A Comparison of Two Econometric Models(OLS and SUR) for Forecasting Croatian Tourism Arrivals

Perbandingan Dua Model Ekonometrika (OLS dan SUR) untuk meramalkan Kedatangan Wisman ke Kroasia

Paper by Tihomir StuckaTranslated by NM.Eka Mahadewi

Abstrak

Penerimaan dari sektor pariwisata memiliki dampak besar bagi perekonomian Kroasia. Aliran yang besar dari uang asing selama musim panas tidak hanya memberikan pemasukan bagi Kroasia, tapi juga memberikan efek stabilitas bagi mata uang Kroasia, Kuna. Penulis membandingkan dua model permintaan menggunakan OLS dan teknik estimasi SUR.Model ini disusun dengan persamaan yang meliputi lima negara, yang berkontribusi menyumbang wisman sekitar 72-78% dari total kedatangan wisman per tahunnya. Model tersebut menjelaskan bahwa kedatangan merupakan alat yang mempengaruhi PDB riil dan nilai tukar riil. Berdasarkan perkiraan akurasi peramalan, tampaknya model SUR lebih tepat digunakan untuk memprediksi kedatangan wisman.

Kata Kunci : Penerimaan pariwisata, Peramalan, Kroasia.

I. PENDAHULUAN

Penerimaan dari sektor pariwisata memiliki dampak besar bagi perekonomian Kroasia. Aliran yang besar dari uang asing selama musim panas tidak hanya memberikan pemasukan bagi Kroasia, tapi juga memberikan efek stabilitas bagi mata uang Kroasia, Kuna. Masuknya uang asing dinyatakan juga sangat penting dalam mengurangi saldo negatif eksternal Kroasia, yang terutama berasal dari defisit perdagangan yang besar. Penerimaan sektor pariwisata meningkat per tahunnya dengan rata-rata peningkatan 12% dari tahun 1993 sampai tahun 2001, dan penerimaan yang diperoleh mencapai 3,2 Milyard Kuna. Tabel 1 menunjukkan Penerimaan bersih sektor pariwisata Kroasia.

Tujuan utama dari artikel ini adalah untuk membangun sebuah model indikator fisik, yang dibangun dari jumlah kunjungan wisman ke Kroasia, yang kemudain digunakan untuk meramalkan jumlah penerimaan sektor pariwisata. Model yang dihasilkan diharapkan dapat

menjadi alat untuk meramalkan proyeksi menengah dari posisi penerimaan sektor pariwisata dalam neraca pembayaran. Salah satu jalan peramalan adalah memperbanyak prediksi jumlah kedatangan wisman dan memprediksi jumlah pengeluaran per orang. Prediksi kedatangan juga dapat digunakan sebagai variabel eksplanatori yang menjelaskan model penerimaan wisman. Dalam hal lain, model ini dapat juga digunakan untuk memperkirakan sejauhmana berbagai event memperngaruhi kepariwisataan, seperti misalnya krisis Kosovo. Model ini terfokus pada perputaran wisatawan di negara asal dan negara tujuan wisata; hal ini tidak dipengaruhi oleh hal-hal lain, seperti misalnya pertumbuhan bisnis pariwisata di Kroasia, liburan dan kunjungan ke teman dan kerabat.

Model yang dibangun adalah sebuah sistem yang dibangun dari 5 negara (jerman, Italia, Austria, Slovenia,dan Chech Republik) yang berkontribusi 72%-78% kunjungan ke Kroasia sekama periode 1993-2000. Langkah pertama yang dilakukan untuk OLS model adalah dengan menentukan data kunjungan wisman. Langkah kedua adalah dengan menentukan jumlah kunjungan wisman tertinggi ke hasil penghitungan. Langkah ketiga adalah mengestimasi atau meramalkan dengan sistem persamaan SUR, dikaitkan dengan korelasi dari berbagai hasil penghitungan persamaan 5 negara pengunjung terbesar. Dengan menggunakan contoh peramalan, evaluasi dari peramalan kedua model OLS dan SUR, dinyatakan bahwa model SUR lebih efisien digunakan.

Bagian 2 dari tulisan ini merevies tentang kajian pustaka. Bagian 3 menjelaskan model dan prosedur peramalan. Bagian 4 menjelaskan pengolahan data. Bagian 5 menjabarkan hasil yang diperoleh dengan model peramalan. Artikel ini menghasilkan sebuah evaluasi bentuk model peramalan. Sehubungan dengan data dan model, kelihatannya bahwa SUR model lebih baik dibandingkan dengan pendekatan model OLS dalam menentukan peramalan jumlah kedatangan wisman ke Kroasia.

