Page 40 - Nemec Rudež, Helena, 2016. Analiza turističnega povpraševanja izbranih izvornih trgov Slovenije. Koper: Založba Univerze na Primorskem
P. 40
Analiza turističnega povpraševanja izbranih izvornih trgov Slovenije
vrstah ekstrapoliramo1 pretekle podatke za nekaj časa vnaprej. Predpostav-
lja se, da je preteklo gibanje spremenljivke ključno za napovedovanje njenih
prihodnih vrednosti (Frechtling 2001, 20).
Običajno so podatki spremenljivke pri časovni vrsti izmerjeni v enakih
časovnih intervalih. Časovne vrste lahko razgradimo na (Wilton in Wir-
janto 1998, 14; Frechtling 2001, 69; Dwyer et al. 2010, 99):
a) dolgoročni (osnovni) trend, ki odraža osnovno smer gibanja poja-
va (spremenljivke), kot je npr. 25- ali 30-letno gibanje prihodov tu-
ristov, in ni odvisen od cikličnih ali sezonskih vplivov, zato pravi-
mo, da je najpomembnejša sestavina časovne vrste,
b) ciklične spremembe, ki so običajno povezane s poslovnimi cikli in
trajajo dlje kot leto,
c) sezonsko gibanje pojava, ki se nanaša na ponavljajoče se spremem-
40 be zaradi sezonskih pojavov,
d) nesistematične vplive, ki so posledica posebnih dogodkov.
Upoštevanje sezonskih in cikličnih vplivov lahko močno izboljša na-
povedovanje, še posebno kratkoročno (Dwyer et al. 2010, 130).
Kadar se časovni trend nanaša na vrednost opazovane spremenljivke,
izražene v denarnih enotah, lahko opazujemo posamezne vrednosti zadev-
ne spremenljivke (npr. BDP, prilive od turizma) v tekočih cenah ali v stal-
nih cenah. Slednje izračunamo z deflacioniranjem nominalnih podatkov
oz. izločanjem stopnje inflacije iz časovne vrste.
Osnovni trend se lahko računa v različnih funkcijskih oblikah, kot so
linearna, potenčna in druge. Pri tem se potrebuje samo spremenljivko, ki je
funkcija časa. Da je turistično povpraševanja (D) funkcija časa (T), zapiše-
mo v linearni obliki:
D=a +b*T
pri čemer:
- je D vrednost turističnega povpraševanja,
- T pomeni čas,
- a pove vrednost trenda v izhodiščni časovni enoti,
- je b smerni koeficient linearnega trenda, ki pove spremembo vred-
nosti linearnega trenda v vsaki časovni enoti.
1 Ekstrapolirati – prenesti vrednost podatkov, spoznanj iz znanega dela česa v neznani del (SSJK 2002,
194).
vrstah ekstrapoliramo1 pretekle podatke za nekaj časa vnaprej. Predpostav-
lja se, da je preteklo gibanje spremenljivke ključno za napovedovanje njenih
prihodnih vrednosti (Frechtling 2001, 20).
Običajno so podatki spremenljivke pri časovni vrsti izmerjeni v enakih
časovnih intervalih. Časovne vrste lahko razgradimo na (Wilton in Wir-
janto 1998, 14; Frechtling 2001, 69; Dwyer et al. 2010, 99):
a) dolgoročni (osnovni) trend, ki odraža osnovno smer gibanja poja-
va (spremenljivke), kot je npr. 25- ali 30-letno gibanje prihodov tu-
ristov, in ni odvisen od cikličnih ali sezonskih vplivov, zato pravi-
mo, da je najpomembnejša sestavina časovne vrste,
b) ciklične spremembe, ki so običajno povezane s poslovnimi cikli in
trajajo dlje kot leto,
c) sezonsko gibanje pojava, ki se nanaša na ponavljajoče se spremem-
40 be zaradi sezonskih pojavov,
d) nesistematične vplive, ki so posledica posebnih dogodkov.
Upoštevanje sezonskih in cikličnih vplivov lahko močno izboljša na-
povedovanje, še posebno kratkoročno (Dwyer et al. 2010, 130).
Kadar se časovni trend nanaša na vrednost opazovane spremenljivke,
izražene v denarnih enotah, lahko opazujemo posamezne vrednosti zadev-
ne spremenljivke (npr. BDP, prilive od turizma) v tekočih cenah ali v stal-
nih cenah. Slednje izračunamo z deflacioniranjem nominalnih podatkov
oz. izločanjem stopnje inflacije iz časovne vrste.
Osnovni trend se lahko računa v različnih funkcijskih oblikah, kot so
linearna, potenčna in druge. Pri tem se potrebuje samo spremenljivko, ki je
funkcija časa. Da je turistično povpraševanja (D) funkcija časa (T), zapiše-
mo v linearni obliki:
D=a +b*T
pri čemer:
- je D vrednost turističnega povpraševanja,
- T pomeni čas,
- a pove vrednost trenda v izhodiščni časovni enoti,
- je b smerni koeficient linearnega trenda, ki pove spremembo vred-
nosti linearnega trenda v vsaki časovni enoti.
1 Ekstrapolirati – prenesti vrednost podatkov, spoznanj iz znanega dela česa v neznani del (SSJK 2002,
194).
