empirijska analiza Čimbenika turisti Čke potraŽnje iz …oliver.efri.hr/zavrsni/168.b.pdf ·...
TRANSCRIPT
SVEUČILIŠTE U RIJECI
EKONOMSKI FAKULTET
DIVNA PEDIĆ
EMPIRIJSKA ANALIZA ČIMBENIKA TURISTIČKE POTRAŽNJE
IZ DRŽAVA S NAJVEĆIM BROJEM TURISTA
U REPUBLICI HRVATSKOJ
DIPLOMSKI RAD
Rijeka, 2013.
SVEUČILIŠTE U RIJECI
EKONOMSKI FAKULTET
EMPIRIJSKA ANALIZA ČIMBENIKA TURISTIČKE POTRAŽNJE
IZ DRŽAVA S NAJVEĆIM BROJEM TURISTA
U REPUBLICI HRVATSKOJ
DIPLOMSKI RAD
Predmet: Statističke metode za poslovno odlučivanje
Voditelj: doc. dr. sc. Ana Štambuk
Student: Divna Pedić
Smjer: Poduzetništvo
Matični broj: 0081098969
Rijeka, srpanj 2013. godine
SADRŽAJ
1. UVOD 1
1.1. Predmet istraživanja 1
1.2. Svrha istraživanja 2
1.3. Znanstvene metode 2
1.4. Struktura rada 2
2. TURIZAM KAO SLOŽENA DRUŠTVENO EKONOMSKA POJAVA 3
2.1. Dosadašnja istraživanja 4
2.2. Turističke potrebe 6
2.3. Turizam u Republici Hrvatskoj 7
2.3.1. Do I svjetskog rata 8
2.3.2. Između dvaju svjetskih ratova 8
2.3.3. Od II svjetskog rata do danas 9
2.4. Budućnost hrvatskog turizma 11
3. TURISTIČKA POTRAŽNJA 11
3.1. Definicija turističke potražnje 13
3.2. Čimbenici turističke potražnje 14
3.3. Pretpostavke formiranja turističke potražnje 15
3.3.1. Krippendorfov model 15
3.3.2. Cicvarićev model 17
3.3.3. Model Witt i Witt 19
4. PRIKUPLJANJE PODATAKA ZA REGRESIJSKU ANALIZU 20
4.1. Izbor država 22
4.1.1. Gospodarska kretanja u izabranim državama 24
4.2. Regresijska analiza 27
4.3. Testiranje pretpostavki 28
4.3.1. T-test 29
4.3.2. F-test 29
4.3.3. Multikolinearnost 30
4.3.4. Heteroskedastičnost i homoskedastičnost 31
4.3.5. Autkorelacija 33
4.3.6. Testiranje pravilnosti specifikacije modela 36
4.3.7. Testiranje stabilnosti 37
4.3.8. Testiranje normalnosti grešaka 38
5. MODELIRANJE TURISTIČKE POTRAŽNJE REPUBLIKE HRVATSKE 38
5.1. Turistička potražnja austrijskih turista u Hrvatskoj 39
5.2. Turistička potražnja čeških turista u Hrvatskoj 43
5.3. Turistička potražnja talijanskih turista u Hrvatskoj 46
5.4. Turistička potražnja njemačkih turista u Hrvatskoj 49
5.5. Turistička potražnja slovenskih turista u Hrvatskoj 53
5.6. Usporedba turističke potražnje stranih turista 56
6. ZAKLJUČAK 58
LITERATURA 61
POPIS TABLICA, GRAFIKONA, SLIKA I DIJAGRAMA 64
1
1. UVOD
Turizam je skup odnosa i pojava koje proizlaze iz putovanja i boravka posjetitelja neke
destinacije, ako se tim boravkom ne zasniva stalno prebivalište i ako s takvim boravkom
nije povezana nikakva gospodarska djelatnost, odnosno zarada, te da posjetitelj provede
najmanje jednu noć u objektu za smještaj gostiju radi rekreacije, putovanja, zdravlja,
odmora, sporta, lova, religije, studija, obitelji, poslova, javnih misija i skupova.
Posjetitelj, odnosno turist je dobrovoljni, privremeni putnik koji putuje u očekivanju
zadovoljstva koja mu mogu pružiti novosti i promjene doživljene na tom putovanju.
Turist je prije svega putnik koji je dobrovoljno odlučio napustiti svoje mjesto stalnog
prebivanja. U novije vrijeme sve češći motiv dolaska turista u pojedine destinacije osim
odmora, zabave i novih doživljaja je očuvana priroda, zdrav način života i zdrava
prehrana.
Turistička kretanja se dijele na vrste turizma koje su definirane određenim kriterijem
npr. prema trajanju boravka turista (boravišni, vikend i izletnički turizam) i specifične
oblike turizma koji su obilježeni specifičnim turističkim motivom koji posjetitelje
privlači u točno određene destinacije: lovni, nautički, pustolovni, kulturni turizam…
Specifični oblici turizma orijentirani su na manje segmente turističke potražnje, a nastali
su kao suprotnost masovnom turizmu.
1.1. PREDMET ISTRAŽIVANJA
Predmet istraživanja ovog rada je istražiti koji su to čimbenici koji utječu na potražnju
stranih turista u tomu da svoje putovanje, tj. odmor provedu u određenoj destinaciji,
odnosno u Republici Hrvatskoj.
2
1.2. SVRHA ISTRAŽIVANJA
Svrha ovog istraživačkog rada je uz primjenu različitih znanstvenih metoda proučiti koji
su to presudni čimbenici koji utječu na turističku potražnju turista u Republici
Hrvatskoj.
1.3. ZNANSTVENE METODE
U pisanju ovog istraživačkog rada korištene su slijedeće znanstvene metode: indukcije,
dedukcije, analize, sinteze, deskripcije, kompilacije, dokazivanja, statističke metode,
matematičke i povijesne metode.
1.4. STRUKTURA RADA
Ovaj rad se sastoji od šest međusobno povezanih dijelova. U prvom dijelu – Uvodu dan
je kratak opis cijelog rada: opis predmeta istraživanja, svrhe istraživanja i znanstvenih
metoda koje su korištene.
U drugom dijelu pod naslovom "Turizam kao složena društveno – ekonomska" pojava
teorijski je objašnjen pojam turizma, turističkih potreba i povijesnog razvoja turizma u
Republici Hrvatskoj.
U trećem dijelu teoretski su obrađeni modeli turističke potražnje i čimbenika koji na nju
utječu.
U četvrtom dijelu prikazani su statistički podaci potrebni za regresijsku analizu i
teorijski je obrađeno testiranje parametara, koje će se koristiti u petom poglavlju u
kojem se nalazi analiza i interpretacija dobivenih rezultata za pojedinu zemlju.
U posljednjem poglavlju – Zaključku nalazi se sinteza ovog rada.
3
2. TURIZAM KAO SLOŽENA DRUŠTVENO EKONOMSKA
POJAVA
Kad je riječ o definiranju pojma turizma, onda je bitno naglasiti da nema njegove
jedinstvene, univerzalne definicije. Različiti znanstveni pristupi ovom fenomenu
dovoljan su argument o različitim kutovima njegovog promatranja, tj. definiranja
pojma.
DEFINICIJA TURISTA PO ERIKU COHENU
Turist je dobrovoljni, privremeni putnik, koji putuje bez radne svrhe u očekivanju
zadovoljstva koja mu mogu pružiti novosti i promjene doživljene na relativno dugom i
neučestalom kružnom putovanju.
Cohen definira turista kao putnika koji ne odlazi često na put ali ostaje relativno dugo
izvan svog mjesta stalnog boravka. Taj oblik putovanja naziva kružnim, jer čovjek
svako putovanje završava na polazištu, tj. vraća se u mjesto svog stalnog boravka
(Štifanić, 2001).
DEFINICIJA TURISTA – DRŽAVNI ZAVOD ZA STATISTIKU
Turist je svaka osoba koja u mjestu izvan svog prebivališta provede najmanje jednu noć
u ugostiteljskom ili drugom objektu za smještaj gostiju, radi odmora ili rekreacije,
zdravlja, studija, sporta, religije, obitelji, poslova, javnih misija i skupova.
Statistika evidentira broj dolazaka turista, ali ne i broj turista. Turist je registriran u
svakom mjestu ili objektu gdje boravi i zbog toga, u slučaju promjene mjesta ili objekta,
dolazi do njegovog ponovnog iskazivanja, a time i dvostrukosti u podacima (www.dzs).
DEFINICIJA TURIZMA PO AIEST-u1
AIEST je prihvatio definiciju turizma po W. Kurzikeru i K. Kraftu po kojoj je turizam
skup odnosa i pojava nastalih prilikom putovanja i boravka posjetitelja u nekom mjesta,
ako se tim boravkom ne zasniva stalno prebivalište i ako s takvim boravkom nije
povezana nikakva njihova gospodarska djelatnost, odnosno zarada (www.aiest.org).
1 AIEST – Međunarodno udruženje znanstvenih turističkih stručnjaka
4
Iz ove definicije je vidljivo da je turizam splet odnosa društvenog i ekonomskog
karaktera. Turizam je definiran s jedne strane putovanjem, a s druge privremenim
boravkom u nekom turističkom mjestu, s tim da je to mjesto privremenog boravka
turističko odredište koje posjeduje resurse (prirodne i antropogene) zbog kojih
posjetitelj odabire upravo tu destinaciju. Posjetitelj za vrijeme svog boravka ne smije
obavljati djelatnost od koje ima financijske koristi, što znači da njegov boravak mora
biti plaćen financijskim sredstvima pribavljenim negdje drugdje (www.aiest.org).
2.1. DOSADAŠNJA ISTRAŽIVANJA
Istaknuto je da u suvremenom turizmu sudjeluje velik broj ljudi, kao i da se efekti i
utjecaji ovih putovanja mogu promatrati u raznim sferama gospodarskog i društvenog
života ljudi. Turizam ima široko djelovanje kako na gospodarski, tako i na ukupni
društveni život. U literaturi, koja se bavi teorijskim izučavanjem turizma, pa i njegovim
imanentnim funkcijama, nema jedinstvenog stava po pitanju sistematizacije ovih
funkcija.
Turizam postaje jednom od najperspektivnijih razvojnih industrija, premda se turističke
statistike često iskrivljuju, većinom prema gore. Želja pojedinca da otputuje i potraži
ono što ne može pronaći kod kuće ne nastaje samo iz individualnog poticaja, već pod
utjecajem društvene sredine. (Krippendorf, 1986)
Turizam je uvjetovan razvojem privrede i životnog standarda. Svaki oblik turizma
pretpostavlja i putovanje, dakle nema turizma bez putovanja, ali svako putovanje nije
turizam. Pojava i razvoj turizma zasnivaju se na ljudskim potrebama za odmorom,
rekreacijom, zabavom i sl. iz čega proizlaze motivi, želje i težnje za njihovim
zadovoljavanjem. (Cicvarić, 1990)
Statistika turističke potražnje redovito i sistematično snima karakteristike turističkih
navika, i to: karakteristike osoba, mjesto boravka, državljanstvo, starost, spol, sastav
5
kućanstva, bračno stanje, obrazovanje, ekonomski status, zanimanje, prihod, troškove,
itd. (Kelebuh, Javor, 1998)
Turizam se više ne shvaća kao posebno obilježje određenog društva, već kao pojava
koja ima globalni karakter, a nastaje u interakciji pojedinih društava. Turizam
doživljava značajne promjene u procesu tranzicije iz masovnog u postmoderni turizam
kojeg karakteriziraju; intelektualizacija, profesionalizacija i kult individualizma.
((Banovac, Boneta, 1998)
Turistička potražnja u Republici Hrvatskoj izrazito je osjetljiva na bruto domaći
proizvod zemalja Europske unije, pa bi nositelji ekonomske politike trebali biti svjesni
potencijalnog učinka što ga promjene ekonomske aktivnosti u zemljama članicama
mogu imati na sektor turizma. Značajan utjecaj na turističku potražnju ima i sezonski
karakter turističke ponude. (Bahovec, Dumičić, Čeh Časni, 2008)
Provedena istraživanja o linearnoj povezanosti ponude broja ležajeva i ostvarenja
turističkih noćenja u 6 različitih vrsta smještaja od 2001. do 2009. godine rezultirala su
postavljenom hipotezom o jakoj pozitivnoj korelaciji između varijabli broja noćenja i
broja ležajeva po svim kategorijama smještaja. No, zbog postojanja specifičnosti
linearne povezanosti kod različitih vrsta smještaja, ovisno o trendovima pojedinih
turističkih varijabli i različitim ekonomskim utjecajima, postiže se različit stupanj
reprezentativnosti pojedinih linearnih regresijskih modela. (Gogala, Dumičić, Brekalo,
2010)
Dohodak, koji se prikazuje kao bruto domaći proizvod (BDP), bruto nacionalni
dohodak, raspoloživi dohodak po stanovniku i slično, predstavljaju jedan od glavnih
čimbenika koji utječu na odluke o putovanju. Osim toga na odluku o odabiru
destinacije utječe i cijena konkurentskih destinacija, broj stanovnika promatrane zemlje,
marketing, ulaganja u infrastrukturu i smještajne kapacitete, navike, ukusi, očekivanja…
(Škrinjarić, 2011)
6
Istraživanjem ciklusa turističke potražnje u Hrvatskoj zaključeno je da u kretanju
ukupnog broja noćenja turista u Hrvatskoj postoji cikličnost i ona je prije odraz
prisutnosti nekog stvarnog višegodišnjeg ciklusa u kretanju turističke potražnje nego
slučajnog fluktuiranja. (Kožić, Gatti, 2012)
2.2. TURISTIČKE POTREBE
Nazivaju se turističkima jer osoba napušta svoje mjesto stalnog boravka, na kraće
vrijeme, putuje u neko drugo, po svojoj volji odabrano mjesto, gdje želi iskoristiti svoje
slobodno vrijeme na suprotan način nego što ga provodi kod kuće.
Maslow je formulirao 5 osnovnih ljudskih potreba prikazane na slici 1. od kojih su prve
dvije primarne, a ostale sekundarne potrebe:
1) FIZIOLOŠKE POTREBE (opuštanje)
2) POTREBE ZA SIGURNOŠĆU (zdravlje)
3) DRUŠTVENE POTREBE - POTREBE ZA PRIPADNOŠĆU (međuljudski odnosi)
4) POTREBE ZA POŠTOVANJEM (status i prestiž)
5) POTREBE ZA SAMOAKTUALIZACIJOM (vlastito upoznavanje)
Slika: 1. Maslowljeva hijerarhija potreba
Potrebe za samoaktualizacijom
Poštovanje samoga sebe
Društvene potrebe
Potrebe za sigurnošću
Fiziološke potrebe
Izvor: Marušić, 2006
Svaka od ovih ljudskih potreba može naći svoj smisao u objašnjenju turističkih potreba,
jer se turističke potrebe javljaju kao nadogradnja osnovnim potrebama. Turističke
potrebe su jedne u nizu sekundarnih potreba, te ih čovjek zadovoljava tek nakon
7
primarnih. Kao sekundarne potrebe imaju veću elastičnost od primarnih, koje su
ograničene biološkim i fiziološkim mogućnostima, te psihofizičkom konstitucijom
čovjeka. Potražnja za turizmom je elastična kao i za sva luksuznim dobra, jer većina
dobara koji imaju supstitute2 je elastičnija od onih koji ih nemaju.
2.3. TURIZAM U REPUBLICI HRVATSKOJ
Hrvatski turizam je jedna od najvažnijih gospodarskih grana Republike Hrvatske.
Povijest turizma u Hrvatskoj seže do sredine 19. stoljeća u razdoblje oko 1850. godine.
Turizam se uspješno razvijao sve do današnjih dana, a danas je Hrvatska jedno od
najposjećenijih i najvažnijih turističkih odredišta Sredozemlja.
Turizam u gospodarskom i društvenom razvoju Hrvatske ima dominantno značenje.
Turistički promet je izvor zarade širokog kruga djelatnosti - hotelijerstva i
ugostiteljstva, poljoprivrede, građevinarstva, prometa i veza, pošte, trgovine, sporta i dr.
- čime se utječe i na njihov razvoj.
Hrvatska obiluje prirodnima ljepotama, mnogobrojnim otocima kojih je 1.244,
nacionalnim parkovima, parkovima prirode, spomenicima pod zaštitom UNESCO-a, a
najveća prednost u odnosu na konkurenciju je hrvatski dio Jadranskog mora koji je
prema istraživanju Europske agencije za okoliš, provedenom 2010. godine, drugo
najčišće more u Europi.
Blaga Mediteranska klima u Hrvatskoj, s toplim ljetom i umjereno hladnom zimom,
pogoduje hrvatskom turizmu i njegovom dodatnom razvoju. Osim toga ima izuzetno
povoljan prometni položaj prema najvećim europskim emitivnim zemljama.
Turistička ponuda Hrvatske je raznolika a sastoji se od nautičkog, izletničkog,
ronilačkog, kongresnog, kulturnog, ekološkog, seoskog, vjerskog, pustolovnog,
zdravstvenog, lovnog ili ribolovnog turizma.
2 Supstituti su proizvodi ili usluge koji zadovoljavaju istu potrebu kao i konkurentski proizvod.
8
Glavni nedostaci hrvatskog turizma su izrazita sezonalnost turističkog poslovanja,
geografski neujednačen turistički razvoj, zaostala komunalna infrastruktura,
betonizacija i apartmanizacija koja dovodi do ekološke degradacije i devastacije
prostora neprikladnom gradnjom, visok stupanj sive ekonomije, spora primjena novih
tehnologija, nedostatak inovacija, nedostatak (kvalitetne) radne snage, oštra
konkurencija sredozemnih destinacija, nedostatak sadržaja, mali budžet za turistički
marketing u usporedbi s konkurentskim zemljama. (www.hgk.hr)
2.3.1. DO I SVJETSKOG RATA
Turizam se u početku razvijao pretežno u kontinentalnom području, u mjestima s
mineralnim izvorima, koja su se više razvijala u lječilišna mjesta, a manje turistička.
Tek u drugoj polovici 19. stoljeća javlja se interes za zimovanjem u primorskim
mjestima. Na to su utjecala dva čimbenika:
1) izgradnja željezničke mreže i željezničkog prometa
2) medicinska istraživanja i popularizacija ljekovitosti morskog zraka i kupanja u
morskoj vodi (Opatija, Crikvenica i Dubrovnik).
Gradnja vile "Angiolina" u Opatiji započinje 1844. godine, što je ujedno i početak
razvoja turizma na Mediteranu. 1889. Opatija je proglašena prvim klimatskim
lječilištem na Jadranu, a kako je ondašnji trend zimskog ljetovališta okupljao
najbogatije slojeve, može se tvrditi da je hrvatski turizam počeo svoj razvoj kroz
ekskluzivna odmarališta. U Opatiji je do 1. svjetskog rata izgrađeno 80% svih
smještajnih kapaciteta (Radinov, 1989).
2.3.2. IZMEĐU DVAJU SVJETSKIH RATOVA
Turistički promet pokazuje tendenciju stalnog porasta, što izaziva interes domaćeg i
stranog kapitala, pa i države koja počinje uviđati da turizam donosi i ekonomske efekte.
Država počinje raznim administrativnim i zakonskim mjerama pridonositi unapređenju
9
turizma, te se 1920. godine u Ministarstvu trgovine i industrije osniva Odsjek za promet
stranaca, kasnije nazvan Odsjek za turizam. Podignuti hotelski kapaciteti nalaze se u
rukama stranog kapitala.
Domaći turistički promet realiziraju samo bogati slojevi, a tome pridonosi nepostojanje
institucije plaćanja godišnjih odmora za strukture zaposlenih. Od inozemnih gostiju
najbrojniji su: Talijani, Nijemci, Englezi, Čehoslovaci, Mađari i Austrijanci.
2.3.3. OD II SVJETSKOG RATA DO DANAS
Rat je u potpunosti uništio materijalnu bazu turizma, te prekinuo kontinuitet turističkog
razvitka, no započinje se s obnovom, te se iz godine u godinu povećavaju smještajni
kapaciteti. Ponovni početak inozemnog turizma počinje 1952. godine, kada hotelski
kapaciteti prelaze u društveno vlasništvo.
Nakon provođenja reforme 1965. turizam postaje strateški pravac razvitka, ali
infrastrukturni objekti (osobito cestovne prometnice) grade se isključivo zbog
političkog, a ne gospodarskog, odnosno turističkog značaja, a osnovni smještajni
kapaciteti grade se samo ukoliko je to korisno "višim interesima".
Poduzeća su bila u nemogućnosti da grade osnovne smještajne objekte pa formiraju
kampove razvijajući tako "jeftiniji" segment ponude što dovodi do toga da zemlja
dobiva epitet jeftine turističke destinacije. No kvaliteta turističkih usluga opada, te bez
obzira na epitet jeftine turističke destinacije, loša kvaliteta usluga čini Hrvatsku u to
vrijeme skupom destinacijom.
