Examining the Ridge Regression Analysis of the Number of Foreign Tourists Coming to Turkey

Transkript

1 2 nd International Congress of Tourism & Management Researches Examining the Ridge Regression Analysis of the Number of Foreign Tourists Coming to Turkey Derya İSPİR a, Barış Ergül b, Arzu Altın YAVUZ b a Nişantaşı University, İstanbul, Turkey b Osmangazi University, Eskişehir, Turkey Özet Günümüzde turizm sektörü ülke ekonomisine büyük ölçüde katkı sağlamaktadır. Bu nedenle turizmden elde edilecek geliri arttırmak amacıyla birçok çalışma yapılmaktadır. Çalışmada, Türkiye deki ve dünyadaki turizm faaliyetlerinden genel olarak bahsedilmiştir. Bu amaçla, turist sayısı ile çeşitli değişkenler arasındaki ilişki En Küçük Kareler yöntemi kullanılarak incelenmiştir fakat elde edilen sonuçlar kuramsal olarak uygun bulunmadığı ve çoklu doğrusal bağıntı sorunu tespit edildiği için, değişkenler arasındaki ilişkiyi modellemek amacıyla Ridge Regresyon Analizi kullanılmıştır. Anahtar Kelimeler: Turist sayısı, En Küçük Kareler, Ridge Regresyon Abstract Tourism industry contributes to the national economy at the present day substantially. Thus, there are many studies accomplished for increasing tourism income. In this study, tourism activities are generally discussed in the world and Turkey. Relation and multicollinearity problem between tourist number and various variable is analyzed with Least Squares method. Final conclusions are not appropriate theoretically, so Ridge regression analysis is used for relation between variables. Keywords: Tourist number, Least Squares, Ridge Regression 1. Giriş Turizmin çok sayıda tanımı yapılmıştır fakat literatürde benimsenmiş ortak bir tanım yoktur. Turizm; insanların çalıştıkları ve oturdukları yerlerin dışındaki yerlere kısa dönemli olarak seyahat etmelerini ve bu süre içinde ihtiyaçlarını karşılamak için gereken mal ve hizmetleri üreten birimlerin faaliyetlerini içerir. Turizmin sadece ekonomik yönü üzerindeki tartışmaları 1910

2 yılında başlatan Avusturyalı ekonomist Schullar olmuştur. Schullar turizmi; başka bir ülkeden, şehir veya bölgeden yabancıların gelmesi ve geçici süre kalmalarıyla ortaya çıkan hareketin ekonomik yönünü ilgilendiren faaliyetlerin tümü olarak tanımlamaktadır (Roney, 2011). Turizmin özellikle az gelişmiş ve gelişmekte olan ülkelerin ekonomik büyümesine katkıları literatürde çeşitli şekillerde ifade edilmektedir. Turizmin istihdam ve gelir etkisi, dış ödemeler dengesine etkisi, bölgesel kalkınmaya ve enflasyona etkileri mevcuttur (Conrady, 2010). Dünya turizm piyasasındaki hareketlilik, daha çok gelişmiş ülke insanlarından kaynaklanmaktadır. Dünya turistik yatak kapasitesinin yarısından çoğu Avrupa da bulunmaktadır. Bu kapasitenin geçmiş yıllarda % 60 ını yabancı turistler, % 40 ını ise yerli turistler kullanmışlardır (Türkay, 2009). Tablo 1'de 1970, 1990, 2000, 2010, 2012 ve 2013 yıllarına ait turizm istatistikleriyle elde edilmiş dünya turizm sektöründe ilk on sırada yer alan ülkeler verilmiştir (AKTOB Araştırma Birimi R&D, 2014). Tablo 1. Turizm Sektöründeki İlk On Ülkenin Yıllara Göre Değişimi SIRA İTALYA FRANSA FRANSA FRANSA FRANSA FRANSA 2 KANADA İSPANYA ABD ABD ABD ABD 3 FRANSA ABD İSPANYA İSPANYA ÇİN İSPANYA 4 İSPANYA İTALYA İTALYA ÇİN İSPANYA ÇİN 5 ABD MACARİSTAN ÇİN İTALYA İTALYA İTALYA 6 AVUSTURYA AVUSTURYA İNGİLTERE İNGİLTERE TÜRKİYE TÜRKİYE 7 ALMANYA İNGİLTERE RUSYA TÜRKİYE ALMANYA İNGİLTERE 8 İSVİÇRE MEKSİKA KANADA ALMANYA İNGİLTERE ALMANYA 9 YUGOSLAVYA ALMANYA MEKSİKA UKRAYNA HONG KONG HONG KONG 10 İNGİLTERE KANADA ALMANYA AVUSTURYA RUSYA RUSYA Tablo 1 incelendiğinde, Türkiye uluslararası turizm hareketleri kapsamında dünyada en çok turist çeken ve en çok gelir elde eden ilk on ülke içinde yer almaktadır. Turizm konusu Cumhuriyet in ilk yıllarında dahi gündemde olmasına rağmen, turizm sektörünün ulaştığı hızlı ve denetimsiz gelişmenin başlangıç noktası 1982 yılında çıkarılan Turizmi Teşvik Yasası dır (Kozak, 2010). Günümüz verileri incelendiğinde, turizm geliri 2014 yılı Ekim, Kasım ve Aralık aylarından oluşan IV. çeyrekte bir önceki yılın aynı çeyreğine göre %1,3 azalarak 7 milyar 667 milyon 719 bin $

