Analýza panelových dat Meta-analýza Kvalitativní metody predikce návštěvnosti Smíšené metody predikce

Transkript

1 Příloha DC 1_1 Přehledová studie o mechanismech monitorování, modelech predikce návštěvnosti a forem zpoplatnění turismu v chráněných územích v ČR a zahraničí Obsah Obsah Úvod Proč je znalost počtu a charakteristik návštěvníků důležitá? Obsah a metody monitoringu Vizuální monitoring objektů Foto a video monitoring objektů Pozorování vzorků populací rostlin, živočichů atd. (sampling plot) Záznamy sbírané za jiným účelem / sekundární analýza dat Manuální / personální pozorování ze země či ze vzduchu Mechanické / automatické sčítače Dotazníkové šetření (samo-sběr) Osobní rozhovory Monitoring pohybu s využitím GPS technologií Monitoring s využitím zbytkových dat mobilních operátorů Off-site dotazníkové šetření (obecné populace) Doplňkové metody využívající volně dostupná data Přístupy k predikci návštěvnosti Kvantitativní metody predikce návštěvnosti Analýza trendů s využitím časových řad Modely časových řad bez vysvětlujících proměnných Ekonometrické modely Analýza návštěvnosti na základě průřezových dat Spojité rekreační poptávkové modely Modely diskrétní volby

2 Analýza panelových dat Meta-analýza Kvalitativní metody predikce návštěvnosti Smíšené metody predikce návštěvnosti Aplikace modelů pro chráněná území v ČR Formy zpoplatnění turismu v CHÚ ČR a zahraničí Praxe zpoplatnění CHÚ v ČR Praxe zpoplatnění CHÚ v zahraničí Literatura

3 1. Úvod Základním předpokladem udržitelného turismu ve zvláště chráněných územích je management, který udržuje v rovnováze řízenou péčí o vzácné přírodní lokality a druhy a nabídku území pro rekreační využití. Rekreace v chráněných územích je společensky žádoucí, protože hraje důležitou roli ve zvyšování povědomí společnosti o životním prostředí, jednotlivcům poskytuje možnost odpočinku v přírodě, a představuje také významný faktor ekonomického rozvoje obcí a regionů. Na druhé straně je nutné rekreační využití chráněných území usměrňovat, aby nedocházelo k negativním vlivům na chráněné prvky a celkovou stabilitu chráněného území. Zároveň může vhodný management návštěvníky značně obohatit prostřednictvím péče o území a vhodnou nabídkou rekreace. Nezbytným předpokladem kvalitního managementu návštěvnosti v chráněných oblastech je dostatek informací o návštěvnících, jejich počtech, charakteristikách, názorech a postojích. Kvalitní data o návštěvnících jsou proto nezastupitelným informačním zdrojem pro optimalizaci využití zvláště chráněných území. V České republice existuje řada studií obsahujících odhady počtu návštěvníků, informace o jejich charakteristikách a názorech. Nicméně tyto studie mají často úzce vymezené cíle, využívají jen některé metody monitoringu s omezenými možnosti ověření správnosti odhadů a sledované území pokrývají nerovnoměrně. Tento přehled, jehož cílem je představit a porovnat i) metody a technologie monitoringu, ii) modely predikce návštěvnosti a iii) formy zpoplatnění turismu si proto klade za cíl shrnout současných stav poznání v ČR a zahraničí tak, aby mohl být správami chráněných území využíván k optimalizaci svého managementu Proč je znalost počtu a charakteristik návštěvníků důležitá? Efektivní správa chráněných území nemůže být pouhou ochranou přírody, ale především účinným managementem návštěvnosti těchto území. Lze říci, že ve většině případů nelze problémy správy vyřešit prostřednictvím managementu přírody, ale managementu lidí (SEPA, 2007:21). Neméně důležitým důvodem pro monitoring návštěvnosti je potřeba porovnatelných (harmonizovaných) spolehlivých sociálních ukazatelů z jednoho či více typů území, které jsou v ideálním případě k dispozici kontinuálně a umožní sledování dlouhodobých trendů v oblasti rekreace ve zvláště chráněných územích. Konkrétně je monitoring návštěvnosti nezbytný z následujících důvodů (upraveno podle SEPA, 2007; Cessford a Muhar, 2003: 241): 3

4 Ke každému managementu jsou třeba informace a znalosti. Čím lepší je kvalita dat, tím lépe lze plánovat management území např. prostřednictvím norem či služeb a zohlednit i odlišné preference různých skupin návštěvníků. Chtějí-li manažeři rozhodovat efektivně a na základě podložených dat, potřebují znát, proč si návštěvníci vybírají k návštěvě to které území a čím je toto území atraktivní. K porozumění a řešení konfliktů, které se mohou objevovat mezi různými typy uživatelů území, ale také mezi návštěvníky a jinými uživateli území; k identifikaci potenciálně problematických míst; K poskytnutí kvalitních příležitostí pro rekreaci je třeba znát, jak se lidé v území pohybují, kdy a jaké aktivity zde provozují. To pomáhá vyvážit poptávku a nabídku rekreace. S kontinuálními a aktuálními informacemi o návštěvnosti mají manažeři možnost odhadnout budoucí návštěvnost a reagovat na měnící se trendy. Připravenost na budoucí změny je jediným možným východiskem pro plánování využívání území. Podpora trvale udržitelného rozvoje rekreace je možná jen se znalostí prostorového rozptýlení návštěvníků, jejich charakteristik a typu využívání území. S pomocí těchto údajů je možné odhadovat ekologické, sociální a ekonomické dopady rekreace. K efektivnímu managementu je třeba znát, jak účinné jsou stávající nástroje managementu a jak tedy návštěvníci reagují na motivační nástroje a regulaci využívání území. Ke strategickému plánování nabízených služeb, infrastruktury v rámci území, údržby i zajištění zdrojů; Osobní metody monitoringu jako např. dotazníkové šetření návštěvnosti lze považovat za jeden z nástrojů participativního plánování. Sami návštěvníci chtějí informace o využívání území. Terénní šetření lze považovat za dvousměrný zdroj informací, tedy také směrem k ostatním návštěvníkům. Dobře spravované rekreační území také prospívá turistickému průmyslu. Poskytovatelé turistických služeb mají zájem na nárůstu objemu návštěvnosti, nicméně často jen do určité míry. Je také třeba znát, jak objem a struktura návštěvnosti ovlivňuje kvalitu chráněného území. Veřejné instituce na regionální, národní i mezinárodní úrovni, politici i nevládní organizace potřebují ke svému rozhodování kvalitní informace. 2. Obsah a metody monitoringu Monitoring návštěvnosti může zahrnovat celou řadu údajů jako je počet návštěvníků, počet návštěv za určité období, zatížení určitých tras (časy intenzivní návštěvnosti), toky návštěvníků (počet osob v daném čase a směru), provozované rekreační aktivity a další (Jelečková, 2012; Muhar; Arnberger; Brandenburg, 2002: 1). Zároveň je při monitoringu třeba kontrolovat intervenující faktory jako je počasí, období roku nebo výjimečná událost v okolí. Při výběru monitorovacích profilů se zpravidla zohledňují cíle monitoringu. V souladu s nimi probíhá monitoring na vstupních bodech do sledovaného území, zvláště atraktivních destinacích uprostřed sledovaného území a zvláště chráněných či extrémně zatížených návštěvnických profilech. V literatuře se objevují různé typologie druhů monitoringu, které akcentují odlišné charakteristiky sběru dat o návštěvnosti a použitých metod. SEPA (2007) rozlišuje monitoring primárně podle: i) místa sběru a 4