Domovinski rat 90-ih godina prouzrokovao je znatan pad turističke potražnje u
Hrvatskoj. U razdoblju od 1990. do 1995. godine broj turističkih dolazaka je manji za
čak 69,3 %, dok je broj ostvarenih noćenja pao za 75%. Rat je turistički promet
Hrvatske vratio na razinu šezdesetih godina.
Kao rezultat ratnih stradanja su devastirani mnogi hotelski kompleksi. Loš način
privatizacije također je pridonio devastaciji turističkih kompleksa.
10
Nakon rata turizam se počeo pomalo oporavljati, pa je u turističkoj sezoni 1996. godine
zabilježen blagi rast u odnosu na najbolju ratnu turističku sezonu 1994. godine.
Postupno se vraćaju inozemni turisti, najviše iz istočnoeuropskih zemalja, ali sezona
traje svega 2 mjeseca. Povratkom turista polako raste i zanimanje stranih ulagača, a
ulaskom stranog kapitala jača uloga destinacijskog menadžmenta te marketinški napori
promoviranja Hrvatske kao cjelovite i jedinstvene destinacije.
Tek od 2000. počinje ozbiljniji zaokret u obnovi turističkih kapaciteta i turističkih
destinacija, od kada Hrvatska bilježi značajan uspon na turističkom tržištu. Ostvareni
rast poslovnih učinaka hrvatskog turizma u razdoblju od 2000. do 2011. uglavnom se
temeljio na rastu cijena uslijed ostvarenih investicija i rasta kvalitete u hotelima i
kampovima, te na nekontroliranom rastu kapaciteta obiteljskog smještaja u
kućanstvima. Međutim, nije došlo do ozbiljnije promjene prosječne zauzetosti hrvatskih
turističkih kapaciteta. U osnovi je stvoreno premalo razloga (proizvoda i usluga) za
putovanja i boravak u Hrvatskoj izvan ljetne sezone, što zbog izostanka poduzetničkog
interesa, a što zbog razvojno-poslovnih barijera i nedovoljno aktivno vođenih procesa
od strane javnog sektora. U takvim uvjetima doprinos turizma gospodarskom i
društvenom razvoju zemlje stoga je manji od objektivno mogućeg (www.mint.hr).
Rekordna poslijeratna turistička sezona je zabilježena 2008. godine kada je Hrvatsku
posjetilo i u njoj boravilo 11 260 807 turista koji su ostvarili 57 103 494 noćenja.
Tijekom 2011. godine u prvih deset mjeseci u Hrvatskoj se bilježi ukupno oko 11,1
milijun dolazaka turista što u odnosu na prethodnu godinu predstavlja rast od 8,2%.
Lonely Planet je Hrvatsku proglasio najboljom turističkom destinacijom 2005. godine,
dok je Magazin National Geographic Adventure Hrvatsku proglasio za najbolju
destinaciju 2006. godine.
Reuters je objavio da je Travel Leaders, vodeća kompanija za prodaju putovanja u
Sjedinjenim Američkim Državama, Hrvatsku proglasila međunarodnom top
destinacijom za područje Europe za 2012. godinu.
11
2.4. BUDUĆNOST HRVATSKOG TURIZMA
"Strategija razvoja hrvatskog turizma do 2020. godine" usvojena je u veljači 2013.
godine od strane Vlade Republike Hrvatske, a krajem travnja 2013. isti dokument
usvojio je Sabor RH. "Strategija razvoja hrvatskog turizma do 2020. godine" je
dokument koji definira turističku budućnost Hrvatske, te predstavlja putokaz za snažniji
razvoj turizma svih hrvatskih krajeva u narednih osam godina kroz:
- otvaranje novih tržišta – privlačenje turista iz novih područja (SAD, Kanada,
Australija, Japan, Kina)
- razvoj proizvoda – ne nuditi samo "sunce i more" već razvijati sadržajno bitno
bogatije i kvalitetnije, prema potrebama kupaca profilirane ponude smještaja,
raznovrsne atrakcije, kulture, sporta i zabave
- zauzimanje okolišno odgovorne pozicije – proaktivan odnos prema očuvanju
prostora i bioraznolikosti
- investicije – izgradnja novih hotela i resorta, obnova postojećih hotelskih
kapaciteta i ulaganje u ostale smještajne kapacitete, izgradnja cestovne
infrastrukture
- razvoj novih komunikacijskih i prodajnih vještina – značajnije marketinške
aktivnosti
- razvoj ljudskih potencijala u turizmu –što podrazumijeva formalno obrazovanje i
cjeloživotno učenje (www.mint.hr).
3. TURISTIČKA POTRAŽNJA
Turističko tržište je skup odnosa potražnje i ponude koji su usmjereni na razmjenu roba
i usluga posredstvom novca. Turističko tržište se ne razlikuje po svojim elementima od
robnih tržišta, ima potražnju i ponudu kao subjekte, te proizvod ili uslugu i cijenu kao
objekte (Dobre, 2005).
Turističko tržište je izrazito tržište kupaca, što znači da je kupac usluga ili proizvoda taj
koji svojim stavovima, željama i mogućnostima formira ponašanje na tržištu.
12
Dvije su osnovne pretpostavke za formiranje turističke potražnje:
- slobodno vrijeme, odnosno da posjetitelj u to vrijeme nema strogo radnih obveza, i
nije vezan za svoje radno mjesto.
- slobodna sredstva pri čemu posjetitelj mora prvo financijski pokriti svoje primarne
potrebe (stanovanje, hrana, odjeća) i tek tada kalkulirati kako preostali kućni budžet
upotrijebiti za zadovoljavanje sekundarnih potreba kao što je turističko putovanje.
Stupanj mogućeg zadovoljavanja sekundarnih potreba u velikoj je povezanosti sa
stupnjem razvijenosti zemlje, tj. stupnjem životnog standarda stanovnika.
Karakteristike turističke potražnje:
1) Dislociranost potražnje od ponude
Turistička potražnja je u pravilu prostorno odvojena od turističke ponude, bilo da se radi
o nekoliko km ili o tisućama km. Ova dislociranost potražnje od turističke ponude
potvrđuje nužnost putovanja od mjesta stalnog boravka do turističke destinacije.
2) Heterogenost turističke potražnje
Odnosno različitosti od čovjeka do čovjeka, jer su njihovi stavovi, želje, navike,
starosna dob, te financijske mogućnosti različite i temelj su za strukturnu analizu
heterogenosti potražnje. Turisti svoje različite turističke potrebe, na različite načine, u
mnogobrojnim turističkim destinacijama zadovoljavaju u različito vrijeme. Zbog toga je
jedan od bitnih problema poslovanja u turizmu pronaći određenu skupinu ljudi, koji
imaju približno slične zahtjeve i mogućnosti koji se istovremeno mogu uključiti u
turističke aktivnosti.
3) Elastičnost turističke potražnje
Turistička potražnja je izrazito elastično tržišna kategorija. Npr. otvaranje novog, brzog
cestovnog pravca može u potpunosti obezvrijediti do jučer atraktivan turistički prostor,
ali može utjecati i na povećanje interesa za nekim nedovoljno valoriziranim turističkim
prostorom.
13
4) Sezonski karakter
U pojedinoj kalendarskoj godini postoje dvije turističke sezone: ljetna i zimska. U
Hrvatskoj je izrazito prisutan sezonski karakter jer najvećim dijelom gosti posjećuju
Hrvatsku tijekom ljetnih mjeseci.
Na slici 2. prikazano je da turistička potražnja dugi niz godina ima uobičajene tijekove:
prema toplim morima (ljeti), prema planinskim centrima (zimi) i velikim gradovima
(tijekom cijele godine), što je zajedno povezano tranzitnim kretanjima. (Dobre, 2005)
Slika: 2. Turistička potražnja
Izvor: Dobre, 2005
3.1. DEFINICIJA TURISTIČKE POTRAŽNJE
Turistička potražnja ekonomskim rječnikom, je ukupna količina roba i usluga koje je
moguće plasirati na određenom turističkom tržištu u određenom vremenu uz određenu
razinu cijena.
Turistička potražnja turističkim rječnikom, predstavlja skupinu potencijalnih turista
potrošača koja svojim stavovima, navikama, željama i mogućnostima određuje količine,
kvalitetu i cijene pojedinih roba i usluga na turističkom tržištu
14
3.2. ČIMBENICI TURISTIČKE POTRAŽNJE
Turizam je heterogena djelatnost stoga postoji veliki broj čimbenika koji utječu na
njegov razvoj. Veliki utjecaj na intenzitet potražnje imaju prihodi s tim da turistička
potražnja brže raste nego prihodi. Međutim na turističku potražnju utječu i neekonomski
čimbenici poput ratova, političke krize, prirodne nepogode, antipropagande, itd.
Čimbenici koji utječu na turističku potražnju prikazani su na slici 3. gdje je vidljivo da
osim osobnih čimbenika na turističku potražnju utječe društvo, okolina, gospodarstvo,
ponuđači i država kao ostali čimbenici.
Slika: 3. Čimbenici turističke potražnje
Izvor: http://web.efzg.hr
15
3.3. PRETPOSTAVKE FORMIRANJA TURISTIČKE POTRAŽNJE
Podjela turističke potražnje može biti subjektivna (osobne sklonosti turista, kulturno
nasljeđe, socijalna sredina – društveni položaj, utjecaj mode i sl., osobne potrebe, itd.) i
objektivna (industrijalizacija, demografski rast, gospodarska razvijenost zemlje,
nacionalni dohodak, pravo na godišnji odmor, itd. ).
Čimbenici formiranja turističke potražnje prikazani su na slici 4. Dijele se na unutrašnje
i vanjske, unutrašnji su vlastiti motivi, dok se vanjski dijele na subjektivne i objektivne
čimbenike turističke potražnje.
Slika: 4. Čimbenici formiranja turističke potražnje
Izvor: Izradila studentica prema podacima: www. vsmti.hr, Dobre, 2005
3.3.1. KRIPPENDORFOV MODEL
Krippendorfov model je jedan od najslavnijih općih teorijskih modela turističke
potražnje. Krippendorfov model prikazuje turizam kao izlaz iz svakodnevnog ritma,
života pod pritiskom tehnološkog, ekonomskog i društvenog razvoja i osobne nesreće.
Slobodno vrijeme je potrebno provesti što kvalitetnije, kako bi uravnotežili zdravlje,
poboljšali fizičku aktivnost, uravnotežili prehranu, opustili se i harmonizirali tijelo, um i
dušu.
UNUTRAŠNJI
- turističke potrebe - turistički motivi - rekreacija
VANJSKI
OBJEKTIVNI
SUBJEKTIVNI
- višak slobodnog vremena
- višak raspoloživih sredstava
- životni standard pojedinaca
- životna i radna sredina
- racionalni - iracionalni
16
Čimbenicima razvoja turizma Krippendorf smatra:
- nakon zadovoljenja nužnih i osnovnih potreba ostaje više novca za dobra po
izboru i luksuz, odnosno, povećano blagostanje u obliku sve većeg dohotka.
- urbanizacija i industrijalizacija je dovela do želje da se pobjegne od neugodnih
uvjeta življenja iz gradova jednoličnih izgleda gdje je sve više stanovnika.
- sve veći broj osobnih automobila – motorizacija.
- skraćenje radnog vremena, odnosno, povećanje slobodnog vremena u obliku
duljih vikenda i duljih godišnjih odmora (Krippendorf, 1986)
Krippendorf obrazlaže da zbog navedenih čimbenika dolazi do "podruštvljenja", tj.
povećanog zakonskog uređenja društvenih zajednica i do individualnih stresova koji su
rezultat života i rada podvrgnutog zakonima tehnike i funkcionalnosti, opadanjem
kvalitete života i društvenim pritiskom. Kako bi pronašli rješenje, ljudi su počeli u
slobodno vrijeme privremeno mijenjati područje življenja, postali su turisti, mijenjajući
tako užurbanu svakodnevicu za dokolicu u turističkim i rekreacijskim područjima.
"Podruštvljenje i osobni stresovi cijena su kojom plaćamo napredak. Turizam se nameće
kao izlaz, kao oslobađajući oblik slobodnog vremena izvan svakodnevice."
(Krippendorf, 1986)
Krippendorfov model može se prikazati:
TP = f (DOH, URB, MOTOR, PSV)
gdje je:
TP – turistička potražnja
DOH – povećanje dohotka
URB – urbanizacija
MOTOR – motorizacija
PSV – povećanje slobodnog vremena
Ako se provede anketa zašto se putuje, dobit će se mnogi različiti odgovori, jer svatko
na njih subjektivno odgovara. Turizam je kao ventil za ispuštanje zraka, da bi se
razočaranja nastala zbog neostvarenja obećanih i priželjkivanih ideala u svakodnevnom
životu usmjerila u smjeru koji nije štetan za društvo.
17
Krippendorf smatra da je putovanje:
- odmor i obnova
- kompenzacija i društvena integracija
- bijeg
- komunikacija
- širenje vidika
- sloboda i samopotvrđivanje
- otkrivanje i doživljavanje samog sebe
- sreća (Krippendorf, 1986).
3.3.2. CICVARIĆEV MODEL
Cicvarić tvrdi da je turizam uvjetovan razvojem privrede i društvenog standarda,
odnosno da je turizam društvena masovna pojava koja svoj nastanak zahvaljuje
određenim društveno-ekonomskim čimbenicima, među kojima se ističe stupanj
gospodarskog razvoja. Pojam turizam prvi put se spominje 1811. godine u engleskoj u
članku "Sublime Cockey Tourism" u "Spoting Magazinu". (Cicvarić, 1990)
Cicvarić smatra da se definicija turizma može razvrstati u četiri grupe:
- nominalističke
- privredne
- univerzalne
- statističke.
U ovom radu pobliže će se objasniti statistička definicija. Prema Cicvariću turisti su:
- osobe koje putuju iz razonode, osobnih, zdravstvenih i drugih razloga
- osobe koje putuju na razne skupove ili putuju zbog raznih zadataka
- osobe koje putuju poslovno
- sudionici pomorskih krstarenja, bez obzira na to što je dužina njihovog boravka
kraća od 24 sata. (Cicvarić, 1990)
18
Čimbenici koji dovode do pojave suvremenog turizma su:
- pokretački (racionalni i iracionalni čimbenici)
- čimbenici ponude (atraktivni, komunikacijski i reciptivni) i
- posrednički
Na slici 5. prikazani su čimbenici turističke potražnje i ponude, te posrednički čimbenici
između potražnje i ponude.
Slika: 5. Čimbenici suvremenog turizma
Izvor: Dobre, 2005.
Cicvarić temeljne funkcije turizma dijeli na:
- zdravstvenu funkciju
- rekreativno-zabavnu funkciju
- obrazovno-kulturnu funkciju
- političku funkciju
- socijalnu funkciju
- grupu ekonomskih funkcija turizma (Cicvarić,1990)
19
3.3.3. MODEL WITT I WITT
Christine A. i Stephen F. Witt izradili su model za analizu turističke potražnje četiriju
država: Francuske, Njemačke, Velike Britanije i SAD-a, u njihovih šest najposjećenijih
destinacija u razdoblju od 1965. do 1980. godine. U model su uključene samo one
varijable koje se mogu kvantificirati. (Witt, Moutinho, 1995):
Funkcionalni oblik modela je kako slijedi:
ijtitttit
ijtitijtijtitjt
it
it
it
ijt
UDVbDVbDVIbTSSb
TSbTASbTAbEXbCSbCbP
Yba
P
V
+++++
++++++++=
32ln
lnlnlnlnlnlnlnln
111098
7654321
Objašnjenja skraćenica su slijedeća:
ijtV - broj turista iz emitivnih država i u destinaciju j u godini t
itP - broj stanovnika u emitivnoj državi i u godini t
itY - raspoloživi dohodak u emitivnoj državi i u godini t
jtC - trošak boravka turista u destinaciji i u godini t
itCS - prosječni ponderirani trošak boravka turista u zamjenskim destinacijama za turiste
iz emitivne države i u godini t
ijtEX - devizni tečaj za valutu emitivne države i i valutu destinacije j u godini t
ijtTA - trošak putovanja zrakoplovom iz emitivne države i u destinaciju j u godini t
itTAS - prosječni ponderirani trošak putovanja zrakoplovom iz emitivne države i do
zamjenske destinacije u godini t
ijtTS - trošak putovanja kopnenim prometom iz emitivne države i do destinacije j u
godini t
itTSS - prosječni ponderirani trošak putovanja iz emitivne države i u zamjensku
destinaciju u godini t
20
tDV1 , tDV 2 , tDV 3 - dummy varijable3;
tDV1 - dummy varijabla koja predstavlja naftnu krizu 1973.
tDV 2 - dummy varijabla koja predstavlja naftnu krizu 1979.
tDV 3 - devalvacija britanske funte od 1967. do 1969. godine
ijtU - slučajna pogreška
a, b1, ….., b11 su nepoznati parametri;
t = 1, 2, ….., 16 (t1965 = 1, …, t1980 =16)
4. PRIKUPLJANJE PODATAKA ZA REGRESIJSKU ANALIZU
Prikupljanje podataka obavlja se pomoću statističkih anketa ili pomoću redovitih
statističkih popisa, a dobiveni podaci objavljuju se u različitim statističkim
publikacijama.
Postoje 3 vrste podataka:
1. podaci vremenske serije sadrže informacije o kretanju vrijednosti varijable kroz
vremenske jedinice (godišnji, polugodišnji, kvartalni, mjesečni, dnevni podaci)
2. podaci vremenskog presjeka su vrijednosti varijabli u jednom vremenskom
intervalu ili vremenskoj točki za pojedine gospodarske jedinice, prostorne
jedinice i dr.
3. panel podaci su kombinacija podataka vremenske serije i podataka vremenskog
presjeka (Lovrić, 2005)
U ovom radu koristit će se podaci vremenske serije na godišnjoj razini od 1997. do
2011. godine.
3 Neke podatke je nemoguće kvantificirati. Zbog toga se oni predstavljaju kvalitativnim (binarnim ili
dummy) varijablama. Te varijable poprimaju vrijednost 0 ili 1. Vrijednost 0 govori o odsutnosti nekog
svojstva, a 1 o prisutnosti svojstva (Šošić, 2006.)
21
Pošto se u radu obrađuje tema turističke potražnje logično bi bilo odabrati podatke o
broju dolaska turista. Turist je registriran u svakome mjestu ili objektu u kojem boravi i
zbog toga u slučaju promjene mjesta ili objekta dolazi do njegova ponovnog
iskazivanja, a time i do dvostrukosti u podacima. Prema tome, statistika evidentira broj
dolazaka turista, a ne broj turista. U ovom radu koristit će se podaci o broju ostvarenih
noćenja kako bi dobili kvalitetnije rezultate metodološkog istraživanja.
S obzirom na dostupnost podataka i na postojeću literaturu koja obrađuje tematiku
turističke potražnje za potrebe ovog rada odabrane su slijedeće varijable:
- ukupan broj ostvarenih noćenja kao mjera turističke potražnje u RH
- bruto domaći proizvod pojedinih zemalja Europske unije po stanovniku
- broj stanovnika emitivnih država
- binarna varijabla (dummy) kojom će biti označen rat na Kosovu 1999. godine
Podatci o ukupnom broju noćenja preuzeti su iz Statističkog ljetopisa, Državnog zavoda
za statistiku Republike Hrvatske iz 2005., 2009. i 2012. godine.
Podatci o BDP-u preuzeti su s web stranice Eurostata i prikazani su na grafikonu 1. iz
kojeg je vidljivo da BDP raste u svih 5 zemalja u promatranih 15 godina.
Grafikon: 1. BDP po stanovniku
BDP po stanoviku u Eurima
0,00
5.000,00
10.000,00
15.000,00
20.000,00
25.000,00
30.000,00
35.000,00
40.000,00
45.000,00
1996 1998 2000 2002 2004 2006 2008 2010 2012
godine
BD
P
Austrija Češka Italija Njemačka Slovenija
Izvor: izradila studentica pomoću podataka iz Eurostata
22
Podatci o broju stanovnika u pojedinim promatranim državama preuzeti su s web
stranica UN-a, iz Demographic Yearbooka i prikazani su na grafikonu 2.
Grafikon: 2. Broj stanovnika
BROJ STANOVNIKA u 000
0
10.000
20.000
30.000
40.000
50.000
60.000
70.000
80.000
90.000
1996 1998 2000 2002 2004 2006 2008 2010 2012
godine
broj
sta
novn
ika
Austrija Češka Italija Njemačka Slovenija
Izvor: izradila studentica pomoću podataka iz Demographic Yearbooka
4.1. IZBOR DRŽAVA
U ovom radu koristit će se podatci 5 najznačajnijih emitivnih zemalja, odnosno zemalja
čiji turisti ostvaruju najveći broj noćenja u RH. To su: Austrija, Češka, Italija, Njemačka
i Slovenija.
