Развитие Индустрии Туризма России

На территории России находится огромное количество культурных и природных достопримечательностей. К ним, согласно данным Росстата, относятся 2368 музеев в 477 исторических городах, 590 театров, 67 цирков, 24 зоопарка, почти 99 тысяч памятников истории и культуры, 140 национальных парков и заповедников. В России в настоящее время действуют 103 музея-заповедника и 41 музей-усадьба. «В список объектов Всемирного наследия ЮНЕСКО включено 23 объекта культуры и природы из разных регионов России» [1, c. 58]. Однако, несмотря на такой колоссальный туристский потенциал, Россия является «страной-донором», т.е. активным поставщиком туристов в зарубежные страны. Въездной туризм развит очень слабо. Согласно данным ЮНВТО, на долю России приходится всего лишь 2, 2 % мирового туристского рынка, что конечно является крайне низким показателем для страны с таким туристско-рекреационным потенциалом.

Целью данного исследования является прогнозирование возможных вариантов развития индустрии туризма и гостеприимства в РФ. В настоящее время на практике применяют различные методы прогнозирования: методы экспертных оценок, статистические методы прогнозирования, системно-структурные, метод прогно­зирования на основе коэффициента эластичности спроса, эконо­мико-математическое моделирование и др.. Выбор метода прогнозирования зависит от цели и продолжительности периода исследования (краткосрочный, среднесрочный, долгосрочный), от исходных данных, требуемой точности, от характера обработки исходной информации. В нашем случае собраны статистические данные о количестве международных туристов посетивших Россию, 2006-2011, доходах, полученные Россией от индустрии туризма, 2006-2011 гг., количестве россиян выехавших за границу в 2006-2011 гг.. Эти динамические ряды позволяют использовать регрессионный анализ для краткосрочного и среднесрочного горизонта прогнозирования. Одним из самых доступных программных продуктов для решения подобного рода задач является MS Excel, в который имеется возможность добавления выбранных регрессий (линий тренда) в диаграмму, построенную на основе таблицы данных, а также продлить линию тренда в диаграмме за пределы реальных данных для предсказания будущих значений. Линии тренда позволяют наглядно показать тенденции изменения данных и помогают анализировать задачи прогноза. Тип линии тренда (линейный, логарифмический, полиномиальный, степенной, экспоненциальный, линейной фильтрацией) следует выбирать в зависимости от типа имеющихся данных. Для более точного прогноза желательно необходимо иметь более 10 выборок наблюдаемого параметра. Рассмотрим более подробно возможность трендового прогнозирования для собранных статистических данных.