[논문]관광 수요 예측 모형의 계절효과에 대한 연구

김삼용; 이주형

doi:10.5351/kjas.2011.24.1.093

관광 수요 예측 모형의 계절효과에 대한 연구
A Study on the Seasonal Effects of the Tourism Demand Forecasting Models 원문보기

응용통계연구 = The Korean journal of applied statistics, v.24 no.1, 2011년, pp.93 - 102

초록
AI-Helper

본 연구는 관광수요 예측 분야에서 사용되는 계절형 ARIMA 모형과 다변량 계절형 시계열 모형과 오차수정모형의 성능을 비교한 것이다. 본 연구에서는 일본, 중국, 미국, 필리핀에 대한 실제 자료를 이용한 결과 관광 수요에는 계절성이 중요한 역할을 하는 것을 보이고 각 국가별로 예측 정확도를 RMSE를 기준으로 하여 비교하였다.

In this paper, we compared the performance of the several time series models for tourism demand forecasting. We showed that seasonal effects in the data(Japan, China, USA, and Philippines) exist in the tourism data and the forecasting accuracies are compared by the RMSE criterion....

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

검정결과 4개의 계열간에 공적분이 존재하지 않는다는 것을 알 수 있다. 그러므로 정상성을 만족하고 공적분 관계도 존재하지 않는 이 계열들을 계절형 VAR모형에 적합하고자 한다. 적합하기 위해서는 계절형 VAR모형의 차수 p를 결정해야 하며 최적 차수를 결정하기 위해서 HQC 기준을 고려하여 이 값을 최소로 하는 모형을 선택하고자 한다.
게다가 계절성은 관광 조사부분의 중요한 하나로 인식되어 있다. 따라서 일변량 계절시계열 모형을 이용한 예측 방법과 여러 국가로의 관광 수요를 동시에 수행할 수 있는 다변량 시계열 모형과 오차수정모형을 이용하여 각 국가별로 계절효과의 유무와 모형들의 예측 성능을 비교 분석하고자 한다. Diebold와 Kilian (2000)에서 모형을 선택할 때 단위근 검정을 이용하여 선택하는 것이 유용한 방법이라는 것을 알 수 있기 때문에 단위근 검정을 이용하여 모형을 선택한다.
본 연구에서는 기존의 계절 ARIMA모형과 계절형 VAR모형, ECM모형의 예측정확도를 실제자료와 비교해 보았다. 또한 각 국가별로 어느 모형이 좋은 예측력을 가지는지도 살펴보았다. 일변량 계절 ARIMA모형은 한국인의 일본과 미국관광에 대한 예측을 하는데 적절하며 ECM모형은 중국과 태국관광에 대한 예측을 하는데 적절한 모형이다.
마지막으로 추정된 모형으로부터 2005년 7월부터 2006년 6월까지의 1년간의 예측치를 실제 데이터와 비교하여 예측의 정확도를 비교하기로 한다. 또한 각 국가별로 어떠한 모형이 잘 예측하는지를 비교하기로 한다.
Diebold와 Kilian (2000)에서 모형을 선택할 때 단위근 검정을 이용하여 선택하는 것이 유용한 방법이라는 것을 알 수 있기 때문에 단위근 검정을 이용하여 모형을 선택한다. 또한 도출된 모형에서 전체적으로 어느 한 예측 기법이 다른 예측 기법보다 우월하다 해도 변수별로 비교하였을 경우는 우월하다 할 수는 없기 때문에 실제 추정된 모형을 이용한 예측에서 각각의 예측치를 비교 분석하여 어느 변수에서 어떤 시계열 모형이 우수한지를 보고자 한다.
본 연구에서는 기존의 계절 ARIMA모형과 계절형 VAR모형, ECM모형의 예측정확도를 실제자료와 비교해 보았다. 또한 각 국가별로 어느 모형이 좋은 예측력을 가지는지도 살펴보았다.

