Vysoká škola ekonomická v Praze Národohospodářská fakula Hlavní specializace: Ekonomie HOSPODÁŘSKÝ CYKLUS A NÁVŠTĚVNOST HISTORICKÝCH PAMÁTEK bakalářská práce Auor: Kaeřina Jůvová Vedoucí práce: Ing. Sára Bisová Rok: 2013
Prohlašuji na svou čes, že jsem bakalářskou práci vypracovala samosaně a s použiím uvedené lieraury. Kaeřina Jůvová V Praze, dne 16. 5. 2013
Na omo mísě bych ráda poděkovala Ing. Sáře Bisové za vedení mé bakalářské práce, cenné připomínky a odbornou pomoc v průběhu jejího zpracovávání. Dále bych ráda poděkovala svým rodičům za jejich podporu a pomoc při sudiu.
Absrak Tao práce se zabývá ekonomerickou analýzou vlivu hospodářského cyklu na návšěvnos hisorických pamáek. Pro účely bakalářské práce byla použia daa o návšěvnosi hradu Pošejn a o návšěvnosi zámku Časolovice z období 2003 2012. Regresní analýzou za pomoci meody nejmenších čverců a Cochrane-Orcu meody docházím k závěru, že hospodářský cyklus nemá vliv na návšěvnos ěcho dvou pamáek. Klíčovými fakory návšěvnosi jsou ceny vsupného a cena pohonných hmo. Dále se v práci zabývám modelováním sezónnosi. Bylo zjišěno, že návšěvnos obou pamáek je nejvěší v srpnu a naopak nejméně lidí oba objeky navšíví v září. Absrac This bachelor s hesis deals wih an economeric analysis of an influence of business cycle on he hisorical monumen s aendance. In he bachalor s hesis, here were used he daes abou he casle Pošejn s and he chaeau Časolovice s aendance from years 2003 2012. By he mehod of ordinary leas squares and Cochrane-Orcu i concludes ha business cycle hasn any influence on hese monumens aendance. The key facors of he aendance are he admission price and he price of fuel. I also deal wih modeling of seasonaliy. I was found ha he higher aendance is in Augus, and on he oher hand lower aendance is in Sepember. Klíčová slova: Návšěvnos, hisorické pamáky, ekonomerická analýza, hospodářský cyklus, sezónnos Keywords: Aendance, hisorical monumens, economeric analysis, economic cycle, seasonaliy JEL klasifikace (JEL classificaion): C332, E200, Z190
Obsah Úvod... 1 1. Teorie... 3 1.1. Příčiny hospodářského cyklu... 4 1.2. Moniorování hospodářského cyklu... 5 1.3. Sudie... 6 2. Daový soubor a jeho charakerisiky... 9 2.1. Daa o návšěvnosi... 9 2.2. Daa určující hospodářský cyklus... 11 2.3. Konrolní proměnné... 11 2.4. Další podsané fakory... 13 2.5. Problémy modelu... 14 2.6. Kriika modelu... 16 2.7. Charekerisika časových řad... 16 3. Empirická analýza... 21 3.1. Odhad návšěvnosi hradu Pošejn... 21 3.1.1. Alernaivní meoda odhadu návšěvnosi hradu Pošejn... 23 3.2. Odhad návšěvnosi zámku Časolovice... 25 3.2.1. Alernaivní meoda odhadu návšěvnosi zámku Časolovice... 26 Závěr... 29 Použiá lieraura:... 31 Zdroje da:... 32 Přílohy:... 33
Úvod Cílem bakalářské práce je zjisi závislos návšěvnosi hisorických pamáek na hospodářském cyklu. Tao oblas nebyla doposud zmapována a ekonomická sudie o návšěvnosi hisorických pamáek prakicky neexisuje. Lze prodpokláda dva směry, kerými se zkoumaná závislos může ubíra. V období, kdy se ekonomika nachází v recesi, dochází k všeobecnému poklesu spořeby, lidé více šeří a udíž se dá očekáva i snižování návšěvnosi hisorických pamáek. Na druhou sranu v době recese mohou lidé před drahými zahraničními dovolenými dá přednos cesování po uzemsku. V omo případě by se dalo předpokláda, že návšěvnos uzemských hisorických pamáek v době ekonomického úpadku bude soupa. Změna v návšěvnosi by udíž měla bý u pamáek parná kolem roku 2009, kdy byla česká ekonomika posižena nasupující recesí. Pro účely bakalářské práce byly osloveny čyři zámky a jeden hrad Královéhradeckého kraje. Vyhovující daa byl ochoen poskynou hrad Pošejn a zámek Časolovice. Obě pamáky se nacházejí v Podhůří Orlických hor v okrese Rychnov nad Kněžnou asi 15 kilomerů od sebe. Zámek Časolovice se nachází ve sejnojmenné obci, kerá má okolo 1650 obyvael. Jedná se o renesanční zámek, kerý je ve vlasnicví rodu Sernbergů. K zámku paří i rozsáhlý zámecký park s oborou bílých daňků a malá ZOO. Obec Pošejn má asi 900 obyvael a nachází se v povodí řeky Divoké Orlice v okrese Rychnov nad Kněžnou. Zřícenina hradu, kerý pochází z konce 13. soleí voří dominanu obce. V dnešní době je hrad ve vlasnicví obce Pošejn. Obec je díky přírodě v povodí Divoké Orlice, zámku Pošejn a právě zřícenině hradu urisicky velmi arakivním mísem především v leních měsících. Vzhledem k omezenému přísupu k daům nelze výsledky práce vzáhnou na celý region, ale pouze na dvě konkréní zkoumané hisorické pamáky. 1
Vysvělovanou proměnnou modelu je návšěvnos. Pro zjišění závislosi na hospodářském cyklu byla do modelu dosazena nezaměsnanos. Vedle nezaměsnanosi byly použiy i další vysvělující proměnné, u kerých, na základě použié lieraury a vlasního úsudku, je předpokládán signifikanní vliv na návšěvnos. Pro odhadování modelů závislosi vysvělované proměnné na hospodářském cyklu byla použia regresní analýza a meoda nejmenších čverců (OLS) a meoda Cochrane Orcu v programu grel. Výsledky práce naznačují, že závislos mezi hospodářským cyklem a návšěvnosí hisorických pamáek prakicky neexisuje. Ukázalo se, že nejzásadnější vliv na návšěvnos má cena vsupného na danou pamáku a období leních prázdnin, kdy je návšěvnos nejvěší. U hradu Pošejn byla zjišěna významná závislos návšěvnosi na ceně benzinu. Práce je členěna následovně. V první, eoreické čási práce bude pojednáno o eorii hospodářského cyklu, dále zde bude uvedena relevanní lieraura. Druhá, aplikační čás práce je členěna do několika oddílů. Nejdříve budou předsaveny jednolivé proměnné a vlasnosi časových řad, se kerými je pracováno, poé budou diskuovány možné problémy modelu, především bude dán prosor Gauss-Markovovým předpokladům. Nakonec budou sesaveny modely odhadu návšěvnosi obou pamáek, keré budou inerpreovány. 2
