Моделирование влияния туризма на инвестиционное поведение населения в регионах Российской Федерации

To view a copy of this license, visit

На протяжении последних 10 лет туристская отрасль РФ пережила ряд серьёзных изменений: стартовый ускоряющийся подъём, связанный с массовыми мероприятиями событийного туризма (Летняя Универсиада в Казани 2013 г., Зимняя Олимпиада в Сочи 2014 г., Чемпионат мира по футболу 2018 г., Международный теннисный турнир «Кубок Кремля» и т.д.), которые повлияли на инфраструктуру регионов, привлекли иностранных туристов и стали толчком для устойчивого, но непродолжительного роста как въездного, так и выездного тур-потока на протяжении 2014–2019 гг., а далее снижение туристской активности во время пандемии 2020–2021 гг., и рост внутреннего туризма.

На данный момент развивающийся туризм в РФ претерпевает новое испытание – влияние сложной геополитической ситуации и, конечно, санкций. С течением времени становится очевидным, что развитие фактически вынужденного внутреннего туризма в РФ приобретает все большую значимость для национальной экономики.

Расширяющемуся развитию внутреннего туризма в РФ отвечает и проводимая государственная политика: новая Стратегия развития туризма в РФ до 2035 года, с введёнными в 2022 и 2023 гг. дополнительными мероприятиями государственного финансирования туристских кластеров, льготного кредитования проектов по развитию туристской инфраструктуры и грантов на создание гостиниц и кемпингов1, национальный проект «Туризм и индустрия гостеприимства», в котором помимо ранее объявленных мероприятий в 2024 г. запланированы новые отдельные субсидии регионам для финансирования увеличения количества мест размещения туристов и количества новых турпоездок в регионы2, изменения в налоговое законодательство РФ в 2023 г. в части 0% ставки НДС при продаже туристских продуктов в сфере туризма3 и многое другое.

Оживлённая и регулярно модернизируемая государственная политика в области развития туризма в РФ на данный момент направлена уже не только на восстановление допан-демийных показателей, но и на активизацию потенциала внутреннего туризма РФ, а именно до140 млн. поездок в год к 2030 г.4

Такое активное воздействие на туристскую отрасль, под форсированным влиянием санкций естественным образом отразилось и на многих смежных отраслях, таких как общественное питание, гостиничный бизнес, транспортная отрасль, сфера спортивных и оздоровительных услуг [16] и другие, поскольку туризм обладает сильнейшим мультипликативным эффектом [4].

Однако в последние годы туристско-раз-вивающиеся и развитые регионы столкнулись с неожиданными и не совсем очевидными эффектами, наблюдаемыми в отрасли строительства и продажи жилой недвижимости. Наблюдается ряд явлений в отрасли строительства жилой недвижимости и в региональной экономике туристско-привлекательных регионов РФ, при ежегодном росте туристского потока:

- опережающие среднероссийские темпы роста цен на первичном рынке жилой недвижимости (в 2022 г. в Карелии прирост цен составил 30%5, в Светлогорске и Зеле-ноградске Калининградской области – 43%, в Ялте, Севастополе и Евпатории – 30%, в Алуште – 40%6, в Ростове – 68,7%7, при среднероссийском уровне прироста в 2022 г. в 21%8);

ежегодные ускоряющиеся темпы роста ввода в эксплуатацию жилых помещений в РФ в 2022 г.: среди лидеров строительной сферы туристско-привлекательные регионы - Краснодарский край, Ставропольский край, Калининградская область и др.9; низкие темпы строительства коллективных средств размещения, в среднем 3% в год10; ежегодные объёмы туристов, размещённых в неофициальных объектах, в среднем, 45-50% от общего числа туристов11;

темпы роста номинальной заработной платы, ниже темпов роста цен на недвижимость на первичном рынке и темпов роста ввода в эксплуатацию жилых помещений [12];

низкие темпы миграции населения в туристские регионы при опережающих среднероссийские показателях ввода жилых кв.м. на одного жителя и на 1 мигранта [13], в условиях низкой доступности жилья в данных регионах12;

положительные мнения экспертов о высокой доходности перспективности приобретения жилой недвижимости в туристских городах РФ13.

Все вышеперечисленные факты дают основание для формулировки гипотезы исследования о влияния туризма на рынок строительства и недвижимости в туристки развивающихся регионах РФ путём формирования определённого инвестиционного поведения населения.

