Анотація
У статті розглянуто динаміку туристичних потоків та прогнозування змін попиту з використанням лінійного регресійного аналізу. За основу було взято період з 2011 по 2022 рік. Аналіз охоплює 18 країн, які були обрані як з точки зору традиційної популярності серед туристів, так і за показниками зростання інтересу до менш відомих напрямків. Для обробки даних застосовано програмне середовище R та бібліотеки tidyverse, dplyr, ggplot2 і gt, що забезпечило ефективне опрацювання інформації, побудову графіків і класифікацію країн за трендами. Дані були завантажені у форматі CSV, попередньо оброблені і перевірені на наявність пропущених значень. Для аналізу враховувались лише записи з ненульовими значеннями кількості туристів. Також було створено додаткові змінні для класифікації країн за трендами. Метод лінійної регресії дозволяє визначити напрямок і інтенсивність змін у кількості туристів у кожній країні. Величина коефіцієнта нахилу (Slope) показує приріст, стабільність або зменшення туристичних потоків. На основі квартильного розподілу були визначені категорії А, B, C і D, що відображають рівень розвитку туризму та темпи його зростання або зниження. Результати аналізу свідчать, що завдяки значному зростанню різних видів туризму у країнах, що швидко розвиваються, більшість європейських країн демонструє зниження туристичних потоків, причому найбільші втрати спостерігаються в країнах із високою залежністю від міжнародного туризму або геополітичними проблемами. Водночас деякі країни, наприклад Ірландія та Греція, демонструють позитивні тенденції, що вказує на успішні практики залучення туристів та можливості для подальших досліджень. Отримані результати дозволяють ідентифікувати перспективні регіони для розвитку туристичної інфраструктури та інвестицій, оптимізувати використання природних ресурсів та зменшити негативний вплив туризму на навколишнє середовище. Стаття демонструє, що застосування методів лінійної регресії є ефективним інструментом для прогнозування попиту, планування туризму та підтримки сталого розвитку туристичних регіонів, що має значення для державних органів, бізнесу та операторів туристичних послуг.
Посилання
UN Tourism: official website, availble at: https://www.unwto.org
World Tourism Organization (2017), Yearbook of Tourism Statistics, Data 2011 – 2015, 2017 Edition, UNWTO, Madrid, DOI: https://doi.org/10.18111/9789284418428
World Tourism Organization (2022), Yearbook of Tourism Statistics, Data 2016 – 2020, 2022 Edition, UNWTO, Madrid, DOI: 10.18111/9789284423576
World Tourism Organization (2023) Yearbook of Tourism Statistics, Data 2017 – 2021, 2023 Edition, UNWTO, Madrid, DOI: https://doi.org/10.18111/9789284424139
Johny, A. (2022), A Forecasting model of tourists in tourist destinations using regression technology, Journal of Research in Science and Engineering (JRSE), Volume-4, Issue-1, DOI: https://doi.org/10.53469/jrse.2022.04(01).17
Wei Min (2014), A research on tourism market forecast and evaluation based on the application of linear regression model, International Journal of u- and e- Service, Science and Technology, Vol. 7, No. 6, pp. 213-226, DOI: http://dx.doi.org/10.14257/ijunesst.2014.7.6.19
Trišić, I., Nechita, F., Milojković, D., & Štetić, S. (2023), Sustainable tourism in protected areas – Application of the prism of sustainability model, Sustainability, no. 15(5148), DOI: https://doi.org/10.3390/su15065148
Gelbman, A. (2021), Tourist Experience and Innovative Hospitality Management in Different Cities, Sustainability, no, 13(12), DOI: https://doi.org/10.3390/su13126578
Paradis E. (2006), Analysis of Phylogenetics and Evolution with R., Springer New York, NY, 211 p., DOI: https://doi.org/10.1007/978-0-387-35100-1

