Analiza Statistica a Evolutiei Turismului In Romania de Dupa Revolutie

Diverse

Analiza Statistica a Evolutiei Turismului In Romania de Dupa Revolutie

Byadmin ianuarie 1, 2024

=== 0bba00e1d5644c254b56000f713e1cc4849de6d7_517405_1 ===

Prezentarea fenomenului – evoluția turismului în România

Această parte a lucrării va prezenta principalele metode ce vor fi folosite în studiul empiric ce analizează evoluția turismului românesc în perioada 1990- 2016.

Primul subcapitol va prezenta importanța turismului într-o economie națională, pentru ca subcapitulul doi să prezinte principalii indicatori utilizați de Institutul Național de Statistică al României pentru a caracteriza aceast domeniu economic, pentru ca ultimul subcapitol să prezinte din punct de vedere teoretic principalele teste ce vor fi utilizate în partea a treia a lucrării.

Ce este turismul?

Acest subcapitol își propune să urmărească evoluția în timp a conceptului de turism, factorii ce influențează tursimul, precum și rolul său în economia națională.

Dezvoltarea economico – socială din ultimele decenii a avut consecințe diverse asupra vieții oamenilor, atât pozitive cât și negative.

Această dezvoltare se datorează continuării puternicului fenomen de industrializare, care a dus la crearea unor centre urbane extrem de întinse, dar în care aglomerația devine din ce în ce mai mult o problemă, căci pe suprafețe relativ restrânse trăiește un număr tot mai mare de persoane. În aceste condiții nevoia oamenilor de a evada din aceste aglomerații urbane devine tot mai puternică, nevoie determinată atât de considerente fizice (poluare, lipsă de mișcare) cât și din considerente de sănătate cauzate de contrângerile și stresul vieții moderne.

Nivelul de trai înregistrat în ziua de astăzi este, fără tăgadă, cel mai ridicat înregistrat vreodată. Acest standard de viață ridicat, coroborat cu dezvoltarea tehnologiilor de transport și cu dorința tot mai mare a omului modern de cunoaștere, face posibilă vizitarea celor mai îndepărtate colțuri de pe pâmânt, locuri care în trecut erau accesibile unui număr extrem de restrânși de temerari. Și astfel, o dată cu toate aceste modificări, turismul ca modalitate de recreere, cunoaștere și petrecere a timpului liber a cunoscut și el o dezvoltare fără precedent, devenind un sector important al economiei, atât prin forța de muncă pe care o atrage, cât și prin sporul de bunăstare creat.

Instituționalizarea turismului pe plan național și organizarea lui în continuare și pe plan internațional au determinat un avânt continuu al acestuia și au făcut ca, prin ritmurile de dezvoltare atinse, turismul să devină, alături de revoluția tehnico-științifică, unul dintre cele mai spectaculoase fenomene ale secolului XX, cu consecințe sociale, economice și umane deosebit de importante. Se poate afirma că, din această epocă, turismul începe să se detașeze ca o activitate economico-socială distinctă [ Neacșu, N., Baron, P., Snack. O., Economia turismului, ediția a 2-a, Editura ProUniversitaria, București, 2006, p 18].

Boomul dezvoltării turismului a venit o data cu legiferarea concediilor plătite. Începând cu anii 1928 și continuând până în 1936, sub presiunea sindicatelor și cu sprijinul Organizației Mondiale a Muncii, țări precum Italia, Germania, Frnața și Belgia adoptă legi prin care lucrătorii beneficiază de concedii plătite, de durate diferite, în funcție de țară. Apar în această perioadă primele organizații care se ocupă de organizarea acestui timp liber într-un mod cât mai plăcut, prima de acest fel fiind „Workes Travel Association” în Anglia anului 1927. [Cristureanu C., Strategii și tranzacții în turismul internațional, Editura C.H.Beck, București, 2006, p. 18].

Dacă, până la începutul secolului XX, turismul avea un caracter elitist, fiind practicat de populația cu venituri ridicate, în deceniile ce urmează se observă caracterul de masă pe care îl capătă această activitate [Jelev, V., Turism internațional, Editura Fundației România de Mâine, București, 2012, p.17].

Etapele dezvoltării turismului după a doua jumătate a secolului 20 sunt:

Etapa 1: între țarile dezvoltate și cu participarea populației de aici: această etapă a avut loc în perioada de după război când nivelul de trai al populației din țarile dezvoltate a ajuns și apoi depășit nivelul înregistrat înainte de război;

Etapa a doua: Dinspre țările dezvoltate spre țările mai puțin dezvoltate (sau aflate în curs de dezvoltare): în perioada anilor ’60 populația țărilor dezvoltate începe să circule spre țările în curs de dezvoltare, mișcarea desfășurându-se sub aspect longitudinal: cei din America de Nord au început să viziteze regiunea Caraibilo,r, iar vest europenii regiunea mediteraneană și Oceanul Indian. 25% din volumul tatal al turismului se desfășoară în acest fel.

Etapa a treia: între țările în curs de dezvoltare și cu participarea populației din aceste țări: implicarea activă a clasei de mijloc în activități turistice a determinat apariția acestei etape. Acest tip de schimb de turiști resprezintă 5% din tursmul international actual. [Patrichi,I.C., Turismul internațional, Editura ProUniversitaria, București, 2013, p. 37].

Ca și definiție putem spune că turismul este “fenomen economico-social specific civilizației moderne, puternic ancorat în viața societății și, ca atare, influențat de evoluția ei. Adresându-se unor segmente sociale largi și răspunzând pe deplin nevoilor acestora, turismul se detașează printr-un înalt dinamism, atât la nivel național, cât și la nivel internațional. De asemenea, prin caracterul său de masă și prin conținutul complex, turismul antrenează un vast potențial material și uman, cu implicații importante asupra evoluției economiei și societății, asupra relațiilor interumane naționale și internaționale [Neacșu, N., Baron, P., Snack O, Economia turismului, ediția a 2-a, Editura ProUniversitaria, București, 2006, p.18].

Pentru a putea defini cât mai corect turismul specialiștii din AIEST au stabilit elementele caracteristice acestuia:

– călătoria persoanelor (elementul dinamic); –

– sejurul într-o localitate în afara domiciliului (elementul static);

– sejurul are durată limitată (elementul efemer);

– caracterul nelucrativ al activității vizitatorului și locul sejurului să nu se transforme într-o reședință definitivă [Jelev, Viorica, Turism internațional, Editura Fundației România de Mâine, București, 2012, p.18].

O definiție general acceptată la nivel mondial este cea a profesorului elvețian dr. W.Hunziker: „Turismul reprezintă ansamblul relațiilor și fenomenelor care rezultă din deplasarea și sejurul persoanelor în afara domiciliului lor, atât timp cât sejurul și deplasarea nu sunt motivate printr-o stabilire permanentă și o activitate lucrativă oarecare.” [Olaru, O.L., Turismul, fenomen economico-social specific epocii contemporane, Editura ProUniversitaria, București, 2011, p.25].

Conferința Internațională asupra turismului și statisticii turismului de la Ottawa din iunie 1991 a recomandat noi definiri ale conceptelor de bază în turism și anume: „Turismul se referă la activitățile unei persoane care călătorește în afara mediului său obișnuit, pentru mai puțin de o perioadă specificată de timp și al cărei scop principal de călătorie este altul decât exercitarea unei activități remunerate la locul de vizitare.”

Astfel, este considerat turist „orice persoană care se deplasează spre un loc situat în afara reședinței obișnuite pentru o perioadă mai mică de 12 luni și ale cărei motive principale de călătorie sunt altele decât exercitarea unei activități remunerate în locul vizitat”; sunt considerați deci turiști persoanele care:

• efectuează o călătorie de agrement (vacanță, concediu);

• se deplasează în stațiunile balneo-climaterice în scopul tratamentului sau îmbunătățirii stării de sănătate; • se deplasează în alte localitați în scopul de a participa sau de a asista la competiții sportive;

• călătoresc în scopuri profesionale, adică participă la conferințe internaționale, reuniuni științifice sau misiuni religioase etc.;

• se deplasează în scopuri culturale. [Nistoreanu, P., Economia tursimului, terorie și practică, Biblioteca Digitală ASE, București, p. 3, accesat la 11.06.2017].

În ceea ce privește factorii care influențează turismul amintim:

– Nivelul de dezvoltare economico-socială: o dată cu creșterea veniturilor a crescut și apetitul populației pentru călătorii și relaxare;

– Prețurile și tarifele coroborată cu puterea de cumpărare la nivel național poate influența evoluția turismului;

– Oferta turistică, cel mai intelresant apect al său fiind diversitatea;

– Progresul tehnic care a permis scăderea timpului necesar efecturării călătoriilor;

– Mutațiile geografice: sporul demografic și creșterea duratei medii a vieții influențează și ele evoluția acestei ramuri a economiei naționale;

– Procesul de urbanizare: poate să determine nevoia de relaxare, de „întoarcere” la natură;

– Timpul liber: prin creșterea timpului liber, parte din acesta se alocă turismului;

– Siguranța și protecția mediului înconjurător;

– Numărul de membrii într-o familie;

– Politicile guvernamentale și facilitățile acordate de diverși operatori.

