GDP_it = تولید ملی کشور i در زمان t
GDP_jt= تولید ملی کشور j در زمان t
DIS_ij= فاصله جغرافیایی بین پایتخت دو کشور i و j
FCI = شاخص وضعیت مالی
EV_j= تغییرات نرخ ارز در کشور i
EV_j = تغییرات نرخ ارز در کشور j
Ε_ijt= اختلالات تصادفی
در الگوی اثر بحران مالی بر تجارت خدمات گردشگری، متغیر دما به علت ضروری نبودن وجود آن در الگو حذف شده است؛ در نتیجه الگوی اثر بحران مالی بر تجارت خدمات گردشگری مشابه الگوی اثر بحران مالی بر تجارت خدمات می­باشد. بنابراین الگو به شکل زیر است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

(۳-۹)
متغیرهای اصلی الگو عبارتند از:
TRADE_ijt= تجارت دوجانبه خدمات گردشگری بین کشور iو j در زمانt
GDP_it = تولید ملی کشور i در زمان t
GDP_jt= تولید ملی کشور j در زمان t
DIS_ij= فاصله جغرافیایی بین پایتخت دو کشور i و j
FCI = شاخص وضعیت مالی
EV_j= تغییرات نرخ ارز در کشور i
EV_j = تغییرات نرخ ارز در کشور j
Ε_ijt= اختلالات تصادفی
در این الگو، مشابه الگوی اثر بحران مالی بر تجارت کل خدمات، دو متغیر نرخ ارز و شاخص بحران مالی اضافه شده است که گویای تاثیر تغییرات نرخ ارز و تغییر وضیت مالی نیز باشد.
۳-۳- معرفی متغیرها
متغیرهای مورد استفاده در الگو به صورت لگاریتمی تنظیم شده و مورد استفاده قرار گرفته است. در این قسمت برای هر یک از این متغیرها شرح کوتاهی ارائه گردیده است. متغیر توضیحی معادله TRADE_ijt در بردآرنده جریان تجاری حاصل از گردشگری بین دو کشور مورد نظر است. در مورد محاسبه­ی DIS_ij، فاصله جغرافیایی دو برداشت وجود دارد:
این متغیر به صورت اندازه­ جغرافیایی یا به عبارت دقیق­تر فاصله جغرافیایی میان مراکز اقتصادی (مقصد­های اصلی گردشگری) دو کشور بیان شود. همچنین می­توان به صورت فاصله تجاری نیز وارد شود. این فاصله تجاری به صورت کلی تحت عنوان هزینه­ های حمل و نقل شناخته می­ شود. در این خصوص کریست جانس دویتر دو روش برای وارد کردن هزینه­ های حمل و نقل در الگوی جاذبه معرفی کرده است که عبارتند از: ۱-محاسبه هزینه­ های حمل و نقل با توجه به تعرفه­های بین المللی به تفکیک حامل­های مورد استفاده اعم از ناوگان هوایی، دریایی و زمینی۲- حاصل ضرب این هزینه­ها در فاصله جغرافیایی دو کشور (احمدزاده،۱۳۸۴).
در الگو مورد استفاده این مطالعه DIS_ij به صورت فاصله جغرافیایی مراکز اقتصادی اندازه گیری شده است. به علت تعدد در مقاصد گردشگری در هر کشور، پایتخت هر کشور به عنوان مرکز اقتصادی در نظر گرفته شده است.
EV ، تغییرات لگاریتم نرخ ارز را نشان می­دهد؛ که به منظور در نظر گرفتن تفاوت نرخ ارز کشورهای مورد بررسی به الگوی پژوهش اضافه شده است. اضافه کردن نرخ ارز به صورت تغییرات به این علت است که، ماهیت غیر قابل ذخیره کردن خدمات باعث شده است که میزان تغییرات نرخ ارز حجم تجارت را تغییر دهد و نه نوسانات اندک آن. این متغیر از طریق رابطه (۳-۸) بدست می ­آید (زیهوری ما، ۲۰۰۳).