Tih pet najznačajnijih zemalja dalo je 60,34% ostvarenih noćenja u 2011. godini
(Austrija 8.833%, Češka 9,016%, Italija 9,012%, Njemačka 22,807% i Slovenija
11,669%).
Kao turističko odredište Hrvatska je zanimljiva turistima iz susjednih zemalja, što je
vidljivo iz tablice 1. u kojoj su prikazani dolasci i noćenja stranih i domaćih turista od
2007. do 2011. godine.
23
Tablica: 1. Dolasci i noćenja turista
Izvor: DZS
Dolasci i noćenja turista prikazani su na grafikonima 3. i 4. iz kojih je vidljivo da je rat
na Kosovu 1999. godine nepovoljno utjecao na dolaske i noćenja turista iz svih
emitivnih država osim iz Slovenije.
24
Grafikon: 3. Dolasci turista
DOLASCI TURISTA
0
200.000
400.000
600.000
800.000
1.000.000
1.200.000
1.400.000
1.600.000
1.800.000
1996 1998 2000 2002 2004 2006 2008 2010 2012
godine
dola
sci t
uris
ta
Austrija Češka Italija Njemačka Slovenija
Izvor: izradila studentica pomoću podataka DZS RH
Grafikon: 4. Noćenja turista
NOĆENJA TURISTA
0
2.000.000
4.000.000
6.000.000
8.000.000
10.000.000
12.000.000
14.000.000
1996 1998 2000 2002 2004 2006 2008 2010 2012
godine
noć
enja
turi
sta
Austrija Češka Italija Njemačka Slovenija
Izvor: izradila studentica pomoću podataka DZS RH
4.1.1. GOSPODARSKA KRETANJA U IZABRANIM DRŽAVAMA
Austrija s dobro razvijenim tržišnim gospodarstvom, kvalificiranom radnom snagom i
visokim životnim standardom, usko je povezana s drugim zemljama EU-a, osobito
25
Njemačkom. Njezina ekonomija ima razvijen sektor usluga, industrijski sektor, i mali,
ali vrlo razvijen poljoprivredni sektor. Nezaposlenost nije porasla tako naglo u Austriji,
kao i drugdje u Europi, dijelom i zato što Vlada subvencionira smanjenje radnih sati
kako bi se omogućilo tvrtkama da zadrže postojeći broj zaposlenika. U 2012. godini
stopa nezaposlenosti od 4,3% bila je najniža u EU. Stabilizacijske mjere, poticanje
potrošnje i reforme poreza na dohodak smanjile su proračunski deficit. Međunarodna
financijska kriza 2008. uzrokovala je poteškoće austrijskim bankama koje su u srednjoj,
istočnoj i jugoistočnoj Europi suočene s velikim gubicima. U ožujku 2012, Austrijski
parlament odobrio je paket štednje koji se sastoji od smanjenja rashoda i povećanja
prihoda koji će dovesti javne financije u ravnotežu do 2016. (www.cia.gov)
Češka je stabilna i prosperitetna tržišna ekonomija usko integrirana s EU-om, osobito
nakon ulaska u Europsku uniju u 2004. Kad je zapadna Europa pala u recesiju krajem
2008. godine potražnja za češkim dobrima je pala, što je dovelo do pada industrijske
proizvodnje i izvoza. Kao rezultat toga, realni BDP je pao 4,7% u 2009. Realni BDP,
međutim, polako se oporavlja i počinje rasti u drugoj polovici 2009. U 2012. međutim,
ekonomija je pala u recesiju zbog pada inozemne potražnje. Auto industrija je ostala
najveća proizvodna grana i čini gotovo 24% češke proizvodnje. Češka je proizvela više
od milijun automobila po prvi put u 2010. godini od čega više od 80% izvezeno. Strane
i domaće tvrtke podjednako su zabrinute zbog korupcije, posebno u javnoj nabavi.
Dugoročni gospodarski izazovi uključuju ubrzano starenje stanovništva, neodrživo
financiranje mirovinskog i zdravstvenog sustava, te diversifikaciju od proizvodnje
prema ekonomiji znanja i high-tech tehnologiji (www.cia.gov)
Italija ima različito razvijeno gospodarstvo, podijeljeno na razvijen industrijski sjever
gdje prevladavaju privatne tvrtke i manje razvijen, vrlo subvencionirani, poljoprivredni
jug sa velikim brojem nezaposlenih. Talijanska ekonomija se razvila u velikoj mjeri od
proizvodnje kvalitetne robe široke potrošnje proizvedene od strane malih i srednjih
poduzeća, od kojih su mnogi od njih u obiteljskom vlasništvu. Italija je treće najveće
gospodarstvo u eurozoni, ali ima iznimno visoki javni dug. Javni dug raste od 2007.
godine, a u 2012. iznosi 126% BDP-a.
26
U Italiji je uvelike prisutna siva ekonomija, koja po nekim procjenama iznosi čak 17%
BDP-a. Tijekom druge polovice 2011. godine talijanska Vlada je pokrenula tri paketa
štednje kako bi smanjila svoj proračunski deficit i pomogla smanjiti troškove
zaduživanja: povećanje PDV-a, mirovinske reforme i rezove u javnoj upravi.
Gospodarski rast se u 2012. smanjio za -2,3%, nezaposlenost porasla na gotovo 11%, a
nezaposlenost mladih oko 35%. Talijanski BDP-a je 7% ispod razine 2007. godine prije
krize. (www.cia.gov)
Njemačko gospodarstvo je peto po veličini gospodarstvo na svijetu po paritetu kupovne
moći, ima visoko kvalificiranu radnu snagu i najveći je europski izvoznik strojeva,
vozila, kemikalija i opreme za kućanstvo. Unatoč razvijenom gospodarstvu Njemačka
se nosi sa značajnim ekonomskim problemima i to sa stagnacijom ekonomskog rasta i
visokom nezaposlenošću. U vrijeme recesije 2008. i 2009. godine nezaposlenost je bila
najveća od Drugog svjetskog rata. BDP je 2009. rastao za 5,1%, 2010. za 4,2% u 2010,,
2011. za 3,0% i 2012. za 0,7% zbog krize izazvane nesigurnošću i smanjenjem
potražnje za njemačkim proizvodima u zemlje pogođene recesijom. U 2012. godini
Njemačka je dosegla proračunski suficit od 0,1%. Ustavni amandman odobren 2009.
nalaže da granica deficita ne smije biti više od 0,35% BDP-a godišnje od 2016., iako je
cilj već bio postignut u 2012. Njemačko gospodarstvo nalazi se na uzlaznoj putanji.
Širom svijeta Nijemci investiraju u industriju, prije svega u zemljama u razvoju, a u
izvozu se bilježe rekordni iznosi. (www.cia.gov)
Slovenija je 2004. godine postala članica Europske unije, u 2007. uvela je jedinstvenu
europsku valutu euro kao sredstvo plaćanja, a od 2010. godine članica je OECD-a.
Slovenija ima dobru infrastrukturu, dobro kvalificiranu radnu snagu i dobar strateški
položaj između Balkana i zapadne Europe. Posljednjih godina Slovenija provodi
strukturne reforme kako bi poboljšala svoje gospodarstvo i smanjila nezaposlenost.
Unatoč gospodarskom uspjehu, izravna strana ulaganja (FDI) u Sloveniji zaostaju za
prosjekom regije, a porezi su i dalje relativno visoki. Tržište rada se često doživljava
kao nefleksibilno, a industrija gubi položaj na tržištu od strane konkurentskih tvrtki iz
Kine i Indije. U 2009. godini globalna recesija uzrokovala je pad izvoza i industrijske
proizvodnje za 8% te rast nezaposlenosti. Iako je gospodarski rast nastavljen u 2010., u
27
2012. je ponovno u minusu, a stopa nezaposlenosti i dalje raste i približava se 12% u
2012. godini. (www.cia.gov)
4.2. REGRESIJSKA ANALIZA
U ovom radu turistička potražnja analizirat će se modelom višestruke linearne regresije,
jer se istražuje povezanost između jedne zavisne varijable (y) i više nezavisnih varijabli
(x) koje imaju utjecaj na zavisnu varijablu.
Općenito možemo zapisati:
ttnnttt xxxy εββββ ...,,22,110 ⋅+⋅+⋅+=
Najčešće upotrebljavani model za izračunavanje turističke potražnje je logaritamski
model:
uxxxy nn +⋅++⋅+⋅+= ln...lnlnlnln 22110 ββββ
U ovom diplomskom radu regresijski model postavljen je s jednadžbom:
it
ti
ti
it
it
it
it uDVP
V
P
BDP
P
V++++=
−
−
3)1(
)1(210 lnlnln ββββ
Objašnjenja skraćenica su slijedeća:
itV - broj noćenja turista iz emitivne države i u godini t
itP - broj stanovnika u emitivnoj državi i u godini t
itBDP - visina BDP po stanovniku u emitivnoj državi i u godini t
)1( −tiV - broj noćenja turista iz emitivne države i u godini t-1
)1( −tiP - broj stanovnika u emitivnoj državi i u godini t-1
tDV - dummy varijabla (rat na Kosovu 1999.)
itu - slučajna pogreška
28
210 ,, βββ i 3β su nepoznati parametri
t = 1, 2, ….., 15 (1 = 1997., …, 15 = 2011.)
4.3. TESTIRANJE PRETPOSTAVKI
Modeli se podvrgavaju verifikaciji, tj. ispitivanju da li zadovoljavaju kriterije koji su
grupirani u tri skupine (Lovrić, 2005):
1. Ekonomski kriterij
u model moraju ući nezavisne varijable prema ekonomskoj teoriji, te mora biti
zadovoljen kriterij koji se odnosi na predznak, veličinu parametara i zastupljenost
nezavisnih varijabli u modelu prema ekonomskoj teoriji.
2. Statistički kriterij
je kriterij koji se odnosi na statističku prihvatljivost modela, npr. koeficijent korelacije,
determinacije, standardne greške parametara, itd.
Statistička metoda primijenit će se onda kada se ne mogu promatrati eksperimentalno
odvojeno pojedine komponente jedne pojave, već se može promatrati samo cjelokupna
pojava kao takva i kako se iz takvog promatranja dobiva eventualna zakonitost. (Vranić,
1958)
Statistički pokazatelji za reprezentativnost funkcije: standardna greška ocjene funkcije
(s), F-test, koeficijent determinacije (R2), korigirani koeficijent determinacije ( )2R
Statistički pokazatelji reprezentativnosti parametara: standardna pogreška ocjenjenog
parametra ( )j
sβ
, t-test, interval pouzdanosti ocjenjenih parametara
3. Ekonometrijski kriterij
je kriterij koji se odnosi na zadovoljavanje pretpostavki na kojima se temelji primjena
određene ekonometrijske metode. Odnosno da nema autokorelacije,
heteroskedastičnosti i multikolinearnosti.
29
4.3.1. T-TEST
Za testiranje pouzdanosti ocijenjenog parametra koristi se Studentov t-pokazatelj4, uz
pretpostavku da su ocjene parametara normalno distribuirane.
T-pokazatelj ima svoju primjenu u statistici kod procjene parametara osnovnog skupa i
kod testiranja hipoteza na osnovi uzorka. (Biljan-Sugust, Pivac, Štambuk, 2007)
Test hipoteze o značajnosti parametra β u regresijskom modelu može biti dvostran i
jednostran (dvosmjeran i jednosmjeran). Dvostranim testom testira se hipoteza o
pretpostavljenoj vrijednosti, a jednostranim predznak parametra uz regresorsku
varijablu.
4.3.2. F-TEST
Pomoću F-testa testira se statistička značajnost prilagođenosti modela, tj. dajemo
odgovor na pitanje odražava li koeficijent determinacije stvarnu povezanost među
varijablama modela ili je slučajan rezultat korištenih podataka iz odabranog uzorka. Pri
tom se služimo analizom varijance u regresiji ili ANOVA (engl. Analysis of Variance)
prikazano u tablici 2.
Tablica: 2. ANOVA
Izvor
varijacije Suma kvadrata
Stup.
slobode Sredina kvadrata F vrijednost
objašnjena
regresijom
2)( yyESS i −=∑)
k k
yy
k
ESS i∑ −=
2)()
)1/(
)/(
−−=
knRSS
kESSF neobjašnjena
(rezidualna)
odstupanja
∑= 2ieRSS 1−− kn 2
2
11s
kn
e
kn
RSS i =−−
=−−
∑
ukupna 2)( yyTSS i −=∑ 1−n
Izvor: Lovrić, 2005
4 Studentov t-pokazatelj pronašao je Wiliam Sealy Gosset 1908. godine, te ga je publicirao pod pseudonimom "studentov test" (Vranić, 1958)
30
Kakvoća ocijenjenog regresijskog modela prosuđuje se testiranjem značajnosti
prisutnosti svih regresorskih varijabli u modelu. Provodi se F-testom.
Testiranje se provodi na razini signifikantnosti α, usporedbom empirijskog F omjera i
teorijske vrijednosti F distribucije (Fc). Nulta hipoteza se prihvaća ako je empirijski F
omjer manji od teoretskog (Fc) i obrnuto.
4.3.3. MULTIKOLINEARNOST
Pod pojmom multikolinearnosti u regresijskom modelu razumijeva se prisutnost uske
linearne korelacije nezavisnih varijabli ili njihove približne linearne kombinacije, zbog
čega je sustav normalnih jednadžbi numerički nestabilan.
Kako multikolinearnost nastaje iz obilježja podataka, može se ublažiti uporabom većeg
broja podataka, što je u gospodarskim primjenama modela rijetko moguće. Ne postoji
egzaktno rješenje problema multikolinearnosti.
Multikolinearnost je linearna funkcijska veza između 2 ili više nezavisnih varijabli koja
je tako jaka da može značajno utjecati na ocjenu koeficijenata varijabli. Postoji savršena
i nesavršena multikolinearnost.
Savršena multikolinearnost je pojava kad se varijacije jedne nezavisne varijable mogu
potpuno objasniti varijacijama druge nezavisne varijable.
Nesavršena multikolinearnost (u praksi češća) nastaje kad veza među varijablama nije
egzaktna već uključuje i odstupanja. Odnosno da se varijance varijable X1 mogu
predstaviti varijancama varijable X2 ali ne u potpunosti, već neke neobjašnjene
varijacije još postoje.
Posljedice: t – nizak, R2 – vrlo visok, krivi predznaci
Otkrivanje: vrlo visok R2, niske t-vrijednosti, visok koeficijent korelacije (r > od 0,8)
među nezavisnim varijablama (Lovrić, 2005)
Rješavanje: (više mogućnosti) povećati uzorak podataka, transformirati podatke, izbaciti
nezavisnu varijablu koja je u korelaciji. Ako je uzrok pogreška – ispuštena varijabla ili
kriva funkcijska veza – ispraviti grešku, a ako je uzrok u podacima (ekonomski šokovi)
31
2
1
1VIF
r=
−
ocjenjivanje parametara ispituje se pomoću GLS (generalizirana metoda najmanjih
kvadrata).
Posljedice multikolinearnosti su:
1. velike varijance i standardne pogreške parametara
2. nesignifikantne t-vrijednosti koje su posljedica velikih standardnih pogrešaka,
zbog kojih se neće kod testiranja hipoteze o značajnosti pojedine regresorske
varijable odbaciti Ho
3. visok R2 i niske t-vrijednosti jasan su pokazatelj multikolinearnosti
4. ocjene parametara i njihove standardne greške postati će vrlo osjetljive na
promjene u podacima
5. pogrešan predznak parametara čest je slučaj upravo zbog neefikasne i neprecizne
ocjene parametara
6. ne možemo utvrditi zasebne utjecaje svake nezavisne varijable u objašnjenoj
varijaciji (Lovrić, 2005)
U ovom radu će se za pokazatelja multikolinearnosti koristiti faktor inflacije varijance
VIF (Variance Inflation Factor).
Ozbiljan problem multikolinearnosti je prisutan ako je VIF >5.
4.3.4. HETEROSKEDASTIČNOST I HOMOSKEDASTIČNOST
Heteroskedastičnost se javlja među podacima kod kojih su velike razlike između
najmanjih i najvećih opažanja. Karakteristična je za podatke vremenskog presjeka i
povezana je s nezavisnim varijablama. U regresijskom modelu za pogreške relacije ei
pretpostavlja se, među ostalim, da imaju jednaku varijancu 2σ (svojstvo
homoskedastičnosti) U suprotnom imamo problem promjenjivosti varijance –
heteroskedastičnost koja se javlja kad odstupanja imaju konstantnu varijancu, odnosno
jednaku raspršenost ( )( )2var σ=iu .
32
Na grafikonu po brojem 5. prikazana je heteroskedastičnost, odnosno rasipanja u svezi s
nestabilnosti varijance.
Grafikon: 5. Heteroskedastičnost
Izvor: Šošić I. Primijenjena statistika
Otkrivanje heteroskedastičnosti nije lako zbog toga što je stvarna varijanca 2iσ
nepoznata jer se ne raspolaže podacima za cijelu populaciju. Ne postoji opći efikasan i
siguran test za otkrivanje heteroskedastičnosti. Postoji samo nekoliko načina koji mogu
pomoći kod otkrivanja heteroskedastičnosti: Spearmanov koeficijent korelacije ranga,
RESET, Whiteov test, grafička metoda, Park test, Goldfeld-Quandt test i drugi. U ovom
radu će se primjenjivati Whiteov test heteroskedastičnosti.
Postoji prava i neprava heteroskedastičnosti. Prava heteroskedastičnosti ne uzrokuje
pristranost ocijenjenih koeficijenata. Kod neprave heteroskedastičnosti posljedica je
specifikacijska pogreška kao što je ispuštena varijabla.
Heteroskedastičnost ostavlja ozbiljne i slične posljedice na ocijenjeni model kao i
autokorelacija:
- ne uzrokuje pristranost ocjenjenih koeficijenata (prava)
- povećava varijancu β distribucije
- uzrokuje da OLS podcijeni varijancu i standardnu grešku koeficijenata
- F i t-testovi nisu realni
33
4.3.5. AUTKORELACIJA
Autokorelacija predstavlja odstupanje od teorijskih pretpostavki u analizi modela i
negativno se odražava na rezultate, te ograničava primjenu određenih postupaka i
ostavlja takve posljedice na model da on kao takav nije pogodan niti za prognozu. Zbog
toga je važno razumjeti o kakvom se problemu radi, kakve posljedice ostavlja na
ocijenjeni model i kako ga riješiti.
Uzrok autokorelacije grešaka relacije može biti različit. Najčešći uzroci su:
- pogrešna specifikacija modela (izostavljanje signifikantnih varijabli),
- pogrešan izbor oblika modela
- pogrešna specifikacija svojstava slučajnih varijabli,
- transformacija izvornih vrijednosti varijabli izraženih kao vremenske serije, i dr.
Autkorelacija je češće prisutna kod ocjenjivanja modela na osnovi podataka vremenskih
nizova nego na osnovi podataka vremenskog presjeka. Prema tome kad su odstupanja
autokorelirana, može se pisati:
( ) 0, ≠− stt uuE (t>s)
Taj izraz znači da je odstupanje koje se zbilo u vremenu t povezano s odstupanjem u
vremenu (t-s).
Na grafikonima 6. prikazana su rezidualna odstupanja kod pozitivne i negativne
autokorelacije, te kad su rezidualna odstupanja približno jednaka nuli.
Grafički prikaz je ujedno jedan od načina otkrivanja autokorelacije, uz Durbin-
Watsonov test (DW).
34
Grafikon: 6. Autokorelacija - dijagrami rasipanja rezidualnih odstupanja
(autokorelacija rezidualnih
odstupanja približno jednaka nuli) (pozitivna autokorelacija rezidualnih odstupanja)
(negativna autokorelacija rezidualnih odstupanja)
Izvor: Šošić, 2006
Posljedice autokorelacije: t – precijenjen, R2 i F-test nepouzdani, model nije pogodan
za predviđanje jer su varijanca i standardna pogreška predviđanja neefikasne.
Rješavanje autokorelacije:
- ako je uzrok pogreška – ispuštena varijabla ili kriva funkcijska veza – ispraviti grešku
- ako je uzrok u podacima (ekonomski šokovi) – ocjenjivanje parametara pomoću GLS
(generalizirana metoda najmanjih kvadrata)
Postoje dvije vrste autokorelacije: pozitivna i negativna. Kod pozitivne odstupanja Ui
obično imaju isti predznak. Kod negativne autokorelacije pozitivna odstupanja slijede
negativna, pa opet pozitivna itd.
Osim pozitivne i negativne, autokorelacija može biti prava i neprava. Prava korelacija se
pojavljuje kod ekonomskih podataka kroz vrijeme, npr. iz recesije preko razdoblja
oporavka, podaci vremenskih nizova idu po uzlaznoj putanji i u svakoj točki im je
vrijednost veća nego u prethodnoj, sve dok se ne dogodi promjena slijedom ekonomskih
ciklusa. Tako sukcesivne5 vrijednosti opažanja izgledaju međusobno korelirane, bilo da
pratimo bruto društveni proizvod, proizvodnju, zaposlenost, kretanje cijena, itd.