5 cílové populace na on-site (prováděný v zájmovém území) a off-site (prováděný na obecné populaci, např. občanů jednoho státu) a dále podle ii) zdroje dat a použité technologie na a) nepřímé metody, b) přímé metody a c) automatické metody monitoringu. Další dělení je založeno na iii) typu dat a rozlišuje monitoring: a) kvalitativní, b) názorový a b) kvantitativní (Melville a Ruohonen, 2002; Cope, Doxford a Probert, 2000; Jelečková, 2012). On-site monitoring se provádí jako měření nebo dotazování návštěvníků, kteří se v době výzkumu nacházejí v zájmovém území. Je proto možné zjistit informace týkající se zážitků z aktuální rekreace. Naopak off-site dotazování (na obecné populaci) se používá pro zkoumání celkové poptávky po rekreaci v daném území nebo bariér jeho návštěvy. Zachycuje tedy i informace o osobách, které cílové území v době výzkumu nenavštívili. Nepřímé metody monitoringu jsou založeny na projevech opotřebení (cest, chodníků, vegetace, atd.) nebo na odvozených datech, to je údajích získaných za jiným účelem. Jedná se tak například o záznamy z návštěvních knih, údaje o počtu prodaných rybářských lístků, vstupného či parkovného. Přímé metody monitoringu jsou založeny na manuálním pozorování personálem a to buď ze země, nebo ze vzduchu. Automatické metody využívající mechanické nebo elektronické sčítače, které zaznamenávají počet chodců, cyklistů nebo automobilů buď samostatně, nebo v kombinaci s videozáznamem. Při kvalitativním monitoringu jsou předmětem zájmu charakteristiky návštěvníků a sbírají se proto socioekonomické a demografické údaje a případně údaje o rekreačních zájmech návštěvníků. Při názorovém monitoringu se zjišťují názory návštěvníků na otázky, které jsou předmětem konkrétního výzkumu. Oba typy lze navíc rozlišit podle místa sběru dat (on-site versus off-site) a způsobu jejich pořízení (s využitím tazatelů či samo-sběrem, s papírovými či elektronickými dotazníky). Kvantitativní monitoring se soustřeďuje výlučně na zjištění počtu návštěvníků dané oblasti, zjišťuje rozdíly v návštěvnosti jednotlivých částí území či jejím časoprostorovém rozmístění. Implicitně se jedná ve všech třech případech o monitoring prováděný v zájmovém území. Kvantitativní monitoring může probíhat s využitím různých typů technologií (manuálně / personálně nebo s využitím různých typů záznamových zařízení jako jsou automatické sčítače. Aby bylo rozlišení metod úplné, je do kvantitativního typu monitoringu třeba zahrnout také monitoring s pomocí nově se rozšiřujících technologií. Sem patří především využití GPS technologií (s pomocí vlastního zařízení či aplikace pro mobilní telefon) či monitoring s využitím zbytkových dat mobilních operátorů. Dále sem mohou patřit spíše okrajové metody jako sledování návštěvnosti webových stránek, počet registrací geocache, sledování pozice záznamů (fotografií, blogů, prošlých tras) ze sledované oblasti na webu. Abychom případným zájemcům o realizaci či využití dat z monitoringu usnadnili orientaci v kategoriích metod, které se u jednotlivých autorů překrývají, systematizujeme je do přehledu metod monitoringu, které jsou v současnosti u nás a v zahraničí využívány (viz obrázek 1). 5

6 Obrázek 1: Přehled dostupných metod monitoring Metody monitoringu: Autor SEPA 2007 členění: Členění Místa sběru podle: dat a cílové Melville a Ruohonen Typu dat SEPA 2007 Upraveno podle (LVAF 2012) Zdroje dat a technologie Jednotlivé metody Popis metody včetně využité technologie s využitím postupu či zařízení jiné nepřímé pozorování vzorků s populací rostlin, živočichů, biotopů, atd. (sample plot) foto a video monitoring objektů vizuální monitoring objektů Pozorování vzorků s populací rostlin, živočichů, biotopů, atd. v určitém období a vyhodnocení změn odborníky z oblasti biologie apod. Pořizování a archivace foto či video dokumentace opotřebení, eroze atd. přírodních objektů, stezek a vybaveníí Osobní inspekce na místě a zaznamenání výchozího stavu opotřebení, eroze atd. přírodních objektů, stezek a vybaveníí psaný záznam o změnách v pozorovaném vzorku foto či video psaný záznam záznamy sbírané za jiným účelem Počet prodaných vstupenek, záznamy v návštěvních knihách, rybářských lístů, parkovného, statistiky o ubytování, placení rekreačních poplatků získání referenčních dat o výběrových aktivitách provozovaných ve sledovaném území kvantitativní manuální pozorování návštěvníků ze země, manuální / personální monitoring Sčítání návštěvníků personálem tištěné sčítací archy v zájmovém území / návštěvníci manuální pozorování návštěvníků ze vzduchu Sčítání návštěvníků personálem nebo foto či video zařízením osobní, foto či video monitoring s využitím pilotovaného či nepilotovaného letadla názorové přímé dotazníkové šetření Dotazník zjišťující názory návštěvníků samosběr osobní rozhovory Rozhovor zjišťující názory návštěvníků PAPI (osobní rozhovor s využitím papírových dotazníků), CAPI (osobní rozhovor s využitím elektronického dotazníku) kvalitativní dotazníkové šetření osobní rozhovory Dotazník zjišťující socio-ekonomické a demografické charakteristiky návštěvníků, případně jejich rekreační zájmy Rozhovor zjišťující socio-ekonomické a demografické charakteristiky návštěvníků, případně jejich rekreační zájmy samosběr PAPI (osobní rozhovor s využitím papírových dotazníků), CAPI (osobní rozhovor s využitím elektronického dotazníku) sčítání návštěvníků s využitím záznamových zařízení Mechanické nebo elektronické sčítače zaznemenávající počet chodců, cyklistů, automobilů mechanický sčítač; elektronický sčítač s optickým, pyroelektrickým, ultrazvukovým, seismickým nebo indukčním senzorem nebo s radiovým vysílačem smíšené kvantitativní automatické monitoring pohybu s využitím GPS technologií monitoring s využitím zbytkových dat mobilních operátorů Samostatná GPS zařízení a aplikace pro mobilní telefony, které zaznamenávají přesný pohyb návštěvníků Monitoring pohybu využívající údaje mobilních operátorů o připojení telefonů k základnovým převodním stanicím (BTS) GPS zařízení nebo návštěvníkův mobilní telefon údaje jsou sbírány centrálně operátorem bez součinnosti návštěvníka obecná populace kvantitativní / kvalitativní / názorové jiné dotazníkové šetření jiné než návštěvnické populace Dotazníkové šetření nebo rozhovory zjišťující socioekonomické a demografické charakteristiky cílové populace, případně jejich rekreační zájmy anebo názory PAPI, CAPI, CAWI (dotazníkové šetření s využitím webového dotazníku), CASI (samosběr s využitím elektronického dotazníku) kvantitativní automatické sledování návštěvnosti webových stránek, QR-kódy, počet registrací geocache, sledování pozice záznamů (fotografií, blogů a prošlých tras) ze sledované oblasti na webu Spíše orientační sledování zájmu o území s pomocí údajů volně dostupných na internetu manuální zjišťování volně dostupných dat na internetu Zdroj: vlastní zpracování 6