– Alți factori psiho-sociologici.

[Bran, F., Marin, D., Simon, T., Economia turismului și mediul înconjurător, Editura Economică, București, 1998, p. 3.

Isac, F. L., Rusu, S, Administrarea afacerilor în turism, Editura Mirton, Timișoara, 2009 p. 16-22.]

Pe lângă impactul important pe care turismul il are asupra produsului intern brut, nu trebuie să uităm că el sintetizează rezultatele unui mare număr de activități și influentează în mod pozitiv gradul de ocupare a forței de muncă, atât în mod direct pentru cei ce-și desfășoară activitatea în hoteluri, restaurante, unități de alimentație publică, cât și în mod indirect, în special la nivel local, pentru cei ce produc bunuri destinate turiștilor.

În plus, un alt beneficiu îl reprezintă veniturile aduse de această ramură, pe măsură ce cheltuielile turistice directe și indirecte cresc constant, având o influență din ce în ce mai mare asupra economiilor regionale și locale. Să nu uităm că pentru unele regiuni, turismul reprezintă unica alternativă de dezvoltare economică durabilă.

Nu sunt de neglijat nici efectele sociale ale turismului: participă la menținuerea unei stări bune de sănătate a populației, reprezintă un mijloc de educare și informare, facilitând schimbul de idei, ceea ce determină îmbunătățirea calității relațiilor interumane și nu în ultimul rând asigură o redistribuire a bunăstării la nivel mondial.

Evoluția turismului românesc

Acest subcapitol va prezenta principalii indicatori utilizați de Institutul Național de Statistică pentru a carcteriza turismul ca ramură a economiei naționale, precum și evoluția acestora în perioada studiată, respectiv 1990 – 2016.

Evoluția, atât a turismului, se caracterizează printr-o tendință de creștere datorită influenței factorilor economici, demografici, politici, sociali. Pentru a surprinde mai bine această evoluție vom prezenta mai jos evoluția principalilor indicatori ce caracterizează evoluția turismului în România.

Tab 1.2.1. Evoluția prinicpalilor indicatori turistici în perioada 1990 – 2016

Sursa: Anuarul Statistic al României prin interogarea programului Tempo online

Indicatorii circulației turistice

Printre indicatorii cei mai reprezentativi pentru caracterizarea circulației turistice se folosesc: numărul turiștilor, numărul mediu de turiști, numărul zile-turist; durata medie a sejurului, încasările din turism, densitatea circulației turistice, preferința relativă a turiștilor etc [Turc, D., Weisz, J, Economia turismului, Ed. Eurostampa, Timișoara, 2008, p. 10]

Conform Institutului Național de Statistică în “numărul turiștilor cazați în unitățile de cazare turistică se cuprind toate persoanele (români și străini) care călătoresc în afara localităților în care își au domiciliul stabil, pentru o perioada mai mică de 12 luni și stau cel puțin o noapte într-o unitate de cazare turistică în zone vizitate din țară; motivul principal al călătoriei este altul decât acela de a desfășura o activitate remunerată în locurile vizitate. [http://statistici.insse.ro/shop/]

Fig. 1.2.1. Evoluția numărului de sosiri în unitățile de primire turistică

Din datele de mai sus se poate vedea declinul evident al numărului turiști sosiți imediat după revoluția din 1989: dacă în 1990 se înregistrau 12.296.552 sosiri, în anul imediat următor acestea scad cu 2.693.210, ceea ce înseamnă o scădere cu aproximativ 22% în numai un an.

Trendul accetuat de scădere continuă și în anul 1992, când, față de anul anterior, se mai înregistrează o scădere cu 16,53%, ajungându-se la 8.015.001 sosiri.

Scăderea continuă într-un ritm mai lent până în anul 1994, când ajunge la 7.004.699 sosiri. Anul 1995 aduce cu sine prima creștere a acestui indicator: cu 65.686 mai multe sosiri față de anul precedent, dar trendul nu se menține și în 1996 se scade din nou, ajungându-se la 6.594.863 sosiri.

Anul 2002 este anul minumului absolut, în care acest indicator a atins valoarea de 4.847.496. Comparat cu anul 1990 această valoare reprezintă doar 39,41% ceea ce arată starea de declin evident a acestui sector în perioada 1990 – 2002.

Începând cu 2003 însă se constată o creștere constantă până în anul 2008; astfel, dacă în 2003 numărul de sosiri ale turiștilor ajunseseră la 5.056.693 în 2008 vorbim de 7.125.307 turiști sosiți în unitățile de cazare tursitică din România, ceea ce însemnă o crestere de 2.068.614 a acestui îndicator în 2008 față de 2003.

Din păcate anii 2009 și 2010 aduc noi scăderi, cu 14,77% în 2010 față de 2008.

Perioada 2011-2016 are un trend crescător evident; astfel: în 2016 se depășeste pentru prima oară dupa 1990 cifra de 1 milion de sosiri, ceea ce înseamnă o revigorare a acestei ramuri economice. Se poate vedea că în 2016 s-au înregistrat cu numai 1. 294.030 mai puține sosiri decât în anul 1990, care reprezintă maximul pentru perioada analizată.

Capacitatea de cazare în funcțiune

Capacitatea de cazare turistică in funcțiune reprezintă numărul de locuri de cazare puse la dispoziția turiștilor de către structurile de cazare turistică colective, ținînd cont de numărul de zile cît sunt deschise structurile in perioada considerată, adică zilele în care a fost posibilă cazarea turiștilor.

Capacitățile de cazare se referă la toate formele de găzduire, precum: hoteluri, moteluri, hanuri, cabane, popasuri turistice, vile, sate de vacanță, cămine, campinguri, căsuțe, tabere de vacanță etc, care asigură odihna turiștilor pe o anumită durată de timp, în baza unor tarife determinate. [http://www.statistica.md, accesat la 26.06.2017]

Fig. 1.2.2. Evoluția capacității de cazare turistică

Se poate observa că anul 1991 a adus o scădere considerabilă a capacității de cazare în funcțiune: de la 79.535.297 număr locuri zile în 1990 la doar 64.124.199 în 1191, ceea ce înseamnă o diminuare cu 19,37% în doar un an.

Scăderea înregistrată în anul 1992 față de anul precedent este și ea tot una abruptă: au dispărut un număr de 8.253.935 loocuri zile.

Anul 1993 aduce o ameliorare a acestui indicator, înregistrându-se o creștere cu 2,79% față de 1992, însă anul următor, 1994, aduce din nou o scădere, choar sub nivelul anului 1992, înregistrându-se doar 53.254.783 număr locuri zile.

Minimul absolut al seriei se înregistrează însă în anul 2000, cand valoarea acestui indicator ajunge la 50.197.142, ceea ce seminifică o scădere cu 36,88% față de ce din 1990.

După o creștere cu 1.078.193 a valorii indicatorului în 2001 față de 2000, urmează o nouă scădere de 2,17% în anul 2003, pentru ca apoi trendul să fie unul constant crescător până în anul 2016.

Anul 2015 reprezintă primul an în care numărul locrurilor zile depășește valoarea acestui indicator înregistrat în anul 1990: s-au înregistrat cu 2.337.242 locuri zile în plus în 2015 față de 1990.

Maximul absolut se înregistrează în anul 2016: 83.323.220 număr locuri zile, ceea ce reprezintă o creștere cu 4,76% față de nivelul înregistrat în anul de început al perioadei de referință, 1990.

Indicatorii de utilizare netă a capacității de cazare în funcțiune

Institutul Național de statistică specifică faptul că indicelui de utilizare netă a capacității de „exprimă relația între capacitatea de cazare în funcțiune și utilizarea
efectivă a acesteia de către turiști, într-o perioadă determinată. Rezultă din calcul prin împărțirea numărului total de înnoptări ( = camere ocupate) realizate, la capacitatea de cazare turistică în funcțiune,din perioada respectivă.” [http://statistici.insse.ro/shop, accesat la 11.06.2017].

Fig. 1.2.3. Evoluția indicelui de utilizare a capacității de cazare

Se poate observa că valorile acestui indicator scad constant din 1992 (când se înregistrează și maximul seriei) până în 1994, scăderea fiind de 3% între cei doi ani. Anul 1995 aduce o creștere până la 45% a valorii indicelui, pentru ca până în anul 1999 trendul să fie consant descrescător, ajungându-se la valoarea de 34,50%.

Valoarea medie înregistrată în perioada 2001-2004 este de 34,45%, pentru ca în anul imediat următor, 2005, să se înregistreze o nouă scădere până la 33,40%.

În perioada 2006-2013 evoluția este una oscilantă, valorile situându-se între 25,20 în 2010 și 36% în 2007. Minimul absolut al seriei se înregistrează în 2013 (25,10%), pentru ca până în 2016 trendul să fie crescător, ajungându-se în 2016 la o valoare de 30,50%.