II. KAJIAN PUSTAKA

Dalam banyak hal, pemodelan arus pariwisata antara tujuan dan asal negara didasarkan pada beberapa bentuk dasar fungsi permintaan Q = f (Y, P), di mana Q merupakan ukuran kuantitatif konsumsi wisatawan asing tujuan produk, Y beberapa proxy pendapatan negara asal dan P proxy untuk harga relatif antara asal dan negara tujuan. Beberapa karya juga termasuk substitusi harga efek ke dalam model mereka.Variabel yang paling tepat digunakan sebagai variabel dependen adalah pariwisata penerimaan negara tujuan (Tse, 1999, Jensen, 1998). Kroasia pariwisata penerimaan diperkirakan dari data survei diambil di tempat penyeberangan perbatasan utama. Namun, pameran ini data beberapa seri istirahat karena perubahan dalam metodologi, yang menimbulkan kesulitan besar untuk analisis time series. proxy alternatif menginap dikeluarkan oleh wisatawan asing dan turis asing, tetapi ada kelemahan untuk kedua variabel. Jumlah menginap menghabiskan sangat rentan terhadap pernyataan karena mereka lebih tunduk pada ekonomi abu-abu dari pendatang, terutama dalam melengkapi akomodasi (berkemah dan penginapan). Kedatangan turis asing, pada sisi lain, tidak memperhitungkan variabilitas lama tinggal. Witt dan Martin4 menentukan kedatangan secara relatif, akuntansi mengenai pengaruh penduduk. Namun, kami tidak mengambil pendekatan ini sejak set negara utama asal Kroasia termasuk CEEtransisi negara yang wisatawan potential5 emisi tidak berkorelasi positif denganukuran populasi. Sebagai contoh, Polandia memiliki populasi 38,7 juta pada tahun 1997, sedangkan Austria memiliki populasi 8,1 juta, namun, menurut jumlah liburan bepergian ke luar negeri pada tahun 1998, potensi pasar emisi Austria dua kali ukuran pasar Polandia, 6 fakta yang dapat dijelaskan, antara lain, oleh perbedaan standar hidup. Pendapatan sebagian besar variabel didefinisikan sebagai GDP riil dari negara asal (Jensen, 1998, Kulendran, Wilson, 2000) atau riil per kapita PDB (Lathiras, Siriopoulos, 1998). Sementara disposable income riil di negara tujuan akan menjadi ukuran terbaik, deret waktu yang tepat dari variabel ini dalam banyak kasus tidak tersedia untuk transisi negara.

Banyak penelitian telah dilakukan di daerah harga pemodelan permintaan pariwisata fungsi. Keranjang konsumsi wisatawan, khususnya wisatawan asing, berbeda dari keranjang konsumsi CPI karena perbedaan antara keranjang barang yang wisatawan asing mengkonsumsi selama musim dan konsumsi "asli" konsumen sepanjang tahun. Sementara Martin dan Witt (1987) menunjukkan bahwa CPI merupakan proxy yang baik untuk biaya hidup wisata variabel, itu merupakan asumsi berani dalam keadaan Kroasia, mempertimbangkan berat produk individu dan jasa dalam keranjang IHK. Namun demikian, itu merupakan satu-satunya ukuran sejak tidak ada proxy alternatif untuk indeks biaya pariwisata. Variabel standar memasukkan semua persamaan adalah harga relatif asal dantujuan negara, yang pada waktu disesuaikan dengan nilai tukar (Lathiras,Sirioupulis, 1998, Kulendran, Wilson, 2000). Selain itu, beberapa penulis (Turner,Reisinger, Witt, 1998, Loeb, 1982, Lathiras, Sirioupulos, 1998) memperhitungkan harga akun perkembangan dalam berkompetisi negara tujuan sebagai proxy untuk efek substitusi.Model yang disajikan dalam makalah ini tidak mengandung efek substitusi hargavariabel karena kita berhadapan dengan suatu kurun waktu singkat dan karena itu upaya untuk mempertahankan model agak kecil. Sebuah variabel tambahan yang digunakan dalam beberapa model (Witt, Martin, 1987) adalah proxy untuk variabel pemasaran. Alasan di balik ini adalah bahwa peningkatan informasi agen ' tentang negara memberi sumbangan untuk "recognisabilty" dan karena itu "daya tarik" nya. Pada kebanyakan model, bagaimanapun, variabel ini tampaknya tidak signifikan dalam menjelaskan pariwisata permintaan. Ada berbagai model dalam literatur pariwisata untuk memperkirakan pariwisatapermintaan dan peramalan beberapa tindakan konsumsi pariwisata di tujuannegara. Teknik Advanced ekonometrik baru-baru ini telah diterapkan. Masalahnyanon-stasioneritas diakui, yang menyebabkan model analisis kointegrasi dan ECM.Secara umum, alat ekonometrik berkisar dari ARIMA dan Holt-Winters univariatpemodelan (Kim, 1999) untuk 3SLS dan 2SLS (Tse, 1999, Kim, Uysal, 1998), dan ECMmodel (Jensen, 1998, Lathiras, Siriopoulos, 1998, Kulendran, Wilson, 2000). Saat initeknik ECM tidak menjadi masalah bagi Kroasia karena panjang dari seri waktu yang tersedia, yang sangat berkurang akibat istirahat seri besar di 1990-1993 (perang) dan1993 (program stabilisasi inflasi membawa empat digit ke inflasi satu digit).