(۳-۱۰)
در رابطه (۳-۸) ex نرخ ارز رسمی را نشان می­دهد وتغییرات بر اساس لگاریتم نرخ ارز حساب شده است، زیرا تغییرات اندک نرخ ارز بر حجم تجارت خدمات تاثیر گذار نیست. تغییرات نرخ ارز در کشورهای وارد کننده درصورت که بر اثر افزایش نرخ ارز باشد باعث بی ارزش شدن پول ملی کشور وارد کننده می­ شود و حجم تجارت را کاهش می­دهد در صورتی که در کشور صادرکننده افزایش نرخ ارز باعث ارزان­تر شدن خدمات این کشور می­ شود درنتیجه تقاضا برای خدمات این کشور بیشتر خواهد شد.
شاخص شرایط مالی(FCI) به عنوان متغیر بحران مورد استفاده قرار می­گیرد. راه­های گوناگونی برای اندازه ­گیری بحران­های مالی وجود دارد. مثلاً با بررسی نرخ بهره که به وسیله آن می­توان ریسک^[۱۴۷] را اندازه ­گیری نمود، مانند اختلاف میان بازدهی­های حاصل از یک دارایی ریسک پذیر مانند اوراق مشارکت و یک دارایی بدون ریسک مانند اوراق خزانه ایالات متحده آمریکا. به هر حال فشارهای مالی می­توانند در ابعاد دیگر نیز ظهور کنند. ریسک قابل توجهی که در بحران مالی اخیر روی داد عبارت بود از ناتوانی بسیاری از موسسات مالی در سرمایه گذاری­های امن برای تامین مالی بدهی­های کوتاه مدت خود. این نوع ریسک تحت عنوان “ریسک نقدینگی” شناخته می شود.
به خاطر غلبه بر مشکل بالقوه تاکید بر تنها یک متغیر به جای سایر متغیرها، برخی اقتصاددانان متغیرهای زیادی را ترکیب نموده ­اند تا فشارهای بازارهای مالی را توسط یک متغیر، مانند یک شاخص اندازه ­گیری نمایند. یک متغیر شرایط بازار مالی (FCI)^[148] اطلاعاتی درباره وضعیت آتی اقتصاد بر پایه شرایط کنونی این متغیرها ارائه می­دهد. به طور مطلوب، شاخص FCI شوک­های مالی را اندازه ­گیری می­نماید و تغییرات برون­زا در شرایط مالی که فعالیت­های اقتصادی آتی را تحت تاثیر قرار داده و پیش ­بینی می­ کند (هاتزئوس^[۱۴۹]، ۲۰۱۰).
به طور کلی، دامنه مقیاس­های اندازه ­گیری شاخص FCI بسیار گسترده است. لیست بلندی از مقیاس­های بهای مالی^[۱۵۰] وجود دارد که هزینه­ های سرمایه استفاده کننده را تحت تاثیر قرار می­دهد، شامل نرخ بهره­ای که کارخانه­ها در ازای وام (چه کوتاه مدت و چه بلندمدت) باید بپردازند یا قیمتی که در آن می­توانند حقوق صاحبان سهام^[۱۵۱] را افزایش دهند. بی شک، ارزش حقوق صاحبان سهام، شکل منحنی بازده و مقیاس­های ریسک اعتبار برای مدت طولانی به عنوان معیارهای مالی فعالیت­های آتی اقتصاد استفاده می­شوند. به طور مشابه، قیمت­هایی که ثروت خانوارها را تحت تاثیر قرار می­ دهند- مانند قیمت املاک و سهام یا نرخ بهره مصرف کننده ­ای که رابطه جایگزینی بین مصرف کنونی و مصرف آینده را تحت تاثیر قرار می­دهد، انتخاب­های متعارفی به عنوان شاخص FCI خواهند بود.
هاتزئوس و همکاران شاخص شرایط مالی جدید و کامل­تری در جهت غلبه بر محدودیت­های شاخص­ های قبلی ارائه نموده ­اند. این شاخص حیطه گسترده­ای از شاخص­ های مالی را در بر می­گیرد که وسیع­تر از سایر متغیرهای موجود است و دوره زمانی نسبتاً طولانی، از اوایل دهه ۱۹۷۰ تا کنون را در بر می­گیرد.