7 Při volbě vhodné metody monitoringu je třeba si uvědomit, že monitoring může být realizován v celém spektru zvláště chráněných oblastí od národních parků po městskou zeleň, rozsáhlých vzdálených pohraničních oblastí až po malé příměstské lesy. Zkoumané oblasti mohou vypadat jako divočina i část městského prostředí anebo může být jejich součástí významná kulturní památka. Mohou se lišit reliéfem, přírodními podmínkami, velikostí, dostupností anebo způsobem chování návštěvníků a složením provozovaných aktivit. Někdy se jedná jen o pěší rekreaci, jindy horolezectví nebo splouvání řek. Volba metody je také závislá na tom, jaké informace chceme zjistit, a na finančních zdrojích a personální kapacitě, kterou k realizaci monitoringu máme (Cessford; Cockburn; Douglas, 2002: 14). V ideálním případě je nejlépe použít více metod zároveň. Jen tak lze naměřená data kontrolovat a extrapolovat. Vhodné je nějaký kontinuální monitoring (pomocí videa či automatického sčítače) kombinovat s občasným personálním sčítáním (Muhar; Arnberger; Brandenburg, 2002: 4). On-site názorový monitoring (názorů návštěvníků), je vhodné doplnit daty z off-site šetření (celé cílové populace), zvláště pokud zkoumáme poptávku po rekreaci nebo bariéry návštěvy daného území. Je třeba si uvědomit, že se počty návštěvníků naměřené různými metodami vždy liší a že je obtížné určit, které z použitých metod se nejvíce přibližuje skutečnosti. Další podstatnou otázkou při plánování sběru návštěvnických dat je jejich reprezentativita. Téměř vždy jsou totiž návštěvníci nerovnoměrně rozptýleni ve sledovaném území a provozují v různých částech území i obdobích různé aktivity. Do území, které je předmětem zájmu managementu, také existuje zpravidla různý počet vstupních bodů. Navíc některé skupiny návštěvníků není snadné zastihnout při rekreaci na místě. Přestože ideálem zůstává šetření na reprezentativním vzorku populace, v realitě může být obtížné získat skutečně reprezentativní vzorek návštěvníků, protože je jen zřídka přesně známá velikost cílové populace a její rozptyl v prostoru. Prakticky často nelze pokrýt ani všechny vstupní profily do území a je tedy třeba v prvním kroku provést výběr sčítacích či dotazovacích profilů a teprve poté výběr jednotlivců či skupin do vzorku. Vzhledem ke skutečnosti, že v současnosti existuje tak velké množství dostupných monitorovacích metod a že je jejich volbu v konkrétním případě třeba přizpůsobit celé řadě charakteristik území, populace a cílům výzkumu, snažíme se případným zadavatelům volbu usnadnit následujícím přehledem jejich hlavních výhod a nedostatků. Tento přehled vychází jak z dostupné literatury (upraveno LVAF, 2012), tak poznatků autorů získaných v pilotních studiích v CHKO Český ráj a NP Šumava v průběhu letní sezóny

8 2.2. Vizuální monitoring objektů Výhody: Z hlediska času a financí relativně málo nákladná metoda. Mohou ji provádět i neodborníci a nevyžaduje speciální vybavení. Nevýhody: Nebezpečí subjektivní interpretace. Výsledky této metody závisí na vnímání a zkušenosti osoby, která monitoring provádí. Doporučená frekvence: Závisí na typu monitorovaného objektu. Citlivé přírodní objekty mohou být monitorovány 1 2-krát za sezónu. Výsledek: Dobře spravované a atraktivní objekty si mohou zachovat svou původní hodnotu Foto a video monitoring objektů Výhody: Z hlediska času a financí relativně málo nákladná metoda. Mohou ji provádět i neodborníci a nevyžaduje speciální vybavení. Jednoduché a vhodné uchování obrázků v digitálním formátu pro využití v budoucnosti. Nevýhody: Monitoring s pomocí digitálních fotografií neposkytuje kompletní obrázek situace. Vyžaduje taktéž psaný popis. Doporučená frekvence: V oblíbených turistických destinacích může být foto nebo video monitoring prováděn častěji (např. 1-krát ročně), v méně oblíbených destinacích až 1-krát za 10 let. Výsledek: Výsledkem foto či video monitoringu je záznam změn objektů. Z nich mohou vycházet činnosti pro jejich ochranu. Data jsou užitečná pro případné studie dynamiky přírodních a člověkem působených procesů Pozorování vzorků populací rostlin, živočichů atd. (sampling plot) Výhody: Jsou-li známy alespoň přibližné počty návštěvníků, výsledky této metody umožňují zhodnocení kapacity konkrétní lokality nebo objektu. Sample plots demonstrují rozdílné dopady (antropogenní, přírodní) a jejich dlouhodobé důsledky. Nevýhody: Metoda není vhodná k širokému použití. Mohou ji provádět především odborníci s biologických, geografickým, atd. vzděláním. 8

9 Doporučená frekvence: Tato metoda se doporučuje především pro zvláště turisticky zajímavé objekty vyskytující se spolu se vzácnými druhy nebo biotopy. Monitoring s využitím sample plots by se měl v ideálním případě provádět před zahájením a po ukončení turistické sezóny. Výsledek: Monitorovací data napomáhají efektivnímu plánování managementu a ochraně objektů Záznamy sbírané za jiným účelem / sekundární analýza dat Výhody: Vzhledem ke skutečnosti, že jsou data k dispozici, se jedná o relativně málo nákladnou metodu, kterou lze navíc využít ke sledování dlouhodobých trendů. V omezené míře mohou tento druh monitoringu provádět samy správy chráněných oblastí či obce. Nevýhody: Nemusí být vždy k dispozici potřebné ukazatele nebo ukazatele v potřebném detailu či dalším rozlišení (např. ubytovaní v konkrétních dnech, neplatící návštěvníci, atd.) Data jsou navíc pouze orientační a nemusí být znám jejich vztah ke skutečné návštěvnosti (v podobě kalibračního koeficientu). Oficiální statistiky (např. ubytovaných) mohou obsahovat nepravdivé údaje. Doporučená frekvence: V ideálním případě po ukončení turistické sezóny nebo v souvislosti nějakými mimořádnými událostmi. Výsledek: Monitorovací data napomáhají efektivnímu plánování managementu. Umožní sledování vlivu mimořádných akcí, sezóny, atd Manuální / personální pozorování ze země či ze vzduchu Výhoda: Jsou získána velmi přesná data o počtech návštěvníků (návštěvách) a jejich časové a geografické distribuci. Data jsou vhodná k dlouhodobým studiím a závěrům. Nevýhoda: Tato data nejsou vždy k dispozici pro všechny návštěvníky v zájmovém území. Publikovaná data nelze vždy použít ke srovnání kvůli nedostatku přesnosti a reliability v důsledku rozdílného použití metody. Použití metody je náročné na počet personálu, čas a finanční prostředky. Neumožnuje odhad počtu unikátních návštěvníků, ale pouze výskytů či průchodů v dané lokalitě. Frekvence: Dat mohou být třeba v hodinových, denních, týdenních, měsíčních či sezónních intervalech. Nejvhodnější je shrnout data na konci sezóny či roku. Výsledky: Přesný celkový počet návštěvníků a dynamika v různých aspektech (za rok, měsíc, den, atd.). Data jsou velmi užitečná pro budoucí plánování toku turistů, turistických služeb a infrastruktury. 9