1. Teorie V éo čási práce bude dán prosor pro sručnou eorii hospodářského cyklu. Dále zde bude rozebrána relevanní lieraura, kerou je práce inspirována. Hospodářský cyklus je chápán jako soubor výkyvů agregání ekonomické akiviy, jsou o výkyvy reálného HDP kolem poenciálního produku. Ty jsou vyvolány změnami agregání popávky. Když mluvíme o hospodářském cyklu, jde o nepravidelně se sřídající různě dlouhé fáze hospodářského vzesupu, zv. expanze, kdy je reálný produk nad poencionálním a fáze ekonomického poklesu neboli recese, kdy naopak reálný hrubý domácí produk klesá pod poenciální. V případě, že je ekonomický pokles hluboký a dlouhodobý mluvíme o depresi. Každá fáze hospodářského cyklu má své specifické charakerisiky. Recesi je možno charakerizova zvýšenou mírou nezaměsnanosi, nízkou úrovní spořeby a invesic. Po dosažení dna je recese vysřídána vzesupnou fází cyklu. Expanze je charakerizována snížením míry nezaměsnanosi, opimisičějšími očekáváními budoucího vývoje a celkovým růsem agregání popávky. Růsová fáze s sebou nese i své náklady, kerými jsou především náklady firem na získávání někerých dalších výrobních fakorů, proože čím víc se expanze blíží svému vrcholu, ím jsou každé dodaečně produkované jednoky zpravidla dražší. Fázi, kdy se ekonomika nachází dočasně na své nejvyšší úrovni, nazýváme vrchol. Kapaciy ekonomiky jsou v éo fázi zcela či dokonce nadměrně využiy. Začíná se objevova nedosaek pracovních síl, především kvalifikovaných pracovních sil. Přebyečná popávka se v éo fázi rozšiřuje na věšinu rhů a dochází k obecnému růsu cen. (Czesany, 2006) Sesupná fáze hospodářského cyklu nasává v momeně, kdy je ekonomika na svém vrcholu a dosáhne ak zvaného horního bodu obrau. Tao sesupná fáze, jinak nazývaná aké konrakce, pokles, zpomalení či recese je věšinou doprovázena zvýšením nezaměsnanosi, zpomalením růsu mezd a cen. Celkové zpomalení hospodářské akiviy snižuje popávku po úvěrech, o vyvolá lak na pokles úrokových sazeb. 3
Skuečný vývoj hospodářského cyklu není rovnoměrný. Úroveň jednolivých vrcholů a sedel se liší sejně ak jako délka cyklů. (Czesany, 2006) Hospodářské cykly mají své specifické rysy, keré hospodářský cyklus odlišují od osaních flukuací v ekonomice (např. od krákodobých Kichinových cyklů, sřednědobých Juglarových cyklů a dlouhodobých Kuznezových cyklů). (Czesany, 2006): - Souslednos změn, keré vyvářejí hospodářský cyklus, nemají přesně danou periodiciu, fáze expanze a konrakce se opakují, ale doba rvání a hloubka se u jednolivých liší. - Hospodářské cykly věšinou rvají v rozmezí 2-10 le, osaní výkyvy ekonomiky věšinou rvají méně než jeden rok. - Hospodářské cykly se ýkají celého sysému ekonomiky, edy synchronizovaných pohybů průmyslového, obchodního i finančního sekoru. Na rozdíl od srukurálních výkyvů, kdy někerá odvěví omezují výrobu a jiná odvěví expandují, jsou cyklické výkyvy charakerizovány všeobecným poklesem a poé zase všeobecným růsem výroby a zaměsnanosi v éměř všech odvěvích. (Holman, sr. 513, 2005) 1.1. Příčiny hospodářského cyklu Flukuace hospodářského růsu jsou způsobeny vlivy buď vně ekonomického sysému, nebo uvniř sysému. Příkladem vnějších vlivů jsou války, prudké pohyby cen surovin, poliické a finanční krize. K vniřním zdrojům nerovnováhy paří například nedosaečná spořeba, nadměrné invesice, echnologický fakor, množsví peněz v ekonomice aj. (Czesany, 2006) Příčiny hospodářského cyklu je možno rozděli na dvě základní eorie hospodářského cyklu, přičemž se yo dvě eorie nikerak nevylučují a hospodářský cyklus může bý zapříčiněn impulsem z obou sran. (Holman, 2005) Teorie moneární za cyklickými výkyvy ekonomiky spařuje popávkové šoky, keré jsou zapříčiněny změnami v peněžní zásobě. Hlavními předsavieli éo eorie byli R. G.Hawrey, K. Wicksell a F. von Hayek. Příčiny hospodářských cyklů jsou podle 4
Wicksella způsobeny změnami peněžní zásoby, což je způsobeno odchylkami přirozené úrokové míry od ržní úrokové míry. Hospodářské cykly jsou v podsaě invesičními cykly a vznikají, jesliže růs peněžní zásoby předbíhá nebo zaosává za růsem poenciálního produku. ( ) Wicksell viděl klíč k polačení hospodářských cyklů v měnové poliice cenrální banky. (Czesany, sr.9, 2006) Dle Hayeka nerovnováhu vyvolávají nerovnoměrné pohyby jednolivých cen, hlavně disproporcionální pohyb cen spořebního zboží a cen výrobních saků. Hayek rozvíjel eorii zv. neurálních peněz, keré mají zabraňova cyklickým poruchám. Později uo eorii opusil jako málo reálnou. (Czesany, 2006) Druhou eorií je eorie reálných cyklů. Dle éo eorie jsou cyklické výkyvy zapříčiněny inovačními vlnami. J. M. Keynes posuzoval hospodářské cykly jako sřídavé vlny invesičního pesimismu a opimismu, keré vyvolávají změny agregání popávky a ím i změny výkonnosi ekonomiky. (Czesany, sr. 14, 2006) Joseph Schumpeer inovace pokládal za sěžejní moivační sílu ekonomiky. (Czesany, sr. 10, 2006) 1.2. Moniorování hospodářského cyklu Pro o, abychom mohli hospodářský cyklus nějakým způsobem předvída, slouží určié soubory indikáorů, jejichž pomocí lze cyklus moniorova. Jedním ze souborů jsou indikace vniřní a vnější rovnováhy, druhý soubor je složený z cyklických indikáorů, dalším souborem jsou indikáory konjunkurního průzkumu, čvrým je soubor indikáorů finanční zranielnosi. (Czesany, 2006) Vniřní rovnováhu lze vyjádři pomocí růsu HDP, míry nezaměsnanosi, míry inflace a salda veřejných financí. Co se ýče vnější rovnováhy, a se vyjadřuje pomocí bilančních vzahů mezi příjmy a výdaji běžného úču plaební bilance v přepoču na HDP. Tak zvaná produkční mezera, edy rozdíl mezi skuečným a poenciálním produkem, je základním ukazaelem vniřní rovnováhy. Základním indikáorem vnější rovnováhy je saldo běžného úču plaební bilance v % HDP. 5
Vzhledem k dosupným daům, byly pro výzkum návšěvnosi hisorických pamáek v závislosi na hospodářském cyklu vybrány dva ze základních indikáorů vniřní rovnováhy, a o nezaměsnanos pro věší přesnos vážená počem obyvael. 1.3. Sudie Nyní budou předsaveny relevanní sudie, ze kerých bylo při psaní bakalářské práce vycházeno. Jelikož není mnoho ekonomických výzkumů zabývajících se návšěvnosí hisorických pamáek, práce se inspirovala výzkumy o návšěvnosi sporovních událosí, jelikož ao oblas je zmapována o poznání lépe. Samozřejmě je řeba brá v úvahu fak, že návšěvnos hisorických pamáek je ovlivňována rozdílnými fakory než návšěvnos hokejových či fobalových ukání. Lahvička (2010) se ve své diplomové práci zabývá návšěvnosí České hokejové exraligy. Pracuje s day za 3 640 zápasů exraligy v období 1/ 2000 až 10/ 2009 a vysvěluje individuální návšěvnos. Vysvělující proměnné byly v éo práci rozděleny do několika skupin a mezi proměnné byla zahrnua např. cena vsupného, kvaliy ýmů, vzdálenos, populace, den a čas zápasu a počasí. Výsledky práce ukazují, že velký poziivní vliv na návšěvnos hokejové exraligy má nejisoa výsledku a předpokládaný poče gólů. Výsledky naznačují, že rozhodující vliv na vysvělovanou proměnnou má arakivia arény. Zájem o sledování zápasu prudce klesá v případě, že výsledek zápasu nemá žádný zásadní vliv na konečný výsledek. Co se počasí ýče, výzkum ukázal, že jak velmi špané, ak i velmi dobré počasí snižují návšěvnos. Návšěvnos je aké zvýšena zvýšenou rivaliou mezi ýmy a snižována v případě, že je zápas vysílán v elevizi a v případě, že se hrají dva zápasy za sebou s velmi malým časovým odsupem. V posledním případě dopadá negaivní vliv především na druhý zápas. Článek auorů Garcíi a Rodrígueze (2002)se snaží přinés novou evidenci o evropském fobale. K výzkumu návšěvnosi španělské národní ligy použili panelová daa, kerá se skládala z pozorování během sezón 1992-1995 a 1995-1996. Auoři pracovali s 1 580 pozorováními. 6
