MENDELOVA UNIVERZITA V BRNĚ Provozně ekonomická fakulta Ústav statistiky a operačního výzkumu
Analýza návštěvnosti Lednicko-valtického areálu Bakalářská práce
Mgr. Veronika Blašková, Ph.D.
Brno 2012
Alena Škarabelová
Chtěla bych tímto poděkovat především mé vedoucí práce Mgr. Veronice Blaškové, Ph.D. za pomoc, připomínky a cenné rady při zpracovávání této bakalářské práce. Dále bych ráda poděkovala pracovníkům Národního památkového ústavu v Brně za poskytnutí dat, bez kterých by tato práce nemohla být zpracována.
Prohlašuji, že tuto práci jsem zpracovala samostatně s použitím literatury, která je uvedena v seznamu. V Brně dne 25. května 2012
__________________
Abstrakt Škarabelová, A. Analýza návštěvnosti Lednicko-valtického areálu. Bakalářská práce. Brno: Mendelova univerzita v Brně, Provozně ekonomická fakulta, 2012. Cílem bakalářské práce je analyzovat návštěvnost památek Lednicko-valtického areálu v letech 2002-2010. V teoretické části jsou uvedeny základní informace o časových řadách a pojmech souvisejících s nimi. Dále jsou zde uvedeny důležité ekonometrické metody, které budou v práci používány. Čtenář se seznámí s charakteristikou oblasti celé Jižní Moravy i samotného areálu. V praktické části jsou pak zpracovány jednotlivé časové řady památek, a porovnání návštěvnosti Lednicko-valtického areálu s návštěvností celého Jihomoravského kraje. V závěru práce jsou uvedeny doporučení pro udržení konkurenceschopnosti areálu. Klíčová slova Časová řada, cestovní ruch, památky UNESCO, Lednicko-valtický areál, sezónnost, návštěvnost Jihomoravského kraje
Abstract Škarabelová, A. The Analysis of attendance of Lednicko-valtický area. Bachelor thesis. Brno: Mendel university of Brno, Faculty of Business and Economics, 2012. The goal of this bachelor thesis is to analyze attendance of sites Lednice-Valtice area in 2002-2010. The theoretical part descrbes basic information about time lines and also econometrics methods to be used in the work are explained. The reader is made familiar with characteristic of the South Moravia and actual area. The practical part cover used the individual time lines of sites and also attendance of Lednice-Valtice area is compared with attendance of whole Southern Region. In the conclusion of the work are recommended strategies for competitive ability of this area. Keywords Time series, tourism, Southmoravian
UNESCO,
Lednicko-valtický region
area,
seasonality, attendence
Obsah 1
2
Úvod a cíl práce 1.1
Úvod ...........................................................................................................7
1.2
Cíl práce .................................................................................................... 8
Teoretická část 2.1
3
7
9
Analýza časových řad ................................................................................ 9
2.1.1
Vymezení pojmu časová řada ........................................................... 9
2.1.2
Elementární charakteristiky časové řady ........................................10
2.1.3
Sezónnost v časových řadách ........................................................... 11
2.2
Dekompozice časových řad ...................................................................... 11
2.3
Vyrovnání časových řad ........................................................................... 12
2.3.1
Klouzavé průměry ............................................................................ 12
2.3.2
Metody odhadů parametrů trendových funkcí ............................... 13
2.3.3
Ověřování vhodnosti trendové funkce............................................. 14
2.3.4
Regresní model s umělými proměnnými ........................................ 16
2.4
Regresní analýza ...................................................................................... 16
2.5
Testy významnosti ................................................................................... 17
2.5.1
t-test ................................................................................................. 17
2.5.2
F-test ................................................................................................18
2.5.3
P-hodnota .........................................................................................18
Statistické zpracování 3.1
19
Charakteristika získaných dat ................................................................. 19
3.1.1
Jihomoravský kraj............................................................................ 19
3.1.2
Region Jižní Morava ....................................................................... 20
3.1.3
Lednicko-valtický areál .................................................................... 21
3.2
Časové řady památek Lednicko-valtického areálu .................................. 21
3.2.1
Zámek Lednice (1. okruh) ............................................................... 22
3.2.2
Zámek Lednice (2.okruh) ............................................................... 25
3.2.3
Minaret ............................................................................................ 27
3.2.4
Skleník ............................................................................................. 28
5
3.2.5
Janohrad ......................................................................................... 28
3.2.6
Galerie ............................................................................................. 28
3.2.7
Grotta .............................................................................................. 30
3.3
Srovnání návštěvnosti jednotlivých památek ........................................ 30
3.4
Časová řada Lednicko-valtického areálu ................................................. 31
3.5
Shrnutí .................................................................................................... 33
3.6 Srovnání návštěvnosti Jihomoravského kraje a Lednicko-valtického areálu ................................................................................................................ 34 3.7
Doporučení ............................................................................................. 38
4
Závěr
40
5
Seznam použitých zdrojů
42
6
Seznam tabulek
44
7
Seznam obrázků
45
8
Seznam příloh
46
9
Přílohy
47
6
1 Úvod a cíl práce 1.1
Úvod
Oblast cestovního ruchu se stále rozvíjí a stává se tak nedílnou součástí regionálních a národních ekonomik. Ovlivňuje platební bilanci státu, jelikož má velký podíl na tvorbě hrubého domácího produktu, ale velký podíl má i v tvorbě místních rozpočtů. Cestovní ruch se v dnešní době řadí na třetí místo za ropný a automobilový průmysl. Není proto překvapením, že k dispozici jsou stále nové formy cestovního ruchu jako je venkovská turistika, cykloturistika, kongresová turistika, nákupní turismus nebo dark tourism. Lidé se v současné době více zajímají o možnosti cestování, relaxace a odpočinku aktivního i pasivního a vyžadují služby odpovídající jejich představám, proto je třeba zkvalitňovat služby cestovního ruchu tak, aby byly uspokojeny potřeby zákazníka. Problémem je, že čím dál více jsou upřednostňovány dovolené v zahraničí, u moře a v České republice jsou pak podnikány pouze krátkodobé pobyty či jednodenní výlety. Proto je potřeba udržovat konkurenceschopnost českých památek vůči zahraničním. Situace po roce 1989 v České republice byla příznivá. Zlepšily se podmínky pro rozvoj cestovního ruchu, významným faktorem bylo zrušení vízové povinnosti. Česko se stalo výrazně příjezdovou zemí, zejména proto, že cizince zajímalo, jak se žije za tzv. „železnou oponou“. Po roce 2000 však došlo ke zmírnění tempa růstu příjezdového cestovního ruchu, což nejspíše zapříčinila velká konkurence mezi zeměmi. I přes to byl však zřejmý pozitivní trend v rozvoji této oblasti. Cestovní kanceláře se začaly specializovat na konkrétní formy cestovního ruchu a vznikala větší nabídka výjezdového cestovního ruchu. (RYGLOVÁ, 2009) Rok 2004 je důležitým mezníkem z důvodu vstupu České republiky do Evropské unie, což je významným faktorem dalšího rozvoje turismu především v teritoriálním zaměření. Členství upravuje i legislativu týkající se cestovního ruchu a to implementací směrnic do národního právního řádu (např. ochrana spotřebitele, souborné služby pro cesty, pobyty a zájezdy). Nejdůležitějším hlediskem je možnost čerpání finančních prostředků pro podporu turismu ze strukturálních fondů (Evropský fond regionálního rozvoje, Evropský sociální fond). Z regionálních programů budou v období 2007-2013 financovány projekty v turismu o objemu asi 30mld. CZK. (PALATKOVÁ, ZICHOVÁ, 2011) Od roku 2004 do roku 2007 docházelo v České republice k vysokému ekonomickému růstu, který se zpomalil v roce 2008 a roku 2009 začal klesat. V kombinaci s nezaměstnaností, nízkou inflací a posilujícím devizovým kurzem se odrazily zejména v poptávce po pasivním turismu. Rok 2009 byl významně ovlivněn světovou hospodářskou krizí a byl s velkou pravděpodobností jak v turismu České republiky, tak v mezinárodním turismu nejproblematičtějším rokem se značným propadem domácí i zahraniční poptávky. (PALATKOVÁ, ZICHOVÁ, 2011)
7
Česká republika je z evropského hlediska velice významnou turistickou destinací disponující přírodními, historickými, kulturními i technickými památkami. Nejnavštěvovanější destinací je naše hlavní město Praha, která láká domácí i zahraniční turisty svými historickými i technickými památkami, kulturními akcemi a velice kvalitními službami v oblasti ubytování, stravování i dalších oblastech cestovního ruchu. O kvalitě destinace Česká republika svědčí i figurování některých památek na seznamu světového dědictví UNESCO. V současné době je na seznamu 12 památek UNESCO a 3 nehmotné památky, jimiž jsou Slovácký Verbuňk, Masopust a Sokolnictví. Ze zmíněného seznamu leží dvě památky v Jihomoravském kraji, který má vysoký ekonomický potenciál, výhodnou polohu na hranici s Rakouskem a Slovenskem i odpovídající infrastrukturu cestovního ruchu. (UNESCO, 2012) Nejnavštěvovanější destinací Jihomoravského kraje je Brno a okolí, druhým nejnavštěvovanějším regionem je Lednicko-valtický areál, kterým se budeme zabývat v naší práci. Tento kraj lesů a vinic je známý především bohatou historií, tradicemi, přírodními i kulturními památkami. Lednicko-valtický areál je pravděpodobně největší území komponované krajiny na světě o rozloze cca 200km2. (Campagne s.r.o., 2010)
1.2 Cíl práce Tato bakalářská práce je rozdělena do dvou částí, přičemž v první je zaměřena na teoretická východiska a charakteristiku dat. Druhá část se zabývá statistickým zpracováním a analýzou návštěvnosti Lednicko-valtického areálu v letech 2002 - 2010. Dílčím cílem práce bylo ve stručnosti popsat čtenáři základní ekonometrické vztahy a vysvětlit pojmy s nimi souvisejícími. Dále byla v práci uvedena charakteristika vybrané oblasti, tj. Lednicko-valtického areálu i samotného Jihomoravského kraje. Byla provedena analýza návštěvnosti vybraných památek zmíněného areálu prostřednictvím metodiky časových řad. V práci jsme předpokládali, že letní sezóna je obecně oblíbenější pro cestování a navštěvování památek, což je zapříčiněno vlivem počasí i obdobím letních prázdnin, proto jsou naměřené hodnoty vyšší než v průběhu celého roku, bylo tudíž nutné data očistit od sezónnosti prostřednictvím modelu s umělými proměnnými, který modeluje sezónnost nebo pomocí metody klouzavých průměrů. Zjistili jsme tak nejvhodnější trend časové řady. Provedli jsme srovnání návštěvnosti jednotlivých památek a pokusili se určit příčiny změn návštěvnosti. Zkusili jsme porovnat návštěvnost zvoleného areálu s Jihomoravským krajem a určit, zda je návštěvnost celého kraje ovlivněna právě návštěvností Lednicko-valtického areálu. Na základě výsledků analýzy se pokusíme navrhnout doporučení, strategie a postupy vedoucí k udržení konkurenceschopnosti, popř. zvýšení návštěvnosti oblasti.
