3.1. Дослідження варіаційності національного туристичного ринку України з використанням багатомірних методів дослідження на прикладі

К оглавлению
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 
17 18 19 20 21 

Харківського регіону

Оболенцева Лариса Володимирівна, к.е.н, доцент кафедри туризму і готельного господарства, Харківської національної академії міського господарства

З метою удосконалення стратегії розвитку окремих регіонів України (областей та їх сукупностей) чи районів областей, - зокрема при прогнозуванні розвитку соціального туризму, - туристські підприємства яких об'єднані в одне економічне ціле, доцільно виділити найбільш однорідні елементи регіональної системи, тобто розділити їх на подібні групи областей (районів), які схожі між собою, наприклад, за рівнем розвитку дитячих оздоровчих закладів.

На погляд автора, для комплексного дослідження туристського ринку у регіональному розрізі можливим є використання багатовимірних методів.

При формування однорідних одиниць сукупності у багатовимірному просторі доцільно використати такий метод аналізу як кластерний, оскільки за його допомогою можна побудувати науково обґрунтовані класифікації об'єктів з одночасним врахуванням всіх групувальних ознак. Особливої уваги кластерний аналіз заслуговує ще й тоді, коли є потреба дослідити певне явище в регіональному розрізі, тобто згрупувати за заданими ознаками регіони (райони) в залежності від рівня розвитку дитячих оздоровчих закладів.

Розробці теоретичних положень з кластерного аналізу присвятили свої праці чимало вчених, найбільш відомими серед них можна назвати Сокала Р., Сніта П., Дюрана Б., Оделла П., Айвазяна С. А., Мхітаряна В. С., Плюту В., Болла Г., Холла Д., Мак-Куїна Дж., Тамашевича В., Сошникову Л., Єріну А. М., Манделя І.

Слово "кластер" походить від англійського "cluster", і має декілька значень, зокрема, означає скупчення, пучок, кілька схожих, подібних, близьких, поєднаних одиниць. Кластерний аналіз являє собою спосіб групування багатовимірних об' єктів.

Основні завдання кластерного аналізу можна звести до: -виділення однорідних груп із початкових багатовимірних даних таким чином, щоб об' єкти, які належать одній групі, були схожі між собою, а ті, що належать до різних груп - відмінні;

-побудови науково обґрунтованих класифікацій;

-виявлення внутрішнього зв' язку серед одиниць сукупності;

-скорочення інформації через виявлення діагностичних ознак, тобто ознак, які

мають найсуттєвіші особливості серед чисельних початкових ознак.

Під час проведення кластерного аналізу виникають труднощі, пов'язані з вибором способу нормування та визначення відстані між об'єктами, яка має неоднозначний характер. Необхідність у нормуванні виникає у тому випадку, коли ознаки мають різні одиниці виміру. В результаті нормування обрані ознаки стануть безрозмірними величинами. В результаті введення так званої умовної одиниці виміру буде можливість порівнювати об' єкти.

У даному дослідженні нормування проводилося за наступною формулою:

z"=~ST'

де zi - нормоване значення і-ї ознаки для"-ї одиниці сукупності;

і = 1,2, m;

" = 1,2, n;

m - кількість ознак; n - кількість одиниць сукупності; Xi" - значення і-ї ознаки для "-ї одиниці сукупності; Xi - середній рівень і-ї ознаки;

si - середньоквадратичне відхилення і-ї ознаки.

У випадку, коли ознакова множина складається з різновагомих ознак,

виникає потреба зважити ознаки. Вага має бути надана ознакам в залежності від ступеня вагомості, тобто значущості ознаки. Цієї мети можна досягти в результаті детального вивчення сутності ознак, на основі яких проводиться класифікація або на основі експертних оцінок.

Методи кластерного аналізу розділяють на ієрархічні та ітераційні. Ієрархічні методи складаються з двох великих груп:

-агломеративні, тобто поєднуючі;

-дивізимні (роз'єднуючі).

Кожен із методів як ієрархічних, так і ітераційних застосовуються з використанням різноманітних алгоритмів.

Результати агломеративних методів важко піддаються візуальному аналізу. Тому, доцільно побудувати декілька дендрограм різними методами та порівняти одержані результати. Крім того, недоліком ієрархічних процедур є громіздкість обчислювальних процедур.

Особливістю ітеративних методів є те, що для проведення кластеризації мають бути заданими початкові умови, зокрема кількість виділених кластерів. В результаті ітеративних алгоритмів, на відміну від ієрархічних, може скластися ситуація, коли один об'єкт належить кільком кластерам.