Výzkum ukázal, že čím výše je ým v lize, ím se zvyšuje nejisoa výsledku a ím se zvyšuje návšěvnos ukání. Byl zjišěn aké poziivní vzah mezi návšěvnosí a počasím. V případě, že domácí ým nemá šanci na víězsví v šampionáu, lze očekáva malou návšěvnos zápasu. Negaivní vliv na návšěvnos má aké jeho elevizní vysílání. Značný vliv mají aké víkendy, kdy je návšěvnos věší než ve všední dny. Nejvěší vliv na závislou proměnnou byl zjišěn u skupiny proměnných, keré v sobě zahrnují kvaliu ýmů. Lee, Park, Miller (2007) se ve svém výzkumu zabývali popávkou po vsupenkách na zápasy Major League Baseball v USA. Auoři esovali 23 baskebalových ýmů během le 1970-2003 (vyjímaje roky 1989 a 1990). Docházejí k závěru, že hlavními deerminany návšěvnosi baskebalových zápasů je cena vsupenky, příjem fanoušků, proceno víězných zápasů daného ýmu. Bylo zjišěno, že cena vsupenky je hlavním fakorem, kerý negaivně ovlivňuje návšěvnos zápasů. Další proměnnou, kerá významně poziivně ovlivňuje návšěvnos, je proceno vyhraných zápasů ýmu. Saisicky významný vliv na návšěvnos byl zjišěn aké u proměnné, kerá určuje sáří sadionu, a o u více než poloviny zkoumaných modelů. Auoři mimo jiné zjisili, že počasí mělo vliv na návšěvnos pouze někerých ýmů. Jedna ze sarších sudií Har, Huon, Sharo (1975) se zabývá analýzou návšěvnosi fobalu v Anglii v sezonách 69/70, 70/71 a 71/72. Závislou proměnnou v modelu je návšěvnos fobalu v sobou odpoledne. Nezávislé proměnné byly rozděleny do ří skupin. První skupinu voří ekonomické proměnné, druhá skupina zahrnuje demografické proměnné a řeí skupina zahrnuje deerminany arakiviy zápasu. Důležiějším fakorem je kvalia ýmu a zápasu, kerá významně poziivně ovlivňuje návšěvnos. Auoři se zaměřili i na sázení, keré má aké významný vliv na návšěvnos fobalových ukání. Sudie O Hagan, Casigline (2010) je zaměřena na důležios návšěvnosi kulurních akcí a na porovnávání návšěvnosi v Evropské unii se zaměřením na Anglii, Iálii a Španělsko. Práce se zabývá rozdílnosí v návšěvnosi kulurních událosí u různých 7
socioekonomických skupin. Auoři zjišťují, že návšěvnos zv. vyšších kulurních událosí je značně vychýlena k vysokopříjmovým skupinám obyvael. Auoři vrdí, že kulurní vzdělání jednoho člověka poziivně ovlivňuje celou společnos a zasahuje i do jiných odvěví, zároveň posiluje sociální inegraci. Auoři se snaží poda ucelenější výzkum o rozdílných kulurách různých evropských sáů. Zaměřují se především na Španělsko, Iálii a Anglii, kde provedli porovnání výzkumů o kulurních akcích. Slabinou práce je, že průzkum byl prováděn v každém sáě zvlášť za použií vždy rochu rozdílných meod, svou roli zde aké hraje jazyková bariéra. Z ohoo důvodu je porovnávání da obížné. Shih, Nicholls (2005) se zabývali vlivem klimaických změn na urisické akiviy ve sáě Michigan. K dispozici měli daa z le 1991 2000. Vedle vlivu počasí zkoumali aké závislos urisických akivi na dni v ýdnu, prázdninách a ceně pohonných hmo. Bylo zjišěno, že víkendy a období prázdnin má významný vliv na cesování. Také eploa má zásadní poziivní vliv na urisické akiviy. U ceny pohonných hmo se nepovrdil žádný významný vliv na urisické akiviy. 8
2. Daový soubor a jeho charakerisiky V éo čási práce budou předsaveny proměnné, se kerými je pracováno a eoreické modely, na základě kerých budu zkouma vliv hospodářského cyklu na návšěvnos. Závislos bude odhadována na dvou pamákách Královéhradeckého kraje, hradu Pošejn a zámku Časolovice. Pro zkoumání vlivu byly sesaveny dva modely, model návšěvnosi hradu Pošejn a model návšěvnosi zámku Časolovice. V závěru práce budou výsledky obou modelů porovnány. Vysvělovanou proměnnou modelů je návšěvnos. Pro odhadování závislosi bylo vybráno několik následujících proměnných. Vysvělované proměnné jsou cena vsupného, cena benzinu, proměnné pro počasí a nezaměsnanos. Dále byly do modelů zahrnuy dummy proměnné, kerými je vyjádřena arakivia dané pamáky a nula-jednokové proměnné pro očišění časové řady od sezónnosi. V následující čási práce budou yo exogenní proměnné deailněji popsány, u každé je uveden hypoeický směr vlivu na vysvělovanou proměnnou. 2.1. Daa o návšěvnosi Daa ýkající se návšěvnosi hradu Pošejn (navs_posejn) byla pro účely bakalářské práce poskynua Obecním úřadem Pošejn. Jedná se o měsíční údaje o poču návšěvníků z období 1/2003 12/2012. Daa o návšěvnosi zámku Časolovice (navs_casolovice) byla poskynua správou zámku Časolovice. Opě se jedná o měsíční údaje z le 2003 2012. Poskynué údaje jsou vždy pouze za měsíce kvěen až září, kdy jsou hrad i zámek zpřísupněny veřejnosi. V jiných měsících je pamáka uzavřená a hodnoa proměnné je edy 0. Pro účely bakalářské práce byly míso nulových hodno dosazeny průměrné hodnoy návšěvnosi v jednolivých leech. V graf č. 1 a č. 2 jsou znázorněny průměrné roční návšěvnosi ěcho dvou pamáek. Lze pozorova, že vývoj návšěvnosi je mísy proichůdný, což napovídá, že vliv hospodářského cyklu nebude signifikanní, jelikož v případě, že by návšěvnosi opravdu byly ovlivňovány výkyvy ekonomiky, průběh grafů by měl bý u obou pamáek víceméně sejný. 9
Zajímavé je zejnéma období kolem roku 2009, kdy byla česká ekonomika posižena nasupující ekonomickou recesí. Hrad Pošejn v éo době zaznamenává poměrně vysokou hodnoy návšěvnosi, kerá se značně snižuje v roce 2010. V případě zámku Časolovice je návšěvnos významně nižší již od roku 2008 do roku 2010. Na obou grafech lze pozorova zvýšenou návšěvnos v roce 2011 oproi předchozímu roku. Graf 1: Průměrné roční návšěvnosi hradu Pošejn Zdroj: Vlasní zpracování na základě da poskynuých OÚ Pošejn Graf 2: Průměrné roční návšěvnosi zámku Časolovice Zdroj: Vlasní zpracování na základě da poskynuých správou zámku Časolovice 10