10 2.7. Mechanické / automatické sčítače Výhoda: Systematická procedura, která přináší spolehlivé (reliable), přesné (accurate), a konzistentní odhady počtu návštěvníků. Probíhá automaticky s pomocí senzorů zabudovaných v terénu po delší časové období i několika let, přesto není časově náročná. Dokáže rozlišit pěší od cyklistů a směr pohybu. Sčítače existují elektronické a mechanické s různým typem senzorů (podrobněji k existujícím technologiím a typům senzorů např. SEPA, 2007, str ). Při použití pro delší časové období jednotková cena na pořízení dat výrazně klesá. Nevýhoda: Data odečtená ze sčítačů neposkytují počty návštěvníků daného území. K získání takových odhadů je třeba počty ze všech sčítačů kalibrovat. To znamená korigovat naměřené počty s pomocí kalibračních koeficientů získaných zpravidla manuálním sčítáním. K instalaci a odstranění zařízení, odečtu dat a kalibraci je třeba odborníků. Hrozí poškození zařízení nepříznivým počasím či vandaly. K získání odhadů počtu návštěvníků celého území je třeba velkého počtu sčítačů ideálně na všech vstupních bodech. Frekvence: Automatický sčítač může zaznamenávat data v průběhu celého roku (pomineme-li nepřízeň počasí jako např. námrazu, která ho může vyřadit z provozu. Výsledek: Poskytuje celkový počet průchodů daného sčítacího profilu a dynamiku v hodinovém / denním / týdenním / měsíčním / sezónním rozlišení. Data pomáhají při plánování toku turistů a využívání infrastruktury a dalších ukazatelů managementu. Mohou poskytnout přesné informace o počtech návštěvníků v území, kde dosud žádné nebyly k dispozici Dotazníkové šetření (samo-sběr) Výhoda: Pomáhá identifikovat aktuální problémy ochrany přírody či nabídky rekreace prostřednictvím názorových a kvalitativních otázek. Náklady ne realizaci v případě samo-sběru jsou nižší než v případě osobních rozhovorů. Nevýhoda: V dotazníku pro samosběr je třeba se vyvarovat komplikovaných otázek a jeho přílišné délce, která snižuje návratnost vyplněných dotazníků. Odpovědi jsou proto často obecné povahy. Pořizování, čistění a analýza dat je časově i finančně nákladná. Zpravidla nelze touto metodou získat odpovědi od cizojazyčných návštěvníků. Při samosběru či sběru prostřednictvím personálu ubytovacích zařízení, informačních center atd. nelze kontrolovat reprezentativitu výběru. Frekvence: LVAF (2012) doporučuje provádět dotazníkové šetření alespoň jednou za 5 let. Dotazování místních stakeholderů (poskytovatelů rekreačních služeb, zástupců obcí, NGO a orgánů ochrany přírody, atd.) by mělo probíhat každé 2 3 roky. 10

11 Výsledek: Jsou-li dodrženy požadavky na profesionální provedení šetření, včetně jasně stanovených cílů, cílové populace, srozumitelných a korektních otázek a důkladné analýzy, lze získat spolehlivá a přesná data názorové a kvalitativní povahy Osobní rozhovory Výhoda: Metoda vhodná pro získání specifických informací názorové a kvalitativní povahy. Při důsledné práci tazatelů a dodržení postupů náhodného výběru jednotek do vzorku umožňuje sběr reprezentativních dat návštěvnické populace. Obsahová validita odpovědí je vyšší než u samosběru. Umožňuje použití širší škály možných výběrů včetně například nadhodnocení specifických návštěvnických skupin. Nevýhoda: Často není známa velikost návštěvnické populace, což komplikuje výběr jednotek do vzorku. Existuje zde riziko endogenní stratifikace a výběrové chyby. Dotazník musí mít omezenou délku, aby dotazování respondenty při rekreaci příliš neobtěžovalo. Pořizování dat je časově a finančně náročné. Poskytnuté informace mohou být zkresleny interakcí mezi tazatelem a respondentem. Frekvence: Stejná jako v případě dotazníkového šetření. Výsledek: Osobní rozhovory poskytují kvalitativní a názorová data o rekreaci, potřebách a požadavcích návštěvnické populace. Sběr dat v terénu je způsobem komunikace mezi realizátorem výzkumu, potažmo managementem CHÚ a návštěvníky a poskytuje přímou zpětnou vazbu Monitoring pohybu s využitím GPS technologií Výhoda: Umožňuje záznam přesného pohybu vybraných návštěvníků po CHÚ. Data jsou zaznamenávána automaticky a centralizovaně. Nevýhoda: Vyžaduje souhlas a součinnost na straně návštěvníků v podobě instalace aplikace do mobilního telefonu nebo nošení zapůjčeného GPS zařízení. Tím je významně dotčena velikost vzorku, který lze zkoumat a reprezentativita získaných dat. Výsledek: Přesná a podrobná data o časo-prostorové distribuci sledovaných návštěvníků v CHÚ Monitoring s využitím zbytkových dat mobilních operátorů Výhoda: Využívá data o přítomnosti osob ve sledovaném území vznikající automaticky při přihlašování mobilního telefonu k základnové převodové stanici (BTS). Umožňuje sledovat návštěvnost i na území velké rozlohy, určit počet unikátních osob při zachování jejich anonymity, odfiltrovat osoby bydlící 11

