Page 89 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 89
Empirična analiza kvantitativne raziskave 89
V začetni fazi regresijske analize se bodo najverjetneje pokazali neka-
teri znaki neprave regresije, za katere so značilni visoki R2, visoka F stati-
stika in visoke -statistike, saj imamo časovno vrsto z mesečnimi podatki
(Gričar in Bojnec 2010a). Da bi ovrgli sum na »nepravo« regresijo (Mlade-
nović 2004), smo proučevali Durbin-Watsonovo (D-W) statistiko oziroma
analizirali ostanke te regresije (avtokorelacija ostankov). Veliko število eko-
nomskih spremenljivk odraža težnjo razvoja v času, ki je lahko pozitivna ali
negativna. Tako zaporedne vrednosti teh spremenljivk odražajo določeno
stopnjo avtokorelacije, zato smo na mesečnih časovnih serijah testirali av-
tokorelacijo in avtoregresijo. Kot napovedujemo, smo pri končnem empi-
ričnem proučevanju zaključno uporabili kointegracijsko analizo z mode-
lom VEC (Bojnec in Günter 2005; Juselius 2006; Johansen 1996; Johansen
2012; Gričar in Bojnec 2013) kot najnovejši pristop v proučevanju časov-
nih vrst.
V zvezi s proučevanjem odvisnosti za numerične znake, pa naj gre za re-
gresijsko ali za korelacijsko analizo, je za izračunavanje ustreznih kazalcev
odvisnosti pomembno, ali je zveza med opazovanima pojavoma linearna.
Postopek je enostavnejši za linearno odvisnost že zaradi tega, ker je v na-
sprotnem primeru treba določiti tudi ustrezno obliko odvisnosti (Košmelj
1987). Z razsevnimi grafikoni ocenjujemo korelacijsko odvisnost, linearno
ali nelinearno odvisnost ter visoko ali nizko odvisnost. Odvisnost neodvi-
snih spremenljivk od ICGS je pozitivna (ICGS se veča, ko se v povprečju
večajo neodvisne spremenljivke). Kot ugotavljamo, obstaja med spremen-
ljivkami povezanost, zato se odločimo za nadaljevanje naše raziskave z mul-
tiplo regresijsko analizo. Postopki izračunavanja kazalcev povezanosti so
enostavnejši pri bivariatni kot pri multipli povezanosti. S pomočjo regresij-
ske analize testiramo vse štiri zastavljene hipoteze, s katerimi ugotavljamo
povezanost neodvisnih spremenljivk z odvisno spremenljivko.
Predmet naše regresijske analize je povezanost odvisne spremenljivke
ICGS od neodvisnih spremenljivk ICŽP, ICŽPEA, ICGSEA, IAC, IBPG,
prihodi turistov, ICIPP, ICS, ICN, NEDT, IDDV, ICTG, D1 in D2 kot
slamnate spremenljivke. V izračun je bilo vključenih 129 mesečnih vred-
nosti za posamezno spremenljivko. Spremenljivke so bile preračunane na
indeks s stalno osnovo v januarju 2000 (januar 2000 = 100). Vrednosti
spremenljivk v celoti prikazujemo v prilogi 1. Poleg omenjenih spremen-
ljivk smo v multipli regresijski analizi uporabili tudi novi sintetični spre-
menljivki – komponenti, pridobljeni iz metode glavnih komponent.
Glede na teoretične osnove pričakujemo pozitivno, močno in line-
arno povezanost ICGS z neodvisnimi spremenljivkami ICŽP, ICŽPEA,
ICGSEA, IDDV, D1, turisti, IAC, ICN, ICIPP, ICS in IBPG. Negativ-
V začetni fazi regresijske analize se bodo najverjetneje pokazali neka-
teri znaki neprave regresije, za katere so značilni visoki R2, visoka F stati-
stika in visoke -statistike, saj imamo časovno vrsto z mesečnimi podatki
(Gričar in Bojnec 2010a). Da bi ovrgli sum na »nepravo« regresijo (Mlade-
nović 2004), smo proučevali Durbin-Watsonovo (D-W) statistiko oziroma
analizirali ostanke te regresije (avtokorelacija ostankov). Veliko število eko-
nomskih spremenljivk odraža težnjo razvoja v času, ki je lahko pozitivna ali
negativna. Tako zaporedne vrednosti teh spremenljivk odražajo določeno
stopnjo avtokorelacije, zato smo na mesečnih časovnih serijah testirali av-
tokorelacijo in avtoregresijo. Kot napovedujemo, smo pri končnem empi-
ričnem proučevanju zaključno uporabili kointegracijsko analizo z mode-
lom VEC (Bojnec in Günter 2005; Juselius 2006; Johansen 1996; Johansen
2012; Gričar in Bojnec 2013) kot najnovejši pristop v proučevanju časov-
nih vrst.
V zvezi s proučevanjem odvisnosti za numerične znake, pa naj gre za re-
gresijsko ali za korelacijsko analizo, je za izračunavanje ustreznih kazalcev
odvisnosti pomembno, ali je zveza med opazovanima pojavoma linearna.
Postopek je enostavnejši za linearno odvisnost že zaradi tega, ker je v na-
sprotnem primeru treba določiti tudi ustrezno obliko odvisnosti (Košmelj
1987). Z razsevnimi grafikoni ocenjujemo korelacijsko odvisnost, linearno
ali nelinearno odvisnost ter visoko ali nizko odvisnost. Odvisnost neodvi-
snih spremenljivk od ICGS je pozitivna (ICGS se veča, ko se v povprečju
večajo neodvisne spremenljivke). Kot ugotavljamo, obstaja med spremen-
ljivkami povezanost, zato se odločimo za nadaljevanje naše raziskave z mul-
tiplo regresijsko analizo. Postopki izračunavanja kazalcev povezanosti so
enostavnejši pri bivariatni kot pri multipli povezanosti. S pomočjo regresij-
ske analize testiramo vse štiri zastavljene hipoteze, s katerimi ugotavljamo
povezanost neodvisnih spremenljivk z odvisno spremenljivko.
Predmet naše regresijske analize je povezanost odvisne spremenljivke
ICGS od neodvisnih spremenljivk ICŽP, ICŽPEA, ICGSEA, IAC, IBPG,
prihodi turistov, ICIPP, ICS, ICN, NEDT, IDDV, ICTG, D1 in D2 kot
slamnate spremenljivke. V izračun je bilo vključenih 129 mesečnih vred-
nosti za posamezno spremenljivko. Spremenljivke so bile preračunane na
indeks s stalno osnovo v januarju 2000 (januar 2000 = 100). Vrednosti
spremenljivk v celoti prikazujemo v prilogi 1. Poleg omenjenih spremen-
ljivk smo v multipli regresijski analizi uporabili tudi novi sintetični spre-
menljivki – komponenti, pridobljeni iz metode glavnih komponent.
Glede na teoretične osnove pričakujemo pozitivno, močno in line-
arno povezanost ICGS z neodvisnimi spremenljivkami ICŽP, ICŽPEA,
ICGSEA, IDDV, D1, turisti, IAC, ICN, ICIPP, ICS in IBPG. Negativ-