2.2. Daa určující hospodářský cyklus Pro moniorování hospodářského cyklu lze použí mnoho souborů indikáorů. Vzhledem k dosupným daům byla pro účely bakalářské práce použia daa o nezaměsnanosi. Údaje o nezaměsnanosi (vazena_nezames) byly získány z inerneových sránek Úřadu práce České republiky krajské pobočky pro hlavní měso Praha. Vzhledem k omu, že v roce 2005 byl měněn výpoče míry nezaměsnanosi a dle nového vzorce vychází míra nezaměsnanosi vždy menší než podle vzorce původního, byla použia daa o absoluních počech nezaměsnaných v jednolivých měsících za roky 2003 2012. Pro přesnější určení byl poče nezaměsnaných vždy vydělen celkovým počem obyvael k danému měsíci. Jak bylo řečeno v úvodu práce, vliv růsu nezaměsnanosi, kerá prezenuje nasupující ekonomickou recesi, na návšěvnos hisorických pamáek může bý jak poziivní, ak i negaivní. Vzhledem k omu, že hospodářská recese je charakerizována všeobecným poklesem spořeby, předpokládám, že se snižování spořeby obyvaelsva promíne i do snížení návšěvnosi pamáek. Z ohoo důvodu se v práci přikláním k hypoéze o negaivním vlivu proměnné vazena_nazam na vysvělovanou proměnnou. Avšak lze předpokláda, že vliv ohoo fakoru nebude zásadní, jak již bylo řečeno v kapiole 2.1. 2.3. Konrolní proměnné Jednou ze základních proměnných, u keré je na základě ekonomické eorie a ekonomerických výzkumů, např. auorů Lee, Park, Miller (2010), předpokládán významný negaivní vliv na návšěvnos je cena vsupenek (cena_posejn, cena_casolov). Na hradě Pošejn došlo za sledované období pěkrá k přeceňování vsupného, na zámku Časolovice došlo k přecenění pouze v poslední sledované sezóně. Daa o ceně vsupného byla poskynua vždy správou dané pamáky. Předpokládáme, že cena benzínu (benzin) bude návšěvnos ovlivňova negaivně, neboť rosoucí cenou benzinu rosou náklady na cesu. Do modelu byla zahrnua pouze cena Nauralu 95. Údaje o cenách pohonných hmo byly získány z webových sránek www.finance.cz. 11
Další fakor, kerý zcela jisě ovlivňuje návšěvnosi pamáek je počasí. Do modelu byly zahrnuy dva fakory, a o průměrná měsíční eploa ve supních Celsia (eploa) a průměrný měsíční úhrn srážek v milimerech (srazky). Oba údaje jsou pouze za daný kraj, kde se pamáky nacházejí. Veškerá daa o počasí byla zjišťována z inerneových sránek Českého hydromeeorologického úsavu (CHMU.cz). Předpokládám, že mezi průměrnými měsíčními srážkami a návšěvnosí bude negaivní závislos, podobně jak bylo zjišěno v práci. Lze předpokláda, že ao závislos bude silnější v případě hradu Pošejn, jelikož věší čás prohlídkového okruhu hradu je pod širým nebem, na rozdíl od zámku Časolovice, kde prohlídky probíhají v ineriérech. Průměrná měsíční eploa může návšěvnos ovlivňova poziivně, jelikož s rosoucí eploou rose zájem o různé volnočasové akiviy, ke kerým se návšěvnos hisorických pamáek dá řadi. Na druhou sranu, při vyšších eploách především v leních měsících mohou lidé dáva přednos spíše pobyu u vody před urisikou. I přeso očekáváme spíše poziivní vliv eploy na návšěvnos, sejně jak omu je ve sudii Shih, Nicholls (2005). Dále byly do modelu zahrnuy dummy proměnné, keré určují arakiviu danné lokaliy. Pro lokaliu Pošejn byla do modelu přidána proměnná pro zámek Pošejn (zamek), kerá nabývá hodnoy 0 do září 2004 a hodnoy 1 od kvěna 2005, kdy byl zámek zpřísupněn veřejnosi. Časové řady vykazují sezónnos, kerou je řeba modelova. Z ohoo důvodu bylo do modelu přidáno 5 dummy proměnných, keré očišťuje návšěvnos od vlivu sezónnosi během roku. Jedná se o proměnné dm5 (proměnná nabývá hodnoy 1 vždy v měsíci kvěnu a hodnoy 0 během osaních měsíců), dm6 (nabývá hodnoy 1 pro měsíc červen, v osaních měsících nabývá hodnoy 0), dm7 (nabývá hodnoy 1 pro měsíc červenec), dm8 (nabývá hodnoy 1 pro srpen) a dm9, kerá prezenuje měsíc září (nabává hodnoy 1 vždy pro eno měsíc). Tabulka 1: Deskripivní saisiky proměnných Název proměnné Sřední Medián Minimum Maximum Směr. Variační hodnoa odchylka koeficien Navs_Posejn 2763.9 2718,20 404,00 6978,00 1112,20 0.40240 12
Navs_Casolovice 5178.6 4843,00 2098,00 10142,00 1628,90 0,31455 Cena_Posejn 41,00 37,50 30,00 60,00 10,24 0,25 Cena_Casolov 92,50 90,00 90,00 115,00 7,53 0,08 Benzin 29,82 30,03 23,14 38,25 3,80 0,13 Vazena_nezam 0,05 0,05 0,03 0,06 0,01 0,15 Teploa 8,06 8,10-5,90 21,60 7,54 0,93 Srazky 61,17 58,00 1,00 193,00 34,14 0,56 Zdroj: Vlasní zpracování na základě poskynuých da 2.4. Další podsané fakory Do žádného ekonomerického modelu není možné zahrnou veškeré fakory, keré mohou mí na zkoumaný jev vliv, a o například z důvodu jejich neměřielnosi či chybějících da. Lze očekáva, že model bude vychýlen právě z důvodu nezahrnuí všech možných fakorů, keré mají na návšěvnos vliv. V první řadě o je proměnná pro HDP. Tao proměnná do modelu nebyla zařazena z důvodu jiné frekvence da, než s kerými je pracováno. Hodnoy HDP jsou měřeny pouze čvrleně nikoli měsíčně. Z ohoo důvodu byl pro měření hospodářského cyklu zvolen jiný indikáor, a o nezaměsnanos, kerá je zaznamenávána měsíčně. Pravděpodobně je návšěvnos aké ovlivněna markeingovými akcemi pamáek, keré byby v omo případě zanedbány, neboť ani jedna z pamáek neprovádí výraznější markeingové akce. Další fakor, s kerým by se zcela jisě dalo pracova, by byly proměnné určující socioekonomické rozložené obyvaelsva, sejně ak, jak o udělali auoři J. O Hagan a C. Casigline (2010). Další proměnnou, kerá byla z modelu vyloučena, je frekvence prohlídek na pamákách. Oficiální frekvence prohlídek je na obou pamákách sejná, ovšem na hradě Pošejn probíhají především podle individuální návšěvnosi a měřielnos ohoo fakoru je obížná. 13
Na základě výše uvedených fakorů, můžeme pro každou pamáku sesavi model, kerý bude funkcí nezaměsnanosi, ceny vsupenek, ceny benzinu, eploy, srážek a sezónnosi. V případě hradu Pošejn bude přidána proměnná zamek. - předpoklad negaivního vlivu na vysvělovanou proměnnou + předpoklad poziivního vlivu na vysvělovanou proměnnou Pro hrad Pošejn bude funkce návšěvnosi vypada následovně: Navs _ Posejn f ( vazena _ nezam, cena _ Posejn, eploa, srazky, zamek) (2.1) ( ) ( ) ( + ) ( ) ( + ) Pro zámek Časolovice bude funkce návšěvnosi vypada následovně: Navs _ Casolovice f ( vazena _ nezam, cena _ Casolovice, eploa, srazky) (2.2) ( ) ( ) ( + ) ( ) Model bude odhadován regresní analýzou a za pomoci meody nejmenších čverců OLS a meody Cochrane-Orcu. 2.5. Problémy modelu Nyní budou diskuovány možné problémy sesaveného modelu. V první řadě budou provedeny esy na porušení Gauss-Markovových předpokladů a na příomnos mulikolineariy. Dále bude věnován prosor kriice použiého modelu a zvolených da. V případě porušení někerého z Gauss-Markovových předpokladů, odhady paramerů nemusejí bý vydané ani asympoicky vydané. (Wooldridge, 2009) Porušení můžeme zjisi několika způsoby. V omo případě bude daný model esován na příomnos heeroskedasiciy a vzhledem k omu, že je pracováno s časovými řadami, bude esován i výsky auokorelace. Heeroskedasicia znamená, že rozpyl náhodné složky není shodný pro všechna pozorování, mění se v závislosi na hodnoách vysvělujících proměnných.(wooldridge, 2009) Při práci s časovými řadami může bý příčinou příomnosi heeroskedasiciy kolísání sabiliy ekonomických ukazaelů. V případě, že nejsou porušeny Gauss Markovovy předpoklady, mluvíme o homoskedasiciě. 14