5 Sukcesija je uzastopan slijed osoba, pojava ili stvari na istom mjestu.
35
Razlog tome može biti i "friziranje" statističkih podataka, npr. umjesto prikupljanja
podataka za razna razdoblja, oni se izračunavaju kao prosjeci iz kraćih vremenskih
razdoblja. Zato podaci izgledaju "izglađeno", pa odstupanja pokazuju pravilnost
pojavljivanja, tj. autokorelaciju.
U slučaju neprave autokorelacije čest je razlog specifikacijska pogreška, a to je
izostavljena signifikantna varijabla ili odabir pogrešne funkcijske veze. Odstupanja na
sebe preuzimaju tu pogrešku, nisu više slučajna, nego se ponašaju po određenom
pravilu.
Durbin-Watsonov d test najpoznatiji je test za otkrivanje autokorelacije.
∑
∑
=
=
−−
=n
t
t
n
t
tt
e
ee
d
1
2
2
21)(
Test veličina predstavlja omjer zbroja kvadrata prvih diferencija rezidualnih odstupanja
i zbroja kvadrata rezidualnih odstupanja. Zbog diferenciranja u brojniku se gubi jedno
opažanje, pa sumiranje kreće od drugog opažanja (t=2).
Autokorelacija je pojava gdje je greška nekog opažanja u zavisti od greške prethodnog
opažanja. Ako je riječ o pozitivnoj ili negativnoj korelaciji odbacujemo Ho. Ako nema
autokorelacije ne odbacujemo Ho. Više o tome prikazano je u tablici 3.
Tablica: 3. Durbin-Watsonov test
Vrijednost DW Odluka
O < d < dL Odbaciti Ho ; pozitivna autokorelacija je prisutna.
dL ≤ d ≤ dU Bez odluke.
dU < d ≤ 4 Ne odbaciti Ho ; nema autokorelacije.
4 ≤ d < 4 - dU Ne odbaciti Ho ; nema autokorelacije.
4 - dU ≤ d ≤ 4 – dL Bez odluke.
4 – dL < d < 4 Odbaciti Ho ; negativna autokorelacija je prisutna.
Izvor: Baddeley, Barrowclough, 2009.
36
Kako je 11 ≤≤− ρ to znači da vrijedi:
2d 0ˆ ≈≈ρ nije prisutan problem autokorelacije
0d 1ˆ ≈≈ρ prisutan je problem pozitivne autokorelacije
4d 1ˆ ≈−≈ρ prisutan je problem negativne autokorelacije
Ukoliko je izračunati d bliže vrijednosti 0, to je pokazatelj pozitivne autokorelacije, a
ako je bliže vrijednosti 4, to je pokazatelj negativne autokorelacije. Kad se vrijednost d
kreće oko 2, znači da nema autokorelacije. No postoje i vrijednosti kad nismo sigurni u
postojanje autokorelacije.Grafikon 7. prikazuje auokorelaciju.
Grafikon: 7. Prikaz Durbin-Watsonova testa
Izvor: Šošić, 2006.
4.3.6. TESTIRANJE PRAVILNOSTI SPECIFIKACIJE MODELA
Ramseyjev RESET test je regresijski test specifikacijske pogreške, opći test kojim se
utvrđuje hoće li se prilagođenost funkcije iii uXY ++= 110 ββ značajno poboljšati ako se
u analitički oblik funkcije uvode varijable 2y , 3
y i 4y .
37
Provodi se tako da se najprije odrede vrijednosti rezidualnih odstupanja na temelju
polaznog regresijskog modela s parametrima procijenjenima metodom najmanjih
kvadrata. Zatim se procijene parametri pomoćne regresijske jednadžbe u kojoj su
rezidualna odstupanja ie vrijednosti zavisne varijable, a regresijske vrijednosti 2ˆiy , 3ˆ
iy
vrijednosti nezavisnih varijabli. Slijedi testiranje hipoteze o značajnosti koeficijenata
pomoćne regresijske jednadžbe. Ne odbacivanje nulte hipoteze upućuje na nepostojanje
varijabilnosti varijance, a odbacivanje upućuje na suprotan zaključak. (Šošić, 2006)
RESET test se provodi u tri koraka:
1. pomoću metode najmanjih kvadrata ocijeni se funkcija
2. iz ocijenjene funkcije izračunaju se iY vrijednosti
3. uspoređuje se prilagodba modela pomoću F-testa
4.3.7. TESTIRANJE STABILNOSTI
Chow test ili test analize varijance je statistički test kojim testiramo stabilnost
regresijskih parametara. Chow test je izmislio ekonomist Gregory Chow 1960. godine.
Često, ako se regresijska analiza provodi nad skupom podataka vezanim za vremenski
period od n razdoblja, treba testirati jesu li parametri modela stabilni tokom cijelog
promatranog perioda. Test se provodi tako da se uzorak veličine n raščlani na dva
nezavisna poduzorka, veličine n1 i n2. U svakom od njih potrebno je imati više podataka
za ocjenjivanje nego što je parametara za ocjenjivanje. Uspoređuje se neobjašnjena
suma kvadrata dobivena u cijelom uzorku sa sumom u odvojeno dobivenim ocijenjenim
jedinicama za poduzorke. Dobiveni rezultat uspoređuje se s kritičnom vrijednosti F
razdiobe. Značajna razlika pokazuje strukturnu promjenu u odnosima.
38
4.3.8. TESTIRANJE NORMALNOSTI GREŠAKA
Pretpostavka o normalnosti grešaka relacije se može ispitati pomoću Jarque-Bera testa.
Jarque Bera test je asimptotski test i ima ga smisla primjenjivati za velike uzorke.
Jarque-Bera testom, koji koristi koeficijent asimetrije i koeficijent zaobljenosti reziduala
procijenjenih metodom najmanjih kvadrata, ispituje se odstupaju li procijenjene veličine
značajno od vrijednosti tih mjera za normalnu distribuciju.
H0: greške relacije su normalno distribuirane
H1: greške relacije nisu normalno distribuirane
Iznos p vrijednosti Jarque - Bera testa uspoređuje se sa uobičajenim razinama
pouzdanosti: 1%, 5% ili 10%. Ukoliko je p vrijednost veća od razine pouzdanosti ne
odbacuje se H0 hipoteza i tvrdi se da su greške relacije normalo distribuirane.
5. MODELIRANJE TURISTIČKE POTRAŽNJE REPUBLIKE
HRVATSKE
Svaka statistička analiza provodi se u nekoliko faza:
1. oblikovanje i izbor modela
2. prikupljanje i priprema podataka za obradu
3. odabir funkcije
4. mjerenje pouzdanosti regresijskog modela
5. analiza i interpretacija rezultata modela
U ovom radu će se pomoću modificiranog Witt-Wittovog modela utvrditi kako na
potražnju, odnosno na broj noćenja turista po stanovniku iz 5 najemitivnijh zemalja, u
razdoblju od 15 godina, od 1997. do 2011. utječe BDP emitivnih zemalja, turistička
potražnja prethodne godine i rat na Kosovu uvršten kao dummy varijabla. Modificirani
model glasi:
it
ti
ti
it
it
it
it uDVP
V
P
BDP
P
V++++=
−
−
3)1(
)1(210 lnlnln ββββ
39
Objašnjenja skraćenica su slijedeća:
itV - broj noćenja turista iz emitivne države i u godini t
itP - broj stanovnika u emitivnoj državi i u godini t
itBDP - visina BDP po stanovniku u emitivnoj državi i u godini t
)1( −tiV - broj noćenja turista iz emitivne države i u godini t-1
)1( −tiP - broj stanovnika u emitivnoj državi i u godini t-1
tDV - dummy varijabla (rat na Kosovu 1999.)6
itu - slučajna pogreška
210 ,, βββ i 3β su nepoznati parametri
t = 1, 2, ….., 15 (1 = 1997., …, 15 = 2011.)
Na temelju prikupljenih dostupnih podataka s pomoću računalnog programa Eviews 7
ocijenit će se vrijednost regresijskih parametara.
Prije unosa podataka u Eviews 7 provest će se logaritmiranje podataka.
5.1. TURISTIČKA POTRAŽNJA AUSTRIJSKIH TURISTA U HRVATSKOJ
Ocijenjena regresijska funkcija turističke potražnje austrijskih turista glasi:
it
ti
ti
it
it
it
it DVP
V
P
BDP
P
V⋅−⋅+⋅+−=
−
− 2312,0ln0138.0ln7503,07516.1ln)1(
)1(
st. pogreška 0,686268 0,113254 0,099551 0,032588 t -2,552322 6,625187 0,138640 -7,094437 p-vrijednost 0,0269 0,0000 0,8922 0,00000
Iz ocijenjenog modela može se zaključiti:
- ako se BDP po stanovniku poveća za 1% broj noćenja turista po stanovniku povećat će
se 0,75%, uz uvjet da su ostale varijable nepromijenjene.
6 Kod interpretacije dummy varijable dobivenu vrijednost uz parametar β mora se antilogaritmirati i
izraziti u postotcima (Witt, Mountinho, 1995).
40
- ako se broj noćenja turista po stanovniku u odnosu na prethodnu godine poveća za 1%,
broj noćenja turista po stanovniku tekućeg razdoblja povećat će se za 0,014%, uz uvjet
da su ostale varijable nepromijenjene.
- broj noćenja turista po stanovniku se 1999. godine smanjio zbog rata na Kosovu u
prosjeku za 20,64%, u odnosu na godine kad rata nije bilo (e-0,2312 *100)-100 = -20,64%.
Iz računalnog ispisa iščitava se statistička značajnost prilagođenosti modela
F=132.9974. Kako je izračunata vrijednost F-testa veća od kritične vrijednosti FC=6,22
na razini signifikantnosti 1%, tj. uz 99% vjerojatnosti odbacuje se nul-hipoteza i tvrdi da
je model statistički značajan, odnosno da barem jedna nezavisna varijabla značajno
pridonosi objašnjavanju varijacija zavisne varijable.
F=132.9974 > FC (11)=6,22
p < 0,01
Koeficijent determinacije iznosi R2 = 0,97317, znači da je pomoću ocijenjenog
regresijskog modela objašnjeno 97,31% varijacija zavisne varijable. Korigirani
koeficijent determinacije iznosi 97,02 =R .
Standardna greška regresije s=0,029381, znači da ocijenjena vrijednost broja noćenja
po stanovniku odstupa u prosjeku za 0,0293% od stvarne vrijednosti broja noćenja po
stanovniku .
T vrijednost za parametar β1 iznosi 6,63; za parametar β2=0,014 i za parametar β3=7,09.
Uzme li se razina signifikantnosti od 5% i df=11 (n-k-1), kritična t vrijednost iznosi
2,201. Na razini signifikantnosti od 5% tj. vjerojatnosti 95% odbacuje se nul-hipoteza i
tvrdi da su parametri β1 i β3 uz nezavisne varijable statistički značajni za model, dok je t
vrijednost nezavisne varijable uz parametar β2 manja od kritične vrijednosti i nije
statistički značajna za model.
=0βt 2,55
201,262,61
>=βt
201,213,02
<=βt
41
201,209,73
>=βt
Stoga se tvrdi da BDP i rat na Kosovu imaju signifikantan utjecaj na noćenja turista po
stanovniku, dok navike, odnosno noćenja turista po stanovniku prethodne godine
nemaju utjecaj na noćenja turista po stanovniku u tekućem razdoblju.
Whiteovim testom je testirana prisutnost heteroskedastičnosti u ocijenjenoj regresijskoj
funkciji turističke potražnje austrijskih turista.
Umnožak koeficijenta determinacije i broja nezavisnih varijabli iščitava se iz
računalnog ispisa Obs*R-squared=2,31 i uspoređuje se sa kritičnom vrijednosti 2χ
koja pri stupnju signifikantnosti α=0.01 i 6 stupnjeva slobode (toliko je nezavisnih
varijabli u modelu) iznosi 16.8119.
Pošto je 2,31 < 16,8119 može se zaključiti da u modelu nije prisutna
heteroskedastičnost.
Prisutnost autokorelacije u ocijenjenoj regresijskoj funkciji turističke potražnje
austrijskih turista testira se Breusch-Godfreyevim LM testom.
Obs*R-squared LM testa iznosi 0,917411. Kritična vrijednost 2χ pri α=0.01 i 5
stupnjeva slobode iznosi 15,0863. Budući da je LM vrijednost manja od kritične
vrijednosti može se zaključiti da u modelu nije prisutna autokorelacija.
Faktor inflacije varijance VIF (Variance Inflation Factor) pokazuje da je u ocijenjenoj
regresijskoj funkciji turističke potražnje prisutna multikolinearnost, jer je vrijednost
VIF-a uz nezavisne varijable veća od 5, osim uz dummy varijablu.
Isto to potvrđuje i visok koeficijent korelacije (r) u matrici korelacije između nezavisnih
varijabli osim s dummy varijablom (r > 0,8).
U Chow testu za prijelom je uzeta 2004. godina. Izračunata F vrijednost F=1,207434 na
razini signifikantnosti α=0.01 (FC=4,07) i α=0.05 (FC=7,59) u Chow testu manja je od
kritične vrijednosti, p>0,05 stoga se ne odbacuje nul hipoteza i tvrdi se da razlike među
regresijskim koeficijentima nisu statistički značajne, odnosno da nema prijeloma.
42
Reziduali ocijenjene funkcije noćenja po stanovniku iz Austrije prikazani su na
grafikonu 8.
Grafikon: 8. Reziduali ocijenjene funkcije noćenja po stanovniku iz Austrije
-.06
-.04
-.02
.00
.02
.04
.06
5.6
5.8
6.0
6.2
6.4
97 98 99 00 01 02 03 04 05 06 07 08 09 10 11
Residual Actual Fitted Izvor: izradila studentica pomoću računalnog programa Eviews 7
Pomoću Ramsey RESET testa testira se specifikacija regresijskog modela. Izračunata je
F vrijednost funkcije koja iznosi F=0,125148 i manja je nego kritična vrijednost
FC=10,00 (uz α=0.01). Ne odbacuje se nul-hipoteza i tvrdi da ne postoji varijabilnost
varijance, što znači da je model pravilno specificiran, te ne sadrži specifikacijske
pogreške.
Pomoću Jarque-Bera testa provjerava se da li su reziduali normalno distribuirani. P-
vrijednost iz računalnog ispisa Jarque-Bera testa iznosi 0,43387. Kako je p-vrijednost iz
računalnog ispisa veća od svih razina signifikantnosti (α=0.01, α=0.05, α=0.1) ne
odbacuje se nul-hipoteza i tvrdi da su reziduali normalno distribuirani.
43
5.2. TURISTIČKA POTRAŽNJA ČEŠKIH TURISTA U HRVATSKOJ
Ocijenjena regresijska funkcija turističke potražnje čeških turista glasi:
it
ti
ti
it
it
it
it DVP
V
P
BDP
P
V⋅−⋅+⋅−−=
−
− 415026,0ln053865.0ln087541.0563615.6ln)1(
)1(
st. pogreška 1,181767 0,114732 0,139546 0,102316 t 5,554070 -0,763003 0,386000 -4,056336 p-vrijednost 0,0002 0,4615 0,7069 0,0019
Iz ocijenjenog modela može se zaključiti:
- ako se BDP po stanovniku poveća za 1% broj noćenja turista po stanovniku smanjit će
se 0,087%, uz uvjet da su ostale varijable nepromijenjene.
- ako se broj noćenja turista po stanovniku u odnosu na prethodnu godine poveća za 1%,
broj noćenja turista po stanovniku tekućeg razdoblja povećat će se za 0,053%, uz uvjet
da su ostale varijable nepromijenjene.
- broj noćenja turista po stanovniku se 1999. godine smanjio zbog rata na Kosovu u
prosjeku za 33,97%, u odnosu na godine kad rata nije bilo (e-0,415026 *100)-100 = -
33,97%.
Iz računalnog ispisa iščitava se statistička značajnost prilagođenosti modela
F=5.801789. Kako je izračunata vrijednost F-testa veća od kritične vrijednosti FC=3,59
na razini signifikantnosti 5%, tj. uz 95% vjerojatnosti odbacuje se nul-hipoteza i tvrdi da
je model statistički značajan, odnosno da barem jedna nezavisna varijabla značajno
pridonosi objašnjavanju varijacija zavisne varijable.
F=5,8018 > FC (11)=3,59
p < 0,05
Koeficijent determinacije iznosi R2 = 0,612749, znači da je pomoću ocijenjenog
regresijskog modela objašnjeno 61,27% varijacija zavisne varijable. Korigirani
koeficijent determinacije iznosi 51,02 =R .
Standardna greška regresije s=0,092976, znači da ocijenjena vrijednost broja noćenja
po stanovniku odstupa u prosjeku za 0,0929% od stvarne vrijednosti broja noćenja po
stanovniku.
44
T vrijednost za parametar β1 iznosi -0,76; za parametar β2=0,38 i za parametar β3=-4,05.
Uzme li se razina signifikantnosti od 5% i df=11 (n-k-1), kritična t vrijednost iznosi
2,201. Na razini signifikantnosti od 5% tj. vjerojatnosti 95% odbacuje se nul-hipoteza i
tvrdi da je parametar β3 uz nezavisnu varijablu statistički značajan za model, dok je t
vrijednost nezavisne varijable uz parametre β1 i β2 manja od kritične vrijednosti i nisu
statistički značajne za model.
55,50
=βt
201,276,01
<=βt
201,238,02
<=βt
201,205,43
>=βt
Stoga se tvrdi da utjecaj rata ima signifikantan utjecaj na noćenja turista, dok BDP i
navike, odnosno noćenja turista prethodne godine nemaju utjecaj na noćenja turista u
tekućem razdoblju.
Whiteovim testom je testirana prisutnost heteroskedastičnosti u ocijenjenoj regresijskoj
funkciji turističke potražnje čeških turista.
Umnožak koeficijenta determinacije i broja nezavisnih varijabli iščitava se iz
računalnog ispisa Obs*R-squared=14,69 i uspoređuje se sa kritičnom vrijednosti 2χ
koja pri stupnju signifikantnosti α=0.01 i 6 stupnjeva slobode (toliko je nezavisnih
varijabli u modelu) iznosi 16.8119.
Pošto je 14,69 < 16,8119 može se zaključiti da u modelu nije prisutna
heteroskedastičnost.
Prisutnost autokorelacije u ocijenjenoj regresijskoj funkciji turističke potražnje čeških
turista testira se Breusch-Godfreyevim LM testom.
Obs*R-squared LM testa iznosi 6,35. Kritična vrijednost 2χ pri α=0.01 i 5 stupnjeva
slobode iznosi 15,0863. Budući da je LM vrijednost manja od kritične vrijednosti može
se zaključiti da u modelu nije prisutna autokorelacija.
45
Faktor inflacije varijance VIF (Variance Inflation Factor) pokazuje da je u ocijenjenoj
regresijskoj funkciji turističke potražnje prisutna multikolinearnost, jer je vrijednost
VIF-a uz nezavisne varijable veća od 5, osim uz dummy varijablu.
Koeficijent korelacije (r) u matrici korelacije među nezavisnim varijablama nije visok
pa bi se moglo zaključiti da u modelu nije prisutna multikolinearnost. No taj pokazatelj
nije uvijek pouzdan jer može biti nizak, a da u modelu ipak postoji multikolinearnost
(Lovrić, 2005).
U Chow testu za prijelom je uzeta 2004. godina. Izračunata F vrijednost F=0,888 na
razini signifikantnosti α=0.01 (FC=4,07) i α=0.05 (FC=7,59) u Chow testu manja je od
kritične vrijednosti, p>0,05 stoga se ne odbacuje nul hipoteza i tvrdi se da razlike među
regresijskim koeficijentima nisu statistički značajne, odnosno da nema prijeloma.
Reziduali ocijenjene funkcije noćenja po stanovniku iz Češke prikazani su na grafikonu
9.
Grafikon: 9. Reziduali ocijenjene funkcije noćenja po stanovniku iz Češke
-.3
-.2
-.1
.0
.1
.2
5.6
5.7
5.8
5.9
6.0
6.1
6.2
97 98 99 00 01 02 03 04 05 06 07 08 09 10 11
Residual Actual Fitted Izvor: izradila studentica pomoću računalnog programa Eviews 7
Pomoću Ramsey RESET testa testira se specifikacija regresijskog modela. Izračunata je
F vrijednost funkcije koja iznosi F=0,580481 i manja je nego kritična vrijednost
FC=10,00 (uz α=0.01). Ne odbacuje se nul-hipoteza i tvrdi se da ne postoji varijabilnost
46
varijance, što znači da je model pravilno specificiran, te ne sadrži specifikacijske
pogreške.