12 v místě, určit délku trvání pobytu, určit místo bydliště (zpravidla v rozlišení na okres). Hlavní výhodou je však možnost realizace šetření mimo sledované území. Nevýhoda: Lokality pro tento typ monitoringu je třeba vymezit podle pokrytí signálem a umístění základnových převodových stanic (BTS). Zpravidla nejsou dostupná data od všech operátorů na daném území (v ČR například pouze od spol. T-mobile). Je proto nutné přepočítávat počty na celou populaci včetně osob, které nevlastní mobilní telefon. Přesný způsob přepočtu je zpravidla předmětem obchodního tajemství a zadavatel ho nemůže kontrolovat. Dosud je pořízení tohoto typu dat v ČR finančně náročné. Výsledek: Získání odhadů o počtu návštěvníků, nikoliv průchodů sledované lokality, které jsou výsledkem použití většiny konvenčních metod monitoringu Off-site dotazníkové šetření (obecné populace) Výhoda: Umožňuje zkoumání celkové poptávky po rekreaci v daném území nebo bariér jeho návštěvy. Zachycuje i údaje o osobách, které cílové území v době šetření na místě nenavštívily. Ve srovnáním s dotazníky sbíranými on-site může být rozsáhlejší. Data z off-site šetření jsou nezbytná, chceme-li generalizovat závěry on-site šetření na obecnou populaci (např. celého státu). Nevýhoda: Umožňuje zjišťování údajů, které jsou obecné populaci společné, nikoliv týkajících se specificky zájmového území a jeho uživatelů. Může generovat tzv. recall bias, tedy chybu spojenou s rozpomínáním na minulé události. Při jeho realizaci je možné zajistit náhodný výběr nebo reprezentativní výběr s využitím kvót. Vzhledem k malému procentu přímých uživatelů v populaci je k analýze poptávky třeba velký vzorek, čímž rostou náklady na tento typ sběru. Výsledek: Získání odhadu celkové poptávky po rekreaci ve sledovaném území včetně vysvětlení faktorů, které potenciálním zájemcům v návštěvě sledovaného území brání Doplňkové metody využívající volně dostupná data Mezi tyto metody řadíme sledování návštěvnosti webových stránek, sledování připojení prostřednictvím QR-kódů, počet registrací geocache a sledování pozice záznamů (fotografií, blogů a prošlých tras) ze sledované oblasti na webových stránkách. Výhoda: Hlavní výhodou je volná dostupnost těchto záznamů prostřednictvím internetu. Nevýhoda: Hlavní nevýhodou těchto metod je nereprezentativita údajů získaných tímto typem sledování. Výsledek: Spíše orientační údaj o zájmu o dané území. 12

13 3. Přístupy k predikci návštěvnosti Pro management chráněných území jsou nezbytné informace o počtu návštěvníků, kterým toto území poskytuje rekreační přínosy. V řadě chráněných území v České republice jsou sbírána data o návštěvnících ve dvou základních podobách. Přímé metody monitoringu návštěvníků poskytují data v reálném čase, z nichž lze tvořit časové řady dat. Další data o reálné návštěvnosti chráněných území lze získat z dotazníkových šetření, která se zaměřují na rekreační chování jednotlivců ve vztahu k rekreaci v přírodě. Jelikož znalosti o návštěvnosti různých chráněných území a jejich částí nejsou vždy dostačující a sběr dat o návštěvnosti je finančně i časově relativně náročný (především pokud má být kontinuální a dostatečně geograficky reprezentativní), lze jako doplněk přímých metod monitoringu využít nepřímé metody monitoringu, tj. kvantitativní modely návštěvnosti a predikce vycházející z těchto modelů. Nepřímé metody monitoringu hrají nezastupitelnou úlohu především v extrapolaci dat o návštěvnosti do budoucnosti a predikci změn ve vzorcích rekreačního chování v budoucnu na základě změn v demografické a socio-ekonomické struktuře populace, ale také změn ve stavu životního prostředí či environmentálních kvalit chráněných území. Důležitým výstupem nepřímých metod monitoringu jsou odhady tzv. podmíněné návštěvnosti - tj. predikci, jak se návštěvnost lokality změní po realizaci určitého opatření na ochranu přírody či jiného projektu ovlivňujícího rekreační využití chráněného území. Modelování návštěvnosti lze chápat jako doplňkovou metodu k přímým formám monitoringu. Odhady návštěvnosti statistickými metodami mohou také sloužit ke kalibraci či úpravě hodnot o počtech návštěvníků zjištěných přímými metodami a lze je využít při odhadu přesnosti jednotlivých typů přímých metod monitoringu. V některých případech mohou správně kalibrované modely s využitím dotazníkových šetření dokonce nahrazovat přímý monitoring např. s pomocí sčítačů (Gregorie a Buyhoff, 1999; English et al., 2001). Klasické přímé metody kvantitativního monitoringu vedou k informacím o návštěvnících pouze v určité geografické části chráněného území (automatické sčítání na dané stezce či křižovatce v terénu s využitím sčítače), po určitou část roku či týdne (fyzické sčítání prováděné osobně) či o části návštěvníků pohybujících se v lokalitě (dotazníková šetření). Tato data o návštěvnosti území zjištěná přímými metodami lze s využitím kvantitativních modelů zobecnit na širší geografické území, delší časové období či celou populaci návštěvníků. K zobecnění kvantitativních dat z přímého monitoringu v jednotlivých lokalitách v rámci chráněného území na celkovou návštěvnost daného chráněného území jsou v současné praxi využívány také kvalitativní přístupy či kombinace kvalitativních a kvantitativních přístupů, o kterých rovněž pojednává tento text. 13

14 Lze rozlišit několik přístupů k modelování a predikci návštěvnosti v chráněných územích a v turismu obecně. Převažují kvantitativní metody analýzy dostupných dat o návštěvnosti, jejichž popisu a zhodnocení je z velké části věnován tento text. Podle charakteru dat, která jsou analyzována, existují v rámci této skupiny dva hlavní přístupy k modelování návštěvnosti, a to analýza trendů návštěvnosti na základě časových řad, a analýza návštěvnosti na základě průřezových dat. Každá skupina zahrnuje širokou škálu různých modelů, které v analýze mohou či nemusí využívat kromě návštěvnosti i další proměnné, modelů o jedné či více rovnicích, statických či dynamických modelů. Kromě kvantitativních metod jsou v praxi aplikovány také kvalitativní či smíšené metody, které slouží především pro predikci návštěvnosti do budoucnosti. Typologie přístupů k predikci návštěvnosti je následující (upraveno ze Song a Li, 2008; Neuvonen a Sievanen, 2012): a) Kvantitativní metody (modely návštěvnosti) i. analýza návštěvnosti na základě časových řad dat o návštěvnosti modely časových řad bez vysvětlujících proměnných ekonometrické modely s vysvětlujícími proměnnými ii. iii. iv. analýza návštěvnosti na základě průřezových dat celočíselné modely modely náhodného užitku analýza panelových dat meta-analýza b) Kvalitativní metody c) Smíšené metody předpověď na základě konsensu metoda Delphi tvorba scénářů quasi-delphi Následující tabulka shrnuje hlavní charakteristiky jednotlivých přístupů. 14