این شاخص از ترکیب ۴۵ متغیر توسط هاتزئوس و همکارانش محاسبه شده است. کامینسکی^[۱۵۲](۱۹۹۸) نیز به این نتیجه رسیده است که یکی از راه­های پی بردن به وقوع بحران، سنجش شاخص­ های متعدد و توجه به رفتارهای غیر عادی آن­ها در دوران پیش از بحران است. شاخص FCI در یک روش مشابه با بیشتر الگوهای شاخص همزمان ساخته شده است که در آن تغییرات در داده ­های هر سری زمانی به صورت خطی از یک منبع مشترک ناشناخته و با عبارت خطاهای ویژه توضیح داده شده است. معادله­ اندازه ­گیری ایستای این الگو به صورت زیر است:
(۳-۱۱)
که در آن F ماتریس متغیرهای موثر بازار مالی است. صادرات، نرخ ارز حقیقی، نسبت حجم پول، پس انداز خالص بین المللی، تولید ملی، نرخ بهره، قیمت­های تعادلی می­توانند بحران مالی را توضیح دهد. در طی تحولات مالی اخیر، اهمیت این شاخص ­ها بسیار بیشتر از گذشته جلوه نمود. هم زمان، با تحت نظر گرفتن بازارها، اعتماد به نشانه­ های قیمتی به طور بالفعل کاهش یافت، شرایط اعتبار غیر قیمتی شدیداً منقبض شد و جریان­های اعتباری ناگهان کاهش یافت. در تلاش برای احاطه این تاثیرات، نویسندگان ۱۵ متغیر جریان و ذخیره شامل متغیرهای اعتباری بانکی و غیر بانکی در بازارهای گوناگون را به فهرست خود اضافه نمودند (براو^[۱۵۳]،۲۰۱۱).
این شاخص توسط بانک مرکزی فدرال شیکاگو^[۱۵۴] به صورت هفتگی حساب شده و منتشر می­گردد. شاخص شرایط مالی مقادیر مثبت و منفی را در بر می­گیرد و دارای میانگین ​​صفر و انحراف استاندارد یک است. مقادیر مثبت این شاخص نشان دهنده شرایط مالی سخت­تر از حد متوسط​​ و مقادیر منفی نشان­دهنده شرایط مالی بهتر از حد متوسط​ است​. به منظور به دست آوردن شاخص سالانه وضعیت مالی از میانگین شاخص­ های هفتگی استفاده شده است. آمار بدست آمده نشان می­دهد که در فاصله ۲۰۰۳ -۲۰۱۰ این شاخص برای سال­های ۲۰۰۷ و۲۰۰۸ مثبت و برای سایر سال­ها منفی بوده است (بانک مرکزی فدرال شیکاگو، ۲۰۱۳).
GDP ، در ادبیات اقتصادی این متغیر به عنوان ظرفیت اقتصادی واندازه اقتصادی یک نظام اقتصادی مطرح است. در واقع با افزایش تولید داخلی توانایی کشور برای جذب و تولید، محصولات بیشتر است به عبارتی عرضه و تقاضا برای تجارت بین دو کشور بیشتر می‌گردد. به عبارتی تولید ناخالص داخلی تاثیر مثبت بر جریان تجاری بین دو کشور دارد.
POP یا جمعیت عاملی است که انگیزه تجارت را با افزایش دادن اندازه بازار داخلی و ارتقاء سطح فعالیت‌ اقتصادی در داخل، کاهش می‌دهند. این عقیده تا مدتی می‌تواند رابطه معکوس جریان‌های تجاری دو طرفه را با اندازه جمعیت توضیح دهد. چرا که کشورها با جمعیت بالاتر، گرایش بیشتری به داخل دارند، زیرا بهتر می‌توانند از مقیاس اقتصادی نشات گرفته از بازار داخلی خویش بهره برداری کنند و از آنجا که کشورهای با جمعیت تمایل به خود کفایی نیز دارند، اتکاء به بازارهای داخلی به دلیل افزایش اندازه بازار بیشتر شده و بنابراین درون گراتر می­شوند و با کاهش واردات، حجم تجاری خود را کاهش می­ دهند. بنابراین علامت مورد انتظار باید منفی باشد.
همان طور که پریو^[۱۵۵]و برگستراند(۱۹۸۶) خاطر نشان کردند، تضادی در این استدلال وجود دارد. به گونه ­ای که جمعیت بیشتر سبب صرفه جویی­های ناشی از مقیاس می­ شود که این مساله در صادرات بیشتر نمودار می­ شود. از طرفی در مورد خدمات و به خصوص خدمات گردشگری که به صورت انحصاری در جهان وجود دارد استدلال ذکر شده مناسب نمی ­باشد. تجارت این گونه خدمات با افزایش، جمعیت دارای توان خرید افزایش می­یابد. می­توان انتظار داشت که افزایش جمعیت تجارت خدمات خاص را افزایش دهد و اثر مثبتی داشته باشد. لذا با توجه به تمامی مباحث مطرح شده در این بخش می­توان چنین نتیجه گرفت که علامت متغیر جمعیت نامعین خواهد بود.