Pomoću Jarque-Bera testa provjerava se da li su reziduali normalno distribuirani. P-
vrijednost iz računalnog ispisa Jarque-Bera testa iznosi 0,265943. Kako je p-vrijednost
iz računalnog ispisa veća od svih razina signifikantnosti (α=0.01, α=0.05, α=0.1) nul-
hipoteza se ne odbacuje i se tvrdi da su reziduali normalno distribuirani.
5.3. TURISTIČKA POTRAŽNJA TALIJANSKIH TURISTA U HRVATSKOJ
Ocijenjena regresijska funkcija turističke potražnje talijanskih turista glasi:
it
ti
ti
it
it
it
it DVP
V
P
BDP
P
V⋅−⋅+⋅+=
−
− 498183,0ln411399,0ln061144,0006955,2ln)1(
)1(
st. pogreška 3,012292 0,338769 0,137611 0,089965 t 0,666255 0,180488 3,056197 -5,537534 p-vrijednost 0,5190 0,8601 0,0109 0,0002
Iz ocijenjenog modela može se zaključiti:
- ako se BDP po stanovniku poveća za 1% broj noćenja turista po stanovniku povećat će
se 0,06%, uz uvjet da su ostale varijable nepromijenjene.
- ako se broj noćenja turista po stanovniku u odnosu na prethodnu godine poveća za 1%,
broj noćenja turista po stanovniku tekućeg razdoblja povećat će se za 0,41%, uz uvjet da
su ostale varijable nepromijenjene.
- broj noćenja turista po stanovniku se 1999. godine smanjio zbog rata na Kosovu u
prosjeku za 39,24%, u odnosu na godine kad rata nije bilo (e-0,498183 *100)-100 = -
39,24%.
Iz računalnog ispisa iščitava se statistička značajnost prilagođenosti modela
F=25,66962. Kako je izračunata vrijednost F-testa veća od kritične vrijednosti FC=6,22
na razini signifikantnosti 1%, tj. uz 99% vjerojatnosti odbacuje se nul-hipoteza i tvrdi da
je model statistički značajan, odnosno da barem jedna nezavisna varijabla značajno
pridonosi objašnjavanju varijacija zavisne varijable.
47
F=25,6696 > FC (11)=6,22
p < 0,01
Koeficijent determinacije iznosi R2 = 0,875013, znači da je pomoću ocijenjenog
regresijskog modela objašnjeno 87,50% varijacija zavisne varijable. Korigirani
koeficijent determinacije iznosi 84,02 =R .
Standardna greška regresije s=0.078796, znači da ocijenjena vrijednost broja noćenja
po stanovniku odstupa u prosjeku za 0,07879% od stvarne vrijednosti broja noćenja po
stanovniku.
T vrijednost za parametar β1 iznosi 0,18; za parametar β2=3,05 i za parametar β3=-5.53.
Uzme li se razina signifikantnosti od 5% i df=11 (n-k-1), kritična t vrijednost iznosi
2,201. Na razini signifikantnosti od 5% tj. vjerojatnosti 95% odbacuje se nul-hipoteza i
tvrdi da su parametri β2 i β3 uz nezavisne varijable statistički značajni za model, dok je t
vrijednost nezavisne varijable uz parametar β1 manja od kritične vrijednosti i nije
statistički značajna za model.
66,00
=βt
201,218,01
<=βt
201,205,32
>=βt
201,253,53
>=βt
Stoga se tvrdi da navike, odnosno noćenja turista po stanovniku prethodne godine i rat
na Kosovu imaju signifikantan utjecaj na noćenja turista, dok BDP nema utjecaj na
noćenja talijanskih turista u tekućem razdoblju.
Whiteovim testom je testirana prisutnost heteroskedastičnosti u ocijenjenoj regresijskoj
funkciji turističke potražnje talijanskih turista.
Umnožak koeficijenta determinacije i broja nezavisnih varijabli iščitava se iz
računalnog ispisa Obs*R-squared=6,84 i uspoređuje se sa kritičnom vrijednosti 2χ
48
koja pri stupnju signifikantnosti α=0.01 i 6 stupnjeva slobode (toliko je nezavisnih
varijabli u modelu) iznosi 16.8119.
Pošto je 6,84 < 16,8119 može se zaključiti da u modelu nije prisutna
heteroskedastičnost.
Prisutnost autokorelacije u ocijenjenoj regresijskoj funkciji turističke potražnje
talijanskih turista testira se Breusch-Godfreyevim LM testom.
Obs*R-squared LM testa iznosi 1,34. Kritična vrijednost 2χ pri α=0.01 i 5 stupnjeva
slobode iznosi 15,0863. Budući da je LM vrijednost manja od kritične vrijednosti može
se zaključiti da u modelu nije prisutna autokorelacija.
Faktor inflacije varijance VIF (Variance Inflation Factor) pokazuje da je u ocijenjenoj
regresijskoj funkciji turističke potražnje prisutna multikolinearnost, jer je vrijednost
VIF-a uz nezavisne varijable veća od 5, osim uz dummy varijablu.
Koeficijent korelacije (r) u matrici korelacije među nezavisnim varijablama nije visok (r
< 0,8) pa bi se moglo zaključiti da u modelu nije prisutna multikolinearnost. No taj
pokazatelj nije uvijek pouzdan jer može biti nizak, a da u modelu ipak postoji
multikolinearnost (Lovrić, 2005).
U Chow testu za prijelom je uzeta 2004. godina. Izračunata F vrijednost F=7,91 na
razini signifikantnosti α=0.01 (FC=4,07) i α=0.05 (FC=7,59) u Chow testu veća je od
kritične vrijednosti, p<0,05 stoga se odbacuje nul hipoteza i tvrdi se da su razlike među
regresijskim koeficijentima statistički značajne.
Reziduali ocijenjene funkcije noćenja po stanovniku iz Italije prikazani su na grafikonu
10.
49
Grafikon: 10. Reziduali ocijenjene funkcije noćenja po stanovniku iz Italije
-.12
-.08
-.04
.00
.04
.08
.12
.16 3.8
4.0
4.2
4.4
4.6
97 98 99 00 01 02 03 04 05 06 07 08 09 10 11
Residual Actual Fitted Izvor: izradila studentica pomoću računalnog programa Eviews 7
Pomoću Ramsey RESET testa testira se specifikacija regresijskog modela. Izračunata je
F vrijednost funkcije koja iznosi F=0,46726 i manja je nego kritična vrijednost
FC=10,00 (uz α=0.01). Ne odbacuje se nul-hipoteza i tvrdi se da ne postoji varijabilnost
varijance, što znači da je model pravilno specificiran, te ne sadrži specifikacijske
pogreške.
Pomoću Jarque-Bera testa provjerava se da li su reziduali normalno distribuirani. P-
vrijednost iz računalnog ispisa Jarque-Bera testa iznosi 0,887. Kako je p-vrijednost iz
računalnog ispisa veća od svih razina signifikantnosti (α=0.01, α=0.05, α=0.1) ne
odbacuje se nul-hipoteza i tvrdi se da su reziduali normalno distribuirani.
6.4. TURISTIČKA POTRAŽNJA NJEMAČKIH TURISTA U HRVATSKOJ
Ocijenjena regresijska funkcija turističke potražnje njemačkih turista glasi:
it
ti
ti
it
it
it
it DVP
V
P
BDP
P
V⋅−⋅+⋅+−=
−
− 485404,0ln532029,0ln303717,0839911,0ln)1(
)1(
st. pogreška 2,234783 0,253778 0,104971 0,088048 t -0,375836 1,196782 5,068337 -5,512946 p-vrijednost 0,7142 0,2565 0,0004 0,0002
50
Iz ocijenjenog modela može se zaključiti:
- ako se BDP po stanovniku poveća za 1% broj noćenja turista po stanovniku povećat će
se 0,30%, uz uvjet da su ostale varijable nepromijenjene.
- ako se broj noćenja turista po stanovniku u odnosu na prethodnu godine poveća za 1%,
broj noćenja turista po stanovniku tekućeg razdoblja povećat će se za 0,53%, uz uvjet da
su ostale varijable nepromijenjene.
- broj noćenja turista po stanovniku se 1999. godine smanjio zbog rata na Kosovu u
prosjeku za 38,46%, u odnosu na godine kad rata nije bilo (e-0,485404 *100)-100 = -
38,46%.
Iz računalnog ispisa iščitava se statistička značajnost prilagođenosti modela
F=63,49768. Kako je izračunata vrijednost F-testa veća od kritične vrijednosti FC=6,22
na razini signifikantnosti 1%, tj. uz 99% vjerojatnosti odbacuje se nul-hipoteza i tvrdi da
je model statistički značajan, odnosno da barem jedna nezavisna varijabla značajno
pridonosi objašnjavanju varijacija zavisne varijable.
F=63,4976 > FC (11)=6,22
p < 0,01
Koeficijent determinacije iznosi R2 = 0,945408, znači da je pomoću ocijenjenog
regresijskog modela objašnjeno 94,54% varijacija zavisne varijable. Korigirani
koeficijent determinacije iznosi 93,02 =R .
Standardna greška regresije s=0,080597, znači da ocijenjena vrijednost broja noćenja
po stanovniku odstupa u prosjeku za 0,0805% od stvarne vrijednosti broja noćenja po
stanovniku.
T vrijednost za parametar β1 iznosi 1,19; za parametar β2=5,06 i za parametar β3=-5,51.
Uzme li se razina signifikantnosti od 5% i df=11 (n-k-1), kritična t vrijednost iznosi
2,201. Na razini signifikantnosti od 5% tj. vjerojatnosti 95% odbacuje se nul-hipoteza i
tvrdi da su parametri β2 i β3 uz nezavisne varijable statistički značajni za model, dok je t
vrijednost nezavisne varijable uz parametar β1 manja od kritične vrijednosti i nije
statistički značajna za model.
51
37,00
=βt
201,219,11
<=βt
201,206,52
>=βt
201,251,53
>=βt
Stoga se tvrdi da navike, odnosno noćenja turista po stanovniku prethodne godine i rat
na Kosovu imaju signifikantan utjecaj na noćenja turista, dok BDP nema utjecaj na
noćenja njemačkih turista po stanovniku u tekućem razdoblju.
Whiteovim testom je testirana prisutnost heteroskedastičnosti u ocijenjenoj regresijskoj
funkciji turističke potražnje njemačkih turista.
Umnožak koeficijenta determinacije i broja nezavisnih varijabli iščitava se iz
računalnog ispisa Obs*R-squared=12,01 i uspoređuje se sa kritičnom vrijednosti 2χ
koja pri stupnju signifikantnosti α=0.01 i 6 stupnjeva slobode (toliko je nezavisnih
varijabli u modelu) iznosi 16.8119.
Pošto je 12,01 < 16,8119 može se zaključiti da u modelu nije prisutna
heteroskedastičnost.
Prisutnost autokorelacije u ocijenjenoj regresijskoj funkciji turističke potražnje
njemačkih turista testira se Breusch-Godfreyevim LM testom.
Obs*R-squared LM testa iznosi 8,390480. Kritična vrijednost 2χ pri α=0.01 i 5
stupnjeva slobode iznosi 15,0863. Budući da je LM vrijednost manja od kritične
vrijednosti može se zaključiti da u modelu nije prisutna autokorelacija.
Faktor inflacije varijance VIF (Variance Inflation Factor) pokazuje da je u ocijenjenoj
regresijskoj funkciji turističke potražnje prisutna multikolinearnost, jer je vrijednost
VIF-a uz nezavisne varijable veća od 5, osim uz dummy varijablu.
Isto to potvrđuje i visok koeficijent korelacije (r) u matrici korelacije između nezavisnih
varijabli osim s dummy varijablom (r > 0,8).
52
U Chow testu za prijelom je uzeta 2004. godina. Izračunata F vrijednost F=9,12 na
razini signifikantnosti α=0.01 (FC=4,07) i α=0.05 (FC=7,59) u Chow testu veća je od
kritične vrijednosti, p<0,05 stoga se odbacuje nul hipoteza i tvrdi se da su razlike među
regresijskim koeficijentima statistički značajne.
Reziduali ocijenjene funkcije noćenja po stanovniku iz Njemačke prikazani su na
grafikonu 11.
Grafikon: 11. Reziduali ocijenjene funkcije noćenja po stanovniku iz Njemačke
-.2
-.1
.0
.1
.2
4.0
4.2
4.4
4.6
4.8
5.0
5.2
97 98 99 00 01 02 03 04 05 06 07 08 09 10 11
Residual Actual Fitted Izvor: izradila studentica pomoću računalnog programa Eviews 7
Pomoću Ramsey RESET testa testira se specifikacija regresijskog modela. Izračunata je
F vrijednost funkcije koja iznosi F=1,73 i manja je nego kritična vrijednost FC=10,00
(uz α=0.01). Ne odbacuje se nul-hipoteza i tvrdi se da ne postoji varijabilnost varijance,
što znači da je model pravilno specificiran, te ne sadrži specifikacijske pogreške.
Pomoću Jarque-Bera testa provjerava se da li su reziduali normalno distribuirani. P-
vrijednost iz računalnog ispisa Jarque-Bera testa iznosi 0,877. Kako je p-vrijednost iz
računalnog ispisa veća od svih razina signifikantnosti (α=0.01, α=0.05, α=0.1) ne
odbacuje se nul-hipoteza i tvrdi da su reziduali normalno distribuirani.
53
5.5. TURISTIČKA POTRAŽNJA SLOVENSKIH TURISTA U HRVATSKOJ
Ocijenjena regresijska funkcija turističke potražnje slovenskih turista glasi:
it
ti
ti
it
it
it
it DVP
V
P
BDP
P
V⋅−⋅+⋅+=
−
− 041049,0ln430073.0ln201210,0483890,2ln)1(
)1(
st. pogreška 0,529112 0,093733 0,119837 0,048252 t 4,694447 2,146637 3,588815 -0,850724 p-vrijednost 0,0007 0,0550 0,0043 0,4131
Iz ocijenjenog modela može se zaključiti:
- ako se BDP po stanovniku poveća za 1% broj noćenja turista po stanovniku povećat će
se 0,20%, uz uvjet da su ostale varijable nepromijenjene.
- ako se broj noćenja turista po stanovniku u odnosu na prethodnu godine poveća za 1%,
broj noćenja turista po stanovniku tekućeg razdoblja povećat će se za 0,43%, uz uvjet da
su ostale varijable nepromijenjene.
- broj noćenja turista po stanovniku se 1999. godine smanjio zbog rata na Kosovu u
prosjeku za 4,02%, u odnosu na godine kad rata nije bilo (e-0,041049 *100)-100 = -4,02%.
Iz računalnog ispisa iščitava se statistička značajnost prilagođenosti modela
F=39,51801. Kako je izračunata vrijednost F-testa veća od kritične vrijednosti FC=6,22
na razini signifikantnosti 1%, tj. uz 99% vjerojatnosti odbacuje se nul-hipoteza i tvrdi da
je model statistički značajan, odnosno da barem jedna nezavisna varijabla značajno
pridonosi objašnjavanju varijacija zavisne varijable.
F=39,518 > FC (11)=6,22
p < 0,01
Koeficijent determinacije iznosi R2 = 0,915093, znači da je pomoću ocijenjenog
regresijskog modela objašnjeno 91,50% varijacija zavisne varijable. Korigirani
koeficijent determinacije iznosi 89,02 =R .
Standardna greška regresije s=0,044141, znači da ocijenjena vrijednost broja noćenja
po stanovniku odstupa u prosjeku za 0,044% od stvarne vrijednosti broja noćenja po
stanovniku .
54
T vrijednost za parametar β1 iznosi 2,14; za parametar β2=3,58 i za parametar β3=-0,85.
Uzme li se razina signifikantnosti od 1% i df=11 (n-k-1), kritična t vrijednost iznosi
3,106. Na razini signifikantnosti od 1% tj. vjerojatnosti 99% odbacuje se nul-hipoteza i
tvrdi da je parametar β2 uz nezavisnu varijablu statistički značajan za model, dok je t
vrijednost nezavisne varijable uz parametre β1i β3 manja od kritične vrijednosti i nije
statistički značajna za model.
69,40
=βt
201,214,21
<=βt
201,258,32
>=βt
201,285,03
<=βt
Stoga se tvrdi da BDP i rat na Kosovu nemaju signifikantan utjecaj na noćenja turista po
stanovniku, dok navike, odnosno noćenja turista po stanovniku prethodne godine imaju
utjecaj na noćenja slovenskih turista u tekućem razdoblju.
Whiteovim testom je testirana prisutnost heteroskedastičnosti u ocijenjenoj regresijskoj
funkciji turističke potražnje slovenskih turista.
Umnožak koeficijenta determinacije i broja nezavisnih varijabli iščitava se iz
računalnog ispisa Obs*R-squared=4,65 i uspoređuje se sa kritičnom vrijednosti 2χ
koja pri stupnju signifikantnosti α=0.01 i 6 stupnjeva slobode (toliko je nezavisnih
varijabli u modelu) iznosi 16.8119.
Pošto je 4,65 < 16,8119 može se zaključiti da u modelu nije prisutna
heteroskedastičnost.
Prisutnost autokorelacije u ocijenjenoj regresijskoj funkciji turističke potražnje
slovenskih turista testira se Breusch-Godfreyevim LM testom.
Obs*R-squared LM testa iznosi 3,318. Kritična vrijednost 2χ pri α=0.01 i 5 stupnjeva
slobode iznosi 15,0863. Budući da je LM vrijednost manja od kritične vrijednosti može
se zaključiti da u modelu nije prisutna autokorelacija.
55
Faktor inflacije varijance VIF (Variance Inflation Factor) pokazuje da je u ocijenjenoj
regresijskoj funkciji turističke potražnje prisutna multikolinearnost, jer je vrijednost
VIF-a uz nezavisne varijable veća od 5, osim uz dummy varijablu.
Isto to potvrđuje i visok koeficijent korelacije (r) u matrici korelacije između nezavisnih
varijabli osim s dummy varijablom (r > 0,8).
U Chow testu za prijelom je uzeta 2004. godina. Izračunata F vrijednost F=0,5056 na
razini signifikantnosti α=0.01 (FC=4,07) i α=0.05 (FC=7,59) u Chow testu manja je od
kritične vrijednosti, p<0,05 stoga se odbacuje nul hipoteza i tvrdi se da su razlike među
regresijskim koeficijentima statistički značajne.
Reziduali ocijenjene funkcije noćenja po stanovniku iz Slovenije prikazani su na
grafikonu 12.
Grafikon: 12. Reziduali ocijenjene funkcije noćenja po stanovniku iz Slovenije
-.050
-.025
.000
.025
.050
.075
.100
7.5
7.6
7.7
7.8
7.9
8.0
8.1
97 98 99 00 01 02 03 04 05 06 07 08 09 10 11
Residual Actual Fitted Izvor: izradila studentica pomoću računalnog programa Eviews 7
Pomoću Ramsey RESET testa testira se specifikacija regresijskog modela. Izračunata je
F vrijednost funkcije koja iznosi F=0,001721 i manja je nego kritična vrijednost
FC=10,00 (uz α=0.01). Ne odbacuje se nul-hipoteza i tvrdi se da ne postoji varijabilnost
varijance, što znači da je model pravilno specificiran, te ne sadrži specifikacijske
pogreške.
56
Pomoću Jarque-Bera testa provjerava se da li su reziduali normalno distribuirani. P-
vrijednost iz računalnog ispisa Jarque-Bera testa iznosi 0,492. Kako je p-vrijednost iz
računalnog ispisa veća od svih razina signifikantnosti (α=0.01, α=0.05, α=0.1) ne
odbacuje se nul-hipoteza i tvrdi da su reziduali normalno distribuirani.
5.6. USPOREDBA TURISTIČKE POTRAŽNJE STRANIH TURISTA
Vrijednosti regresijskih parametara u usporedbi turističke potražnje stranih turista iz 5
najemitivnijih država dobiveni su pomoću računalnog programa Eviews 7 i prikazane su
u tablici 4.
Tablica: 4. Usporedba turističke potražnje stranih turista
AUSTRIJA ČEŠKA ITALIJA NJEMAČKA SLOVENIJA
vrijednost F-testa
132,997400 5,801789 25,669620 63,497680 39,518010
R2 0,973170 0,612749 0,875013 0,945408 0,915093
2R 0,965853 0,507135 0,840925 0,930519 0,891937
ocjena regresijskog koeficijenta konstante
-1,757576 6,563615 20,6955 -0,839911 2,483890
ocjena regresijskog koeficijenta
it
it
P
BDP
0,750328 -0,087541 0,061144 0,303717 0,201210
ocjena regresijskog koeficijenta
)1(
)1(
−
−
ti
ti
P
V
0,013802 0,053865 0,411399 0,532029 0,430073
ocjena regresijskog koeficijenta DV
-0,231192 -0,415026 -0,498183 -0,485404 -0,041049
utjecaj DV -20,64 -33,97 -39,24 -38,46 -4,02
57
vrijednost t-testa
it
it
P
BDP
6,625187 -0,763003 0,180488 1,196782 2,146637
vrijednost
t-testa)1(
)1(
−
−
ti
ti
P
V 0,138640 0,386000 3,056197 5,068337 3,588815
vrijednost t-testa DV
-7,094437 4,056336 -5,537534 -5,512947 -0,850724
Izvor: izradila studentica
Usporede li se vrijednosti F-testa na razini signifikantnosti od 1% (Fc=6,22) kod svih
zemalja, osim Češke može se odbaciti nul-hipoteza i tvrditi da je model statistički
značajan. Na razini signifikantnosti od 5% (Fc=3,59) kod svih zemalja se može odbaciti
nul-hipoteza.