Příomnos hereoskedasiciy se dá zjisi několika způsoby. Jako první byly modely návšěvnosi oesovány grafickým esem na heeroskedasiciu. V případě, že výsledky nejsou zcela jednoznačné, byl proveden Whieův es na 5% hladině významnosi. H0: homoskedasicia H1: heeroskedasicia V případě, že p-hodnoa Whieova esu vyjde menší než 0,05, značí eno výsledek příomnos heeroskedasiciy v modelu a zámíáme nulovou hypoézu o homoskedasiciě. Jesliže dochází ke korelaci náhodných složek nevysvělené čási modelu, mluvíme o auokorelaci. Výsky auokorelace v modelu znamená problém s odhady paramerů meodou nejmenších čverců. Odhady jsou sice nesranné a konzisenní, ale nemají minimální rozpyl. S ímo problémem se sekáváme především v případě práce s časovými řadami. Výsky auokorelace způsobuje, že odhady paramerů nemusejí bý nejlepší (zn. s minimálním rozpylem). Odhady rozpylu náhodné složky a směrodaných chyb odhadů jsou vychýlené. Pro zjišění příomnosi auokorelace lze použí Durbin-Wasonovu saisiku. Tao meoda zjišťování auokorelace v modelu zjišťuje pouze příomnos auokorelace 1. řádu. Proo byl použi Breusch-Godfreyův es auokorelace. Její příomnos esujeme na 5% hladině významnosi. V případě, že je p-hodnoa věší než 0,05 lze přijmou nulovou hypoézu o nepříomnosi auokorelace v modelu. H0: auokorelace není H1: auokorelace Problém mulikolineariy nasává v případě, že jsou mezi sebou někeré nebo dokonce všechny proměnné vzájemně silně lineárně závislé. Určiá míra kolineariy exisuje mezi proměnnými vždy, esem se ověří její síla. Tes lze provés porovnáváním dílčích koeficienů deerminace pomocných regresí vysvělujících proměnných s koeficienem deerminace celého modelu. V případě, že 15
jednolivé koeficieny nejsou věší než koeficien deerminace celého modelu, je kolinearia mezi proměnnými únosná. V bakalářské práci byl pro zjišťování mukikolineariy použi es kolineariy v programu grel. 2.6. Kriika modelu Hlavním problémem modelu je nedosaek da, na kerých byl odhad závislosi proveden. Pro účely bakalářské práce byly poskynuy pouze měsíční daa za posledních 10 le. Časové řady jsou ím vyhlazenější, čím delší je inerval sledování.(arl, 2010) Vzhledem k omu, že hrady a zámky jsou oevřeny pouze několik měsíců v roce, v našem případě jsou oba objeky zpřísupněny pro veřejnos v měsících kvěen až září, nasal při modelování odhadu návšěvnosi problém s měsíci, kdy jsou pamáky uzavřeny a návšěvnos je nulová. V případě, že byly do modelu dosazeny hodnoy návšěvnosi s nulovou v měsících, kdy byla pamáka uzavřena, v modelu se vyskyovala významná heeroskedasicia a auokorelace. Proo byly za nulové měsíce dosazeny průměrné roční hodnoy návšěvnosi. Tako sesavený model obsahoval příomnos heeroskedasiciy na 5% hladině významnosi, ale na 1% hladině významnosi již ne. Nadále se v modelu vyskyovala aké významná auokorelace, kerá byla řešena zvolením alernaivní meody odhadu. Může aké dojí k vychýlení odhadu v důsledku nezahrnuí všech možných fakorů, kerý mají na návšěvnos vliv, do modelu, jak bylo zmíněno v kapiole 2.4. Vzhledem k omezeným daům lze výsledky zkoumání vzáhnou pouze na dvě konkréní zkoumané pamáky a nikoli na celý region. 2.7. Charekerisika časových řad Závislos návšěvnosi hisorických pamáek na hospodářském cyklu je zkoumána pomocí inervalových časových řad, kdy máme k dispozici 120 pozorování. Na omo mísě budou zmíněny základní vlasnosi časových řad a jejich případná ransformace. 16
Ekonomickou časovou řadou se rozumí řada hodno jisého věcně a prosorově vymezeného ekonomického ukazaele, kerá je uspořádána v čase směrem od minulosi do příomnosi. (Arl, sr.11, 2009) V našem případě edy měsíční daa za období od ledna 2003 do prosince 2012. Vzhledem k omu, že pracujeme s měsíčními údaji, jedná se o krákodobé časové řady. (Arl, Škuhanová, 1995) Základní vlasnosí časových řad je rend. Trend odráží dlouhodobé výkyvy od průměrného průběhu časových řad, edy obecnou endenci vývoje námi zkoumaného jevu za období. (Arl, 2009, 13) V případě vysvělované proměnné pro návšěvnosi se rend v průběhu času mění, nedá se o něm edy říci, že je rosoucí, ani že je klesající. Periodickému kolísání v časové řadě se sysemaickým charakerem nazýváme sezónnos. Too kolísání se opakuje každý rok ať už naproso sejně, či v modifikované podobě. Příčinami sezónnosi v časových řadách mohou bý například změny ročních období a s nimi spojené změny počasí a insiucionálně zakovené zvyky, jako jsou například náboženské sváky a prázdniny. (Arl, Škuhanová, 1995) Vzhledem k omu, že v grafech č.1 a č.2 návšěvnosi obou pamáek můžeme jasně vidě opakující se zvýšení návšěvnosi v leních měsících a pokles návšěvnosi v září, v práci bude věnována pozornos modelování sezónnosi časové řady. 17
Graf 3: Návšěvnos hradu Pošejn Zdroj: vlasní zpracování na základě da poskynuých OÚ Pošejn Graf 4: Návšěvnos zámku Časolovice Zdroj: vlasní zpracování, na základě da poskynuých správou zámku Časolovice Proo, abychom mohli sesavi konečný model, je řeba zjisi, zda jsou časové řady sacionární, zn. že charakerisiky jejich náhodných složek se v čase nemění. (Arl, 2009) Sacionariu lze zjisi pomocí esů jednokových kořenů (např. KPSS es, ADF es). V případě bakalářské práce byla sacionaria časové řady zjišťována esem jednokových kořenů ADF na 5% hladině významnosi. Tes prokázal sacionariu obou vysvělovaných proměnný, návšěvnosi hradu Pošejn (příloha č. 1) i návšěvnosi zámku Časolovice 18
