаграммам рассеивания, можно сказать, что модель в конечном итоге имеет линейную спецификацию, поэтому, скорее всего, Ramsey RESET Test указывает на включение переменных. Учитывая, что исходной задачей являлась оценка влияния фиктивной переменной «наличие региональной целевой программы в туристической сфере» на зависимую переменную «динамика доли поступлений от гостиниц и ресторанов в ВРП», то можно остановится на данном результате. В любом случае, в данной модели отсутствует гетероскедастичность и мультиколлинеарность, и мы можем делать выводы по ней.

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 2006-2009 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 2006-2008 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 показатели 2009 года (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.

4) Теперь пришло время построить непосредственно саму модель, при этом необходимо проанализировать - линейной ли она будет или не линейной.

Таблица 2.22. Линейная эконометрическая модель

Dependent Variable: Y
Method: Least Squares
Date: 05/25/13 Time: 13:39
Sample: 1 34
Included observations: 33
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO2009	17.69342	17.17641	1.030100	0.3132
TURFIRM	-0.144790	0.257587	-0.562101	0.5793
TEATR	3.896091	2.408332	1.617755	0.1188
RABCULT	-0.005534	0.005007	-1.105286	0.2800
QMEROPR	0.000804	0.006173	0.130204	0.8975
MUSFOND	-0.022868	0.014225	-1.607591	0.1210
MONEY	-0.000830	0.001349	-0.615322	0.5441
HOTELS	0.195821	0.182188	1.074833	0.2931
C	45.07427	26.83560	1.679645	0.1060
R-squared	0.223320	Mean dependent var	27.87111
Adjusted R-squared	-0.035573	S.D. dependent var	38.03551
S.E. of regression	38.70611	Akaike info criterion	10.37687
Sum squared resid	35955.91	Schwarz criterion	10.78501
Log likelihood	-162.2184	Hannan-Quinn criter.	10.51420
F-statistic	0.862597	Durbin-Watson stat	2.167693
Prob(F-statistic)	0.560085

Таблица 2.23. Эконометрическая модель с логарифмом перед переменными TURFIRM и HOTELS

Dependent Variable: Y
Method: Least Squares
Date: 05/25/13 Time: 13:42
Sample: 1 34
Included observations: 33
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO2009	19.22896	17.21033	1.117291	0.2749
LOG(TURFIRM)	-23.90234	16.69417	-1.431778	0.1651
TEATR	2.475126	2.019295	1.225738	0.2322
RABCULT	-0.002395	0.004333	-0.552630	0.5856
QMEROPR	0.000342	0.005886	0.058099	0.9542
MUSFOND	-0.012014	0.012904	-0.931025	0.3611
MONEY	-0.001901	0.001532	-1.240602	0.2267
LOG(HOTELS)	12.28664	16.00662	0.767597	0.4502
C	97.97329	72.17127	1.357511	0.1872
R-squared	0.239566	Mean dependent var	27.87111
Adjusted R-squared	-0.013912	S.D. dependent var	38.03551
S.E. of regression	38.29918	Akaike info criterion	10.35573
Sum squared resid	35203.85	Schwarz criterion	10.76387
Log likelihood	-161.8696	Hannan-Quinn criter.	10.49306
F-statistic	0.945114	Durbin-Watson stat	2.258068
Prob(F-statistic)	0.499364

5) Оценив вышеприведенные модели, делаем вывод, что следует логарифмировать переменные Turfirm и Rabcult. Получаем следующую регрессионную модель:

Таблица 2.24. Эконометрическая модель с логарифмом перед переменными TURFIRM и RABCULT

Dependent Variable: Y
Method: Least Squares
Date: 05/25/13 Time: 13:44
Sample: 1 34
Included observations: 33
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO2009	19.87274	16.38949	1.212529	0.2371
LOG(TURFIRM)	-19.07592	15.47416	-1.232759	0.2296
TEATR	3.179664	1.844673	1.723701	0.0976
LOG(RABCULT)	-24.27417	19.02217	-1.276099	0.2141
QMEROPR	0.001631	0.005665	0.287864	0.7759
MUSFOND	-0.018776	0.011786	-1.593045	0.1242
MONEY	-0.002032	0.001410	-1.441412	0.1624
HOTELS	0.233468	0.163029	1.432069	0.1650
C	300.4316	129.4468	2.320889	0.0291
R-squared	0.297923	Mean dependent var	27.87111
Adjusted R-squared	0.063898	S.D. dependent var	38.03551
S.E. of regression	36.80026	Akaike info criterion	10.27589
Sum squared resid	32502.22	Schwarz criterion	10.68403
Log likelihood	-160.5521	Hannan-Quinn criter.	10.41321
F-statistic	1.273038	Durbin-Watson stat	2.500116
Prob(F-statistic)	0.302957