Analiza numărului total de înnoptări

Înnoptarea turistică este intervalul de 24 de ore, începand cu ora hotelieră, pentru care o persoană este înregistrată în evidența spatiului de cazare turistică și beneficiază de găzduire în contul tarifului aferent spațiului ocupat, chiar dacă durata de ședere efectivă este inferioară intervalului menționat. [http://statistici.insse.ro/shop, accesat la 11.06.2017]

Numărul de înnoptări sau numărul zile-turist se obține din înregistrările în spațiile de cazare, prin însumarea numărului de zile de ședere al fiecărui turist; se poate determina pe tipuri de unități de cazare, pe tipuri de acțiuni, pe zone de proveniență a turiștilor etc. [D. Turcu, J. Weisz, „Economia tursimului”, Ed. Eurostampa, Timișoara, 2008, p.10].

FiFig. 1.2.4. Evoluția numărului de înnoptări

După cum se poate vedea valoarea acestui indicator a scăzut constant din 1990 (când avea o valoare de 44.551.804) până în 1994 când a ajuns la 23.295.732. Anul 1995 aduce o crestere cu 3,5%, dar anul iemdiat următor aduce o scădere accentuată, cu 2.273.255 a numărului de înnoptări. Trendul descrescător se menține până în anul 2000, cânse ajunge la valoarea de 17.646.675 al înnoptărilor.

Media valorilor acestui indicator în perioada 2001 -2008 este de 18.803.496,13, pentru ca în anul 2010 să se înregistreze minimul absolut de 16.051.135 de înnoptări.

În perioada 2011-2016 trendul este constant crescător, ajungând la sfărșitul perioadei la valoarea de 25.440.957 înnoptări, valoarea care reprezintă însă doar 57,10% din valoarea înregistrată de acest indicator în anul 1990.

Metodoligia – Analiza seriilor cronologice

Prezentul capitol prezintă o seriwe de studii similare din litearatura de specialitate, din România și străinătate, precum și cele mai importante aspecte referitoare la seriile cronologice: definiții, caracteristici, tipuri, modul în care se relizează prelucrarea unei serii cronologice de intervale, precum și modul de testare a existenței unei legături între diverse variabile.

Literatura de specialitate

Întrucât turismul este o ramură economică extrem de importantă numeroși specialiști s-au aplecat asupra sta, studiindu-i evoluția în timp, încercând să înțeleagă factorii ce îi influențează în mod decisiv evoluția și să întrevadă evoluția sa viitoare.

Dintre cercetările de specialitate ce au același obiect de analiză menționăm lucrarea „International tourism specialization of small countries”, publicată în anul 2006 în International Journal of Tourism Research, , în care autorarea, Algieri B. analizează legatura dintre creșterea economică și specializarea internațională în turism, scoțând în evidență importanța acestuia ca sursă importantă de venit și cerștere economică .

O temă similară ne-o propun și Arezki, Cherif si Piotrowski, în lucrarea „ Specializarea turistică și creșterea economică”, studiu efectuat sub patronajul Fondului Monetar Internațional.

O analiză a turismului ca factor de influență a creșterii economice o realizează și Sequeira si Macas Nunes în 2008, în vreme ce Navickas si Malakauskaite dezbat, în 2009, competitivitatea în turism.

La nivel național lucrări importante ce studiează evoluția tursimului din punct de vedere statistic sunt cele realizate de Anghelache, Anghel, Bardasu si Popovici (2014), Anghelache si Anghel (2014), Anghelache, Fetcu (Stoica) si Anghel (2012), în vreme ce Dimache (2005) analizează competitivitatea turismului în orașe.

[http://www.revistadestatistica.ro/supliment, accesat la 26.06.2017]

2.2. Serii cronologice

Subcapitoul prezintă aspectele generale referitoare la seriile de timp, precum: definiții, caracteristici, diverse clasificări

Teoria seriilor cronologice se aplică în ziua de azi în domenii variate, precum economie, medicină, hidrologie sau demografie. Evoluția în timp a unui fenomen interesează în scopul descrierii, explicării sale și a particularităților acestei evoluții, pentru ca mai apoi să putem face previziuni asupra manifestării sale viitoare. În acest sens dispunem de observarea diferitelor date, adică a unei suite de valori numerice indexate în timp.

Pentru a putea face previziuni avem la dispoziție două metode:

Metode calitative, folosită în special atunci când nu dispunem de înregistrări referitoare la manifestările trecute ale fenomenului, dar care sunt subiective;

Metode cantitative, care permit utilizarea datelor existente pentru a previziona evoluția viitoare a fenomenului.

Metodele cantitative sunt, la rândul lor, de două feluri și anume:

Modele cauzale, care urmăresc legatura de cauzalitate dintre două variabile independente, încercând explicarea evoluției uneia prin influența exercitată asupra sa de evoluția celei de-a doua variabile; analiza regresiei simple și multiple este un astfel de model;

Modele bazate pe serii cronologice, care se concentrează pe analizarea evoluției trecute, prezente și viitoare a unei singure variabile studiate; totalitatea observărilor aferente unei familii de variabile aleatoare formează o serie cronologică sau temporală.

Putem defini o serie cronologică (numită și serie de timp, sau serie dinamică) ca și „ un șir ordonat de valori ale unei variabile, înregistrate pentru momente sau intervale de timp succesive.” [Țițan, E., Ghiță S., Trandas, C. „Statistica economică”, cap. 6, p. 3, www.biblioteca-digitală.ase.ro]

O altă definiție este cea dată de A Pârvu în cartea sa „Macroeconomie”: „o!modalitate!de prezentare a!unui fenomen!care evoluează!într-o anumită!perioadă de timp!sub forma!unui șir!sistematizat de!valori”

Seria de timp reprezintă un set sistematizat de date numerice înregistrate la momente șau intervale de timp egale și succesive. [Francisc, A. “Statistică și matematică pentru managementul afacerilor”, Ed. Tehnică, 2004, p. 239]

Matematic, o serie cronologică se poate prezenta astfel:

Variabile timp { 0 1 2 … (t-1) t t+1 … (n-1) n}

Termenii seriei {

[Biji, E., Baron, T. „Statistică teoretică și economică”, Ed. Didactică și Pedagogică, 1991, p. 177]

Principalele caracteristici ale unei serii dinamice sunt:

a) variabilitatea: depinde, pe de-o parte, de forța factorilor aleatori de a produce abateri și pe de altă parte de tendința de variație a factorilor cu acțiune sistematică;

b) omogenitatea, care dată de faptul că toți termenii seriei sunt supuși acțiunii acelorași factori, sunt obținuți prin aceleași metode și pentru măsurarea lor sunt folosite aceleași unități de măsură;

c) periodicitatea: exprimă continuitatea datelor din punct de vedere al varianței timpului. Valorile termenilor seriei sunt înregistrate la momente sau intervale de timp regulate, ceea ce asigură continuitatea seriei.

d) interdependența în timp a termenilor unei serii dinamice face ca valoarea oricărui termen să fie influențată de nivelurile precedente și să influențeze la rândul său valoarea următorilor termeni.

e) comparabilitatea ce va fi asigurată prin faptul că termenii seriei exprimă același fenomen, la măsurarea lor se folosesc aceleași unități de măsură și sunt obținuți după aceeași metodologie. [Begu, L., Tusa, E. „Statistică teoretică și economică”, Ed. ASE, 2004, cap. 7].

În funcție de modul de definire al timpului putem vorbi despre următoarele tipuri de serii de timp:

Serii cronologice de intervale – atunci când termenii seriei, numiți mărimi de flux, se referă la intervale de timp; în acest caz termenii seriilor, fiind rezultatul unor observări continue; sunt însumabili, obținându-se un indicator totalizator pentru întreaga perioadă. Exemple de astfel de serii sunt: volumul vânzărilor înregistrat lunar sau anual, investițiile anuale realizate de o firmă, valoarea tranzacțiilor lunare la bursă, cheltuielile lunare de consum ale populației, profiturile trimestriale ale unei firme

Serii cronologice de momente – atunci când termenii seriei, numiți mărimi de stoc, se referă la momente de timp; termenii seriei sunt de fapt observări independente, caracteristice numai momentului în care se realizează observarea, ceea ce face ca însumarea lor să nu fie permisă, pentru acest tip de serie folosindu-se indicatorii medii. Ele reprezintă „o fotografie” speficifică fiecărui moment studiat. De exemplu: stocul de materii prime într-o firmă la începutul fiecărei luni, capitalul fix în funcțiune la sfârșitul anului, numărul de angajați dintr-o societate la începtului trimestrului al doilea. [Goschin, Z., Vătui, M. „Statistica”, cap. 7, p. 2-5]

În funcție de mărimea distenței dintre observări putem avea următoarele tipuri de serii cronologice:

Serii cronologice de momente cu intervale egale între momente;

Serii cronologice de momente cu intervale inegale.

În funcție de modul de exprimare a termenilor seriei:

Seriile cronologice formate din indicatorii absoluți: fiecare termen este exprimat în mărime absolută;

Serii cronologice formate din indicatori relativi, exprimați procentual sau sub formă de coeficienți;

Serii cronologice formate din indicatori medii, în cazul cărora termenii seriei sunt calculați ca valori medii.