3. MODEL DESKRIPSI

Sebuah model permintaan sederhana didefinisikan di mana kunjungan wisatawan asing mewakili kuantitas yang diminta untuk produk wisata Kroasia berbagai negara emisi.Kuantitas ini adalah fungsi dari pendapatan dan harga. pendapatan jangka panjang adalah didekati oleh PDB riil. Kami tidak menggunakan nyata disposable income dalam persamaan karena data tersebut tidak tersedia untuk negara-negara transisi, yang merupakan suatu bagian penting dari negara asal. Kami juga tidak berlaku rata-rata upah atau laba sebagai variabel penjelas, karena perkiraan publik untuk ini khusus variabel tidak tersedia. Variabel GDP, di sisi lain, diperkirakan tidak hanya oleh bank sentral lokal, tetapi juga, misalnya, dengan berbagai bank investasi. Berbagai ramalan memungkinkan berbagai proyeksi mungkin dan simulasi. Variabel harga ditentukan oleh harga relatif antara dua negara dikoreksi untuk nilai tukar nominal. Namun, sejauh mana adalah turis asing menyadari tingkat inflasi di negara tuan rumah? Orang bisa berargumen bahwa inflasi komponen model masuk melalui persepsi agen apakah host tujuan adalah "mahal" atau "murah" .7 Determinan kedua komponen harga nilai tukar nominal, yang merupakan informasi yang paling mudah diakses untuk kerabat perbandingan harga antara destinations.8 Dengan kata lain, komponen harga model diberikan oleh kurs riil. Pertama, model OLS diperkirakan yang

mencoba untuk berhubungan kedatangan untuk jangka panjang pendapatan dan nilai tukar riil, sebagaimana didefinisikan dalam persamaan berikut:

Ajt merupakan pendatang dari negara j dalam kuartal t, GDPrjt menunjukkan GDP riildari negara j dalam kuartal t, Pfjt dan Pdt berdiri untuk CPI asing dan domestik masing masing, DStorm mewujudkan sebuah dummy untuk "Storm" tindakan militer (Q3/1995) dan Dkosovo sebuah dummy untuk krisis Kosovo (Q2/1999-Q4/1999), dan D1 ke D3 mewakili biasa musiman dummies. Satu akan mengharapkan hubungan yang positif antara pendapatan dan kuantitas menuntut. Sebuah hubungan negatif akan menunjukkan bahwa Kroasia, sebagai tujuan tuan rumah, merupakan barang inferior untuk pasar Eropa tertentu - sebagai meningkatkan pendapatan kurang "Pantai Kroasia" akan dituntut. Variabel harga diharapkan berhubungan negatif dengan kuantitas yang diminta yang baik, seperti yang ditunjukkan dalam persamaan berikut:

Perbandingan Dua Model Ekonometrik (OLS dan SUR) untuk Prakiraan Kedatangan Wisatawan Kroasia.