제안 방법

2005년 7월부터 2006년 6월까지 한국인의 국제관광에 대한 자료를 이용하여 위의 모형들로 예측된 값들을 비교하여 RMSE(Root Mean Square Error)가 작은 우수한 모형을 선택하고자 한다. 비교는 모형별 비교와 국가별 비교로 나누어 계산하였다.
검정 결과 4개의 시계열 사이에 rank = 1의 공적분 관계가 존재함을 확인 할 수 있다. 공적분 관계가 존재하므로 4개의 시계열들을 오차수정모형에 적합시켜 보았다.
최근 구축된 자료는 2004년 1월부터 구축되어 있으나 현재까지의 자료의 양이 많지 않기 때문에 모형 설정이나 예측에도 어려움이 있다. 따라서 이전에 파악된 자료를 이용하여 1998년 1월부터 2005년 6월까지의 자료를 이용하여 일본, 중국, 미국, 필리핀으로의 국제 관광객 수 각각의 변수들의 일변량 계절 ARIMA모형을 추정하고 모든 변수를 이용한 계절형 VAR모형과 ECM모형을 추정하였다. 마지막으로 추정된 모형으로부터 2005년 7월부터 2006년 6월까지의 1년간의 예측치를 실제 데이터와 비교하여 예측의 정확도를 비교하기로 한다.
또한 12개월을 주기로 하는 계절성이 존재하는 것으로 보이며 변동의 폭도 일정하지 않다는 것을 알 수 있다. 따라서 정상성을 만족하는 데이터로 변환하기 위하여 로그변환과 계절차분 및 일반차분을 실시하였다. 그림 3.
따라서 이전에 파악된 자료를 이용하여 1998년 1월부터 2005년 6월까지의 자료를 이용하여 일본, 중국, 미국, 필리핀으로의 국제 관광객 수 각각의 변수들의 일변량 계절 ARIMA모형을 추정하고 모든 변수를 이용한 계절형 VAR모형과 ECM모형을 추정하였다. 마지막으로 추정된 모형으로부터 2005년 7월부터 2006년 6월까지의 1년간의 예측치를 실제 데이터와 비교하여 예측의 정확도를 비교하기로 한다. 또한 각 국가별로 어떠한 모형이 잘 예측하는지를 비교하기로 한다.
2005년 7월부터 2006년 6월까지 한국인의 국제관광에 대한 자료를 이용하여 위의 모형들로 예측된 값들을 비교하여 RMSE(Root Mean Square Error)가 작은 우수한 모형을 선택하고자 한다. 비교는 모형별 비교와 국가별 비교로 나누어 계산하였다. 표 3.
그러므로 정상성을 만족하고 공적분 관계도 존재하지 않는 이 계열들을 계절형 VAR모형에 적합하고자 한다. 적합하기 위해서는 계절형 VAR모형의 차수 p를 결정해야 하며 최적 차수를 결정하기 위해서 HQC 기준을 고려하여 이 값을 최소로 하는 모형을 선택하고자 한다. 여기서 HQC는 식 (3.

대상 데이터

본 연구에서 분석 및 예측에 사용된 자료는 1998년 1월부터 2006년 6월까지의 월별 한국인 국제 관광객 수의 자료를 이용하였다. 조사기간 동안의 관광객의 총합을 구하여 1위부터 4위까지 한국인의 주요 관광국인 일본, 중국, 미국, 필리핀으로의 관광객 자료를 이용하였다.
본 연구에서 분석 및 예측에 사용된 자료는 1998년 1월부터 2006년 6월까지의 월별 한국인 국제 관광객 수의 자료를 이용하였다. 조사기간 동안의 관광객의 총합을 구하여 1위부터 4위까지 한국인의 주요 관광국인 일본, 중국, 미국, 필리핀으로의 관광객 자료를 이용하였다. 이 자료는 한국관광공사(http://www.

이론/모형

일반적으로 AIC기준은 점근적으로 p에 대한 과추정을 만드는 것으로 알려져 있다. 따라서 본 논문에서는 HQC기준을 사용하였다.

성능/효과

7에 나타나 있다. 검정 결과 4개의 시계열 사이에 rank = 1의 공적분 관계가 존재함을 확인 할 수 있다. 공적분 관계가 존재하므로 4개의 시계열들을 오차수정모형에 적합시켜 보았다.
1을 살펴보면 관광자료가 우선적으로 점점 증가하는 추세를 보이는 것을 알 수 있다. 또한 12개월을 주기로 하는 계절성이 존재하는 것으로 보이며 변동의 폭도 일정하지 않다는 것을 알 수 있다. 따라서 정상성을 만족하는 데이터로 변환하기 위하여 로그변환과 계절차분 및 일반차분을 실시하였다.
일변량 계절 ARIMA모형은 한국인의 일본과 미국관광에 대한 예측을 하는데 적절하며 ECM모형은 중국과 태국관광에 대한 예측을 하는데 적절한 모형이다. 또한 전체 국가에 대해 모형별로 비교하였을 때는 ECM모형이 계절형 VAR모형보다 우수하고 계절형 VAR모형은 일변량 계절 ARIMA모형보다 우수한 예측력을 가지는 것을 알 수 있었다. 이로 ECM모형이 가장 좋은 모형이라 할 수 있으나 국가별로 비교하였을 때는 어느 한 모형이 다른 모형보다 예측이 우수하다고 할 수 없다.

