Page 169 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 169
Robustnost modelov postavljenih s hipotezami 169
glavnih komponent, s kointegracijsko analizo in z modelom VEC. V na-
daljevanju podajamo primerjalne ugotovitve vseh v raziskavi uporabljenih
metodoloških pristopov.
Za opredelitev vpliva neodvisnih spremenljivk na cene v turizmu v času
smo uporabili model VAR in model VEC. Vpliva sezone nismo izločili z
desezoniranjem ARIMA X11 metode. Prav tako spremenljivk nismo lo-
garitmirali. Z grafičnim prikazom spremenljivk smo ugotovili, da več spre-
menljivk kaže strukturni lom v linearnem trendu junija 2008. Struktur-
na lom se z uporabo Chow testa ni pokazal kot statistično značilen. S tako
postavljenim omejenim modelom VEC smo prišli do nekaterih podobnih
ugotovitev kot predhodno s ponovljeno metodo glavnih komponent in s
končno regresijsko analizo. V ponovljeno metodo glavnih komponent in
končno multiplo regresijsko analizo smo vključili stacionarne spremenljiv-
ke. S kointegracijsko analizo in z omejenim VEC modelom smo zaključi-
li, da je kratkoročnost vpliva zakasnelih notranjih spremenljivk na cene v
gostinstvu negativna za spremenljivke IAC, ICTG in turisti. Izrazito pozi-
tivna je notranja spremenljivka ICŽP. Medtem pa so pogojne spremenljiv-
ke D1, D2, ICŽPEA, ICS in NEDT statistično značilno in pozitivno po-
vezane s cenami v gostinstvu.
Z multiplo regresijsko analizo smo ugotovili statistično značilno po-
vezanost med spremenljivkami: prvič – pozitivno povezanost neodvisne
spremenljivke ICŽP z odvisno spremenljivko ICGS, drugič – negativ-
no povezanost neodvisne spremenljivke ICTG z odvisno spremenljivko
ICGS, tretjič – pozitivno povezanost neodvisne spremenljivke ICGSEA
in odvisne spremenljivke ICGS in četrtič – negativno povezanost slamna-
te spremenljivke D2 z odvisno spremenljivko ICGS. Ta multipla regresijska
analiza je edina, ki je statistično značilna in je njena D-W-statistika 2,130.
Prav tako ne ugotovimo prisotnosti neprave regresije (Granger, Namwon
in Yongil 2004), saj je njena izračunana vrednost F-statistike 66,759. Ker
v regresijskem modelu ni mogoče analizirati vseh spremenljivk hkrati, saj
nam tak nabor neodvisnih spremenljivk časovne serije povzroči nepravo re-
gresijo, robustnost regresijskega modela ni zagotovljena (preglednica 39).
S ponovljeno metodo glavnih komponent smo prišli do podobnega
sklepa kot s kointegracijsko analizo in omejenim modelom VEC v pos-
tavljenih komponentah. Komponente smo poimenovali kot: prvo kom-
ponento povpraševanje po gostinskih storitvah z visokimi utežmi na spre-
menljivkah K2 in turisti, drugo skupni trend in šok domačega in tujega
makroekonomskega okolja z največjimi utežmi na spremenljivkah ICŽP,
ICN, ICTG in K1, tretjo cenovna pričakovanja z visoko negativno utežjo
na NEDT in pozitivno utežjo na IBPG in zadnjo, četrto komponento ag-
glavnih komponent, s kointegracijsko analizo in z modelom VEC. V na-
daljevanju podajamo primerjalne ugotovitve vseh v raziskavi uporabljenih
metodoloških pristopov.
Za opredelitev vpliva neodvisnih spremenljivk na cene v turizmu v času
smo uporabili model VAR in model VEC. Vpliva sezone nismo izločili z
desezoniranjem ARIMA X11 metode. Prav tako spremenljivk nismo lo-
garitmirali. Z grafičnim prikazom spremenljivk smo ugotovili, da več spre-
menljivk kaže strukturni lom v linearnem trendu junija 2008. Struktur-
na lom se z uporabo Chow testa ni pokazal kot statistično značilen. S tako
postavljenim omejenim modelom VEC smo prišli do nekaterih podobnih
ugotovitev kot predhodno s ponovljeno metodo glavnih komponent in s
končno regresijsko analizo. V ponovljeno metodo glavnih komponent in
končno multiplo regresijsko analizo smo vključili stacionarne spremenljiv-
ke. S kointegracijsko analizo in z omejenim VEC modelom smo zaključi-
li, da je kratkoročnost vpliva zakasnelih notranjih spremenljivk na cene v
gostinstvu negativna za spremenljivke IAC, ICTG in turisti. Izrazito pozi-
tivna je notranja spremenljivka ICŽP. Medtem pa so pogojne spremenljiv-
ke D1, D2, ICŽPEA, ICS in NEDT statistično značilno in pozitivno po-
vezane s cenami v gostinstvu.
Z multiplo regresijsko analizo smo ugotovili statistično značilno po-
vezanost med spremenljivkami: prvič – pozitivno povezanost neodvisne
spremenljivke ICŽP z odvisno spremenljivko ICGS, drugič – negativ-
no povezanost neodvisne spremenljivke ICTG z odvisno spremenljivko
ICGS, tretjič – pozitivno povezanost neodvisne spremenljivke ICGSEA
in odvisne spremenljivke ICGS in četrtič – negativno povezanost slamna-
te spremenljivke D2 z odvisno spremenljivko ICGS. Ta multipla regresijska
analiza je edina, ki je statistično značilna in je njena D-W-statistika 2,130.
Prav tako ne ugotovimo prisotnosti neprave regresije (Granger, Namwon
in Yongil 2004), saj je njena izračunana vrednost F-statistike 66,759. Ker
v regresijskem modelu ni mogoče analizirati vseh spremenljivk hkrati, saj
nam tak nabor neodvisnih spremenljivk časovne serije povzroči nepravo re-
gresijo, robustnost regresijskega modela ni zagotovljena (preglednica 39).
S ponovljeno metodo glavnih komponent smo prišli do podobnega
sklepa kot s kointegracijsko analizo in omejenim modelom VEC v pos-
tavljenih komponentah. Komponente smo poimenovali kot: prvo kom-
ponento povpraševanje po gostinskih storitvah z visokimi utežmi na spre-
menljivkah K2 in turisti, drugo skupni trend in šok domačega in tujega
makroekonomskega okolja z največjimi utežmi na spremenljivkah ICŽP,
ICN, ICTG in K1, tretjo cenovna pričakovanja z visoko negativno utežjo
na NEDT in pozitivno utežjo na IBPG in zadnjo, četrto komponento ag-