2.3. Prelucrarea seriilor cronologice

Prezentul subcapitol va prezenta modul în care se realizează prelucrarea unei serii statistice de timp: etape, indicatori, teste ce urmează a se folosi în cadrul studiului empric.

Obiectivul principal al studiului unei serii cronologice este acela de a previziona valorile viitoare ale acestei serii. Pentru aceasta avem neoie să cunoaștem sau cel puțin să modelăm mecanismul de producere a unei serii cronologice.

În realitate, de cele mai multe ori, variabilele nu sunt nici independente și nici distribuite identic (în cea mai mare parte a cazurilor fenomenul evoluează, se modifică in cursul timpului, ceea ce face ca variabilele care-l descriu să nu fie echidistante. De aceea sunt necesare metode statistice specifice de modelare, deoarece în cadrul standard metodele statistice clasice sunt bazate pe ipoteza independențe.

Schematic, principalele etape de modelare a unei serii cronologice sunt următoarele:

1 . Corectarea datelor: înainte de a începe prelucrarea datelor unei serii de timp este câteodată necesară modificarea datelor brute, în sensul evaluării datelor ce lipsesc, înlocuirea datelor accidentale, împărțirea pe sub-serii, standardizarea pentru a ajunge la intervale de lungime fixă.

Observarea seriei: cel mai adesea această observare se face prin reprezentarea grafică a seriei, care permite observarea diferitelor sale componente, tendințele de creștere sau scădere, sezonalitatea sau fluctuații mai mult sau mai puțin importante, precum și eventualele evoluții accidentale.

Reprezentarea grafică a seriilor dinamice se poate realiza cu ajutorul:

Historiogramei;

Diagramei prin coloane;

Diagramei prin benzi;

Diagrame polare.

Modelarea (cu un număr finit de parametri); modelul este o imagine simplificată a unei realității, care vizează traducerea mecanismelor de funcționare a fenomenului studiat și permite o înțelegere mai bună a sa. Principala problema care se pune este aceea a calității modelelor utilizate, iar principalele tipuri de modele existente sunt:

Modelele deterministe, relevante pentru statistica descriptivă, cu cele două modele ale sale, cele aditiv și multiplicativ.

Modelele stohastice

Analiza seriei pornind de la componentele sale si obținerea indicatorilor statistici absoluți, relativi și medii;

Diagnoza modelului de ajustare pentru determinarea tendinței pe termen lung;

Previziunea valorilor viitoare. [ Lagnoux, A. „Series cronologiques”, Universite de Toulouse Le Mirail, 2014, p. 8].

O altă abordare a descrierii evoluției seriilor dinamice este cea care propune mai întâi de toate analiza factorilor ce le influențează după natura lor:

-factorii esențiali acținează pe durată lungă de timp și imprimă tendința de evoluție a fenomenelor;

-factorii sezonieri, sunt factorii care acționează pe perioade mai mici de un an, și care determină abateri de la tendința fenomenului imprimată de factorii esențiali;

-factorii ciclici, care acționează pe perioade mai mari de un an, ce arată o evoluție oscilantă a fenomenului pentru seriile formate pe perioade lungi de timp;

-factorii întâmplători, aleatori a căror acțiune se compensează dacă datele înregistrate se referă la un număr mare de perioade de timp.

A Francisc evidențiază la rândul său următoarele etape pentru analiza unei serii cronologice:

Identificarea trendurilor;

Eliminarea factorilor neesențiali;

Fundamentarea corectă a prognozelor.

O primă etapă în prelucrarea seriilor de timp o reprezintă calcularea indicatorilor.

Indicatori absoluți: exprimă nivelul, volumul agregat și modificările (în mărime absolută) fenomenului analizat în perioade diferite de timp. [ Goschin, Z., Vătui, M., „Statistica”, www.biblioteca-digitală.ase.ro, cap.7, p.5]

Ca și indicatori absoluți amintim:

Valorile individuale absolute ce reprezintă valoarea înregistrată de fiecare termen al seriei cronologice;

Volumul agregat: suma valorilor tuturor termenilor seriei dinamice de intervale;

Modificarea absolută (spor sau scădere absolută): ce reflectă creșterea sau scădere absolută înregistrată într-o anumită perioadă de timp. In funcție de perioada aleasă ca bază de comparație există două posibilități de calcul:

Modificare absolută cu bază fixă: (diferența) fiecărui termen al seriei față de o perioadă fixă de referință:

Modificarea absolută cu bază în lanț, reprezentând diferența dintre doi termeni succesivi ai seriei

Indicatorii relativi: se calculează sub formă de raport, reflecând proporția dintre nivelurile absolute ale termenilor unei serii.

Indicele de dinamică este o mărime relativă ce arată de câte ori s-a modificat mărimea unui fenomen în timp. In funcție de modul de alegere al bazei de raportare acesta poate fi cu bază fixă sau cu bază în lanț;

Ritmul de dinamică: arată cu cât s-a modificat procentual, în sensul creșterii sau scăderii, mărimea fenomenului într-o anumită perioadă de timp față de o perioadă de timp dată, fixă sau mobilă.

Valoarea absolută a unui procent de creștere sau de scădere arată mărimea absolută a modificării ce revine pe o unitate (un procent) din ritmul dinamicii, fiind calculat ca raport între modificarea absolută și ritmul modificării. Acest indicator face legătura dintre indicatorii absoluți și cei relativi: arată câte unități din modificarea absolută a fenomenului analizat revin la un procent din ritmul modificării pe o anumită perioadă de timp.

Indicatorii medii: oferă o măsură sintetică a tendinței de evoluție a întregii serii. Se pot calcula sub două forme: medii de nivel sau medii de dinamică

Nivelul mediu al termenilor seriei: se calculează ca medie artimetică simplă a termenilor seriei:

Modificarea medie absolută: media aritmetică simplă a modificărilor absolute cu bază în lanț și arată cu cât se modifică fenomenul de la o perioadă la alta.

Indicele mediu de dinamică: calculat ca medie geometrică simplă a indicilor de dinamică cu bază în lanț, arată de câte ori s-a modificat (a crescut sau a scăzut) în medie fenomenul analizat pe întreaga perioadă luată în calcul:

Ritmul mediu de dinamică: arată cu câte procente se modifică în medie fenomenul analizat pe întreaga perioadă de raportat:

Pentru analiza distribuției seriilor statistice se vor folosi:

Indicele Skewnes (sau indicele de asimetrie): evaluează gradul de asimetrie a unei repartiții. Definiția este bazată pe momentul centrat de ordinul 3:

unde: N – nr de observatii, y – valoarea seriei, – media, – varianța

Un Skewness pozitiv arată că distribuția seriei prezintă asimetrie spre dreapta, respectiv are coada din dreapta mai lung. Pentru un Skewness negativ situația este inversă

Indicele Kurtosis (sau indicele de aplatizare sau boltire): bazată pe momentul centrat de ordinul 4:

Pentru distribuția normală indicele Kurtosis este 3. Pentru K mai mic decât 3 distribuția este mai aplatizată decât cea normală, iar pentru un K mai mare decât 3 distribuția este mai înaltă.

c. Testul Jarque-Bera: se bazează pe verificarea simultană a proprietăților de asimetrie și boltire ale seriei reziduurilor. măsoară diferența dintre Skewness și Kurtosis-ul seriei față de cele corespunzătoare distribuției normale. Statistica testului se calculează astfel:

unde: S – Skewness; K- Kurtosis; k – numărul de coeficienți estimați care sunt folosiți pentru a crea seriile

Sub ipoteza nulă a unei distribuții normale statistica Jarque-Bera este distribuită 2 cu două grade de libertate. Probabilitatea atașată testului reprezintă probabilitatea ca statistica Jarque-Bera să fie mai mare decât valoarea observată sun ipoteza nulă. Așadar, o probabilitate mică duce la respingerea ipotezei nule

[Clocotici V, Glosar de statistică, Universitatea Al I. Cuza, Iași, https://profs.info.uaic.ro, accesat la 25.06.2017]

Analiza staționarității sau nestaționarității

O serie de timp este staționară dacă media, dispersia și covarianța sa rămân constante de-a lungul timpului. In cazul în care oricare din condțtiile de mai sus nu este satisfacută, atunci seria de timp este nestaționară.

În studiul empiric testarea staționarității seriilor cronologice s-a realizat utilizând următoarele teste:

Testul Dickey – Fuller:

Testul rădăcinii unitate “evaluează probabilitatea ca α = 1 în regresia Yt = αyt-1 + XA + et, unde X reprezintă ansamblul celorlalți factori care determină evoluția seriei Yt, A este vectorul parametrilor atașați variabilelor respective, iar et este o variabilă aleatorie”

Acest test pornește de la 3 tipuri de modele:

proces autoregresiv: yt = αyt-1 +εt’, |α| ≤1;

proces autoregresiv cu medie nenulă: yt = αyt-1 +β+εt’, |α| ≤1 și β≠0

proces autoregresiv cu tendință: yt = αyt-1 +β+γt+εt’, |α| ≤1 și γ≠0

Testul Dickey-Fuller verifică ipoteza nulă (H0), α-1= 0 (nestaționaritate) contra ipotezei alternative, α-1 < 0 (staționaritate).