8
2 Teoretická část 2.1 Analýza časových řad Problematika analýzy určitého ekonomického jevu je nutně propojena s fenoménem časové řady, tedy posloupnosti hodnot, které jsou uspořádány v čase. Faktor času většinou bývá jedinou vysvětlující okolností chování daného jevu. S tímto přístupem pak souvisí pokusy odhadů budoucího vývoje, který lze předpokládat na základě minulých dat. (HINDLS, 2007) 2.1.1
Vymezení pojmu časová řada
Pojem časová řada můžeme chápat jako posloupnost pozorování (dat), která jsou jednoznačně uspořádána z hlediska času, a to od minulosti po přítomnost. Analýzou časové řady se pak rozumí soubor metod, které využíváme k popisu řad a k prognóze jejich budoucího vývoje. S chronologicky uspořádanými daty se setkáváme v běžných situacích v našem životě. Pracuje s nimi biologie, fyzika, meteorologie atd. Stále většího významu nabývají časové řady v oblasti ekonomie, přičemž pomocí nich sledujeme makroekonomické ukazatele (HDP, inflace, nezaměstnanost) nebo dílčí údaje (vývoj kurzů cizích měn, ceny akcií). Časové řady členíme různými způsoby a to podle: 1. podle časového hlediska intervalové (intervalové ukazatele) okamžikové (okamžikové ukazatele) 2. podle periodicity roční (dlouhodobé) krátkodobé (čtvrtletní, měsíční, týdenní,aj.) 3. podle druhu sledovaných ukazatelů primární časové řady časové řady sekundárních (odvozených) charakteristik 4. podle způsobu vyjádření údajů naturální peněžní V naší analýze se budeme zabývat intervalovými časovými řadami, tj. řadami, které jsou závislé na délce intervalu, za který je ukazatel sledován. Pro ukazatele tohoto typu je možné tvořit součty. Aby nedošlo ke zkreslení, měly by se intervalové ukazatele vztahovat ke stejně dlouhým obdobím. Je-li délka období časové řady kratší než jeden rok, hovoříme o krátkodobých časových řadách. Data pro naši analýzu mají nejobvyklejší periodicitu, a to měsíční. Jelikož byla data počtu návštěvnosti zjišťována přímo, jedná se o primární časové řady, vyjádřené v naturálních jednotkách. (HINDLS, 2007)
9
2.1.2
Elementární charakteristiky časové řady
Hlavním úkolem při analýze časových řad je získat představu o charakteru procesu, který zachycuje časová řada. Mezi základní metody tedy patří vizuální analýza, která využívá především grafů, ale také určování elementárních statistických charakteristik, mezi které řadíme diference různého řádu, tempa a průměrná tempa růstu, průměry hodnot časové řady aj. (HINDLS, 2007) Diference (absolutní změny) umožňují charakterizovat velikost, směr a charakter absolutních změn. Diference jsou rozměrné a lze je sčítat. Tato charakteristika je vhodná zejména pro monotónně se vyvíjející časové řady, protože je závislá pouze na obou krajních hodnotách. Rozdíly mezi srovnatelnými údaji po sobě jdoucích let, pak nazýváme sezónní diference. 1. diference 1 y y , t 2,3,..., n t t t 1
(1)
2 1 , t 3,4,...n t t t 1
(2)
2. diference
Tempa růstu (nebo také řetězové indexy) jsou procentuálním vyjádřením koeficientu růstu, který zjistíme podílem hodnoty stávajícího roku a roku předešlého. Průměrné tempo růstu se pak určuje jako geometrický průměr z jednotlivých temp růstu. Tempo růstu y k t
y
t
, t 2,3,...n
(3)
t 1
Průměrné tempo růstu
k n 1 k k ...k 2 3 n (HINDLS, 2007)
10
(4)
2.1.3
Sezónnost v časových řadách
Při analýze časových řad s periodicitou kratší než jeden rok se téměř vždy setkáváme s existencí sezónních vlivů, které reprezentuje sezónní složka. Sezónní vlivy jsou příčiny, které se každý rok opakují. Nejčastěji hovoříme o klimatických či zprostředkovaných vlivech. Výsledkem působení těchto vlivů jsou sezónní (pravidelné) výkyvy vůči nesezónnímu průběhu řady. Periodické kolísání, které není spjato s kalendářním rokem a týká se především hospodářského cyklu se pak nazývá periodicita. Naším úkolem je zjistit, zda jsou sezónní vlivy statisticky významné. Prokážeme-li, že skutečnou existenci sezónní složky, provádí se tzv. sezónní očišťování, jehož úkolem je vyloučit sezónní složku z analyzované řady. Metod sezónního očišťování je relativně mnoho. V současnosti existující metody očišťování není snadné kvantifikovat pro jejich komplikovanost. V praxi se používají počítačové programy, které zahrnují různé kombinace metod. Techniky obvykle vychází z odlišných variant klouzavých průměrů o vhodné délce klouzavé části. (HINDLS, 2007) Typy modelů sezónnosti: Konstantní sezónnost Sezónní výkyvy nejsou závislé na trendu a jsou konstantní. Sezónní a trendová složka se skládají sčítáním. Měřítkem sezónního kolísání je tzv. sezónní konstanta, kterou je rozměrné absolutní číslo. Proporcionální sezónnost Velikost sezónních kolísání souvisí s trendovou složkou, a to tak, že se výchylka snižuje s klesajícím trendem a zvyšuje s trendem rostoucím. Trendová složka se složkou sezónní se skládají násobením. Měřítkem je tzv. sezónní index, kterým rozumíme relativní číslo. Triviální model sezónnosti Vychází z proporcionálního modelu sezónnosti. K měření sezónní složky se používají tzv. empiricky sezónní indexy. (MINAŘÍK, 2007)
2.2 Dekompozice časových řad Tradičním principem modelování časových řad je jednorozměrný model, který nezávisí na žádných vysvětlujících proměnných, ale je závislý pouze na čase. Pomocí klasického modelu, který popisuje formy pohybu, ne však příčiny dynamiky časové řady, rozkládáme řadu na čtyři složky. První tři složky tvoří systematickou část průběhu časové řady. Souběžná existence všech složek není nutná, u určitých procesů může chybět např. sezónní složka. Časovou řadu tedy dekomponujeme na:
Trendovou složku Tt, sezónní složku St, cyklickou složku Ct, náhodnou složku εt.
11
Tvar rozkladu je pak aditivní
y t Tt S t Ct t Yt t , t 1,2,...n ,
(5)
nebo multiplikativní
y t Tt S t Ct t , t 1,2,...n ,
(6)
(HINDLS,2007) Trendovou složkou rozumíme hlaví tendenci dlouhodobého vývoje. Trend může být rostoucí, klesající nebo konstantní, kdy hodnoty kolísají kolem určité, v podstatě neměnné úrovně. U konstantního trendu slangově hovoříme o tzv. časové řadě „bez trendu“, což neznamená, že časová řada nemá trend, to by nemohla být časovou řadou. Sezónní složka je pravidelně se opakující odchylka trendové složky. Vyskytuje se u časových řad s periodicitou kratší než jeden rok. Cyklická složka je kolísání okolo trendu v důsledku dlouhodobého cyklického vývoje a délka vlny je delší než jeden rok. Cyklus je tedy dlouhodobé kolísání s neznámou periodou. Někdy bývá tato složka zahrnována do složky trendové jako její součást, která vyjadřuje střednědobou tendenci vývoje. Náhodná složka, neboli složka reziduální, je taková veličina, kterou nelze popsat žádnou časovou funkcí. Jejím zdrojem jsou drobné příčiny, které jsou vzájemně nezávislé. Její chování můžeme vyjádřit pravděpodobnostně a vlastnosti se často musí prověřovat pomocí některých testů. (HINDLS, 2007)
2.3 Vyrovnání časových řad Známe několik způsobů (metod) vyrovnávání časových řad. Jedním z nich jsou tzv. analytické metody vyrovnání, které se zaměřují na popis trendu časové řady. Tyto metody vycházejí z toho, že celou časovou řadu vyrovnáváme najednou, tj. vyrovnáme jednou trendovou funkcí všechna pozorování. Použitá funkce může být dost složitá, proto se používají tzv. adaptivní metody, kdy je principem rozdělení časové řady do jednotlivých úseků a následné vyrovnání, pomocí matematické křivky, každé části zvlášť. K těmto metodám řadíme především metodu klouzavých průměrů nebo exponenciální vyrovnání. (HINDLS, 2007) 2.3.1
Klouzavé průměry
Podstata vyrovnání pomocí klouzavých průměrů spočívá v nahrazení empirických pozorování řadou průměru vypočítanou právě z těchto pozorování. Název klouzavý průměr vznikl z toho, že při postupném výpočtu průměrů tzv. kloužeme vždy o jedno pozorování vpřed, přičemž nejstarší pozorování vypouštíme. Velice důležitou proměnnou, kterou budeme nazývat klouzavá část,
12
je stanovení počtu pozorování, ze kterých jsou průměry počítány. Klouzavou část značíme m=2p + 1, pro m < n, kde n je celkový počet pozorování. (HINDLS, 2007) Prosté klouzavé průměry U prostých klouzavých průměrů na jednotlivých klouzavých částech o délce p=2m + 1 pro m = 1,2,… je definován lineární trend. p=3
1 yˆ ( y y y ), t 3 t 1 t t 1
(7)
se systémem vah [1,1,1]. Ideální je konstrukce prostých klouzavých průměrů u klouzavého segmentu liché délky. Vypočítané průměry se umístí vždy do středu klouzavé části. Všechny hodnoty časové řady v klouzavém segmentu mají vždy stejnou váhu. Vážené klouzavé průměry U vážených klouzavých průměrů je na jednotlivých klouzavých částech o délce p definován trend parabolický. Pro p = 5 je definován systém vah [-3, 12, 17, 12, -3]. Použité váhy jsou vždy souměrné kolem středu. Můžeme je vyjádřit i v relativní formě pomocí vzorce. Centrované klouzavé průměry Centrované klouzavé průměry se používají, jestliže je p sudé číslo, což nastává většinou u sezónních časových řad (u měsíčních řad p = 12). Jejich délka vah je vždy o jedničku větší než délka sezónní periody. Jedná se tedy o vážené klouzavé průměry se speciálními váhami, které mají eliminovat sezónní složku. Rozlišujeme prosté centrované průměry, které filtrují lineární trend a vážené centrované průměry, filtrující trend parabolický. (HINDLS, 2007) 2.3.2
Metody odhadů parametrů trendových funkcí
Nejpoužívanější metodou odhadu parametrů trendových funkcí je metoda nejmenších čtverců, která se používá v případě, že zvolená funkce je lineární v parametrech. Tato metoda je poměrně jednoduchá a minimalizuje rozptyl reziduální složky. Odhady parametrů lineární a parabolické trendové funkce lze získat přímo, v případě exponenciální trendové funkce je nutné nejdříve provést transformaci (pomocí logaritmů ji převedeme na funkci lineární). (HINDLS, 2007)
13
Lineární trend Nejčastěji používaným typem trendové funkce je trend lineární, tedy přímka. Můžeme jej vždy použít pro určení základního vývoje časové řady. Trendovou přímku vyjádříme ve tvaru
Tt 0 1t , t 1,2,...n ,
(8)
kde β0 a β1 jsou neznámé parametry a t je časová proměnná. K odhadu parametrů použijeme metodu nejmenších čtverců. Řešením jsou tedy dvě normální rovnice. (HINDLS, 2007) Parabolický trend Jde o poměrně často používaný typ trendové funkce. Rovnice má podobu Tt 0 1t 2 t 2 , t 1,2,...n ,
(9)
kde β0, β1 a β2 jsou neznámé parametry a t je časová proměnná. Protože i tato funkce je lineární v parametrech můžeme k odhadu parametrů též použít metodu nejmenších čtverců. Znamená to tedy, že řešením jsou tři normální rovnice. (HINDLS, 2007) Exponenciální trend Tento typ trendové funkce zapisujeme ve tvaru
Tt 0 1t , t 1,2,...n ,
(10)
kde β0 a β1 jsou neznámé parametry a t je časová proměnná. Protože tato funkce není lineární z hlediska parametrů, musíme funkci transformovat, abychom mohli použít metodu nejmenších čtverců. Rovnici tedy převedeme logaritmickou transformací na tvar
log Tt log 0 t log 1
(11)
(HINDLS, 2007) 2.3.3
Ověřování vhodnosti trendové funkce
Základem o rozhodování o vhodnosti trendové funkce by měla být ekonomická kritéria související se zkoumaným jevem. Další jednoduchou možností volby je analýza grafu dané časové řady. Vhodný typ trendové funkce můžeme posuzovat také podle růstových charakteristik a charakteristik z nich odvozených. V následující tabulce jsou uvedeny růstové charakteristiky a jejich průběh v čase, na jehož základě se rozhodujeme pro trend lineární, parabolický nebo exponenciální. Dalšími typy trendu, které lze určit pomocí těchto růstových charakteristik jsou například modifikovaná exponenciála, Gompertzova křivka nebo S-křivka.