3 olarak gerçekleşmiştir. Turizm gelirinin %81 i yabancı ziyaretçilerden, %19 u ise yurt dışında ikamet eden ülkemiz vatandaşlarının ziyaretlerinden elde edilmiştir. Ziyaretçiler, seyahatlerini kişisel veya paket tur ile organize etmektedirler. Bu çeyrekte yapılan harcamaların 6 milyar 213 milyon 372 bin $ ını kişisel harcamalar, 1 milyar 454 milyon 347 bin $ ını ise paket tur harcamalarının oluşturduğu görülmektedir (TÜİK Haber Bülteni, 2015). Turizm geliri 2014 yılında bir önceki yıla göre %6,2 artarak 34 milyar 305 milyon 904 bin $ oldu. Turizm gelirinin %81,5 i yabancı ziyaretçilerden, %18,5 i ise yurt dışında ikamet eden vatandaş ziyaretçilerden elde edildi. Turizm sektörünün gelişimi ile gelen turist sayısı arasındaki ilişkinin belirlenmesi gelecek dönemlerde elde edilebilecek geliri tahmin etmede önemli bir rol oynayacaktır. Turizm sezonunun belirli aylarda yoğunlaşması, gelebilecek turist sayısının var olan kapasite ile sınırlı olması gibi durumlar göz önüne alındığında, var olan kapasite ile gelen turist sayısı arasındaki ilişkinin belirlenmesi oldukça önemli olmaktadır yılından itibaren acente ve tesis sayılarında artış gözlenmektedir (TÜROFED Turizm Raporu, 2012). Bu çalışmada Türkiye ye gelen yabancı turist sayısı ile tesis sayısı, tesislerdeki oda ve acente sayısı arasındaki ilişki regresyon analizi ile belirlenmeye çalışılmıştır. İncelenen bağımsız değişkenler arasında çoklu doğrusal bağıntının varlığı sebebiyle Ridge Regresyon yönteminden yararlanılmıştır. 2. Çoklu Doğrusal Bağlantı Regresyon Analizi, bağımlı ve bağımsız değişkenler arasındaki fonksiyonel ilişkinin tahmini için kullanılan istatistiksel bir analiz yöntemidir. p adet bağımsız değişken X,, X, 1 2 X p için çoklu doğrusal regresyon modeli aşağıdaki gibidir. (1)