(příloha č. 2). Naopak časová řada vážené nezaměsnanosi vyšla dle esu jako nesacionární (příloha č. 3), a proo byla sacionarizována pomocí logarimické diference. Obdobně byly esovány veškeré proměnné zahrnué v modelu a nesacionární časové řady byly sacionarizovány. Na grafech č. 5 je uveden příklad nesacionární časové řady a sejné časové řady po sacionarizaci. Graf č. 5: Časová řada váženné nezaměsnanosi, nesacionární (levý graf) a časová řada po sacionarizaci (pravý graf) Zdroj: Vlasní zpracovánína základě da poskynuých mpsv.cz Další vlasnosí časových řad může bý jejich sezónnos. Jak už bylo prokázáno na grafech č. 1 a č. 2, časové řady návšěvnosi pamáek vykazují sezónnos. Proo, aby model díky éo vlasnosi nebyl zkreslený, je řeba sezónnos ošeři. Sezónně očišěné řady se obecně používají proo, že umožňují snadno srovnáva hodnoy v měsících či ve čvrleích, neboť nejsou zaíženy specifickými podmínkami ěcho časových úseků. (Arl, Škuhanová, sr.2, 1995) Pro modelování sezónnosi bylo do modelu dosazeno 5 nula-jednokových proměnných, keré reprezenují měsíce, kdy jsou hrad a zámek oevřeny pro veřejnos. Proměnná dm5 nabývá hodnoy 1 pro měsíc kvěen, v osaních měsících je ao proměnná nulová. Dm6 nabývá hodnoy 1 pro měsíc červen, dm7 nabývá hodnoy 1 vždy v měsíci červenci, dm8 nabývá hodnoy 1 pro měsíc srpen a proměnná dm9 nabývá hodnoy 1 pro měsíc září. Tyo proměnné by měly v modelu ošeři vliv sezónnosi. Referenční skupinou je průměr návšěvnosi danného roku. 19
Na základě zkušenosí provozovaelů lze očekáva, že nejvěší poče návšěvníků bude zaznamenán v období leních prázdnin, v měsících červenec a srpen. Naopak nejménně navšěvovaným měsícem je dle zkušenosí září. 20
3. Empirická analýza Nyní, po ošeření sacionariy a sezónnosi časových řad, lze přisoupi k samoné analýze návšěvnosi obou pamáek. Model návšěvnosi hradu Pošejn (3.1) a model návšěvnosi zámku Časolovice (3.2) budou vypada následovně: l _ navs _ Posejn dm6 dm7 0 ld _ benzin eploa 3 8 9 ld _ vazena _ nezam l _ cena _ Posejn 4 dm8 10 1 srazky zamek dm5 5 dm9 11 6 2 7 (3.1) l _ navs _ Casolovice ld _ benzin eploa 3 dm7 8 dm8 9 4 ld _ vazena _ nezam l _ cena _ Casol 0 dm9 10 srazky dm5 1 5 6 dm6 7 2 (3.2) kde β 0 β n jsou paramery modelu a ε předsavuje náhodnou složku, kerá v sobě zahrnuje individuální odchylky. Veškeré výsledky jsou inerpreovány ceeris paribus. 3.1. Odhad návšěvnosi hradu Pošejn Jako první byla pro odhad návšěvnosi hradu Pošejn použia meoda nejmenších čverců (OLS). Výsup z programu grel je v abulce č. 3. Tabulka 2: Výsup 1 - model návšěvnosi hradu Pošejn, meoda OLS Dependen variable: l_navs_posejn Using observaions 2003:02-2012:12 (T=119) Coefficien Sd. Error -raio p-value cons 5.41058 0.540499 10.0103 <0.00001 *** l_cena_posejn 0.71442 0.157692 4.5305 0.00002 *** ld_vazena_nezam 0.249666 1.22059 0.2045 0.83832 ld_benzin -1.53539 0.981727-1.5640 0.12078 eploa 0.00758064 0.0111771 0.6782 0.49909 21
srazky -0.000742313 0.00109488-0.6780 0.49924 zamek -0.179479 0.0953273-1.8828 0.06245 * dm5-0.551235 0.157287-3.5046 0.00067 *** dm6-0.180509 0.187551-0.9625 0.33799 dm7 0.142972 0.239048 0.5981 0.55104 dm8 0.391772 0.210029 1.8653 0.06488 * dm9-0.7122 0.159759-4.4580 0.00002 *** R-squared 0,514505 Zdroj: Vlasní zpracování v program grel na základě poskynuých da Na základě výše uvedeného výsupu lze sesavi následující ekonomerický model odhadu návšěvnosi hradu Pošejn: l _ navs _ Posejn 5,41058 0,249666ld _ vazena _ nezam 0,71442l _ cena _ Posejn 1,53539ld _ benzin 0,00758064eploa 0,000742313srazky 0,179479zamek 0,551235dm5 0,180509dm6 0,142972dm7 0,391772dm8 0,7122dm9 (3.3) Sesavený model byl oesován na porušení Gauss-Markovových předpokladů a byla zjišťována síla kolineariy mezi proměnnými. Příomnos heeroskedasiciy byla esována Whieovým esem [p-value = P(Chisquare(60) > 85.6358) = 0.016574] (příloha č. 4). Na 5% hladině významnosi byl povrzen výsky heeroskedasiciy. Příomnos auokorelace esujeme pomocí Breusch-Godfreyova esu pro auokorelaci. Tes odhalil příomnos auokorelace v modelu (příloha č. 5). Mulikolinearia v modelu je únosná (příloha č. 6). Vzhledem k omu, že v modelu byly porušeny Gauss-Markovovy předpoklady, je řeba problém heeroskedasiciy a auokorelace náhodné složky v modelu řeši. Heeroskedasicia v modelu byla řešena použiím robusních odhadů směrodané odchylky. V případě využií robusních odhadů získáváme věší směrodané odchylky 22
paramerů a širší inervaly spolehlivosi. I přes o byl v modelu povrzen výsky heeroskedasiciy. Sejně ak je zde problém s auokorelací. Vzhledem k omu, že je problemaické vypořáda se v modelu s příomnosí heeroskedasiciy a zároveň auokorelace, bylo řeba zjisi, keré z porušení Gauss- Markovova předpokladu je závažnější. Při porovnávání sandardních chyb bylo usouzeno, že důležiějším problémem, kerý je řeba řeši je auokorelace, a proo se v práci dále zabývám především odsraněním auokorelace alernaivním posupem odhadu. 3.1.1. Alernaivní meoda odhadu návšěvnosi hradu Pošejn Alernaivní meodou odhadu, kerá řeší problém auokorelace, byl zvolen odhad pomocí meody Cochrane-Orcu, kerý je vhodný pro časové řady. Tabulka 3: Výsup 2 - model návšěvnosi hradu Pošejn, Cochrane-Orcu Dependen variable: l_navs_posejn Using observaions 2003:02-2012:12 (T=119) Coefficien Sd. Error -raio p-value cons 5.13608 1.03256 4.9741 <0.00001 *** l_cena_posejn 0.826392 0.293838 2.8124 0.00586 *** ld_vazena_nezam -1.22383 1.28709-0.9509 0.34384 ld_benzin -1.43612 0.820377-1.7506 0.08292 * eploa -0.0108763 0.0102625-1.0598 0.29164 srazky -0.000676537 0.000705387-0.9591 0.33969 zamek -0.283508 0.175381-1.6165 0.10895 dm5-0.444411 0.110203-4.0327 0.00010 *** dm6 0.0336755 0.156405 0.2153 0.82994 dm7 0.444909 0.208426 2.1346 0.03510 ** dm8 0.64802 0.174854 3.7061 0.00034 *** dm9-0.536409 0.118337-4.5329 0.00002 *** R-squared 0,693734 Zdroj: Vlasní zpracování v programu grel na základě poskynuých da Po ošeření porušení Gauss-Markovových předpokladů, lze na základě výsupu č. 2 sesavi ekonomerický model návšěvnosi hradu Pošejn: 23