[D. Jula, “Metode și tehnici performante de testare a ipotezelor, în economie, București, 2015, p. 20-21].

Funcția de autocorelare: măsoară corelația între valorile seriei la diverse distanțe temporale. Graficul funcției de autocorelație pentru diverse laguri k se numește corelogramă.

Sursa autocorelării este fie neincluderea înm odel a unei sau a mai multor variabile importante, fie definirea incorectă a modelului de regresie.

[Voineagu, V, Teorie și practică econometrică, Ed. Meteor Press, 2007, pag. 366-414]

Componentele seriilor cronologice

Subcapitolul va prezenta pe scurt componentele seriilor conologice, axându-se în principal pe studierea trendului și a sezonalității, componente ce vor fi analizate în cadrul capitolului următor.

Seria dinamică se poate descompune în una sau mai multe din următoarele componente:

Trendul (exprimă tendința centrală, de lungă durată, sau seculară, ce corespunde unei evoluții, mișcări generale sistematice, fundamentale, sesizabile pe perioade lungi de timp, generate de acțiunea unor factori cu acțiune de lungă durată. [Titan, E., Ghiță S., Trandas, C. „Statistica economică”, cap. 6, p. 12, www.biblioteca-digitală.ase.ro]

Oscilațiile periodice sezoniere (St) reprezintă fluctuații regulate, care se repetă în cadrul unei perioade complete mai mică sau egală cu un an de zile.

Această componentă are un efect mediu asupra trendului, fiind exprimat în abateri față de trend în modelul aditiv și în procente pentru modelul multiplicativ.

c. Oscilațiile periodice ciclice (C) reprezintă fluctuații ciclice față de trend, înregistrate pe termen scurt. [Francisc, A. “Statistică și matematică pentru managementul afacerilor’, Ed. Tehnică, 2004, p. 242]

d) Abaterile aleatoare (sau reziduale) ɛ t, accidentale față de linia de trend, ce apar sub influența unor factori imprevizibili, accidentali. Pentru a reconstitui termenii seriei cronologice, cele patru componente se pot combina după două modele: aditiv și multiplicativ.

Modelul clasic de descompunere a seriilor este cel aditiv, căruia îi corespunde următoarea formulă:

+

Modelul multiplicativ de pe altă parte, are următoarea formulă:

Determinarea trendului

Variabilitatea mare a termenilor este o caracteristică a seriilor de timp; această variabilitate poate fi rezultatul acțiunii unor factori esențiali sau ai unora întâmplători. Factorii esențiali sunt aceia care dau tendința centrală (trendul) fenomenului. Ajustarea seriilor cronologice se realizează cu scopul de a elimina influențele factorilor întâmplători, evidențiindu-se factorii esențiali, cu acțiune sistematică, cei care urmăresc cu adevărat o legitate matematică de evoluție.

Există mai multe procedee de ajustare:

• ajustarea prin metoda mediilor mobile, recomandată a fi folosită atunci când, cu ajutorul metodei grafice, se observă oscilații periodice de la tendința centrală.

• ajustarea prin metoda grafică: constă în reprezentarea grafică a seriei și construirea unei drepte ce unește cele două puncte extreme ale seriei cronologice astfel încât abaterile față de pozițiile reale să fie minime. Forma curbei poate fi dreaptă sau curbilinie.

• ajustarea prin metoda modificării medii absolute: indicată a fi folosită atunci când seria are tendința de creștere sub forma unei progresii aritmetice, aceasta însemnând că valorile modificărilor absolute cu bază în lanț sunt relativ apropiate.

• ajustarea prin metoda indicelui mediu de dinamică: indicată a se folosi când seria are forma unei progresii geometrice de rația I

• ajustarea prin metode analitice: se bazează pe folosirea functiilor matematice; alegerea funcției se face în urma analizei graficului și indicatorilor seriei. [Goschin, Z., Vătui, M., „Statistică”, www.biblioteca-digitală.ase.ro, cap. 7].

În cadrul studiului empric pentru analiza trendului s-a folosit filtrul Hodrick Prescott. Punctul de plecare este acela de a persupune că fiecare serie analizată poate fi scrisă ca sumă de două componente: trend (gt) și componentă ciclică (ct). Ideea de plecare a filtrului Hodrick Prescott este de a propune o funcție obiectiv care să medieze între cele două obiective:

Găsirea valorilor gt care aproprie cât mai mult de valorile yt;

Găsirea valorilor gt a căror accelerare să fie cât mai mică posibil, astfel că funcția obiectiv de minimizat este:

(min) Σ (yt-gt)2 + λΣ[(gt+1-gt) – (gt+1-gt)]2

[Milano, R., L’inversion de filtre Hodrick Prescott, http://statbel.fgov.be/fr/binaries]

Sezonalitatea

Analiza statistică a sezonalității are ca obiectiv măsurarea variației sezoniere, identificarea cauzelor sezonalității și stabilirea consecințelor economice și sociale. [Secăreanu, C., Firoiu D., Statistical methods used in the analysis and forecast of the tourism activity affected by seasonality, Romanian Economic and Business Review, 2011, Vol. 6, No. 4]

Metodele folosite pentru calculul coeficienților de sezonalitate sunt diverse dar mai frecvent se recurge la metoda mediei aritmetice. Conform acestei metode, indicii de sezonalitate se calculează folosind relația:

în care: – reprezintă media lunară, – medie lunară generală [Voineagu V., Colibaba D., Grădinaru G., Statistică. Noțiuni fundamentale și aplicații, p.152]

2.4. Analiza statistică a legăturilor dintre variabile

Pentru determinarea parametrilor care exprimă în ce măsură unul sau mai mulți factori influențează un proces economic, metodologia statistică se axează pe funcția de regresie.

Regresia este utilizată pentru obținerea funcției matematice care descrie relația dintre două variabile. [ Francisc, A. “Statistică și matematică pentru managementul afacerilor”, Ed. Tehnică, p. 197]

Aceasta e folosită pentru a determina atât forma cât și sensul legăturii varianției evoluției lui y sub acțiunea factorului x.

Scopul folosirii funcțiilor de regresie este atât comparativ (când se măsoară influența aceluiași factor asupra a două procese diferite), cât și estimativ (când se încearcă estimarea valorii unei variabile în funcție de valoarea celelilate variabile).

Dacă se presupune că asupra lui y actionează un singur factor x atunci putem vorbi despre regresie liniară simplă, pentru doi sau mai mulți factori avem de-a face cu o regresie multiplă sau multifactorială.

Regresia liniară simplă: ia în considerare influența unui singur factor

Matematic, existența legăturii între două variabile se exprimă astfel:

Determinarea parametrilor funcției de regresie se face pe baza următorului sistem:

Regresia multiplă, ce ia în considerare influența concomitentă a doi sau mai mulți factori, propune următorul sistem de ecuații pentru determinarea parametrilor:

Studiu empiric – analiza evoluției turismului în România, în perioada

1990 – 2016

Acest capitol va prezenta evoluția turismului, ca ramură a economiei naționale, în perioada 1990 – 2016 axându-se în principal pe analiza din punct de vedere statistic a capacității de cazare turistică și a numărului de înnoptări în unitățile de primire turistică, precum și pe analiza legăturii dintre diverșii indicator ice caracterizează această ramură economică.

Analiza capacității de cazare turistică în funcțiune

Acest subcapitol va analiza, din punct de vedere al distribuție, staționarității, autocorelării și trendului, capacitatea de cazare turistică în funcțiune în perioada 1990 -2016.

Institutul Național de Statistică definește capacitatea turistică astfel: “Capacitatea de cazare turistică existentă (instalată) reprezintă numărul de locuri de cazare de folosință turistică înscrise în ultimul act de recepție, omologare, clasificare al unității de cazare turistică, exclusiv paturile suplimentare care se pot instala în caz de necesitate.” [http://statistici.insse.ro/shop/index.jsp?page=tempo3&lang=ro&ind=TUR102C]

În analiza capacității de cazare turistică în funcțiune s-au folosit datele puse la dispoziție de către Institutul Național de Satistică, pentru perioada 1990 – 2016, prezentate în anexa nr. 1.

Analiza distribuției seriei de timp se realizează pe baza următorilor indicatori:

Media de selecție:

= 60924921 număr locuri-zile

Mediana: 56499904 număr locuri -zile;

Minimul este de 50197142 număr locuri -zile, înregistrat în anul 2000;

Maxima este de 83323220 număr locuri-zile, înregistrată în anul 2016;

Dispersia seriei de timp:

=10620436

Skewness, măsura asimetriei funcției de densitate de repartiție a seriei în jurul valorii sale medie, calulată după formula:

, ceea e însemnă că distribuția este înclinată spre stânga;

Kurtosis, o măsura amplitudinii funcției de densitate, a aplatizării acesteia în raport cu funcția de densitate a distribuției normale, calculată după formula:

, ceea ce înseamnă că distribuția este mai plată decât distribuția normală.