4 Y :Bağımlı değişken vektörü; X, X, 1 2, X : bağımsız değişkenler ve X veri matrisi; b i p regresyon katsayıları; ise rassal hata vektörüdür. En Küçük Kareler yöntemi (EKK) ile b i regresyon katsayıları aşağıdaki denklem yardımı ile bulunur: (2) Bağımsız değişkenler arasında güçlü doğrusal ilişkilerin bulunması durumuna çoklu doğrusal bağıntı adı verilmektedir ve regresyon analizinde istenmeyen bir durumdur (Orhunbilge, 2000). Aşağıda belirtilen yöntemler ile çoklu doğrusal ilişkinin varlığı tespit edilebilir (Gujarati, 1995; Montgomery, 1982; Myers, 1990). Bu yaklaşımlardan ilki, basit korelasyon matrisinin incelenmesidir. İki yada daha fazla bağımsız değişken arasındaki korelasyon katsayısı r > 0,75 ise, bu durum çoklu doğrusal bağıntı problemine yol açabilir. Eğer matrisinin bir veya birden fazla özdeğeri sıfır veya sıfıra çok yakın değer alıyorsa, bu durum da çoklu doğrusal bağıntı problemine yol açabilir. Bir diğer yöntem VIF değerlerinin kullanılması yöntemidir. Hesaplanan VIF değeri, VIF > 10 ise, çoklu doğrusal bağıntı problemi vardır. Bu konudaki bir diğer yöntem özdeğerler kullanılarak hesaplanan Koşul İndeksi yöntemidir. Koşul İndeksi değeri CI > 30 ise, çoklu doğrusal bağıntı problemi vardır (El-Dereny ve Rashwan, 2011).

5 Hangi durumda hangi yaklaşımın kullanılabileceği konusunda da bir öneride bulunulamamaktadır (Gujarati, 1995). Regresyon analizinde çoklu doğrusal bağıntı aşağıdaki problemlere yol açmaktadır (Gujarati, 1995): Çoklu doğrusal bağıntı olması halinde klasik EKK regresyon yöntemi kullanıldığında, regresyon katsayılarının varyans ve kovaryansları oldukça büyük çıkmaktadır. Modelin R 2 değeri yüksek, ancak bağımsız değişkenlerden hiçbiri veya çok azı kısmi t testine göre anlamlıdır. İlgili bağımsız değişkenlerin bağımlı değişkenle olan ilişkilerinin yönü kuramsal beklentilerle çelişebilmektedir. Ridge Regresyon (RR) yöntemi, bu tahminlere küçük bir yanlılık sabiti ekleyerek varyansı azaltmaya yardım etmektedir (Hoerl ve Kennard, 1970a). RR yönteminde, korelasyon matrisinin köşegen değerlerine küçük bir yanlılık sabiti eklenerek, yanlı standartlaştırılmış regresyon katsayıları aşağıdaki gibi hesaplanmaktadır: (3) ve : 1 den küçük, pozitif bir sayıdır (Hoerl & Kennard, 1970a). En iyi sabitini araştırmak için yanlı regresyon grafiği (Ridge İzi) adı verilen grafiklerden yararlanılmaktadır (Hoerl ve Kennard, 1970b). Bu grafiklerde yanlı regresyon katsayıları, nın bir fonksiyonu olarak gösterilmektedir. En iyi değeri, yanlı standartlaştırılmış regresyon katsayılarının durağanlaştığı bölgeden seçilmektedir. Regresyon katsayılarının durağanlaştığı bu bölgede olası en küçük değeri, en iyi değeri olarak seçilmektedir. En iyi değerinin seçiminde kullanılan bir diğer yöntem, VIF değerlerinin incelenmesi yöntemidir. Bağımsız

6 değişkenler için birlikte 1 e yaklaşan VIF değerlerini sağlayan değeri, en iyi değerdir (Yıldırım, 2010). 3. Uygulama Bu çalışmada, Türkiye ye gelen yabancı turist sayısının çoklu regresyon analizi ile incelenmesine çalışılmıştır. Bu amaçla, Türkiye ye gelen yabancı turist sayısı ile turizm işletme belgesine sahip tesis sayısı, oda sayısı ve acente sayısı arasındaki ilişki incelenecektir. Veriler TURSAB web sitesinden alınmıştır. Buna göre, aşağıdaki değişkenler kullanılmıştır: Y: Turist sayısı X1:Tesis sayısı X2:Oda sayısı X3:Acente sayısı İlk aşamada, çoklu bağıntının belirlenmesine çalışılmıştır. Bağımsız değişkenler arasındaki korelasyonlar Tablo 2'de verilmiştir Tablo 2. Bağımsız değişkenler arasındaki korelasyonlar Korelasyonlar X 1 X 2 X 3 X 1 1,00 0,98 0,93 X 2 0,98 1,00 0,97 X 3 0,93 0,97 1,00 Tablo 2 incelendiğinde, ilgili korelasyon değerlerinin hepsinin 0,75 değerinden büyük olduğu görülmektedir. Bu durum, çoklu bağıntının varlığına işaret eder. Ayrıca çoklu doğrusal bağıntının tespiti için öz değerler ve koşul indeksi değerleri belirlenmiş ve Tablo 3'te verilmiştir. Tablo 3. Özdeğerler ve Koşul İndeksi Boyut Özdeğerler Koşul İndeksi (CI) 1 3,969 1, ,029 11, ,002 47, , ,202