l _ navs_ Posejn 5,1361 1,2238ld _ vazena _ nezam 0,8264l _ cena _ Posejn 1,4361ld _ benzin 0,0109eploa 0,0007srazky 0,2835zamek 0,4444dm5 0,0337dm6 0,4449dm7 0,6480dm8 0,5364dm9 (3.4) Použiím jiné meody odhadu se změnily saisické významnosi a koeficieny někerých proměnných. Saisickou významnos jednolivých proměnných lze ověři pomocí -esů. V případě, že je p-value 0,1, proměnná je významná na 10% hladině významnosi (*). V případě, že p-value 0,05, proměnná je významná na 5% hladině významnosi (**) a v případě, že p-value 0,01, proměnná je významná na 1% hladině významnosi (***). Je-li p-value 0,1, proměnná je pro danný model saisicky nevýznamná. Koeficien deerminace sesaveného modelu návšěvnosi hradu Pošejn vyšel 0,69. Lze říci, že sesaveným modelem se podařilo vysvěli 69 % variabiliy vysvělované proměnné. Nejprve se budu zabýva proměnnými, keré byly do modelu vloženy z důvodu modelování sezónnosi. V měsíci kvěnu lze pozorova propad v návšěvnosi oproi průměru o 44%. V září je návšěvnos hradu Pošejn aké pod celoročním průměrem, a o o 54%. Další měsíce je návšěvnos nadprůměrná, přičemž nejvěší je v srpnu. Návšěvnos v srpnu je o 65% vyšší než průměrná roční návšěvnos. V červenci je zaznamenán růs návšěvnosi nad průměr o 44%. Měsíc červen vyšel jako saisicky nevýznamný. Bylo zjišěno, že návšěvnos v červnu je vyšší o 3,4 % oproi průměru. Další významnou proměnnou v modelu je cena vsupného. Předpokládala jsem, na základě ekonomické eorie a sudie Lee, Park, Miller (2007), že cena supného bude mí významný negaivní vliv na návšěvnos hradu. Teno předpoklad se nepovrdil. V případě zvýšení ceny vsupného o 1 CZK dojde k zvýšení návšěvnosi o 0,83 %. Výsledek lze zdůvodni rozsáhlými archiekonickými úpravami hradu, keré probýhaly v posledních leech. Tyo úpravy mohly mí významný vliv na zvýšení arakiviy pamáky a udíž na zvýšení zájmu o její návšěvu. 24
V případě zvýšení růsu ceny benzinu o 1 % dojde k snížení růsu návšěvnosi o 1,4%. Výsledek povrzuje počáeční předpoklad, ale není v souladu s prací O Hagan, Casigline (2010), kde auoři zjisili, že cena pohonných hmo nemá významný vliv na cesovní ruch. Nezaměsnanos a osaní nyní komenované proměnné vyšly jako saisicky nevýznamné. Z modelu vyplývá, že zvýší-li se empo růsu nezaměsnanosi o 1%, dojde k snížení růsu návšěvnosi hradu o 1,2 %. Bylo zjišěno, že jak eplo, ak i srážky mají negaivní vliv na návšěvnos hradu Pošejn. V případě zvýšení eploy o jeden supeň dojde k snížení návšěvnosi o 0,01 %. V případě srážek je vliv zanedbaelný. Bylo očekáváno, že oevření zámku Pošejn bude mí za následek zvýšení arakiviy lokaliy a o bude mí poziivní vliv na návšěvnos hradu. Výsledky modelu naznačují, že oevření zámku mělo za následek snížení návšěvnosi hradu o 0,3 %. Výsledek lze zdůvodni markeingovými akcemi, keré zámek provádí a keré mohou hrá významnou roli při rozhodování lidí, kerou z pamáek navšíví. Lze říci, že závislos návšěvnosi hradu Pošejn na hospodářského cyklu prezenovaného váženou nezaměsnanosí je zanedbaelná. Dle sesaveného modelu je parné, že návšěvnos je ovlivňována především cenou vsupného a aké cenou pohoných hmo. Bylo zjišěno, že nejvíce lidí navšíví hrad Pošejn v období leních prázdnin. Naopak nejmenší návšěvnos je zaznamenána v září, kdy je o více než 50 % pod ročním průměrem. 3.2. Odhad návšěvnosi zámku Časolovice Nyní bude sesaven obdobný model pro návšěvnos zámku Časolovice. Jako první byla použia meoda nejmenších čverců OLS. Alernaivní meodou byl zvolen opě odhad pomocí Cochrane-Orcu. Tabulka 4: Výsup 1 - model návšěvnosi zámku Časolovice Dependen variable: l_navs_casolovice Using observaions 2003:02-2012:12 (T=119) Coefficien Sd. Error -raio p-value 25
cons 12.5451 1.20178 10.4388 <0.00001 *** ld_vazena_nezam -1.06515 0.757635-1.4059 0.16263 l_cena_casolov -0.873598 0.26581-3.2866 0.00137 *** ld_benzin -0.225115 0.629635-0.3575 0.72139 eploa -0.00935717 0.00711823-1.3145 0.19145 srazky -0.000647408 0.000699606-0.9254 0.35683 dm5-0.31865 0.101104-3.1517 0.00210 *** dm6 0.0859842 0.120174 0.7155 0.47585 dm7 0.468986 0.152296 3.0794 0.00263 *** dm8 0.535264 0.134244 3.9873 0.00012 *** dm9-0.476744 0.102448-4.6535 <0.00001 *** R-squared 0,604145 Zdroj: Vlasní zpracování v programu grel na základě poskynuých da Jako první je opě řeba zjisi, zda se v modelu nevyskyují problémy, keré by mohly zapříčini, že výsledky výzkumu nebudou mí nejlepší vypovídací hodnou. V modelu byla zjišťována příomnos heeroskedasiciy Whieovým esem (příloha č. 7) [p-value = P(Chi-square(49) > 60.312923) = 0.128973]. Na 5% hladině významnosi byla povrzena homoskedasicia. Příomnos auokorelace byla esována pomocí Breusch-Godfreyova esu pro auokorelaci. Tes odhalil porušení ohoo Gauss-Markovova předpokladu. Výsup z esu je v příloze (příloha č. 8). Síla kolineariy v modelu je únosná (příloha č.9). 3.2.1. Alernaivní meoda odhadu návšěvnosi zámku Časolovice Vzhledem k omu, že se v modelu vyskyuje problém auokorelace, byla zvolena alernaivní meoda odhadu pomocí Cochrane-Orcu. Tabulka 5: Výsup 2 - model návšěvnosi zámku Časolovice, Cochrane-Orcu Dependen variable: l_navs_casolovice 26
Using observaions: 2003:02-2012:12 (T = 119) Coefficien Sd. Error -raio p-value cons 12.6374 2.0583 6.1398 <0.00001 *** ld_vazena_nezam -0.474987 0.804504-0.5904 0.55616 l_cena_casolov -0.903434 0.453988-1.9900 0.04914 ** ld_benzin -0.3278 0.5132-0.6387 0.52436 eploa -0.00262544 0.00645117-0.4070 0.68484 srazky -0.000243685 0.000440485-0.5532 0.58127 dm5-0.373591 0.0691451-5.4030 <0.00001 *** dm6-0.00168216 0.0982638-0.0171 0.98637 dm7 0.332368 0.130927 2.5386 0.01257 ** dm8 0.423153 0.109809 3.8535 0.00020 *** dm9-0.544435 0.0742384-7.3336 <0.00001 *** R-squared 0,762196 Zdroj: Vlasní zpracování v programu grel na základě poskynuých da Na základě výše uvedeného výsupu lze sesavi ekonomerický model návšěvnosi zámku Časolovice (6.2): l _ navs_ Casolovice 12,6374 0,4750ld _ vazena _ nezam 0,9034l _ cena _ Casolovice 0,3278ld _ benzin 0,0026eploa 0,0002srazky 0,3736dm5 0,0017dm6 0,3324dm7 0,4232dm8 0,5444dm9 (3.5) Tako upravený model neporušuje Gauss-Markovovy předpoklady o heeroskedasiciě a auokorelaci. Mulikolinearia v modelu je únosná. Lze přisoupi k inerpreaci výsledků. Koeficien deerminace (R 2 ) daného modelu vyšel je 0,76. Sesaveným modelem se podařilo vysvěli 76 % variabiliy vysvělované proměnné. Saisická významnos jednolivých proměnných byla esována pomocí -esů na základě p-hodno. 27
