تخمين تابع تقاضاي گردشگري در استان هاي منتخب

Estimate the demand function of tourism in selected provinces

گردشگري به عنوان يك بخش مهم اقتصادي و با سود آوري بالا ، در وضعيت فعلي جهان از چنان جايگاهي برخودار گرديده است كه به عنوان صنعت توريسم از آن ياد مي شود. با توجه به جاذبه هاي گرشگري در ايران، اين صنعت مي تواند براي برون رفت از وضعيت تك محصولي و وابستگي به نفت مورد توجه قرار گيرد. از اين رو در اين تحقيق به برخي عوامل موثر بر تقاضاي گردشگري و سهم هر يك از عوامل اشاره مي گردد. در اين راستا 11 استان گردشگر پذير در دوره زماني 1384 تا 1389 مورد بررسي قرار گرفته است. با تشكيل تابع لگاريتم خطي و تخمين آن به روش پنل ديتا مشخص گرديد كه هزينه هاي سفر در مقصد همچون متغير شاخص كل كالا و خدمات مصرفي (SHB) و نسبت قيمت هتل آن استان به درآمد خانوار ساير استانها (NHN) ، موثرترين متغير در ميزان تقاضاي گردشگري داخلي مي باشد. ضمنا ضريب متغير تعداد جاذبه هاي گردشگري (TJ) تعداد آژانس هاي مسافرتي و خدماتي گردشگر (TA) ،مثبت مي باشدو نشاندهنده رابطه مستقيم بين تعداد مسافران داخليبادو متغير مذكور آن استان است.

As an important economic section of high efficiency, tourism has an excellent position in the modern world called Tourism Industry. According to the Iranian tourism attractions, this industry may be considered for moving out of single-product condition and dependency on oil. Therefore, the author intends in this article to show some effective factors on demand of tourism and share of each factor. In this case, 11 tourist provinces in a period of 2005 to 2010 were studied. By linear logarithm function and its estimation in panel data method, it was determined that the traveling costs in destination such as variable of total goods and services used index (SHB) and ratio of price of hotels in that province to the family income of other provinces (NHN), are the most efficient variable in total demands for domestic tourism. In addition, coefficient of variable of total local tourism attractions (TJ) and total tourism and travel agencies (TA) is positive, showing direct relationship of number of domestic passengers and two mentioned variables in that province.