6) Затем, для улучшения модели, избавляемся от лишних переменных. Для этого проделываем соответствующий тест на Redundant Variables.

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.

3) Строим корреляционную таблицу:

Таблица 2.29. Корреляционная таблица

Covariance Analysis: Ordinary
Date: 05/25/13 Time: 14:29
Sample (adjusted): 2 105
Included observations: 101 after adjustments
Balanced sample (listwise missing value deletion)
Correlation
Probability	YNEW	YESNO	YEAR	TEATR	Q	NUMBER	MEROPR	INCOME	HOTEL
YNEW	1.000000
	-----
YESNO	0.129534	1.000000
	0.1967	-----
YEAR	0.115054	-0.143741	1.000000
	0.2519	0.1516	-----
TEATR	-0.129788	0.153857	-0.090859	1.000000
	0.1958	0.1245	0.3662	-----
Q	-0.060680	0.194605	-0.090560	0.269411	1.000000
	0.5466	0.0512	0.3678	0.0064	-----
NUMBER	-0.142560	0.223546	-0.073490	0.873063	0.502313	1.000000
	0.1550	0.0246	0.4652	0.0000	0.0000	-----
MEROPR	-0.077099	0.133212	-0.020173	0.337453	0.465352	0.559204	1.000000
	0.4435	0.1842	0.8413	0.0006	0.0000	0.0000	-----
INCOME	0.109559	0.000311	-0.337847	0.568326	0.014501	0.501408	0.124937	1.000000
	0.2754	0.9975	0.0005	0.0000	0.8856	0.0000	0.2132	-----
HOTEL	-0.036629	0.247422	-0.070340	0.397113	0.560729	0.629173	0.602035	0.304194	1.000000
	0.7161	0.0126	0.4846	0.0000	0.0000	0.0000	0.0000	0.0020	-----

Фиктивные переменные оказались незначимыми, но это еще не говорит об отсутствии взаимосвязи их с зависимой переменной. Также, обнаружены сильные взаимосвязи между рядом переменных, мы учтем это в дальнейшем, определяя, какие переменные стоит исключить из модели.

4) Строим саму регрессию, учитываем, что она может быть не линейной:

Таблица 2.30. Линейная эконометрическая модель

Dependent Variable: YNEW
Method: Least Squares
Date: 05/25/13 Time: 14:29
Sample (adjusted): 2 105
Included observations: 101 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO	40.15366	16.31885	2.460569	0.0157
YEAR	47.41839	17.96065	2.640127	0.0097
TEATR	-0.591278	1.429424	-0.413648	0.6801
Q	0.003373	0.003388	0.995563	0.3221
NUMBER	-0.283200	0.205930	-1.375221	0.1724
MEROPR	0.001872	0.004600	0.407027	0.6849
INCOME	0.005644	0.001647	3.426350	0.0009
HOTEL	-0.041507	0.172593	-0.240492	0.8105
C	-67.78201	32.37186	-2.093856	0.0390
R-squared	0.173101	Mean dependent var	41.05690
Adjusted R-squared	0.101197	S.D. dependent var	80.23537
S.E. of regression	76.06732	Akaike info criterion	11.58600
Sum squared resid	532333.8	Schwarz criterion	11.81903
Log likelihood	-576.0930	Hannan-Quinn criter.	11.68034
F-statistic	2.407389	Durbin-Watson stat	2.482479
Prob(F-statistic)	0.020907

Попробуем добавить логарифм:

Таблица 2.31. Эконометрическая модель с логарифмом перед переменной NUMBER

Dependent Variable: YNEW
Method: Least Squares
Date: 05/25/13 Time: 14:33
Sample (adjusted): 2 105
Included observations: 101 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO	36.01166	15.99289	2.251729	0.0267
YEAR	40.08985	17.66657	2.269249	0.0256
TEATR	-1.360228	0.859148	-1.583228	0.1168
Q	0.005730	0.003592	1.595150	0.1141
LOG(NUMBER)	-29.88974	13.31655	-2.244556	0.0272
MEROPR	-0.001233	0.004290	-0.287324	0.7745
INCOME	0.004910	0.001620	3.032023	0.0032
HOTEL	0.018876	0.172192	0.109621	0.9129
C	38.51898	53.37637	0.721649	0.4723
R-squared	0.199916	Mean dependent var	41.05690
Adjusted R-squared	0.130344	S.D. dependent var	80.23537
S.E. of regression	74.82378	Akaike info criterion	11.55303
Sum squared resid	515071.0	Schwarz criterion	11.78606
Log likelihood	-574.4282	Hannan-Quinn criter.	11.64737
F-statistic	2.873500	Durbin-Watson stat	2.417669
Prob(F-statistic)	0.006708

Итак, получили лучшую модель с точки зрения спецификации, значит, логарифмирование действительно необходимо.

6) Исключим лишние переменные:

Таблица 2.32. Тест на лишние переменные

Redundant Variables: TEATR LOG(Q) MEROPR HOTEL C
F-statistic	1.801963	Prob. F(5,92)	0.1202
Log likelihood ratio	9.436338	Prob. Chi-Square(5)	0.0929

Значение вероятности больше 0,05, значит, переменные TEATR, LOG(Q), MEROPR, HOTEL можно исключить из модели.

7) Проделав все необходимые преобразования, получаем следующую модель:

Таблица 2.33. Преобразованная эконометрическая модель

Dependent Variable: YNEW
Method: Least Squares
Date: 05/25/13 Time: 15:08
Sample: 1 105
Included observations: 104
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO	39.27911	15.53614	2.528242	0.0130
YEAR	44.05053	17.12421	2.572412	0.0116
NUMBER	-0.259121	0.080282	-3.227657	0.0017
INCOME	0.004608	0.001427	3.227969	0.0017
C	-43.96410	26.34588	-1.668728	0.0983
R-squared	0.153165	Mean dependent var	42.03603
Adjusted R-squared	0.118950	S.D. dependent var	79.34062
S.E. of regression	74.47249	Akaike info criterion	11.50562
Sum squared resid	549069.1	Schwarz criterion	11.63275
Log likelihood	-593.2922	Hannan-Quinn criter.	11.55713
F-statistic	4.476489	Durbin-Watson stat	2.438859
Prob(F-statistic)	0.002289

Проверим ее на наличие мультиколлинеарности с помощью показателя VIF:

Таблица 2.34. Вычисление показателя VIF (фактор инфляции вариации)

№	1	2	3	4
Переменная	YESNO	YEAR	LOG(NUMBER)	INCOME
R2	0,099934	0,160479	0,32137	0,368202
VIF	1,11103	1,191155	1,473557	1,582784

Очевидно, что VIF для всех переменных ниже 5, значит, МКН не обнаружена.

8) Следующий шаг - проверка на наличие гетероскедастичности. Нулевая гипотеза - остатки гомоскедастичны. Для начала, делаем проверку с помощью специальных тестов:

Таблица 2.35. Тест Бреуша-Пагана

Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic	7.027337	Prob. F(4,99)	0.0001
Obs*R-squared	22.99888	Prob. Chi-Square(4)	0.0001
Scaled explained SS	128.4663	Prob. Chi-Square(4)	0.0000

Таблица 2.36. Тест Глейзера

Heteroskedasticity Test: Glejser
F-statistic	7.374152	Prob. F(4,99)	0.0000
Obs*R-squared	23.87337	Prob. Chi-Square(4)	0.0001
Scaled explained SS	35.10588	Prob. Chi-Square(4)	0.0000

Таблица 2.37. Тест Уайта

Heteroskedasticity Test: White
F-statistic	18.10379	Prob. F(12,91)	0.0000
Obs*R-squared	73.29720	Prob. Chi-Square(12)	0.0000
Scaled explained SS	409.4208	Prob. Chi-Square(12)	0.0000

Итак, гипотеза о гомоскедастичности отвергается во всех случаях, так как вероятности меньше 0,05. Тогда построим диаграммы рассеивания зависимой переменной с каждой отдельно взятой переменной модели:

Рис. 2.5. Диаграммы рассеивания

По виду диаграмм утверждаем, что наблюдается истинная гетероскедастичность. Такая гетероскедастичность является неотъемлемой частью модели и не приводит к смещению коэффициентов.

