عنوان پایان‌نامه
پیش بینی تابع تقاضای خارجی گردشگری ورودی به کشور با استفاده از روشهای خطی غیر خطی هیبریدی
- رشته تحصیلی
- علوم اقتصادی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1489;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57965
- تاریخ دفاع
- ۰۷ آذر ۱۳۹۱
- دانشجو
- احمد قلی برکیش
- استاد راهنما
- حمید ابریشمی
- چکیده
- پیش بینی جریان آینده توریسم برای تعیین مخارج سرمایه گذاری در صنعت توریسم هم برای بخش دولتی و هم خصوصی ضروریست.برای بخش دولتی و عمومی تخمین تقاضای توریسم جهت استفاده کارا از صنعت حمل و نقل و برنامه ریزی در نحوه تخصیص منابع حیاتی است.(کشال ،2006) همچنین پیش بینی صحیح می تواند برای بخش خصوصی مانند شرکت های حمل و نقل هوایی جهت برنامه ریزی و طرح ریزی هواپیماها و انتقال هوایی،تجهیزات و امکانات رفاهی و برنامه ریزی جهت منابع انسانی مفید باشد.ما برای انتخاب مدل مناسب برای پیش بینی سری زمان گردشگری کشور از روشهای ANN،SARIMA، SARIMA-ANN،ARFIMA،ARFIMA-NN ،HWM و روش رگرسیون قطعه ای خطی استفاده نمودیم . با توجه به اینکه سری زمانی گردشگری در کشور دچار شکستکی های ساختاری که عمدتا نتیجه تغییر مدیریتهای کلان وتصمیم ساز در حوزه گردشگری که عملا عوامل غیر اقتصادی می باشند می گردد استفاده از روشهایی چون رهیافت قطعه ای خطی که می تواند فصلی بودن و شکست ساختاری را جدا از روند مدل نماید، بهترین عملکرد را برای پیش بینی سری زمانی گردشگری کشور دارد.به عنوان نمونه گردشگری در طول دو دهه گذشته در کشور ما افزایش چشمگیر داشته اما عمده این افزایش از طریق افزایش شیب منحنی روند بدست آمده است.
- Abstract
- Accurate forecasting of future tourist flows plays a critical role in determining profitable private and public sector investments in the tourism sector. For the public sector, reliable estimates of tourist flows allows for efficient use of transportation and financial resources. For the private sector, such as airlines, sound forecast of tourism flows is useful for planning use of aircraft, facilities and manpower. We use ANN, SARIMA, SARIMA-ANN,ARFIMA,ARFIMA-NN ,HWM and piecewise linear approaches to forecast tourist flows over time. Given the existence of structural breaks in time series data of tourist flows due to shifts in overall policies and tourism sectoral policies ,which are essentially non-economic factors, the piecewise linear approach has the best performance for forecasting of time series data since this method can model seasonality and structural breaks from trends. Thus, while tourism has significantly increased over the past two decades in our country, much of this increase is due to the increasing slope of the trend curve. Keywords: ANN, SARIMA , SARIMA-ANN,ARFIMA,ARFIMA-NN , HWM , piecewise linear approach