14
Tab. 1
Růstové charakteristiky
Růstová charakteristika
Průběh růstové charakteristiky v čase
Vhodný typ trendu
t
přibližně konstantní
přímka
t
přibližně lineárně roste
parabola
přibližně konstantní
exponenciála
t yt
Zdroj: HINDLS, 2007, str. 293 Pro ověřování vhodnosti trendové funkce se používají dva druhy kritérií, a to interpolační a extrapolační. V následujícím odstavci se budeme zabývat kritérii interpolačními. Interpolační kritéria jsou taková, při kterých hledáme vhodný model na základě analýzy časové řady v minulosti. Zkoumají tedy charakter rozdílů skutečných hodnot a hodnot vyrovnaných. Patří mezi ně: M.E. = Mean Error = střední chyba odhadu: M .E.
( yt Tt ) n
(12)
Střední chyba odhadu je rovna nule vždy, jestliže k odhadu parametrů použijeme metodu nejmenších čtverců. Jakmile však postup upravíme logaritmizací či inverzí, M.E. nabývá nenulovou hodnotu. M.S.E. = Mean Squared Error = střední čtvercová chyba odhadu: M .S .E.
( yt Tt ) 2 n
(13)
Toto kritérium je dnes nepoužívanější. M.A.E. = Mean Absolute Error = střední absolutní chyba odhadu:
M . A.E.
yt Tt n
(14)
M.A.P.E. = Mean Absolute Percentage Error = střední absolutní procentní chyba odhadu: t t Tt M . A.P.E. yt
15
100 n
(15)
M.P.E. = Mean percentage Error = střední procentní chyba odhadu:
y Tt M .P.E. t yt
100 n
(16)
(HINDLS, 2007) 2.3.4
Regresní model s umělými proměnnými
Pomocí techniky umělých proměnných lze měřit diskrétní či kvalitativní proměnné. Výhodou této metody je poměrně jednoduché testování významnosti, a při dodržení určitých pravidel poskytuje i odhad lineárního regresního modelu. Umělé proměnné nahrazují empirická data, přičemž jim přisuzujeme takové hodnoty, které co nejlépe aproximují změny, jež chceme měřit. V analýze časových řad se tyto proměnné používají často při měření intenzity krátkodobých vlivů sezónního charakteru nebo pro vyrovnání čtvrtletních či měsíčních dat. Umělé proměnné umožňují i měření kvalitativních změn regresní závislosti v čase. (HUŠEK, 2007) Diskrétní i spojité proměnné se často vyskytují při ekonometrické analýze časových řad čtvrtletních nebo měsíčních dat obsahujících sezónní vlivy. Působení sezónních vlivů je žádoucí eliminovat. Jedním ze způsobů sezónního vyrovnání je i technika umělých proměnných. Odhadujeme-li návštěvnost, lze předpokládat existenci sezónních výkyvů, které se projeví v rozdílných úrovňových konstantách regresních rovnic pro jednotlivé měsíce. Rovnice této funkce je ve tvaru:
Yt 0 1 2 D2 3 D3 4 D4 5 D5 6 D6 7 D7 8 D8 9 D9 10 D10 11 D11 12 D12 u t , t 1,2,...T kde
,
(17)
β0 … konstanta D2 – D12 … umělé proměnné (D2 = 1 pro druhý měsíc = 0 pro ostatní měsíce, atd.) ut …náhodná složka.
Počet umělých proměnných je o jeden menší než počet období, aby nedocházelo k multikolinearitě. Jako základní období si zvolíme první měsíc, tzn. odpovídající proměnná D1 je ve vztahu vynechána. (HUŠEK, 2007)
2.4 Regresní analýza Regresní analýza je jednou z nejpoužívanějších metod v ekonometrii, popisující výkyvy jedné (závislé) veličiny jako funkci jedné nebo více nezávislých proměnných. Provádí se za účelem zjištění vztahu mezi veličinami, ale i z důvodu predikce budoucích hodnot vysvětlované proměnné. Úkolem je
16
závislou proměnnou vhodně namodelovat pomocí vysvětlujících proměnných. Závislost lze vyjádřit obecným regresním modelem: Y f (X )
(18)
kde Y…závislá proměnná X…nezávislá proměnná ε… chybový člen. V naší práci jsme použili jednoduchou regresní analýzu, tj. model s jednou vysvětlující proměnnou. Rovnici modelu můžeme definovat takto:
Yi 0 1 X 1i i
(19)
kde Yi…hodnota vysvětlované proměnné pro i-té měření β0…konstanta β1…regresní parametr Xi…hodnota vysvětlující proměnné pro i-té měření εi…náhodná chyba pro i-té měření. Parametr β1 nám udává, o kolik se změní hodnota vysvětlované proměnné, jestliže se hodnota proměnné vysvětlující změní o jednotku. (BLAŠKOVÁ, 2009)
2.5 Testy významnosti V této práci jsou využity zejména dva testy významnosti, a to t-test, který se používá k testování hypotéz o jednotlivých parametrech, a F-test pro testování průkaznosti celého modelu. 2.5.1
t-test
Pomocí t-testu můžeme učit významnost jednotlivých regresních parametrů. Předpokládáme, že konstanta, kterou chceme ověřit βH0, je rovna nule (testujeme tedy odlišnost od nuly). H0: parametr není statisticky významný H1: parametr je statisticky významný Pokud je splněno testové kritérium, pak hypotézu H0 o nevýznamnosti parametru zamítáme. Vzorec testového kritéria t-testu v tomto případě konstruujeme následovně:
t
ˆ j SE ( ˆ j )
t / 2
(20)
kde tα/2 je kritická hodnota studentova rozdělení s příslušnými stupni volnosti. (GUJARATI, 2009)
17
2.5.2
F-test
Tento statistický test umožňuje testovat jeden, ale i několik parametrů současně, proto se nejčastěji využívá pro testování průkaznosti celého modelu. Ověřuje hypotézu, zda nejméně jedna z vysvětlujících proměnných vysvětluje variabilitu závislé proměnné. Test je založen na rozkladu celkové proměnlivosti závislé proměnné. TSS RSS ESS
kde
(21)
TSS… celková proměnlivost závislé proměnné RSS… proměnlivost vysvětlená regresním modelem ESS… proměnlivost nevysvětlená (reziduální)
H0: model není statisticky významný H1: model je statisticky významný Testovací statistika se pak vypočítá: F
RSS /( p 1) ESS /( n p)
(22)
Hypotéza H0 o nevýznamnosti modelu je zamítnuta, jestliže je splněno toto testovací kritérium: F F1 ; p 1;n p
(23)
(HAMPEL, a další, 2009) 2.5.3
P-hodnota
Alternativní metodou pro vyhodnocování statistických testů je zamítnutí nebo nezamítnutí nulové hypotézy na základě tzv. p-hodnoty („probability value“). Určuje nám hranici, od které hodnoty již hypotézu zamítáme. Toto rozhodnutí závisí na zvolené hladině významnosti. Jestliže je hladina významnosti 5%, pak α = 0,05. Rozhodování pak závisí na tom, jestli je p-hodnota menší nebo větší než α. Jestliže: p-hodnota < α, nulovou hypotézu zamítáme, p-hodnota < α, nulovou hypotézu nezamítáme. (GUJARATI, 2009)
18
3 Statistické zpracování 3.1 Charakteristika získaných dat Získaná data pro zpracování této bakalářské práce poskytl Národní památkový ústav v Brně. Budeme se tedy zabývat problematikou celého Jihomoravského kraje, konkrétně turistickou oblastí Jižní Morava a konečně významným turistickým cílem Lednicko-valtickým areálem. 3.1.1
Jihomoravský kraj
Jihomoravský kraj se rozlohou řadí na čtvrté místo v republice. Zaujímá jižní a střední část Moravy, sousedí se dvěma významnými státy, Slovensko na východě a Rakousko na jihu území, což je velice důležité pro přeshraniční spolupráci. V jihomoravském kraji dochází k aktivnímu zakládání sdružení obcí tzv. mikroregionů, které řeší společné problémy a jejichž cílem je společný rozvoj území. Vznik mikroregionů je pozitivním trendem pro společné prosazování zájmů zejména venkovských obcí, které chtějí dosáhnout žádoucích změn ve všech obcích území. (Campagne s.r.o., 2010). V Jihomoravském kraji je nejnavštěvovanější destinací Brno a okolí s podílem 46% všech návštěvníků kraje. Zahraniční turisté Brno navštěvují především kvůli veletrhům a výstavám a Grand Prix motocyklů. Druhým nejnavštěvovanějším regionem je Lednicko-valtický areál s hodnotou 17% na celkové návštěvnosti kraje. Nejméně navštěvovaný je Moravský Kras a jeho okolí. (Campagne s.r.o., 2010) Tab. 2
Návštěvnost v Jihomoravském kraji v letech 2002 - 2010
Jihomoravský kraj Rok 2002 2003 2004 2005 2006 2007 2008 2009 2010
Návštěvnost 817 457 1 050 316 1 022 646 1 056 307 1 069 258 1 178 114 1 185 770 1 041 492 1 042 070
Zdroj: Český statistický úřad (www.czso.cz) V tabulce č. 2 můžeme vidět vývoj návštěvnosti Jihomoravského kraje od roku 2002 do roku 2010, kdy si můžeme všimnout růstu návštěvnosti od roku 2004 až do roku 2008 a následný propad zapříčiněný světovou hospodářskou krizí.