В связи с этим разумно ввести поправку Уайта. В результате мы получим значимость коэффициентов на десяти процентном уровне значимости.

Строим регрессию со стандартными ошибками в форме White:

Таблица 2.38. Регрессия со стандартными ошибками в форме White

Dependent Variable: YNEW
Method: Least Squares
Date: 05/25/13 Time: 15:28
Sample: 1 105
Included observations: 104
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO	39.27911	21.85029	1.797647	0.0753
YEAR	44.05053	26.33281	1.672838	0.0975
NUMBER	-0.259121	0.159787	-1.621667	0.1081
INCOME	0.004608	0.003963	1.162763	0.2477
C	-43.96410	58.55617	-0.750802	0.4546
R-squared	0.153165	Mean dependent var	42.03603
Adjusted R-squared	0.118950	S.D. dependent var	79.34062
S.E. of regression	74.47249	Akaike info criterion	11.50562
Sum squared resid	549069.1	Schwarz criterion	11.63275
Log likelihood	-593.2922	Hannan-Quinn criter.	11.55713
F-statistic	4.476489	Durbin-Watson stat	2.438859
Prob(F-statistic)	0.002289

9) И, наконец, проверяем спецификацию нашей модели.

Гипотеза Н₀: Добавляемые слагаемые совместно незначимы (коэффициенты перед ними равны нулю), то есть нет ошибки спецификации:

Таблица 2.39. Тест Рамсея

Ramsey RESET Test:
F-statistic	31.89473	Prob. F(2,97)	0.0000
Log likelihood ratio	52.56002	Prob. Chi-Square(2)	0.0000
Test Equation:
Dependent Variable: YNEW
Method: Least Squares
Date: 05/25/13 Time: 16:59
Sample: 1 105
Included observations: 104
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable	Coefficient	Std. Error	t-Statistic	Prob.
YESNO	47.28309	23.88755	1.979403	0.0506
YEAR	42.17691	27.77766	1.518375	0.1322
NUMBER	-0.190018	0.151485	-1.254373	0.2127
INCOME	0.001432	0.002799	0.511833	0.6099
C	9.806254	33.31880	0.294316	0.7691
FITTED^2	-0.026955	0.011172	-2.412616	0.0177
FITTED^3	0.000220	4.69E-05	4.680229	0.0000
R-squared	0.489127	Mean dependent var	42.03603
Adjusted R-squared	0.457527	S.D. dependent var	79.34062
S.E. of regression	58.43657	Akaike info criterion	11.03870
Sum squared resid	331238.8	Schwarz criterion	11.21668
Log likelihood	-567.0122	Hannan-Quinn criter.	11.11080
F-statistic	15.47853	Durbin-Watson stat	2.474157
Prob(F-statistic)	0.000000

Поскольку Probability>0,05, на 5% уровне значимости, то включенные слагаемые значимы и имеет смысл подумать о включении других переменных или нелинейной спецификации модели. Согласно построенной диаграмме рассеивания, можно отметить явную линейную спецификацию, таким образом, остается единственным возможным вариантом получения такой оценки по Ramsey RESET Test - недостаток других переменных. Акцентируя внимание на цели построения этой модели, оценке значимости переменной YESNO, то есть существования прямого влияния государственной программы на долю поступлений гостиниц и ресторанов в ВРП, приемлемо оставить модель в данном виде. Если бы целью служила именно оценка влияния различных переменных на долю изменения ВРП, то имело бы смысл, изменение спецификации модели, но данном случае, это не является необходимым этапом для оценки значимости переменной YESNO.