Selanjutnya, model OLS diperkirakan menggunakan data musiman disesuaikan. Elastisitasyang diperoleh kemudian dibandingkan dengan hasil ketika musiman disesuaikan data (X11 teknik) dipekerjakan dan tidak ada dummies musiman yang digunakan. Namun, harus ditanggung diingat bahwa penggunaan X11 melanggar tertentu ekonometrik properties9 karena sifat X11 estimasi. Setelah koefisien OLS diperoleh, perkiraan SUR dilakukan. Meskipun telah ditunjukkan, menggunakan simulasi Monte Carlo (Morley, 1997), bahwa OLS estimator tampaknya konsisten, kami membandingkan kedua teknik untuk koefisien dan peramalan efisiensi. Tampaknya tidak berhubungan estimasi regresi merupakan suatu sistem persamaan, yang terkait melalui kovarian lintas-persamaan kesalahan (Zellner, 1962). Keuntungan efisiensi dari menggunakan estimator SUR meningkat dengankorelasi antara kesalahan persamaan dan menurun dengan korelasi antarapersamaan regressor. Sebelum satu ternyata hasil empiris, penjelasan singkat tentangdata yang diberikan. Dasar pemikiran untuk menerapkan SUR terletak pada kenyataan bahwa faktor umum mungkin ada (cuaca, pemasaran pengeluaran dll) yang mempengaruhi semua persamaan diwaktu yang sama dan mendorong hubungan antara istilah kesalahan persamaan.

4. DESKRIPSI DATA

Data Triwulanan digunakan, dimulai dengan Q4/1993 dan diakhiri dengan Q2/2000. Alasannya untuk memulai pada akhir tahun 1993 adalah bahwa program stabilisasi yang dijinakkan inflasi diperkenalkan di Kroasia pada bulan Oktober 1993. Penggunaan data sebelum program akan menyebabkan distorsi berat, terutama dalam variabel kurs riil. Data kedatangan wisatawan asing dari lima utama home10 negara: Jerman, Italia, Slovenia, Republik Ceko dan Austria. Ini mencapai sekitar 72% -79% dari total kedatangan secara tahunan (lihat Tabel 1). Data diambil dari database CBS11. Data untuk PDB nominal diambil dari seri IFS (Januari 2001, versi 1.1.53) dalam miliaran mata uang lokal, Slovenia data sementara diambil dari Bank Buletin Slovenia. Kurs spot nominal (disajikan dalam mata uang domestik per 100 unit mata uang asing) diambil dari (Kroasia Nasional Bank CNB) database dan merupakan data akhir periode.

5. HASIL PERAMALAN

Tiga jenis hasil disajikan dalam Tabel 2-3. Tabel 2 berisi estimasi OLS hasil dengan variabel dependen disesuaikan. Tabel 3 menawarkan hasil OLS untuk musimanpendatang disesuaikan dalam upaya untuk mengevaluasi pengaruh musiman yang tinggi padaestimasi koefisien dan kesegaran dari koefisien. Akhirnya, Tabel 4 merangkum hasil dari model SUR dengan variabel dependen disesuaikan.

Tabel 2: OLS koefisien tanpa variabel dependen musiman disesuaikan (standar kesalahan dalam parenthesis).

Koefisien untuk Jerman, Italia, Slovenia, dan Austria menunjukkan diharapkantanda-tanda konsisten - pendapatan secara positif berkaitan dengan kedatangan dan relatif disesuaikan harga negatif terkait dengan kedatangan. Memperkirakan koefisien untuk Republik Ceko menunjukkan kecenderungan yang berbeda namun konsisten: penghasilan negatif terkait dengan kedatangan di semua tiga memperkirakan, meskipun koefisien tidak signifikan. Hal ini mengindikasikan bahwa Kroasia merupakan inferior baik bagi wisatawan Ceko.