19
3.1.2
Region Jižní Morava
Jihomoravský kraj je podle vymezení turistických regionů definovaných agenturou CzechTourism shodný s turistickým regionem Jižní Morava. Dle charakteru území a turistické nabídky se tento region dělí do 5 turistických oblastí. Tyto oblasti jsou: Moravský Kras a okolí, Brno a okolí, Znojemsko a Podyjí, Slovácko (částí zasahuje do Zlínského kraje), Pálava a Lednicko-valtický areál. (Jihomoravský kraj: Centrála cestovního ruchu - Jižní Morava, 2010) Turisticky významnou přírodní atraktivitou je Národní Park Podyjí, dvě biosférické rezervace UNESCO a to Dolní Morava a Bílé Karpaty, dále Pálava, Lednicko-valtický areál nebo vodní dílo Nové Mlýny. Vzhledem k průmyslové tradici Brna a jeho okolí má dominantní postavení v ekonomice kraje zpracovatelský průmysl. Brno je také střediskem tradičních mezinárodních výstav a veletrhů, centrem kultury a vysokého školství. Kraj je ovšem proslulý i zemědělstvím a to zejména vinařstvím, možná i z toho důvodu, že právě v tomto kraji se nachází více jak 90% plochy vinic. (Campagne s.r.o., 2010)
Obr. 1 Mapa Jižní Moravy s hlavními památkami (Zdroj: Jižní Morava: Turistický rezervační portál, www.jizni-morava.info)
V současné době je Jihomoravský kraj po Praze nejnavštěvovanějším regionem v České republice. Jih Moravy je turisticky atraktivní různorodou krajinou, historickými i kulturními památkami, množstvím hradů a zámků, archeologickými nalezišti, bojištěm u Slavkova, tradicí v porovnání s moderním
20
stylem života, lázněmi nebo gastronomií a to především vínem. Velmi oblíbená je zde i cykloturistika a to v mezinárodním kontextu (cyklotrasa Brno-Vídeň). (Campagne s.r.o., 2010) 3.1.3
Lednicko-valtický areál
Lednicko-valtický areál, též nazývaný jako „Zahrada Evropy“, je nejrozsáhlejší komponovanou krajinou na světě. Turisticky vyhledávaným cílem se stal především díky své rozmanitosti. Návštěvníci na toto místo zamíří kvůli výletním cestám, cyklostezkám, výletním plavbám po Dyji, provozovat vodní sporty na Novomlýnské nádrže, nebo vyšplhat do kopců Pálavy a rozhlédnout se do širého okolí. (Turistické regiony ČR, 1998 – 2012) Tento areál se může pochlubit dvěma zámky, a to zámkem Lednice a zámkem Valtice. Za návštěvu stojí četné romantické stavby jako jsou kolonády, sochy, lesní chrámy a zámečky zasazené v krajině. Z rozhledny Minaret lze vidět vybudované rybníky, zámecký park, Pálavu, Bílé Karpaty dokonce i vrcholek věže ve Vídni. Za zmínku stojí také uměle vytvořená zřícenina Janův hrad, proslulé Lednické skleníky, Dianin chrám nebo chrám Tří Grácií. Návštěvníci si mohou prohlédnout areál procházkou, na kolech, ale též lze využít plaveb po loďce nebo jízda kočárem taženým spřežením párem koní. V následující tabulce můžeme vidět, jak se vyvíjela návštěvnost tohoto areálu v letech 2002 – 2010. Příčiny kolísání, či náhlého růstu či poklesu návštěvnosti se budeme snažit vysvětlit ve statistickém zpracování získaných dat. Tab. 3
Návštěvnost Lednicko-valtického areálu v letech 2002 – 2010
Lednicko-valtický areál Rok
Návštěvnost
2002 2003 2004 2005 2006 2007 2008 2009
268 296 273 479 304 978 299 408 273 526 320 441 331 013 340 714
2010
325 379
Zdroj: Národní památkový ústav Brno
3.2 Časové řady památek Lednicko-valtického areálu V následujících odstavcích jsme se zabývali časovými řadami jednotlivých památek Lednicko-valtického areálu, kterými jsou zámek Lednice (zde je návštěvnost rozdělena na 1. a 2. okruh zámku), skleník, Minaret, Janův hrad,
21
galerie a jeskyně Grotta. Do celkové návštěvnosti areálu se bude za rok 2009 a 2010 počítat také návštěvnost Apollónova chrámu. 3.2.1
Zámek Lednice (1. okruh)
Návštěvnost zámku Lednice, konkrétně 1. trasy, jsme namodelovali od ledna 2002 do prosince 2010. K dispozici máme měsíční data, tj. celkem 108 měření. Nejdříve jsme si zkusili vypočítat interpolační kritéria pro lineární, parabolický a exponenciální trend. Tab. 4
Interpolační kritéria pro návštěvnost Lednice (1.okruh)
Ukazatel
Přímka
Parabola
Exponenciála
M.E.
-299,87
-4,0535
7616,376853
M.A.E.
1070,21
809,833
7618,119613
M.S.E.
2734452
1774,55
149227,1586
Nejmenší střední chybu odhadu jsme vypočítali u přímky, střední absolutní chyba a střední čtvercová chyba odhadu jsou však nižší u paraboly. Nejlépe se nám tedy v dané situaci jeví parabola, proto jsme zkusili pro tuto časovou řadu namodelovat parabolický trend, který má tento tvar rovnice:
Tt 0 1t 2 t 2 , t 1,2,...n
(24)
Pro další výpočet jsme využili statistický program Gretl. Použili jsme metodu nejmenších čtverců. Jako závislou proměnnou jsme zadali návštěvnost zámku Lednice (1.okruh). Nezávislé proměnné jsou konstanta, časový trend, který odpovídá měření v čase, a jeho druhá mocnina. Výstup z Gretlu byl následující: Tab. 5
Odhad parametrů parabolického tvaru trendu
Parametr
Hodnota parametru
Const
7 572,05
Time
16,4191
Time2
-0,101707
Z tabulky vyplývá tato rovnice modelu: Tt 7 572,05 16,4191t 0,101707t 2 , t 1,2,...108
(25)
Koeficient determinace je však u tohoto modelu příliš nízký, abychom tento model mohli považovat za vyhovující.
22
Obr. 2
Graf skutečných a vyrovnaných hodnot (Lednice – 1.okruh) – parabolický trend
I na základě grafu vhodnost parabolického trendu zamítáme a pokusíme se trend modelovat jinou metodou. Jelikož je z grafu patrné, že data jsou sezónní, jako alternativní metodu jsme zvolili model s umělými proměnnými, který modeluje sezónnost. Umělých (dummy) proměnných bude celkem 11. Pracujeme s měsíčními daty (12 měsíců) a jako základní období jsme si zvolili první měsíc, proto je odpovídající umělá proměnná (D1) vynechána. V programu Gretl jsme opět jako závislou proměnnou zvolili návštěvnost zámku Lednice (1.okruh) a jako nezávislé proměnné jsme přidali ke konstantě, časový trend a 11 umělých proměnných (D2 – D12). V tomto případě používáme model časové řady podle Prais-Winstena. Výsledky dosadíme do rovnice, jejíž tvar je následující:
Yt 0 1t 2 D2 3 D3 4 D4 5 D5 6 D6 7 D7 8 D8 9 D9 10 D10 11 D11 12 D12 , t 1,2,...108
23
(26)
Tab. 6
Odhad parametrů – model s umělými proměnnými
Parametr Const Time D2 D3 D4 D5 D6 D7 D8 D9 D10 D11 D12
Hodnota parametru -20,9916 0,545427 3,93967 388,086 3432,72 14279,6 15965,5 21440,9 23957,6 11920,6 5240,84 50,8604 4,9803
Dosazením těchto parametrů do zadané rovnice získáme vyrovnané hodnoty. Přičemž z vektorů D2 – D12 používáme vždy tu souřadnici, která odpovídá sezóně měření.
Yt 20,9916 0,545427t 3,93967 D2 388,086 D3 3432,72 D4 14279,6 D5 15965,5D6 21440,9 D7 23957,6 D8 11920,6 D9 5240,84 D10 50,8604 D11 4,9803D12 , t 1,2,...108 Graf tohoto modelu vypadá následovně:
Obr. 3 Graf vyrovnaných a skutečných hodnot (Lednice – 1.okruh) – model s umělými proměnnými
24
(27)
Jestliže se podíváme na koeficient determinace tohoto modelu, zjistíme, že jeho hodnota je 0,977696. Znamená to tedy, že model je přesný na 97,77%, což považujeme za velice vysokou hodnotu. Můžeme proto říci, že model je spolehlivý, a použití umělých proměnných považujeme za vhodné řešení. Z grafu pak můžeme vidět, že skutečné a vyrovnané hodnoty se téměř překrývají a i proto tedy můžeme říct, že tento model je vhodnější než model parabolického trendu. Podle p-hodnot z Gretlu můžeme usoudit, že statisticky významnými parametry jsou D4,D5,D6,D7,D8,D9 a D10, jelikož je jejich p-hodnota <0,00001. Za předpokladu, že testujeme hypotézu na hladině významnosti 95% (míra rizika je α=0,05), jsou ostatní parametry nevýznamné, jelikož jejich p-hodnota > 0,05, i když u parametru D3 je to velice těsné a o jeho nevýznamnosti by se dalo pochybovat. Pokud jde o p-hodnotu samotného modelu je mnohonásobně menší než míra rizika, proto můžeme říct, že i celý model je statisticky významný, což můžeme potvrdit i F-testem. 3.2.2
Zámek Lednice (2.okruh)
Návštěvnost 2. trasy zámku Lednice budeme modelovat na datech ze stejného období jako v prvním případě, tedy od ledna 2002 do prosince 2010. Jelikož předpokládáme, že data jsou podobná, můžeme rovněž počítat se sezónností, proto bylo vhodné použít opět model s umělými proměnnými. Pro výpočty jsme použili program Gretl, konkrétně model časových řad podle Prais-Winstena jako v předešlém případě. Jako závislou proměnnou jsme si tedy zvolili návštěvnost 2. okruhu zámku Lednice. Nezávislými proměnnými byla konstanta a časový trend, dále pak umělé proměnné D2 – D12. Po dosazení získaných výsledků nám vyjde následující rovnice:
Yt 284,293 5,46226t 2,25957 D2 34,9679 D3 891,896 D4 2562,06 D5 2586,76 D6 7077,88D7 8338,58D8 3127,30 D9
(28)
1110,57 D10 25,2820 D11 26,8003D12 , t 1,2,...108 Statisticky velice významnými parametry se nám jeví proměnné D4 - D10, což jsme určili podle p-hodnot z Gretlu. Adjustovaný koeficient determinace nám vyšel 0,961901, znamená to tedy, že je model spolehlivý na 96,19%, což považujeme za velice vysokou hodnotu. V grafu můžeme vidět skutečné a vyrovnané hodnoty, které se téměř překrývají. Svědčí to tedy o tom, že model s umělými proměnnými je téměř přesný.
