Эмпирическая часть исследования включает несколько этапов:
1) сбор данных о характеристиках туров с сайта vpoxod.ru;
2) составление функции цены на основе собранных данных (выбор классов зависимостей внутри уравнения);
3) оценка выбранных параметров, проверка выдвинутых гипотез.
Все манипуляции с данными будут осуществляться с помощью программного обеспечения RStudio.
Выбор параметров для оценки и построение ценовой функции основывается на данных. Данные представляют собой информацию по характеристикам активных пеших туров, размещенных на сайте vpoxod.ru. Сайт принадлежит компании "Клуб Приключений", являющейся туристическим агентством, предлагающим индивидуальным инструкторам площадку для размещения своих туров. Инструкторы в свою очередь предлагают не только российские, но и зарубежные туры, относящиеся к активному туризму. Каждый инструктор самостоятельно устанавливает цену своего тура, то есть их [инструкторов] можно воспринимать, как отдельные "мини-фирмы".
Выборка ограничена следующими параметрами: регион - Россия, тип походов - пешие. Таким образом число наблюдений - маршрутов: 100, походов: 400. Количество маршрутов отличается от количества походов, так как по одному маршруту могут водить разные инструкторы (гиды) и в разное время. Одно наблюдение представляет собой поход, запланированный на определенную дату, таким образом, всего количество изначально собранных наблюдений равно значению количества походов (400).
Стоит отметить отдельно этап сбора данных. Процесс сбора данных оказался отдельной трудозатратой задачей на пути к достижению поставленной цели, так как все наблюдения были собраны вручную. Данная мера была обусловлена характером данных находящихся на индивидуальной вкладке похода на сайте. Большинство характеристик у разных инструкторов описаны разными формулировками, поэтому не было возможности применить парсинг данных. Также стоит отметить, что данные были собраны в начале марта 2020 года, что делает их актуальными, однако, накладывает некоторые ограничения: не наблюдаются зимние походы, так как на тот момент их сезон уже подошел к концу, а новые походы еще не были запланированы.
Исходя из анализа литературы и наличия информации о походе на странице сайта, были собраны данные по следующим параметрам. Однако, впоследствии часть из характеристик пришлось исключить в силу размера данных, применяя эмпирическое правило количество параметров должно быть не больше квадратного корня из количества наблюдений, то есть для нашего случая 20 параметров для оценивания, после удаления статистических выбросов - 19. Также некоторые параметры были исключены после анализа матрицы корреляций с целью избавления от мультиколлинеарности. В Таблице 2 представлены параметры походов с описанием, по которым собирались данные изначально, а также отмечены те из них, от которых в ходе анализа данных пришлось отказаться.
Таблица 2
Описание переменных
Помимо объяснений в таблице стоит дополнительно прокомментировать выбор некоторых показателей. В частности, дами переменные на регионы: в исходных данных присутствовало 13 регионов, а в параметры перешли только Кавказ, Алтай, Карелия и Крым. Это связанно с тем, что именно на эти регионы пришлось большее количество наблюдений. Также стоит обратить отдельное внимание на такие показатели как "эко_взнос", "экскурсии_национальный_парк_музей", включение данных параметров объективно влияет на цену, так как стоимость данных услуг обусловлена некой объективной ценой за билет, гедонистическую составляющая данных показателей будет подробнее объяснена в следующей главе с описанием результатов. Похожая ситуация обстоит с "размещение_турбаза". Также стоит отдельно отметить, что опции "размещение_турбаза" и "размещение_палатки" не создают ситуацию ловушки дами переменных, так как в выборке есть наблюдения, походы, в которых либо нет ночевок, либо на протяжение маршрута размещение происходит и в палатках, и в отелях/турбазах. Касаемо "эко_взнос", в данном случае параметр включен, как прокси на экологически более чистую местность.