Про якість одержаних кластерів можна робити висновки після порівняння середніх значень ознак кластерів з середнім значенням всієї сукупності об' єктів. Чим більш значима різниця групових середніх від загальної середньої - тим якісніше проведена кластеризація.

Найважливішим критерієм якості класифікації вважають можливість змістовної інтерпретації одержаних груп (кластерів).

З використанням методів кластерного аналізу, про які йшла мова вище, та в результаті проведення процедур, виконаних за комп'ютерною програмою в прикладному пакеті "Statistica" версії 6.0, були побудовані класифікації районів Харківської області в залежності від рівня розвитку дитячих оздоровчих закладів.

Для досягнення поставлено мети було зібрано дані про дитячі оздоровчі заклади, які б характеризували 28 структурних одиниць Харківської області в 2000

р. та в 2007 р., а саме: місто Харків та Балакліївський, Барвінківський, Близнюківський, Богодухівський, Борівський, Валківський, Великобурлуцький, Вовчанський, Дворічанський, Дергачівський, Зачепилівський, Зміївський, Золочівський, Ізюмський, Кегичівський, Коломацький, Красноградський, Краснокутський, Куп'янський, Лозівський, Нововодолазький, Первомайський, Печенізький, Сахновщинський, Харківський, Чугуївський та Шевченківський райони.

Множиною ознак, за якими оцінювались об'єкти в залежності від рівня розвитку дитячих оздоровчих закладів: кількість таборів, одиниць; кількість місць в таборах, одиниць; оздоровлено дітей, осіб.

Оскільки зазначені ознаки мають різні одиниці виміру, то, як вже відмічалось, вони були стандартизовані.

Ознаки, які обрано для проведення класифікації розглядалися як рівновагомі.

використанням метода дальнього сусіда

Класифікацію районів Харківської області проводилася за допомогою різних алгоритмів кластерного аналізу спочатку для показників за 2000 р., а потів - для даних за 2007 р., - але найкращі результати щодо змістовної інтерпретації було одержано з використанням ітеративного методу кластерного аналізу, зокрема алгоритму k- середніх з розбиттям на шість кластерів для 2000р. та з розбиттям на п' ять кластерів за 2007 р. Після проведення кластеризації з використанням ієрархічних методів було визначено таку початкову умову як необхідна кількість виділення кластерів, що потрібна для класифікації регіонів Харківської області за допомогою методу k- середніх (рис. 3.1.1-3.1.5 для 2000 р. та рис.3.1.6-3.1.10 для 2007 р.).

Після виконаних процедур з використанням комп' ютерної програми «Statistica», одержано наступні результати.

В залежності від рівнів розвитку дитячих оздоровчих закладів було згруповано райони Харківської області за 2000 р. в шість кластерів.

Райони

Рис.3.1.2 - Дендрограма ієрархічної класифікації районів Харківської області в залежності від рівня розвитку дитячих оздоровчих закладів в 2000 р. з

використанням метода Уорда

Перший кластер, коди входять місто Харків та Харківський район, характеризується найвищими  середніми значеннями з кількості таборів, кількості місць в них та кількості оздоровлених дітей, тобто за всіма показниками.


Найчисельніший п'ятий кластер, куди входять дванадцять районів області, характеризується найгіршими значеннями за кількістю таборів та оздоровлених дітей, і посідає передостаннє місце за кількістю місць в таборах, що видно з табл. 3.1.2.

Як вже було сказано раніше, за цими ж ознаками (кількість таборів, кількість місць в таборах та кількість оздоровлених дітей в таборах) необхідно також згрупувати райони Харківської області за 2007 р.

Після виконаних процедур за допомогою комп'ютерної програми «Statistica» версії 6.0, одержано наступні результати (рис. 3.1.6 - 3.1.11, табл. 3.1.3 -3.1.4).

Як показав аналіз (рис. 3.1.6-3.1.9) найдоцільнішим є виділення п' яти кластерів, тобто необхідно згрупувати райони Харківської області за мірою їх подібності у п'ять груп, що і було зроблено з використанням методу ^-середніх (рис. 3.1.10, табл. 3.1.3-3.1.4). Таким чином, в залежності від рівнів розвитку дитячих оздоровчих закладів у 2007 р. було згруповано райони Харківської області в п' ять кластерів.

2007 р. для виділених кластерів


В залежності від рівня розвитку дитячих оздоровчих закладів в 2007 р. райони Харківської області було згруповано наступним чином. Харківський район, який входить до першого кластера, має найвище значення за такою ознакою як кількість місць в таборах. Другий кластер, до складу якого входить місто Харків характеризується найкращими середніми значеннями за першою та третьою ознаками, тобто в залежності від кількості таборів та кількості оздоровлених дітей. Найчисельнішому п'ятому кластеру (до якого входять 16 районів області) відповідають найгірші середні значення за всіма показниками.