Jarque-Bera, calculată după formula:

Fig. 3.1.1. Analiza distribuției seriei de timp

Fig. 3.1.2. Reprezentarea grafică a seriei

Din analiza prealabilă a datelor se poate vedea că acest indicator a avut o evoluție oscilantă, înregistrând un minim absolut în anii 2000, pentru ca după aceea să aibe un trend relativ crescător, parabola de gradul II ajustând cel mai bine seria.

b. Verificarea staționarității sau nestaționarității seriei de timp am realizat-o pe baza următoarelor teste statistice:

– Testul rădăcinii unitate (Testul Dickey – Fuller):

Tab 3.1.1. Testul Dickey – Fuller

Testul rădăcinii unitate “evaluează probabilitatea ca α = 1 în regresia Yt = αyt-1 + XA + et, unde X reprezintă ansamblul celorlalți factori care determină evoluția seriei Yt, A este vectorul parametrilor atașați variabilelor respective, iar et este o variabilă aleatorie” [D. Jula, “Metode și tehnici performante de testare a ipotezelor, în economie, București, 2015, p. 20].

Întrucât valoarea testului este -0,31, iar valoarea critică pentru un prag de încredere de 5% este de -2,98, nu putem respinge ipoteza nulă. Prin urmare, seria de timp este nestaționară; respectiv conține o rădăcina unitate.

– Funcția de autocorelație (ACF) și corelograma:

Tab 3.1.2. Corelograma

Coeficienții de autocorelație pornesc de la 0,806, 0,639 și descresc până la -0,33, astfel seria de timp este nestaționară.

Întrucât testele statistice aplicate au concluzionat că seria de timp analizată este nestaționară, prima transformare constă în diferențierea de ordinul I.

Tab 3.1.3. Diferențierea de ordinul I

Valoarea critică DF pentru un prag de incredere 1% este -3,72; întrucât τ < 0,01, decidem că putem să respingem ipoteza nulă. Astfel, prima diferențiere a seriei de timp este staționară, respectiv seria de timp este I(1).

Tab 3.1.4. Corelograma primei diferențiale a seriei de timp

Din corelograma primei diferențieri a seriei de timp observăm că valorile coeficienților de autocorelație , 0,205 decresc într-un ritm rapid, astfel că după primul lag este posibil ca procesul autoregresiv să aibă o componentă AR de ordin p = 1.

Estimarea componentei pe termen lung a seriei de timp (trend) se va folosi filtrul Hodrick-Prescot.

Fig. 3.1.3. Trendul seriei “Capacitatea de cazare turistică”

Se poate observa că până în anul 2000 trendul a fost unul descendent (în acel an înregistrându-se și minimul absolut al seriei), urmând ca apoi să crească constant.

Analiza numărului de înnoptări în structurile de primire turistică

Acest subcapitol va analiza, din punct de vedere al distribuție, staționarității, autocorelării, trendului și sezonalității numărul de înnoptări în structurile de primire turistică în în perioada 1990 -2016 și va previziona alaiza acestui indicator în perioada 2017-2020.

Conform Ministerului Dezvoltării Regionale înnoptarea reprezintă: “fiecare noapte pentru care o persoană este înregistrată într-o unitate de cazare turistică, indiferent dacă fizic este sau nu prezentă în cameră.” [https://observator.mdrap.ro/dezvoltare/Pagini%20Turism/Numar%20innoptari%20in%20structuri%20de%20primire%20turistica.aspx, accesat la 17.06.2017]

Pentru analizarea numărului de înnoptări s-au folosit datele puse la dispoziție de Institutul Național de Statistică al României, pentru perioada 1990 – 2014, prezentate in anexa nr. 2

Analiza distribuției seriei de timp:

Media de selecție:

= 21250,92 mii;

Mediana: 19183 mii;

Minimul este de 16051 mii, înregistrat în anul 2010;

Maxima este de 44552 mii, înregistrată în anul 1990;

Dispersia seriei de timp:

=5982,30

Skewness, măsura asimetriei funcției de densitate de repartiție a seriei în jurul valorii sale medie, calculată după formula:

, ceea e însemnă că distribuția este înclinată spre stânga;

Kurtosis, o măsura amplitudinii funcției de densitate, a aplatizării acesteia în raport cu funcția de densitate a distribuției normale, calculată după formula:

, ceea ce înseamnă că distribuția este mai ascuțită decât distribuția normală.

Jarque-Bera, calculată după formula:

Fig. 3.2.1. Analiza distribuției seriei de timp

.

Fig. 3.2.2. Reprezentarea grafică a seriei

Din analiza prealabilă a datelor se poate vedea că acest indicator a avut o evoluție constant desendentă până în anul 2000, a înregistrat o creștere până în anul 2008, pentru ca apoi să scadă din nou, înregistrând un minim absolut în anul 2010, după care a avut un trend relativ constant de creștere până la sfârșitul perioadei analizate

b. analiza staționarității sau nestaționarității seriei de timp am realizat-o pe baza următoarelor teste statistice:

– Testul rădăcinii unitate (Testul Dickey – Fuller):

Tab 3.2.1. Testul Dickey – Fuller

Întrucât valoarea testului este -2,62, iar valoarea critică pentru un prag de încredere de 10% este de -2,63, nu putem respinge ipoteza nulă. Prin urmare, seria de timp este nestaționară; respectiv conține o rădăcina unitate.

Funcția de autocorelație (ACF) și corelograma:

Tab 3.2.2. Corelograma

Coeficienții de autocorelație pornesc de la 0,547, 0,328 și descresc până la -0,119, astfel seria de timp este nestaționară.

Întrucât testele statistice aplicate au concluzionat că seria de timp analizată este nestaționară, prima transformare constă în diferențierea de ordinul I.

Așa cum se poate observa în datele din tabelul 3.2.4 valoarea critică DF pentru un prag de incredere 1% este -2,64; întrucât τ < 0,01, decidem că putem să respingem ipoteza nulă. Astfel, prima diferențiere a seriei de timp este staționară, respectiv seria de timp este I(1).

Tab 3.2.3. Diferențierea de ordinul I

Corelograma primei diferențiale arată astfel:

Tab 3.2.4. Corelograma primei diferențiale a seriei de timp

Din corelograma primei diferențieri a seriei de timp observăm că valorile coeficienților de autocorelație 0.038 decresc într-un ritm rapid, astfel că după primul lag este posibil ca procesul autoregresiv să aibă o componentă AR de ordin p = 1.

estimarea trendului se va realiza cu filtrul Hodrick-Prescot.

Fig. 3.2.3. Trendul seriei ”Număr de înnoptări”

Interpretând rezultatele se poate observa că valorile seriei scad constant până în anul 2000 (anul minimului absolut), pentru ca apoi trendul să fie unul relativ constant.

Pentru analiza sezonalității acestei serii se vor folosi datele lunare ale Institutului Național de Statistică, disponibile însă începând cu 2010 până în 2016, date însumate la nivel de trimestru, prezentate în anexa nr. 4.

Sezonalitatea seriei se observă din reprezentările sale grafice:

Fig. 3.2.4. Numărul de înnoptări trimestriale în perioada 2010-2016

Fig. 3.2.5. Evoluția sezonalității numărului de înnopări în perioada 2010-2016

Din graficele de mai sus se poate vedea că sezonul cu cele mai multe înnoptări este sezonul 3( respective lunile iulie, august și septembrie), în vreme ce primul sezon, reprezentat de lunile ianuarie, februarie și martie este cel mai slab din acest punct de vedere.

Pentru desezonalizarea seriei s-a folosit metodologia Census X12, din Eviwes. Seria ajutată sezonier, precum și cea ajustată după trend/ciclu, rezultate sunt prezentate în tabelul următor:

Tab 3.2.5. Seria ajutată sezonier și după trend/ciclu pentru “numărul de înnoptări trimestriale în perioada 2010-2016”

Reprezentarea grafică a celor trei serii (cea inițială și cea ajustată sezonier și cea ajustată după trend):

Fig. 3.2.6. Evoluția numărului de înnoptări și a seriilor ajustate sezonier și după trend

Graficul de mai sus relevă faptul că, atât seriile ajustate după trend cât și cea ajustată după sezonalitate, au o tendință constant crescătoare pe întreg parcursul perioadei studiate.

Pentru a previziona evoluția seriei, trimestrial, până în anul se utilizează următoarea funcție:

ls innopt c @trend @expand(@quarter, @dropfirst) ar(1) ar(2), rezultatele fiind:

Tab 3.2.6. Previzionarea numărului de înnopări, trimestrial

Fig. 3.2.7. Numărul previzionat de înnoptări pentru perioada 2017-2020

Graficul arată faptul că și în perioada supusă previzionării, respectiv 2017-2020, numărul înnoptărilor va crește, previvionându-se că se va ajunge la un număr de 11.189 înnoptări în trimestrul 3 al anului 2020 (sezonul de vârf), față de 10829 înnoptări în același trimestru al anului 2016.