15 Tabulka 1: Porovnání přístupů k predikci návštěvnosti Charakteristiky přístupu Kvantitativní Kvalitativní Smíšené metody Popis vývoje návštěvnosti Účel Popis vývoje návštěvnosti Vysvětlení faktorů vývoje návštěvnosti Predikce Explorace vývoje návštěvnosti Predikce Explorace a vysvětlení faktorů vývoje návštěvnosti Predikce (např. upravení výsledku kvantitativního modelu na základě kvalitativního výstupu) Typ dat Primární a sekundární data o návštěvnosti Data o proměnných vysvětlujících návštěvnost Kvalitativní rozhovory Názory expertů o faktorech ovlivňujících návštěvnost Názory expertů o budoucím vývoji návštěvnosti Smíšená kvalitativní a kvantitativní Náročnost na data Nízká až vysoká (Velmi záleží na konkrétním modelu, viz dále tab. 2) Střední Střední až vysoká Hledání vzorců Analýza dat Identifikace statistických vztahů Hledání shody ohledně střední hodnoty a spolehlivosti predikce návštěvnosti Kombinace obojího Náročnost na čas zpracování analýzy Nízká až vysoká (Velmi záleží na konkrétním modelu, viz dále tab. 2 Vysoká Vysoká Charakter predikce Od jednoduchých předpovědí na základě minulého vývoje návštěvnosti po komplexní vztahy mezi poptávkami po více lokalitách (Záleží na konkrétním modelu, viz dále tab. 2 Předpověď návštěvnosti po uvážení scénáře či predikovaného vývoje faktorů ovlivňujících návštěvnost Od jednoduchých předpovědí na základě minulého vývoje návštěvnosti po komplexní vztahy mezi poptávkami po více lokalitách Horizont predikce Krátkodobý až dlouhodobý Krátkodobý až střednědobý Krátkodobý až dlouhodobý Zdroj: upraveno z WTO a ETC, 2008 Hlavní charakteristiky jednotlivých skupin modelů predikce návštěvnosti na základě dvou nejčastěji aplikovaných přístupů - časových řad a průřezových dat -, jsou shrnuty v následující tabulce. Detaily o aplikaci jednotlivých metod jsou dále popsány v textu následujícím za tabulkou. 15

16 Tabulka 2: Porovnání přístupů analýzy časových řad o návštěvnosti a analýzy návštěvnosti na základě průřezových dat Charakteristi ka/přístup Analýza návštěvnosti na základě časových řad dat o návštěvnosti Modely časových řad bez vysvětlujících proměnných Ekonometrické modely s vysvětlujícími proměnnými Analýza návštěvnosti na základě průřezových dat Individuální model cestovních nákladů Modely náhodného užitku Účel Predikce počtu návštěvníků Odhad zahraniční poptávky po rekreaci v dané zemi/regionu, kde se CHÚ nachází Predikce počtu návštěvníků Predikce změn návštěvnosti za předpokladu změn vysvětlujících proměnných Odhad zahraniční poptávky po rekreaci v dané zemi/regionu, kde se CHÚ nachází Predikce počtu návštěvníků či návštěv Predikce změn návštěvnosti za předpokladu změn vysvětlujících proměnných Odhad poptávky po daném chráněném území Odhad rekreačního užitku/změn užitku spojeného se změnou v CHÚ Predikce počtu návštěv Predikce změn návštěvnosti za předpokladu změn vysvětlujících proměnných Odhad poptávky po daném chráněném území Odhad rekreačního užitku/změn užitku spojeného se změnou v CHÚ Používané metody a modely Extrapolace návštěvnosti Exponenciální vyrovnávání ARIMA (Box-Jenkinsova metodologie) Jednorovnicové modely (ADLM, ECM, STSM, TVP) Vícerovnicové modely (VAR, AIDS) Jiné metody (neurální sítě apod.) Modely celočíselných dat (P, NB, TP, TNB, STP, STNB, GNB) Multinomial logit, conditional logit, mixed(random parameter) logit Územní rozlišení Nízké až střední (úroveň státu či kraje) Nízké až střední (úroveň státu či kraje) Vysoké (jednotlivá chráněná území, jejich části) Vysoké (jednotlivá chráněná území, jejich části) Typ dat o návštěvnosti Suma počtu návštěvníků za časové období Suma počtu návštěvníků za časové období Počet návštěv dané oblasti uskutečněné návštěvníkem v daném časovém období Pravděpodobnost návštěvy dané lokality v daném časovém období Zdroje dat o návštěvnosti Záznamy z povinných registrů Záznamy o ubytování Záznamy z povinných registrů Záznamy o ubytování Dotazníková šetření Dotazníková šetření Typ dat vysvětlujících návštěvnost Obecné agregátní trendy Obecné agregátní trendy Individuální data o návštěvnících Individuální data o návštěvnících 16

17 Tabulka 2 (pokračování) Charakteristi ka/přístup Proměnné vysvětlující návštěvnost Výhody přístupu Analýza návštěvnosti na základě časových řad dat o návštěvnosti Ekonometrické modely Modely časových řad bez s vysvětlujícími vysvětlujících proměnných proměnnými Žádné (jen zpoždení návštěvnosti) Dostupnost dat (sekundární data) Nenáročnost (finanční a časová) sběru dat o návštěvnosti Záznamy existují pro relativně dlouhé časové období Jednoduchost modelu, nenáročnost modelování Cestovní náklady se nepoužívají ve většině studií Cenová úroveň v cílové oblasti Cenová úroveň v substitučních oblastech HDP Binární proměnné (identifikace významných událostí ovlivňujících návštěvnost) Dostupnost dat (sekundární data) Záznamy existují pro relativně dlouhé časové období Možnost predikovat změny návštěvnosti na základě změn agregátních proměnných Analýza návštěvnosti na základě průřezových dat Individuální model cestovních nákladů Cestovní náklady do cílové oblasti Cestovní náklady do substitučních oblastí Vlastnosti cílového území (velikost chráněného území, zastoupení ekosystémů, vybavenost rekreačními prvky apod.) Vlastnosti substitučních oblastí Příjem návštěvníka Věk, vzdělání návštěvníka Lze zahrnout libovolný rozsah návštěvníků Dostatečné množství informací o individuálních návštěvnících Menší územní agregace Možnost predikovat změny návštěvnosti na základě změn chráněného území Je možné analyzovat zvlášť jednotlivé typy výletů (např. jednodenní vs. vícedenní) Modely náhodného užitku Cestovní náklady do cílové oblasti Cestovní náklady do substitučních oblastí Vlastnosti cílového území (velikost chráněného území, zastoupení ekosystémů, vybavenost rekreačními prvky apod.) Vlastnosti substitučních oblastí Příjem návštěvníka Věk, vzdělání návštěvníka Lze zahrnout potenciální návštěvníky Dostatečné množství informací o individuálních návštěvnících Menší územní agregace Možnost predikovat změny návštěvnosti na základě změn chráněného území Je možné analyzovat zvlášť jednotlivé typy výletů (např. jednodenní vs. vícedenní) Nevýhody přístupu Zahrnuje pouze část návštěvníků území (omezení daty: ubytovaní; registrovaní; většinou pouze zahraniční příjezdový cestovní ruch) Nezahrnuje potenciální návštěvníky Minimum informací o návštěvnících Větší územní agregace Nemožnost predikovat změny návštěvnosti na základě změn chráněného území ani změn agregátních trendů Není možné analyzovat zvlášť jednotlivé typy výletů (např. podle délky) Zahrnuje pouze část návštěvníků území (omezení daty: ubytovaní; registrovaní; většinou pouze zahraniční příjezdový cestovní ruch) Středně náročný sběr dat o proměnných v modelu; Náročnost modelování (střední až vysoká) Minimum informací o návštěvnících Větší územní agregace Nemožnost predikovat změny návštěvnosti na základě změn chráněného území Není možné analyzovat zvlášť jednotlivé typy výletů (např. podle délky) Nákladnost a časová náročnost pořízení dat (primární data) Náročnost modelování (střední) Nákladnost a časová náročnost pořízení dat (primární data) Náročnost modelování (vysoká) Zdroj: Vlastní zpracování. 17

