본 연구는 국립공원 탐방 수요예측에 적합한 모형을 추정하고, 계절 ARIMA Model을 이용하여 국립공원 탐방수요를 예측하였다. 분석 자료는 2003년 1월부터 2010년 12월까지 우리나라 18개 국립공원의 월별 탐방객 수 자료를 이용하였다. 분석결과 $ARIMA(1,0,0)(1,1,0)_{12}$모형이 국립공원 탐방수요를 예측하는데 적합한 모형으로 선정되었으며, MAPE를 이용한 사후평가 결과에서도 모형의 정확도가 높은 것으로 나타났다. 따라서 본 연구 결과는 국립공원 탐방수요 예측기법의 신뢰성 및 타당성 향상과 함께 국립공원 관리전략 수립에 기여할 것으로 판단된다.
본 연구는 국립공원 탐방 수요예측에 적합한 모형을 추정하고, 계절 ARIMA Model을 이용하여 국립공원 탐방수요를 예측하였다. 분석 자료는 2003년 1월부터 2010년 12월까지 우리나라 18개 국립공원의 월별 탐방객 수 자료를 이용하였다. 분석결과 $ARIMA(1,0,0)(1,1,0)_{12}$모형이 국립공원 탐방수요를 예측하는데 적합한 모형으로 선정되었으며, MAPE를 이용한 사후평가 결과에서도 모형의 정확도가 높은 것으로 나타났다. 따라서 본 연구 결과는 국립공원 탐방수요 예측기법의 신뢰성 및 타당성 향상과 함께 국립공원 관리전략 수립에 기여할 것으로 판단된다.
This study was conducted to find out appropriate model and forecast visit demand of korea national parks using seasonal ARIMA model. Data of monthly visitors uses of 18 korea national parks from January, 2003 to December, 2010 was used to analyze. The result showed that $ARIMA(1,0,0)(1,1,0)_{12...
This study was conducted to find out appropriate model and forecast visit demand of korea national parks using seasonal ARIMA model. Data of monthly visitors uses of 18 korea national parks from January, 2003 to December, 2010 was used to analyze. The result showed that $ARIMA(1,0,0)(1,1,0)_{12}$ model was selected as a appropriate model to forecast visit demand of korea national parks and the result of post evaluation used by index of mean absolute percentage error was accurate. Therefore, the result of this study will enhance reliability and validity of forecasting technique and contribute to management strategy of korea national park.
This study was conducted to find out appropriate model and forecast visit demand of korea national parks using seasonal ARIMA model. Data of monthly visitors uses of 18 korea national parks from January, 2003 to December, 2010 was used to analyze. The result showed that $ARIMA(1,0,0)(1,1,0)_{12}$ model was selected as a appropriate model to forecast visit demand of korea national parks and the result of post evaluation used by index of mean absolute percentage error was accurate. Therefore, the result of this study will enhance reliability and validity of forecasting technique and contribute to management strategy of korea national park.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그리고 김영우와 손은호(2006)는 계절 ARIMA모형을 이용하여 경주지역 방문객 수요를 예측하였으며, 구본기와 손은호(2006)는 계절 ARIMA모형을 이용하여 일반 여행업체의 항공권 판매액 예측의 적합한 모형을 추정하고 이를 이용하여 단기 예측을 실시하였다. 분석자료는 2001년 1 월부터 2005년 9월까지의 월별 항공권 판매액을 이용하였으며, 이를 통해 향후 여행업체의 항공권 판매전략을 수립하는데 활용 가능한 기초자료를 제공하고자 시도되었다.
이러한 측면에서 본 연구는 국립공원 관리정책 수립 및 의사결정 시 유용한 기초자료를 제공하기 위하여 우리나라 18개 국립공원을 대상으로 계절 ARIMA Model을 이용하여 적합한 모형 추정과, 그에 따른 단기 미 래 탐방수요를 예측하였다. 국립공원 탐방객에 대한 정확한 수요예측은 공원관리정책을 수립하는데 있어 중요한 기초자료가 될 뿐만 아니라 국립공원 자연자원, 탐방객, 시설계획과 홍보전략 수립 등 자료의 활용성이 매우 광범위하기 때문에 그 중요성은 더욱 크다 할 수 있다.
제안 방법
그리고 추정된 모형의 Lj니ng-Box의 Q-통계량을 이용하여 타당성 여부를 판단하게 되는데, 이를 위해 추정 모형의 잔차 검정을 실시한 후 백색잡음의 과정을 따르고 있는지를 확인한다. 추정모형에 이상이 없다고 판단될 경우 예측모형으로 이용하고, 만약 그렇지 않을 경우 다시 적합 추정모형을 선택하게 된다.
3%로 비교적 정확한 예측모형(10%~20% 이내)으로나타났다. 따라서 ARIMA(l, 0, 0)(l, l, O'?모형을 국립공원 탐방수요를 예측하는 적합한 모델로 선정하였다.