Koeficijent determinacije i korigirani koeficijent determinacije su visoki od svih
zemalja osim kod Češke.
Iz ocjena regresijskih koeficijenata može se zaključiti da BDP ima najveći utjecaj na
turiste iz Austrije, a najmanji na turiste iz Italije. Navike, odnosno noćenja turista po
stanovniku prethodnih godina najviše imaju utjecaja na turiste iz Njemačke, a najmanje
na turiste iz Italije.
Rat na Kosovu koji je u modelu prikazan dummy varijablom negativno se odrazio na
potrošnju turista iz svih zemalja, a najviše je utjecao na potražnju turista iz Italije, a
najmanje na potražnju turista iz slovenije.
Uzme li se razina signifikantnosti od 1% i df=11 (n-k-1=15-3-1), kritična t vrijednost
iznosi 3,106. Uz razinu signifikantnosti od 5% i df=11 kritična t vrijednost iznosi 2,201.
Iz toga se može zaključiti da je varijabla it
it
P
BDP koja u modelu predstavlja BDP po
stanovniku, na obje razine signifikantnosti značajna samo za turiste iz Austrije dok na
turiste iz drugih zemalja nema utjecaja.
58
Varijabla )1(
)1(
−
−
ti
ti
P
V koja u modelu predstavlja navike turista (noćenja turista po stanovniku
u prethodnoj godini) na razini signifikantnosti od 5% značajna je za turiste iz Italije,
Njemačke i Slovenije, dok na turiste iz Italije i Češke nema utjecaja. Na razini od 1%
nema utjecaja niti na turiste iz Italije.
Na obje razine signifikantnosti dummy varijabla u modelu koja predstavlja utjecaj rata
na Kosovu na potražnju turista značajna je za model i ima utjecaj na sve zemlje.
6. ZAKLJUČAK
Turizam ima široko djelovanje kako na gospodarski, tako i na ukupni društveni život,
prema tome, turistička kretanja imaju značajne posljedice u ekonomskoj, kulturnoj,
zdravstvenoj, političkoj i drugim sferama ljudskog života u Hrvatskoj.
U posljednjih nekoliko godina, broj dolazaka i noćenja stranih turista je u porastu jer
Hrvatska obiluje prirodnim ljepotama, ima raznoliku turističku ponudu, blagu
mediteransku klimu, izuzetno povoljan prometni položaj, međutim prisutni su i brojni
nedostaci poput izrazite sezonalnosti turističkog poslovanja, nedostatne i zaostale
komunalne infrastrukture, masovne apartmanizacije koja dovodi do ekološke
degradacije i devastacije prostora, nedostatka sadržaja jer današnjem turistu nisu
dovoljni samo sunce i more, itd.
Turist se odlučuje na putovanje kad zadovolji svoje primarne potrebe uz uvjet da
raspolaže slobodnim vremenom i dovoljno velikim budžetom kojim si to putovanje
može priuštiti. Na putovanje se odlučuje iz raznih razloga, radi odmora, zabave, sporta,
kulture, zdravstvenih razloga i slično.
Motorizacija, kako Krippendorf naziva razvoj automobilske industrije i prometa
općenito usko je povezana i s razvojem turizma, jer su značajno udaljene turističke
59
destinacije postale pristupačnije, pojavili su se povoljniji prijevoznički paketi što
također doprinosi razvoju turizma i potiče čovjeka da lakše donese odluku o nekom
putovanju jer se vrijeme prijevoza do ciljane destinacije znatno skratilo u odnosu na
nekoliko desetljeća unatrag.
Na turističkim djelatnicima i svima onima koji su vezani za turizam je da turista privuku
u hrvatske destinacije boljim marketinškim pristupom te da se sezona produlji i na
druge mjesece u godini, a ne samo na ljetne, što se može postići isključivo
obogaćivanjem ponude i povećanjem različitih sadržaja koji će zadovoljiti individualne
potrebe pojedinih turista.
U ovom diplomskom radu istraživan je utjecaj različitih čimbenika na turističku
potražnju u Hrvatskoj iz pet država s najvećim brojem turista, i to iz: Austrije, Češke,
Italije, Njemačke i Slovenije u periodu od 15 godina, od 1997. do 2011. godine.
Čimbenici koji su uzeti u obzir su BDP po stanovniku, navike, odnosno broj noćenja
turista po stanovniku iz emitivne države u prethodnoj godini i utjecaj rata na Kosovu
1999. godine.
Bruto domaći proizvod se nije pokazao kao bitan čimbenik turističke potražnje osim
kod turista iz Austrije koji statistički i imaju najviši iznos BDP po stanovniku od ostalih
promatranih država.
Navike imaju značajniji utjecaj na potražnju turista. Odnosno broj noćenja po
stanovniku u Hrvatskoj u tekućem razdoblju, ovisan je o broju noćenja po stanovniku u
proteklom razdoblju, uz duljinu odgode od godinu dana. Navike imaju utjecaja na
turiste iz Italije, Njemačke i Slovenije, jer su već prije bili u Hrvatskoj i zadovoljni su
turističkom ponudom ili su odmor u Hrvatskoj odlučili provesti na temelju nečijih
pozitivnih iskustava.
Rat na Kosovu 1999. imao je izrazito negativan utjecaj na potražnju turista iz svih
zemalja, ponajviše na turiste iz Italije.
60
Iako se broj dolazaka i noćenja turista blago povećava Hrvatska se mora približiti
suvremenim turističkim trendovima, gdje se daleko veća pažnja posvećuje: ekologiji,
kulturnom identitetu destinacije, aktivnom odmoru, kvaliteti usluga i selektivnim
oblicima razvoja turizma. Mora se napraviti odmak od masovnog turizma i staviti kao
prioritet formiranje vlastitog, prepoznatljivog proizvoda, obogaćivanje i kvalitativno
unapređivanje ponude s ciljem zadovoljavanja sve individualnijih turističkih potreba.
61
LITERATURA:
KNJIGE:
Baddeley M. & Barrowclough D. 2009, Runing regressions, Cambridge, UK
Biljan-August. M., Pivac S., Štambuk A. 2007, Upotreba statistike u ekonomiji,
Ekonomski fakultet sveučilišta u Rijeci, Rijeka
Cicvarić A. 1990, Ekonomika turizma, Zagreb – poduzeće za grafičku djelatnost,
Zagreb
Cooper C., Fletcher J., Fyall A., Gilbert D., Wanhill S. 2008, Ekonomija turizma načela
i praksa, Ekokon d.o.o., Split
Dobre R., 2005, Osnove turizma, Visoka škola za turistički menadžment Šibenik
F. Witt S. & Moutinho L. 1995, Tourism Marketing and Management Handbook,
Prentice Hall International, UK
Krippendorf J. 1986, Putujuće čovječanstvo, Sveučilišna naklada Liber, Zavod za
istraživanje turizma, Zagreb
Lovrić Lj. 2005, Uvod u ekonometriju, Ekonomski fakultet Sveučilišta u Rijeci, Rijeka
Marušić S. 2006, Upravljanje ljudskim potencijalima, 4. izdanje, ADECO, Zagreb
Newbold P., L. Carlson W., M. Thorne B. 2010, Statistika za poslovanje i ekonomiju,
Mate d.o.o., Zagreb
62
Studenmund A. H. 2010, Using Econometrics a practical guide, Pearson, International
Edition
Šošić I. 2006, Primijenjena statistika, Školska knjiga, Zagreb
Vranić V. 1958, Vjerojatnost i statistika, Tehnička knjiga, Zagreb
Zelenika R. 2000, Metodologija i tehnologija izrade znanstvenog i stručnog djela,
Ekonomski fakultet Sveučilišta u Rijeci, Rijeka
ČLANCI:
Banovac B. & Boneta Ž. 1998, "Sociokulturni čimbenici odabira turističke destinacije",
Ugostiteljstvo i turizam, Stručna revija za turizam, No. 9/98, p. 33 - 36
Kelebuh I. & Javor A. 1998, "Statistička istraživanja turizma", Ugostiteljstvo i turizam,
Stručna revija za turizam, No. 9/98, p. 42 – 44
Radinov N. 1989, "Koncepcija dugoročnog razvoja Hrvatskog turizma", Pravnik, No.
22, p. 15 - 39
Štifanić M. 2001, "Nastanak i razvoj sociologije turizma", Društvena istraživanja, No.
6, p. 859-877
INTERNET IZVORI:
Bahovec V., Dumičić K., Čeh Časni A. 2008, Modeliranje turističke potražnje
Republike Hrvatske modelom višestruke linearne regresije, Zbornik Ekonomskog
fakulteta u Zagrebu, vol. 6, no. 1, p. 46 – 50, Available at:
http://hrcak.srce.hr/index.php?show=clanak&id_clanak_jezik=49010
63
Gogala Z., Dumičić K., Brekalo A. 2010, Regresijska analiza linearne povezanosti
ponude ležajeva i ostvarenih turističkih noćenja po vrstama smještaja u Hrvatskoj od
2001. do 2009. godine, Zbornik ekonomskog fakulteta u Zagrebu, Vol. 8, No. 2, p. 137
– 162, Available at: http://hrcak.srce.hr/70780
Johnson R. R., A Guide to Using EViews with Using Econometrics: A Practical Guide,
University of San Diego, Available at: http://home.iscte-
iul.pt/~deam/html/EViews_tutorial.pdf
Kožić I. & Gatti P. 2012, "Istraživanje ciklusa turističke potražnje", Ekonomska misao i
praksa, no. 2, p. 479 – 496 Available at:
http://hrcak.srce.hr/index.php?show=clanak&id_clanak_jezik=138610
Škrinjarić T. 2011, Istraživanje inozemne turističke potražnje u Hrvatskoj primjenom
analize panel podataka, Acta turistica, vol. 23, no. 2, p. 145 – 173, Available at:
http://hrcak.srce.hr/index.php?show=clanak&id_clanak_jezik=142786
http://unstats.un.org/unsd/demographic/products/dyb/dyb2.htm, Demographic Yearbook
http://www.aiest.org
http://www.dzs.hr/
http://www.hgr.hr
http://vsmti.hr/
http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home
http://www.mint.hr/default.aspx?id=7973 Vlada Republike Hrvatske, veljača 2013.
Prijedlog strategije razvoja turizma Republike Hrvatske do 2020., Zagreb,
64
POPIS TABLICA, GRAFIKONA I SLIKA
TABLICE:
1. Dolasci i noćenja turista 23
2. ANOVA 29
3. Durbin-Watsonov test 35
4. Usporedba turističke potražnje stranih turista 56
GRAFIKONI:
1. BDP po stanovniku 21
2. Broj stanovnika 22
3. Dolasci turista 24
4. Noćenja turista 24
5. Heteroskedastičnost 32
6. Autokorelacija 34
7. Durbin – Watsonov test 36
8. Reziduali ocijenjene funkcije noćenja po stanovniku iz Austrije 42
9. Reziduali ocijenjene funkcije noćenja po stanovniku iz Češke 45
10. Reziduali ocijenjene funkcije noćenja po stanovniku iz Italije 49
11. Reziduali ocijenjene funkcije noćenja po stanovniku iz Njemačke 52
12. Reziduali ocijenjene funkcije noćenja po stanovniku iz Slovenije 55
SLIKE:
1. Maslowljeva hijerarhija potreba 6
2. Turistička potražnja 13
3. Čimbenici turističke potražnje 14
4. Čimbenici formiranja turističke potražnje 15
5. Čimbenici suvremenog turizma 18
i
DOLASCI TURISTA
Godine Austrija Češka Italija Njemačka Slovenija
1997. 542.000 581.000 788.000 747.000 589.000
1998. 567.000 505.000 853.000 828.000 661.000
1999. 478.000 423.000 631.000 627.000 717.000
2000. 640.000 711.000 1.012.000 1.048.000 849.000
2001. 687.000 742.000 1.060.000 1.300.000 877.000
2002. 690.000 698.000 1.099.000 1.482.000 870.000
2003. 709.000 699.000 1.206.000 1.552.000 918.000
2004. 741.000 664.000 1.232.000 1.580.000 884.000
2005. 742.000 616.000 1.253.000 1.572.000 879.000
2006. 790.000 593.000 1.235.000 1.545.000 913.000
2007. 840.000 669.000 1.249.000 1.555.000 1.015.000
2008. 814.000 623.000 1.168.000 1.546.000 1.043.000
2009. 882.000 607.000 1.200.000 1.580.000 1.013.000
2010. 810.000 606.000 1.018.000 1.525.000 1.017.000
2011. 893.000 638.000 1.150.000 1.661.000 1.100.000
Izvor: izradila studentica prema podacima DZS
NOĆENJA TURISTA
Godine Austrija Češka Italija Njemačka Slovenija
1996. 2.267.000 2.432.000 2.347.000 3.870.000 2.875.000
1997. 2.952.000 4.167.000 3.448.000 5.534.000 3.749.000
1998. 3.031.000 3.537.000 3.802.000 6.094.000 4.067.000
1999. 2.536.000 2.856.000 2.701.000 4.670.000 4.279.000
2000. 3.358.000 4.734.000 4.526.000 7.804.000 5.016.000
2001. 3.601.000 4.921.000 4.724.000 9.686.000 5.119.000
2002. 3.543.000 4.560.000 4.883.000 10.789.000 4.993.000
2003. 3.585.000 4.554.000 5.323.000 11.056.000 5.208.000
2004. 3.638.000 4.173.000 5.375.000 10.888.000 5.032.000
2005. 3.757.000 4.052.000 5.699.000 11.001.000 5.099.000
2006. 4.069.000 3.921.000 5.475.000 10.987.000 5.246.000
2007. 4.245.000 4.395.000 5.452.000 10.849.000 5.690.000
2008. 4.165.000 4.122.000 5.069.000 10.983.000 5.802.000
2009. 4.515.000 4.020.000 5.135.000 11.451.000 5.635.000
2010. 4.420.000 4.170.000 4.732.000 11.476.000 5.885.000
2011. 4.836.000 4.389.000 4.995.000 12.487.000 6.389.000
Izvor: izradila studentica prema podacima DZS
ii
BROJ STANOVNIKA
Godine Austrija Češka Italija Njemačka Slovenija
1997. 7.968.000 10.304.000 57.523.000 82.061.000 1.987.000
1998. 7.977.000 10.295.000 57.588.000 82.029.000 1.983.000
1999. 7.992.000 10.283.000 57.646.000 82.057.000 1.986.000
2000. 8.012.000 10.273.000 57.762.000 82.183.000 1.980.000
2001. 8.043.000 10.224.000 57.948.000 82.350.000 1.992.000
2002. 8.084.000 10.201.000 57.157.000 82.488.000 1.996.000
2003. 8.118.000 10.202.000 57.605.000 82.534.000 1.997.000
2004. 8.143.000 10.207.000 57.175.000 82.501.000 1.997.000
2005. 8.169.000 10.234.000 58.607.000 82.464.000 2.001.000
2006. 8.225.000 10.267.000 58.941.000 82.366.000 2.009.000
2007. 8.268.000 10.323.000 59.375.000 82.263.000 2.019.000
2008. 8.301.000 10.430.000 59.832.000 82.110.000 2.023.000
2009. 8.337.000 10.491.000 60.193.000 81.902.000 2.043.000
2010. 8.365.000 10.520.000 60.483.000 81.776.000 2.049.000
2011. 8.390.000 10.487.000 60.626.000 81.751.000 2.050.000
Izvor: izradila studentica prema podacima Demographic Yearbook
BDP PO STANOVNIKU
Godine Austrija Češka Italija Njemačka Slovenija
1997. 24.805,42 13.648,80 21.958,10 23.447,02 14.666,53
1998. 25.958,99 13.711,55 22.507,43 24.129,72 15.412,46
1999. 27.167,86 14.112,67 23.171,06 24.935,53 16.400,31
2000. 28.700,28 14.960,92 24.540,77 26.345,11 17.470,20
2001. 29.388,63 15.692,37 25.534,83 27.284,38 18.337,62
2002. 30.206,87 16.344,62 26.050,97 27.675,77 19.365,25
2003. 30.966,01 17.303,34 26.455,41 28.176,34 20.328,76
2004. 32.290,87 18.715,05 27.222,03 29.322,55 21.756,67
2005. 33.897,44 20.281,02 27.944,06 30.508,12 23.388,93
2006. 36.073,98 22.300,76 28.883,17 32.657,98 25.475,03
2007. 38.367,54 24.165,85 29.296,76 34.415,05 27.474,15
2008. 38.566,99 24.279,11 29.392,40 34.589,71 28.030,40
2009. 39.634,13 24.869,01 29.888,87 35.665,51 28.038,97
2010. 39.889,11 25.190,87 30.409,63 36.033,28 28.874,23
2011. 40.978,71 25.525,55 30.411,94 37.428,52 29.678,58
Izvor: izradila studentica prema podacima Eurostata
iii
ln BDP PO STANOVNIKU
Godina Austrija Češka Italija Njemačka Slovenija
1997 10,12 9,52 10,00 10,06 9,59
1998 10,16 9,53 10,02 10,09 9,64
1999 10,21 9,55 10,05 10,12 9,71
2000 10,26 9,61 10,11 10,18 9,77
2001 10,29 9,66 10,15 10,21 9,82
2002 10,32 9,70 10,17 10,23 9,87
2003 10,34 9,76 10,18 10,25 9,92
2004 10,38 9,84 10,21 10,29 9,99
2005 10,43 9,92 10,24 10,33 10,06
2006 10,49 10,01 10,27 10,39 10,15
2007 10,55 10,09 10,29 10,45 10,22
2008 10,56 10,10 10,29 10,45 10,24
2009 10,59 10,12 10,31 10,48 10,24
2010 10,59 10,13 10,32 10,49 10,27
2011 10,62 10,15 10,32 10,53 10,30
Izvor: izradila studentica
ln BROJ NOĆENJA PO STANOVNIKU
Godine Austrija Češka Italija Njemačka Slovenija
1996. 5,65 5,46 3,71 3,86 7,28
1997. 5,91 6,00 4,09 4,21 7,54
1998. 5,94 5,84 4,19 4,31 7,63
1999. 5,76 5,63 3,85 4,04 7,68
2000. 6,04 6,13 4,36 4,55 7,84
2001. 6,10 6,18 4,40 4,77 7,85
2002. 6,08 6,10 4,45 4,87 7,82
2003. 6,09 6,10 4,53 4,90 7,87
2004. 6,10 6,01 4,54 4,88 7,83
2005. 6,13 5,98 4,58 4,89 7,84
2006. 6,20 5,95 4,53 4,89 7,87
2007. 6,24 6,05 4,52 4,88 7,94
2008. 6,22 5,98 4,44 4,90 7,96
2009. 6,29 5,95 4,45 4,94 7,92
2010. 6,27 5,98 4,36 4,94 7,96
2011. 6,36 6,04 4,41 5,03 8,04
Izvor: izradila studentica
iv
T- TEST
T – test - dvostrani
hipoteza Ho:βj=0
Ha:βj ≠0
│tβj│> tc(n-k-1)
Odbacuje se nul-hipoteza te se uz vjerojatnost od (1-α)*100%
tvrdi da je parametar βj uz varijablu xi pouzdan i signifikantno
različit od nule.
│tβj│≤ tc(n-k-1)
Ne odbacuje se nul-hipoteza te se na nivou signifikantnosti od
α% tvrdi da parametar βj uz varijablu xi nije pouzdan i nije
signifikantno različit od nule.
T – test – ljevostrani
hipoteza Ho:βj≥0
Ha:βj<0
│tβj│> tc(n-k-1)
t<0
Odbacuje se nul-hipoteza te se uz vjerojatnost od (1-α)*100%
tvrdi da je parametar βj uz varijablu xi pouzdan i signifikantno
manji od nule.
│tβj│< tc(n-k-1)
t>0
Ne odbacuje se nul-hipoteza te se na nivou signifikantnosti od
α% tvrdi da parametar βj uz varijablu xi nije pouzdan i nije
signifikantno manji od nule.
T – test – desnostrani
hipoteza Ho:βj≤0
Ha:βj>0
│tβj│> tc(n-k-1)
t>0
Odbacuje se nul-hipoteza te se uz vjerojatnost od (1-α)*100%
tvrdi da je parametar βj uz varijablu xi pouzdan i signifikantno
veći od nule.