18 3.1. Kvantitativní metody predikce návštěvnosti Analýza trendů s využitím časových řad Analýza trendů s využitím časových dat využívá dat o časových řadách návštěvnosti za uplynulé období. Lze rozlišit dva hlavní přístupy využívající časová data: a) analýza návštěvnosti bez vysvětlujících proměnných, b) ekonometrické modely s využitím vysvětlujících proměnných. Data o návštěvnosti jsou získána většinou ze sekundárních zdrojů, jako jsou statistiky o ubytování v dané oblasti či jiné povinné registry; či se jedná o ex post odhadovanou návštěvnost chráněného území v jednotlivých letech. Modely časových řad bez vysvětlujících proměnných Metody analýzy časových řad využívané pro predikci návštěvnosti vysvětlují návštěvnost s ohledem na její minulé chování a náhodnou chybu (Song a Li, 2008). Jelikož neobsahují žádné vysvětlující proměnné a pracují pouze s hodnotami návštěvnosti pro minulá období, jsou relativně finančně a časově nenáročné na pořízení dat a odhad modelu. Nedávnou aplikací těchto modelů je např. studie Neuvonen a Sievanen (2012), kteří odhadovali poptávku po outdoorových rekreačních aktivitách ve Finsku s využitím dat ze čtyř národních šetření (Finnish outdoor recreation demand inventories, LVVI) o participaci finské populace na tradičních outdoorových aktivitách v posledních 30 letech. Nejjednodušším modelem pro predikci je extrapolace návštěvnosti do budoucnosti. V zahraniční literatuře je tento model označován jako no-change nebo naïve model. Předpovědi na jeho základě jsou přesné pouze v případě, že trend návštěvnosti v minulých obdobích je velmi zřetelný a konzistentní např. pokud posledních 5 let roste celková návštěvnost o 1-2 %, predikce na základě extrapolace trendu na příští rok bude opět růst celkové návštěvnosti oproti současnému roku o 1-2 % (upraveno z WTO a ETC, 2008). Tento model se spíše využívá jako základ pro porovnání výsledků jiných, složitějších modelů. Jedním ze základních modelů pro analýzu časových řad je autoregresní integrovaný proces klouzavých průměrů (ARIMA, autoregressive integrated moving average model), který spojuje modely klouzavých průměrů (moving average, MA) a autoregresní modely (AR). Tento model byl navržen Boxem a Jenkinsem (1970). Jedná se o model nestacionárních časových řad (řad s nekonstantním průměrem či rozptylem během času), kterou celková návštěvnost v dané lokalitě většinou je; ke stacionarizaci se využívá diferencování proměnné návštěvnost 1. Obecný ARIMA model řádu p, d, q lze definovat jako: ΦΦ pp (BB)(1 BB) dd yy tt = cc + θθ qq (BB)εε tt, 1 Např. v případě první diference se namísto celkové návštěvnosti v daném roce pracuje s meziroční změnou návštěvnosti. 18

19 kde εε tt je náhodná chyba, B je operátor zpětného posunutí, Φ(z) a θ(z) jsou polynomy stupně p a q, d je řád diference (Athanasopoulos et al., 2011; Arlt a Arltová, 2009). Pro modelování měsíčních či čtvrtletních dat se využívá sezónního modelu ARIMA (SARIMA, seasonal ARIMA). V modelu ARIMA je podstatný výběr řádu modelu (tj. výběr hodnot p, q, d v případě nesezónního modelu, a výběr hodnot dalších parametrů pro sezónnost v případě modelu pro čtvrtletní či měsíční data) 2. Modely ARIMA/SARIMA jsou relativně hojně využívány při modelování poptávky po turismu (Song a Li, 2008; Athanasopoulos et al., 2011). Kromě těchto přístupů analýzy jednorozměrné časové řady Goh a Law (2002) zavedli vícerozměrnou analýzu SARIMA (multivariate SARIMA, MARIMA), která zkoumá zároveň několik paralelních časových řad (počty návštěvníků v dané lokalitě podle zemí či regionů původu). Dalším rozšířením je využití modelů zobecněné autoregresní podmíněné heteroskedasticity (GARCH, generalised autoregressive conditional heteroskedastic model), původně navržených pro modelování volatility finančních časových řad (Bollerslev, 1990). Využity byly např. ve studii Chan, Lim a McAleer (2005) pro modelování měsíčních dat o příjezdovém cestovním ruchu v Austrálii ze čtyř zdrojových zemí. Běžná je i kombinace přístupů ARMA a GARCH (Ling and McAleer, 2003). Ekonometrické modely Ekonometrické modely modelují kauzální vztahy mezi vývojem návštěvnosti a faktory, které návštěvnost ovlivňují. Většinou vysvětlují počet návštěvníků na základě vývoje makroekonomických ukazatelů. Často je poptávka odhadována pro geografické území jednoho státu a je modelována pouze pro příjezdový cestovní ruch 3. Modelování kauzálních vztahů empiricky slouží především k návrhu politik a nástrojů ovlivňujících cestovní ruch a k hodnocení dopadů nástrojů aplikovaných v současnosti či minulosti. Obecná poptávková funkce turismu s využitím nejdůležitějších proměnných (Song a Li, 2008; Li et al., 2005; Lim, 1999) je následující (Athanasopoulos et al., 2011; Song a Witt, 2000): yy tt ii = ff(gg tt ii, pp tt ii, pp tt iiii, bbbbbbárrrrí ppppppppěnnnné, εε tt ), kde: yy tt ii je celkový počet realizovaných zahraničních návštěv ze zdrojové země i do analyzované cílové země; či výdaje turistů v cílové zemi, ii gg tt je úroveň reálného příjmu ve zdrojové zemi, ii pp tt jsou relativní náklady na život v cílové zemi oproti zdrojové zemi iiii pp tt je rozdíl v cenových úrovních substitučních destinací binární proměnné identifikují, zda v daném období došlo k významné události ovlivňující návštěvnost (pro každý typ události je využita jiná proměnná) je náhodná chyba modelu. εε tt 2 Existují automatizované metody pro výběr řádu modelu - viz např. Hyndman a Khandakar (2008). 3 Definice příjezdového cestovního ruchu podle Páskové a Zelenky (2002): jedná se o aktivity spojené s příjezdem občanů ze zahraničí do dané země (synonymum ve vztahu k platební bilanci: aktivní cestovní ruch). 19