본 연구는 우리나라 18개 국립공원을 대상으로 계절 ARIMA 모형을 이용하여 적합한 모형을 추정하고, 그에 따른 단기 탐방수요를 예측하였다. 이를 위해 먼저 국립공원 탐방수요를 추정하기 위한 잠정모형을 식별하고, 추정된 모형들의 모수 추정 과정을 통해 예측력이 우수한 적합한 모형을 선정한다.
단기 탐방수요를 예측하였다. 이를 위해 먼저 국립공원 탐방수요를 추정하기 위한 잠정모형을 식별하고, 추정된 모형들의 모수 추정 과정을 통해 예측력이 우수한 적합한 모형을 선정한다. 적합한 모형의 선정은 MAPE를가장 우선적으로 적용하였으며, 선정된 모형을 이용하여 2011년 국립공원 탐방수요를 예측하였다.
대상 데이터
본 연구에서는 2003년 1월부터 2010년 12월까지 8년 동안 18개 국립공원의 8년간 월별 탐방객 수 자료를 활용하여 탐방 수요를 예측하였다(그림 1). 국립공원 월별 탐방객 수는 계절성이 뚜렷하여 이에 가장 적합한 연구 방법으로 평가받고 있는 계절 ARIMA Model을 적용하였으며, 분석프로그램은 SPSS 18.
국립공원 탐방객에 대한 정확한 수요예측은 공원관리정책을 수립하는데 있어 중요한 기초자료가 될 뿐만 아니라 국립공원 자연자원, 탐방객, 시설계획과 홍보전략 수립 등 자료의 활용성이 매우 광범위하기 때문에 그 중요성은 더욱 크다 할 수 있다. 분석 자료 및 모델은 2003년 1월부터 2010년 12월까지 우리나라 18개 국립공원의 월별 탐방객 수 자료와 계절 ARIMA Model 을 이용하여 예측을 시도하였다.
데이터처리
탐방 수요를 예측하였다(그림 1). 국립공원 월별 탐방객 수는 계절성이 뚜렷하여 이에 가장 적합한 연구 방법으로 평가받고 있는 계절 ARIMA Model을 적용하였으며, 분석프로그램은 SPSS 18.0을 이용하였다.
오류가 발생할 수 있다. 따라서 단위근 검정을 통해 원시 계열 자료의 안정성 을 Augmented Dickey-F니ller(ADF)검정을(식 3) 통해 분석하였으며 분석 결과 정상 시계열 자료로 나타났다.
이론/모형
또한 다른 방법에 비해 예측치의 정확도가 높아 단기 또는 중기 예측에 적합한 방법이라고 할 수 있다(한국관광연구원, 1999). 따라서 본 연구에서도 이 분석 방법을 이용하여 국립공원 탐방수요를 추정하고자 한다.
이를 위해 먼저 국립공원 탐방수요를 추정하기 위한 잠정모형을 식별하고, 추정된 모형들의 모수 추정 과정을 통해 예측력이 우수한 적합한 모형을 선정한다. 적합한 모형의 선정은 MAPE를가장 우선적으로 적용하였으며, 선정된 모형을 이용하여 2011년 국립공원 탐방수요를 예측하였다. 그 결과 ARIMA(100)(1, 1, 。)”모형이 국립공원 탐방 수요를 예측하는데 적합한 모형으로 선정되었으며, 2011년에는 43, 70S 천명의 탐방객이 국립공원을 방문할 것으로 예측되었다.
성능/효과
적합한 모형의 선정은 MAPE를가장 우선적으로 적용하였으며, 선정된 모형을 이용하여 2011년 국립공원 탐방수요를 예측하였다. 그 결과 ARIMA(100)(1, 1, 。)”모형이 국립공원 탐방 수요를 예측하는데 적합한 모형으로 선정되었으며, 2011년에는 43, 70S 천명의 탐방객이 국립공원을 방문할 것으로 예측되었다. 또한 예측치의 MAPE 역시 약 11.
001)。] 5% 유의수준에서 유의한 것으로 나타나, 백색잡음항의 독립성을 만족하지 못하기 때문에 예측모형으로 적합하지 않아 ARIM仏(100)(1, 1, O'?모형을 국립공원 탐방 수요를 추정하는데 적합한 모형을 고려할 수 있는 것으로 나타났다. 그리고 ARIMA(l, 0, 0)(l, l, 0) i2모형의 적합도 평가는 여러 평가 지표들 중 가장 많이 이용되고 신뢰도가 높은 MAPE 값을 이용하여 분석을 실시한 결과 11.3%로 비교적 정확한 예측모형(10%~20% 이내)으로나타났다. 따라서 ARIMA(l, 0, 0)(l, l, O'?모형을 국립공원 탐방수요를 예측하는 적합한 모델로 선정하였다.