│tβj│< tc(n-k-1)
t<0
Ne odbacuje se nul-hipoteza te se na nivou signifikantnosti od
α% tvrdi da parametar βj uz varijablu xi nije pouzdan i nije
signifikantno veći od nule.
v
vi
F-TEST
hipoteza Ho:β0= β1= β2= βn=0
Ha:β0≠ β1≠ β2≠ βn≠0
│F│> Fα(k;n-k-1)
Odbacuje se nul-hipoteza te se uz vjerojatnost od (1-α)*100%
tvrdi da je regresijska funkcija (naziv funkcije) s (broj) varijable
(nazivi svih varijabli) pouzdana i dobro reprezentira pojavu.
│F│≤ Fα(k;n-k-1)
Ne odbacuje se nul-hipoteza te se na nivou signifikantnosti od
α% tvrdi da regresijska funkcija (naziv funkcije) s (broj)
varijable (nazivi svih varijabli) nije pouzdana.
vii
Kritične vrijednosti za 2χ test
Razina signifikantnosti
df 0.995 0.975 0.20 0.10 0.05 0.025 0.02 0.01 0.005 0.002 0.001
1 0.00004 0.0009 1.642 2.706 3.841 5.024 5.412 6.635 7.879 9.550 10.828
2 0.0100 0.0506 3.219 4.605 5.991 7.378 7.824 9.210 10.597 12.429 13.816
3 0.0717 0.216 4.642 6.251 7.815 9.348 9.837 11.345 12.838 14.796 16.266
4 0.207 0.484 5.989 7.779 9.488 11.143 11.668 13.277 14.860 16.924 18.467
5 0.412 0.831 7.289 9.236 11.070 12.833 13.388 15.086 16.750 18.907 20.515
6 0.676 1.237 8.558 10.645 12.592 14.449 15.033 16.812 18.548 20.791 22.458
7 0.989 1.690 9.803 12.017 14.067 16.013 16.622 18.475 20.278 22.601 24.322
8 1.344 2.180 11.030 13.362 15.507 17.535 18.168 20.090 21.955 24.352 26.124
9 1.735 2.700 12.242 14.684 16.919 19.023 19.679 21.666 23.589 26.056 27.877
10 2.156 3.247 13.442 15.987 18.307 20.483 21.161 23.209 25.188 27.722 29.588
11 2.603 3.816 14.631 17.275 19.675 21.920 22.618 24.725 26.757 29.354 31.264
12 3.074 4.404 15.812 18.549 21.026 23.337 24.054 26.217 28.300 30.957 32.909
13 3.565 5.009 16.985 19.812 22.362 24.736 25.472 27.688 29.819 32.535 34.528
14 4.075 5.629 18.151 21.064 23.685 26.119 26.873 29.141 31.319 34.091 36.123
15 4.601 6.262 19.311 22.307 24.996 27.488 28.259 30.578 32.801 35.628 37.697
16 5.142 6.908 20.465 23.542 26.296 28.845 29.633 32.000 34.267 37.146 39.252
17 5.697 7.564 21.615 24.769 27.587 30.191 30.995 33.409 35.718 38.648 40.790
18 6.265 8.231 22.760 25.989 28.869 31.526 32.346 34.805 37.156 40.136 42.312
19 6.844 8.907 23.900 27.204 30.144 32.852 33.687 36.191 38.582 41.610 43.820
20 7.434 9.591 25.038 28.412 31.410 34.170 35.020 37.566 39.997 43.072 45.315
21 8.034 10.283 26.171 29.615 32.671 35.479 36.343 38.932 41.401 44.522 46.797
22 8.643 10.982 27.301 30.813 33.924 36.781 37.659 40.289 42.796 45.962 48.268
23 9.260 11.689 28.429 32.007 35.172 38.076 38.968 41.638 44.181 47.391 49.728
24 9.886 12.401 29.553 33.196 36.415 39.364 40.270 42.980 45.559 48.812 51.179
25 10.520 13.120 30.675 34.382 37.652 40.646 41.566 44.314 46.928 50.223 52.620
26 11.160 13.844 31.795 35.563 38.885 41.923 42.856 45.642 48.290 51.627 54.052
27 11.808 14.573 32.912 36.741 40.113 43.195 44.140 46.963 49.645 53.023 55.476
28 12.461 15.308 34.027 37.916 41.337 44.461 45.419 48.278 50.993 54.411 56.892
29 13.121 16.047 35.139 39.087 42.557 45.722 46.693 49.588 52.336 55.792 58.301
30 13.787 16.791 36.250 40.256 43.773 46.979 47.962 50.892 53.672 57.167 59.703
31 14.458 17.539 37.359 41.422 44.985 48.232 49.226 52.191 55.003 58.536 61.098
32 15.134 18.291 38.466 42.585 46.194 49.480 50.487 53.486 56.328 59.899 62.487
33 15.815 19.047 39.572 43.745 47.400 50.725 51.743 54.776 57.648 61.256 63.870
34 16.501 19.806 40.676 44.903 48.602 51.966 52.995 56.061 58.964 62.608 65.247
35 17.192 20.569 41.778 46.059 49.802 53.203 54.244 57.342 60.275 63.955 66.619
36 17.887 21.336 42.879 47.212 50.998 54.437 55.489 58.619 61.581 65.296 67.985
37 18.586 22.106 43.978 48.363 52.192 55.668 56.730 59.893 62.883 66.633 69.346
38 19.289 22.878 45.076 49.513 53.384 56.896 57.969 61.162 64.181 67.966 70.703
39 19.996 23.654 46.173 50.660 54.572 58.120 59.204 62.428 65.476 69.294 72.055
40 20.707 24.433 47.269 51.805 55.758 59.342 60.436 63.691 66.766 70.618 73.402
viii
AUSTRIJA:
• OCIJENJENA FUNKCIJA:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:00
Sample: 1997 2011
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -1.751576 0.686268 -2.552322 0.0269
BDP_P 0.750328 0.113254 6.625187 0.0000
V1_P1 0.013802 0.099551 0.138640 0.8922
DV -0.231192 0.032588 -7.094437 0.0000
R-squared 0.973170 Mean dependent var 6.116515
Adjusted R-squared 0.965853 S.D. dependent var 0.158995
S.E. of regression 0.029381 Akaike info criterion -3.993785
Sum squared resid 0.009495 Schwarz criterion -3.804971
Log likelihood 33.95339 Hannan-Quinn criter. -3.995796
F-statistic 132.9974 Durbin-Watson stat 1.577935
Prob(F-statistic) 0.000000
Estimation Equation:
=========================
V_P = C(1) + C(2)*BDP_P + C(3)*V1_P1 + C(4)*DV
Substituted Coefficients:
=========================
V_P = -1.75157567733 + 0.750327561823*BDP_P + 0.0138017183928*V1_P1 -
0.231192224823*DV
ix
• HETRERODKEDASTIČNOST:
Heteroskedasticity Test: White
F-statistic 0.242732 Prob. F(6,8) 0.9493
Obs*R-squared 2.310168 Prob. Chi-Square(6) 0.8891
Scaled explained SS 1.355127 Prob. Chi-Square(6) 0.9685
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/25/13 Time: 00:08
Sample: 1997 2011
Included observations: 15
Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob.
C 1.145454 3.229759 0.354656 0.7320
BDP_P -0.261650 1.031883 -0.253565 0.8062
BDP_P^2 0.013745 0.089377 0.153782 0.8816
BDP_P*V1_P1 -0.004056 0.146529 -0.027678 0.9786
BDP_P*DV -6.87E-05 0.000138 -0.497271 0.6324
V1_P1 0.069974 0.774626 0.090332 0.9302
V1_P1^2 -0.002147 0.067575 -0.031778 0.9754
R-squared 0.154011 Mean dependent var 0.000633
Adjusted R-squared -0.480480 S.D. dependent var 0.000968
S.E. of regression 0.001178 Akaike info criterion -10.34600
Sum squared resid 1.11E-05 Schwarz criterion -10.01557
Log likelihood 84.59498 Hannan-Quinn criter. -10.34952
F-statistic 0.242732 Durbin-Watson stat 2.101799
Prob(F-statistic) 0.949270
x
• AUTOKORELACIJA:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.293153 Prob. F(2,9) 0.7528
Obs*R-squared 0.917411 Prob. Chi-Square(2) 0.6321
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/25/13 Time: 00:09
Sample: 1997 2011
Included observations: 15
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.496674 1.028337 -0.482988 0.6406
BDP_P 0.080602 0.168468 0.478442 0.6437
V1_P1 -0.056092 0.134252 -0.417809 0.6859
DV 0.011469 0.039483 0.290482 0.7780
RESID(-1) 0.196549 0.497680 0.394930 0.7021
RESID(-2) 0.318443 0.452158 0.704275 0.4991
R-squared 0.061161 Mean dependent var -7.22E-16
Adjusted R-squared -0.460417 S.D. dependent var 0.026043
S.E. of regression 0.031473 Akaike info criterion -3.790229
Sum squared resid 0.008915 Schwarz criterion -3.507009
Log likelihood 34.42672 Hannan-Quinn criter. -3.793246
F-statistic 0.117261 Durbin-Watson stat 1.719193
Prob(F-statistic) 0.985251
xi
• MULTIKOLINEARNOST:
VIF:
Variance Inflation Factors
Date: 05/25/13 Time: 00:10
Sample: 1997 2011
Included observations: 15
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 0.470963 8183.826 NA
BDP_P 0.012826 24090.07 5.838871
V1_P1 0.009910 6349.608 5.498235
DV 0.001062 1.230237 1.148221
MATRICA KORELACIJE:
• CHOW TEST:
xii
Chow Forecast Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Test predictions for observations from 2004 to 2011
Value df Probability
F-statistic 1.207434 (8, 3) 0.4854
Likelihood ratio 21.59690 8 0.0057
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 0.007245 8 0.000906
Restricted SSR 0.009495 11 0.000863
Unrestricted SSR 0.002250 3 0.000750
Unrestricted SSR 0.002250 3 0.000750
LR test summary:
Value df
Restricted LogL 33.95339 11
Unrestricted LogL 44.75184 3
Unrestricted log likelihood adjusts test equation results to account for
observations in forecast sample
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:12
Sample: 1997 2003
Included observations: 7
Variable
Coefficien
t Std. Error t-Statistic Prob.
C -3.065149 1.871182 -1.638081 0.1999
BDP_P 0.882971 0.228259 3.868283 0.0306
V1_P1 0.007460 0.108468 0.068773 0.9495
DV -0.234209 0.031296 -7.483743 0.0049
R-squared 0.976351 Mean dependent var 5.990056
Adjusted R-squared 0.952702 S.D. dependent var 0.125930
S.E. of regression 0.027387 Akaike info criterion -4.061915
Sum squared resid 0.002250 Schwarz criterion -4.092823
Log likelihood 18.21670 Hannan-Quinn criter. -4.443938
F-statistic 41.28506 Durbin-Watson stat 2.066505
Prob(F-statistic) 0.006130
• RAMSEY RESET TEST:
xiii
Ramsey RESET Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 0.353763 10 0.7309
F-statistic 0.125148 (1, 10) 0.7309
Likelihood ratio 0.186557 1 0.6658
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 0.000117 1 0.000117
Restricted SSR 0.009495 11 0.000863
Unrestricted SSR 0.009378 10 0.000938
Unrestricted SSR 0.009378 10 0.000938
LR test summary:
Value df
Restricted LogL 33.95339 11
Unrestricted LogL 34.04666 10
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:13
Sample: 1997 2011
Included observations: 15
Variable
Coefficien
t Std. Error t-Statistic Prob.
C 12.54782 40.42718 0.310381 0.7626
BDP_P -1.483769 6.316343 -0.234910 0.8190
V1_P1 -0.011597 0.126179 -0.091906 0.9286
DV 0.422833 1.849081 0.228672 0.8237
FITTED^2 0.241349 0.682234 0.353763 0.7309
R-squared 0.973502 Mean dependent var 6.116515
Adjusted R-squared 0.962903 S.D. dependent var 0.158995
S.E. of regression 0.030624 Akaike info criterion -3.872889
Sum squared resid 0.009378 Schwarz criterion -3.636872
Log likelihood 34.04666 Hannan-Quinn criter. -3.875403
F-statistic 91.84618 Durbin-Watson stat 1.587749
Prob(F-statistic) 0.000000
• JARQUE-BERA TEST:
xiv
ČEŠKA:
xv
• OCIJENJENA FUNKCIJA:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:29
Sample: 1997 2011
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 6.563615 1.181767 5.554070 0.0002
BDP_P -0.087541 0.114732 -0.763003 0.4615
V1_P1 0.053865 0.139546 0.386000 0.7069
DV -0.415026 0.102316 -4.056336 0.0019
R-squared 0.612749 Mean dependent var 5.994827
Adjusted R-squared 0.507135 S.D. dependent var 0.132436
S.E. of regression 0.092976 Akaike info criterion -1.689770
Sum squared resid 0.095090 Schwarz criterion -1.500957
Log likelihood 16.67328 Hannan-Quinn criter. -1.691782
F-statistic 5.801789 Durbin-Watson stat 1.393311
Prob(F-statistic) 0.012532
Estimation Equation:
=========================
V_P = C(1) + C(2)*BDP_P + C(3)*V1_P1 + C(4)*DV
Substituted Coefficients:
=========================
V_P = 6.56361480309 - 0.0875411161953*BDP_P + 0.053864836727*V1_P1 -
0.415026222112*DV
• HETRERODKEDASTIČNOST:
xvi
Heteroskedasticity Test: White
F-statistic 65.18601 Prob. F(6,8) 0.0000
Obs*R-squared 14.69934 Prob. Chi-Square(6) 0.0227
Scaled explained SS 12.78182 Prob. Chi-Square(6) 0.0466
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/25/13 Time: 00:30
Sample: 1997 2011
Included observations: 15
Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob.
C 13.14123 3.441452 3.818515 0.0051
BDP_P -4.064741 0.555943 -7.311433 0.0001
BDP_P^2 0.181556 0.021024 8.635599 0.0000
BDP_P*V1_P1 0.070734 0.054936 1.287557 0.2339
BDP_P*DV -0.004420 0.000354 -12.47290 0.0000
V1_P1 2.430614 0.356956 6.809290 0.0001
V1_P1^2 -0.263239 0.031383 -8.387957 0.0000
R-squared 0.979956 Mean dependent var 0.006339
Adjusted R-squared 0.964922 S.D. dependent var 0.011800
S.E. of regression 0.002210 Akaike info criterion -9.086883
Sum squared resid 3.91E-05 Schwarz criterion -8.756460
Log likelihood 75.15162 Hannan-Quinn criter. -9.090403
F-statistic 65.18601 Durbin-Watson stat 1.541242
Prob(F-statistic) 0.000002
• AUTOKORELACIJA:
xvii
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 3.303774 Prob. F(2,9) 0.0840
Obs*R-squared 6.350339 Prob. Chi-Square(2) 0.0418
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/25/13 Time: 00:31
Sample: 1997 2011
Included observations: 15
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.722956 1.046513 -0.690824 0.5071
BDP_P 0.179351 0.129658 1.383266 0.1999
V1_P1 -0.178207 0.178623 -0.997668 0.3445
DV 0.321772 0.159031 2.023334 0.0737
RESID(-1) 1.299003 0.534209 2.431639 0.0379
RESID(-2) -0.257505 0.319192 -0.806742 0.4406
R-squared 0.423356 Mean dependent var 1.28E-15
Adjusted R-squared 0.102998 S.D. dependent var 0.082414
S.E. of regression 0.078055 Akaike info criterion -1.973634
Sum squared resid 0.054833 Schwarz criterion -1.690414
Log likelihood 20.80225 Hannan-Quinn criter. -1.976651
F-statistic 1.321510 Durbin-Watson stat 2.282085
Prob(F-statistic) 0.336846
• MULTIKOLINEARNOST:
xviii
VIF:
Variance Inflation Factors
Date: 05/25/13 Time: 00:31
Sample: 1997 2011
Included observations: 15
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 1.396572 2423.327 NA
BDP_P 0.013164 2215.762 1.242784
V1_P1 0.019473 1200.024 1.137187
DV 0.010468 1.210990 1.130258
MATRICA KORELACIJE:
• CHOW TEST:
xix
Chow Forecast Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Test predictions for observations from 2004 to 2011
Value df Probability
F-statistic 0.888010 (8, 3) 0.6054
Likelihood ratio 18.21491 8 0.0197
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 0.066857 8 0.008357
Restricted SSR 0.095090 11 0.008645
Unrestricted SSR 0.028233 3 0.009411
Unrestricted SSR 0.028233 3 0.009411
LR test summary:
Value df
Restricted LogL 16.67328 11
Unrestricted LogL 25.78073 3
Unrestricted log likelihood adjusts test equation results to account for
observations in forecast sample
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:32
Sample: 1997 2003
Included observations: 7
Variable
Coefficien
t Std. Error t-Statistic Prob.
C -5.354484 5.157856 -1.038122 0.3755
BDP_P 1.314931 0.607038 2.166144 0.1189
V1_P1 -0.211162 0.193904 -1.089004 0.3558
DV -0.349715 0.111307 -3.141889 0.0516
R-squared 0.879725 Mean dependent var 5.997398
Adjusted R-squared 0.759449 S.D. dependent var 0.197795
S.E. of regression 0.097011 Akaike info criterion -1.532434
Sum squared resid 0.028233 Schwarz criterion -1.563342
Log likelihood 9.363518 Hannan-Quinn criter. -1.914457
F-statistic 7.314255 Durbin-Watson stat 1.366692
Prob(F-statistic) 0.068200
• RAMSEY RESET TEST:
xx
Ramsey RESET Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 0.761893 10 0.4637
F-statistic 0.580481 (1, 10) 0.4637
Likelihood ratio 0.846388 1 0.3576
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 0.005217 1 0.005217
Restricted SSR 0.095090 11 0.008645
Unrestricted SSR 0.089873 10 0.008987
Unrestricted SSR 0.089873 10 0.008987
LR test summary:
Value df
Restricted LogL 16.67328 11
Unrestricted LogL 17.09647 10
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:32
Sample: 1997 2011
Included observations: 15
Variable
Coefficien
t Std. Error t-Statistic Prob.
C 3179.727 4164.850 0.763468 0.4628
BDP_P -78.29345 102.6471 -0.762744 0.4632
V1_P1 48.22516 63.22607 0.762742 0.4632
DV -359.5713 471.4008 -0.762772 0.4632
FITTED^2 -74.16565 97.34409 -0.761892 0.4637
R-squared 0.633995 Mean dependent var 5.994827
Adjusted R-squared 0.487593 S.D. dependent var 0.132436
S.E. of regression 0.094801 Akaike info criterion -1.612863
Sum squared resid 0.089873 Schwarz criterion -1.376846
Log likelihood 17.09647 Hannan-Quinn criter. -1.615377
F-statistic 4.330510 Durbin-Watson stat 1.294255
Prob(F-statistic) 0.027388
• JARQUE-BERA TEST:
xxi
ITALIJA:
xxii
• OCIJENJENA FUNKCIJA:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:38
Sample: 1997 2011
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 2.006955 3.012292 0.666255 0.5190
BDP_P 0.061144 0.338769 0.180488 0.8601
V1_P1 0.411399 0.134611 3.056197 0.0109
DV -0.498183 0.089965 -5.537534 0.0002
R-squared 0.875013 Mean dependent var 4.379675
Adjusted R-squared 0.840925 S.D. dependent var 0.197561
S.E. of regression 0.078796 Akaike info criterion -2.020735
Sum squared resid 0.068297 Schwarz criterion -1.831922
Log likelihood 19.15552 Hannan-Quinn criter. -2.022747
F-statistic 25.66962 Durbin-Watson stat 1.506749
Prob(F-statistic) 0.000029
Estimation Equation:
=========================
V_P = C(1) + C(2)*BDP_P + C(3)*V1_P1 + C(4)*DV
Substituted Coefficients:
=========================
V_P = 2.00695468731 + 0.0611438068783*BDP_P + 0.411399060509*V1_P1 -
0.498182795291*DV
• HETRERODKEDASTIČNOST:
xxiii
Heteroskedasticity Test: White
F-statistic 1.119187 Prob. F(6,8) 0.4287
Obs*R-squared 6.845124 Prob. Chi-Square(6) 0.3354
Scaled explained SS 3.683969 Prob. Chi-Square(6) 0.7194
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/25/13 Time: 00:40
Sample: 1997 2011
Included observations: 15
Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob.