20 Pro vyjádření časové závislosti proměnných lze model specifikovat jako 4 : kk pp jj pp yy tt = ββ 0 + ββ jj,ii xx jj,tt ii + ΦΦ ii yy tt ii + εε tt jj=1 ii=0 kde yy tt je vysvětlovaná poptávková proměnná, xx jj,tt ii jsou exogenní proměnné v zemích j = 1,..., k; i je počet zpoždění proměnných ( i = 0,..., p j), yy tt ii jsou zpožděné hodnoty vysvětlované proměnné a εε tt je náhodná chyba modelu. Všechny proměnné často vstupují do modelu transformované na přirozený logaritmus (Athanasopoulos et al., 2011). Přesnější definici proměnných na základě reálných dat lze demonstrovat např. na studiích Song, Wong a Chon (2003) a Wong et al. (2007), kteří modelovali počet návštěv do země s využitím následujících proměnných: hrubý domácí produkt v zemi původu návštěvníků, který zastupuje úroveň příjmu návštěvníků, rozdíl v cenových úrovních cílové a zdrojové země návštěvnosti podle indexu spotřebitelských cen; ve stálých cenách, podle směnného kurzu (tato proměnná zastupuje cenu návštěvy cílové země pro návštěvníka pocházejícího ze zdrojové země - relativní náklady na život v cílové zemi oproti zdrojové zemi), rozdíl v cenových úrovních ostatních substitučních zemí a zdrojové země návštěvnosti jakožto vážený index cenových úrovní vybraných alternativních destinací k cílové zemi (proměnná zastupuje cenu návštěvy substitučních zemí) a binární proměnné - například výskyt epidemie, teroristického útoku apod. v daném časovém období v destinaci 5. Časté je rovněž kontrolování o zpoždění proměnné návštěvnosti (měřící přetrvávající zvyklosti turistů ohledně výběru destinace) a deterministické trendy (například stálý růst turismu v čase) (Woodside a Drew, 2007). Naopak není příliš časté využití proměnné cestovní náklady. Witt a Witt (1992) specifikovali cestovní náklady jako průměrnou cenu letenek ze země původu rekreantů do analyzované destinace, tato proměnná však nebyla při odhadu poptávky významná. Proměnná rozdíl v cenových úrovních v zemi původu a analyzované destinaci se ve většině studií ukazuje jako důležitý vysvětlující faktor poptávky po rekreaci, avšak není příliš vhodná jako reprezentace cestovních nákladů v případě, že není očištěna o inflaci. Pokud je inflace v destinaci relativně vysoká, může vyrovnávat rozdíl v cenových úrovních měřených směnným kurzem (Woodside a Drew, 2007). Existuje široká škála ekonometrických metod využívaných k odhadu modelu poptávky po turismu, od jednorovnicových po vícerovnicové modely. Klasická regresní analýza se pro modelování nepoužívá, při analýze dat o návštěvnosti by totiž vedla téměř bezvýhradně k problému nepravé čili zdánlivé regrese, kdy přestože spolu dvě časové řady ve skutečnosti nesouvisí, odhady parametrů z regresní analýzy mezi nimi jsou významné (Granger a Newbold, 1974; Arlt, 1997) díky existenci např. společného trendu obou proměnných. Namísto klasické regresní analýzy je aplikována řada ekonometrických modelů, které odpovídají problematickému charakteru dat o návštěvnosti destinace. Základní členění těchto modelů je následující (upraveno ze Song a Witt, 2000; Woodside a Drew, 2007): ii=1 4 Pro jednoduchost zápisu jsou nyní vynechány identifikace cílové země (i) a substitučních zemí (s) 5 U modelů s více než roční frekvencí dat o návštěvnosti jsou pro odfiltrování sezónnosti využívány také proměnné identifikující, k jaké sezóně se údaj o počtu návštěvníků vztahuje. 20

21 a) Jednorovnicové ekonometrické modely i. Modely s fixními parametry modely autoregresních rozložených zpoždění (ADRL či ADLM, autoregressive distributed lag model; např. Song, Wong, and Chon, 2003), modely korekce chyby (ECM, error correction model; např. Song and Witt, 2000), ii. Modely se složkou proměnnou v čase modely strukturálních časových řad (STSM, structural time series model; např. Song et al., 2011) modely v čase proměnných parametrů (TVP, time varying parameter model; např. Song et al., 2011), b) Vícerovnicové modely vektorové autoregresní modely (VAR, vector autoregressive model; např. Song a Witt, 2006), téměř ideální poptávkový systém (AIDS, almost ideal demand system; např. De Mello a Fortuna, 2005). ADLM (Hendry, 1986; Pesaran a Shin, 1995) je jednorovnicový model vysvětlující většinou výdaje na turismus (tourism expenditure) v absolutní či relativní podobě (např. vzhledem k celkovému rozpočtu) zpožděními této proměnné a jinými vysvětlujícími proměnnými včetně jejich zpoždění. ADLM přístup zahrnuje nejprve odhad plného modelu se všemi proměnnými a relativně velkou délkou zpoždění proměnných, dále jsou odstraňovány postupně nejméně významné proměnné a finální model zahrnuje již pouze proměnné statisticky významné (Woodside a Drew, 2007). ECM (Engle a Granger, 1987) je dynamický jednorovnicový model, který modeluje dlouhodobý a krátkodobý vztah mezi počtem návštěv a vysvětlujícími proměnnými. Každá změna návštěvnosti v daném období je v modelu spojována s odchylkou v minulém období od dlouhodobého vztahu mezi návštěvností a vysvětlujícími proměnnými. K odhadu se využívá Engle-Grangerův dvoustupňový model (Ibid.), kde je nejprve odhadnut dlouhodobý a pak krátkodobý vztah, nebo Wickensův a Breuschův jednostupňový model (Wickens a Breusch, 1988), který zahrnuje oba typy vztahů mezi počtem návštěv a vysvětlujícími proměnnými. STSM a TVP modely jsou jednorovnicové modely s časovým komponentem v rovnici. STSM modely zahrnují do rovnice trendovou, cyklovou, sezónní a stochastickou složku. TVP modely umožňují odhadovat parametry proměnných nikoli jako fixní, ale jako proměnlivé v čase. Jsou vhodné především pro krátkodobé předpovědi poptávky po turismu. Využívají však bez výjimky ročních časových řad návštěvnosti, a analýza na jejich základě tedy (oproti STSM) nebere v úvahu dopad trendu, cyklu nebo sezónnosti na předpověď. VAR modely (Sims, 1980) jsou vícerovnicové modely, kde každá rovnice vysvětluje současné hodnoty dané proměnné s využitím zpožděných hodnot všech ostatních proměnných. Celý systém rovnic je odhadován najednou. Tyto modely se využívají k testování, zda existují jednostranné či oboustranné vztahy mezi počty turistů v různých destinacích (čili zda současný a minulý vývoj turismu v jedné destinaci ovlivňuje vývoj turismu v ostatních destinacích). Zásadní je výběr počtu zpoždění v modelu 21