Analiza legăturii dintre procesele și fenomenele economice

Acest subcapitol va studia legătura dintre diverșii indicatori statistici, așa cum sunt definiți ei de Institutul Național de Statistică.

Se dorește să se cunoască dacă între numărul de sosiri ale turiștilor în unitățile de primire turistică și numărul de structuri de primire turistică există o legătură.

Datele oferite de Institutul Național de Statistică sunt prezentate în anexa nr. 4

Corelograma de împăștiere a celor două serii de date, construită în SPSS, arată astfel:

Fig. 3.3.1. Corelograma de împrăștiere

După cum se poate observa valorile celor două serii prezintă un grad mare de împrăștiere, neputându-se concluziona că între cele două variabile există vreo legatură.

Dreapta de regresie: utilizând programul SPSS se obțin următoarele rezultate:

Se observă că valoarea coeficientului de determinare este de 0,4, iar valoarea coeficientului de corelație R2 este 0,16, ceea ce înseamnă că ecuația regresiei poate explica 16% din varianța variabilei dependente. Restul de 84% este neexplicat. Rezultă că între cele două variabile nu există nici o legătură

Din tabeul ANOVA se poate observa că valoarea de semnificație a statisticii F este de 4,757, este mai mare decât 0,05, ceea ce înseamncă că varianța pe care o explică modelul se datorează întâmplării.

Coeficientul de regresie nestandardizat număr structuri are o valoare de 584,57. Ecuația de regresie este:

Numărul prognozat al sosirilor = 584,57 * numărul structurilor de primire +4594182,68

Se dorește să se cunoască dacă între numărul de înnoptări în unitățile de primire turistică și capacitatea de cazare în funcțiune există o legătură.

Datele oferite de Institutul Național de Statistică sunt prezentate în anexa nr. 5.

Fig. 3.3.2. Corelograma de împrăștiere

Corelograma de împrăștiere de mai sus arată un grad mediu de împreăstiere a valoriilor celor două serii.

Se observă că valoarea coeficientului de determinare este de 0,724, iar valoarea coeficientului de corelație R2 este 0,524, ceea ce înseamnă că ecuația regresiei poate explica 52,4% din varianța variabilei dependente. Restul de 47,6% este neexplicat. Rezultă că între cele două variabile există o corelație rezonabilă.

Din tabelul ANOVA se poate observa că valoarea de semnificație a statisticii F este de 27,46, este mai mare decât 0,05, ceea ce înseamnă că varianța pe care o explică modelul se datorează întâmplării.

Coeficientul de regresie nestandardizat are o valoare de 219,18. Ecuația de regresie este:

Numărul prognozat al înnoptărilor = 219,18 * capacitatea de cazare – 43333667,81

Se dorește să se cunoască dacă între numărul de sosiri și și capacitatea de cazare în funcțiune există o legătură. Datele sunt prezentate în anexa nr. 6.

Fig. 3.3.3. Corelograma de împrăștiere

Corelograma relevă faptul că între valorile celor două variabile există o legatură rezonabilă, întrucât gradul de împrăștiere a acestora este unul mediu.

Se observă că valoarea coeficientului de determinare este de 0,841, iar valoarea coeficientului de corelație R2 este 0,708, ceea ce înseamnă că ecuația regresiei poate explica 70,8% din varianța variabilei dependente. Restul de 29,2% este neexplicat. Rezultă că între cele două variabile există o corelație rezonabilă.

Din tabelul ANOVA se poate observa că valoarea de semnificație a statisticii F este de 55,78, care este mai mare decât 0,05, ceea ce înseamnă că varianța pe care o explică modelul se datorează întâmplării.

Coeficientul de regresie nestandardizat capacitate de cazare are o valoare de 0,124. Ecuația de regresie este:

Numărul prognozat al numărului de sosiri = 0,124 * capacitatea de cazare – 748238,31

Se dorește să se cunoască dacă între numărul de înnoptări și numărul de structuri există o legătură.

Datele sunt prezentate în anexa nr. 6.

Fig. 3.3.4. Corelograma de împrăștiere

Corelograma ne ajută să vedem faptul că între valorile celor două serii nu există nici o legătura, valoriel înregistrate fiind foarte împrăștiate.

Se poate vedea că valoarea coeficientului de determinare este de 0,008, iar valoarea coeficientului de corelație R2 este 0, ceea ce înseamnă că ecuația regresiei poate explica 0% din varianța variabilei dependente. Rezultă că între cele două variabile nu există o corelație.

Din tabelul ANOVA se poate observa că valoarea de semnificație a statisticii F este de 0,001 care este mai mic decât 0,05, ceea ce înseamnă că varianța pe care o explică modelul nu se datorează întâmplării.

Coeficientul de regresie nestandardizat are o valoare de 0. Ecuația de regresie este:

Numărul de înnoptări = 0 * nr structuri +4195,55

Se dorește să se cunoască dacă între numărul de înnoptări și numărul de sosiri există o legătură. Datele statistice conform Institutului Național de Statistică sunt prezentate în anexa nr. 7

Fig. 3.3.5. Corelograma de împrăștiere

Graficul de mai sus arată faptul că între cel două variabile există o legătură de intensitate rezonabilă, întrucât valorile înregistrate prezintă un grad mediu de împrăstiere.

Se poate vedea că valoarea coeficientului de determinare este de 0,721, iar valoarea coeficientului de corelație R2 este 0,520 , ceea ce înseamnă că ecuația regresiei poate explica 52% din varianța variabilei dependente. Rezultă că între cele două variabile există o corelație rezonabilă.

Din tabelul ANOVA se poate observa că valoarea de semnificație a statisticii F este de 24,91 care este mai mare decât 0,05, ceea ce înseamnă că varianța pe care o explică modelul se datorează întâmplării.

Coeficientul de regresie nestandardizat are o valoare de 1,321. Ecuația de regresie este:

Numărul prognozat al numărului de înnoptări = 1,321*numărul de sosiri +11250616,77

Se dorește să se știe care este influența următorilor factori:

Numărul de structuri de primire turistică;

Numărul de innoptări în structuri de primire turistică;

Numărul de sosiri ale turiștilor in unitățile de primire;

Indicele de utilizare a capacității de cazare turistică

asupra capacității de cazare turistică în funcțiune. Datele inițiale sunt prezentate în anexa nr. 8.

Obținem matricea de corelații a variabilelor aplicând procedura corelației bivariate (Pearson):

Evaluăm semnificația criteriilor din matrice, utilizând metoda Bonferoni, care presupune împărțirea pragului minim de 0,05 la numărul de variabile din matrice, respectiv 5,obținând un nou prag de 0,01.

Analizăm coeficientul de corelație multiplă obținut cu ajutorul SPSS:

Valoarea sa, 0,997 ne indică o corelație mare între variabilele predictor simultan cu variabila criteriu. Valoarea lui R2 (0,994) ne arata ca 99,3% din variația capacității de cazare depinde de celelalte 4 variabile independente. "Adjusted R Square" este o corecție a lui R2 în funcție de numărul de predictori și numărul de subiecți. Aceasta deoarece cu cât acestea sunt mai mari cu atât coeficientul de determinare tinde sa fie mai mare. "Standard error of estimate" indică acuratețea modelului de predicție. Cu cât eroarea estimării este mai mică cu atât predicția este mai sigură.

Mai departe examinăm dacă variabilele predictor corelează semnificativ cu variabila criteriu:

Valoarea lui F este 903,92 iar nivelul de semnificatie, Sig.=0.000. Aceste valori ne permit să respingem ipoteza de nul și să acceptăm că cele patru variabile predictor influențează împreună variația variabilei criteriu.

Coeficienții individuali de regresie sunt:

Utilizând constanta (care ne dă punctul de origine al dreptei de regresie) și valorile coeficientilor B putem scrie ecuația de regresie liniară multiplă dintre variabilele predictor și variabila criteriu:

Capacitatea de cazare=67350635,74-1285,15*numărul structurilor de primire + 3328*numărul de înnoptări+0,625*numărul de sosiri-2134457,71*indicele de utilizare

Aceeași ecuație poate fi scrisă și utilizând coeficienții Beta (standardizați):

Capacitatea de cazare=-0,162*nr. structuri primire+0,902*număr înnoptări+0,092*număr sosiri turiști-1,275*indice de utilizare.

La rândul ei, semnificația coeficienților individuali de regresie trebuie analizată pentru a vedea dacă aceștia descriu cu adevărat o relație dintre variabilele predictor și variabila dependentă.

Ipoteza nulă este ca coeficienții de regresie aleși sunt egali cu 0, ipoteza alternativă fiind ca ei sunt diferiți de 0. Valorile lui t din tabelul 3.3.13 exprimă semnificația diferenței dintre coeficienții respectivi și 0. In cazul numărului de sosiri turiști se observă însă că valoarea lui Sig. este mai mare decât de 0.05 ceea ce ne permite concluzia că acesta nu este semnificativ diferit de 0. In acest caz putem concluziona că numărul de structuri primire, numărul de înnoptări și indicele de utilizare sunt predictori importanți pentru estimarea variabilei dependente.