После первичного анализа данных и исключения статистических выбросов, в выборке осталось 386 наблюдений, проведем анализ описательных статистик данных по выбранным показателям. Средняя цена в расчете на один день - 2460 руб., максимальная - 4700 руб., минимальная - 870 руб. При построении модели в качестве зависимой переменной будет использоваться цена в расчете на один день, так как цена тура напрямую зависит от части показателей (длина маршрута, количество дней в походе) и она в этом случае увеличивается механически за счет добавления объективной стоимости дополнительного дня (питание, размещение, оплата услуг инструктора). Среднее значение опыта - 8,4 года, максимум - 30 лет, минимум - 2 года. Средняя оценка инструктора - 3,88 балла, максимальная - 4 балла, минимальная - 3,69 балла. Среднее количество отзывов - 86 штук (совокупность всех отзывов), максимальное - 317 штук, минимальное - 3 штуки. Далее рассмотрим распределение по дами переменным: весна (23,83%); лето (62,18%); осень (13,98%); инструкторы, которые имеют в отзывах слова спокойный/надежный (71,76%); туры по направлению Кавказ (29,79%), туры по направлению Крым (13,73%); туры по направлению Алтай (6,74%); туры по направлению Карелия (6,21%); туры по другим направлениям (43,52%); распределение по сложности похода (1 - 43,52%, 2 - 36,01%, 3 - 15,28%, 4 - 2,07%, 5 - 3,1%); в походе есть восхождения (15,8%); в поход включены экскурсии, посещение национальных парков, музеев (37,56%); в стоимость входит экологический взнос (48,7%); размещение на турбазе или в отеле (40,93%); размещение в палатках (63,99%); с выходом к морю (23,57%); включено скалолазание (2,33%); посещение пещер/спелео (1,55%).
Далее перейдем к составлению функции цены на основе собранных данных (выбор классов зависимостей внутри уравнения). Первоначально построенная модель включала в себя все параметры линейно. Стоит отметить, что рассмотренные в ходе анализа литературы работы были линейными по объясняющим переменным. Однако, в данной работе было решено ввести некоторые нелинейности, в связи с некоторыми предположениями, которые сейчас рассмотрим чуть подробнее.
Первая нелинейность связанна с показателем "опыт", помимо включения данного параметра линейно, также включим и его квадрат. Данный прием очень распространён в научной литературе и связывается с тем, что значений фактора меняется характер связи прямая связь меняется на обратную. Так, чем после определенного значения выше опыт инструктора, тем предположительно за его туры готовность людей платить за его походы будет ниже (более возрастной, не может вести более сложные походы, более консервативный).
Вторая нелинейность представляет собой совместный эффект "спокойный_надежный" и "рейтинг_инструктор". Логика в данном случае следующая: если в отзыве инструктора туристы характеризуют его как "спокойный/надежны", то дополнительный балл в его рейтинге оказывает большее влияние на цену в гедонистической модели, чем в случае отсутствия данных характеристик в отзыве. Предположительно, что данная комбинация влияет на ожидаемую удовлетворенность и готовность платить, чем данные характеристики в отдельности.
Третья нелинейность также связанна с совместным эффектом, но уже между "рейтинг_инструктор" и "количество_отзывов_инструктор". В данном случае данное произведение нивелирует тот факт, что, судя по данным, у инструкторов с маленьким количеством отзывов значение рейтинга в среднем выше (или даже равно максимальному баллу из возможных), так как они еще не успели сводить достаточное количество походов и выборка их отзывов тем самым ограничивается. Этот факт не позволяет понять, действительно ли данный инструктор так хорош или он просто сводил один успешный поход, получил отличные отзывы и ему в некотором смысле могло повезти. А у опытных инструкторов, сводившие множество походов, вероятность получить плохую оценку даже случайно, по субъективным суждениям туриста, гораздо выше. Произведение данных показателей предположительно сгладит данный эффект: чем больше количество отзывов инструктора, тем дополнительный бал рейтинга оказывает большее положительное влияние на цену.
Данные нелинейности носят гипотетический характер и напрямую связанны с проверкой Гипотезы 2 о том, что личностные характеристики инструктора оказывают влияние на цену тура наряду с характеристиками непосредственно самого тура.
Таким образом, окончательная регрессионная модель цены имеет вид:
цена_за_день = в1 + в2весна + в3лето + в4опыт+ в5опыт^2 + +в6спокойный_надежныйЧрейтинг_инструктор + +в7рейтинг_инструкторЧколичество_отзывов_инструктор + в8 Кавказ + в9Крым + +в10Алтай + в11Карелия + в12сложность_похода + в13восхождения + +в14экскурсии_национальный_парк_музей + в15взнос_эко + +в16размещение_турбаза + в17размещение_палатки + в19с_выходом_к_морю + в20скалолазанье + е
Перед анализом и интерпретацией результатов, в ПО RStudio были проверены условия Гаусса-Маркова. Подробные описания процедур проверки можно увидеть в скрипте. Соответствующие тесты и графический анализ показали соответствие всем необходимым условиям, что позволяет судить нам о качестве полученных оценок. В нашем случае они являются: наиболее эффективными (в смысле минимальной дисперсии) в классе линейных несмещенных оценок, то есть является наилучшей в некотором смысле.