Jako první budou opě okomenovány sezónní proměnné. Nejvyšší návšěvnos byla opě zaznamenána v červenci a srpnu, kdy je o 33 %, respekive 42 % vyšší oproi průměru. Naopak nejméně je zámek v září, kdy na prohlídku přijde o 54 % měně lidí než je celoroční průměr. Druhým nejslabším měsícem je kvěen, kdy je návšěvnos 37 % pod průměrem. Červen vyšel, sejně jako v případě Pošejna, jako saisicky nevýznamný. Dalším saisicky významným fakorem je cena vsupného, V případě zámku Časolovice se povrdil očekávaný negaivní vliv na poče návšěvníků. V případě zvýšení ceny vsupného o 1 CZK dojde k snížení návšěvnosi o 0,9 %. Osaní proměnné, keré byly zahrnuy do modelu, vyšly na základě -esů jako saisicky nevýznamné. Výsledky značí negaivní vliv nezaměsnanosi na návšěvnos zámku. V případě zvýšení míry růsu nezaměsnanosi o 1% bod, dojde k snížení růsu návšěvnosi o 0,48 %. Vliv ceny pohonných hmo se zde, na rozdíl od případu hradu Pošejn, jeví jako nevýznamný. Bylo zjišěno, že v případě, že dojde k zvýšení míry růsu ceny benzinu o 1 %, ao skuečnos má za následek snížení návšěvnosi o 0,33 %. Obě proměnné pro počasí, eploa a srážky, mají v omo případě na návšěvnos zámku zanedbaelný vliv. Podle získaných výsledků lze říci, že návšěvnos zámku Časolovice je ovlivňována především cenou vsupného. Osaní fakory nemají žádný signifikanní vliv na poče návšěvníků pamáky. Návšěvnos je nejvyšší v měsících červenec a srpen. Naopak nejnižší poče návšěvníků je zaznamenán v září. 28
Závěr Bakalářská práce měla za cíl zjisi závislos návšěvnosi hisorických pamáek na hospodářském cyklu, kerý byl prezenován nezaměsnanosí váženou počem obyvael. Modely návšěvnosi byly odhadovány meodou nejmenších čverců a Cochrane-Orcu meodou, kerá se pro zvolená daa jeví jako vhodnější. Na základě odhadnuých modelů návšěvnosi lze říci, že v návšěvnosi hisorických pamáek exisuje sezónnos, kerá se projevuje zvýšenou návšěvnosí v leních měsících a poklesem návšěvnosi v září. V případě hradu Pošejn je návšěvnos nejvyšší v srpnu, a o o 65 % nad průměrem. Zámek Časolovice je aké nejhojněji navšěvován v měsíci srpnu. Návšěvnos je oproi průměru vyšší o 42 %. Zajímavý je vliv ceny vsupného na návšěvnos. Bylo předpokládáno, že zvýšení vsupného bude mí za následek snížení návšěvnosi. Teno předpoklad se povrdil pouze u zámku Časolovice, kde má zvýšení ceny vsupného o jednoku za následek snížení návšěvnosi o 0,9 %. V případě hradu Pošejn vyšla závislos mezi návšěvnosí a cenou vsupného jako poziivní. Výsledek lze zdůvodni rozsáhlými archiekonickými úpravami hradu v posledních leech, kdy se hrad sával arakivnější pro návšěvníky. Další proměnná, u keré byl povrzen saisicky významný vliv na návšěvnos hradu Pošejn je cena benzinu. V případě zvýšení empa růsu ceny benzinu o 1 % dojde k snížení návšěvnosi o 1,4 %. Osaní fakory, eploa, srážky, nezaměsnanos a v případě Pošejna zámek, vyšly jako saisicky nevýznamné. Lze říci, že yo proměnné nemají žádný vliv na návšěvnos pamáek. V ěcho případech se nepovrdily předpokládané významnosi fakorů a v případě proměnných pro počasí se výsledky neshodují s pracemi jiných auorů, např. Shih a Nicholls (2005), v jejichž práci byl povrzen signifikanní vliv eploy a srážek na cesovní ruch. 29
Výzkum naznačuje, že neexisuje žádná závislos mezi návšěvnosí zámku Časolovice, hradu Pošejn a hospodářským cyklem, a že návšěvnos je deerminována především měsícem v roce, cenou vsupného a v případě hradu Pošejn aké cenou pohonných hmo. 30
Použiá lieraura: ARLT, Josef a Markéa ARLTOVÁ. Ekonomické časové řady. 1. vyd. Praha: Professional Publishing, 2009. ISBN 978-80-86946-85-6. ARLT, Josef a Markéa ŠKUTHANOVÁ. Úvod do problemaiky sezónního očišťování ekonomických časových řad. 1. vyd. Praha: Aca oeconomica pragensia 3, 1995, s. 15-23. ISBN 0572-3043. CZESANY, Slavoj. Hospodářský cyklus: eorie, moniorování, analýza, prognóza. Praha: Linde Praha, a.s. - Právnické a ekonomické nakladaelsví a knihkupecví Bohumily Hořínkové a Jana Tuláčka, 2006. ISBN 80-7201-576-1. GARCÍA, Jaume a Plácido RODRÍGUEZ. The deerminans of fooball mach aendance revisied: Empirical evidence from he Spanish fooball league. 2002, s. 1-29. HART, R. A., J. HUTTON a T. SHAROT. A Saisical Analysis of Associaion Fooball Aendances. 1975, s. 17-27. Dosupné z: hp://www.jsor.org/sable/2346700. HOLMAN, Rober. Ekonomie. 4. vyd. Praha: C. H. Beck, 2005. ISBN 80-7179-891-6. HUŠEK, Roman. Ekonomerická analýza. Praha: Oeconomica, 2007. LAHVIČKA, Jiří. Aendance of ice hockey maches in he Czech Exraliga. Praha, 2010. Diplomová práce. Vysoká škola ekonomická v Praze. Vedoucí práce Peer Bolcha. LEE, Soonhwan, Kwang Woo (Ken) PARK a Phillip MILLER. Ticke Pricing Per Team: The Case of Major League Baseball (MLB). 2010, s. 1-17. O HAGAN, CASTIGLINE. European saisics on culural aendance and paricipaion and heir inernaional comparabiliy. Ireland: Triniy College Dublin, 2010, s.1-10 31
SHIH, Charles a NICHOLLS. How Does he Weaher Influence Travel Aciviy? Evidence from Michigan: Deparmen of Communiy, Recreaion & Resource Sudies, Michigan Sae Universiy. 2005, s. 1-4. WOOLDRIDGE, Jeffrey M. Inroducory economerics: a modern approach. Souh- Wesern Cengage Learning, 2009. Zdroje da: ČESKÝ HYDROMETEOROLOGICKÝ ÚŘAD. CHMU.cz [online]. [ci. 2013-03-16]. Dosupné z: hp://chmu.cz/poral/d?menu=jsptabconainer/p4_hisoricka_daa/p4_1_pocasi/p4_1_9 _Mesicni_daa FINANCE MEDIA A.S. Finance.cz [online]. [ci. 2013-03-16]. Dosupné z: hp://www.finance.cz/makrodaa-eu/pohonne-hmoy/ MINISTERSTVO PRÁCE A SOCIÁLNÍCH VĚCÍ. Mpsv.cz [online]. [ci. 2013-03-29]. Dosupné z: hp://poral.mpsv.cz/sz/sa/nz/mes Obecní úřad Pošejn, 20.2.2013 Správa zámku Časolovice, 18.2.2013 32
Přílohy: Příloha č.1 Tes jednokových kořenů proměnné navs_posejn pro zjišění sacionariy proměnné, výsup z program grel Augmened Dickey-Fuller (GLS) es for navs_posejn including 11 lags of (1-L)navs_Posejn (max was 12) sample size 108 uni-roo null hypohesis: a = 1 es wih consan model: (1-L)y = b0 + (a-1)*y(-1) +... + e 1s-order auocorrelaion coeff. for e: 0.010 lagged differences: F(11, 96) = 19.163 [0.0000] esimaed value of (a - 1): -0.0416871 es saisic: au = -0.493136 asympoic p-value 0.5028 Příloha č. 2: Tes jednokových kořenů proměnná navs_casolovice pro zjišění sacionariy proměnné, výsup z program grel Augmened Dickey-Fuller (GLS) es for navs_casolov including 12 lags of (1-L)navs_Casolov (max was 12) sample size 107 uni-roo null hypohesis: a = 1 es wih consan model: (1-L)y = b0 + (a-1)*y(-1) +... + e 1s-order auocorrelaion coeff. for e: -0.035 lagged differences: F(12, 94) = 30.496 [0.0000] esimaed value of (a - 1): -0.0501512 es saisic: au = -0.844591 asympoic p-value 0.3503 Příloha č.3: Tes jednokových kořenů proměnné vazena_nezam pro zjišění sacionariy proměnné, výsup z program grel Augmened Dickey-Fuller (GLS) es for vazena_nezam including 12 lags of (1-L)vazena_nezam (max was 12) sample size 107 uni-roo null hypohesis: a = 1 es wih consan model: (1-L)y = b0 + (a-1)*y(-1) +... + e 1s-order auocorrelaion coeff. for e: 0.208 lagged differences: F(12, 94) = 25.068 [0.0000] esimaed value of (a - 1): -0.0340593 es saisic: au = -3.26815 asympoic p-value 0.001059 33