Моделирование влияния туризма на инвестиционное поведение населения в регионах Российской Федерации

Бесплатный доступ

В текущих условиях усиленно развивающегося под действием санкций внутреннего туризма во многих туристско-привлекательных регионах РФ наблюдаются следующие эффекты его влияния: значительный темп роста строительства жилой недвижимости при стабильной численность местного населения, низком уровне доступности жилья, размещение более половины туристского потока вне коллективных средств размещения (КСР), опережающие темп рост заработной платы темпы роста цен на недвижимость. Данные дают основание предположить, что имеет место влияние туристской отрасли на инвестиционное поведение населения, посредством приобретения недвижимости для последующей сдачи её в аренду туристам. В работе исследованы 8 регионов РФ: Краснодарский край, Калининградская область, Ставропольский край, Республика Карелия, Республика Татарстан, Республика Алтай, Ростовская область и Алтайский край за 2012-2022 гг. Для проверки выдвинутой гипотезы построена модель панельных данных с фиксированными эффектами и робастными стандартными ошибками (HAC), использовались пакеты Gretl, Excel, Statistica. Построенная модель подтвердила гипотезу исследования о существенном (с вероятностью более 99%) влиянии туристского потока на количество введённой в эксплуатацию жилой площади (кв.м.). Данное исследование подтверждает влияние развивающегося (особенно под влияниям санкций) внутреннего туризма на инвестиционное поведение населения в туристско-привлекательных регионах РФ, что с учётом возможного снижение туристского потока, длительности цикла в строительной отрасли, сформированного спроса и цен на рынке недвижимости можно оценивать как ситуацию с потенциально высоким уровнем риска для региональной экономики.

Еще

Туризм, туристская отрасль, строительство, инвестиции, инвестиционное поведение, недвижимость, модель

Короткий адрес: https://sciup.org/140302985

IDR: 140302985   |   DOI: 10.5281/zenodo.10336850

Текст научной статьи 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.

Список литературы Моделирование влияния туризма на инвестиционное поведение населения в регионах Российской Федерации

  • Аскеров Э.З., Козлова Т.М. Особенности инвестиционного поведения домохозяйств России в условиях экономической нестабильности // Вестник Тверского гос. ун-та. Сер.: Экономика и управление. 2023. №1(61). С. 242-250.
  • Бурняшева Л.А. Влияние индустрии туризма на социально-экономическое развитие российских регионов // Социально-гуманитарные знания. 2023. №3. С. 43-45.
  • Воронкова Л.П. Стратегии развития российского туризма в условиях пандемии COVID-19 и западных санкций // Вестник Московского ун-та. Сер. 27: Глобалистика и геополитика. 2022. №4. С. 12-26.
  • Гуляев В.Г. Мультипликативный эффект в туризме // Вестник РМАТ. 2011. №3. С. 54-64.
  • Джанджугазова Е.А. Рынок российского туризма в фокусе развития постпандемийной деловой активности // Научный результат. Технологии бизнеса и сервиса. 2022. Т.8. №1. С. 3-11.
  • Иванова Н.Б. Компаративный анализ приобретения инвестиционного жилья российскими гражданами за рубежом // Жилищная экономика. 2012. №4(16). С. 55-66.
  • Иванова Ю.О., Андреев Н.В., Поздняков К.К. Разработка модели влияния индустрии туризма и гостеприимства на экономический рост // Экономика, предпринимательство и право. 2021. №12. С. 2979-2992.
  • Леонидова Е.Г. Проблемы туризма как фактора развития региона в контексте влияния пандемии COVID-19 // Актуальные проблемы экономики и права. 2020. Т.14. №3. С. 624-637.
  • Морщинина Н.И. Развитие туристского бизнеса посредством влияния на него интеграционной составляющей материально-коммуникационного фактора // Вестник Кемеровского гос. ун-та. 2015. №2-7(62). С. 229-233.
  • Никулина О.М. Влияние строительства и состояния городской и региональной инфраструктуры на развитие туризма в Орловской области // Стратегия развития индустрии гостеприимства и туризма: Мат. IV Междунар. Интернет-конф. Орел, 2011. С. 360-364.
  • Полухина А.Н. Сфера туризма в регионах России в эпоху санкций // Инновационное развитие экономики. 2022. №6(72). С. 80-88.
  • Тищук М.О., Гунько Д.Ю., Лунева Н.А. Влияние развивающегося туризма на инвестиционное поведение населения в регионах РФ // Конкурентоспособность в глобальном мире: экономика, наука, технологии. 2023. №5. С. 237-245.
  • Тищук М.О. Влияние туризма на инвестиционное поведение населения: опыт Калининградской области // Российские регионы: взгляд в будущее. 2022. Т.9. №3-4. С. 51-63.
  • Фетисов В.А., Кучина П.В. Оценка влияния экологического туризма на устойчивое экономическое развитие территорий (на примере Алтайского края) // Инновационное развитие экономики. 2023. №2(74). С. 211-216.
  • Шабанова Л.Б., Юсупова Г.Р., Кабиров И.С. Трансформация индустрии туризма как следствие пандемии и санкций // Вестник Кемеровского гос. ун-та. Сер.: Политические, социологические и экономические науки. 2022. Т.7. №4(26). С. 511-520.
  • Ярыгина О.В. Косвенное влияние туризма на сопутствующие отрасли экономики // Вестник РМАТ. 2013. №1(7). С. 47-51.
Еще
Статья научная