Также на этом этапе тест Рамсея показал корректность выбранной функциональной формы.
Описание результатов
В предыдущем разделе была описана модель, выбранная для оценивания параметров. Перейдем к описанию полученных результатов. На Рис. 1 приведены коэффициенты, рассчитанные по модели гедонистического ценообразования.
Рис. 1. Результаты оцененной модели
Первое, что хотелось бы отметить это значение Adjusted R-squared равный 0,7617, что говорит о достаточно высокой объясняющей способности модели. Значимыми оказались такие показатели: с положительным знаком (лето; опыт; Кавказ; Алтай; Карелия; сложность похода; восхождения; экскурсии, национальные парки, музеи; экологический взнос; размещение турбаза; с выходом к морю; скалолазание; спелео), с отрицательным знаком (опыт^2; Крым; размещение палатки). Далее рассмотрим и проанализируем значимые показатели более подробно и попытаемся соотнести полученные результаты с результатами из научных работ, которые обсуждались ранее в работе.
Для удобства будем рассматривать оценки в связке с ранее выбранными гипотезами.
Согласно первой гипотезе, мы предполагали, что туристы, приобретающие или намеревающиеся приобрести активные пешие туры, относятся к аллоцентрическому типу обладают некими туристическими навыками, за счет чего ценят сложность и экстрим, так как более простые походы не вызывают у них достаточный уровень возбуждения. Как можно видеть исходя из результатов оценивания показатель "сложность_похода" в среднем и при прочих равных оказывает положительное влияние на цену (121,8 руб.). То есть, готовность туристов платить за более сложный поход нашла отражение в цене, и Гипотеза 1, выдвинутая на основе предположений Yoo, Yoon, Park (2018) и Andersson (2007), подтвердилась. По такому же принципу можно объяснить и положительный характер влияния показателя "восхождение" на цену - 415,1 руб.
Также можно было бы предположить, что к сложности в некотором смысле можно отнести и условия проживания, а значит и проживание в палатке такие люди должны были бы оценить положительно. Однако, в полученных данных мы наблюдаем обратную ситуацию, так "размещение_палатки" в среднем и при прочих равных уменьшает цену за один походный день на 438,5 руб., а вот "размещение_турбаза" в свою очередь увеличивает цену на 829,3 руб. Также стоит отметить, что положительный эффект от проживания в отеле или на турбазе имеет объективный характер, так как имеет конкретную цену. Тем не менее отрицательный эффект на проживание в палате отражает, что туристы, ценящие сложность похода и вызовы во время ходового дня, выше ценят комфорт в размещении. Также обсуждая комфорт можно отметить показатель "лето" с положительным влиянием на цену в 170 руб., данные соотносятся с выводами работы Булганиной, Анафьевой, Тюминой, Шутовой (2016), где был выделен отдельно фактор - "погодные благоприятные условия".
Что касается Гипотезы 2, которая гласит о влиянии на цену личностных характеристик инструктора. В связи с ограниченным количество переменных, которые возможно было включить в выборку (ограничение связанно с объемом данных), пришлось исключить некоторые характеристики инструкторов. Однако, удалось выявить, что критической точкой перелома, когда влияние опыта сменяет свое влияние на цену с прямого на обратный, стал опыт в 12 лет. Одно из возможных объяснений этому - чем больше опыт (более возрастной инструктор) после порога в 12 лет, инструктор становится менее склонным к сложным походам, он становится более консервативным и его физическое состояние уже не позволяет организовывать походы высокой сложности. Для более точного объяснения этому факту необходимо провести дополнительное исследование на данную тему.
Говоря о совместных эффектах, стоит отметить, что несмотря на то, что характеристики гида и в частности его спокойность/надежность были отмечены в работах Li (2018), а также их важность была отмечена экспертом из области Шестаковой Е.Н., в данной работе статистически значимого эффекта "спокойный_надежный" не было обнаружено. Стоит отметить, что в ходе моделирования данный эффект в предварительные модели был включен и без совместного эффекта, однако, и тогда он не имел статистической значимости. Таким образом, вывода об эффекте на цену данного показателя на основе данных невозможно. Совместный эффект "количество_отзывов" и "рейтинг_инструктора" оказался положительным 0,8 руб. и статистически значимым, но численно незначительным.