Итак, проделав все необходимые преобразования модели, мы выяснили, что существует зависимость между фиктивной переменной YEAR (кризисный или не кризисный год) и зависимой переменной (доля поступлений гостиниц и ресторанов в ВРП). Это значит, что кризис, начавшийся в 2008 году, действительно негативно повлиял на развитие туристской отрасли. Кроме того, выяснилось, что положительная взаимосвязь существует также и между зависимой переменной и фиктивной переменной YESno (наличие региональной программы развития туризма в регионе). Таким образом, мы подтвердили ранее полученные выводы о том, что наличие региональных программ положительно сказывается на развитии туристической отрасли. Более того, подтвердилась гипотеза о том, что данная сфера сильно подверглась влиянию кризиса, что помешало нам сделать какие-либо выводы по модели кризисного периода. Далее интересно будет проанализировать динамику доли поступлений от гостиниц и ресторанов в ВРП, а именно - посмотреть, какая ситуация наблюдалась до и после реализации программы. Для анализа возьмем данные 2004 и 2007 года, ведь, как мы выяснили ранее, не целесообразно рассматривать кризисный период для того, чтобы на его основе делать какие-то выводы.

2.4 Анализ динамики показателей развития туризма

При построении диаграмм, характеризующих динамику ситуации в отрасли, мы, опять же, будем использовать ранее выбранный нами показатель - изменение доли поступлений от гостиниц и ресторанов в ВРП. Попробуем оценить динамику 2004 и 2007 года, это позволит дать репрезентативную оценку изменения этого показателя.

Построение общей диаграммы не целесообразно, поэтому построим две диаграммы, отражающие динамику доли поступлений от гостиниц и ресторанов у регионов «с» региональной программой развития туризма 2004-2007 гг. и «без» неё.



Рисунок 6. Динамика доли поступлений от гостиниц и ресторанов в ВРП у регионов «без» РЦП развития туризма 2004-2007 гг.

Рисунок 7. Динамика доли поступлений от гостиниц и ресторанов в ВРП у регионов «с» РЦП развития туризма 2004-2007 гг.

Сложно сделать однозначные выводы, однако, видно, что у тех регионов, у которых в 2004-2007 году реализовывались региональные программы развития туризма, доля поступлений от гостиниц и ресторанов в ВРП в среднем увеличилась в 2007 по сравнению с 2004 годом. Кроме того, в первой диаграмме наблюдается скачкообразный характер динамики, который вполне мог быть вызван внешними факторами (например, проведение каких-то мероприятий в регионе, форумов и тому подобное). Во второй же диаграмме динамика довольно стабильная, практически без скачков.

Теперь посмотрим изменение доли поступлений от гостиниц и ресторанов в ВРП у регионов «без» региональных программ развития туризма в 2007 г. по сравнению с 2004 г. и «с» ними.

Рис. 2.8. Изменение доли поступлений от гостиниц и ресторанов в ВРП у регионов «без» РЦП развития туризма в 2007 г. по сравнению с 2004 г.

Рис. 2.9. Изменение доли поступлений от гостиниц и ресторанов в ВРП у регионов «с» РЦП развития туризма в 2007 г. по сравнению с 2004 г.

Очевидно, что необходимо убрать некоторые выбросы, которые мешают сделать выводы, а также объединить диаграммы для наглядности.

Рис. 2.10. Изменение доли поступлений от гостиниц и ресторанов в ВРП у регионов «без» РЦП развития туризма и «с» РЦП в 2007 г. по сравнению с 2004 г.

Исходя из построенной диаграммы, можно сделать вывод, что регионы «с» РЦП по сравнению с теми, у которых они отсутствуют, увеличили долю поступлений от гостиниц и ресторанов в ВРП существенней (розовая кривая располагается выше синей на большем промежутке). Таким образом, вышеприведенные диаграммы свидетельствуют о том, что взаимосвязь между долей поступлений от гостиниц и ресторанов в ВРП и наличием государственной программы присутствует. Таким образом, выводы, полученные на основе регрессионного анализа, подтвердились.