۳- ۴- روش تخمین الگو:
با توجه به این که الگوی جاذبه با داده‌های مقطعی در طی یک دوره زمانی تخمین زده می‌شود بنابراین باید از رویکرد داده‌های ترکیبی یا پانل دیتا استفاده نمود. به طورکلی داده‌های ترکیبی را به دو روش پولد یا پنل می‌توان تخمین زد. روش پنل دیتا، در حقیقت پولینگ کردن مشاهدات روی داده ­های مقطعی در طول چندین دوره­ زمانی است و استفاده از این روش نسبت به الگو­های مقطعی و ترکیبی(پولینگ) دارای دو منفعت عمده است؛ نخست آنکه، به محقق این امکان را داده است تا ارتباط میان متغیرها را در طول زمان در نظر گرفته و به بررسی آن­ها بپردازد. دوم، توانایی این روش در کنترل انفرادی مربوط به هر یک از جفت شرکای تجاری است که قابل مشاهده و اندازه گیری نیستند. باید توجه داشت زمانی که این اثرات با متغیرهای توضیحی و متغیر وابسته مرتبط هستند، حذف آن منجر به پیدایش اریب در روشOLS خواهد شد.
داده‌های تابلویی روش مناسبتری نسبت به روش پولد برای تخمین الگوی جاذبه است (اکبری دهباغی، ۱۳۸۵). یکی از روش‌های غلبه بر ناهمگنی شرکای تجاری، در الگوی جاذبه استفاده از روش داده‌های تابلویی است که برای شرکای تجاری عرض از مبدا مشخص در نظر می‌گیرد. این روش در حقیقت ترکیب کردن مشاهدات روی داده‌های مقطعی در طی چندین دوره زمانی است.
در داده ­های تابلویی، واحد­های مقطعی یکسان ( برای مثال، خانوار، بنگاه،کشور یا ایالت) طی زمان، بررسی و سنجش می‌شوند. داده ­های تابلویی دارای ابعاد فضائی (مکانی) و زمانی‌اند و به حرکت واحد­های مقطعی طی زمان اشاره می‌کنند (گجراتی،۲۰۰۴).
روش پنل دیتا خود مشتمل بر سه نوع تخمین یعنی، تخمین­های بین گروه، تخمین­های درون گروه ( اثرات ثابت (FE)) و اثرات تصادفی (RE) است. تخمین­های بین گروه از اختلاف بین کشورها (صرف نظر می­ کند و به عبارتی این نوع تخمین­ها، رگرسیون روی میانگین­هاست و معمولا برای تخمین ضرایب بلند مدت از این روش استفاده می­ شود (اگر^[۱۵۶]، ۲۰۰۰).
در روش اثرات ثابت (FE) فرض می­ شود که شیب معادله (۳-۷) برای همه جفت کشورها یکسان است ولی برای هر واحد انفرادی (هر یک از جفت شرکای تجاری)، عرض از مبدا جداگانه ای وجود دارد که می ­تواند با متغیرهای توضیحی الگو همبستگی داشته و یا نداشته باشد.
در روش اثرات تصادفی(RE) که به روش اجزاء واریانس نیز معروف است، فرض می­ شود عرض از مبدا­ها (ها) دارای توزیع مشترکی با میانگین α و واریانس بوده و بر خلاف روش اثرات ثابت (FE)، با متغیرهای توضیحی الگو ناهمبسته اند.
به طور کلی سه نوع متغیر حذف شده وجود دارد که خود را در عرض از مبداها (ها) نشان می­دهد:۱-اثرات انفرادی که در طول زمان ثابتند ولی در بین واحدهای انفرادی تغییر می­ کنند. ۲-متغیرهایی که در طول واحدهای انفرادی ثابتند ولی در طول زمان تغییر می­ کنند. ۳-متغیرهایی که هم در طول زمان و هم در ارتباط با واحدهای انفرادی متغیرند.