25
Obr. 4 Graf skutečných a vyrovnaných hodnot (Lednice – 2.okruh) – model s umělými proměnnými
Pro názornost jsme si v tomto případě vyzkoušeli i metodu adaptivní, a to metodu klouzavých průměrů, která je jednou z nejpoužívanějších metod při vyrovnávání časových řad. Použili jsme délku klouzavé části p = 12, protože pracujeme s měsíčními daty. Zvolili jsme systém vah vážených centrovaných průměrů popsaný v knize Statistika pro ekonomy (HINDLS, 2007), který je 1 9, 8, 10, 24, 34, 40, 42, 40, 34, 24, 10, 8, 9 . následující: 224 Pro výpočet vlastních klouzavých průměrů jsme využili program Excel. Jelikož krajní hodnoty pomocí klouzavých průměrů nelze odhadnout, odhady prvních a posledních šesti měření jsme neurčili. Z grafu, který jsme vytvořili v Gretlu můžeme vidět hodnoty původních dat a dat vyhlazených pomocí exponenciálních klouzavých průměrů, kdy jsme váhu aktuálního pozorování zvolili 0,187 (dle systému vah jsme střední váhu tj. číslo 42 jsme vydělili 224).
26
Obr. 5
Graf původních a vyrovnaných dat pomocí klouzavých průměrů (Lednice – 2.okruh)
I přes probíhající opravy fasády, kterou prováděly řemeslníci a restaurátoři od roku 2009, a to technikami, které byly používány v 19. století, se celková návštěvnost zámku Lednice nesnížila. Návštěvníci mohli takto vidět při návštěvě zámku i řemeslné práce. (PROPAMÁTKY, 2011) 3.2.3
Minaret
Pro modelování časové řady Minaretu i všech dalších jsme použili regresní model s umělými proměnnými, který modeluje sezónnost, jelikož ji můžeme předpokládat stejně jako u obou předchozích časových řad. Do modelu tedy bude vstupovat návštěvnost jako závislá proměnná, nezávislými proměnnými budou konstanta, časový trend a umělé proměnné (D2 – D12). U modelování časové řady Minaretu budeme pracovat se 108 měřeními, tzn. s daty ze stejného období jako u předchozích. V programu Gretl jsme provedli výpočet, přičemž jsme použili model časové řady podle Prais-Winstena, a vyšla tato rovnice:
Yt 1896,71 36,9981t 12,89 D2 591,883D3 5224,42 D4 9917,77 D5 10172,3D6 15784,6 D7 17097,5D8 7970,57 D9
(29)
3236,32 D10 270,427 D11 238,638D12 , t 1,2,...108 Podle p-hodnot můžeme konstatovat, že proměnné časový trend, D4, D5, D6, D7, D8, D9 a D10 jsou velice významnými parametry. Adjustovaný koeficient determinace má hodnotu 0,870049. Znamená to tedy, že model je spolehlivý na 87%, což můžeme považovat za vysokou hodnotu. Časová řada by se dala namodelovat i lépe, ale vyžadovalo by to složité postupy nebo počítačové programy. Graf skutečných a vyrovnaných hodnot je uveden v příloze č. 1. Návštěvnost Minaretu mohly ovlivnit rozsáhlé rekonstrukce, které zde probíhaly v posledních deseti letech. Již jsou opraveny zhruba dvě třetiny
27
celkové stavby, hotová je věž včetně střechy. Zbývá opravit spodní část budovy, na kterou však nyní nejsou k dispozici dostatečné finanční prostředky. (ČT Brno, 2010) 3.2.4
Skleník
Délka časové řady je opět T = 108. Závislé a nezávislé proměnné jsme definovali stejně jako u časové řady Minaretu. Na základě těchto výpočtů jsme dospěli k rovnici:
Yt 523,234 10,1530t 1204,96 D2 1562,84 D3 5690,15D4 13302,4 D5 11856,4 D6 17148,8D7 19537,3D8 9625,61D9
(30)
5295,16 D10 1320,05D11 718,505D12 , t 1,2,...108 Jestliže budeme hodnotit významnost parametrů, podle p-hodnoty nám vyplývá, že proměnné D4, D5, D6, D7, D8, D9 a D10 jsou velice významnými. Celková významnost modelu, kterou hodnotíme na základě koeficientu determinace je pak 90,14%, což vůbec není zanedbatelná hodnota. Graf skutečných a vyrovnaných hodnot je uveden v příloze č. 2. V zimních měsících roku 2009 probíhala oprava střechy zámeckého skleníku, a proto byl skleník pro veřejnost uzavřen. Jelikož šlo o měsíc prosinec a leden, změny v návštěvnosti byly nepatrné. (týden.cz, 2009) 3.2.5
Janohrad
Časovou řadou Janohradu se budeme zabývat od ledna 2003 do prosince 2010, znamená to tedy, že k dispozici máme 96 měření. Při použití modelu časové řady podle Prais-Winstena nám v Gretlu vyšla tato rovnice:
Yt 76,2941 1,75837t 1,21855D2 29,8805D3 705,107 D4 1977,73D5 2554,23D6 5449,85D7 5250,84 D8 1949,89 D9
(31)
609,174 D10 15,8707 D11 82,0617 D12 , t 1,2,...96 Velice významnými parametry pro tento model jsou parametry D5, D6, D7, D8 a D9, významné proměnné jsou také D4 a D10. Z hlediska významnosti modelu, můžeme konstatovat, že je spolehlivý. Jeho koeficient determinace je 0,930562, tzn. model je tedy spolehlivý na 93%, což považujeme za vysokou hodnotu. V příloze č. 3 je uveden graf skutečných a vyrovnaných hodnot. 3.2.6
Galerie
Pro časovou řadu galerie máme k dispozici 72 měření, z období od ledna 2005 do prosince 2010. Z grafu hodnot můžeme vidět, že návštěvnost galerie není moc vysoká. V zimních měsících bývá nulová, stěžejními měsíci jsou červenec a srpen. O ostatních měsících můžeme říct, že návštěvnost je téměř zanedbatelná. Nestandardní hodnoty jsme naměřili v září 2008, kdy byla návštěvnost 695 osob a také v srpnu roku 2008, kdy návštěvnost vystoupala
28
dokonce na hodnotu 1622 osob, přičemž běžná návštěvnost (vyjma zimních měsíců, kdy je návštěvnost nulová) je v řádech desítek, popř. stovek. Takto zvýšená návštěvnost byla pravděpodobně způsobena zahájením výstavy Osobní hygiena na šlechtických sídlech, která se konala v nově zpřístupněných prostorách zámku, a to v termínu 8.8. –9.11. 2008, přičemž v říjnu návštěvnost nebyla ovlivněna tolik jako v předchozích měsících, jelikož byla galerie zpřístupněna pouze o víkendech. Výstava tohoto druhu byla poprvé uvedena na zámku Vranov nad Dyjí, kde se setkala s mimořádným ohlasem. Od roku 2004 jsou tyto výstavy realizovány také v Galerii Sklepení v Brně. (Národní památkový ústav, 2008)
Obr. 6
Graf návštěvnosti Galerie v letech 2005 – 2010
Pro vyhlazení dat jsme proto v tomto případě použili i metodu klouzavých průměrů, a to vážených centrovaných. Vyrovnání dat můžeme vidět v grafu, který je uveden v příloze č. 4. Jednou z možností je odstraněním extrémních hodnot. Proto jsme hodnoty ze srpna a září 2008 nahradili průměry hodnot těchto měsíců, přičemž do průměru zahrnujeme i extrémní hodnoty. Místo hodnoty 695 pro září použijeme hodnotu 198 a místo srpnové hodnoty 1622 použijeme hodnotu 426. Rovnice při použití modelu časové řady s umělými proměnnými nám vychází takto:
Yt 15,9105 0,474439t 0,166424 D2 0,658871D3 38,9926 D4 71,5868D5 53,3164 D6 150,871D7 184,267 D8 95,5277 D9
(32)
46,3614 D10 2,97945D11 2,81303D12 , t 1,2,...72 Koeficient determinace tohoto modelu je 0,650807, což znamená, že je model spolehlivý pouze na 65%. Graf skutečných a vyrovnaných hodnot je k dispozici v příloze č. 5.
29
3.2.7
Grotta
Pro modelování časové řady jeskyně Grotty máme k dispozici 60 měření v období od ledna 2006 do prosince 2010. Stejně jako u časové řady galerie můžeme vidět, že hodnoty naměřené v zimních měsících jsou nulové. Výraznými měsíci jsou opět červenec a srpen. V tomto případě zde nenacházíme extrémy, ale periodicky se opakující zvýšenou návštěvnost v těchto měsících, přičemž změny hodnot nejsou nijak výrazné. Pro vyrovnání časové řady jsme opět použili model s umělými proměnnými. Zjistili jsme, že nejvýznamnějšími parametry jsou D6, D7, a D8, což se dalo předpokládat, jelikož hodnoty v těchto měsících jsou výraznější než všechny ostatní. Rovnice modelu je taková:
Yt 137,413 5,07710t 1,25512 D2 2,11198D3 102,791D4 421,665D5 816,1625D6 2277,12 D7 2440,21D8 379,286 D9
(33)
115,365D10 36,1321D11 34,8770 D12 , t 1,2,...60 Adjustovaný koeficient determinace tohoto modelu je 0,845211, proto můžeme říct, že spolehlivost modelu je 84,5%. Tuto hodnotu považujeme za vysokou, ale časová řada by se dala namodelovat i lépe. Graf skutečných a vyrovnaných hodnot naleznete v příloze č. 6.
3.3 Srovnání návštěvnosti jednotlivých památek V následujícím odstavci jsme porovnávali jednotlivé památky mezi sebou. Návštěvnost památek jsme porovnávali v letech 2006 – 2010, kdy už byla sledována návštěvnost u všech památek, u kterých jsme prováděli analýzu. V tabulce č. 7 můžeme vidět návštěvnost jednotlivých památek, z čehož vyplývá, že nejvíce navštěvovaný byl zámek Lednice, konkrétně jeho 1. okruh. Součástí 1. okruhu je prohlídka reprezentačních sálů, loveckého salonku, dámské ložnice, jídelna, knihovna a další pokoje, což je pro mnohé návštěvníky lákavější než prohlídka 2. okruhu, který zahrnuje návštěvu knížecích apartmánů a zámecké kaple. (Zámek Lednice, 2012) Dalším velice navštěvovaným turistickým cílem je Minaret, který leží v zámeckém parku. Návštěvníci se k Minaretu mohou dostat pěšky nebo využít koňských povozů, či plavbu lodičkou. Tento cíl je vyhledáván především díky velkolepému výhledu do širého okolí. Mnoho turistů při návštěvě Lednickovaltického areálu navštíví také skleník, který se nachází hned vedle zámku. Nižší návštěvnost má Janohrad, což může být zapříčiněno zejména jeho vzdáleností od zámku. Galerie a Grotta jsou navštěvovány nejméně. Důvodem jejich nízké návštěvnosti je nejspíše popularita ostatních památek. Jelikož se za denní návštěvu nedá stihnout prohlídka všech památek, turisté chtějí vidět především ty nejznámější, proto jsou tyto dvě atraktivity opomíjeny.
30
Tab. 7
Návštěvnost jednotlivých památek v letech 2006 - 2010
Návštěvnost v letech 2006-2010 Památka Lednice (1.okruh) Lednice (2.okruh) Minaret Skleník Janohrad Galerie Grotta
Počet návštěvníků 491239 136233 417495 401764 89107 5474 31712
Zdroj: Národní památkový ústav Brno Určili jsme, které měsíce jsou z hlediska návštěvnosti pro jednotlivé památky velice důležité a ve kterých měsících by se potenciálně dala návštěvnost zvýšit. Nejnavštěvovanějším měsícem je srpen, ve kterém přišlo nejvíce návštěvníků na všechny památky kromě Janohradu, na který přišlo nejvíce návštěvníků v červenci. Druhým nejnavštěvovanějším je pak tedy měsíc červenec. Zvýšená návštěvnost v těchto měsících je pochopitelná z důvodu letní sezóny, tedy i letních prázdnin, kdy lidé nejraději cestují, zejména pak rodiny s dětmi, ale i mladí lidé a senioři. Dalšími měsíci, které jsou navštěvovanější, než ostatní, jsou květen, červen, září a říjen. Může to být způsobeno více faktory, např. zlepšujícím se počasím, nebo zejména proto, že většina památek otevírá v dubnu a sezónu končí v říjnu, v jiném období jsou možné prohlídky pouze po domluvě, např. pro organizované skupiny.
3.4 Časová řada Lednicko-valtického areálu V následujícím odstavci jsme se zabývali časovou řadou celého Lednickovaltického areálu. K dispozici máme 108 měření, a to od ledna 2002 do prosince 2010. Do celkových hodnot jsou počítány všechny památky, které jsme uvedli. Do hodnot v roku 2009 a 2010 je počítána navíc návštěvnost Apollónova chrámu. Jelikož všechny zmíněné památky měly sezónní data, i pro celkovou návštěvnost předpokládáme sezónnost, proto jsme časovou řadu modelovali stejně jako předchozí, a to regresní metodou s umělými proměnnými. Dosazením parametrů získaných z Gretlu jsme získali tuto rovnici:
Yt 2859,39 57,0149t 1213,89 D2 2584,86 D3 16316,8D4 41993,6 D5 43321,1D6 68291,7 D7 75678,7 D8 34871,2 D9
(34)
15271,6 D10 1354,76 D11 245,982 D12 , t 1,2,...108 Z hlediska významnosti považujeme za nejdůležitější parametry časový trend, D4, D5, D6, D7, D8, D9 a D10. Ostatní parametry za významné nepovažujeme. Toto se dalo předpokládat, protože nejdůležitější parametry přiřazujeme k měsícům, které jsou nejnavštěvovanější a mají proto velký význam pro celkovou návštěvnost areálu. Koeficient determinace celého modelu má hodnotu
31
0,966373, což znamená, že model je spolehlivý téměř na 97%, což považujeme za velice vysokou hodnotu. V následujícím grafu můžeme vidět skutečné a vyrovnané hodnoty při použití tohoto modelu:
Obr. 7
Graf skutečných a vyrovnaných hodnot Lednicko-valtického areálu
Pro názornost přikládáme graf vyhlazené časové řady pomocí metody klouzavých průměrů:
Obr. 8 Graf původních a vyrovnaných dat Lednicko-valtického areálu pomocí exponenciálních klouzavých průměrů
V analýze této časové řady se rovněž zaměříme na rezidua. Návštěvnost Lednicko-valtického areálu vykazuje jeden vysoký nárůst a tři menší nárůsty návštěvnosti, které mohou být způsobeny tím, že se postupně do celkové návštěvnosti započítávala návštěvnost dalších památek. Výrazné jsou také dva
32
propady, které nastaly v druhé polovině roku 2002 a prvním pololetí roku 2010. Méně výrazný propad je i v druhém a třetím čtvrtletí roku 2006. Tyto záporné hodnoty způsobily povodně v roce 2002, které zasáhly celou Českou republiku. V roce 2006 to byly opět povodně, které zaplavily Lednický park. Propad na začátku roku 2010 může být příčinou vzrůstající celosvětové hospodářské krize, která má značný vliv i na odvětví cestovního ruchu.
Obr. 9
Graf reziduí časové řady Lednicko-valtického areálu
3.5 Shrnutí Poloha destinace je velice výhodná, jelikož sousedí se dvěma státy a je tak možná přeshraniční spolupráce. Regionu svědčí i narůstající zájem o ekoturistiku a agroturistiku, jelikož má pro tuto formu cestovního ruchu dobré dispozice. I přes to, že je v části areálu zakázán vjezd cyklistů, nachází se v bezprostřední blízkosti propracovaná síť cyklostezek, což je velmi pozitivní díky vzrůstajícímu zájmu o cykloturistiku. Řada těchto cyklotras je budována v rámci mezinárodního projektu Zelené stezky. Tato turistická oblast je pro návštěvníky atraktivní také díky pěstováním vinné révy a tedy vinařstvím. Mnoho obcí v regionu má přívlastek „vinařská obec“ a nachází se zde nemálo vinných sklípků. V kombinaci s cestováním na kole vznikl projekt Moravské vinařské stezky, který spadá do již zmíněných Zelených stezek. Vrcholem vinařské sezóny jsou vinné košty a vinobraní, které každoročně přilákají do destinace mnoho návštěvníků. Za zmínku stojí i řada kulturních akcí a festivalů konajících se na území areálu, ať už jde o výstavy pořádané v galerii, koncerty zábavné programy pro děti nebo např. festival České hrady.cz, který se konal v srpnu 2011 na zámku Valtice. Letos nebudou na programu chybět Taneční a hudební večery, Zámecké hrátky pro děti i dospělé, Lázeňské dřevosochání, Lednické krojované hody. Velice populární jsou také noční prohlídky zámku. V srpnu 2012 se mohou
33
návštěvníci těšit na open-air představení opery Carmen, v rámci projektu Klasika pod hvězdami. (Obec Lednice, 2012) Změny v návštěvnosti analyzovaných památek byly zapříčiněny několika faktory, a to zejména povodněmi, které v námi sledovaném období dvakrát postihly Lednicko-valtický areál. Dále snížení návštěvnosti způsobila také hospodářská krize, která v posledních letech negativně ovlivnila celou Českou republiku. Tyto změny ovlivnili především lokální malé a střední podnikatele, zejména provozovatele ubytovacích a restauračních zařízení, prodejce suvenýrů i další podnikatele v oblasti cestovního ruchu, kteří jsou na počtu turistů závislí. Snížil se především počet dlouhodobějších pobytů a přenocování, a tím i celý příjem dané oblasti. Velkým pozitivem a přínosem bylo otevření lázní v Lednici, začal se zde rozvíjet i lázeňský cestovní ruch, což přilákalo jiný typ návštěvníků a zmírnilo tak ekonomické negativní dopady na tento turistický region. Menší výkyvy v návštěvnosti, zejména v poklesu způsobily i rekonstrukce, které během sledovaného období probíhaly postupně na téměř všech památkách. Nyní probíhá rekonstrukce jízdáren, která má být dokončena v roce 2013. Mělo by zde vzniknout vzdělávací centrum pro školy i veřejnost, což zajisté pomůže zvýšit návštěvnost areálu. (deník.cz, 2011)
3.6 Srovnání návštěvnosti Jihomoravského kraje a Lednicko-valtického areálu V tabulce č. 2 můžeme vidět počet návštěvníků Jihomoravského kraje a v tabulce č. 3 návštěvnost lednicko-valtického areálu v letech 2002 - 2010. Uvedená data jsme si zobrazili do grafu, abychom názorně viděli podíl návštěvníků uvedeného areálu na celé návštěvnosti kraje. Graf návštěvnosti Jihomoravského kraje a Lednicko-valtického areálu 1 200 000 1 000 000 800 000 Návštěvnost 600 000 400 000 200 000 0
2002
2004
2006
2008
2010
Rok Jihomoravský kraj
Obr. 10
Lednicko-valtický areál
Graf návštěvnosti Jihomoravského kraje v porovnání s Lednicko-valtickým areálem
34
Celková návštěvnost Jihomoravského kraje v letech 2002 – 2010 je 9 463 430 návštěvníků. Pro Lednicko-valtická areál je návštěvnost 2 737 234 návštěvníků. Podíl areálu na návštěvnosti celého kraje se pohybuje mezi 25,5% a 32,8%, průměrně dosáhneme hodnoty 29%, což je velice významná hodnota. Tímto potvrzujeme i fakt, že areál náležící do turistického regionu Jižní Morava, je nejnavštěvovanější oblastí Jihomoravského kraje. Můžeme říci, že návštěvnost Lednicko-valtického areálu významně ovlivňuje návštěvnost celého kraje. Jestliže se návštěvnost Lednicko-valtického areálu zvýší, měla by se zvýšit se i celková návštěvnost kraje. Prostřednictvím metody nejmenších čtverců jsme zjišťovali, zda je návštěvnost celého kraje ovlivněna návštěvností zvoleného areálu. Jako závislou proměnnou jsme zvolili tedy návštěvnost Jihomoravského kraje, jako vysvětlující proměnnou kromě konstanty jsme určili návštěvnost areálu. Po zobrazení grafu hodnot jsme zjistili, že lineární funkce je nevyhovující, proto jsme zvolili funkci kvadratickou, jejíž rovnice má tvar:
Tt 5,38745e 06 40,67761 6,36808e 05 2 , t 1,2,...9
(35)
Adjustovaný koeficient determinace je 0,200105, což znamená, že model je spolehlivý pouze na 20%, což je velice nízká hodnota. Zkusili jsme proto trend namodelovat bez konstanty. Rovnice v tomto případě vypadá takto:
Tt 4,846531 4,53379e 06 2 , t 1,2,...9
(36)
Koeficient determinace tohoto modelu je 0,99, což považujeme za velmi vysoké číslo. Problémem je, že parametr β2 je pro model nevýznamný, což jsme potvrdili i t-testem. I přesto je podle F-testu samotný model statisticky významný. Model bez konstanty t-test: Parametr β1: H0: parametr není statisticky významný H1: parametr je statisticky významný
t
4,84653 3,8574 3,8574 1,25642
(37)
Výslednou hodnotu testové statistiky |t| porovnáváme s hodnotou kritickou, kterou určíme pomocí příslušných stupňů volnosti t1-(0,05/2) (9-2). V tabulkách jsme si našli, že kritická hodnota je 2, 365. Jelikož hodnota testové statistiky 3,8574 je větší než kritická hodnota 2,365, H0 zamítáme a můžeme říct, že parametr β1 je statisticky významný.
35
Parametr β2: H0: parametr není statisticky významný H1: parametr je statisticky významný
t
- 4,53379e - 06 - 1,1167 1,1167 4,06007e - 06
(38)
Opět porovnáme výslednou hodnotu testové statistiky s kritickou hodnotou, která je stejná jako předchozím případě, a to 2, 365. Jelikož je |t| = 1,1167 menší než kritická hodnota 2,365, H0 nezamítáme a můžeme tedy říct, že parametr β2 není statisticky významný. F-test H0: model není statisticky významný H1: model je statisticky významný Zkusili jsme otestovat i významnost celého modelu a to pomocí F statistiky, kterou jsme určili pomocí Gretlu. F statistika F (2, 7) nám vyšla 572,2774, porovnáme ji s daným kvantilem, který jsme taktéž určili podle programu Gretl F (2, 7, 0,95) = 4,73741. Jelikož je testová statistika větší než kvantil, hypotézu H0 zamítáme a můžeme říct, že model je statisticky významný. V následujícím grafu můžeme vidět porovnání kvadratického trendu s konstantou a bez konstanty, z čehož nemůžeme jednoznačně určit, zda by bylo lepší konstantu v modelu ponechat. Jelikož máme k dispozici roční data a tím pádem pouze devět pozorování, nízký koeficient determinace modelu je nejspíš způsoben právě malým počtem pozorování.
Obr. 11 Graf parabolického tvaru s konstantou v porovnání s parabolickým tvarem bez konstanty
36
Model s konstantou Zkusili jsme tedy otestovat i parametry modelu s konstantou. Kritická hodnota pro tyto parametry je t1-(0,05/2) (9-3) = 2,447. Všechny testové statistiky těchto parametrů jsme tedy porovnali s touto hodnotou a určili jsme významnost všech tří parametrů. Parametr konstanta: H0: parametr není statisticky významný H1: parametr je statisticky významný
t
- 5,38745e 06 - 0,8763 0,8763 6,14814e 06
(39)
Jelikož je testová statistika 0,8763 < 2,447, H0 nezamítáme a můžeme tedy říct, že parametr konstanta není statisticky významný. Parametr β1: H0: parametr není statisticky významný H1: parametr je statisticky významný
t
40,6776 0,9943 0,9943 40,9102
(40)
Jelikož je testová statistika 0,9943 < 2,447, H0 nezamítáme a můžeme tedy rovněž říct, že parametr β1 není statisticky významný. Parametr β2: H0: parametr není statisticky významný H1: parametr je statisticky významný
t
- 6,36808e - 05 - 0,9417 0,9417 6,76245e - 05
(41)
Testová statistika parametru β2 je menší než kritická hodnota, proto hypotézu o nevýznamnosti parametru nezamítáme a můžeme říct, že i tento parametr není statisticky významný. I přesto, že všechny parametry nám vyšly statisticky nevýznamné, ověřovali jsme i významnost celého modelu prostřednictvím F-testu. Kvantil F (2, 6, 0,95) = 5,14325 porovnáme s F statistikou, kterou nám určil Gretl F (2, 6) = 2,000656. Jelikož je testová statistika menší než hodnota kvantilu, hypotézu H0 o nevýznamnosti modelu nezamítáme a potvrzujeme, že celý model s konstantou není statisticky významný. Porovnáním těchto dvou modelů jsme na základě F-testů o významnosti modelu zjistili, že lepším a spolehlivějším se jeví model bez konstanty.
37
3.7 Doporučení Lednicko-valtický areál má velký potenciál pro rozvoj cestovního ruchu, disponuje širokou nabídkou forem cestovního ruchu od poznávací a kulturněhistorické turistiky, přes cykloturistiku až po lázeňství, které se zde také začalo rozvíjet. Byla by škoda všechny tyto dispozice destinace nevyužít. V letní sezóně je návštěvnost velice příznivá. Ke zvýšení by mohlo dojít zaměřením na konkrétní segmenty a to zejména na rodiny s dětmi nebo mladé páry. Přilákat tyto segmenty by mohly především různé akce pro děti, jako je den dětí, maškarní karneval nebo čarodějnický bál. Dále bychom doporučovali pořádání tradičních jarmarků, šermířských turnajů nebo divadelních představení v dobových kostýmech. Pozitivem je konání různých výstav, festivalů a koncertů, ve kterém určitě doporučujeme pokračovat. Vzhledem k tomu, že je zde patrná vysoká sezónnost, bylo by dobré zaměřit se na nabídku zajímavých produktů v zimních měsících, což by mohlo vést ke zvýšení návštěvnosti. Provoz památek je nákladný, ale i přes to by mohly být v zimním období některé památky v provozu alespoň o víkendech nebo při mimořádných událostech, např. při koštu svatomartinských vín, přičemž by spojení prohlídky zámku s ochutnávkou mohl být jeden z lákavých produktů pro mnoho návštěvníků i milovníků vína. Stěžejním segmentem by se mohli stát návštěvníci nově zbudovaných lázní v Lednici, jelikož řada z nich zajisté spojí svůj relaxační pobyt i s návštěvami některých památek, proto by bylo vhodné vytvořit balíček služeb, který by zahrnoval ubytování, lázeňské služby nebo wellness procedury a vstupné na vybrané památky. V tomto případě by byla nutná spolupráce několika podnikatelských subjektů, což by mohlo poskytovat i určitou konkurenční výhodu. Velký potenciál vznikne i s dokončením vzdělávacího střediska v prostorách Lednického zámku. Bude se zde rozvíjet kongresový a incentivní cestovní ruch, který je trendem současné doby. V tomto případě by bylo dobré obrátit se na vzdělávací instituce, především na základní a střední školy, ale i na podniky, které mají zájem o různá školení a semináře pro své obchodní partnery a zaměstnance. Takové firmy jsou většinou ochotné zaplatit si komfort ubytování a stravování i s patřičným programem, kterým by mohly být návštěvy památek, ochutnávky vím, nebo lázeňské služby. Vzhledem k ekonomické situaci v České republice a stále se zvyšujícím cenám, bychom nedoporučovali zvyšovat vstupné, ale zachovat stávající ceny, aby byly přijatelné pro více turistů. Zajímavým produktem především pro segment lidí, kteří se zajímají o historii a památky, by mohl být tzv. „Lednicko-valtický pas“, tento turistický pas by obsahoval zvýhodněné vstupné na veškeré památky Lednicko-valtického areálu, slevy na lodní jízdenky nebo projížďky kočárem, slevy na vstupenky na různé
38
kulturní akce, jako jsou ochutnávky vín, výstavy nebo koncerty. Nákupem tohoto pasu by byla poskytnuta i sleva na ubytování a stravování v konkrétních zařízeních, čímž by se mohla prodloužit doba pobytu návštěvníků destinace. Za velký nedostatek této destinace považujeme především absenci oficiálních internetových stránek Lednicko-valtického areálu. Podstatné informace o areálu lze najít na různých webových stránkách, avšak na žádné z nich nejsou úplně kompletní a neposkytují ucelené sdělení. Proto bychom doporučovali vytvořit společné internetové stránky, jejichž součástí by měl být kromě podrobného popisu památek také přehled ubytovacích a stravovacích zařízení, turistických informačních center, aktuální kalendář kulturních a společenských akcí, informace pro cyklisty, popř. aktuální dopravní omezení v blízkosti areálu. V neposlední řadě bychom doporučovali rozvíjet spolupráci s Jihomoravským krajem a dalšími organizacemi, jako je Centrála cestovního ruchu – Jižní Morava, nebo CzechTourism. Tyto organizace pomohou destinaci získat finanční prostředky, které jsou potřeba zejména na rekonstrukce památek, aby neklesala jejich atraktivita, ale také na zkvalitňování potřebné infrastruktury, vzdělávání zaměstnanců, marketing a propagaci areálu, což je v dnešní době velice důležitá složka pro úspěšnou tvorbu a nabídku produktů a celkový rozvoj cestovního ruchu turistické oblasti.