또한 단풍 성수기 등과 같은 탐방 집중시기에 혼잡 예고를 통한 탐방객 분산을 유도할 수 있으며, 이를 통해 탐방 경험의 질을 제고할 수 있을 것이다. 둘째, 엄정한 자연 보전과 지속가능한 이용이 경영이념인 국립공원관리청에서는 탐방 수요에 따른 자연자원 관리체계 수립과 인위적인 간섭에 따른 자연자원의 훼손방지 계획 수립 시 유용한 자료일 것이다. 셋째, 탐방 수요에 따른 탐방 편의시설 및 자연자원 훼손방지 시설 등의 적정 규모 및 입지선정과 관리계획 수립 시 기초자료로 활용할 수 있을 것이다.
그 결과 ARIMA(100)(1, 1, 。)”모형이 국립공원 탐방 수요를 예측하는데 적합한 모형으로 선정되었으며, 2011년에는 43, 70S 천명의 탐방객이 국립공원을 방문할 것으로 예측되었다. 또한 예측치의 MAPE 역시 약 11.3% 정도로 비교적 정확한 예측모형으로 평가되었다.
먼저, ARIMA(1, O, O)(1, 1, O)12와 ARIMA(0, 0, l)(0, l, 1)12모형의 모수 추정 결과 추정계수가 통계적으로 유의한 것으로 나타났다.
하지만 ARIMA(0, 0, l)(0, l, l) i2모형은 p값(.001)。] 5% 유의수준에서 유의한 것으로 나타나, 백색잡음항의 독립성을 만족하지 못하기 때문에 예측모형으로 적합하지 않아 ARIM仏(100)(1, 1, O'?모형을 국립공원 탐방 수요를 추정하는데 적합한 모형을 고려할 수 있는 것으로 나타났다. 그리고 ARIMA(l, 0, 0)(l, l, 0) i2모형의 적합도 평가는 여러 평가 지표들 중 가장 많이 이용되고 신뢰도가 높은 MAPE 값을 이용하여 분석을 실시한 결과 11.
2% 증가한 약 43, 708천 명 정도로 예측되었다. 본연구를 통해 선정된 모형의 경우 예측치의 MAPE가 약 11.3%로 나타나 국립공원의 관리정책을 수립하는데 활용이 가능할 것으로 판단된다.
후속연구
국립공원 관리자에게 언제 얼마나 많은 탐방객들이 방문할 것인지에 대한 사전 정보가 제공될 경우 탄력성이 강하고 계절적 변화가 심한 탐방 수요에 대한 대응 체계 구축이 용이할 것이다. 또한 단풍 성수기 등과 같은 탐방 집중시기에 혼잡 예고를 통한 탐방객 분산을 유도할 수 있으며, 이를 통해 탐방 경험의 질을 제고할 수 있을 것이다. 둘째, 엄정한 자연 보전과 지속가능한 이용이 경영이념인 국립공원관리청에서는 탐방 수요에 따른 자연자원 관리체계 수립과 인위적인 간섭에 따른 자연자원의 훼손방지 계획 수립 시 유용한 자료일 것이다.
둘째, 엄정한 자연 보전과 지속가능한 이용이 경영이념인 국립공원관리청에서는 탐방 수요에 따른 자연자원 관리체계 수립과 인위적인 간섭에 따른 자연자원의 훼손방지 계획 수립 시 유용한 자료일 것이다. 셋째, 탐방 수요에 따른 탐방 편의시설 및 자연자원 훼손방지 시설 등의 적정 규모 및 입지선정과 관리계획 수립 시 기초자료로 활용할 수 있을 것이다.
또한 계획은 미래에 대한 변화를 추구하는 과정이므로 이는 반드시 미래에 대한 일정한 상태를 설정하기 위한 미래예측이 뒤따라야만 과학적인 계획의 수립이 가능하다(김영우와 손은호, 2006). 즉, 급변하는 환경에서 미래 국립공원 탐방객의 정확한 수요예측을 통하여 미래의 불확실성을 제거하고, 이에 대한 정확한 예측이 이루어진다면 향후 공원 관리 계획을 합리적으로 수립하고 시행하는데 기여할 수 있을 것이다. 시계열 분석은 미래 시점의 시계열 값을 예측하는 것으로, 변수에 영향을 미치는 여러 인자의 과거 추세가 미래에도 그대로 적용될 것이라는 가정하에 이루어지므로 비교적 단기간예측에 유리한 분석기법이다(신혜진, 김의경, 2007).
한편, 본 연구의 기대효과는 다음과 같다. 첫째, 국립공원 탐방 수요를 사전에 예즉할 경우 근거 중심의 공원 관리가 가능하고, 선제적인 탐방객 관리에 기여할 수 있을 것이다. 국립공원 관리자에게 언제 얼마나 많은 탐방객들이 방문할 것인지에 대한 사전 정보가 제공될 경우 탄력성이 강하고 계절적 변화가 심한 탐방 수요에 대한 대응 체계 구축이 용이할 것이다.
향후 연구에서는 국립공원별 자원 특성, 지리적 특성, 탐방 특성이 상이하기 때문에 18개 국립공원 전체가 아닌 개별 국립공원별 또는 산악형, 해상해안형, 도시근교형, 사적형 등 국립공원 유형별로 세분화하여 탐방수요가 예측되어져야 할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.