Гипотеза исследования выглядит следующим образом: в сложившихся условиях постоянного роста внутреннего туризма коллективные средства размещения не успевают удовлетворить весь спрос на услуги размещения, в среднем на 50 %, что наблюдают хозяйствующие субъекты, в том числе домохозяйства, которые и принимают подходящее для текущей геополитической ситуации инвестиционносберегательное и низко рисковое решение -приобретение жилой недвижимости для сдачи в аренду туристам.

Анализ публикаций по проблематике исследования

В последний год тема развития туризма в условиях санкций и влияние туризма на другие отрасли экономики становится все более актуальной. Полухина А.Н. рассматривает проблемы, с которыми столкнулась туристская отрасль после введения санкций по отношению к

Российской Федерации после февраля 2022 года, считая особенно пострадавшими направления выездного и въездного туризма. Автор отмечает значительный текущий и перспективный рост внутреннего туризма, развитие новых направлений и видов туризма. Тем не менее, увеличение туристского потока внутри страны не решает всех вопросов санкционного развития туризма, поэтому необходимо развивать отечественные ИТ-продукты, сервисы и инфраструктуру [11].

Развитие туризма в условиях западных санкций с учётом влияния пандемии рассматривают Воронкова Л.П. [3] и Шабанова Л.П., Юсупова Г.Р., Кабиров И.С. [15]. Авторы подчёркивают, что разразившийся кризис не только обнажил все проблемы, но и раскрыл новые возможности перед индустрией, которая, обладая мультипликативным эффектом, способна развивать экономическую и социальную отрасли региона и страны. К схожим выводам приходит и Джанджугазова Е.А. [5], моделируя различные пути развития туристской отрасли за счёт сбалансированного сочетания рыночных механизмов и мер государственной поддержки.

В последние годы исследованием влияния туризма на развитие региональной экономики в постпандемийный период занимались: Фетисов В.А., Кучина П.В. [14], Леонидова Е.Г. [8], Бурняшева Л.А. [2], Иванова О.Ю., Поздняков К.К. и Андреев Н.В. [7], которые исследуя целый спектр современных проблем индустрии заключают, что развитие туристкой отрасли положительно сказывается на уровне безработицы, валовом региональном продукте, объёме региональных бюджетов, социально-экономическом развитии регионов. В поле зрения научных интересов современных исследователей так же оказываются эффекты влияния туризма на различные отрасли экономики, однако чаще всего исследователи касаются вопросов влияния туризма на общее социально-экономическое развитие регионов.

В то же время исследователи занимаются изучением обратного направления, влияния отдельных сфер и отраслей на сам туризм. В особенности актуальными в рамках данного исследования выглядят работы касающиеся влияния отрасли строительства и недвижимости на развитие туризма. Так Морщинина Н.И. [9] рассматривает широкомасштабное строительство новых средств размещения и различных объектов, как важный фактор развития туристской отрасли, Никулина О.М. [10] анализирует влияние строительства на развитие туризма на примере Орловской области.

Исследование и прогнозирование последствий стремительного развития внутреннего туризма в РФ, усиленного под воздействием санкций и как следствие влияние его на различные отрасли национальной экономики и поведение экономических субъектов выглядит достаточно актуальным. В отечественной научной литературе на данный момент отсутствует комплексное исследование, посвящённое влиянию туризма на строительство и покупку жилой недвижимости, в результате принятия определённых инвестиционных решений населением. Хотя схожую тему ещё в 2012 г. поднимала Иванова Н.Б. [6] на примере покупки жилья российскими гражданами за границей в качестве инвестиций. Отдельно вопросами инвестиционного поведения населения в условиях нестабильности занимался Аскеров Э.З. [1]. Так же стоит отметить, что в большинстве исследований за экзогенную переменную взяты различные сферы и отрасли экономики, за эндогенную туризм, что выявляет несколько однонаправленный подход исследователей. Данная работа является продолжением двух исследований Ти-щук М.О. [13], Луневой М.А., Гунько Д.Ю. [12] о влиянии туризма на инвестиционное поведение населения, где сопоставлялись и сравнивались темпы роста различных показателей.

Цель исследования: построение эконометрической модели панельных данных для проверки выдвинутой гипотезы о влиянии туризма на рынок строительства жилой недвижимости, через инвестиционное поведение населения, которое приобретает жилые помещения для возможной последующей сдачи в аренду туристам в туристских регионах России.

Для проверки гипотезы выбраны 6-ть популярных туристских направлений: Республика Карелия, Краснодарский край, Ставропольский край, Республика Татарстан, Республика Алтай, Калининградская область, и добавлены два региона Ростовская область и Алтайский край. Данные по 8-ми регионам исследованы за 11 лет (за 2012–2022 гг.).

Из исследования были исключены популярные среди туристов регионы РФ – Республика Крым (поскольку отсутствуют необходимые и статистические данные), а также Москва и Санкт-Петербург (в связи с их специфическими экономическими особенностями). Также в исследование включены Алтайский край (как регион, граничащий с Республикой Алтай, на территории которого находится курорт федерального значения с сопоставимым туристским потоком) и Ростовская область (как регион, граничащий с Краснодарским краем и привлекающий сопоставимый туристский поток). В дальнейшем планируется расширить исследование, включив в него все регионы РФ.

Задачи исследования:

• -    сбор статистических данных по показателям: туристский поток, численность населения, миграция. среднемесячная номинальная начисленная заработная плата, ввод в эксплуатацию общей площади жилых кв.м., средние цены на рынке жилой недвижимости, численность размещённых граждан в коллективных средствах размещения, экономическая ситуация в регионе, ВРП, индекс потребительских цен в выбранных регионах за 2012–2022 гг., а также подготовка данных для моделирования;

• -    эконометрическое моделирование, проверка адекватности модели панельных данных с фиксированными эффектами;

• -    анализ результатов моделирования,

заключение по результатам проверки выдвинутых гипотез.

Методы и методология исследования

В исследовании использованы общенаучные методы, методы статистического анализа и многофакторного эконометрического моделирования. В качестве информационной базы исследования взяты официальные данные Росстата, опубликованные в единой межведомственной информационно-статистической системе. Однако, поскольку данные Росстата о туристском потоке наличествуют с 2022 г., данные о туристском потоке до 2022 г. взяты из официальных заявлений представителей органов власти субъектов РФ, например, официальных выступлений министра по культуре и туризму Калининградской области14. В качестве инструментальной программной среды статистического анализа и эконометрического моделирования использовались пакеты Gretl, Excel, Statistica.

Основная часть

Для проверки гипотезы в качестве эндогенной переменной выбран показатель – ввод в действие общей площади жилых домов (кв.м.). В качестве экзогенных переменных выбран ряд показателей - факторов, которые влияют или могут потенциально повлиять по объективным экономическим причинам на эндогенную переменную, а также туристский поток для проверки выдвинутой гипотезы. Перечень объясняющих переменных и их обозначения представлены в табл. 1.

Предварительная обработка данных заключалась в следующем: стоимостные показатели (Price, Zp, VRP) были переведены в цены 2022 года с помощью индекса потребительских цен на товары и услуги15 (новые обозначения этих переменных: Price_IP, Zp_IP, VRP_IP). Это позволило исключить влияние инфляции и обеспечить сопоставимость динамики этих показателей с динамикой выраженных в натуральных измерителях показателей.

ЖУРНАЛ

Таблица 1 – Переменные для моделирования

Фактор	Обозначение	Характеристика	Единицы измерения
Введённые в эксплуатацию кв.м. жилой площади / Метры	Metres	Ввод в действие общей площади жилых домов в регионе за год, общая площадь жилых помещений во введённых в эксплуатацию жилых и нежилых зданиях16	тыс. кв. м.
Ставки по ипотечному кредитованию / Ипотека	Ipoteca	Средний уровень процентной ставки по ипотечному кредиту, средневзвешенная процентная ставка в процентах годовых (% годовых) по ипотечным жилищным кредитам в рублях, предоставленным кредитными организациями физическим лицам17	%
Миграционный прирост (убыль) / Миграция	Migraz	Миграционный прирост (снижение) населения в регион за год, расчётный показатель, исходя из численности населения18	чел.
Экономическая ситуация в строительной отрасли	Ec_situation	Общая оценка экономической ситуации в регионе в строительной отрасли (относительный, качественный показатель, рассчитанный Росстатом) в текущем году, оценивается экономическая ситуация в строительных организациях и тенденции изменения, учитывая спрос, прибыльность деятельности, конкуренция19	%
Среднемесячная номинальная заработная плата / Зарплата	Zp	Среднемесячная номинальная начисленная заработная плата работающих в экономике в регионе в текущем году20,21	руб.
Туристский поток / Туристы	Turist	Туристский поток в регионе в текущем году22	чел.
Численность граждан, размещённых в КСР/ Размещение	Ksr	Численность размещённых граждан в коллективных средствах размещения в регионе за год23	чел.
Валовый региональный продукт / ВРП	VRP	Валовый региональный продукт за год, расчётный показатель, сумма валовой добавленной стоимости, произведённой за отчётный период резидентными едини-цами24	млн. руб.

Marked correlations are significant at p < .05000

N=88 (Casewise deletion of missing data)

Variable	Means	Std Dev	metres	Ipoteca	Migraz	Ec sit	Price IP	Zp IP	Turist	Ksr	VRP IP
metres	1770.	1686	1,000000	-0.071123	0.700908	0,207023	0,382164	0,128375	0,803317	8.842314	0.265224
Ipoteca	10	2	-0,071123	1,000000	0.106848	0,105535	■8.427779	-0.608628	-0,017825	-0.091146	0,085622
Migraz	5367	16222	0.700908	0.106848	1.000000	0,253669	0.100045	0.103573	0.820664	0.744526	0.191809
Ec sit	-6	14	0.207023	0.105535	0.253669	1,000000	0.311964	-0.138493	0,246270	0.197075	0.069206
Price IP	70832	16744	0,382164	-0.427779	0.100045	0.311964	1.000000	0.410965	0.190812	0.229008	-0.095895
Zp P	42879	6520	0,128375	-0.608628	0.103573	-0.138493	0,410965	1.000000	0,076768	0.130144	-0.039257
Turist	3318704	4710478	0.803317	-0.017825	0.820664	0,246270	0.190812	0.076768	1.000000	0.962803"	0.291905
Ksr	1426002	2070276	0.842314	-0,091146	0.744526	0,197075	8.229008	0,130144	0,962803	1.000000	0.375294
VRP IP	376351451	898942862	0.265224	0.085622	0.191809	0.069206	-0.095895	-0.039257	0.291905	0.375294	1.000000

Рис. 1 – Корреляционная матрица (получена авторами в пакете Statistica)

Корреляционная матрица, представленная на рис. 1, показывает, что мультиколлинеарно связанными факторами являются: Мигра-ция–Туристы; Миграция–Размещение; Тури-сты–Размещение. Это стало основанием для отбора контрольных переменных в итоговую Модель 2.

Поскольку основной целью исследования было установить существенность влияния переменной Turist на Metres, чтобы «обезопасить» модель от пропуска существенных переменных в неё были включены несколько контрольных переменных, которые могут оказывать влияние на уровень Metres.

После изучения различных спецификаций моделей (по набору факторов и форм их связей) была отобрана модель линейного вида, в которой в качестве одной из контрольных переменных присутствует логарифм показателя валового регионального продукта (новое обозначение l_VRP_IP).

Если бы изучаемые региональные различия носили случайный характер, то есть регионы отбирались в выборку случайным образом из большой генеральной совокупности, можно было бы попытаться использовать модель со случайными эффектами.

Однако такое предположение не соответствует составу изучаемых регионов, поскольку анализируемые исходные данные в статистическом смысле не являются результатом выборочного наблюдения, при этом каждый регион индивидуален по своим характеристикам. Кроме того, объем генеральной совокупности (число субъектов РФ) невелик. Поэтому в нашем исследовании была проанализирована модель панельных данных с фиксированными эффектами, которая предполагает, что индивидуальный эффект, а именно, увеличивающиеся объёмы ввода в действие общей площади жилых домов, могут быть кор-релированы с переменными.

Предварительная Модель 1 включает все контрольные переменные без учёта поправок на мультиколлинеарность и гетероскедастич-ность. Она подтверждает гипотезу о значимости влияния на однопроцентном уровне на показатель «ввода в действие общей площади жилых домов в регионе за год» показателя «туристского потока в регионе в текущем году», данные представлены на рис. 2.

Для подтверждения гипотезы о существенности влияния переменной Turist на Metres на однопроцентном уровне, то есть с вероятностью большей чем 99% была построена Модель 2 с оценкой стандартных ошибок с поправкой на гетероскедастичность (робастные стандартные ошибки), чтобы подтвердить состоятельность оценок при регрессорах в условиях гетероскедастичности (рис. 3).

С точки зрения оценки набора факторов, включённых модель, обычно используют коэффициент детерминации R2 – within (в пакете Gretl “В пределах R-квадрат”), значение которого указывает на более чем удачный подбор факторов в итоговую Модель 2, определяющих вариацию изучаемой эндогенной переменной Metres.

ЖУРНАЛ

(Модель 1: Включено ш const Ipoteca Migraz Ec_situatioii Price_IP ZpIP Turist Ksr VHP IP

: Фиксированные эффекты, использовано наблюдений - 88 8 пространственных объектов. Длина временного ряда = 11 Зависимая переменная: metres Коэффициент Ст. ошибка     t-      р-значение статистика 1898,16        963,350       1,970       0,0526    * -42,9057      30,1231      -1,424      0,1587 -0,0184127    0,00667231    -2,760      0,0073    *** 7,06264        3,59163       1,966        0,0531    * -0,000167385  0,00334104   -0,05010     0,9602 -0,00625480    0,0161033    -0,3884      0,6989 0,000163192   5,30337е-05    3,077       0,0030   *** 0,000200571   0,000102503    1,957       0,0543    * -2,32193е-07  4,58454е-08    -5,065      <0,0001   ***

Среднее завис, перемен    1770,253    Ст. откл. завис, перем     1686,476 Сумма кв. остатков        6130207    Ст. ошибка модели       291,7906 LSDV R-квадрат          0,975226    В пределах R-квадрат     0,730622 LSDV-оценка: F( 15, 72)    188,9517    Р-значение (F)             1,72е-51 Лог. правдоподобие     -615,5283    Крит. Аканке            1263,057 Крит. Шварца           1302,694   Крит. Хыпм^Куинна   1279,025 параметр rho             0,608773    Стат. Дарбина-Уотсона   0,699917

Совместный тест на выбранных регрессорах - Тестовая статистика: Г(8, 72) = 24,4102 р-значение = P£F(8, 72) > 24,4102) = 1,14308е-17

Тест на различие констант в группах - Нулевая гипотеза: Группы имеют общее пересечение Тестовая статистика: F(7, 72) = 77,3514 р-значение = P(F(7, 72) > 77,3514) = 6,20266е-31

Рис. 2 – Результаты моделирования (получены авторами в пакете Gretl): предварительная Модель 1

Модель 2: Фиксированные эффекты, использовано наблюдений - 88

Включено 8 пространственных объектов. Длина временного ряда = 11

Зависимая переменная: metres

Робастные стандартные ошибки (НАС)

	Коэффициен nt	Cm. ошибка	t-статистика	р-значение
const	2711,69	1382,88	1,961	0,0907   *
Ipoteca	-71,2436	52,3162	-1,362	0,2155
Ес situation	1,72156	2,94010	0,5855	0,5766
Price_IP	0,00514469	0,00760206	0,6767	0,5203
ZpJP	-0,0224149	0,0277761	-0,8070	0,4462
Turist	0,000270824	l,47207e-05	18,40	<0,0001   ***
L VRP IP	-31,9402	13,2466	-2,411	0,0467   **

Среднее завис, перемен Сумма кв. остатков	1770,253 8768800	Ст. откл. завис, перем Ст. ошибка модели	1686,476 344,2344
LSDV R-квадрат	0,964563	В пределах R-квадрат	0,614674
Лог. правдоподобие	-631,2790	Крит. Акапке	1290,558
Крит. Шварца	1325,241	Крит. Хеннана ЛСупнна	1304,531
параметр rho	0,534732	Стат. Дарбина-Уотсона	0,851570

Совместный тест на выбранных регрессорах - Тестовая статистика: F(6, 7) = 571,269

р-значение = P£F(6, 7) > 5 71,269) = 4,71451е-09

Робастный тест на различие констант в группах - Нулевая гипотеза: Группы имеют общее пересечение

Тестовая статистика: Welch Ц7, 34,1) = 30,0647 р-значение = Р(Г(7, 34,1) > 30,0647) =

8,25049е-13

Рис. 3 – Результаты моделирования (получены авторами в пакете Gretl): итоговая Модель 2

Результаты и выводы

Итоговая Модель 2 прошла проверку на две гипотезы: на незначимость всех регрессоров, а также гипотезы об отсутствии различных фиксированных эффектов (обе они отвергнуты с высокой степенью вероятности). Таким образом было обосновано применение модели с фиксированными эффектами для нашего исследования.

С помощью модели панельных данных доказана гипотеза исследования: развивающийся внутренний туризм и растущий туристский поток значительно и существенно влияет на рост строительства жилой недвижимости в регионах РФ, через инвестиционное поведение населения, которое приобретает жилые помещения для последующей сдачи в аренду туристам, поскольку коллективные средства размещения не успевают справляться с возрастающим спросом.

В заключении отметим, что в связи с длительным производственным циклом в строительной отрасли инвестиционные решения, принимаемые населением под влиянием текущего спроса на объекты размещения со стороны туристов, регулярно формируют новые долгосрочные проекты и высокие цены на первичном рынке. Это можно оценивать как потенциально опасную для экономики региона ситуацию в случае снижения туристского потока или ввода в эксплуатацию масштабных средств размещения.