ЗАКЛЮЧЕНИЕ

Целью данного исследования был анализ эффективности реализации региональных целевых программ в сфере туризма. Для этого были построены три эконометрические модели, а также проведен анализ диаграмм. В результате, для первой модели (анализ состояния туристической отрасли на 2007 год) удалось выявить взаимосвязь между наличием региональной целевой программы у субъекта РФ и долей поступлений от гостиниц и ресторанов в ВРП. Выявленная зависимость позволяет делать выводы о том, что региональные программы в регионах России (по крайней мере на рассматриваемый период - 2004-2006 гг.) действительно оказывали положительное (хоть и не очень выраженное) влияние на развитие туристической отрасли. Таким образом, рассмотренные региональные программы по России за 2004-2006 гг. были реализованы довольно эффективно, ведь после их реализации доля поступлений от гостиниц и ресторанов в ВРП увеличилась. Здесь необходимо учесть, что, в связи с нехваткой в открытом доступе данных на сайте государственной статистики, исследование имеет свои несовершенства - разумнее всё-таки рассматривать в качестве зависимой переменной налоговые поступления региона по статье «Туризм». В этом случае связь между фиктивной и зависимой переменными могла бы оказаться более сильной. Однако, в условиях недостатка данных, была выбрана переменная, которая, хоть и в меньшей степени, но отражает состояние туристической отрасли, а именно - поступления от нее в бюджет. Если бы наша гипотеза о том, что наличие региональной программы влияет на развитие отрасли, была отвержена, то можно было бы говорить о неразумности расходования средств бюджета, выделяемых на реализацию государственных программ. В нашем же случае, учитывая полученные выводы, мы можем говорить о том, что далее было бы целесообразно проанализировать, насколько максимально были достигнуты отдельные показатели региональных программ. А именно - возможно ли, что выявленная нами взаимосвязь оказалось довольно слаба в силу недостаточной эффективности реализации государственных региональных программ.

Вторая модель, включавшая данные за 2009 год и призванная проанализировать региональные программы 2006-2008 гг., оказалась как незначимой в целом, так и в отдельности для каждого фактора. Такой результат объясняется тем, что туристическая отрасль в 2008-2009 гг. была очень сильно подвержена негативному влиянию кризиса. В связи с этим, рассматриваемые нами показатели, характеризующие состояние туристической сферы, были на очень низком уровне. Итак, выводы по модели мы сделать не смогли, поэтому решили построить третью регрессию, в которую добавили фиктивную переменную - кризисный или не кризисный год. Выводы оказались такими, как мы и ожидали: наблюдается зависимость между рассматриваемым периодом и зависимой переменной. Таким образом, мы подтвердили тот факт, что вторая модель не выявила влияния фиктивной переменой на зависимую в связи с тем, что 2009 год был кризисным.

Далее был проведен анализ динамики доли поступлений от гостиниц и ресторанов, сопоставлялись данные 2004 и 2007 гг., то есть «до» и «после» программы. В результате подтвердились те выводы, которые были получены ранее с помощью регрессионного анализа. Выяснилось, что регионы, у которых были региональные целевые программы показали более стабильную динамику. Кроме того, значения доли поступлений от гостиниц и ресторанов в среднем у регионов «с» целевыми программами развития туризма выше, чем у регионов «без» них.

Обобщая всё вышесказанное, можем утверждать, что наличие региональной целевой программы действительно улучшает состояние отдельных показателей, а также туристической отрасли в целом. Это значит, что в нашей стране региональные программы развития туризма по праву можно считать эффективным инструментом региональной политики. Конечно, проведенное исследование не позволяет судить о том, в полной ли мере были реализованы рассмотренные программы, но это и не было целью работы. Изучение данного вопроса может быть основой для другого исследования.

СИСОК ЛИТЕРАТУРЫ

1. Беляев А.А, Цыганков Д.А. Оценивая эффективность реформы: новые технологии оптимизации государственной и отраслевой политики//Вестник актуальных прогнозов: Россия. Третье тысячелетие. 2004. № 11, C. 21-26.

2. Гродская Г.Н., Глотова Е.И. Целевое программирование в системе управления комплексным социально-экономическим развитием территорий//Вестник Самарского государственного экономического университета. 2012. №7.

3. Доржиева И.Ц. Целевые программы как инструмент реализации бюджетной политики// Известия Иркутской государственной экономической академии. 2011. №4.

4. Евстафьева Е.Ю. Зарубежный опыт организации оценки государственных программ// Известия Иркутской государственной экономической академии. 2011. №1.

5. Жуковский А.И., Васильев С.В., Штрейс Д.С. Разработка, реализация и оценка региональных целевых программ (на основе канадского опыта): Учебно-методическое пособие. М.: 2006.