C 20.08028 80.70098 0.248823 0.8098
BDP_P -5.478925 18.34490 -0.298662 0.7728
BDP_P^2 0.360109 1.056619 0.340813 0.7420
BDP_P*V1_P1 -0.430449 0.765456 -0.562343 0.5893
BDP_P*DV -0.000750 0.000847 -0.886148 0.4014
V1_P1 3.644029 6.169703 0.590633 0.5711
V1_P1^2 0.084077 0.195761 0.429487 0.6789
R-squared 0.456342 Mean dependent var 0.004553
Adjusted R-squared 0.048598 S.D. dependent var 0.006668
S.E. of regression 0.006504 Akaike info criterion -6.928204
Sum squared resid 0.000338 Schwarz criterion -6.597781
Log likelihood 58.96153 Hannan-Quinn criter. -6.931724
F-statistic 1.119187 Durbin-Watson stat 2.552027
Prob(F-statistic) 0.428741
• AUTOKORELACIJA:
xxiv
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.441831 Prob. F(2,9) 0.6561
Obs*R-squared 1.341095 Prob. Chi-Square(2) 0.5114
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/25/13 Time: 00:40
Sample: 1997 2011
Included observations: 15
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -1.488434 4.056477 -0.366928 0.7222
BDP_P 0.177636 0.475861 0.373293 0.7176
V1_P1 -0.075471 0.214849 -0.351277 0.7335
DV 0.062633 0.133533 0.469047 0.6502
RESID(-1) 0.391719 0.441462 0.887322 0.3980
RESID(-2) -0.023726 0.480428 -0.049385 0.9617
R-squared 0.089406 Mean dependent var -6.52E-17
Adjusted R-squared -0.416479 S.D. dependent var 0.069845
S.E. of regression 0.083127 Akaike info criterion -1.847727
Sum squared resid 0.062190 Schwarz criterion -1.564507
Log likelihood 19.85796 Hannan-Quinn criter. -1.850744
F-statistic 0.176732 Durbin-Watson stat 1.943369
Prob(F-statistic) 0.964599
• MULTIKOLINEARNOST:
xxv
VIF:
Variance Inflation Factors
Date: 05/25/13 Time: 00:40
Sample: 1997 2011
Included observations: 15
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 9.073904 21921.95 NA
BDP_P 0.114765 28819.83 3.147627
V1_P1 0.018120 824.7105 2.800541
DV 0.008094 1.303582 1.216676
MATRICA KORELACIJE:
• CHOW TEST:
xxvi
Chow Forecast Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Test predictions for observations from 2004 to 2011
Value df Probability
F-statistic 7.916857 (8, 3) 0.0581
Likelihood ratio 46.44155 8 0.0000
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 0.065208 8 0.008151
Restricted SSR 0.068297 11 0.006209
Unrestricted SSR 0.003089 3 0.001030
Unrestricted SSR 0.003089 3 0.001030
LR test summary:
Value df
Restricted LogL 19.15552 11
Unrestricted LogL 42.37629 3
Unrestricted log likelihood adjusts test equation results to account
for
observations in forecast sample
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:41
Sample: 1997 2003
Included observations: 7
Variable
Coefficien
t Std. Error t-Statistic Prob.
C -16.52837 2.952342 -5.598394 0.0113
BDP_P 2.064557 0.318383 6.484511 0.0074
V1_P1 0.001006 0.080024 0.012574 0.9908
DV -0.378940 0.040117 -9.445867 0.0025
R-squared 0.990891 Mean dependent var 4.266631
Adjusted R-squared 0.981781 S.D. dependent var 0.237723
S.E. of regression 0.032087 Akaike info criterion -3.745175
Sum squared resid 0.003089 Schwarz criterion -3.776083
Log likelihood 17.10811 Hannan-Quinn criter. -4.127198
F-statistic 108.7779 Durbin-Watson stat 2.252058
Prob(F-statistic) 0.001472
• RAMSEY RESET TEST:
xxvii
Ramsey RESET Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 0.683564 10 0.5098
F-statistic 0.467260 (1, 10) 0.5098
Likelihood ratio 0.685008 1 0.4079
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 0.003049 1 0.003049
Restricted SSR 0.068297 11 0.006209
Unrestricted SSR 0.065248 10 0.006525
Unrestricted SSR 0.065248 10 0.006525
LR test summary:
Value df
Restricted LogL 19.15552 11
Unrestricted LogL 19.49802 10
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:42
Sample: 1997 2011
Included observations: 15
Variable
Coefficien
t Std. Error t-Statistic Prob.
C 4.391113 4.658403 0.942622 0.3681
BDP_P -0.771374 1.266454 -0.609082 0.5561
V1_P1 -4.955987 7.853273 -0.631073 0.5421
DV 5.675649 9.032297 0.628373 0.5438
FITTED^2 1.506674 2.204145 0.683564 0.5098
R-squared 0.880592 Mean dependent var 4.379675
Adjusted R-squared 0.832829 S.D. dependent var 0.197561
S.E. of regression 0.080776 Akaike info criterion -1.933069
Sum squared resid 0.065248 Schwarz criterion -1.697053
Log likelihood 19.49802 Hannan-Quinn criter. -1.935583
F-statistic 18.43662 Durbin-Watson stat 1.479759
Prob(F-statistic) 0.000131
• JARQUE-BERA TEST:
xxviii
NJEMAČKA:
xxix
• OCIJENJENA FUNKCIJA:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:47
Sample: 1997 2011
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -0.839911 2.234783 -0.375836 0.7142
BDP_P 0.303717 0.253778 1.196782 0.2565
V1_P1 0.532029 0.104971 5.068337 0.0004
DV -0.485404 0.088048 -5.512946 0.0002
R-squared 0.945408 Mean dependent var 4.734205
Adjusted R-squared 0.930519 S.D. dependent var 0.305763
S.E. of regression 0.080597 Akaike info criterion -1.975534
Sum squared resid 0.071454 Schwarz criterion -1.786721
Log likelihood 18.81651 Hannan-Quinn criter. -1.977546
F-statistic 63.49768 Durbin-Watson stat 1.037413
Prob(F-statistic) 0.000000
Estimation Equation:
=========================
V_P = C(1) + C(2)*BDP_P + C(3)*V1_P1 + C(4)*DV
Substituted Coefficients:
=========================
V_P = -0.83991093093 + 0.303716515997*BDP_P + 0.532029144788*V1_P1 -
0.485404429226*DV
• HETRERODKEDASTIČNOST:
xxx
Heteroskedasticity Test: White
F-statistic 5.356491 Prob. F(6,8) 0.0167
Obs*R-squared 12.01038 Prob. Chi-Square(6) 0.0617
Scaled explained SS 8.534743 Prob. Chi-Square(6) 0.2015
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/25/13 Time: 00:49
Sample: 1997 2011
Included observations: 15
Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob.
C 17.95285 20.91244 0.858477 0.4156
BDP_P -4.449321 4.712080 -0.944237 0.3727
BDP_P^2 0.259071 0.266931 0.970554 0.3602
BDP_P*V1_P1 -0.185168 0.185241 -0.999604 0.3468
BDP_P*DV -0.001835 0.000590 -3.111699 0.0144
V1_P1 2.131497 1.627844 1.309399 0.2268
V1_P1^2 -0.029608 0.035745 -0.828315 0.4315
R-squared 0.800692 Mean dependent var 0.004764
Adjusted R-squared 0.651212 S.D. dependent var 0.008016
S.E. of regression 0.004734 Akaike info criterion -7.563354
Sum squared resid 0.000179 Schwarz criterion -7.232930
Log likelihood 63.72515 Hannan-Quinn criter. -7.566874
F-statistic 5.356491 Durbin-Watson stat 2.326278
Prob(F-statistic) 0.016748
• AUTOKORELACIJA:
xxxi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 5.712542 Prob. F(2,9) 0.0250
Obs*R-squared 8.390480 Prob. Chi-Square(2) 0.0151
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/25/13 Time: 00:50
Sample: 1997 2011
Included observations: 15
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -2.023939 2.989433 -0.677031 0.5154
BDP_P 0.215734 0.352540 0.611941 0.5557
V1_P1 -0.044837 0.148802 -0.301316 0.7700
DV 0.190395 0.099953 1.904852 0.0892
RESID(-1) 1.142069 0.355090 3.216279 0.0106
RESID(-2) -0.398159 0.423343 -0.940512 0.3715
R-squared 0.559365 Mean dependent var 4.57E-16
Adjusted R-squared 0.314568 S.D. dependent var 0.071442
S.E. of regression 0.059147 Akaike info criterion -2.528407
Sum squared resid 0.031485 Schwarz criterion -2.245187
Log likelihood 24.96305 Hannan-Quinn criter. -2.531424
F-statistic 2.285017 Durbin-Watson stat 2.535394
Prob(F-statistic) 0.132945
• MULTIKOLINEARNOST:
xxxii
VIF:
Variance Inflation Factors
Date: 05/25/13 Time: 00:50
Sample: 1997 2011
Included observations: 15
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 4.994254 11532.54 NA
BDP_P 0.064403 15791.57 3.349076
V1_P1 0.011019 554.8198 3.226980
DV 0.007752 1.193447 1.113884
MATRICA KORELACIJE:
• CHOW TEST:
xxxiii
Chow Forecast Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Test predictions for observations from 2004 to 2011
Value df Probability
F-statistic 9.126978 (8, 3) 0.0479
Likelihood ratio 48.48494 8 0.0000
F-test summary:
Sum of Sq. df
Mean
Squares
Test SSR 0.068635 8 0.008579
Restricted SSR 0.071454 11 0.006496
Unrestricted SSR 0.002820 3 0.000940
Unrestricted SSR 0.002820 3 0.000940
LR test summary:
Value df
Restricted LogL 18.81651 11
Unrestricted LogL 43.05898 3
Unrestricted log likelihood adjusts test equation results to account for
observations in forecast sample
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:51
Sample: 1997 2003
Included observations: 7
Variable Coefficient Std. Error t-Statistic Prob.
C -26.49069 3.351474 -7.904191 0.0042
BDP_P 2.980408 0.353565 8.429587 0.0035
V1_P1 0.178186 0.065623 2.715317 0.0728
DV -0.409238 0.035329 -11.58354 0.0014
R-squared 0.995967 Mean dependent var 4.521820
Adjusted R-squared 0.991933 S.D. dependent var 0.341363
S.E. of regression 0.030659
Akaike info
criterion -3.836200
Sum squared resid 0.002820 Schwarz criterion -3.867108
Log likelihood 17.42670
Hannan-Quinn
criter. -4.218223
F-statistic 246.9345 Durbin-Watson stat 2.484863
Prob(F-statistic) 0.000434
• RAMSEY RESET TEST:
xxxiv
Ramsey RESET Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 1.317292 10 0.2171
F-statistic 1.735260 (1, 10) 0.2171
Likelihood ratio 2.400193 1 0.1213
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 0.010566 1 0.010566
Restricted SSR 0.071454 11 0.006496
Unrestricted SSR 0.060889 10 0.006089
Unrestricted SSR 0.060889 10 0.006089
LR test summary:
Value df
Restricted LogL 18.81651 11
Unrestricted LogL 20.01660 10
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:51
Sample: 1997 2011
Included observations: 15
Variable
Coefficien
t Std. Error t-Statistic Prob.
C -34.25096 25.45554 -1.345521 0.2082
BDP_P 3.571567 2.492871 1.432713 0.1825
V1_P1 5.594114 3.844138 1.455232 0.1763
DV -4.876436 3.334466 -1.462434 0.1743
FITTED^2 -1.046252 0.794245 -1.317292 0.2171
R-squared 0.953480 Mean dependent var 4.734205
Adjusted R-squared 0.934872 S.D. dependent var 0.305763
S.E. of regression 0.078031 Akaike info criterion -2.002214
Sum squared resid 0.060889 Schwarz criterion -1.766197
Log likelihood 20.01660 Hannan-Quinn criter. -2.004728
F-statistic 51.24030 Durbin-Watson stat 1.593388
Prob(F-statistic) 0.000001
• JARQUE-BERA TEST:
xxxv
SLOVENIJA:
xxxvi
• OCIJENJENA FUNKCIJA:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:19
Sample: 1997 2011
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 2.483890 0.529112 4.694447 0.0007
BDP_P 0.201210 0.093733 2.146637 0.0550
V1_P1 0.430073 0.119837 3.588815 0.0043
DV -0.041049 0.048252 -0.850724 0.4131
R-squared 0.915093 Mean dependent var 7.840092
Adjusted R-squared 0.891937 S.D. dependent var 0.134277
S.E. of regression 0.044141 Akaike info criterion -3.179693
Sum squared resid 0.021432 Schwarz criterion -2.990880
Log likelihood 27.84770 Hannan-Quinn criter. -3.181705
F-statistic 39.51801 Durbin-Watson stat 1.623921
Prob(F-statistic) 0.000003
Estimation Equation:
=========================
V_P = C(1) + C(2)*BDP_P + C(3)*V1_P1 + C(4)*DV
Substituted Coefficients:
=========================
V_P = 2.48389008674 + 0.201210094499*BDP_P + 0.430072713557*V1_P1 -
0.0410492149112*DV
• HETRERODKEDASTIČNOST:
xxxvii
Heteroskedasticity Test: White
F-statistic 0.600343 Prob. F(6,8) 0.7247
Obs*R-squared 4.657008 Prob. Chi-Square(6) 0.5885
Scaled explained SS 2.366085 Prob. Chi-Square(6) 0.8831
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/25/13 Time: 00:21
Sample: 1997 2011
Included observations: 15
Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob.
C 1.118026 2.260121 0.494675 0.6341
BDP_P -0.279816 0.475221 -0.588813 0.5722
BDP_P^2 -0.037609 0.057347 -0.655809 0.5304
BDP_P*V1_P1 0.131665 0.119588 1.100990 0.3029
BDP_P*DV -0.000374 0.000279 -1.337478 0.2178
V1_P1 0.076105 0.480240 0.158474 0.8780
V1_P1^2 -0.089096 0.060141 -1.481463 0.1768
R-squared 0.310467 Mean dependent var 0.001429
Adjusted R-squared -0.206682 S.D. dependent var 0.002033
S.E. of regression 0.002233 Akaike info criterion -9.066018
Sum squared resid 3.99E-05 Schwarz criterion -8.735594
Log likelihood 74.99513 Hannan-Quinn criter. -9.069538
F-statistic 0.600343 Durbin-Watson stat 2.066291
Prob(F-statistic) 0.724689
• AUTOKORELACIJA:
xxxviii
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.278497 Prob. F(2,9) 0.3246
Obs*R-squared 3.318762 Prob. Chi-Square(2) 0.1903
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/25/13 Time: 00:22
Sample: 1997 2011
Included observations: 15
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C 0.143073 0.547037 0.261541 0.7996
BDP_P -0.069559 0.133359 -0.521591 0.6145
V1_P1 0.070517 0.154559 0.456246 0.6590
DV -0.004939 0.054817 -0.090098 0.9302
RESID(-1) 0.025201 0.450945 0.055884 0.9567
RESID(-2) -0.587344 0.384036 -1.529398 0.1605
R-squared 0.221251 Mean dependent var -3.53E-16
Adjusted R-squared -0.211388 S.D. dependent var 0.039126
S.E. of regression 0.043064 Akaike info criterion -3.163093
Sum squared resid 0.016690 Schwarz criterion -2.879873
Log likelihood 29.72320 Hannan-Quinn criter. -3.166110
F-statistic 0.511399 Durbin-Watson stat 1.823886
Prob(F-statistic) 0.761832
• MULTIKOLINEARNOST:
xxxix
VIF:
Variance Inflation Factors
Date: 05/25/13 Time: 00:22
Sample: 1997 2011
Included observations: 15
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 0.279960 2155.311 NA
BDP_P 0.008786 6748.089 3.784813
V1_P1 0.014361 6710.751 3.613975
DV 0.002328 1.194965 1.115300
MATRICA KORELACIJE:
• CHOW TEST:
xl
Chow Forecast Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Test predictions for observations from 2004 to 2011
Value df Probability
F-statistic 0.505600 (8, 3) 0.8040
Likelihood ratio 12.80516 8 0.1187
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 0.012305 8 0.001538
Restricted SSR 0.021432 11 0.001948
Unrestricted SSR 0.009127 3 0.003042
Unrestricted SSR 0.009127 3 0.003042
LR test summary:
Value df
Restricted LogL 27.84770 11
Unrestricted LogL 34.25028 3
Unrestricted log likelihood adjusts test equation results to account
for
observations in forecast sample
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:23
Sample: 1997 2003
Included observations: 7
Variable
Coefficien
t Std. Error t-Statistic Prob.
C 0.901147 3.126466 0.288232 0.7919
BDP_P 0.432194 0.525611 0.822269 0.4712
V1_P1 0.343641 0.297306 1.155847 0.3314
DV -0.040881 0.063640 -0.642371 0.5663
R-squared 0.909529 Mean dependent var 7.746263
Adjusted R-squared 0.819058 S.D. dependent var 0.129667
S.E. of regression 0.055157 Akaike info criterion -2.661707
Sum squared resid 0.009127 Schwarz criterion -2.692615
Log likelihood 13.31597 Hannan-Quinn criter. -3.043730
F-statistic 10.05324 Durbin-Watson stat 1.735798
Prob(F-statistic) 0.044922
• RAMSEY RESET TEST:
xli
Ramsey RESET Test
Equation: UNTITLED
Specification: V_P C BDP_P V1_P1 DV
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 0.041480 10 0.9677
F-statistic 0.001721 (1, 10) 0.9677
Likelihood ratio 0.002581 1 0.9595
F-test summary:
Sum of
Sq. df
Mean
Squares
Test SSR 3.69E-06 1 3.69E-06
Restricted SSR 0.021432 11 0.001948
Unrestricted SSR 0.021429 10 0.002143
Unrestricted SSR 0.021429 10 0.002143
LR test summary:
Value df
Restricted LogL 27.84770 11
Unrestricted LogL 27.84899 10
Unrestricted Test Equation:
Dependent Variable: V_P
Method: Least Squares
Date: 05/25/13 Time: 00:24
Sample: 1997 2011
Included observations: 15
Variable
Coefficien
t Std. Error t-Statistic Prob.
C 1.259004 29.53470 0.042628 0.9668
BDP_P 0.382289 4.366550 0.087549 0.9320
V1_P1 0.797378 8.855872 0.090039 0.9300
DV -0.076815 0.863715 -0.088935 0.9309
FITTED^2 -0.055980 1.349555 -0.041480 0.9677
R-squared 0.915108 Mean dependent var 7.840092
Adjusted R-squared 0.881151 S.D. dependent var 0.134277
S.E. of regression 0.046291 Akaike info criterion -3.046532
Sum squared resid 0.021429 Schwarz criterion -2.810515
Log likelihood 27.84899 Hannan-Quinn criter. -3.049046
F-statistic 26.94916 Durbin-Watson stat 1.611297
Prob(F-statistic) 0.000025
• JARQUE-BERA TEST:
xlii
POPIS PRILOGA
Dolasci turista i
Noćenja turista i
Broj stanovnika ii
BDP po stanovniku ii
ln BDP po stanovniku iii
ln broj noćenja po stanovniku iii
T test iv
Kritične vrijednosti t razdiobe v
F test vi
Kritične vrijednosti F razdiobe vi
Kritične vrijednosti za 2χ test vii
Austrija viii
Ocijenjena funkcija viii
Heteroskedastičnost ix
Autokorelacija x
Multikolinearnost xi
Chow test xii
Ramsey RESET test xiii
Jarque-Bera test xiv
Češka xv
Ocijenjena funkcija xv
Heteroskedastičnost xvi
Autokorelacija xvii
Multikolinearnost xvii
Chow test xix
Ramsey RESET test xx
Jarque-Bera test xxi
Italija xxii
Ocijenjena funkcija xxii
Heteroskedastičnost xxiii
Autokorelacija xxiv
Multikolinearnost xxv
Chow test xxvi
Ramsey RESET test xxvii
Jarque-Bera test xxvii
Njemačka xxix
Ocijenjena funkcija xxix
Heteroskedastičnost xxx
Autokorelacija xxxi
Multikolinearnost xxxii
Chow test xxxiii
Ramsey RESET test xxxiv
Jarque-Bera test xxxv
Slovenija xxxvi
Ocijenjena funkcija xxxvi
Heteroskedastičnost xxxvii
Autokorelacija xxxviii
Multikolinearnost xxxix
Chow test x1
Ramsey RESET test x1i
Jarque-Bera test x1ii
IZJAVA
kojom izjavljujem da sam diplomski rad s naslovom EMPIRIJSKA ANALIZA
ČIMBENIKA TURISTIČKE POTRAŽNJE IZ DRŽAVA S NAJVEĆIM BROJEM
TURISTA U REPUBLICI HRVATSKOJ izradila samostalno pod voditeljstvom doc.
dr. sc. Ane Štambuk. U radu sam primijenila metodologiju znanstveno-istraživačkog
rada i koristila literaturu koja je navedena na kraju diplomskog rada. Tuđe spoznaje,
stavove, zaključke, teorije i zakonitosti koje sam izravno ili parafrazirajući navela u
diplomskom radu na uobičajen, standardan način citirala sam i povezala s korištenim
bibliografskim jedinicama. Rad je pisan u duhu hrvatskog jezika.
Također, izjavljujem da sam suglasna s objavom diplomskog rada na službenim
stranicama Fakulteta.
Studentica
Divna Pedić