Після проведеного змістовного аналізу, видно, що місто Харків, Харківський, Чугуївський та Зміївський райони як 2000 р., так і 2007 р. відносяться до кластерів з найвищими середніми значеннями показників.

Зважаючи на одержані групування районів Харківської області в залежності від рівня розвитку дитячих оздоровчих закладів, можна передбачити та запобігти виникнення ситуацій дефіциту надання послуг в дитячих оздоровчих закладах в одних районах і надлишку в інших та вжити дієвих заходів щодо їхнього зрівноваження. Одним із можливих прикладів таких заходів може бути формування та поступове вдосконалення інфраструктури ринку, яка відповідатиме регіональній та галузевій структурі попиту та пропозиції області та сприятиме сталому розвитку країни.

Для більш повного та комплексного дослідження ринку в регіональному розрізі бажано було б не лише згрупувати райони Харківської області в

залежності від рівня розвитку дитячих оздоровчих закладів, але й ранжувати їх, тобто мати змогу провести порівняльний аналіз районів області за тими ж ознаками, за якими побудовано класифікації з використанням кластерного аналізу.

Скориставшись результатами даного комплексного дослідження, можна доручити спеціалістам галузі сформулювати напрямки державного регулювання, серед яких одним із важливих напрямків має бути допомога депресивним районам.

Доцільно розробити комплекс заходів щодо розміщення та структури дитячих оздоровчих закладів у районах області в залежності від рівнів попиту та пропозиції на послуги дитячих оздоровчих закладів. Все це сприятиме сталому розвитку туризму.

Результати дослідження можуть бути використанні для різних аналітичних та прогностичних цілей, зокрема для передбачення та зведення до мінімуму наслідків дисбалансу попиту та пропозиції дитячих оздоровчих закладів як в регіональному розрізі, так і в масштабах всієї країни; а також при розробці заходів щодо вдосконалення інфраструктури районів. Також можна на основі одержаних результатів проводити міжрайонні і міжрегіональні, а при необхідності за аналогічною методикою і динамічні порівняння.

Таким чином, одержана комплексна оцінка регіональної однорідності запропонована для удосконалення стратегії розвитку і планування рівня розвитку дитячих оздоровчих закладів як окремих районів, так і області в цілому.

ЛІТЕРАТУРА

Айвазян С. А., Бежаева З. И.,. Староверов О. В. Классификация многомерных наблюдений. - М.: Статистика, 1974. - 240 с.

Айвазян С. А., Енюков И. С., Машалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных. - М.: Финансы и статистика, 1983. - 470 с.

Айвазян С. А., Мхитарян В. С. Практикум по прикладной статистике и эконометрике: Учеб. пособие. - М.: Московский государственный университет экономики, статистики и информатики, 1998. - 160 с.

Болч В., Хуань К. Дж. Многомерные статистические методы для экономики. (Пер. с англ. А. Д. Плитмана / Под ред. С. А. Айвазяна). - М.: Статистика, 1979. - 317 с.

Боровиков В. П. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере: Учеб. пособие / В. П. Боровиков, Г. И. Ивченко. - М.: Финансы и статистика, 2000. - 384 с.

Боровиков В. П., Боровиков И. П. Statistica - Статистический анализ и обработка данных в среде Windows.- М.: Информ.-издат. Дом «Филинъ», 1998. - 608 с.

Дубров А. М., Мхитарян В. С., Трошин Л. И. Многомерные статистические методы: Учебник. - М.: Финансы и статистика, 1998. - 352 с.

Дубров А. М., Мхитарян В. С., Трошин Л. И., Френкель А. А. Статистические методы многомерной классификации. - М.: МЭСИ, 1984. - 96 с.

Дюран Б., Оделл К. Кластерный анализ. Под ред. А. Я. Боярского. - М.: Статистика, 1977. - 128 с.

Єріна А. М. Статистичне моделювання та прогнозування: Навч. посібник. - К.: КНЕУ, 2001. - 170 с.

Мандель И. Д. Кластерный анализ. - М.: Финансы и статистика, 1988. - 176 с.

12. Мхитарян В. С., Трошин Л. И. Применение многомерного статистического анализа в экономических исследованиях. - М.: МЭСИ, 1981. - 125 с.

Плюта В. Сравнительный многомерный анализ в экономических исследованиях: методы таксономии и факторного анализа. - М.: Статистика, 1980. - 151 с.

Сошникова Л. А., Тамашевич В. Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике: Учеб. пособие для вузов / Под ред. проф. В. Н. Тамашевича. - М.: ЮНИТИ- ДаНА, 1999. - 598 с.