6. Жуков А.А., Иванова Е.Ю. Оценка эффективности региональных целевых программ развития дорожного хозяйства с помощью системы целевых индикаторов//Институт региональных экономических исследований, 2009.

7. Кондрашова И.А. Оценка эффективности государственных программ по содействию занятости на селе//Вопросы управления. 2011. №1.

8. Митрофанова И.В. Федеральные целевые программы межрегионального класса как инструмент управления макрорегионом: реалии и перспективы модернизации//Региональная экономика: теория и практика. 2007. №3.

9. Митрофанова И.В. О необходимости совершенствования организационно-методических основ реализации федеральных целевых программ// Вестник Волгоградского государственного университета. 2005. №9.

10. Оценка программ: методология и практика. / Под ред. А.И. Кузьмина, Р.О. Салливан, Н.А. Кошелевой. М.: Издательство «Престо-РК», 2009. - 396 с.

11. Пашнанов Э.О., Боджаева В.В. Особенности и условия применения программно-целевого метода в управлении регионом//Вестник Самарского государственного экономического университета. 2012. №1.

12. Райзберг Б.А., Лобко А.Г. Программно-целевое планирование и управление. М., 2002.

13. Ряховская А.Н., Кован С.Е. Оценка эффективности государственных программ, реализуемых в моногородах. 2013. №1.

14. Терентьева Н.Ю. Подходы к оценке целевых программ, направленных на решение роблем социально-экономического развития региона//Известия Иркутской государственной экономической академии. 2010. №5.

15. Терентьева Н.Ю. Подходы к совершенствованию программно-целевого метода управления в свете бюджетных реформ при решении проблем территориального развития // Экономика и предпринимательство. 2009. № 5. С. 13-24.

16. Чеботарёв П.Ю., Митькин А.Н. Об оценивании вклада ведомственных целевых программ в достижение целей правительства//Проблемы управления. 2007. №4.

17. Шаров Л.Ф. Основы методологии согласованной оценки эффективности и результативности государственных программ//УЭкС. 2012. №7.

18. Янин О.Е. Основные принципы и методы оценки эффективности городских целевых программ//Экономика мегаполисов и регионов. 2010. №3.

19. Azuma N. Problems and Prospects of Policy Evaluation System of Central Government in Japan. Government Auditing Review. 2002.

20. Gilmour J. B. Implementing OMB's Program Assessment Rating Tool (PART): Meeting the Challenges of Integrating Budget and Performance//Budgeting. 2007. №1.

21. Kuhlmann S., Bogumil J., Wollmann H. Leistungsmessung und Leistungsvergleich in Politik und Verwaltung//Verlag fur Sozialwissenschaft. 2004.

22. Martin S., Walker R.M., Enticott G., Ashworth R. Evaluation of the long-term impact of the Best Value regime: Baseline report//Centre for Local & Regional Government Research. 2003.

23. Rieder S., Lehmann L. Evaluation of new public management reforms in Switzerland: empirical results and reflections on methodology. URL: http://www.idt.unisg.ch/org/idt/ipmr.nsf/0/ff27b0faf135d96cc1256c86002c4050/$FILE/IPMR_3_2_Evaluation%20of%20NPM%20Reforms%20in%20Switzerland.pdf

24. Wollmann H. Evaluation in Public-Sector Reform, Concepts and Practice in International Perspective//Cheltenham. 2003.

25. Постановление Правительства РФ от 2 августа 2011 г. № 644 “О федеральной целевой программе "Развитие внутреннего и въездного туризма в Российской Федерации (2011 - 2018 годы)".

26. Региональное законодательство РФ. URL: http://regionz.ru

27. Центральная база статистических данных. URL: http://www.gks.ru/dbscripts/cbsd/#1

28. Электронный фонд правовой и нормативно-технической документации. URL: http://docs.cntd.ru/

29. Departament for Social Development. Best Value Guidance For Housing Associations. URL: http://www.dsdni.gov.uk/benchmarking.pdf

30. Department of Health and Human Services of USA. The program manager's guide to evaluation. 2005. URL: http://www.acf.hhs.gov/programs/opre/other_resrch/pm_guide_eval/index.html#reports.

Размещено на Allbest.ru