후속연구

또한 이러한 관광수요예측에 대한 자료들은 모두 계절성을 가지며 계절성을 갖는 자료들은 자료의 변환과 모형 적합을 통하여 계절효과를 예측할 수 있다. 또한 향후의 연구에서는 더 다양한 모형들을 이용하며 최신의 자료들이 더 축적되어 앞으로의 미래에 대한 예측을 할 수 있는 연구가 진행되야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	VAR모형의 장점은 무엇인가?	이러한 경우, 같은 시점에서 두 개 이상의 시계열들로 구성된 벡터시계열에 관심을 갖고 이 벡터시계열을 구성하는 각 성분 계열들의 자기종속성이나 관련성은 물론이고 서로 다른 성분계열 사이의 연관성이나 교차상관을 파악할 수 있으며 이들 모두를 예측모형에 사용하는 것이 효과적일 수 있다. 특히 VAR모형은 다른 대표적인 다변량시계열모형보다 모수의 추정이나 식별성의 문제가 적고 모형화 하는데 이용되는 간편하고 적용성이 높은 모형이기 때문에 유용하게 쓰이는 모형이다. VAR(p)모형을 정의 하면 zt가 모든 t에 대하여 식 (2.
	오차수정모형이란 무엇인가?	Engle과 Granger (1987)에 의해 제안된 오차수정모형(ECM)은 시계열간의 공적분관계를 다른 단기 동적인 관계와 함께 고려한 동적인 모형이다. 단위근을 갖는 시계열 Xt = (X1t, X2t)′ 가 일반차분으로 정상시계열이 되고 벡터 α = (1, β′)′ 가 존재한다고 할 때 αXt가 단위근을 갖지 않는 정상시계열이라 하면 이는 공적분되었다고 하며 α를 공적분 벡터라 한다.
	다변량 시계열모형에서도 차수의 결정을 위해 ACF와 PACF의 패턴을 보고 결정할 수 있으나 이러한 방법은 많은 경험을 필요로 하기 때문에, VAR모형에서는 어떤 방법을 사용하는가?	일변량 시계열모형에서 ARIMA모형의 차수를 결정할 때, ACF와 PACF를 보고 판단한 것과 마찬가지로 다변량 시계열모형에서도 차수의 결정을 위해 ACF와 PACF의 패턴을 보고 결정할 수 있으나 이러한 방법은 많은 경험을 필요로 한다. 그러므로 일반적으로 VAR모형에 대한 분산공분산행렬의 추정량(#)을 이용하여 AIC(Akaike Information Criterion), SBC(Schwarz Bayesian Criterion), HQC(Hannan-Quinn Criterion)를 구한 후 최적의 차수로 결정한다. 일반적으로 AIC기준은 점근적으로 p에 대한 과추정을 만드는 것으로 알려져 있다.

참고문헌 (12)

윤지성, 허남균, 김삼용, 허희영 (2010). 계절형 다변량 시계열 모형을 이용한 국제항공 여객 및 화물 수요예측에 관한 연구, , 17, 473？481.

원문보기 상세보기
허남균, 정재윤, 김삼용 (2009). 다변량 시계열 모형을 이용한 항공 수요 예측 연구, , 22, 1007？1017.

원문보기 상세보기
Diebold, F. X. and Kilian, L. (2000). Unit root tests are useful for selecting forecasting models, Journal of Business and Economic Statistics, 18, 265？273.

상세보기
Engle, R. F. and Granger, C. W. J. (1987). Cointegration and error correction: Representation, estimation, and testing, Econometrica, 50, 251？76.
Hylleberg, S., Engle, R. F., Granger, C. W. J. and Yoo, B. S. (1990). Seasonal integration and cointegration, Journal of Econometrics, 44, 215？238.

상세보기
Johansen, S. (1988). Statistical analysis of cointegrating vectors, Journal of Economic Dynamics and Control, 12, 231？54.
Kulendran, N. and King, M. (1997). Forecasting international quarterly tourism flows using error correction and time series models, International Journal of Forecasting, 13, 319？327.
Kulendran, N. and Wong, K. K. F. (2005). Modelling seasonality in tourism forecasting, Journal of Travel Research, 44, 163-170.

상세보기
Li, G., Song, H. and Witt, S. F. (2005). Recent development in econometric modelling and forecasting, Journal of Travel Research, 44, 82？99.
Lim, C. and McAleer, M. (2002). Time series forecasts of international travel demand for Australia, Tourism Management, 23, 389-396.

상세보기
Shen, S., Li, G. and Song, H. (2009). Effect of seasonality treatment on the forecasting performance of tourism demand models, Tourism Economics, 15, 693？708.

상세보기
Wong, K. K. F., Song, H., Witt, S. F. and Wu, D. C. (2007). Tourism forecasting: To combine or not to combine?, Tourism Management, 28, 1068-1078.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증