Page 164 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 164
Aplikacija metodologije časovnih serij na primeru turističnih cen
malo manjša od četrtine. Koeficienti imajo visoko statistično značilnost v
vseh štirih enačbah, torej njihove vrednosti pokažejo hitrejši proces prila-
gajanja k dolgoročnemu ravnovesju: četrtina prehodnega obdobja za ICGS
je 2,2 meseca (Faneli in Paruolo 2010).
Napovedna moč modela, postavljenega s hipotezo 2, je 9 % celotne va-
riance modela z eno kointegracijsko povezavo. Ker je ena kointegracijska
povezava, so v modelu VEC normalizirani zgolj kointegracijski koeficienti
na ICGS, kjer je razviden vpliv vseh spremenljivk na cene v gostinstvu. Iz-
postavili bi predvsem dolgoročno povezanost s spremenljivkama ICGS in
turisti. Pri povezanosti prihodov turistov opažamo negativno ocenjen ko-
eficient (-0,027) na drugem mesečnem odlogu, ki je statistično značilen.
Zaključimo lahko, da se višje povpraševanje statistično značilno hitro pre-
nese v cene v gostinstvu. Prilagajanje večjega povpraševanja na cene v go-
164 stinstvu je v intervalu dveh mesecev. Vse spremenljivke so izrazito sezon-
skega značaja. Najvišja statistično značilna sezonskost je v mesecih junij,
julij, avgust in september.
Napovedna moč modela, postavljenega s hipotezo 3, je 8 % celotne va-
riance modela s prvo kointegracijsko povezavo. Druga kointegracijska po-
vezava ima višjo napovedno moč in je polovica celotne variance modela.
Ker sta dve kointegracijski povezavi, so v modelu VEC normalizirani
kointegracijski koeficienti na ICGS in IBPG. Koeficienti prilagajanja so za
prvi kointegracijski rang za spremenljivke IBPG, IAC, ICIPP in ICS sta-
tistično značilni. Vrednost -statistike je po absoultni vrednosti višja od
1,96. Koeficient prilagajanja za časovno vrsto ICGS je pozitiven in je 1,0 %
na mesec, kar je pričakovano, a je statistično neznačilen. Statistično nezna-
čilna sta tudi ICN in ICTG. Našo ugotovitev lahko primerjamo z ugotovi-
tvijo avtorjev Irz, Niemi in Xing (2011) ter Šugar in Tikvicki (2011). Ti av-
torji pravijo, da pogonska goriva nimajo pomembne vloge pri oblikovanju
cen v gostinstvu. Medtem je koeficient prilagajanja IBPG 45,6 %, ki je po-
zitiven in statistično značilen. Ugotovitev lahko primerjamo z ugotovitvi-
jo Šuligoja (2006), da v gostinstvu ne moremo avtomatizirati poslovanja in
je za delo v večji meri še vedno potreben človek. Statistično značilen in po-
zitiven je tudi koeficient prilagajanja ICIPP, in sicer v višini 2,8 % na me-
sec, ter ICS v višini 7,0 % na mesec. Vsa prilagajanja so narejena z normali-
zacijo ICGS časovne vrste. Z dvomesečnim odlogom so cene v gostinstvu
statistično značilne. Konstanta nam prikaže dolgoročni ICGS, ki je 365,17.
Iz koeficientov prilagajanja in konstante opazimo, da zunanje spremenljiv-
ke vplivajo na nestanovitnost rezultatov. Da je treba pred postavitvijo mode-
la VAR preveriti šibko zunanjost spremenljivk, govori tudi empirična ana-
liza avtorjev Bonham, Gangnes in Zhou (2009) ter Jacobs in Wallis (2010).
malo manjša od četrtine. Koeficienti imajo visoko statistično značilnost v
vseh štirih enačbah, torej njihove vrednosti pokažejo hitrejši proces prila-
gajanja k dolgoročnemu ravnovesju: četrtina prehodnega obdobja za ICGS
je 2,2 meseca (Faneli in Paruolo 2010).
Napovedna moč modela, postavljenega s hipotezo 2, je 9 % celotne va-
riance modela z eno kointegracijsko povezavo. Ker je ena kointegracijska
povezava, so v modelu VEC normalizirani zgolj kointegracijski koeficienti
na ICGS, kjer je razviden vpliv vseh spremenljivk na cene v gostinstvu. Iz-
postavili bi predvsem dolgoročno povezanost s spremenljivkama ICGS in
turisti. Pri povezanosti prihodov turistov opažamo negativno ocenjen ko-
eficient (-0,027) na drugem mesečnem odlogu, ki je statistično značilen.
Zaključimo lahko, da se višje povpraševanje statistično značilno hitro pre-
nese v cene v gostinstvu. Prilagajanje večjega povpraševanja na cene v go-
164 stinstvu je v intervalu dveh mesecev. Vse spremenljivke so izrazito sezon-
skega značaja. Najvišja statistično značilna sezonskost je v mesecih junij,
julij, avgust in september.
Napovedna moč modela, postavljenega s hipotezo 3, je 8 % celotne va-
riance modela s prvo kointegracijsko povezavo. Druga kointegracijska po-
vezava ima višjo napovedno moč in je polovica celotne variance modela.
Ker sta dve kointegracijski povezavi, so v modelu VEC normalizirani
kointegracijski koeficienti na ICGS in IBPG. Koeficienti prilagajanja so za
prvi kointegracijski rang za spremenljivke IBPG, IAC, ICIPP in ICS sta-
tistično značilni. Vrednost -statistike je po absoultni vrednosti višja od
1,96. Koeficient prilagajanja za časovno vrsto ICGS je pozitiven in je 1,0 %
na mesec, kar je pričakovano, a je statistično neznačilen. Statistično nezna-
čilna sta tudi ICN in ICTG. Našo ugotovitev lahko primerjamo z ugotovi-
tvijo avtorjev Irz, Niemi in Xing (2011) ter Šugar in Tikvicki (2011). Ti av-
torji pravijo, da pogonska goriva nimajo pomembne vloge pri oblikovanju
cen v gostinstvu. Medtem je koeficient prilagajanja IBPG 45,6 %, ki je po-
zitiven in statistično značilen. Ugotovitev lahko primerjamo z ugotovitvi-
jo Šuligoja (2006), da v gostinstvu ne moremo avtomatizirati poslovanja in
je za delo v večji meri še vedno potreben človek. Statistično značilen in po-
zitiven je tudi koeficient prilagajanja ICIPP, in sicer v višini 2,8 % na me-
sec, ter ICS v višini 7,0 % na mesec. Vsa prilagajanja so narejena z normali-
zacijo ICGS časovne vrste. Z dvomesečnim odlogom so cene v gostinstvu
statistično značilne. Konstanta nam prikaže dolgoročni ICGS, ki je 365,17.
Iz koeficientov prilagajanja in konstante opazimo, da zunanje spremenljiv-
ke vplivajo na nestanovitnost rezultatov. Da je treba pred postavitvijo mode-
la VAR preveriti šibko zunanjost spremenljivk, govori tudi empirična ana-
liza avtorjev Bonham, Gangnes in Zhou (2009) ter Jacobs in Wallis (2010).