Koefisien pada kedua model OLS tampaknya cukup kuat. Mirip hasil yang berkaitan dengan barang inferior diperoleh oleh Jensen (1998) untuk Denmark dan Amerika Serikat, maupun oleh Lathiras, Siriopoulos (1998) untuk Yunani dan Belanda. Rata-rata, elastisitas tertinggi keprihatinan penghasilan Italia (sekitar 5-6) dan Slovenia (Sekitar 3-4), sedangkan kebutuhan Austria tampaknya agak inelastis sehubungan denganpenghasilan (sekitar 1). Dalam penelitian lain, elastisitas penghasilan berkisar dari -0,52 menjadi 7,8 (Lathiras, Siriopoulos, 1998) dan dari -0,6 ke 8.98 (Jensen, 1998). Jerman wisatawan tampaknya harga paling sensitif (sekitar -5), sedangkan wisatawan dari Italia tampaknya telah permintaan relatif inelastis untuk produk wisata Kroasia. Seperti yang diharapkan, militer tindakan "Storm" memiliki dampak yang signifikan terhadap pariwisata di Kroasia; hanyaSlovenia pasar tidak menunjukkan respons yang signifikan, mencerminkan informasi yang unggul set mereka miliki. OLS perkiraan variabel dummy yang memperhitungkan krisis Kosovo dilaporkan hanya untuk markets13 relevan - Republik Ceko dan Italia. Namun, dalam konteks SUR, krisis Kosovo tampaknya telah mempengaruhipasar pariwisata Kroasia: Slovenia saja dan Austria tampaknya tidak telahdipengaruhi oleh aktivitas militer NATO di wilayah tersebut, yang mungkin mengejutkanuntuk pasar Austria. Ada juga dampak yang kuat musiman; sekali musimanakan dihapus dari data, berkurang R2 disesuaikan dengan jumlah besar dan mencerminkankekuatan penjelasan yang jauh lebih rendah dari variabel independen.Hal ini diperdebatkan apakah ada variasi yang cukup dalam data untuk model SUR,untuk kovarians matriks parameter regresi menunjukkan dekat-singularitas.Untuk tujuan peramalan, perhatian khusus ditempatkan pada kesalahan standarkoefisien samping elastisitas diperkirakan. Sepanjang sampel, standar errordiperoleh dengan menggunakan hasil SUR lebih rendah dari kesalahan standar di kedua OLS estimasi. Dengan kata lain, koefisien SUR tampaknya lebih akurat dan harusmenghasilkan perkiraan yang lebih baik. Kita lanjutkan dengan mengevaluasi kekuatan peramalan dua model, OLS dan SUR, memanfaatkan statistik standar pada kesalahan peramalan yang diberikan dalam Tabel 5.

Langkah-langkah absolut dan relatif Berbagai akurasi peramalan disajikan pada Tabel 5. Ditemukan bahwa rata-rata error absolut jauh lebih rendah dalam hal model SUR. Selain itu, standar deviasi kesalahan (SDE) dan jumlah kesalahan kuadrat (SSE) dari model OLS secara konsisten lebih tinggi dari kesalahan peramalan SUR, kecuali dalam kasus Republik Ceko. Fakta bahwa model OLS lebih bias menuju masa depan melebih-lebihkan hasil ditunjukkan dengan perkiraan membelokkan. Pada sisi lain, menurut kriteria MAPE, pilihan model ini tidak jelas, untuk perbedaan dalam kesalahan peramalan yang kecil. perkiraan MAPE tampaknya tidak akurat

pada tingkat 10% -12% untuk Austria dan Jerman dan sekitar 20% untuk Italia dan Republik Ceko. Singkatnya, dengan mempertimbangkan berbagai tindakan peramalan akurasi, tampaknya bahwa model SUR hasil prakiraan yang lebih baik.

6. SIMPULAN

Makalah ini menyajikan suatu model permintaan produk wisata Kroasia. Kuantitas menuntut didefinisikan sebagai jumlah kedatangan wisatawan dari lima negara asal utama, yang mencapai sekitar 72% -78% dari total kedatangan tahunan asing. Model menjelaskan kedatangan menjadi fungsi dari negara asal PDB riil dan pertukaran riil Tingkat. SUR OLS dan teknik estimasi digunakan untuk mengevaluasi peramalan kekuatan model. Berdasarkan beberapa ukuran ketepatan ramalan, tampaknya hasil panen model prediksi SUR lebih tepat kedatangan asing. Selanjutnya penelitian di bidang ini dapat mencakup pendekatan yang lebih rinci dengan penyesuaian musiman data, yang kemudian dapat diterapkan ke model SUR. Cara alternatif mendapatkan perkiraan yang lebih akurat adalah untuk mengobati sistem data yang disajikan sebagai panel dan memungkinkan efek negara tetap untuk menangkap heterogenitas apapun. Dalam hal penjelasan tambahan variabel, variabel substitusi pemodelan pengaruh tujuan musim panas bersaing harus dimasukkan dalam model. Pengaruh cuaca juga bisa diperhitungkan, mengingat kedekatan dari tujuan asal dan tinggi saham kedatangan berkemah asing di Kroasia.