In continuare efectuăm analiza relației globale, pentru toți coeficienții de regresie în ansamblu. Din tabelul 3.3.12 vedem că valoarea lui F (903,92) este semnificativă pentru un prag p =0,00, astfel că putem concluziona că există o asociere de tip liniar între predictori și criteriu.

Valorile estimate calculate de SPSS pe baza funcției de regresie sunt:

Tab. 3.3.19. Valori estimate

Calculăm corelația bivariată între capacitatea de cazare și estimarea ei (pre_1) și obținem r=0,986 pentru un nivel al semnificației Sig.=0,00, ceea ce este foarte aproape de coeficientul de corelație multiplă, ceea ce nu înseamnă o “validare” a predicției.

Sintetizând, putem spune că a fost identificată o relație de tip liniar între variabila criteriu și predictori (F= 903,92, p<0,001). Coeficientul de corelație multiplă a fost R=0,997. Aproximativ 99,7% din varianța capacității de cazare poate fi explicată prin contribuția simultană a celor patru variabile.

=== 0bba00e1d5644c254b56000f713e1cc4849de6d7_517444_1 ===

BIBLIOGRAFIE

I. Tratate, monografii, cursuri universitare si alte lucrari de specialitate

Andrei, T., Bourbonnais, R., Econometrie, Ed. Economica, Bucuresti, 2008

Anghelache, C., Anghel, M.G., Statistică. Teorie, concepte, indicatori și studii ce caz, Ed. Artifex, București, 2015

Begu, L., Tusa, E., Statistică teoretică și economică, Ed. ASE, 2004

Biji, E., Baron, T., Statistică teoretică și economică, Ed. Didactică și Pedagogică, 1991

Bran, F., Marin, D., Simon, T., Economia turismului și mediul înconjurător, Editura Economică, București, 1998

Clocotici V, Introducere în SPSS, Universitatea Al I. Cuza, Iași, https://profs.info.uaic.ro/~val/statistica/

Clocotici V, Statistică multivariată, Universitatea Al I. Cuza, Iași, https://profs.info.uaic.ro/~val/statistica/

Clocotici V, Glosar de statistică, Universitatea Al I. Cuza, Iași, https://profs.info.uaic.ro/~val/statistica/

Codirlașu, A., Econometrie aplicată utilizând EViews 5.1, Ed. ASE, 2007

Cristureanu C., Strategii și tranzacții în turismul internațional, Editura C.H.Beck, București, 2006

Cristureanu,C., Economia și politica turismului internațional, Editura Abeona, București, 1992.

Enders, W., Applied Econometric Time Series, 2nd Edition, Wiley, 2004

Francisc, A., Statistică și matematică pentru managementul afacerilor, Ed. Tehnică, 2004,

Gogu, E., Statistica in turism si comert. Teorie si studii de caz, Ed. Oscar Print, 2012

Gogonea, R.M., Statistica – bază teoretico-aplicativă pentru comerț – servicii – turism, Ed. Universitară, 2009

Goschin, Z., Vătui, M., Statistica, Ed. ASE, București, 2002

Isac, F. L., Rusu, S, Administrarea afacerilor în turism, Editura Mirton, Timișoara, 2009

Ispas, A., Onuț. E., Economia turismului. Fundamente teoretice și aplicații practice, Ed. Universității Transilvania Brașov, 2004

Jelev, V., Turism internațional, Editura Fundației România de Mâine, București, 2012

Jula, D., Econometrie, http: // www .postdoc. acad.ro /data /files /ECONOMETRIE _-_prof.Jula.pdf

Lagnoux, A., Series cronologiques, Universite de Toulouse Le Mirail, 2014

Minciu, R., Economia Turismului, Editura Uranus, București, 2000.

Neacșu, N., Baron, P., Snack. O., Economia turismului, ediția a 2-a, Editura ProUniversitaria, București, 2006

Nistorescu, P., Economia turismului – teorie și practică, www.biblioteca-digitală.ase.ro

Olaru, O.L., Turismul, fenomen economico-social specific epocii contemporane, Editura ProUniversitaria, București, 2011

Patrichi,I.C., Turismul internațional, Editura ProUniversitaria, București, 2013

Pârvu, A., Macroeconomie, Ed. Universitaria, Craiova, 2012

Petcu, N., Statistica în turism, Ed. Libris, 2005

Titan, E., Ghiță S., Trandas, C. Statistica economică, www.biblioteca-digitală.ase.ro

Turc, D., Weisz, J, Economia turismului, Ed. Eurostampa, Timișoara, 2008

Voineagu, V, Teorie și practică econometrică, Ed. Meteor Press, 2007

II. Articole si studii de specialitate

Algieri, B., International tourism specialization of small countries, International Journal of Tourism Research, 8, p. 1-12, 2006

Anghelache, C., Anghel, M.G., Bardașu, G., Popovici, M. (2014). Evoluția serviciilor turistice în România, ART ECO – Review of Economic Studies and Research, Vol. 5/No. 4, p. 176-191 5, 2014.

Anghelache, C., Anghel, M.G., Serviciile turistice în România, ART ECO – Review of Economic Studies and Research, Vol. 5/No. 2, pg. 90-95, 2014

Anghelache, C., Fetcu (Stoica), A.E., Anghel, M.G., Considerations Regarding the Evolution of Tourism in the Last Decade, Romanian Statistical Review Supplement, Trim II, pp. 265–270, 2012

Arezki, R., Cherif, R., Piotrowski, J., Tourism specialization and economic development: Evidence from the unesco world heritage list (No. 9-176). International Monetary Fund, 2009

Dimanche, F. (2005). Conceptual Framework for City Tourism Competiveness, WTO Forum, New Paradigms for City Tourism Management, Istanbul, Turkey, 1-3 June, 2005

Navickas, V., Malakauskaite, A., The Possibilities for the Identiﬁcation and Evaluation of Tourism Sector Competitiveness Factors, Engineering Economics, No 1 (61), pp. 37-44, 2009

Sequeira, T. N., Macas Nunes, P. Does tourism inﬂuence economic growth? A dynamic panel data approach, Applied Economics, 40(18), pp. 2431–2441, 2008

III. Surse Internet

http://www.eviews.com/Learning

http://www.insse.ro

http://mdrap.ro

http://www.revistadestatistica.ro

Home

http://www.statistica.md

=== 0bba00e1d5644c254b56000f713e1cc4849de6d7_517829_1 ===

Studiu empiric – analiza evoluției turismului în România, în perioada

1990 – 2016

Acest capitol va prezenta evoluția turismului, ca ramură a economiei naționale, în perioada 1990 – 2016 axându-se în principal pe analiza din punct de vedere statistic a capacității de cazare turistică și a numărului de înnoptări în unitățile de primire turistică, precum și pe analiza legăturii dintre diverșii indicator ice caracterizează această ramură economică.

Analiza capacității de cazare turistică în funcțiune

Acest subcapitol va analiza, din punct de vedere al distribuție, staționarității, autocorelării și trendului, capacitatea de cazare turistică în funcțiune în perioada 1990 -2016.

În analiza capacității de cazare turistică în funcțiune s-au folosit datele puse la dispoziție de către Institutul Național de Satistică, pentru perioada 1990 – 2016, prezentate în anexa nr. 1.

Analiza distribuției seriei de timp se realizează pe baza următorilor indicatori:

Media de selecție:

= 60924921 număr locuri-zile

Mediana: 56499904 număr locuri -zile;

Minimul este de 50197142 număr locuri -zile, înregistrat în anul 2000;

Maxima este de 83323220 număr locuri-zile, înregistrată în anul 2016;

Dispersia seriei de timp:

=10620436

Skewness, măsura asimetriei funcției de densitate de repartiție a seriei în jurul valorii sale medie, calulată după formula:

, ceea e însemnă că distribuția este înclinată spre stânga;

Kurtosis, o măsura amplitudinii funcției de densitate, a aplatizării acesteia în raport cu funcția de densitate a distribuției normale, calculată după formula:

, ceea ce înseamnă că distribuția este mai plată decât distribuția normală.

Jarque-Bera, calculată după formula:

Fig. 3.1.1. Analiza distribuției seriei de timp

Fig. 3.1.2. Reprezentarea grafică a seriei

Din analiza prealabilă a datelor se poate vedea că acest indicator a avut o evoluție oscilantă, înregistrând un minim absolut în anii 2000, pentru ca după aceea să aibe un trend relativ crescător, parabola de gradul II ajustând cel mai bine seria.

b. Verificarea staționarității sau nestaționarității seriei de timp

Verificarea staționarității este necesară pentru a evidenția dacă un șoc asupra sa este temporar sau are o influență permanentă, permitându-ne astfel să facem inferențe referitoare la comportamentul observat din trecut în viitor. [Codarlașu A., Econometrie aplicată utilizând Eviews 5.1, p.6-7].

Testarea staționarității am realizat-o pe baza următoarelor teste statistice: