Vývoj návštěvnosti lázeňských ubytovacích zařízení v Karlovarském kraji

Mendelova univerzita v Brně Provozně ekonomická fakulta

Vývoj návštěvnosti lázeňských ubytovacích zařízení v Karlovarském kraji Bakalářská práce

Vedoucí práce: Mgr. Veronika Blašková, Ph.D.

Markéta Stejskalová Brno 2014

Chtěla bych poděkovat vedoucí mé práce Mgr. Veronice Blaškové, Ph.D. za vstřícný přístup, odborné vedení, ochotu a cenné rady, které mi při zpracování práce poskytovala. Dále patří mé poděkování panu O. Košatovi, zaměstnanci Českého statistického úřadu za trpělivost a ochotu týkající se poskytování mnou požadovaných informací.

Čestné prohlášení Prohlašuji, že jsem tuto práci: Vývoj návštěvnosti lázeňských ubytovacích zařízení v Karlovarském kraji vypracovala samostatně a veškeré použité prameny a informace jsou uvedeny v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů, a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědoma, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity o tom, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše. V Brně dne 2. prosince 2013

_______________________________

Abstract Stejskalová, M. The development of attendance of spa accommodation facilities in Karlovarský region. Bachelor thesis. Brno: Mendel University in Brno, Faculty of Business and Economics, 2013. The goal of this Bachelor thesis is to analyse attendance of spa accommodation facilities of Karlovarský region in years 2000-2012. The theoretical part acquaints the reader with the basic terms and information about tourism, spa, spa areas of Karlovarský region. There is also described time-series issue used in practical part of the thesis. Every time series of attendance is analysed with the estimation of its possible future evolution due to chosen model. Then the results of every analysis are discussed. The recommendations useful for maintaining or increasing in competitiveness and attendance of accommodation facilities are suggested. Keywords Tourism, spa, spa areas, Karlovarský region, time series

Abstrakt Stejskalová, M. Vývoj návštěvnosti lázeňských ubytovacích zařízení v Karlovarském kraji. Bakalářská práce. Brno: Mendelova univerzita v Brně, Provozně ekonomická fakulta, 2013. Cílem bakalářské práce je analyzovat návštěvnost lázeňských ubytovacích zařízení Karlovarského kraje v letech 2000-2012. V teoretické části je čtenář seznámen se základními pojmy a informacemi o cestovním ruchu, lázeňství, lázeňských zónách Karlovarského kraje. Dále je zde zmíněna problematika časových řad, jež je následně aplikována v praktické části práce, kde jsou zpracovány a analyzovány jednotlivé časové řady návštěvnosti spolu s predikcí jejich možného vývoje na základě navrženého modelu. Výsledky jednotlivých analýz jsou diskutovány. Jsou navržena doporučení vedoucí k udržení, případně zvýšení konkurenceschopnosti a návštěvnosti zařízení. Klíčová slova Cestovní ruch, lázeňství, lázeňské zóny, Karlovarský kraj, časové řady

Obsah

9

Obsah 1

2

Úvod a cíl práce 1.1

Úvod....................................................................................................................................... 15

1.2

Cíl práce................................................................................................................................ 16

Literární přehled

17

2.1

Cestovní ruch ..................................................................................................................... 17

2.2

Vývoj cestovního ruchu.................................................................................................. 18

2.3

Důležité pojmy v cestovním ruchu ............................................................................ 19

2.4

Důležité pojmy v lázeňství ............................................................................................ 20

2.5

Karlovarský kraj ............................................................................................................... 20

2.6

Lázeňství v Karlovarském kraji .................................................................................. 21

2.6.1

Karlovy Vary............................................................................................................. 21

2.6.2

Mariánské lázně ...................................................................................................... 22

2.6.3

Františkovy lázně ................................................................................................... 22

2.6.4

Lázně Jáchymov ...................................................................................................... 23

2.6.5

Lázně Kynžvart........................................................................................................ 23

2.7 3

15

Ostatní památky a atraktivní místa Karlovarského kraje ................................. 23

Materiál a metodika

25

3.1

Časové řady a jejich druhy ............................................................................................ 25

3.2

Specifické problémy časových řad ............................................................................ 26

3.3

Elementární charakteristiky časových řad............................................................. 27

3.4

Dekompozice časových řad .......................................................................................... 29

3.5

Analýza trendové složky................................................................................................ 30

3.5.1 3.6

Analytické vyrovnání ............................................................................................ 30

Analýza sezónní složky .................................................................................................. 31

3.6.1

Konstantní sezónnost ........................................................................................... 31

3.6.2

Proporcionální sezónnost ................................................................................... 31

3.6.3

Regresní přístup ..................................................................................................... 31

3.7

Analýza náhodné složky ................................................................................................ 32

10

Obsah

3.8

Predikce budoucích hodnot daného ukazatele ..................................................... 32

3.9

Výpočet parametrů modelu .......................................................................................... 32

3.10 Hodnocení vybraného modelu .................................................................................... 33 4

Statistické zpracování

36

4.1

Popis získaných dat a metodologie jejich vzniku ................................................. 36

4.2

Analýza vybraných časových řad ............................................................................... 36

4.2.1

Analýza návštěvnosti LUZ Karlovarského kraje ......................................... 37

4.2.2

Analýza návštěvnosti LUZ Karlovarského kraje z pohledu rezidentů 42

4.2.3

Analýza počtu přenocování rezidentů v LUZ Karlovarského kraje .... 45

4.2.4

Analýza návštěvnosti LUZ Karlovarského kraje z pohledu nerezidentů48

4.2.5

Analýza počtu přenocování nerezidentů v LUZ Karlovarského kraje 53

4.2.6 Závislost návštěvnosti LUZ České republiky na návštěvnosti LUZ Karlovarského kraje................................................................................................................ 56 5

Diskuze a doporučení

59

6

Závěr

67

7

Literatura

69

8

Přílohy

Chyba! Záložka není definována.

Obsah

11

12

Seznam obrázků

Seznam obrázků Obr. 1 Graf celkové návštěvnosti lázeňských ubytovacích zařízení Karlovarského kraje (2000-2012)

37

Obr. 2 Znázornění popisu naměřených dat vybranou trendovou funkcí

40

Obr. 3 Znázornění popisu naměřených dat součtem trendové a sezónní složky

41

Obr. 4 Graf skutečných a vyrovnaných hodnot s predikcí na rok 2013 (celková návštěvnost rezidenti)

44

Obr. 5 Graf skutečných a vyrovnaných hodnot s predikcí na rok 2013 (přenocované noci rezidentů)

47

Obr. 6 Graf skutečných a vyrovnaných hodnot (celková návštěvnost nerezidenti)

51

Obr. 7 Graf skutečných a vyrovnaných hodnot modelu se zlomem a predikcí na rok 2013 (celková návštěvnost nerezidenti)

52

Obr. 8 Graf skutečných a vyrovnaných hodnot s predikcí na rok 2013 (přenocované noci nerezidentů)

55

Obr. 9 Podíl návštěvnosti LUZ jednotlivých krajů na návštěvnosti LUZ celé České republiky roku 2012

57

Seznam tabulek

13

Seznam tabulek Tab. 1 Volba trendové funkce analýzou grafů elementárních charakteristik

31

Tab. 2 Kritéria vypovídající o vhodnosti navrženého modelu (celková návštěvnost KV kraje)

38

Tab. 3 Porovnání původní a nově vzniklé formy kubické paraboly (celková návštěvnost KV kraje)

39

Tab. 4

40

Vypočtené sezónní konstanty (celková návštěvnost KV kraje)

Tab. 5 Predikované hodnoty na rok 2013 (celková návštěvnost KV kraje)

42

Tab. 6 Kritéria vypovídající o vhodnosti navrženého modelu (celková návštěvnost rezidenti)

42

Tab. 7 Odhad parametrů u parabolické funkční formy (celková návštěvnost rezidenti)

43

Tab. 8

43

Vypočtené sezónní konstanty (celková návštěvnost rezidenti)

Tab. 9 Predikované hodnoty na rok 2013 (celková návštěvnost rezidenti)

45

Tab. 10 Kritéria vypovídající o vhodnosti navrženého modelu (přenocované noci rezidentů)

46

Tab. 11 Odhad parametrů u funkce přímky (přenocované noci rezidentů)

46

Tab. 12

47

Vypočtené sezónní indexy (přenocované noci rezidentů)

Tab. 13 Predikované hodnoty na rok 2013 (přenocované noci rezidentů)

48

Tab. 14 Kritéria vypovídající o vhodnosti navrženého modelu (celková návštěvnost nerezidenti)

49

Tab. 15 Porovnání původní a nově vzniklé formy kubické paraboly (celková návštěvnost nerezidenti)

49

14

Seznam tabulek

Tab. 16 Vypočtené sezónní konstanty (celková návštěvnost nerezidenti)

50

Tab. 17 Tabulka koeficientů a interpolačních kritérií u modelu se zlomem (celková návštěvnost nerezidenti)

51

Tab. 18 Vypočtené sezónní konstanty (celková návštěvnost nerezidenti)

52

Tab. 19 Predikované hodnoty na rok 2013 (přenocované noci nerezidentů)

53

Tab. 20 Kritéria vypovídající o vhodnosti navrženého modelu (přenocované noci nerezidentů)

54

Tab. 21 Odhad parametrů u lineárního trendu se zlomem (přenocované noci nerezidentů)

54

Tab. 22

55

Vypočtené sezónní indexy (přenocované noci nerezidentů)

Tab. 23 Predikované hodnoty na rok 2013 (přenocované noci nerezidentů)

56

Úvod a cíl práce

15

1 Úvod a cíl práce 1.1

Úvod

Lidé jevili dle Seifertové (2003) zájem o přírodní minerální prameny, lišících se od těch běžných teplotou a specifickou chutí, už v dobách před naším letopočtem. Spojovali je s nadpřirozenou mocí, v místech jejich výskytu stavěli jako projev díků oltáře a chrámy, vyprávěli si legendy a pověsti, jež se k těmto pramenům vztahovaly. Výskyt minerálních pramenů, příznivé a zvláštní klima přispěly ke vzniku rašelin, slatin a bahen. Historie lázní spadá do dob starověkého Řecka a Říma. Počátkem prvního století byly právě v Římě vybudovány první veřejné lázně s doprovodnou nabídkou masáží, čítáren, kolonád, galerií a divadelních sálů, obchůdků apod. Ve středověku, období politické nestability, nekulturnosti, však rozvoj lázní a jejich užívání značně zaostával, lidé zanedbávali jak péči o své tělo tak i o zdraví. 18. a 19. století, doby rozvoje techniky a nových vědních oborů, daly předpoklad pro následný rozvoj a vnik dalších lázeňských středisek. Střediska byla nyní lépe dostupná, nové dopravní prostředky byly schopny přepravovat větší počet osob. Lázně se postupně stávaly jak důležitým léčebným, tak i kulturním centrem, kde se setkávali především bohaté vrstvy společnosti, což rozvoj lázeňských míst také nepochybně ovlivnilo. Zlatým věkem pro lázeňství bylo období do 2. světové války. Rozšiřovala se struktura a objem návštěvníků ve střediscích také díky vzniku a rozvoji dalších zdravotních pojišťoven podílejících se na úhradě léčebného pobytu. Návštěva lázní se stala prestižní záležitostí dostupnou i pro střední vrstvy obyvatel. Díky vědeckému rozvoji byly prohloubeny a zdokonaleny určité léčebné procedury, vznikaly nové vědecké postupy, ale i významná sochařská, malířská a architektonická díla. Po 2. světové válce byl v naší zemi rozvoj lázní poznamenán především kvůli politické orientaci. Lázeňská péče oplývala nadále vysokou úrovní, avšak dlouhodobě zde nebyly investovány žádné finanční zdroje do obnovy či výstavby materiálně technické základny, úroveň ubytovacích, stravovacích a dalších doplňkových služeb stagnovala, případně klesala. Lázeňská zařízení byla zestátněna, převažovala návštěvnost klientů, jejichž pobyt byl hrazen pojišťovnami. Mezi zahraničními klienty převažovali hosté z východního bloku. Po pádu komunismu byla většina lázeňských zařízení opět privatizována. Rostoucí konkurence zvyšuje tlak především na pracující, sedavá zaměstnaní, stresující situace, špatné návyky i stav životního prostředí zhoršují jejich psychický i fyzický stav. Do popředí se tedy začíná dostávat prevence. Lidé mění pojetí péče o své zdraví, svůj volný čas využívají spolu s řadou odborníků právě v lázeňských místech, kde obnovují své fyzické i psychické síly. Lázeňská místa se přeměňují v centra cestovního ruchu, rozšiřuje se nabídka rozmanitých služeb, zvyšuje se jejich kvalita. Lázeňská zařízení nabízí svým klientům pobyty v různých délkách, mezi nimi i zkrácené pobyty pro specifické skupiny obyvatel (např. manažeři, ženy

16

Úvod a cíl práce

podnikatelky, senioři apod.), rozšiřuje se též nabídka speciálních programů (např. antistresový program, zeštíhlovací a regenerační program apod.) Největší koncentrace lázeňských míst v České republice je v turistickém regionu Západočeské lázně, jež se rozprostírá převážně na území Karlovarského kraje, na který se v této práci zaměříme. Karlovarský kraj je velmi bohatý na přírodní léčivé zdroje. Jsou zde termální i studené minerální vody, které jsou využívány k přípravě koupelí, pitné léčbě, inhalacím a slizničním výplachům, dále pak bahna, slatiny, které jsou využívány ve formě zábalů, koupelí a další, například léčivé plyny. Lázně nabízí svým klientům další rehabilitační a fyzikální metody (např. pohybové aktivity v tělocvičnách, bazénech či terénní kúry v přírodě., dále pak masáže, akupunkturu, elektroterapie, aplikaci chladu a tepla, oxygenoterapii apod. (Fischer, 2008)

1.2

Cíl práce

Hlavním cílem práce je analýza návštěvnosti lázeňských ubytovacích zařízení Karlovarského kraje a na jejím základě informace o stabilitě či výkyvech v návštěvnosti. V teoretické části práce se budeme věnovat základním aspektům cestovního ruchu, jeho vlastnostem včetně průřezového vlivu, organizacím, které v této oblasti působí, vývoji, budou objasněny základní pojmy, se kterými se čtenář v práci může setkat. Následně bude zmíněna základní charakteristika Karlovarského kraje, jednotlivých lázeňských zón, v nichž ubytovací zařízení, jejichž návštěvnost analyzujeme, působí, a to nejen z hlediska jejich vzniku a specifičnosti, budou zmíněny i kulturní a jiné akce, které mohou být v zónách pro návštěvníky atraktivní. Poslední část teoretické části bude věnována časovým řadám, jejich druhům, problémům, se kterými se můžeme setkat, dále pak odvozeným ukazatelům a způsobu vytváření a hodnocení modelů. Tato část bude aplikována v praktické části, kde budou vytvářeny a testovány modely pro námi vybrané časové řady. Nejdříve budeme pro funkce hledat vhodný trend, který následně upravíme o sezónní složku, neboť se ve všech vybraných řadách se sezónností setkáváme. Pomocí vytvořených modelů pak budou predikovány budoucí hodnoty jednotlivých ukazatelů, jež budou porovnány s již vypočtenými hodnotami publikovanými Českým statistickým úřadem. V následující části práci budou zmíněny klíčové problémy a přínosy, které za sledované období v rozmezí let 2000-2012 nastaly a mohly ovlivnit vývoj analyzované návštěvnosti, dále budou diskutovány možné příčiny změn ve vývoji počtu návštěvníků jednotlivých řad. Budou navržena doporučení a strategie vedoucí k udržení, případně zvýšení konkurenceschopnosti a návštěvnosti zařízení.


17

2 Literární přehled 2.1

Cestovní ruch

Původně byl pojem cestovního ruchu chápán jako jiný výraz pro cestování, nyní se můžeme setkat s větším počtem definic, a to z různých pohledů. Ryglová (2011), přetváří definici Světové organizace cestovního ruchu (UNWTO) a označuje cestovní ruch za aktivitu pojící se s přemísťováním osob, trvající po omezenou dobu. Cílem cestovatele není výdělek, ale například potřeba poznávání kulturních památek, tradic, tamějších obyvatel apod. Nadále však zmiňuje, že by měl být cestovní ruch chápán jako průmysl, jež poskytuje veškeré služby, jež se s cestováním a turistikou pojí (např. ubytovací, stravovací služby, atrakce jako národní parky apod.). Cestovní ruch je tzv. odvětvím průřezovým, má vliv na řadu dalších odvětví, která pro něj pracují, nabízí nové pracovní příležitosti, nabaluje na sebe mnoho dalších činností (např. provozování sportovních činností). Oživuje kulturní, historické i například přírodní atraktivity. Dále se podílí i na sociálním rozvoji, podporuje mezinárodní porozumění, toleranci, působí jako nástroj uspokojení individuálních i kolektivních potřeb i jako zdroj sebevzdělávání. Ryglová (2009) uvádí ještě další přínosy cestovního ruchu. Mezi nimi například zvyšování životní úrovně obyvatel díky využívání zařízení vybudovaných pro návštěvníky, zisk prostředků na financování ochrany přírody prostřednictvím příjmů ze vstupného do jeskyní, národních parků, výběru daní a poplatků (např. lázeňské poplatky). Dále přispívá cestovní ruch k výchově obyvatel k ochraně životního prostředí apod. (Ryglová, 2011) Cestovní ruch je však i odvětvím vysoce závislým na přírodních a historických atraktivitách, přírodních faktorech a politicko-správních podmínkách. Jeho produkt je nehmotný, jak říká Vaštíková (2008), nehmotné služby nelze skladovat, a proto jsou v případě jejich nevyužití zničené, ztracené, je nutné skloubit nabídku s poptávkou, aby byly veškeré nabízené služby využity a nevznikala tak ztráta potenciálního výdělku. Cestovní ruch je velmi ovlivněn sezónností. (Ryglová, 2011) Ryglová (2009, s. 163) zmiňuje organizace působící ve sféře cestovního ruchu, říká, že „aby mohlo odvětví cestovního ruchu přinášet žádoucí efekty, je nezbytné ho účinně a na všech úrovních koordinovat, řídit a vytvářet pro něj potřebné podmínky a současně vhodnými nástroji podněcovat jeho udržitelný rozvoj.“ Tato odpovědnost přísluší v České republice Ministerstvu pro místní rozvoj v ČR, mezi jehož činnosti patří dle Petrů (2007) také vyhledávání a využívání zahraniční pomoci na rozvoj cestovního ruchu, vykonávání agendy pojící se se členstvím ČR např. ve Světové organizaci cestovního ruchu apod. Za účelem propagace ČR u nás i v zahraničí zde působí agentura CzechTourism, státní příspěvková organizace zřízená Ministerstvem pro místní rozvoj ČR, mezi jejíž činnosti patří také např. částečné financování účastí regionů na veletrzích. Cestovním ruchem se však zabývají i samotné kraje či obce vypracováváním programů jeho rozvoje, podporováním investic či investováním z vlastních zdrojů na vybudování požadované infrastruktury, turistických informačních center apod. V oblasti cestovního ruchu působí další organizace a

18


zájmová sdružení (např. Správa českých center, Klub českých turistů atd.). Na mezinárodní úrovni zde působí například již zmiňovaná Světová organizace cestovního ruchu, specializovaná agentura OSN. (Ryglová, 2009) Oblast cestovního ruchu se neustále vyvíjí. Mezi nynějšími trendy můžeme například zpozorovat rostoucí náročnost zákazníků na poskytované služby, měnící se věková strukturu obyvatelstva Evropy a tudíž formování skupiny vzdělaných, zámožných seniorů v dobré kondici, zvýšenou dostupnost letecké přepravy díky nízkonákladovým leteckým společnostem, rostoucí zájem o zdravý životní styl pojící se s požadavkem na nízkokalorickou, bezcholesterolovou stravu, biopotraviny, wellness procedury, fitness centra. Roste zájem o různé typy zájezdových kurzů za účelem sebevzdělávání, roste tlak na dostupnost a kvalitu informací, rozvíjí se specifické formy cestovního ruchu mezi nimi např. kongresový, náboženský cestovní ruch, cykloturistika, venkovská turistika. (Ryglová, 2009) Petrů (2007) vytyčuje prvky ovlivňující atraktivitu České republiky. Říká, že tato republika disponuje přirozeně krásnou krajinou, příznivou zeměpisnou polohou, bohatstvím kulturních památek (mnoho památek je zařazeno na seznamu UNESCO), zajímavostmi z oblastí folkloru. Je považována za bezpečnou destinaci a je členkou Světové organizace cestovního ruchu, Evropské unie, přičemž pro ni z tohoto členství a dalších mezinárodních dohod o usnadnění cestovního ruchu plynou závazky, o které se politika cestovního ruchu ČR opírá. Má poměrně hustou síť služeb všeho druhu a opírá se o ve světě známou tradici českého pohostinství. Upozorňuje však také na drobné nedostatky. Navzdory poměrně dobré úrovně vzdělanosti existují v určitých oblastech neustále jazykové bariéry a skladba sítě služeb někdy neodpovídá požadavkům zahraničních klientů z hlediska kapacity a úrovně.

2.2

Vývoj cestovního ruchu

Historie cestovního ruchu sahá dle Ryglové (2011) až do poloviny 1. století př. n. l. do dob starověkého Řecka, Říma a Egypta. Ve středověku bylo cestování umožněno jen bohatým mladým šlechticům, obchodníkům, objevitelům a kolonizátorům především do asijských oblastí, od 15. století však i do oblastí ostatních, díky čemuž došlo k velkému rozvoji především portugalských a španělských zámořských objevů. K dalšímu rozvoji cestovního ruchu nepochybně vedla i první průmyslová revoluce pojící se s potřebou nových pracovních sil a následně zrušení nevolnictví císařem Josefem II. V polovině 19. století byla Angličanem Cookem založena první cestovní kancelář provádějící organizované výlety a zájezdy, rozvíjí se lázeňství. V druhé polovině téhož století roste obliba horské a pěší turistiky, rozvíjí se doprava. Po první světové válce došlo k rozvoji cestování, státy volný pohyb výrazně neomezovaly, k ochranářským opatřením je však vedla následná hospodářská krize.


19

Po druhé světové válce došlo, jak říká Petrů (2007), k rozdělení světa na kapitalistický a socialistický blok. V Československé republice byla omezena svoboda pohybu, došlo k rozvoji chataření, stanování, rekreací zaměstnanců financovaných samotnými podniky a k soustředění výjezdů republiky převážně do socialistických zemí, neboť do těch ostatních byly výjezdy přísně regulovány. Naproti tomu západní blok byl po přijetí Marshallova plánu zrekonstruován, rostly kapacity služeb i konkurence vedoucí podniky ke spojování za účelem společného prosazování se na trhu. Vznikaly specifické formy cestovního ruchu (např. návštěvy exotických krajin). Tento rozvoj má však i své stinné stránky, dochází k postupnému mizení zvyků, tradičních řemesel, jedinečnosti a rozmanitosti kultur. (Ryglová, 2011) V roce 1989 byla svržena železná opona a Československo se cestovnímu ruchu začalo více otevírat. Začaly se stavět nové kapacity, rostly investice do propagace České republiky, které však byly v porovnání s ostatními zeměmi stále nízké. Narostl počet cestovních kanceláří a jejich nabídky, ČR se stala pro cizince atraktivní levnou zemí se zajímavým hlavním městem i prezidentem. Vznikají nové formy cestovního ruchu (např. agroturistika), podniky pro své zaměstnance objednávají a financují zájezdy. Převládají zájezdy do sousedních zemí, levné a krátkodobé. Petrů (2007) zmiňuje, že vývoj počtu návštěvníků ČR rostl do roku 1996, od té doby však klesal, po roce 2000 byl pokles ovlivněn i teroristickými útoky v USA a následně tuzemskými záplavami, nárůst byl zaznamenán opět v roce 2005, po vstupu ČR do Evropské unie roku 2004. (Ryglová, 2011) Po roce 2000 dochází k vytváření strategických dokumentů týkajících se cestovního ruchu, agentura CzechTourism specifikuje turistické regiony, dochází k rozvoji dalších specifických forem cestovního ruchu (např. golfové turistiky apod.). Neustále sílí role internetu, cestovní ruch se začíná evidovat. Oblibu získává také lyžování v zahraničních střediscích, cykloturistika a poznávání exotických krajin. (Ryglová, 2011)

2.3

Důležité pojmy v cestovním ruchu

• Domácí cestovní ruch – osoby, které v zemi trvale sídlí, cestují uvnitř této země a hranice nepřekračují • Zahraniční cestovní ruch – osoby překračují hranici jednoho či více států, dělíme jej nadále na výjezdový, kdy hranice překračují osoby z tuzemska a příjezdový, kde jsou hranice tuzemska překračovány osobami ze zahraničí. • Rezident je osoba žijící alespoň po dobu jednoho roku v dané zemi, z hlediska domácího cestovního ruchu se pak jedná o osobu, jež žije v daném místě po dobu alespoň šesti měsíců. • Návštěvníkem rozumíme osobu cestující do jiné země než do země s jejím trvalým bydlištěm mimo své obvyklé prostředí po dobu kratší než 12 měsíců z důvodu jiného než výdělečného. • Turistický region je území kde jsou jednotlivé prvky dané oblasti spojovány a sjednocovány cestovním ruchem, a tím je ruch též odlišuje od ostatních regi-

20


onů. Tyto regiony jsou definovány agenturou CzechTourism a nekorespondují s administrativním uspořádáním ČR na samosprávné kraje. (Ryglová, 2011)

2.4

Důležité pojmy v lázeňství

V současné době jezdí do lázní odlišné typy klientů dle úhrady nákladů, které se s lázeňským pobytem pojí. Klientem v rámci komplexní lázeňské léčby je pojištěná osoba, jejíž pobyt je po schválení návrhu lékaře zdravotní pojišťovnou touto pojišťovnou (kromě lázeňského poplatku a jízdného) zcela hrazen. Pojišťovna následně odešle návrh lázeňskému zařízení, které bylo vybráno dle dohody mezi pojištěncem a lékařem. To určí dle naléhavosti léčby termín a písemně vyzve klienta k nástupu lázeňské léčby. Mluvíme-li o příspěvkové lázeňské léčbě, pak pojišťovna hradí pouze léčbu, pacient hradí jak lázeňský poplatek, jízdné, tak náklady na ubytování a stravování. Po schválení návrhu pojišťovnou si klient sám dohodne termín nástupu se zařízením. Samoplátcem je pak osoba, která si veškeré náklady hradí zcela sama, nepotřebuje doporučení lékaře, termín nástupu je stanoven na základě dohody mezi pacientem a lázeňským zařízením.(Seifertová, 2003) Nauku o léčivých vodách a lázních spolu s jejich účinky na lidský organismus nazýváme balneologií (Barták a kol., 2008). Od 1. října 2012 vešla v platnost nová vyhláška týkající se lázeňské péče zkracující pobyt v lázních hrazený zcela pojišťovnou pro dospělé na za 28 na 21 dnů i délku příspěvkové péče z 21 dnů na 14 dnů. Mimo jiné zpřísňuje tato vyhláška podmínky potřebné pro úhradu pobytu pojišťovnou. Stát tuto vyhlášku zavedl z důvodu úspor, které by pojišťovny mohly přenést do jiného typu péče (např. pro pacienty s rakovinou). (Válková, 2012, [online])

2.5

Karlovarský kraj

Karlovarský kraj se dle Turistického portálu Karlovarského kraje nachází na západě České republiky, hned za krajem Prahou a krajem Libereckým, je to náš třetí nejmenší kraj s rozlohou 331 4,54 km2 rozdělený do tří okresů — karlovarský, sokolovský a chebský. Nejlidnatějším a největším okresem je okres karlovarský. Na severu a západě kraj sousedí s Německem, na jihu s krajem Plzeňským a na východě s krajem Ústeckým. Nejvýznamnější řekou kraje je řeka Ohře, celé území spadá do jejího povodí. Řeky Teplá, Rolava, Bystřice a Svatava jsou dalšími významnými řekami kraje. Po stránce geologické, hydrologické a biologické je území velice pestré. Na sever od řeky Ohře vyplňují povrch kraje Krušné hory s nejvyšší horou Klínovec a pohoří Smrčiny. Jižně leží Český les, směrem do vnitrozemí pak Chráněná krajinná oblast Slavkovský les s největším množstvím přírodně hodnotných lokalit (např. lesy, louky, rašeliniště, vývěry minerálních vod a plynů) a Doupovské hory. Kraj oplývá zásobami hnědého uhlí, keramických jílů a zejména zdrojů minerálních a léčivých vod. Co se týká hospodářské struktury, hlavní prioritou v okresech Cheb a Karlovy Vary je lázeňství a cestoví ruch, v okrese Sokolov pak těžba uhlí, energetická, stro-


21

jírenská a chemická výroba. Nezanedbatelné postavení zaujímají v kraji tradiční odvětví, jako je výroba skla, porcelánu, lihovin (např. Becherovky), minerálních vod apod. Tento kraj je pokryt relativně hustou sítí železničních tratí, silnic, nachází se zde mezinárodní letiště. Kraj nabízí širokou škálu pravidelně se opakujících kulturních (např. Mezinárodní filmový festival, Mezinárodní jazzový festival), sportovních (např. Kanoe Mattoni, Carlsbad Triatlon) a dalších společenských akcí. Nachází se zde nejvýznamnější koncentrace lázeňských míst ČR, která jsou hlavním cílem návštěvníků. Jejich kvalitní vybavení napomáhá i například rozvoji kongresové turistiky. V Krušných horách a Slavkovském lese jsou příznivé podmínky pro provozování zimních sportů, k dispozici jsou sjezdovky, běžecké tratě. Rozvíjí se síť cyklostezek a informačních center. Tento kraj je proslulý především díky lázeňství, je bohatý na spoustu léčivých pramenů a minerálních vod, známou minerální vodou je například voda Mattoni. S lázeňstvím se též pojí lázeňské oplatky a pohárky. Kraj je také proslulý díky výrobě bylinného likéru Becherovka, skla společností Moser a porcelánu. (Turistický portál Karlovarského kraje, [online])

2.6

Lázeňství v Karlovarském kraji

V Karlovarském kraji najdeme 5 lázeňských center, zón. Lázně v Karlových Varech, Mariánské lázně a Františkovy lázně tvoří tzv. lázeňský trojúhelník (RISY, [online]). 2.6.1

Karlovy Vary

Toto největší a nejproslulejší lázeňské město bylo založeno v roce 1350 králem Karlem IV. Na přelomu 16. a 17. století bylo postiženo povodněmi a požárem, po němž nastal velký stavební rozvoj. V roce 1870 bylo město napojeno na evropskou železniční síť, což s sebou přineslo tzv. Zlatý věk Karlových Varů. Lázeňská léčba zde probíhala zpočátku ve formě koupelí, na začátku 17. století začala převažovat léčba pomocí pitné kúry. V 18. století zde působil doktor David Becher, po němž je pojmenován světoznámý bylinný likér Becherovka. Becher provedl první chemický rozbor karlovarských vod. Na základě své analýzy propagoval mimo jiné i hojný pohyb ve formě vycházek, prosadil realizaci pokrokových léčebných metod, čímž se zasloužil o modernizaci karlovarské balneologie. Karlovy Vary jsou významným střediskem cestovního ruchu i díky své jedinečné architektuře (secese, historismus, neorenesance). Základem tamější léčby je pramen Vřídlo o teplotě až 73 °C tryskající až do výše 15 metrů. Užívají se zde i další prameny o teplotách 42 až 72 °C. V karlovarských pramenech lze najít více než 50 prvků, jež lidský organismus potřebuje. (Seifertová, 2003) Toto město nadále oplývá bohatou kulturní nabídkou. Od roku 1946 se zde pořádá světoznámý Mezinárodní filmový festival, ale i další například hudební, jazzové festivaly. Karlovy Vary nabízí pestrou a bohatou škálu sportovního vyžití a aktivního odpočinku. Seifertová (2003) zmiňuje, že tamější golfový areál patří

22


k těm nejstarším v naší zemi. Druhým nejoblíbenějším sportem je tenis, golfový klub Golf Club Karlovy Vary s klubem tenisovým TC Gejzírpark zde působí už přes 100 let. V roce 1894 byl založen jezdecký klub a začala se rozvíjet též dlouholetá historie koňských dostihů. Nachází se zde sklářská huť sklárny Moser. (Kajlík, 2007) David a kol. (2005) navíc zmiňují další atraktivní místa, která lze v tomto městě navštívit. Mezi nimi například Karlovarské rozhledny (např. Diana), velké množství kolonád, Grandhotel Pupp jako symbol vznešenosti a noblesy, řadu církevních památek (např. i pravoslavný chrám Petra a Pavla) i japonskou zahradu u hotelu Richmond. Dostupnost tohoto města je zajištěna také díky tamějšímu mezinárodnímu letišti. (Kajlík, 2007) 2.6.2

Mariánské lázně

Vznik tohoto města se datuje přibližně od počátku 19. století, z lázeňského trojúhelníku jsou tyto lázně nejmladší. Největší zásluhy na vzniku města jsou připisovány opatu Karlovi Kašparovi Reitenbergerovi. (Seifertová, 2003) Za Reitenbergovy podpory bylo během dvaceti let vybudováno nové lázeňské městečko v klasicistně-empirickém slohu. Tvůrcem tamějších anglických parků s altánky a pavilony byl pak architekt Václav Skalník. I toto město oplývá tedy jedinečnou architekturou, ze stavebních slohů zde převládá především novoklasicismus a novorenesance. Na území tohoto městečka vyvěrá přes 40 studených léčivých pramenů s teplotou v rozmezí 7 až 10 °C, dle Davida a kol. (2005) je každý z těchto pramenů odlišný, specifický a taková pestrá škála vod na tak malém prostoru je jedinečná na celém světě. (Kajlík, 2007) Mariánské lázně nabízí též golfové a tenisové vyžití. První golfové hřiště zde bylo založeno anglickým králem Edwardem VII. v roce 1905. V roce 1947 byl založen golfový klub Golf Club, jemuž byl roku 2003 udělen prestižní titul Royal Golf Club anglickou královnou Alžbětou II. Od roku 1922 byla zprovozněna unikátní kilometrová plochá dráha původně využívána pro dostihy, posléze jako závodiště pro motocykly. (Kajlík, 2007) Významnou atrakcí je zde i Zpívající fontána, navazující na novobarokní kolonádu. Tato fontána hraje od května do října v každou lichou hodinu jednu z osmi různých skladeb. Mariánské lázně navštívilo mnoho významným osob — spisovatelů, básníků, skladatelů, malířů i vědců, mezi nimi například Fryderyk Goethe, jehož pokoj spolu s předměty, které používal lze shlédnout zcela v původním stavu, ale i Chopin, Edison atd. Shlédnout lze též i přesné kopie historických staveb České republiky v tzv. Miniatur parku. (David a kol., 2005) 2.6.3

Františkovy lázně

První zdejší lázně byly založeny roku 1793 chebským lékařem Adlerem, roku 1795 pak vzniklo toto město, jehož původní název byl Lázně císaře Františka. V 19. století zde byly objeveny další prameny přispívající k rozkvětu tohoto města. Seifertová


23

(2003) zmiňuje, že Františkovy lázně jsou nejmenšími lázněmi lázeňského trojúhelníku. (Kajlík, 2007) Během sezony nabízí lázně bohatý kulturní program, mají svůj vlastní lázeňský orchestr. Bylo zde vybudováno nové rekreační centrum Aquaforum a Fitforum i nedaleký golfový areál. (Kajlík, 2007) Návštěvníci zde mohou shlédnout mimo jiné Císařskou třídu, korzo s typickou lázeňskou architekturou, obchůdky, kavárnami, dále pak sochu Františka, symbolu tohoto města, rotundu nad pramenem Glauber IV jako zmenšenou kopii Napoleonovy hrobky v Paříži, tzv. Invalidovny i lesopark zvaný Amerika. (David a kol., 2005) 2.6.4

Lázně Jáchymov

Jáchymov byl původně hornickým městem s více než pětisetletou hornickou historií. Věhlas tomuto městu byl zaručen díky bohatým nalezištím stříbra. V roce 1716 zde vznikla první báňská škola ve střední Evropě. Lázně v Jáchymově jsou nejmladšími západočeskými lázněmi s dramatickým začátkem, a to objevením silného pramenu radonové vody horníky, který posléze důl zaplavil. Po druhé světové válce prudce vzrostla těžba uranu, jež poznamenala jak vzhled, tak i pověst města. Těžba byla později zastavena a město spolu s lázněmi opět otevřeny pro veřejnost. Mezi nejznámější jáchymovské prameny patří například pramen Svornost, později po návštěvě Marie Curie přejmenován na pramen Curie. Seifertová (2003) zmiňuje, že se manželé Curieovi též postarali o věhlas tohoto města, jejich objev sem přivedl spoustu vědců a lékařů zabývajících se radioaktivním zářením. (Kajlík, 2007) Mezi významné památky zde patří Královská mincovna, kde se zrodil Tolar, předchůdce dolaru (Seifertová, 2003). David a kol. (2005) zmiňují další významné památky v Jáchymově, mezi nimi například kostely sv. Jáchyma a sv. Anny či pozdně gotický špitální kostel Všech svatých i pozůstatky hradu Freudensteinu, spatřit lze druhý nejstarší léčebný ústav Radium Palace, jenž byl ve své době jedním z nejlepších v Evropě. 2.6.5

Lázně Kynžvart

Dějiny lázní Kynžvart se datují kolem roku 1822, kdy se švédský chemik Berzelius zasloužil o využívání kynžvartských pramenů k léčbě a pití. V té době patřily obce se zámkem Kynžvart rodu Metternichů, kteří rozvoj lázeňství též podporovali. Nyní se tyto lázně specializují na léčbu dětí. Co se týká kulturního vyžití, oplývá toto město též hojným počtem akcí, mezi nimi například myslivecké zábavy, zámecký jarmark, folklorní slavnosti apod. (Kajlík, 2007)

2.7

Ostatní památky a atraktivní místa Karlovarského kraje

Návštěvník Karlovarského kraje však může navštívit místa a památky ne přímo s lázeňstvím související.

24


Hrad ze 14. století ve městě Bečov nad Teplou s renesančním zámkem ze století osmnáctého nabízí prohlídku muzejních sbírek, mezi kterými lze spatřit i relikviář sv. Maura. V úvahu připadá i návštěva zámku Kynžvart, rodového sídla Metternichů a dalších hradů (např. Ostroh, Vildštejn, Loket). Navštívit lze také pivovar v Chodové Plané, středověké město Stříbro, poblíž kterého lze navštívit i klášter Benediktinů v Kladrubech u Stříbra s unikátní architekturou chrámu Nanebevzetí Panny Marie od známého architekta J. B. Santiniho. Karlovarský kraj nabízí řadu udržovaných cyklostezek, dokonce i motýlí farmu. Turisté mohou navštívit též Chráněnou krajinnou oblast Slavkovský les a absolvovat řadu výletů a naučných stezek například skrz Kladská a jiná četná rašeliniště, dále pak výlety do obce Prameny nebo k premonstrátskému klášteru Teplá ze 12. století s klášterní knihovnou i Pravěké sídliště a pohřebiště v Žirovicích datované od doby bronzové. Navštívit lze také městskou památkovou rezervaci Cheb i ostatní okolní města jako Loket, Kynšperk, Horní Slavkov, kde byla založena první česká porcelánka, Ostrov nad Ohří se zámkem a rozsáhlým parkem, stejně tak Klášterec nad Ohří – městskou památkovou rezervaci apod. Z přírodních útvarů lze spatřit Svatošské skály v povodí řeky Ohře, přírodní rezervaci Soos jako dokladu pozdní vulkanické činnosti a Goethovu skalku, kterou básník Goethe sám navštěvoval. V nedalekých Krušných horách lze podnikat výlety na zdejší nejvyšší horu Klínovec. Vyžití je zde nabízeno i v zimě, kraj oplývá řadou lyžařských tras a svahů. (Kajlík, 2007)


25

3 Materiál a metodika 3.1

Časové řady a jejich druhy

Mnoho společenských či ekonomických jevů popisujeme pomocí tzv. časových řad. Pod pojmem časová řada, nebo též řada chronologická, vývojová či dynamická (Minařík, 2000), rozumíme posloupnost hodnot daného ukazatele uspořádaných ve směru od minulosti po přítomnost. Týkají-li se tyto naměřené hodnoty ukazatele ekonomického, mluvíme o tzv. časových řadách ekonomických. Je nezbytné, aby byly naměřené údaje srovnatelné prostorově, tedy aby se vztahovaly stále ke stejnému objektu či geografickému území, ale také věcně, neboť se obsahová vymezení měřených ukazatelů mohou postupem času měnit. Neméně důležitá je i časová srovnatelnost, tj. aby délka intervalu byla u intervalových ukazatelů konstantní nebo i srovnatelnost cenová, tedy aby nebyly údaje vyjádřené v peněžních jednotkách zkreslené v důsledku vlastního vývoje cen. Porušení předchozích předpokladů by způsobilo nesrovnatelnost, zkreslenost a téměř bezcennost hodnot dané časové řady. (Hindls a kol., 2006) Cílem analýzy časových řad, pomocí četných druhů metod, je pochopit principy, jak tyto řady vznikají, vytvořit vhodný model charakterizující mechanismus generování jejich hodnot. S pomocí tohoto modelu budeme následně schopni predikovat budoucí vývoj daného ukazatele. (Adamec a kol., 2013) Rozdílnost a určitá specifika časových řad vedla k jejich rozčlenění dle několika hledisek. Hindls a kol. (2006) uvádí toto rozdělení: • Podle rozhodného časového hlediska dělíme časové řady na řady intervalových ukazatelů, jejichž velikost se odvíjí od délky úseku, za který je sledujeme, např. prodej výrobků za první čtvrtletí daného roku. Sečteme-li první čtyři čtvrtletí, získáme hodnotu tohoto ukazatele za rok. Opakem jsou řady okamžikových ukazatelů, jejichž velikost se vztahuje k určitému okamžiku, např. stav zásob ke konci účetního období. Jednotlivé údaje nemá smysl kumulovat, ale průměrovat ano, a to tzv. chronologickým průměrem. • Podle periodicity, s jakou údaje v řadách sledujeme, dělíme řady na krátkodobé, které mají délku periodicity zpravidla kratší než jeden rok, např. měsíčně zachycený index spotřebitelských cen. Řady s roční či ještě delší periodou se nazývají dlouhodobé, např. řada ročních hodnot hrubého národního produktu. Arlt a Arltová (2009) zmiňují navíc řady vysokofrekvenční s periodou kratší než jeden týden, např. vývoj cen akcií. • Podle druhu sledovaných ukazatelů členíme časové řady na řady ukazatelů primárních (prvotních), které lze získat přímým měřením, např. počet prodaných kusů výrobku. Řady ukazatelů sekundárních (odvozených) následně vzniknou odvozením od řad primárních, např. počet prodaných kusů připadajících na jednoho pracovníka.

26


• Podle způsobů vyjádření hodnot rozlišujeme řady naturálních ukazatelů vyjádřené v naturálních jednotkách, např. kusy, kilogramy. Řady peněžních ukazatelů jsou vyčísleny v peněžní formě, např. vývoj průměrné hrubé mzdy.

3.2

Specifické problémy časových řad

Při analýze časových řad se můžeme setkat s několika specifickými problémy, které mohou postup zkoumání ztížit či jeho výsledky zkreslit. Poznáním a pochopením příčin těchto problémů můžeme jejich vliv na analýzu vývoje daného ukazatele eliminovat. V předchozí kapitole byly zmíněny tři problémy související se srovnatelností časovou, prostorovou, cenovou a věcnou, pokusíme se tedy tyto druhy nesrovnatelností více rozvést a rozšířit o problémy další. Nejčastěji se podle Minaříka (2000) setkáváme s těmito problémy: • Problém zastarávání údajů se pojí s nadále a rychle se rozvíjejícím technologickým pokrokem, v jehož důsledku dochází k mnohým inovacím ve vývoji daných produktů, což je činí následně nesrovnatelnými. Zde se naskýtá i otázka cenové nesrovnatelnosti. Tento problém lze však vyřešit přepočítáním běžných cen na ceny stálé očištěním od inflace. • Problém kalendářních variací souvisí s nestejnou délkou roků, měsíců, nestejným počtem pracovních dnů, svátků apod. Tento problém tedy souvisí s potřebou časové srovnatelnosti údajů. • Problém volby hustoty okamžiku zjišťování souvisí s tím, jak často hodnoty měříme. Měříme-li příliš často, máme následně zbytečně rozsáhlá data. Ba naopak, je-li hustota okamžiků zjišťování velmi nízká, můžeme přehlédnout mnoho důležitých zákonitostí. • Problémy závislosti časově blízkých hodnot je u analýzy časových řad velice typický, označujeme jej jako tzv. autokorelaci, kdy nynější naměřená hodnota vykazuje závislost na naměřené hodnotě předchozí, nebo hodnotě jiné v rámci periodického kolísání. Adamec a kol. (2013) upozorňují na problémy další: • Problém chybějících hodnot, tedy potřebu doplnit chybějící pozorování lze několika způsoby. Můžeme jej doplnit aritmetickým průměrem nebo mediánem hodnot celého souboru nebo pouze hodnot okolních. V případě, kdy se řady vyvíjejí očekávaně a vyznačují se vysokou setrvačností lze doplnit hodnotu lineární interpolací neboli proložením sousedních bodů přímkou. Chybějící hodnotu můžeme také nahradit na základě vypočteného trendu dané řady. V případě, že řadu zcela neznáme a víme jen, že průměr všech hodnot souboru by měl být nulový, můžeme za chybějící člen dosadit hodnotu nulovou. Ba naopak, jsme-li schopni s jistotou určit model chování procesu, nahradíme člen odhadem na základě tohoto modelu.


27

• Problém s volbou časových bodů pozorování souvisí s potřebou analyzovat časové řady diskrétní (stavové), vztahující se k jednotlivým okamžikům, a ne spojité (tokové), které se vyvíjejí za určité období. Proto je potřeba tokové veličiny za určité období například sečíst a tím je „diskretizovat“. • Problém s oficiální statistikou souvisí například s problémem mezinárodního srovnávání určitých ukazatelů, které nemusí být co do metody použití a jednotek shodné.

3.3

Elementární charakteristiky časových řad

Při analýze časové řady je vhodné zabývat se i tzv. elementárními charakteristikami. Díky jejich zkoumání můžeme následně zjistit mnoho dalších principů a informací o analyzovaném ukazateli, které na první pohled nebyly zřejmé, tím nám mohou pomoci při jeho podrobnější analýze. Lze je také použít jako nápovědu pro určení trendu naší časové řady, o čemž pojednáme v následující kapitole. Mezi elementární charakteristiky časových řad řadíme dle Kropáče (2009) diference neboli absolutní přírůstky a koeficienty růstu. Minařík (2000) zmiňuje navíc i koeficient přírůstku a následně tempo růstu i přírůstku. Vzorce i v následujících kapitolách převezmeme od Adamce a kol. (2013), kteří též následně zmiňují i další pohledy na měřené elementární ukazatele. • Diference (absolutní přírůstky) vypočítáme jako rozdíl dvou po sobě jdoucích hodnot dle vzorce:

d = y -y t

t

t -1

, pro t = 2, 3,…, T.

3. 1

Výsledek nám říká, o kolik měrných jednotek se změnila hodnota sledovaného ukazatele oproti hodnotě naměřené v bezprostředně předcházejícím okamžiku. Z interpretace lze tedy usoudit, že výsledná diference může být kladná (přírůstek), záporná (úbytek) i nulová. Diference prvního řádu můžeme zprůměrovat pomocí vzorce:

∑ d = T

d

t =2

t

=

y

T

−

y

1

3. 2

T −1 T −1 Díky tomuto aritmetickému průměru získáme diferenci prvního řádu průměrnou, říká, o kolik se průměrně měnila hodnota ukazatelů vzhledem k hodnotám měřeným v bezprostředně předcházejícím okamžiku. Protože se hodnota tohoto ukazatele odvíjí od krajních hodnot dané řady, doporučuje se pro časové řady ukazatelů, jež se vyvíjí monotónně. Kromě diferencí řádu prvního existují i diference řádů vyšších. Například diference druhého řádu vzniká odvozením z řady diferencí prvního řádu dosazením do vzorce:

28

Materiál a metodika 2

d =d −d t

t

t −1

, pro t = 3, 4, …, T.

3. 3

Někdy nedochází k porovnávání přímo dvou sousedních hodnot, ale například hodnot vztahujících se ke stejnému období (např. změna počtu návštěvníků za první čtvrtletí 2013 oproti prvnímu čtvrtletí roku 2012), v tomto případě se jedná o diference sezónní a i ty lze průměrovat. • Koeficienty růstu charakterizují rychlost, jakou se mění (rostou či klesají) hodnoty časové řady, vypočítáme je dle vzorce:

k

=

t

y y

, pro t = 2, 3,…, T.

t

3. 4

t −1

Výsledek nám říká, kolikrát se změnila hodnota sledovaného ukazatele oproti hodnotě naměřené v bezprostředně předcházejícím okamžiku. Velikost tohoto ukazatele nemůže být nikdy záporná. V případě úbytku je ukazatel menší jak číslo jedna, v případě žádné změny je roven jedné a v případě přírůstku je větší než jedna. I koeficient růstu můžeme průměrovat, avšak protože se jedná o bezrozměrné charakteristiky, průměrujeme geometrickým průměrem dle vzorce: T

k

= T −1 C k t = T −1 t =2

y y

T

3. 5

1

Po dosazení nám výsledné číslo říká, kolikrát průměrně se měnila hodnota sledovaného ukazatele oproti hodnotám naměřeným v bezprostředně předcházejícím okamžiku. I zde platí, že se hodnota tohoto ukazatele odvíjí od krajních hodnot dané řady, stejně jako u průměrné diference je vhodné tuto charakteristiku počítat pouze u monotónních časových řad. Zjišťovat můžeme i sezónní koeficienty růstu. Vynásobíme-li tento bezrozměrný ukazatel číslem sto, dojde k jeho vyjádření v procentech, tzv. tempu růstu, ten nás informuje, na kolik procent vzrostla či poklesla hodnota sledovaného ukazatele oproti hodnotě naměřené v bezprostředně předcházejícím okamžiku. • Koeficienty přírůstku můžeme vypočítat jak z diferencí dosazením do vzorce:

δ

t

=

d y

t

, pro t = 2, 3,…, T.

3. 6

t −1

Můžeme jej však vypočítat i z koeficientu růstu, použijeme vzorec:

δ =k t

t

− 1 , pro t = 2, 3,…, T.

3. 7

Po dosazení do vzorce následně mluvíme o tzv. relativním přírůstku či v případě záporného výsledku o relativním úbytku. I tento ukazatel lze však vyjádřit v procentech. Tzv. tempo přírůstku vypočítáme tak, že jej po dosazení


29

do předchozích dvou vzorečků vynásobíme číslem sto, nebo použijeme vzorec uvedený níže, kam dosadíme koeficient růstu vyjádřený v procentech:

δ =k t

t

− 100 , pro t = 2, 3,…, T.

3. 8

Výsledek nám po dosazení říká, o kolik procent se změnila hodnota sledovaného ukazatele oproti hodnotě naměřené v bezprostředně předcházejícím okamžiku. I zde můžeme počítat sezónní koeficient přírůstku či tempo přírůstku. Lze vypočítat i průměrný koeficient přírůstku či tempo růstu dosazením průměrného koeficientu růstu do předchozích dvou vzorečků.

3.4

Dekompozice časových řad

Dekompoziční metoda rozkládá časovou řadu na čtyři složky. Dle Kropáče (2009) napomůže tento separovaný pohled k nalezení zákonitostí, které bychom bez rozložení nemuseli zjistit, a jednotlivými složkami jsou: • Složka trendová udává obecnou dlouhodobou tendenci vývoje daného ukazatele. Dle Minaříka (2000) může být trend rostoucí, klesající, střídavý, může být i omezený shora či zdola, vykazuje-li řada neměnný trend je označena jako řada stacionární. Tuto složku označujeme písmenem Tt. • Složka sezónní vyjadřuje periodické změny v časové řadě, odchylky od trendu, jež se odehrávají během jednoho roku a pravidelně se opakují, tedy dle Minaříka (2000) je perioda kratší nebo rovna jednomu roku. Tyto výkyvy jsou způsobeny faktory jako např. střídání ročních období apod. Složku označujeme písmenem St. • Složka cyklická popisuje dle Hindlse a kol. (2006) dlouhodobé kolísání kolem trendové funkce s délkou vlny delší než jeden rok. Určení příčin těchto kolísání bývá někdy velmi obtížné, mohou mít jak charakter ekonomický tak i neekonomický (např. vliv módy). Hindls a kol. (2006) navíc říká, že někdy tato složka nebývá považována jako samostatná, nýbrž je zahrnuta pod složku trendovou. Značíme ji písmenem Ct. • Složka náhodná je zbývající složkou po odstranění složky trendové, sezónní, případně cyklické, neboli po odstranění tzv. systematické složky. Zahrnuje například chyby v měření a při zpracování. Dle Hindlse a kol. (2006) je možné vysvětlit chování této složky pomocí pravděpodobnosti, musí se však ověřit splnění předpokladů tzv. normálního bílého šumu, o nichž pojednáme později. Náleží jí písmeno εt.

Skládání jednotlivých složek může mít dle Hindlse a kol. (2006) formu: • Aditivní, kdy jednotlivé složky sčítáme

Y =T + S +C +ε t

t

t

t

t

• Multiplikativní, kdy jednotlivé složky násobíme

3. 9

30


Y = T ⋅ S ⋅ C ⋅ε t

t

t

t

3. 10

t

• Smíšenou zmiňuje navíc Adamec a kol. (2013), členy systematické složky násobíme, složku nesystematickou následně přičítáme

Y = T ⋅ S ⋅C +ε t

3.5

t

t

t

3. 11

t

Analýza trendové složky

Při analýze časových řad lze trend popsat pomocí přístupu adaptivního (mechanického), kdy řada mění svůj charakter a nelze ji proložit vhodnou, jedinou matematickou funkcí, kde si pomůžeme např. použitím klouzavých průměrů a exponenciálního vyrovnání, tak pomocí přístupu analytického. Předpokládáme, že sledovaná veličina Yt je funkcí času, vysvětlující proměnnou je zde tedy proměnná časová. V případě, že analyzujeme časovou řadu pouze s trendovou složkou, skládá se výsledná funkce Yt pouze z této složky. V případě, že časová řada zahrnuje i další části systematické složky, skládá se výsledná funkce Yt ze všech těchto složek. (Adamec a kol., 2013) 3.5.1

Analytické vyrovnání

Analytickým vyrovnáním rozumíme podle Minaříka (2000) proložení hodnot daného ukazatele určitou matematickou křivkou. Základními typy matematických křivek jsou dle Hindlse a kol. (2006): • Polynom 1. stupně pro řadu vykazující lineární trend

T

t

=

β + β ⋅t 0

3. 12

1

• Polynom 2. stupně pro řadu vykazující kvadratický trend

T

t

=

β + β ⋅t + β t 0

1

2

2

3. 13

Výhodou lineárního trendu je jeho možné použití vždy, chceme-li alespoň orientačně určit základní směr vývoje časové řady. Protože se jedná o funkce lineární v parametrech, vypočítáme jednotlivé parametry pomocí metody nejmenších čtverců, které budeme věnovat samostatnou kapitolu. • Exponenciální tvar pro řadu vykazující exponenciální trend

T = β ⋅β t

0

t 1

3. 14

Exponenciální trend lze převést do lineárního tvaru, proto lze hodnotu parametrů odhadnout také pomocí metody nejmenších čtverců, a to z tvaru


31

ln T = ln β 0 + t ⋅ ln β 1

3. 15

Při hledání vhodné matematické křivky, kterou lze časovou řadu proložit, můžeme použít i analýzu grafického znázornění elementárních charakteristik. Tab. 1

Volba trendové funkce analýzou grafů elementárních charakteristik

Vývoj charakteristik První diference jsou konstantní První diference lineárně rostou Koeficienty růstu jsou konstantní

Doporučená funkce trendu Lineární trend Kvadratický trend Exponenciální trend

Zdroj: Hindls a kol., 2006, strana 293

3.6

Analýza sezónní složky

Se sezónními vlivy se setkáváme vždy, analyzujeme-li časovou řadu s periodou kratší než jeden rok. Sezónní vlivy mohou být klimatické, jako důsledek oběhu Země kolem Slunce, tak zprostředkované, dané společenskými standardy a zvyklostmi lidí. Tyto vlivy jsou pak v modelu reprezentovány sezónní složkou. Cílem analýzy této složky je ji kvantifikovat a následně od ní řadu očistit. Při analýze sezónní složky se setkáváme se dvěma jejími typy, a to sezónností konstantní a proporcionální. (Hindls a kol., 2006) 3.6.1

Konstantní sezónnost

Vyskytuje-li se v modelu tento druh sezónnosti, pak se předpokládá, že se amplituda jednotlivých výkyvů v závislosti na směru trendu nemění, trendová a sezónní složka se zde sčítají, vychází se zde z výpočtu tzv. sezónních konstant wj. (Minařík, 2000). Výkyvy se dle Hindlse a kol. (2006) v rámci roku kompenzují, proto předpokládáme jejich nulový součet. 3.6.2

Proporcionální sezónnost

U tohoto druhu sezónnosti se naopak amplituda mění v závislosti na směru trendové složky. Je-li trendová složka klesající, amplituda výkyvů se postupně zmenšuje, je-li rostoucí, amplituda se naopak zvětšuje. Trendová a sezónní složka se zde násobí, vychází se z výpočtu tzv. sezónních indexů. (Minařík, 2000) 3.6.3

Regresní přístup

Při tomto přístupu využíváme tzv. umělé (dummy) proměnné Djt. Hodnota umělých proměnných může být buď nulová, nebo rovna jedné, a to v případě, že čas t odpovídá j-té roční sezónně, přičemž j = 1, 2, …, m. Vyrovnanou hodnotu následně vypočítáme dosazením do vzorce:

32


Y =T +β D +β D t

t

1

1t

2

2t

+ ... + β

m

D

mt

+ ut

3. 16

Po výpočtu parametrů β pomocí metody nejmenších čtverců zjistíme, že jeden z nich bude nulový, tedy v konečném vzorci bude o jednu dummy proměnnou méně, neboť je tato proměnná lineární kombinací proměnných ostatních. Kdybychom ji nevyloučili, došlo by k tzv. perfektní multikolinearitě, čímž by byl porušen předpoklad lineárního regresního modelu a my bychom nebyli schopni vypočítat parametry β náležící danému modelu. (Adamec a kol., 2013)

3.7

Analýza náhodné složky

Minařík (2000) rozlišuje mezi složkou náhodnou a složkou reziduální. V případě, že námi vypočtená systematická složka odpovídá opravdu skutečnosti, pak můžeme rozdíl mezi naměřenou hodnotou a systematickou složkou označit jako složka náhodná. Ve skutečnosti je však i systematická složka pouze odhadem vykazujícím určité nepřesnosti, proto o rozdílu mluvíme jako o složce reziduální. Aby byl model optimální, musí dle Hindlse a kol. (2006) tato složka splňovat předpoklady tzv. bílého šumu. Zdrojem reziduální složky by měly být nepodchytitelné a vzájemně nezávislé vlivy, jež se kompenzují. Reziduální složka by měla mít nulovou střední hodnotu, konstantní rozptyl, její hodnoty by neměly korelovat se sebou samými.

3.8

Predikce budoucích hodnot daného ukazatele

Po zanalyzování všech složek získaných dekompozicí dané časové řady a následným vytvořením modelu o určitém tvaru jsme schopni predikovat budoucí hodnoty našeho analyzovaného ukazatele. Jak už zde bylo řečeno, vysvětlující proměnou v tomto typu modelů bývá proměnná časová. V této práci budeme časovou proměnnou popisovat pomocí počtu hodnot, které máme (např. analyzujeme-li vývoj čtvrtletní časové řady během sedmi let, máme 28 hodnot, tedy časová proměnná bude t = 1, 2, …, 28). Pro predikci budoucích hodnot ukazatele, např. pro jednotlivá čtvrtletí následujícího roku, pak dosazujeme t = 29, 30, 31, 32. Setkali-li jsme se při modelování se sezónností konstantní, dosadíme budoucí hodnoty časové proměnné do trendové funkce, ke které následně podle j-tého čtvrtletí přičteme sezónní konstanty wj na rozdíl od proporcionální sezónnosti, kde trend násobíme příslušným sezónním indexem. U regresního přístupu dosazujeme do trendové funkce též budoucí hodnoty proměnné t a princip použití dummy proměnných je stejný, jak jsme již vysvětlili dříve. (Adamec a kol., 2013)

3.9

Výpočet parametrů modelu

Pro výpočet parametrů β daného modelu používáme tzv. Metodu nejmenších čtverců. Tato metoda lze ovšem aplikovat pouze v případě, že je námi zvolený model lineární v parametrech a není-li, tak záleží, jestli jej lze na model lineární v parametrech transformovat. Tato metoda následně vyhledá pro model takové


33

parametry, při kterých jsou minimalizovány sumy čtverců reziduí neboli sumy čtverců odchylek vypočtených (též vyrovnaných) hodnot od skutečných. (Minařík, 2000) Vycházíme ze vzorce: 3. 17 Q = ESS = ∑ e = ∑ (Y − Yˆ ) → min . V případě analýzy časových řad dosazujeme za Yˆ námi předpokládanou formu n

2

n

i =1

i

i =1

2

i

i

trendové složky (např. lineární, kvadratickou atd.) a vzorec derivujeme podle jednotlivých parametrů β. Získáme tak soustavu normálních rovnic, ze kterých jsme tím, že je všechny jednotlivě položíme rovny nule, po dosazení jednotlivých komponent schopni hodnoty parametrů β vyjádřit. (Kropáč, 2009)

3.10 Hodnocení vybraného modelu Nalezneme-li model, o němž předpokládáme, že je pro prezentaci principů generování skutečných hodnot a následně pro predikci optimální, je třeba jej otestovat. Celý model lze otestovat pomocí tzv. indexu (koeficientu) determinace R2. Jeho vyjádřením dostaneme odpověď na otázku, do jaké míry námi zvolená funkce vysvětluje funkční vztah mezi vysvětlovanou a vysvětlující proměnnou (Kropáč, 2009).

∑ (Yˆ − Y ) = R ∑ (Y −Y ) n

2

2

i =1 n

i

i =1

i

2

3. 18

Bohužel použití této statistiky není zcela korektní a to zejména proto, že přidáme-li do modelu nevhodnou vysvětlující proměnnou, hodnota R2 nikdy neklesne, proto používáme tzv. adjustovaný koeficient R2adj, který v tomto případě opravdu klesá. (Adamec a kol., 2013) Používáme vzorec: n −1 2 2 3. 19 Radj = 1 − (1 − R ⋅ n − p

)

Po výpočtu parametrů β musíme otestovat jejich průkaznost, a to pomocí tzv. tstatistiky. Při testování průkaznosti parametru stanovujeme nulovou hypotézu H0 o jeho neprůkaznosti, tedy že je nulový a právě tuto hypotézu chceme zamítnout. Do t-statistiky dosazujeme hodnotu našeho testovaného parametru spolu s hodnotou jeho střední chyby. Nejprve dosadíme do vzorce: βˆ j = 3. 20 t SE βˆ

( ) ( ) j

Následně určíme díky kvantilům souměrného Studentova rozdělení kritický obor dle vzorce:

34


   − ∞; − t α (n − p ) ∪ t α (n − p ); ∞    (1− ) (1− ) 2 2  

3. 21

Vyjde-li nám z t-statistiky číslo patřící do kritického oboru, zamítáme nulovou hypotézu a daný koeficient je průkazný. Teoreticky by se dalo říci, že vyjde-li nám t– statistika, jejíž velikost je v absolutní hodnotě větší než kvantil Studentova rozdělení t(1-α/2) (n-p), je koeficient průkazný. V případě, že nulovou hypotézu nezamítáme, znamená to, že koeficient u dané proměnné není průkazný a tudíž i ona je do modelu zbytečně zahrnuta. Bohužel použití této statistiky není opět zcela korektní, netestuje teoretickou platnost a nepoukazuje ani na důležitost vysvětlující proměnné. (Adamec a kol., 2013) Průkaznost celého modelu a tedy všech koeficientů současně můžeme též testovat pomocí tzv. F-statistiky odvozené z tzv. tabulky ANOVA. V tomto případě stanovujeme stejnou nulovou hypotézu jako v případě t-statistiky s cílem ji zamítnout. Dosazujeme do vzorce:

∑ (Yˆ − Y ) ÷ ( p − 1) = F ∑ (Y − Yˆ ) ÷ (n − p ) 2

n

i =1

i

i

2

n

i =1

i

3. 22

i

Posléze určíme kvantil Fisherova-Snedecorova rozdělení F(1-α)(p-1;n-p). Nulovou hypotézu zamítáme v případě, že má námi vypočtená statistka vyšší hodnotu než daný kvantil. Při testování se můžeme setkat i s tzv. P-hodnotou, tu nám vypočítává pouze software. Je-li její hodnota menší než námi zvolená hladina významnosti α, nulovou hypotézu zamítáme. Rozhodujeme-li se mezí více modely, můžeme využít také náhodné složky a vypočítat tzv. interpolační kritéria, přičemž vhodnější bude ten model, u kterého bude jejich hodnota nejmenší. Mezi tato kritéria řadíme: • Průměrné reziduum (M. E.)

∑ e M .E . = T

t =1

3. 23

t

T

• Průměrná absolutní reziduální odchylka (M. A. E.)

∑ et T

M . A.E. =

t =1

3. 24

T

• Průměrná čtvercová reziduální odchylka (M. S. E.)

∑ e M .S .E. = T

2

t =1

t

T

3. 25


35

• Směrodatná odchylka (R. M. S. E.) R.M .S .E. = M .S .E.

(Adamec a kol., 2013).

3. 26

36


4 Statistické zpracování 4.1

Popis získaných dat a metodologie jejich vzniku

V naší práci se budeme zabývat analýzou časových řad návštěvnosti lázeňských ubytovacích zařízení za jednotlivá čtvrtletí. Všechna hromadná ubytovací zařízení vyplňují dle informací Ondřeje Košaty, zaměstnance Českého statistického úřadu, jednou za každé čtvrtletí výkaz Českého statistického úřadu, kde mj. označí, do jaké kategorie spadají (hotel ****, penzion apod.), zda jsou v provozu celoročně či jen sezónně, zda zde nedošlo k situacím, které vedly k nulovému počtu ubytovaných hostů (např. rekonstrukce apod.) a následně uvedou celkový počet ubytovaných hostů dle jejich státního občanství spolu s počtem nocí, které v zařízeních hosté přenocovali. To vše za každý měsíc daného čtvrtletí. Každé zařízení, které by mohlo být považováno za lázeňské, při vyplňování tohoto výkazu zhodnotí, zda splňuje následující kritéria: nachází se v lázeňské zóně (v Karlovarském kraji jsou to tedy zóny Karlovy Vary, Mariánské lázně, Františkovy lázně, lázně Jáchymov a Kynžvart), nabízí ubytovací a stravovací služby a lázeňskou péči ve vlastních provozovnách. Jestliže ano, ohlásí se Českému statistickému úřadu jako zařízení lázeňské (pokud ho již úřad jako lázeňské neeviduje). Posléze je u těchto zařízení spočítán celkový počet osob, které využily služeb daného zařízení k přechodnému ubytování (např. z důvodu lázeňské péče, nebo jen turistiky bez využití služeb lázeňství apod.) a tím získáváme celkový počet návštěvníků lázeňských ubytovacích zařízení a jimi přenocovaných nocí za dané čtvrtletí, součtem čtvrtletních údajů pak získáme celkovou návštěvnost za daný rok. Je ovšem nutno podotknout, že zařízení usuzují sama, zda zmíněná kritéria splňují, může tedy dojít k chybnému zahrnutí počtu návštěvníků daného zařízení do lázeňských statistik z důvodu neoprávněného ztotožnění se s jedním či více vyjmenovanými kritérii. Dnešní lázeňská ubytovací zařízení (dále jen LUZ) nabízejí hostům i možnost se zde pouze ubytovat a lázeňskou péči nevyužívat. I tito hosté byli započítáni do statistik časových řad Českého statistického úřadu, které v této práci budeme analyzovat, neboť zkoumáme návštěvnost lázeňských ubytovacích zařízení z pohledu cestovního ruchu a ne z pohledu zdravotnictví.

4.2

Analýza vybraných časových řad

V této části práce budeme analyzovat návštěvnost lázeňských ubytovacích zařízení Karlovarského kraje za jednotlivá čtvrtletí od roku 2000 do roku 2012, celkem tedy bylo provedeno 52 statistických pozorování. Ukážeme, že tento kraj má největší podíl a tudíž i vliv na návštěvnost lázeňských ubytovacích zařízení celé České republiky. Dále budeme řešit návštěvnost zařízení kraje z pohledu počtu rezidentů,


37

nerezidentů a jejich struktury a dále počtu přenocovaných nocí, u dvou těchto skupin vykázaných. Pro všechny tyto časové řady najdeme dekompozičním přístupem vhodný model. Díky tomuto modelu pak budeme předpovídat budoucí hodnoty ukazatele, jež následně srovnáme s těmi skutečnými za první dvě čtvrtletí roku 2013. Počítat budeme pomocí programu Microsoft Excel 2010, pro ověření správnosti vypočtených hodnot, zobrazení grafů a testování reziduální složky použijeme program Gretl. Všechna data byla získána prostřednictvím již zmíněného Českého statistického úřadu. 4.2.1

Analýza návštěvnosti LUZ Karlovarského kraje

Časová řada celkové návštěvnosti lázeňských ubytovacích zařízení Karlovarského kraje v rozmezí let 2000-2012 je zachycena na následujícím grafu. Daná řada má rostoucí trend, maximální roční hodnoty bylo dosaženo roku 2012, minimální naopak roku 2000. Ukazatel je ovlivněn čtvrtletní sezónností.

Obr. 1 2012)

Graf celkové návštěvnosti lázeňských ubytovacích zařízení Karlovarského kraje (2000-

Největší přírůstek návštěvníků byl zaznamenán v roce 2006, kdy zařízení v jarních měsících navštívilo o 28 864 hostů více oproti předešlému zimnímu období. Počet hostů byl tak navýšen 1,46krát, hodnota ukazatele se tedy navýšila o 46 %. Maximální úbytek je zaznamenán v roce 2010, kdy byla návštěvnost lázní na podzim o 23 393 nižší než v létě, počet hostů byl snížen 0,8krát, hodnota ukazatele tak klesla

38


o 20 %. Empirické hodnoty spolu s vypočtenými elementárními charakteristikami lze najít v příloze č. 1. Spočítáme-li průměrné diference, zjistíme, že se návštěvnost za druhé, jarní čtvrtletí oproti prvnímu, zimnímu zvyšovala průměrně o 20 885 hostů, v letním čtvrtletí oproti jarnímu o 7 348 hostů, v podzimním oproti letnímu klesala o zhruba 16 854 hostů, v zimním pak oproti podzimnímu klesala ještě o 6 535 hostů. Hledáním modelu se v této kapitole budeme zabývat podrobněji, aby byl v následujících, ne už tak podrobných kapitolách zřejmý postup. Pro najití vhodného modelu musíme řadu nejdříve proložit nejlépe vyhovující trendovou funkcí. Budeme uvažovat o přímce, parabole a kubické parabole, přičemž se zaměříme na velikost jednotlivých adjustovaných koeficientů a interpolačních kritérií, u všech těchto zvolených funkcí, pomocí programu Excel spočítaných a v tabulce č. 2 uvedených. Žádoucí největší adjustovaný koeficient a nejmenší interpolační kritéria jsou vykazována u kubické paraboly, proto se na tuto křivku zaměříme. Po výpočtu parametrů metodou OLS analýzou dat v programu Excel, kde vysvětlovanou proměnnou byly empirické hodnoty návštěvnosti a vysvětlujícími proměnnými pak první, druhá a třetí mocnina časového trendu a konstanta, však na základě t-statistik, uvedených ve vzešlé tabulce Anova, zjišťujeme neprůkaznost všech přítomných koeficientů kromě konstanty β0. Tab. 2

Kritéria vypovídající o vhodnosti navrženého modelu (celková návštěvnost KV kraje)

Adjust. koeficient M. E. M. A. E. M. S. E. R. M. S. E.

Přímka 74,67 % 0 9 801 131 670 292 11 475

Parabola 74,24 % 0 9 842 131 241 418 11 456

Kubická parabola 75,12 % 0 9 677 124 173 580 11 143

Nejdříve proto z modelu odstraníme člen β1t, následně vysledujeme změnu hodnoty adjustovaného koeficientu a porovnáme velikosti jednotlivých t-statistik s hraničním kvantilem kritického oboru uvedeným v závorce v hlavičce následující tabulky u příslušných sloupců.

Statistické zpracování Tab. 3 kraje)

39

Porovnání původní a nově vzniklé formy kubické paraboly (celková návštěvnost KV

Adjust. koeficient β0 β1 β2 β3

Kubická parabola 75,12 % 53 829,610 -548,796 82,998 -1,003

t-statistika (2,01063) 7,771 -0,490 1,697 -1,653

Kubická parabola bez členu β1t 75,51 % 50 839,084 59,770 -0,729

t-statistika (2,00958) 15,694 5,094 -3,110

Z předchozí tabulky je patrné, že volba trendové funkce ve tvaru: Tt = 50 839,084 + 59,770t2 – 0,729t3 + ε, kde t = 1, 2, …, 52

4. 1

způsobila navýšení adjustovaného koeficientu i t-statistik, jejichž velikost je v absolutní hodnotě vyšší než uvedený kvantil. Na základě hodnoty F-statistiky, a to 79,613 můžeme říci, že i celý model je průkazný, neboť je tato hodnota vyšší, než kritický kvantil 3,187. Tedy, odebráním členu jsme dosáhli požadované průkaznosti přítomných parametrů β a lepšího popisu dat vybranou trendovou funkcí znázorněného na následujícím grafu. Povšimněme si záporného koeficientu u t3, jež nám tvar kubické paraboly převrací souměrně podle osy y. V budoucnosti lze tak dle našeho modelu očekávat klesající přírůstky návštěvníků, neboť kapacity LUZ nejsou neomezené. V případě rostoucích kapacit a jejich obsazenosti bude nutno zvolit jiný model.

40

Obr. 2


Znázornění popisu naměřených dat vybranou trendovou funkcí

Popis empirických hodnot pouze trendovou funkcí však nestačí. Jednotlivé výkyvy jsou způsobeny čtvrtletní sezónností, a protože se jejich amplituda s rostoucím trendem nemění, budeme v programu Excel počítat sezónní konstanty plynoucí z tzv. konstantní sezónnosti, přičemž je nutno respektovat fakt, že je suma vypočtených konstant rovna nule. Tab. 4

Vypočtené sezónní konstanty (celková návštěvnost KV kraje)

Čtvrtletí Q01 Q02 Q03 Q04 součet

wj -13 417 6 333 12 540 -5 456 0

Upravíme-li za jednotlivá čtvrtletí vypočtené hodnoty trendu přičtením konstant příslušných k jednotlivým čtvrtletím, získáme následující graf skutečných a nově vzniklých vyrovnaných hodnot na následující straně.


Obr. 3

41

Znázornění popisu naměřených dat součtem trendové a sezónní složky

Po otestování reziduální složky jsme zjistili, že v modelu není heteroskedasticita a rezidua mají normální rozdělení. To samé bohužel nemůžeme říci o žádoucí sériové nezávislosti. Mezi reziduy existuje autokorelace dokonce i vyšších řádů než jen prvního. Počítáme-li parametry modelu pomocí metody OLS, je střední hodnota reziduí rovna nule. I přesto, že rezidua nesplnila předpoklad sériové nezávislosti, kterou by bylo zřejmě možné odstranit přidáním umělé zlomové proměnné, model považujeme za spolehlivý a zkusíme podle něj predikovat budoucí hodnoty. Chceme-li v programu Excel predikovat budoucí hodnoty sledovaného ukazatele na jednotlivá čtvrtletí roku 2013, je nutné rozšířit hodnoty časového trendu t = 1, 2, …, 52 o t = 53, 54, 55, 56, přičemž počítat budeme pouze s konstantou β0 a druhými a třetími mocninami těchto nově přidaných hodnot vynásobenými příslušnými parametry, neboť člen β1t nám z modelu kvůli neprůkaznosti vypadl. Díky vypočteným koeficientům jsme tak schopni zjistit predikované hodnoty trendové složky, k nimž přičteme vypočtené jednotlivé sezónní konstanty. Predikované hodnoty zobrazuje tabulka č. 5, kde byly vypsány i skutečné hodnoty za první dvě čtvrtletí roku 2013 vypočtené Českým statistickým úřadem.

42


Tab. 5

Predikované hodnoty na rok 2013 (celková návštěvnost KV kraje)

Rok

2012

2013

Čtvrtletí Q01 Q02 Q03 Q04 Q01 Q02 Q03 Q04

Skutečné hodnoty 95 358 112 699 124 001 105 243 98 170 116 962

Trend 108 524 109 078 109 534 109 886 110 129 110 261 110 275 110 169

wj -13 417 6 333 12 540 -5 456 -13 417 6 333 12 540 -5 456

Vyrovnané hodnoty 95 106 115 411 122 074 104 430 96 712 116 594 122 815 104 713

Z tabulky vyplývá, že jsou predikované hodnoty za první dvě čtvrtletí roku 2013 nižší, než hodnoty již spočítané, které mohou být ovšem ještě Českým statistickým úřadem poupraveny. V případě, že hodnoty budou i tak vyšší než námi predikované, potýká se návštěvnost LUZ Karlovarského kraje se stále se zvyšujícím počtem návštěvníků, což je příznivé jak pro tato zařízení, tak pro ostatní subjekty, jež mají na větším počtu návštěvníků zájem a to v důsledku cestovního ruchu jakožto průřezového odvětví nabalujícího na sebe další s ním související odvětví. Graficky znázorněné predikované hodnoty jsou přiloženy v příloze č. 2. 4.2.2

Analýza návštěvnosti LUZ Karlovarského kraje z pohledu rezidentů

Časová řada návštěvnosti lázeňských ubytovacích zařízení Karlovarského kraje rezidenty v rozmezí let 2000-2012 je červeně zachycena na obrázku č. 4, analyzovaná data jsou přiložena v příloze č. 3. Daná řada má rostoucí trend, proto budeme pro jeho popis uvažovat o třech funkčních formách, a to přímce, parabole a exponenciále. Opět sledujeme velikost jednotlivých adjustovaných koeficientů a interpolačních kritérií, jež spočítáme v programu Excel u všech těchto funkcí zvolených. Výsledná čísla obsahuje tabulka č. 6. Tab. 6

Kritéria vypovídající o vhodnosti navrženého modelu (celková návštěvnost rezidenti)


Přímka 36,7 % 0 4 310 24 569 524 4 957

Parabola Exponenciála 41,65 % 33,6 % 0 667 4 279 4 337 22 209 042 24 153 215 4 713 4 915

Podle již dříve zmíněných žádoucích hodnot kritérií nám nejlépe vychází parabolická forma trendu. Avšak, po výpočtu parametrů metodou OLS v témže programu


43

analýzou dat, kde vysvětlovanou proměnnou byly empirické hodnoty rezidentské návštěvnosti a vysvětlujícími proměnnými pak první a druhá mocnina časového trendu s konstantou, na základě t-statistik zjistíme neprůkaznost koeficientu β1. Situaci budeme řešit stejným způsobem jako v předchozí kapitole, člen β1t odstraníme, čímž dosáhneme navýšení adjustovaného koeficientu na 42,08 %, průkaznosti všech zbylých parametrů i celého modelu. Tab. 7

Odhad parametrů u parabolické funkční formy (celková návštěvnost rezidenti)

Parametry β0 β2

Parabola bez členu β1t 14 780,05 5,043

Trendová funkce má tvar: Tt = 14 780,05 + 5,043t2 + ε, kde t = 1, 2, 3, …, 52

4. 2

I tento ukazatel je ovlivněn čtvrtletní sezónností. Jelikož se může zdát, že se amplituda výkyvů s rostoucím trendem nepatrně zvyšuje, vypočítali jsme i sezónní indexy triviálního modelu. Těmito indexy jsme vynásobili vypočtené trendové hodnoty, získali tak vyrovnané hodnoty a poté rezidua. Následně spočtená interpolační kritéria však nabývala vyšších hodnot než v případě konstantní sezónnosti. Proto i zde budeme k trendové složce přičítat sezónní konstanty plynoucí z následující tabulky. Tab. 8

Vypočtené sezónní konstanty (celková návštěvnost rezidenti)


wj -5 607 2 785 5 706 -2 884 0

Na následujícím grafu vidíme, jak námi navržený model vykresluje původně naměřené hodnoty.

44


Obr. 4 Graf skutečných a vyrovnaných hodnot s predikcí na rok 2013 (celková návštěvnost rezidenti)

Otestujeme-li reziduální složku, dojdeme k výsledku, že v modelu není přítomna heteroskedasticita, navíc mají rezidua normální rozdělení. Bohužel i v tomto modelu byla prokázána autokorelace. Střední hodnota je díky výpočtu parametrů metodou OLS nulová. I přesto, že byla v modelu prokázána autokorelace, model považujeme za spolehlivý a zkusíme podle něj predikovat budoucí hodnoty. Predikci sestavíme opět v programu Excel prodloužením časového trendu o t = 53, 54, 55, 56. Protože jsme člen β1t z původního modelu kvůli neprůkaznosti odstranili, vypočteme predikované hodnoty pomocí součtu konstanty a druhých mocnin těchto nově přidaných hodnot vynásobených koeficientem β2. K nově spočteným hodnotám trendové složky přičteme sezónní konstanty. Predikované hodnoty zobrazuje tabulka č. 9, kde byly vypsány i skutečné hodnoty za první dvě čtvrtletí roku 2013 vypočtené Českým statistickým úřadem. Graficky znázorněné predikované hodnoty lze zhlédnout na předchozím obrázku č. 4.

Statistické zpracování Tab. 9

Rok

2012

2013

45

Predikované hodnoty na rok 2013 (celková návštěvnost rezidenti)



Trend 26 888 27 387 27 897 28 416 28 946 29 485 30 035 30 595

wj -5 607 2 785 5 706 -2 884 -5 607 2 785 5 706 -2 884


Z tabulky vyplývá, že jsou predikované hodnoty za první dvě čtvrtletí roku 2013 vyšší než hodnoty vykazované Českým statistickým úřadem. Tato spočtená návštěvnost LUZ Karlovarského kraje rezidenty je dokonce nižší než hodnoty, kterých dosáhla za první dvě čtvrtletí roku 2012. Spočítáme-li sezónní diference u zimního a jarního čtvrtletí, přiložené v příloze č. 4, zjistíme, že poslední pokles oproti stejnému období předchozího roku byl zaznamenán v roce 2009 v zimním období a 2008 v jarním období, od té doby začala návštěvnost za tato období opět růst a to až tedy do roku 2013. Časová řada návštěvnosti LUZ Karlovarského kraje z pohledu rezidentů má v rozmezí let 2005-2012 rostoucí trend, rezidenti jevili do roku 2013 stále větší zájem o ubytování v námi analyzovaných lázních. Na základě vytvořeného modelu byla vytvořena predikce počítající se stále rostoucím trendem, avšak skutečné, již vykázané hodnoty za rok 2013, jsou nižší. Příčinou tohoto poklesu je zřejmě zpřísňující vyhláška platící od 1. října 2012 zmíněná v kapitole č. 2.4. Z tabulky v příloze č. 4 je patrný též velký skokový nárůst návštěvnosti u rezidentů za rok 2007 zřejmě z důvodu plánovaného zavedení regulačního poplatku pro pacienty komplexní lázeňské péče od roku 2008. Další patrné zvýšení připadá na rok 2010. Možné příčiny obou těchto zvýšení jsou diskutovány a podrobněji rozebrány v kapitole 4. Diskuze a doporučení. 4.2.3

Analýza počtu přenocování rezidentů v LUZ Karlovarského kraje

Časová řada počtu přenocovaných nocí rezidenty v lázeňských ubytovacích zařízeních Karlovarského kraje rezidenty v rozmezí let 2000-2012 je červeně zobrazena na obrázku č. 5, námi analyzovaná data jsou přiložena v příloze č. 5. Na základě vykresleného grafu usuzujeme, že řada velice mírně klesá. Pro popis trendu budeme uvažovat opět o třech funkčních formách, a to přímce, parabole, a protože trend není zcela zřejmý, zkusíme použít pouze konstantní formu, ke které bychom v případě ideálních hodnot námi sledovaných kritérií přičetli sezónní složku.

46


Tab. 10

Kritéria vypovídající o vhodnosti navrženého modelu (přenocované noci rezidentů)

M. E. M. A. E. M. S. E. R. M. S. E.

Přímka

Parabola

Konstanta

0 6 6047 5 373 087 168 73 301

0 6 6054 5 370 994 242 73 287

0 6 6047 5 450 004 950 73 824

V předchozí tabulce jsou zachycena pouze interpolační kritéria vypočtená v programu Excel, neboť adjustované koeficienty vycházely kvůli nepatrnému trendu záporně, v případě konstanty bylo toto kritérium nulové. Interpolační kritéria nabývají nejmenších hodnot v případě parabolického trendu, ovšem následně vypočtené, koeficienty β1 a β2 se jeví jako neprůkazné. Odstraníme-li člen β2t2, dostáváme funkci přímky, bohužel i zde je člen β1t neprůkazný. Nejlépe by dle interpolačních kritérií vycházel trend v podobě konstanty, ovšem protože je u těchto dvou forem průměrná absolutní odchylka reziduí stejná a rozdíl mezi směrodatnými odchylkami vzhledem k jejich celkové velikosti nepatrný, použijeme model přímky. Tab. 11

Odhad parametrů u funkce přímky (přenocované noci rezidentů)

Parametry β0 β1

Přímka 231 365,77 -584,361

Trendová funkce má tvar: Tt = 231 365,77 – 584,361t + ε, kde t = 1, 2, 3, …, 52

4. 3

Povšimněme si záporného koeficientu β1. Počet přenocovaných nocí rezidenty tedy mírně klesá. Po výpočtu sezónních konstant a sezónních indexů, o které následně upravíme trend, zjišťujeme, že interpolační kritéria vychází nejlépe v případě proporcionální sezónnosti, amplituda výkyvů tedy s klesajícím trendem úměrně klesá. Sezónními indexy zobrazenými v následující tabulce, jejichž suma musí odpovídat celkovému počtu čtvrtletí v roce, vynásobíme dříve spočtené trendové hodnoty.


47

Vypočtené sezónní indexy (přenocované noci rezidentů)


Ij 0,56326 1,18157 1,42953 0,82564 4,00000

Na následujícím grafu je zobrazen popis analyzovaných dat námi vytvořeným modelem.

Obr. 5 dentů)

Graf skutečných a vyrovnaných hodnot s predikcí na rok 2013 (přenocované noci rezi-

Po otestování reziduální složky zjišťujeme, že rezidua vykazují normální rozdělení, porušen byl opět předpoklad sériové nezávislosti, v modelu byla prokázána autokorelace prvního řádu. Střední hodnota reziduí je nulová díky výpočtu parametrů metodou OLS. Model, který jsme vybrali, nesplňuje důležité předpoklady. Kdybychom zvolili model konstanty se sezónní složkou, dosáhlo by testování reziduí stejného výsledku a p-hodnota mluvící o normalitě reziduí by byla jen o něco málo větší než pětiprocentní riziko. Mohli bychom zvolit model ještě jiný, avšak pro účely bakalářské práce jej považujeme za dostatečný. Predikci vytvoříme stejným způsobem jako u dvou předchozích modelů. Budoucí hodnoty trendu pak spočteme pomocí součtu konstanty β0 a členu β1t. Trend

48


vynásobíme příslušnými sezónními indexy. Vypočítané hodnoty jsou zobrazeny v tabulce č. 13, kde byly vypsány i skutečné hodnoty za první dvě čtvrtletí roku 2013 vypočtené Českým statistickým úřadem. Graficky znázorněné predikované hodnoty lze zhlédnout na obrázku č. 5. Tab. 13

Rok

2012

2013

Predikované hodnoty na rok 2013 (přenocované noci rezidentů)



Trend 202 732 202 148 201 563 200 979 200 395 199 810 199 226 198 642

Ij 0,56326 1,18157 1,42953 0,82564 0,56326 1,18157 1,42953 0,82564

Vyrovnané hodnoty 114191 238852 288140 165936 112874 236090 284800 164007

Z předchozí tabulky jasně vyplývá, že ačkoli jsme jako trend zvolili klesající přímku, vypočtený pokles se nevyrovná tomu skutečnému. Pokles počtu přenocovaných nocí se jistě odvíjí od vykázaného počtu rezidentů souvisejícího s vyhláškou platící od 1. října 2012, který byl za rok 2013 Českým statistickým úřadem spočten. Zatímco počet rezidentů do konce roku 2012 stoupal, počet přenocovaných nocí mírně klesal. Vypočteme-li počet nocí připadající průměrně na jednoho rezidenta (viz. příloha č. 6), zjistíme, že do roku 2004 rezidenti trávili v našich LUZ kolem 14-15 nocí, od roku 2005 začíná počet nocí klesat, a to ze 13 nocí na 10 v roce 2007, v rozmezí let 2008-2010 se počet nocí pohybuje kolem devíti, v roce 2012 už kolem sedmi. Za první dvě čtvrtletí roku 2013 připadá na jednoho rezidenta celkem 5,7 noci, zatímco za ta stejná čtvrtletí předchozího roku je to 6,8 nocí, tedy zhruba o jednu noc méně. Délka pobytu, tedy počet přenocování, jež je pro LUZ výstižnější ukazatel než samotný počet rezidentů, se postupně zkracuje. Rezidenti, jejichž počet byl za rok 2013 navíc snížen jako důsledek nově platící vyhlášky, zde tráví čím dál méně nocí. Počet nocí připadající na osobu za sledované období rychle poklesl a to ze zhruba 15 na 7,29 nocí na osobu roku 2012. Rezidenti tak volí kratší pobyty v lázních, jedním z možných důvodů tohoto faktu může být čím dál více se rozšiřující nabídka víkendových či týdenních pobytových balíčků ze strany LUZ. 4.2.4

Analýza návštěvnosti LUZ Karlovarského kraje z pohledu nerezidentů

Časová řada celkové návštěvnosti lázeňských ubytovacích zařízení Karlovarského kraje v rozmezí let 2000-2012 z pohledu nerezidentů je červeně zachycena na obrázku č. 6, analyzovaná data jsou přiložená v příloze č. 7. Daná řada má rostoucí


49

trend, jenž je velmi podobný řadě celkové návštěvnosti LUZ Karlovarského kraje. Vyčíslíme-li si podíl rezidentů a nerezidentů na celkové návštěvnosti našich zařízení v rozmezí let 2000-2012, zjistíme, že průměrně 75 % návštěvníků jsou právě nerezidenti. Ukazatel je ovlivněn čtvrtletní sezónností. Pro najití vhodného trendu budeme uvažovat opět o třech funkčních formách, a to přímce, parabole a kubické parabole. Tab. 14

Kritéria vypovídající o vhodnosti navrženého modelu (celková návštěvnost nerezidenti)


Přímka 81,24 % 0 6 543 58 321 387 7 637

Parabola 81,11 % 0 6 399 57 544 343 7 586


Na základě velikosti kritérií usuzujeme, že jsou naše analyzovaná data nejlépe popisována kubickou parabolou, avšak po výpočtu parametrů metodou OLS zjišťujeme neprůkaznost členu β1t.Tento člen tedy odstraníme a dostáváme tak novou funkci, jejíž parametry a adjustovaný koeficient jsou zobrazeny v tabulce č. 15. Tab. 15 denti)

Porovnání původní a nově vzniklé formy kubické paraboly (celková návštěvnost nerezi-

Adjust. koeficient β0 β2 β3

Kubická parabola bez členu β1t 83,01 % 35 505,206 57,685 -0,789

M. E. M. A. E. M. S. E. R. M. S. E.

Kubická parabola bez členu β1t 0 6 218 51 752 078 7 194

Námi vybraná trendová funkce je tvaru: Tt = 35 505,206 + 57,685t2 – 0,789t3 + ε, kde t = 1, 2, …, 52

4. 4

Po odebrání neprůkazného členu se adjustovaný koeficient zvýšil na 83,01 %, všechny ostatní koeficienty jsou nyní průkazné. Záporný koeficient β3 nám kubickou parabolu opět převrací souměrně podle osy y. Na základě zvolené funkční formy lze v budoucnu očekávat zmenšující se přírůstky počtu nerezidentů jako důsledku omezených kapacit. Budou-li se kapacity LUZ Karlovarského kraje navyšovat a počet návštěvníků — nerezidentů růst, bude potřeba zvolit jinou funkci.

50


Protože je i tento ukazatel ovlivněn sezónností, kde amplituda výkyvů s rostoucím trendem neroste, spočítali jsme v programu Excel jednotlivé sezónní konstanty zobrazené v následující tabulce. Tab. 16

Vypočtené sezónní konstanty (celková návštěvnost nerezidenti)


wj -7 823 3 541 6 837 -2 555 0

Po přičtení těchto konstant k již vytvořené trendové složce získáváme graf skutečných a nově vzniklých vyrovnaných hodnot zobrazený na následující straně. Na základě testování docházíme k výsledku, že rezidua mají normální rozdělení, heteroskedasticita v modelu též nebyla prokázána. V modelu je přítomna autokorelace i vyšších řádů než jen prvního. Střední hodnota reziduí je nulová díky výpočtu parametrů metodou OLS. Námi vytvořený model nesplňuje předpoklad sériové nezávislosti, zřejmě kvůli patrnému zlomu, jenž modelem nebyl nejlépe popsán. Proto zkusíme namodelovat model jiný přidáním umělé zlomové proměnné.


Obr. 6

51

Graf skutečných a vyrovnaných hodnot (celková návštěvnost nerezidenti)

Pro přidání umělé dummy proměnné je potřeba na základě p-hodnot Chow testu zjistit, kde přesně ke zlomům dochází, a to ve druhém čtvrtletí roku 2006 a prvním čtvrtletí roku 2009. V programu Excel tak vytvoříme dummy proměnnou uzpůsobenou těmto zlomům. Pro popis dat použijeme tentokrát lineární funkční formu. Vysvětlujícími proměnnými bude první mocnina časového trendu spolu s dummy proměnnou a konstantou, vysvětlovanou proměnnou budou hodnoty skutečné návštěvnosti LUZ u nerezidentů. Tab. 17 Tabulka koeficientů a interpolačních kritérií u modelu se zlomem (celková návštěvnost nerezidenti)

Adjust. koeficient β0 β1 βD

Lineární trend s dummy proměnnou 87,63 % 30 655,2 1 024,25 11 259,6

M. E. M. A. E. M. S. E. R. M. S. E.

Lineární trend s dummy proměnnou 0 5096 37686081 6139

Z tabulky č. 17 jasně vyplývá, že námi vytvořený model se zlomem lépe popisuje skutečné hodnoty. Došlo jak k navýšení adjustovaného koeficientu determinace, tak ke snížení velikosti interpolačních kritérií. Koeficienty spolu s modelem jsou průkazné.

52


Námi vybraná trendová funkce je tvaru: Tt = 30 655,2 + 1 024,25t + 11 259,6D + ε, kde t = 1, 2, …, 52

4. 5

Všechny koeficienty i model samotný jsou průkazné. Následně přičteme k trendovým hodnotám sezónní konstanty zobrazené v následující tabulce. Tab. 18

Vypočtené sezónní konstanty (celková návštěvnost nerezidenti)


wj -6 935 3 410 6 545 -3 020 0

Poté, co jsme tyto sezónní konstanty přičetli k trendové složce, dostali jsme graf skutečných a vyrovnaných hodnot.

Obr. 7 Graf skutečných a vyrovnaných hodnot modelu se zlomem a predikcí na rok 2013 (celková návštěvnost nerezidenti)

Po testování reziduální složky docházíme ke stejnému výsledku jako u dřívějšího modelu, rezidua mají normální rozdělení, heteroskedasticita v modelu nebyla prokázána, bohužel autokorelace nadále přetrvává. Střední hodnota je nulová. Model ovšem považujeme za dostatečný a budeme s jeho pomocí predikovat budoucí hodnoty návštěvnosti nerezidentů pomocí prodloužení časového trendu a


53

součtu konstanty β0, členu β1t a členu βDD. K trendu přičteme sezónní konstanty. Vypočítané hodnoty jsou zobrazeny v tabulce č. 19, spolu se skutečnými hodnotami za první dvě čtvrtletí roku 2013 vypočtené Českým statistickým úřadem. Graficky znázorněné predikované hodnoty lze zhlédnout na obrázku č. 7. Tab. 19

Rok

2012

2013

Predikované hodnoty na rok 2013 (celková návštěvnost nerezidenti)



Trend 80 844 81 868 82 892 83 916 84 941 85 965 86 989 88 013

wj -6 935 3 410 6 545 -3 020 -6 935 3 410 6 545 -3 020


Z předchozí tabulky plyne neustále se zvyšující počet návštěvníků — nerezidentů. Námi předpovídané hodnoty jsou nepatrně vyšší než skutečné za první dvě čtvrtletí roku 2013, avšak ty jsou ve srovnání se stejnými čtvrtletími přechozího roku opět vyšší. Lázeňská ubytovací zařízení se tak potýkají s čím dál se zvyšujícím zájmem nerezidentů tvořících tříčtvrtinovou většinu z celkového počtu návštěvníků. Důvodem může být převážná orientace našich LUZ na tuto zahraniční klientelu, ale i jejich cenová přijatelnost a celková atraktivnost pro tuto skupinu zákazníků. 4.2.5

Analýza počtu přenocování nerezidentů v LUZ Karlovarského kraje

Časová řada počtu přenocovaných nocí nerezidenty v LUZ Karlovarského kraje v rozmezí let 2000-2012 je červeně zachycena na obrázku č. 8, analyzovaná data jsou přiložena v příloze č. 8. Daná řada je rostoucí. Pro popis trendu bychom mohli uvažovat o stejných funkčních formách jako na počátku kapitoly u předchozího grafu, tedy o přímce, parabole a kubické parabole. Vzhledem ke znatelnému zlomu v řadě však zkusíme porovnat adjustovaný koeficient a interpolační kritéria u kubické paraboly, kubické paraboly po odebrání neprůkazného členu β2t a lineárního trendu se zlomem namodelovaným pomocí umělé dummy proměnné. Na základě Chow testu zjišťujeme, že k první zlomu v řadě dochází ve druhém čtvrtletí roku 2006, druhý zlom pak připadá na čtvrté čtvrtletí roku 2008.

54


Tab. 20

Kritéria vypovídající o vhodnosti navrženého modelu (přenocované noci nerezidentů)



Kubická parabola bez členu β2t 71,03 % 0 63340 5 537 916 311 74 417

Lineární trend se zlomem 78,59 % 0 59 874 4 092 319 531 63 971

Po odebrání neprůkazného členu z původního tvaru kubické paraboly došlo k navýšení adjustovaného koeficientu determinace. Avšak největších hodnot nabývá tento ukazatel u lineárního trendu se zlomem, kde můžeme vysledovat také nejmenší hodnoty interpolačních kritérií ze všech potenciálních variant trendu. Proto budeme nadále pracovat s touto formou trendové složky, kde nám vychází průkazné všechny tři koeficienty spolu s celým modelem. Tab. 21

Odhad parametrů u lineárního trendu se zlomem (přenocované noci nerezidentů)

Parametry β0 β1 βD

Lineární trend s dummy proměnnou 333 093,2 7 369,501 110 190,1

Trendová funkce má tvar: Tt = 333 093,2 + 7 369,501t +110 190,1D + ε, kde t = 1, 2, 3, …, 52

4. 6

Po vyjádření hodnot trendové složky jsme schopni spočítat hodnoty jednotlivých sezónních konstant plynoucí z následující tabulky, které následně k trendové složce přičteme a získáme tak graf skutečných a vyrovnaných hodnot.


55

Vypočtené sezónní konstanty (přenocované noci nerezidentů)


wj -72 168 46 629 73 119 -47 581 0

Na následujícím grafu je zobrazen popis analyzovaných dat námi vytvořeným modelem.

Obr. 8 zidentů)

Graf skutečných a vyrovnaných hodnot s predikcí na rok 2013 (přenocované noci nere-

Po otestování reziduální složky docházíme k výsledku, že složka vykazuje normální rozdělení, v modelu není přítomna heteroskedasticita. Předpoklad sériové nezávislosti ovšem byl zamítnut. Střední hodnota reziduí je nulová díky výpočtu parametrů metodou OLS. Model, který jsme vybrali, nesplňuje předpoklad sériové nezávislosti. Přesto jej považujeme za odpovídající a zkusíme podle něj predikovat budoucí hodnoty. Predikci vytvoříme stejným způsobem jako u předchozích modelů. Budoucí hodnoty trendu spočteme pomocí součtu konstanty β0, členu β1t a členu βDD. K vypočteným hodnotám trendu přičteme sezónní konstanty. Výsledné hodnoty jsou zobrazeny v tabulce č. 23 spolu se skutečnými hodnotami za první dvě čtvrtle-

56


tí roku 2013 vypočtené Českým statistickým úřadem. Graficky znázorněné predikované hodnoty lze zhlédnout na obrázku č. 8. Tab. 23

Rok

2012

2013

Predikované hodnoty na rok 2013 (přenocované noci nerezidentů)



Trend 694 199 701 568 708 938 716 307 723 677 731 046 738 416 745 785

wj -72 168 46 629 73 119 -47 581 -72 168 46 629 73 119 -47 581


Na základě údajů v předchozí tabulce vidíme, že predikované hodnoty jsou vyšší než ty skutečné, již vykázané. Podíváme-li se však do tabulky přiložené v příloze č. 9, vidíme, že kromě poklesu počtu přenocování za rok 2009 hodnoty za všechna čtvrtletí oproti stejným čtvrtletím předchozího roku nadále rostou, kromě čtvrtletí prvního, zimního, kde počet přenocovaných nocí klesl ještě v roce 2010, další pokles je pak vykázán za rok 2013 následován vzrůstem počtu přenocovaných nocí za druhé, jarní čtvrtletí oproti tomu stejnému předchozího roku. Vypočteme-li počet nocí připadající průměrně na jednoho nerezidenta (viz. Příloha č. 10), zjistíme, že do roku 2004 nerezidenti trávili v našich LUZ průměrně 15,5 nocí, od roku 2005 začíná počet nocí klesat, a to ze 13,8 nocí na cca 12 v roce 2006 a 2007, v rozmezí let 2008-2012 se počet nocí pohybuje kolem jedenácti, tedy za poslední čtyři roky je pokles přenocovaných nocí nepatrný. Za první dvě čtvrtletí roku 2013 připadá na jednoho nerezidenta celkem 8,37 noci, zatímco za ta stejná čtvrtletí předchozího roku je to 8,94 nocí. Počet přenocovaných nocí připadající na jednoho nerezidenta má klesající tendenci stejně jako u rezidentů, klesá však pomaleji. 4.2.6

Závislost návštěvnosti LUZ České republiky na návštěvnosti LUZ Karlovarského kraje.

Z následujícího grafu, vytvořeného na základě dat z tabulky v příloze č. 11 a č. 12 vidíme podíl návštěvnosti LUZ jednotlivých krajů na celkové návštěvnosti LUZ celé České republiky v roce 2012. V roce 2000 tvořil podíl návštěvníků Karlovarského kraje necelých 49 %, od roku 2001 tento podíl postupně stoupal, v roce 2011 bylo překročeno 60 %, následujícího roku 2012 bylo dosaženo 61,5 %. Druhý a třetí největší podíl má za rok 2012 návštěvnost LUZ ve Zlínském a následně Olomouckém kraji, v obou těchto případech však ukazatel nepřekračuje 10 %. Zbylých 5 % návštěvnosti do celkového počtu tvoří návštěvnost LUZ Jihomoravského, Pardu-


57

bického, Plzeňského a Libereckého kraje, které uvedli počet návštěvníků jako důvěrný údaj, ten je tedy Českým statistickým úřadem nezveřejněný.

Obr. 9 Podíl návštěvnosti LUZ jednotlivých krajů na návštěvnosti LUZ celé České republiky roku 2012

LUZ Karlovarského kraje jsou nejnavštěvovanějšími zařízeními celé České republiky. Časová řada návštěvnosti LUZ České republiky by se měla vyvíjet obdobným způsobem, jako řada návštěvnosti LUZ v Karlovarském kraji (což plyne z grafu přiloženého v příloze č. 13), a to kvůli jednoznačně nadpolovičnímu podílu Karlovarského kraje. Změní-li se určitým způsobem návštěvnost LUZ v Karlovarském kraji, měla by se i patřičným způsobem změnit návštěvnost LUZ celé České republiky. Vztah mezi těmito dvěma návštěvnostmi zjistíme díky metodě nejmenších čtverců. Jako závislou proměnnou zvolíme návštěvnost LUZ České republiky, jako vysvětlující proměnnou pak návštěvnost LUZ Karlovarského kraje s konstantou. Největší adjustovaný koeficient ve výši 99,21 % vychází u lineární funkce ve tvaru: 4. 7 Y = 147 906 + 1,32014X Na základě velikosti F-statistiky zjišťujeme, že navrhnutý model je průkazný, stejně jako konstanta β0 s koeficientem β1, jejichž průkaznost jsme odvodili od výše příslušných t-statistik. Graf je přiložen v příloze č. 14.

58



59

5 Diskuze a doporučení V této části práce se budeme věnovat bližšímu pohledu na námi zanalyzované časové řady. Tyto všechny časové řady týkající se návštěvnosti LUZ Karlovarského kraje jsou ovlivněny čtvrtletní sezónností. Návštěvníci zařízení navštěvují převážně v letních a jarních měsících, o něco méně pak v měsících podzimních, nejméně v měsících zimních. Dalo by se tedy předpokládat, že v zimních měsících jsou zařízení navštěvována převážně hosty, kteří se v lázních opravdu léčí. Naše zařízení mohou být nicméně v tomto období lákavá též pro hosty, pro něž je atraktivní snížená cena ubytování, stravování a ostatních souvisejících služeb, za níž zařízení za účelem snížení sezónních vlivů tyto služby nabízejí. V tomto období se zařízení uchylují též k provádění různých oprav a rekonstrukcí, což může být příčinou snížené kapacity pro ubytování hostů. V ostatních měsících, a to především jarních a letních, přibydou do naší statistiky také mj. turisté, kteří se v zařízeních pouze přechodně ubytují, bez využití lázeňských služeb, neboť většina zařízení i tuto možnost poskytuje za účelem využití veškeré své ubytovací kapacity a zabránění tak potenciálně ušlému výdělku. Důvodem těchto turistů je zřejmě přijatelnější počasí a tudíž i podmínky pro rekreaci, poznávání kulturních památek a prožití dalších četných akcí (např. sportovní akce, Mezinárodní filmový festival), které se v kraji během tohoto období odehrávají. Zaměříme-li se na vývoj návštěvnosti LUZ celého Karlovarského kraje od roku 2009, kdy byl cestovní ruch poznamenán světovou finanční krizí, zjistíme, že ačkoli byl v témže roce zaznamenán propad, následující rok se sledovaná návštěvnost začíná opět oživovat a celoroční ukazatel dosahuje dokonce vyšší hodnoty než v roce 2008 před propadem. Podíváme-li se na časové řady blíže, zjistíme, že návštěvnost LUZ Karlovarského kraje z řad rezidentů za rok 2009 neklesla, ba naopak klesla návštěvnost z řad nerezidentů jako důsledku krize světového rozměru. Další významnou událostí ovlivňující cestovní ruch jsou povodně. Dle informací Stanislava Smolíka, zaměstnance Krajského úřadu Karlovarského kraje, se kraj za posledních deset let potýkal se třemi výraznějšími povodňovými epizodami, a to v roce 2002, 2011 a v roce 2013. Kraj ovšem nebyl postižen v takové míře jako kraje jiné, a to díky jeho výhodné poloze. Je chráněn pásmem Krušných hor a také například vodním dílem Březová postaveným na řece Teplé. Pan Smolík nadále podotýká, že přestože se kraj s povodněmi potýkal, nebyly v takovém rozsahu, aby ovlivnily návštěvnost námi analyzovaných zařízení. Přestože by se dalo čekat, že povodně roku 2002 neblaze ovlivní návštěvnost našich zařízení z řad rezidentů, nebylo tomu tak. Ba naopak byl pokles evidován z řad nerezidentů. Většinovou část návštěvníků našich LUZ je tvořena německým obyvatelstvem, jehož země byla v roce 2002 povodněmi též velice zasažena. Povodňová vlna však zasáhla Evropu i v červnu roku 2013, může se tedy stát, že návštěvnost lázní v Karlovarském kraji bude touto vlnou opět ovlivněna.

60


Podíváme-li se na časovou řadu celkové návštěvnosti Karlovarského kraje, vidíme, že řada vykazuje rostoucí trend a to díky rostoucímu zájmu převážně nerezidentů, jež tvoří tříčtvrtinový podíl na návštěvnosti našich zařízení, zbylých 25 % tvoří rezidenti. Z dané řady je patrné výrazné navýšení počtu návštěvníků v rozmezí let 2006-2008. Toto navýšení bylo způsobeno skokovým zájmem nerezidentů o ubytování v našich zařízeních o rovných 61 441 zájemců v roce 2006 (do této doby se jejich počet zvyšoval v průměru o necelých 14 000), což je 91,6 % přírůstku celkových návštěvníků LUZ Karlovarského kraje za tentýž rok, zájem této skupiny se po roky nadále zvyšoval v průměru o 22 310 návštěvníků do roku 2009. K tomuto celkovému navýšení mohl nápomoci též fakt, že roku 2006 obdržely od Evropského svazu lázní české lázně Bělohrad jako první v Evropě certifikát EUROSPA med, prestižní ocenění kvality, čímž mohla být zvýšena popularita ČR v zahraničí (Lázně Bělohrad, 2009, [online]). Ovšem i počet rezidentů se po dvou předchozích letech klesání opět oživil, a to rovnou o 5 605 zájemců v roce 2006 a o 16 095 v roce 2007, což je největší přírůstek za sledované období 2000-2012. Jelikož se dle informací od Ondřeje Košaty, pracovníka Českého statistického úřadu, výpočet našich ukazatelů od roku 2000 nezměnil, daný skok může být způsoben příznivou ekonomickou situací ve světě před příchodem světové krize, kdy si lidé mohli dovolit využívat komfortnějších služeb. Pomoci mohla též vzrůstající kapacita lázeňských ubytovacích zařízení, kdy v roce 2006 přibylo 10 nových objektů, tedy 890 nových pokojů k ubytování, což je největší přírůstek za posledních 12 let. Vývoj kapacity LUZ v Karlovarském kraji vykazován Českým statistickým úřadem je zobrazen v tabulce v příloze č. 15, roční vývoj návštěvnosti kraje i z pohledu rezidentů a nerezidentů lze zhlédnout v příloze č. 16, z této přílohy budeme čerpat v následujících odstavcích. Časová řada návštěvnosti rezidentů se v rozmezí let 2000-2005 vyvíjela spíše klesajícím způsobem, od roku 2005 však už má rostoucí trend. Rezidenti jevili za poslední čtyři roky do roku 2012 stále větší zájem o lázeňská zařízení Karlovarského kraje, což může být způsobeno také novým trendem — nabízením zkrácených a tím pádem cenově příznivějších pobytových balíčků. Pro Čechy jsou však atraktivní též konkurenční maďarské a slovenské lázně (Tůma, 2013, [online]). V dané časové řadě se setkáváme s několika zajímavými body. Z přílohy č. 16 je patrný velký skokový nárůst návštěvnosti u rezidentů za rok 2007 a to o rovných 16 095 zákazníků. Jedním z předpokladů pro tento skokový zájem může být plánované zavedení šedesátikorunového regulačního poplatku za každý den pobytu v lázních hrazeného zcela pojišťovnou, jež lidé platí od 1. ledna 2008, a to v rámci reformy zdravotnictví (Státní léčebné lázně Jánské lázně, s. p., [online]). Pacienti komplexní lázeňské péče, na něž povinnost platit zmíněný poplatek připadla, tak využili pobyt v lázních v roce před jeho zavedením. V roce 2008 se setkáváme s poklesem v dané řadě. Tento pokles byl zřejmě způsoben návratem na původní vývoj hodnot před skokem roku 2007. Zajímavý je též nárůst počtu rezidentů ubytovaných v LUZ Karlovarského kraje v roce 2010 navzdory pokračování dopadů světové krize. Prezident Svazu


61

léčebných lázní Eduard Bláha zmiňuje pravděpodobné důvody daného nárůstu. Domnívá se, že za zvýšeným zájmem stojí zdravější životní styl Čechů stejně jako vyhledávání alternativního způsobu dovolené (Petr, 2010, [online]). Nápomoci mohla i intenzivnější marketingová kampaň spuštěná agenturou CzechTourism, jež probíhala od ledna do května 2010 a byla zaměřena na české samoplátce se středními a vyššími příjmy. S kampaní se bylo možné setkat na internetu, v tisku, rozhlase, billboardech, cytilightech a reklamních plochách v MHD sedmi českých měst. Založen byl nový web www.ceskelazenstvi.cz. Zveřejněné výsledky kampaně zmiňují, že počet návštěvníků tohoto webu byl 78 937, většina z nich byla z České republiky, ale i ze Slovenska, Německa a Velké Británie. (CzechTourism, 2010, [online]). Tento web existuje dodnes, k dispozici je v desíti jazykách, tudíž hraje jistě významnou roli při propagaci českého lázeňství v zahraničí. Za zmíněný pokles roku 2013 může s velkou pravděpodobností vyhláška platící od 1. října 2012 zmíněná v kapitole č. 2. 4. Bohužel rostoucí počet těchto návštěvníků není doprovázen rostoucím počtem přenocovaných nocí. Důvodů pro tento pokles může být několik. Jednak se na zkracování pobytu rezidentů jednoznačně podílí hospodářská krize, pojící se se snižováním příjmů domácností a tím pádem úbytku výdajů na dovolenou. Lázeňská zařízení v Karlovarském kraji se orientují převážně na zahraniční klienty charakteristické vyššími příjmy, proto se zde rezidenti potýkají s vyššími cenami ubytovacích, stravovacích a dalších služeb. Navíc se neustále zpřísňují a omezují podmínky pro zaplacení pobytu v lázních pojišťovnou, pro rezidenty využívající komplexní lázeňskou péči byl zaveden a posléze navýšen regulační poplatek za každý den pobytu v lázních (Válková, 2013, [online]). Naše lázeňská zařízení se tak stávají atraktivnější pro samoplátce hradící veškerý tamější pobyt s procedurami ze svých zdrojů, což může být pro většinu rezidentů příliš nákladné, a proto mohou upřednostňovat výjezdy do destinací, které jsou pro ně cenově dostupnější, délka pobytu tam delší a tím pádem je pro ně dovolená v tomto místě celkově atraktivnější, pro návštěvu našich LUZ tak raději zvolí víkendové wellness či jiné balíčky na krátkodobý pobyt, které jsou nyní zařízeními ve velkém množství nabízeny. Řada návštěvnosti u nerezidentů vykazuje rostoucí trend. Lázeňská zařízení Karlovarského kraje jsou pro tuto skupinu zákazníků atraktivní a cenově dostupnější. Na základě dat poskytnutých Českým statistickým úřadem zobrazených v tabulce přílohy č. 17 jezdí do lázní Karlovarského kraje nejvíce Němců, o něco méně pak Rusů. Zájem německého obyvatelstva v rozmezí let 2009-2011 mírně klesal, výjimkou je poslední rok, kdy návštěvnost nepatrně stoupla. Rusové projevují o zařízení po pádu návštěvnosti roku 2009 stále větší zájem. Němci oceňují dobrý poměr ceny a kvality, pro Rusy je návštěva Karlových Varů a Mariánských lázní otázkou prestiže (Novinky, 2008, [online]). Pro německé návštěvníky jsou tato zařízení výhodná též díky jejich blízkosti od německých hranic, pro arabské zájemce přijíždějící ve větších skupinkách a trávící v lázních delší dobu a ruské zákazníky je výhodou tamější regionální letiště sloužící tak k pohodlnější přepravě (Pražský deník, 2013, [onli-

62


ne]). Ruské obyvatelstvo je navíc spokojeno s jazykovou vybaveností českého personálu (Česká televize, 2012, [online]). S rostoucím zájmem o lázeňská zařízení však souvisí i intenzivní propagace lázní v zahraničí díky agentuře CzechTourism i samotnému kraji. Skokové navýšení v roce 2006 bylo již diskutováno, za zmínku stojí pokles sezónnosti v roce 2008, za který jsou vykazovány nejmenší odchylky mezi hodnotami za jednotlivá čtvrtletí tohoto roku za celé sledované období 2000-2012, za zimní období návštěvnost oproti podzimnímu neklesla, ba naopak byla její hodnota ještě vyšší. Jediný pokles v rámci ročních hodnot ukazatele připadá na rok 2009 a to zřejmě v důsledku již zmiňované světové krize. Hodnota ročního ukazatele před krizí byla překročena až roku 2011. U nerezidentů počet nocí připadající na jednu osobu též pomalu klesá. Řada počtu jimi přenocovaných nocí je ovšem rostoucí jako důsledek čím dál se zvyšujícího počtu nerezidentů ubytovávaných v našich LUZ, avšak na čím dál kratší dobu, ovšem ne s tak prudkým poklesem, aby námi analyzovaná časová řada počtu přenocovaných nocí začala stagnovat či klesat jako u rezidentů, kde na jednu osobu připadá 7,29 nocí za rok 2012 ve srovnání s nerezidenty, kde je stejný ukazatel ve výši 11,09 nocí na osobu. Délka pobytu v lázních se tedy zkracuje u obou skupin návštěvníků, důvodem může být i větší časová vytíženost v zaměstnáních. Lidé stále méně jezdí na dlouhé léčebné pobyty a raději si užívají prodloužené relaxační víkendy a jiné nabízené krátkodobé pobyty pojící se se sportem, kulturou či péčí o tělo. Na základě grafu v příloze č. 18 je patrné, že největší podíl na celkové kapacitě LUZ KV kraje tvoří třída Hotel, motel, botel ****, následně třída Hotel, motel, botel ***. Zaměříme se tedy na doporučení zejména pro tyto kategorie, přičemž několik z rad je možné aplikovat též v ubytováních nižších kategorií. Kvůli zmiňované vyhlášce klesá počet pacientů, jimž hradí pobyt v lázních pojišťovny. Je tedy potřeba přilákat do zařízení více samoplátců českých a především zahraničních, pro které jsou zařízení cenově přijatelnější. Rozvoj internetu a sociálních médií změnil způsob komunikace mezi lidmi stejně jako způsob hledání informací. Užívání chytrých telefonů umožňuje lidem trávit více času na internetu. Každé zařízení námi zvolených kategorií by mělo mít přehledné, logicky členěné a aktualizované webové stránky, s adekvátními informacemi, fotografiemi a videy v dobré kvalitě, doplňované o nové technologické trendy objevující se na trhu. Pro každého uživatele by měla být struktura webových stránek jasná a přehledná. Webové stránky by měly být utvořeny tak, aby je roboti vyhledávačů snáze našly a přiřadily jim v zobrazení výsledků vyhledávání tu nejlepší pozici. Samozřejmě by měly být propojené s rezervačními systémy a sociálními sítěmi. (Frič, 2012, [online]) Dalším trendem v oblasti užívání internetu jsou sociální sítě. Zařízení si tak např. na síti Facebook bez vynakládání velkých výdajů vytvoří profil, kde může prezentovat své prostory, zaměstnance a nabídky, třeba i ty na poslední chvíli za


63

zlevněnou cenu za účelem obsazení neprodaných kapacit. Se slevami je však potřeba zacházet opatrně, neboť tím může utrpět pověst zařízení, může se jevit jako předražené, zákazníci si na časté slevy mohou zvyknout a čekat na období, kdy je zařízení nabídne. V současné době se setkáváme i s odměňováním zákazníků, jež nakoupí pobyt výrazně dopředu, čímž poskytují zařízením peněžní prostředky například v dobách jejich snížené návštěvnosti. S tím souvisí i problematika používání slevových portálů. Cílem zařízení by mělo být přilákat hosty, kteří se budou v budoucnu vracet. Lidinská (2013, [online]) upozorňuje, že slevové portály prohlížejí skupiny lidí citlivé na cenu, ne loajální. Díky používání sociálních sítí mohou lidé sdílet své fotografie, dojmy a zážitky s ostatními, zařízení tak nepřímo oslovují potenciální zákazníky. Navíc i zde může zařízení se zájemci komunikovat, osobněji k nim přistupovat. Doporučujeme se podniku prezentovat též na cestovatelských portálech (portál Kudy z nudy), pro přilákání cizinců jsou vhodné portály dostupné i v cizích jazycích. Je vhodné odpovídat na veškeré dotazy i na ty, které nemusí s požadavkem na ubytování přímo souviset. Je třeba si uvědomit, že odpoví-li zařízení na problém rychleji či lépe než konkurence, může „vzrůst v očích potenciálního hosta“. Na svých stránkách je vhodné sdílet odkazy na webové portály prezentující Karlovarský kraj a možnosti, které zde zákazníci mají. Doporučujeme sdílet stránku Živý kraj — oficiální průvodce Karlovarským krajem, v úvahu připadá i stránka Turistický portál Karlovarského kraje, kde mohou návštěvníci místa v kraji virtuálně prohlížet. Velice důležitou reklamou pro každé zařízení je recenze ubytovaných hostů, jako důvěryhodnější forma reklamy. K největším hodnotícím portálům patří dle Beránka (2012, [online]) TripAdvisor, lidmi vyhledávající dovolenou hojně navštěvovaný, kde se hosté k registrovaným zařízením mohou vyjadřovat. Beránek (2012, [online]) navíc zmiňuje, že recenze mohou zařízením pomoci v identifikaci slabin a nedostatků, které je potřeba eliminovat, stejně jako silných stránek, na kterých může zařízení postavit reklamní kampaň a komunikovat je k potenciálním hostům. Je vhodné reagovat na každou recenzi, ať už omluvou a zprávou, že se zařízení vynasnaží o nápravu vytknutého problému, tak poděkováním za sdílení pozitivních pocitů z ubytování. TripAdvisor navíc dle Hotel — marketingu (2013, [online]) každoročně vyhodnocuje hodnocené hotely, uděluje ocenění, která mohou být též rozhodujícím kritériem při výběru ubytování. TripAdvisor ovšem není k dispozici v českém jazyce, proto je vhodné mít recenze i na svých webových stránkách, případně profilech na sociálních sítích. Recenze je však možné psát i např. na portál Hotels.com nebo Booking.com, oba jsou provozovány i v českém jazyce. Hosty je však někdy nutné o hodnocení pozitivního i negativního charakteru požádat např. osobně recepčním či letáčkem vyvěšeným na nástěnce v hotelové hale. Dle Telyčkové, (2011, [online]) je vhodné nabídnout protislužbu (např. internet denně na hodinu zdarma, zlevněné parkovné, účast v soutěžích apod.). Hotel — marketing (2011, [online]) radí, že dobrým způsobem k vybudování loajálního vztahu klientů k zařízení je s lidmi komunikovat i po jejich odjezdu, udržovat s nimi kontakt. Vhodným nástrojem pro tuto komunikaci je e-mail. Na něj

64


může zařízení zasílat zprávy o dění uvnitř či v jeho okolí, děkovat klientům za strávený čas či jim popřát k významným událostem (narozeniny, svátky — Vánoce, Nový Rok). Zákazník by ovšem měl mít možnost zasílání těchto zpráv odmítnout. Významnějším klientům doporučujeme k těmto příležitostem zasílat spíše pohlednice či přání. Jedná-li se o hotel s dlouhodobou tradicí, je vhodné zmínit svoji historii. Hotel se však dle Medvecové (2012, [online]) může svým zákazníkům přiblížit i jinačím způsobem. Tím může být například poskytování zajímavých informací ze zákulisí hotelu, rozhovor se šéfkuchařem, jeho nápady a triky v kuchyni, rozhovory se zaměstnanci například o jejich zálibách, popis novinek, změn, které se blíží, příspěvky ředitele hotelu, jeho zážitky, profesionální rady, dojmy. Samozřejmostí by mělo být, aby hotel své návštěvníky po příjezdu informoval, které události a atrakce mohou vidět, případně navštívit nejen uvnitř, ale i v jeho okolí, vhodným nástrojem pro poskytnutí těchto informací může například být nástěnka v hotelové hale či letáčky v pokojích hostů. Dobrým nástrojem může být též kalendář akcí vystavený na vlastních webových stránkách. Jako dobrý nápad může posloužit i hotelový měsíčník šířený tištěnou či elektronickou formou (Kleinová, 2007, [online]). Při delším pobytu je vhodné hosta odměnit pozorností, jež mu bude čas trávený v zařízení připomínat. Dárky by ovšem měly být zvoleny tak, aby klienta potěšily a připomněly mu atmosféru a jedinečnost lázeňského místa. Klient může být například obdařen tradičním lázeňským pohárkem, lahvičkou likéru Becherovka, lázeňskými oplatky, sadou kvalitních čokolád či vějíři. Dalšími návrhy se dle Cvrčka (2013, [online]) v září 2013 zabývali designeři v hotelu Imperial v Karlových Varech, mezi nápady byly například pantofle, ve kterých hosté mohou přecházet z pokojů k bazénu, tašky, ve kterých si hosté budou moci přenášet věci, dárkové lahve, ve kterých je možné odvést minerální vodu jako suvenýr apod. Některá zařízení využívají i věrnostní program. Host může při opakovaném ubytování získat klubový průkaz nebo za odbydlené noci body, díky čemuž je možné čerpat z mnoha výhod, například bezplatný odvoz na letiště, možnost se ubytovat před čtrnáctou hodinou apod. (IHNED.cz, 2008, [online]). Každé zařízení by mělo dle Medvecové (2012, [online]) reagovat na příležitosti, které se nabízí, mezi nimi například roční období a s ním související možné události. Doporučujeme prezentovat způsob oslavy českých svátků, držené tradice v České republice (např. velikonoční jarmarky, pití zeleného piva, masopusty, pálení čarodějnic, zabíjačky apod.), to vše může být zejména pro zahraniční klienty jedinečným zážitkem. Všechny tyto akce je návštěvníkům vhodné přiblížit, např. popisem či udáním důvodu dodržování specifických zvyků. Zařízení ovšem nemusí čekat, až na vhodnou událost přijde čas. Může pořádat i další akce, např. jazzové, swingové koncerty. V Karlovarském kraji je více než 25 potravin registrovaných jako regionální potravina (Regionální potravina, [online]), dobrým nápadem je uspořádání akce, kde budou tyto kvalitní potraviny prezentovány. Vhodné je se specializovat i na jiné akce, např. pořádání svateb, oslav významných narozenin a postarat se o organizaci např. hudby, dekorací apod., aby se klient ne-


65

musel téměř o nic starat. Hotel může s návštěvníky oslavit výročí svého vzniku či jiné důležité mezníky v jeho historii. Další inspirací je činnost na stránkách Brněnských veletrhů a výstav, ke každému veletrhu, kongresu je nabídnut seznam ubytování, kde se návštěvníci mohou ubytovat. V Karlovarském kraji je vybudována tzv. KV Arena, kde se veletrhy, kongresy, koncerty aj. konají (KV arena, [online]). Doporučujeme stát se partnerem KV Areny, jejíž návštěvníci pak mohou návštěvu událostí propojit s odpočinkem v zařízeních. Co se týče partnerství, je vhodné uzavřít spolupráci s jinými, například s golfovými hřišti, akvaparkem Aquaforum, pro které bude spolupráce s hotely přínosná a zisková, díky čemuž by mohlo být návštěvníkům nabídnuto zlevněné vstupné na tamější akce. Dle Novákové (2011, [online]) je dobré, když se hotel chová ekologicky, zdůrazňuje zájem o úsporu financí a energií spolu s šetrným přístupem a jeho podporou k životnímu prostředí (např. třídění odpadů, starání se o okolní parky, podpora aktivit jako Hodina Země atd.). Zařízení jistě pomůže, bude-li podporovat i jiné aktivity v kraji, vhodné je se inspirovat od hotelu Imperial, který každoročně pořádá soutěž na podporu umělců (Krajské listy, 2013, [online]). V úvahu připadají i jiné akce, zařízení se například může stát partnerem festivalů či maratonů, ubytovat sportovce, kteří zde posléze najdou relaxaci. Dalším možným, ne tolik tradičním způsobem, jak se více zviditelnit v očích zákazníka může být používání vůně. Bylo zjištěno, že díky vůni je kvalita pobytu zákazníky vnímána jako vyšší, pobyt je příjemnější a prostředí vnímáno jako dynamické. Vhodné je provonět zejména prostory, kam návštěvník vstupuje prvně, tzn. hotelovou recepci, lobby. Je však nutné zvolit vhodnou vůni, jež bude odpovídat profilaci hotelu. Doporučuje se provonět i například konferenční místnosti, pokud jimi hotel disponuje, účastníky setkání vůně povzbudí, sníží jejich únavu. (Verner, 2012, [online]) Zařízení mohou prodloužit dobu čerpání procedur, aby je mohli využívat i lidé trávící den ve svých zaměstnáních (Kalinová, 2009, [online]). Dobré je gesto mariánskolázeňských hotelů — nabídnutí lidem např. zasaženým povodněmi ubytování zdarma, aby přišli na jiné myšlenky a uvolnili se, což jistě zlepší pověst zařízení (Houdek, 2013, [online]). V hotelu je možné nabízet i doplňkové služby, jako praní, žehlení oděvů, internet. Protože však zákazníci požadují stabilní připojení s dostatečnou rychlostí, je tato položka pro hotely více nákladnou, někdy se proto zařízení uchylují k řešení, jehož výsledkem je nestabilní, vypadávající připojení. Internet zdarma je dnes samozřejmostí, proč jej však nenabízet jen v hotelové hale a v ostatních prostorech jej zpoplatnit. Zákazník má na výběr využívat internet zdarma či za mírný poplatek pohodlně z pokoje. V článku Plánkové (2013, [online]) se o zmíněném tématu pojednává, navíc je zmíněno, že provozovatelé tříhvězdičkových hotelů, penzionů i v zahraničí na zpoplatněný internet přistoupili bez výrazných dopadů na klientelu. V dobách menší návštěvnosti je vhodné přijít s atraktivní nabídkou vedoucí ke zvýšení hodnot daného ukazatele. Kromě nabídky ubytování na slevových portálech, kterou jsme již diskutovali, připadá v úvahu například poskytnutí levnějšího

66


pobytu pro doprovod léčeného klienta. Zimní období s sebou přináší Vánoce a Nový rok, ale i den sv. Valentýna, proto doporučujeme zařízením těchto událostí využít, uspořádat vhodné akce daného charakteru či poskytnout možnost zakoupení voucheru, vhodného jako dárku pro příbuzné či přátelé. Zařízení může vytvořit speciální balíčky pro specifické segmenty (např. čtyřdenní dámská jízda pro ženy, pánská jízda pro muže, Valentýnské balíčky pro páry), nabízet speciální masáže, pořádat aktivity, které v létě nebudou možné. Díky blízkosti Krušných hor je vhodné nabízet i balíčky pro lyžaře, aby se po celodenním lyžování mohli zrelaxovat, navíc je vhodné zmínit, že lyžaři mohou na vrchol Klínovce dojet lanovou dráhou už z Jáchymova (Lanovka Jáchymov-Klínovec, [online]). Dalším zajímavým segmentem mohou být ostatní lidé pracující v oblasti cestovního ruchu, jež tak mohou využít svého statutu, ubytovat se za snížené ceny a zařízení tak může navázat nové kontakty a zvýšit o sobě povědomí mezi profesionály (Telyčková, 2010, [online]). Další variantou jsou soutěže o pobyty v lázních v tomto období, otázky soutěží spojit s hledáním na webových stránkách hotelu, jeho historií či nabídkami apod., aby jej soutěžící lépe poznali. V dobách mimo sezonu je vhodná příležitost pro provádění oprav a rekonstrukcí, které je však třeba z důvodu hluku oddělit od ostatních prostor. Pro snížení nákladů je vhodné najmout v tomto období méně personálu. Návštěvnosti zařízení pomáhá samotný kraj, a to mj. prezentací nejen na českých, ale i zahraničních veletrzích např. v Izraeli, Jekatěrinburgu apod. (Plzeň — Karlovarský kraj, 2013, [online]). Jednotlivá zařízení mají také možnost se na veletrzích prezentovat v expozici agentury CzechTourism (CzechTourism, [online]). Samozřejmě, každé zařízení musí zvážit propagaci s ohledem na cílový segment a chce-li nabízet služby na vyšší úrovni, je třeba mít tým kvalifikovaných, loajálních a motivovaných zaměstnanců.

Závěr

67

6 Závěr Cestovní ruch je pro ekonomiku státu významným odvětvím, a to zejména díky průřezovému vlivu, tedy nabalování na sebe mnoho dalších činností, jež s ním souvisí. Jeho vliv je významný i z hlediska sociálního i psychologického. Díky cestování dochází ke kontaktu mezi lidmi z různých koutů světa, poznávání kultur, odlišných způsobů života, postojů a hodnot, jež může vést ke vzájemnému pochopení a toleranci. Lidé mohou v rámci cestování získávat četné znalosti a zkušenosti přínosné do života či jej mohou využít jako prostředku pro rekreaci a zotavení se. Nelze ovšem opomenout i negativní stránky cestovního ruchu, mezi nimi např. ztráta jedinečnosti kultur. Toto odvětví se stále vyvíjí. V dobách, kdy byla Československá republika součástí socialistického bloku, bylo cestování výrazně regulováno. Rozvíjelo se chataření, stanování apod. Nyní dochází k čím dál vyšší oblibě zájezdů do netradičních destinací, vznikají a rozvíjejí se specifické formy cestovního ruchu. Významnou roli zde sehrává internet, jako „pohodlný“ nástroj pro získávání informací, prostředek komunikace mezi lidmi, dále pak vývoj informačních technologií a rozvoj dopravy. Lidské potřeby se mění, lidé jsou náročnější, pracující jsou vystavování neustálému tlaku, stresujícím situacím. Nejen tato fakta jsou příčinou přeměny lázeňských center na centra cestovního ruchu s čím dál se zvyšující kvalitou a pestrostí nabízených služeb. Pro Českou republiku je v oblasti lázeňství významným především Karlovarský kraj, a to z důvodu jeho bohatosti na přírodní léčivé zdroje. Hlavním cílem práce bylo zanalyzovat návštěvnost lázeňských ubytovacích zařízení Karlovarského kraje. V teoretické části jsme se věnovali oblasti cestovního ruchu a lázeňství, zmínili jsme základní charakteristiku Karlovarského kraje i jednotlivých lázeňských zón, kde zařízení, jejichž návštěvnost jsme analyzovali, působí, dále jsme se věnovali problematice časových řad, jež byla aplikována v praktické části. Ve statistickém zpracování byla samostatně věnována pozornost každé časové řadě z vybraných pěti. Nejdříve byl zvolen vhodný trend řady, který byl posléze upraven o sezónní složku, po níž následovala predikce budoucích hodnot na následující rok 2013, kde byly predikované hodnoty za první a druhé čtvrtletí roku 2013 srovnány s již vykazovanými hodnotami Českého statistického úřadu, ty ovšem mohou být úřadem ještě pozměněny. Posléze byla věnována pozornost významným událostem v České republice, jež mohly návštěvnost analyzovaných zařízení ovlivnit, a to světové krizi a záplavám. Následně byly diskutovány možné příčiny určitých výkyvů v jednotlivých časových řadách. Byla uvedena doporučení, jež mohou návštěvnost analyzovaných zařízení udržet či ji zvýšit. K analýze byla použita čtvrtletní data publikovaná na webových stránkách Českého statistického úřadu. Konkrétně se jednalo o časové řady návštěvnosti v lázeňských ubytovacích zařízeních v ČR a krajích (NUTS III) v rozmezí let 20002012.

68

Závěr

Časová řada celkové návštěvnosti lázeňských ubytovacích zařízení Karlovarského kraje vykazuje rostoucí trend odůvodněn neustále se zvyšujícím zájmem nerezidentů tvořících tříčtvrtinový podíl z celkového počtu návštěvníků. V řadě se setkáváme s nápadným nárůstem v počtu hostů za rok 2006, jež byl způsoben převážně skokovým zájmem nerezidentů. Důvodem nárůstu mohlo být udělení certifikátu EUROSPA med, prestižního ocenění kvality, českým lázním Bělohrad, což mohlo zvýšit popularitu lázeňství České republiky ve světě nebo příznivá předkrizová situace či nebývalý nárůst kapacit pokojů v dané oblasti. Časová řada návštěvnosti lázeňských ubytovacích zařízení Karlovarského kraje rezidenty vykazovala též rostoucí trend. Významný přírůstek v návštěvnosti připadl na rok 2007, jež byl odůvodněn snahou klientů komplexní lázeňské péče vyhnout se plánovanému zavedení regulačního poplatku na následující rok. Další významný nárůst v počtu rezidentů byl vykázán roku 2010. Jedním z důvodů mohla být kampaň spuštěná agenturou CzechTourism oslovující české samoplátce se středními a vyššími příjmy. Pokles zájmu roku 2013 byl odůvodněn zpřísňující vyhláškou platící od 1. října 2012. Řada počtu přenocovaných nocí rezidenty vykazovala nepatrný trend, ne-li klesající. Zjistili jsme, že rezidenti zkrátili délku pobytu v lázních za sledované období zhruba o polovinu. Klesající trend byl odůvodněn setrvávajícími dopady hospodářské krize na příjmy i výdaje rezidentů, zvýšenými cenami v oblasti z důvodu orientace karlovarských lázní na zahraniční klientelu a v jejich důsledku volba zkrácených pobytových balíčků. Řada návštěvnosti nerezidentů vykazuje rostoucí trend, důvodem může být fakt, že jsou pro ně lázeňská zařízení Karlovarského kraje atraktivní a cenově dostupnější. Největší skupinu klientů analyzovaných zařízení tvoří Němci oceňující dobrý poměr ceny a kvality, blízkost lázní od německých hranic. Druhou, méně početnou skupinou jsou Rusové, pro něž je významné karlovarské letiště a dobrá jazyková vybavenost tamějšího lázeňského personálu. Důležitá je i propagace lázní ČR agenturou CzechTourism i samotným krajem v zahraničí. Počet přenocovaných nocí připadající na jednoho nerezidenta též klesá, pokles ovšem není tak prudký jako u rezidentů, za sledované období se délka pobytu zkrátila zhruba o necelou třetinu. Důvodem může být též zvyšující se pracovní vytíženost v zaměstnáních. Navržena byla doporučeními pro převažující kategorie lázeňských ubytovacích zařízení v kraji s cílem přilákat zahraniční i české samoplátce. Byla diskutována problematika internetu, webových stránek, sociálních sítí, recenzí a s nimi souvisejících portálů, budování a udržování vztahu se zákazníky, spolupráce s jinými subjekty v kraji, byla navržena opatření v dobách snížené návštěvnosti zařízení.

Literatura

69

7 Literatura ADAMEC, V., STŘELEC, L., HAMPEL, D. Ekonometrie I: učební text. 1. vyd. Brno: Mendelova univerzita v Brně, 2013. ISBN 978-80-7375-703-8. ARLT, J., ARTLOVÁ, M. Ekonomické časové řady. V Professional Publishing vyd. 1. Praha: Professional Publishing, 2009. ISBN 978-80-86946-85-6. BARTÁK, M., VEBROVÁ, J., RYCHLÁ, R. Nový slovník cizích slov pro 21. století. Vyd. 1. Praha: Plot, 2008. ISBN 978-80-86523-89-7. DAVID, P., SOUKUP, V. Skvosty lázní. Vyd. 1. V Praze: Knižní klub, 2005. ISBN 80242-1524-1. FISCHER, B. Lázeňství v Karlovarském kraji. Vyd. 1. Karlovy Vary: Karlovarský kraj, 2008. ISBN 978-80-254-2455-1. HINDLS, R. Statistika pro ekonomy. 7. vyd. Praha: Professional Publishing, 2006. ISBN 80-86946-16-9. KAJLÍK, V. České lázně a lázeňství. Praha: MMR ČR, 2007. ISBN 978-80-239-9330-1. KROPÁČ, J. Statistika B: jednorozměrné a dvourozměrné datové soubory, regresní analýza, časové řady. 2. vyd. Brno: Vysoké učení technické v Brně, 2009. ISBN 978-80-214-3295-6. MINAŘÍK, B. Statistika I: popisná statistika. Vyd. 1. Brno: Mendelova zemědělská a lesnická univerzita, 2000. S. 105-207. ISBN 80-7157-427-9. PETRŮ, Z. Základy ekonomiky cestovního ruchu. 2., upr. vyd. Praha: Idea servis, 2007. ISBN 978-80-85970-55-5 RYGLOVÁ, K., BURIAN, M., VAJČNEROVÁ, I. Cestovní ruch - podnikatelské principy a příležitosti v praxi. 1. vyd. Praha: Grada, 2011. ISBN 978-80-247-4039-3 RYGLOVÁ, K. Cestovní ruch: soubor studijních materiálů. Vyd. 3., rozš. Ostrava: Key Publishing, 2009. ISBN 978-80-7418-028-6. SEIFERTOVÁ, V. Marketing v lázeňském cestovním ruchu. Praha: Vysoká škola cestovního ruchu, hotelnictví a lázeňství, 2003. ISBN 80-86592-00-6. VAŠTÍKOVÁ, M. Marketing služeb: efektivně a moderně. 1. vyd. Praha: Grada, 2008. ISBN 978-80-247-2721-9. Agentura CzechTourism láká Čechy do lázní [online]. Poslední revize 28. 1. 2010. [cit. 2013-10-22]. Dostupné z: BERÁNEK, J. Starejte se o svou virtuální image [online]. Poslední revize 5. 4. 2012 [cit. 2013-11-1]. Dostupné z: CVRČEK, L. Karlovy Vary bojují o klientelu pomocí Black Lily, žabek i vějířů [online]. Poslední revize 22. 9. 2013 [cit. 2013-11-1]. Dostup-

70

Literatura

né z: České lázně potřebují k přežití samoplátce, cizince a zábavu. Pacientů jim ubývá [online]. Poslední revize 6. 8. 2013. [cit. 2013-10-22]. Dostupné z: http://prazsky.denik.cz/podnikani/ceske-lazne-potrebuji-k-prezitisamoplatce-cizince-a-zabavu-20130806.html Do lázní loni přijelo rekordních 711 tisíc turistů, přibývá cizinců [online]. Poslední revize 16. 2. 2012. [cit. 2013-10-22]. Dostupné z: FRIČ, P. Internet vládne světu a také hotelovému průmyslu [online]. Poslední revize 5. 4. 2012 [cit. 2013-11-1]. Dostupné z: < http://hotel-spa.ihned.cz/c155293490-internet-vladne-svetu-a-take-hotelovemu-prumyslu> HOUDEK, M. Mariánskolázeňské hotely nabídly vyplaveným z Putimi pobyt zdarma [online]. Poslední revize 29. 6. 2013 [cit. 2013-11-1]. Dostupné z: Jak na trable malého hotelu [online]. Poslední revize 30. 6. 2008 [cit. 2013-11-1]. Dostupné z: KALINOVÁ, I. Alžbětiny lázně prodlužují čas na čerpání lázeňských procedur až do večera [online]. Poslední revize 24. 3. 2009 [cit. 2013-11-1]. Dostupné z: http://karlovarsky.denik.cz/podnikani/kv_alzbetiny_lazne20090324.ht ml Kapacity lázeňských zařízení dle kategorie [online]. [cit. 2013-9-30]. Dostupné z: KLEINOVÁ, I. Co udělat pro vyšší návštěvnost restaurace [online]. Poslední revize 16. 3. 2007 [cit. 2013-11-1]. Dostupné z: < http://hotel-spa.ihned.cz/c120685010-co-udelat-pro-vyssi-navstevnost-restaurace> Lanovka Jáchymov-Klínovec [online]. [cit. 2013-11-1]. Dostupné z: LIDINSKÁ, M. V kontaktu s hosty jsem neustále [online]. Poslední revize 19. 2. 2013 [cit. 2013-11-1]. Dostupné z: MEDVECOVÁ, L. Blog jako nejrychlejší cesta ke klientovi [online]. Poslední revize 8. 5. 2012 [cit. 2013-11-1]. Dostupné z:

Literatura

71

MEDVECOVÁ, L. Připravet se na podzimní kampaně [online]. Poslední revize 7. 9. 2012 [cit. 2013-11-1]. Dostupné z: Multifunční hala [online]. [cit. 2013-11-1]. Dostupné z: NOVÁKOVÁ, V. Propagujte se pomocí ekologie [online]. Poslední revize 10. 2. 2011 [cit. 2013-11-1]. Dostupné z: Outsourcing v praxi — email marketing [online]. [cit. 2013-11-1]. Dostupné z: < http://www.mip-s.cz/hotelovy-marketing-2011/outsourcing-v-praxiemail-marketing/> Park před hotelem Imperial zdobí kamenné víly [online]. Poslední revize 23. 7. 2013 [cit. 2013-11-1]. Dostupné z: PETR, M. Češi jezdí víc do lázní. I díky reklamě [online]. Poslední revize 16. 6. 2010. [cit. 2013-10-22]. Dostupné z: PLÁNKOVÁ, Z. Platba za internet: Ano, nebo ne? [online]. Poslední revize 19. 2. 2013 [cit. 2013-11-1]. Dostupné z: Pobyt v lázních je opět atraktivní dovolenou [online]. Poslední revize 2. 9. 2008. [cit. 2013-10-22]. Dostupné z: Potvrzení naší kvality [online]. [cit. 2013-10-22]. Dostupné z: Regionální potraviny Karlovarského kraje [online]. [cit. 2013-11-1]. Dostupné z: http://eagri.cz/public/web/regionalni-potraviny/regionalnipotraviny/karlovarsky-kraj/ Seznam veletrhů na rok 2013 [online]. [cit. 2013-12-1]. Dostupné z: SMĚNA ČRO PLZEŇ. Karlovarský Kraj se prezentoval na veletrhu v Jekatěrinburgu [online]. Poslední revize 16. 10. 2013 [cit. 2013-11-1]. Dostupné z: SMĚNA ČRO PLZEŇ. Karlovarský Kraj se představuje v exotickém Izraeli [online]. Poslední revize 23. 8. 2013 [cit. 2013-11-1]. Dostupné z: http://www.rozhlas.cz/kv/zpravodajstvi/_zprava/1249215 STÁTNÍ LÉČEBNÉ LÁZNĚ JÁNSKÉ LÁZNĚ, S. P. Informace pro pacienty [online]. Poslední revize 6. 5. 2013 [cit. 2013-11-1]. Dostupné z:

72

Literatura

Stručný popis kraje [online]. [cit. 2013-10-9]. Dostupné z: http://cestovani.krkarlovarsky.cz/cz/pronavstevniky/Stranky/default.aspx Tab. 2.5.1 Návštěvnost v lázeňských ubytovacích zařízeních v ČR a krajích (NUTS III) [online]. [cit. 2013-9-17]. Dostupné z: TELYČKOVÁ, R. Jak doprodat volnou kapacitu [online]. Poslední revize 17. 11. 2010 [cit. 2013-11-1]. Dostupné z: TELYČKOVÁ, R. Využijte toho, co se o vás povídá [online]. Poslední revize 15. 9. 2011 [cit. 2013-11-1]. Dostupné z: TripAdvisor vyhlásil nejlepší hotely světa 2013 [online]. [cit. 2013-11-1]. Dostupné z: TŮMA, O. České lázně bojují o přežití. Stát jim přistřihl křídla [online]. Poslední revize 27. 8. 2013. [cit. 2013-10-22]. Dostupné z: http://www.penize.cz/zdravotnictvi/259521-ceske-lazne-bojuji-opreziti-stat-jim-pristrihl-kridla VÁLKOVÁ, H. Nemocniční poplatky dočasně skončí, volby odsunuly změnu zákona [online]. Poslední revize 17. 9. 2013 [cit. 2013-11-1]. Dostupné z: http://zpravy.idnes.cz/poplatky-v-nemocnici-0ry/domaci.aspx?c=A130917_121738_domaci_hv VÁLKOVÁ, H. Získat lázně na pojišťovnu bude od října těžší, stát změnil pravidla [online]. Poslední revize 16. 8. 2012. [cit. 2013-7-22]. Dostupné z: VERNER, M. Propojte hotel s vůní [online]. Poslední revize 10. 12. 2012 [cit. 201311-1]. Dostupné z: VERNER, M. Vůně — všemocný nástroj [online]. Poslední revize 7. 10. 2012 [cit. 2013-11-1]. Dostupné z: Výsledky mediální kampaně na podporu lázeňského DCR [online]. Poslední revize 7. 7. 2010. [cit. 2013-10-22]. Dostupné z: Základní informace o Karlovarském kraji [online]. [cit. 2013-7-22]. Dostupné z:

Literatura

73

Západočeský lázeňský trojúhelník — turistická oblast [online]. [cit. 2013-11-1]. Dostupné z:

Vývoj návštěvnosti lázeňských ubytovacích zařízení v Karlovarském kraji

Recommend Documents