39
4 Závěr Cestovní ruch je v současné době nezbytnou součástí moderních ekonomik. K jeho rozvoji přispěl mohutný rozvoj dopravy a informačních technologií. Turistické cíle se staly dostupnějšími a přilákaly i další a nové významné segmenty zákazníků. Stále roste fond volného času a lidé se proto více zajímají i o cestování. Tento rozvoj vede i ke změnám chování zákazníků, neboť nabídka převyšuje poptávku a lidé si mohou vybírat z mnoha úrovní služeb, díky internetu i z pohodlí domova. Mohou si svoje cesty plánovat sami a zorganizovat si svůj program, i proto jsou vyžadovány stále kvalitnější služby a vzrůstá konkurence mezi jednotlivými podnikatelskými subjekty v odvětví cestovního ruchu. Pro úspěšné podnikání je potřeba klást důraz na zákazníka a uspokojení jeho potřeb. Současná ekonomická situace by mohla zlepšit situaci na domácím trhu cestovního ruchu. Lidé v rámci šetření budou upřednostňovat dovolenou v České republice před dovolenou v zahraničí, protože ta by byla většinou mnohem nákladnější. Proto je tato doba vhodná pro rozvoj domácího turismu a tím i rozvoj regionů a celé ekonomiky. Cílem této práce byla analýza vybraných památek Lednicko-valtického areálu. V teoretické části jsme se zaměřili na problematiku časových řad, sezónnost, určování vhodných trendových funkcí a regresní analýzu, kterou jsme využili pro zjištění závislosti návštěvnosti Jihomoravského kraje na návštěvnosti námi zvoleného areálu. V samotném statistickém zpracování jsme se zaměřili na charakteristiku získaných dat, ale především na jednotlivé řady vybraných památek. Použili jsme měsíční data návštěvnosti zvolených památek, které nám ke zpracování poskytl Národní památkový ústav v Brně. K dispozici jsme tedy měli měsíční data za období od roku 2002 do roku 2010, dohromady tedy 108 měření. U některých památek byl počet měření nižší z důvodu sledování návštěvnosti od pozdějšího data. Zjistili jsme, že nejvhodnější bude všechny řady namodelovat prostřednictvím regresního modelu s umělými proměnnými, jelikož v datech byla patrná sezónnost, která byla potřeba odstranit. Pro každou památku jsme vytvořili časovou řadu a zjišťovali jsme, co mohlo způsobit změny v její návštěvnosti. Návštěvnost zámku Lednice jsme měli rozdělenou na 2 základní okruhy, přičemž jsme zjistili, že 1. okruh je mnohem více navštěvován než druhý. Usoudili jsme, že důvodem je atraktivita daného okruhu před druhým, jehož prohlídka obsahuje prohlídku méně populárních místností. Pro názornost jsme u 2. okruhu uvedli i vyrovnání dat prostřednictvím klouzavých průměrů. Dále jsme namodelovali časové řady Minaretu, Skleníku a Janohradu u kterých jsme nezjistili žádné výjimečné změny v návštěvnosti. Dále jsme analyzovali časovou řadu Galerie, přičemž se nám zde vyskytla extrémní hodnota, kdy návštěvnost v srpnu 2008 byla mnohem vyšší než obvykle. Zjistili jsme, že příčinou bylo nejspíše zahájení populární výstavy na téma Osobní hygiena na šlechtických sídlech. Extrémní hodnotu jsme nahradili průměrem a namodelovali
40
návštěvnost jako v předchozích případech. Poslední památkou byla jeskyně Grotta, kde se potvrdila sezónnost jako u všech předchozích atraktivit a to v letních měsících, zejména v červenci a v srpnu. Srovnáním návštěvnosti všech vybraných památek jsme došli k závěru, že nejnavštěvovanějšími jsou 1. okruh zákmu Lednice, Minaret a Skleník. Potvrdili jsme, že nejvyšší návštěvnost je v letní sezóně, naopak nejméně navštěvované jsou památky v zimním období, což se dalo předpokládat, jelikož provoz je v těchto měsících omezen nebo jsou památky uzavřeny. Při analýze časové řady Lednicko-valtického areálu jako celku jsme se zaměřili také na rezidua a pokusili jsme se vysvětlit propady v návštěvnosti, které podle nás nastaly především kvůli povodním, ale také nastoupením celosvětové hospodářské krize. V další části jsme provedli regresní analýzu závislosti návštěvnosti Jihomoravského kraje na návštěvnosti areálu. Podíl areálu na návštěvnosti celého kraje průměrně dosahuje 29%, z čehož vyplývá, že tato turistická oblast je velmi významná pro celý kraj. V závěru této práce jsme uvedli pozici této destinace na trhu cestovního ruchu, její přednosti a možnosti dalšího rozvoje. Naše doporučení pro tuto turistickou oblast byla pokusit se zvýšit návštěvnost v hlavní sezóně prostřednictvím pořádaných kulturních akcí a akcí pro děti, ale také propagovat areál v zimním období, kdy je návštěvnost nízká. Dalším doporučením bylo vytvořit balíčky a produkty pro konkrétní segmenty a to především o turisty zajímající se o lázeňství, nebo pro firmy, které by měly zájem o semináře a vzdělávání svých zaměstnanců. Pokusili jsme se navrhnout produkt „lednickovaltický pas“, který by obsahoval zvýhodněné vstupné na památky Lednickovaltického areálu, ale i další slevy, které by mohli návštěvníci využít. Za nezbytné považujeme především tvorbu ucelených internetových stránek s veškerými potřebnými informacemi pro turisty, jelikož neexistence oficiálního webu je závažný nedostatek této destinace.
41
5 Seznam použitých zdrojů 34 Lednicko-valtický areál. Turistické regiony ČR [online]. 1998 - 2012 [cit. 2012-04-18]. Dostupné z: http://www.tourism.cz/encyklopedie/objekty1.phtml?id=113907& BLAŠKOVÁ, Veronika. Statistika II. 1. vydání. Brno: Mendelova zemědělská a lesnická univerzita, 2009, 225 s. ISBN 978-80-7375-296-5. CAMPAGNE, s.r.o. Expertní analýza poklesu návštěvnosti v Jihomoravském kraji [pdf]. Brno, 2010, 55 s. [cit. 2012-04-18]. Český statistický úřad [online]. 2012 [cit. 2012-03-30]. Dostupné z: http://www.czso.cz/ GUJARATI, Damodar N. Basic econometrics. 5. vydání. Boston: McGraw-Hill, 2009, 922 s. ISBN 978-007-337577-9. HAMPEL, David, Veronika BLAŠKOVÁ a Luboš STŘELEC. Ekonometrie 2. 1. vydání. Brno: Mendelova univerzita v Brně, 2011, 147 s. ISBN 978-807375-540-9. HINDLS, Richard. Statistika pro ekonomy. 8. vydání. Praha: Professional Publishing, 2007, 415s. ISBN 978-80-86946-43-6. HUŠEK, Roman. Ekonometrická analýza. 1. vydání. Praha: Oeconomica, 2007, 367 s. ISBN 978-80-245-1300-3. Jižní Morava: Turistický rezervační portál [online]. 2007 [cit. 2012-04-20]. Dostupné z: http://www.jizni-morava.info/ Kulturní kalendář. Obec Lednice [online]. 2007 [cit. 2012-05-06]. Dostupné z: http://www.lednice.cz/cs/informace/kulturni-kalendar/ Lednice začne rekonstrukci jízdáren za půl miliardy. Deník.cz [online]. 2011 [cit. 2012-05-08]. Dostupné z: http://www.denik.cz/regiony/lednice-zacnerekonstrukci-jizdaren-za-pul-miliard.html Lednický zámek získal po letech novou fasádu. PROPAMÁTKY [online]. 2011 [cit. 2012-05-06]. Dostupné z: http://www.propamatky.info/cs/zpravodajstvi/jihomoravskykraj/tema/lednicky-zamek-ziskal-po-letech-novou-fasadu/525/ MINAŘÍK, Bohumil. Statistika I: Popisná statistika (2.část). 2. vydání (nezměněné). Brno: Mendelova zemědělská a lesnická univerzita v Brně, 2007, 207 s. ISBN 978-80-7157-929-8.
42
Národní památkový ústav: Územní odborné pracoviště v Brně [online]. 2003 2012 [cit. 2012-04-13]. Dostupné z: http://www.npu.cz/proodborniky/pracoviste-npu/uop-v-brne/ Opravy minaretu v lednickém zámeckém parku se zastavily. Česká televize [online]. 2010 [cit. 2012-05-06]. Dostupné z: http://www.ceskatelevize.cz/ct24/regiony/jihomoravsky-kraj/104725opravy-minaretu-v-lednickem-zameckem-parku-se-zastavily/ Osobní hygiena na šlechtických sídlech | výstava. Národní památkový ústav [online]. 2008 [cit. 2012-04-30]. Dostupné z: http://www.npu.cz/pronavstevniky/kalendar-akci-na-pamatkach/actions/zamek-lednice/3221osobni-hygiena-na-slechtickych-sidlech-vystava/ PALATKOVÁ, Monika a Jitka ZICHOVÁ. Ekonomika turismu: Turismus České republiky. 1. vydání. Praha: Grada Publishing s.r.o., 2011, 208 s. ISBN 97880-247-3748-5. Prohlídkové okruhy. Zámek Lednice [online]. 2012 [cit. 2012-04-30]. Dostupné z: http://www.zamek-lednice.com/prohlidkove-okruhy/ RYGLOVÁ, Kateřina. Cestovní ruch: Soubor studijních materiálů. 2. vydání. Ostrava: Key Publishing, 2009, 187 s. ISBN 978-80-7418-028-6. Turistické oblasti. Jihomoravský kraj: Centrála cestovního ruchu - Jižní Morava [online]. 2010 [cit. 2012-04-20]. Dostupné z: http://www.jiznimorava.cz/?tpl=30 UNESCO památky. České dědictví UNESCO [online]. c 2012 [cit. 2012-04-15]. Dostupné z: http://www.unesco-czech.cz/unesco-pamatky/ Známý zámecký skleník v Lednici má novou střechu. Týden.cz [online]. 2009 [cit. 2012-05-06]. Dostupné z: http://www.tyden.cz/rubriky/bydleni/znamy-zamecky-sklenik-v-lednicima-novou-strechu_153284.html
43
6 Seznam tabulek Tab. 1
Růstové charakteristiky ......................................................................... 15
Tab. 2
Návštěvnost v Jihomoravském kraji v letech 2002 - 2010 ...................19
Tab. 3
Návštěvnost Lednicko-valtického areálu v letech 2002 – 2010 ...........21
Tab. 4
Interpolační kritéria pro návštěvnost Lednice (1.okruh) ..................... 22
Tab. 5
Odhad parametrů parabolického tvaru trendu .................................... 22
Tab. 6
Odhad parametrů – model s umělými proměnnými ........................... 24
Tab. 7
Návštěvnost jednotlivých památek v letech 2006 - 2010......................31
44
7 Seznam obrázků Obr. 1 Mapa Jižní Moravy s hlavními památkami (Zdroj: Jižní Morava: Turistický rezervační portál, www.jizni-morava.info ................................ 20 Obr. 2 Graf skutečných a vyrovnaných hodnot (Lednice – 1.okruh) – parabolický trend .......................................................................................... 23 Obr. 3 Graf vyrovnaných a skutečných hodnot (Lednice – 1.okruh) – model s umělými proměnnými ............................................................................... 24 Obr. 4 Graf skutečných a vyrovnaných hodnot (Lednice – 2.okruh) – model s umělými proměnnými ............................................................................... 26 Obr. 5 Graf původních a vyrovnaných dat pomocí klouzavých průměrů (Lednice – 2.okruh) ...................................................................................... 27 Obr. 6
Graf návštěvnosti Galerie v letech 2005 – 2010 .................................. 29
Obr. 7
Graf skutečných a vyrovnaných hodnot Lednicko-valtického areálu .. 32
Obr. 8 Graf původních a vyrovnaných dat Lednicko-valtického areálu pomocí exponenciálních klouzavých průměrů ......................................................... 32 Obr. 9
Graf reziduí časové řady Lednicko-valtického areálu .......................... 33
Obr. 10 Graf návštěvnosti Jihomoravského kraje v porovnání s Lednickovaltickým areálem......................................................................................... 34 Obr. 11 Graf parabolického tvaru s konstantou v porovnání s parabolickým tvarem bez konstanty ................................................................................... 36
45
8 Seznam příloh Příloha 1. Graf skutečných a vyrovnaných hodnot (Minaret) ............................. 47 Příloha 2. Graf skutečných a vyrovnaných hodnot (Skleník).............................. 47 Příloha 3. Graf skutečných a vyrovnaných hodnot (Janohrad) .......................... 48 Příloha 4. Graf vyrovnaných dat pomocí klouzavých průměrů (Galerie) ........... 48 Příloha 5. Graf skutečných a vyrovnaných dat (Galerie)..................................... 49 Příloha 6. Graf skutečných a vyrovnaných hodnot (Grotta) ............................... 49
46
9 Přílohy Příloha 1. Graf skutečných a vyrovnaných hodnot (Minaret)
Příloha 2. Graf skutečných a vyrovnaných hodnot (Skleník)
Příloha 3. Graf skutečných a vyrovnaných hodnot (Janohrad)
Příloha 4. Graf vyrovnaných dat pomocí klouzavých průměrů (Galerie)
Příloha 5. Graf skutečných a vyrovnaných dat (Galerie)
Příloha 6. Graf skutečných a vyrovnaných hodnot (Grotta)