7 Tablo 3 incelendiğinde, koşul indeksi değeri 199,202 olarak bulunmuştur. Bu değer 30 değerinden büyüktür ve çoklu doğrusal bağıntı tespit edilmiştir. Ek olarak, matrisine ait özdeğerlerden biri ya da birden fazlası sıfıra çok yakın değerler almıştır. Bu da çoklu doğrusal bağlantı varlığını göstermektedir. Tablo 4. VIF değerleri Parametre Kestirim VIF (Sabit) ,726 X ,553 66,293 X 2 172, ,458 X ,259 46,856 Klasik EKK regresyonu uygulandığında elde edilen regresyon ve VIF katsayıları Tablo 4' te verilmiştir. Tablo 4 incelendiğinde, VIF değerlerinin oldukça yüksek oldukları görülmektedir. Ayrıca ilgili bağımsız değişkenlerin bağımlı değişkenle olan ilişkilerinin yönü kuramsal beklentilerle çeliştiği tespit edilmiştir. Tesis ve acente sayılarındaki bir birimlik artışın, turist sayısında artışa neden olması beklenirken, turist sayısında azalışa neden olduğu görülmektedir. Tablo 5 ve Tablo 6 incelendiğinde R 2 değerinin yüksek, regresyon modelinin genel olarak anlamlı ancak katsayıların anlamsız olduğu görülmektedir. Bu durumda çoklu bağıntının varlığını gösteren işaretlerdendir. Tablo 5. Çoklu Regresyon Analizi Sonuçları t Parametre Kestirim Std. Hata İstatistik P Değeri (Sabit) ,726 1,29E7-0,328 0,750 X , ,398-0,384 0,709 X 2 172,612 79,076 2,183 0,054 X , ,050-0,669 0,518 Tablo 6. Varyans Analizi Tablosu Değişim Kaynağı Kareler Toplamları s.d. Kareler Ort. F P Değeri R 2 Model 8,334E14 3 2,778E14 170,225 0,0000 0,981 Artık 1,632E ,632E12 Toplam 8,497E14 13

8 Çoklu doğrusal bağıntının varlığı tespit edildikten sonra SPSS (Version 18.0) ve Statgraphics (Version ) istatistik paket programları kullanılarak Ridge regresyon uygulanmıştır. k katsayısı, Ridge İzi grafiğine ve VIF değerlerine bakılarak karar verilmiştir (Şekil 1 ve Şekil 2). Standartlaştırılmış regresyon katsayılarının ve VIF değerlerinin durağan olduğu yerdeki değer k değeridir ve bu değer =0,126 olarak seçilmiştir. Ridge Trace for yabturist Standardized coefficient 1,5 1,2 0,9 0,6 0,3 0 Variable tesis oda ajent -0,3 0 0,2 0,4 0,6 0,8 1 Ridge parameter Şekil 1. Ridge İzi Grafiği Variance Inflation Factors for yabturist Variable tesis oda ajent 120 VIF ,2 0,4 0,6 0,8 1 Ridge parameter Şekil 2. VIF Grafiği Ridge Parametresi =0,126 seçildiğinde parametre kestirim değerleri Tablo 7'deki gibidir:

9 Tablo 7. olduğunda Model Sonuçları Parametre Kestirim VIF R 2 (Sabit) -2,1522E7 X ,080 1,007 X 2 45,993 0,247 0,935 X ,440 1,126 RR yöntemi uygulandığında, Türkiye ye gelen yabancı turist sayısının kestiriminde kullanılacak model aşağıdaki gibi elde edilmiştir. yabturistsay * = -2,1522E ,08*tesissay + 45,993*odasay ,44*acensay (4) Eşitlik 4'te verilen model incelendiğinde tesis sayısı, oda sayısı ve acente sayısı ile gelen turist sayısı arasındaki ilişkinin doğru yönlü olduğu belirlenmiştir. Daha önce EKK yönteminde görülen yanlış yönlü ilişki RR yöntemi ile giderilmiştir. Ayrıca ilgili değişkenler arasındaki regresyon modelinin R 2 değeri 0,935'tir. Bu da modelin açıklama yüzdesinin oldukça yüksek olduğunu göstermektedir. 4. Sonuçlar Turizm sektörünün gelişimi ile gelen yabancı turist sayısı arasındaki ilişkinin belirlenmesi gelecek dönemlerde elde edilebilecek turizm gelirini tahmin etmede önemli bir rol oynayacaktır. Bu çalışmada, Türkiye ye gelen yabancı turist sayısının turizm geliri elde etmede önemli olduğundan hareketle Türkiye ye gelen yabancı turist sayısının tahmin edilmesine çalışılmıştır. Bu nedenle, Türkiye ye gelen yabancı turist sayısı ile turizm işletme belgesine sahip tesis sayısı, oda sayısı ve acente sayısı arasındaki ilişki incelenmiştir. Bu inceleme sırasında çoklu doğrusal bağıntı problemi ile karşılaşılmıştır. Klasik EKK yöntemi ile turizm işletme belgesine sahip tesis sayısı, oda sayısı ve acente sayısı değişkenlerinin Türkiye ye gelen yabancı turist sayısı ile olan ilişkilerinin belirlenmesinde bu ilişkinin yönünün kuramsal beklentilerle çeliştiği tespit edilmiştir. Tesis ve acente sayılarındaki bir birimlik artış, turist sayısında artışa neden olması gerekirken,

10 azalışa neden olmuştur. RR yöntemi uygulandığında kuramsal beklentiler ile uygun bir model tavsiye edilmiştir. Sonuç olarak Eşitlik 4 te verilen model kullanılarak; X1=3000, X2= ve X3=8000 olarak alındığında Türkiye ye gelecek yabancı turist sayısının tahmini değeri, olarak bulunacaktır. Kaynaklar Conrady, R. (2010). Trendsandissuesinglobaltourism. Berlin: Springer. s. 45 El-Dereny, M. ve Rashwan N. I., (2011). Solving Multicollinearity Problem Using Ridge Regression Models, Int. J. Contemp. Math. Sciences, Vol. 6, No: 12, Gujarati, D.N., (1995). Basic Econometrics. 3rd ed. New York: McGraw-Hill, Hoerl, A.E. ve Kennard, R.W., (1970a). Ridge Regression: Biased Estimation for Nonorthogonal Problems, Technometrics,12, Hoerl, A.E. ve Kennard, R.W., (1970b). Ridge Regression: Biased Estimation for Nonorthogonal Problems, Technometrics,12, Kozak, N. (2010). Turizm pazarlaması. (3. Baskı). Ankara: Detay Yayıncılık. s. 73. Montgomery, D.C. and Peck, E.A., (1982). Introduction to Linear Regression Analysis, John Wiley and Sons, New York. Myers, R.H., (1990). Classical and Modern Regression with Applications, Massachusetts: PWS-Kent Publishing Company, Boston. Orhunbilge, N., (2000). Uygulamalı Regresyon ve Korelasyon Analizi, Avcıol-Basım Yayın, İstanbul, Roney, S. (2011). Turizm: Bir sistemin analizi. (1. Baskı). Ankara: Detay Yayıncılık. s. 14. Türkay, O. (2009) Türkiye turizm stratejisi ışığında turizm politikaları. (1. Baskı). İstanbul: Değişim Yayınları. s Türkiye İstatistik Kurumu Haber Bülteni, (2015). Turizm İstatistikleri, Sayı: 18665, Ankara. Türkiye Otelciler Federasyonu, (2012). Ürün Kompozisyonu ve Müşteri Profili İlişkisi, Sayı 5, s.9 Yıldırım, N., (2010). En Küçük Kareler, Ridge Regresyon ve Robust Regresyon Yöntemlerinde Analiz Sonuçlarına Aykırı Değerlerin Etkilerinin Belirlenmesi, Yüksek Lisans Tezi, Adana,