Počet dotázaných Roční příjem všechny střední hodnoty koncentrovány blízko sebe, proto pro běžné účely není zásadně nutné mezi nimi rozlišovat.
Modus je hodnota, která se ve statistickém souboru vyskytuje nejčastěji. Jeho výhodou je snadné použití u nominálních i ordinálních dat. Medián neboli prostřední hodnota dělí uspořádaný statistický soubor na dvě stejně četné poloviny a zpravidla se označuje . Platí, že existuje 50 % hodnot menších nebo rovných a 50 % hodnot větších či rovných prostřední hodnotě. Pokud určujeme medián vybraného souboru, je nezbytné nejdříve seřadit vzestupně obměny statistického znaku. Při lichém rozsahu statistického souboru je mediánem vždy hodnota konkrétní prostřední statistické jednotky souboru. [4] [7]
K výpočtu mediánu statistického souboru s lichým rozsahem lze použít vzorec 𝑥̃ = 𝑥(𝑛+1
2 ) (1.1)
kde 𝑛+1
2 označuje pořadí mediánu v dané uspořádané řadě.
21
V případě sudého počtu prvků se nedá jednoznačně určit střední hodnota, leží totiž mezi dvěma prostředními jednotkami, proto z nich stanovíme aritmetický průměr a ten označíme jako medián daného souboru. V tomto případě lze použít vzorec
𝑥̃ =
Medián je nejčastěji používaný kvantil, mezi další často využívané patří kvartily (soubor rozdělen na pět částí), decily (soubor rozdělen na deset částí) a percentily (soubor rozdělen na sto částí). [4] [14]
1.4 Časové řady
Časovou řadou rozumíme posloupnost věcně a prostorově srovnatelných dat, která jsou jednoznačně uspořádána z hlediska času. S těmito daty se běžně setkáváme v různých oblastech života. Významnou hodnotu mají v oborech fyziky, biologie, meteorologie, ale třeba i při vyšetření EKG, kdy sledujeme s určitým napětím svůj záznam křivky, která je též časovou řadou. [7] [14]
Časové řady ekonomických ukazatelů se mírně odlišují od časových řad výše zmíněných.
Většina řídících pracovníků s nimi přichází do kontaktu např. při analýze makroekonomického prostředí (vývoj hrubého domácího produktu, míry inflace a nezaměstnanosti) nebo při analýzách nákladů a tržeb podniku. K metodám používaných v podniku při zkoumání časových řad určitě patří popisná statistika, která sděluje hodnotnou představu o vlastnostech zkoumaných dat. Mnohdy jsou zapotřebí i informace o časovém vývoji dat, kterých můžeme dosáhnout právě analýzou sestavenou ze souboru metod, které slouží k popisu dynamických systémů či prognózou budoucího časového vývoje. Časové řady mají základní význam jak pro analýzu příčin, které na tyto jevy působily a ovlivňovaly jejich chování v minulosti, tak pro předvídání jejich budoucího vývoje. [7] [14]
1.4.1 Popisné charakteristiky
Prvotním krokem analýzy časových řad je vizuální analýza grafu studovaného procesu. Ke znázornění nejčastěji původních hodnot časové řady se používají spojnicové a krabičkové grafy. Spolu s celou řadou dalších charakteristik, jakými jsou absolutní diference, koeficienty růstu a průměrný koeficient růstu, umožňují rychle získat dobrou výchozí představu o elementárních vlastnostech a rysech procesu, který časová řada reprezentuje.
22
Absolutní diference neboli absolutní přírůstky charakterizují přírůstek či úbytek hodnoty sledovaného ukazatele v časovém období 𝑡 oproti předcházejícímu období (𝑡 − 1). Diference prvního řádu se vypočítají pomocí vzorce
∆𝑡(1)= 𝑦𝑡− 𝑦𝑡−1, 𝑡 = 2, … , 𝑛, (1.3) z první diference se poté dají vypočítat diference vyšších řádů.
Koeficient růstu počítáme jako
𝑘𝑡= 𝑦𝑡
𝑦𝑡−1, 𝑡 = 2, … , 𝑛, (1.4)
stejně jako řetězové indexy udává, kolikrát se zvýšila hodnota časové řady v časovém období 𝑡 oproti předcházejícímu období (𝑡 − 1). Průměrný koeficient růstu je konstruován jako geometrický průměr individuálních koeficientů růstu. [7] [14]
1.4.2 Klasický model
K modelování časové řady použijeme jednorozměrný klasický (formální) model. Ten zkoumá vliv časového faktoru na hodnoty analyzované časové řady. Klasický model vychází z předpokladu, že časovou řadu můžeme rozložit na čtyři dílčí složky, kterými jsou trendová, sezónní, cyklická a náhodná složka. Trendová složka (𝑇𝑡) představuje dlouhodobou tendenci ve vývoji analyzovaného ukazatele v čase. Neexistuje časová řada bez trendu, vždy bude mít buďto rostoucí, klesající nebo konstantní trend, kde hodnoty ukazatele v průběhu analyzovaného období fluktuují kolem určité úrovně. [4] [14]
O sezónní složku (𝑆𝑡) se jedná, pokud periodicita časové řady je menší než jeden rok nebo je rovna jednomu roku. Touto složkou rozumíme odchylku od trendové složky, která se pravidelně opakuje během zkoumaného období. Příčiny vzniku sezónní složky mohou být různé. Nejčastější příčinou bývá střídání ročního období, nebo také vliv společenských zvyků.
Cyklická složka (𝐶𝑡) bývá někdy zahrnována pod trendovou složku jako její část. Cyklickou složku určujeme, pokud má časová řada periodicitu delší jak jeden rok. Tato složka určuje dlouhodobé kolísání okolo trendové složky.
Poslední složkou je náhodná složka (𝜀𝑡), která vzniká drobnými a v jednotlivostech nepostižitelnými příčinami. Při tvorbě pseudopredikcí nesmíme zapomenout zahrnout do
23
sledování náhodnou složku, která je velmi důležitým průsečíkem činností při analýze ekonomických časových řad. [7] [14]
Dekompozici časové řady můžeme provést pomocí aditivního modelu, který určuje hodnoty časové řady jako součet hodnot jednotlivých složek
𝑦𝑡 = 𝑇𝑡+ 𝐶𝑡+ 𝑆𝑡+ 𝜀𝑡 (1.5)
a je vhodný v případě, kdy variabilita hodnot časové řady je přibližně konstantní v čase. Nebo zvolíme multiplikativní model, který určuje hodnoty časové řady jako součin hodnot jednotlivých složek, tj.
𝑦𝑡= 𝑇𝑡∗ 𝐶𝑡∗ 𝑆𝑡∗ 𝜀𝑡 (1.6)
a je vhodný, pokud se variabilita hodnot časové řady v čase výrazně mění.
Trendová analýza
Mezi jednoduché trendové funkce patří lineární trend, exponenciální trend a parabolický trend. Nejběžnějším nástrojem pro odhad parametrů trendových funkcí se nejčastěji používá metoda nejmenších čtverců. Tento nástroj, který je relativně nenáročný a numericky snadný, lze přímo použít u lineární a parabolického trendu. V případě exponenciálního trendu lze použít tento nástroj až po provedení linearizující transformace. [7] [14]
Lineární trend je nejběžnějším typem trendové funkce, jelikož je nejjednodušší. Lineární přímku vyjádříme ve tvaru
𝑇𝑡 = 𝛼0+ 𝛼1𝑡, (1.7)
kde 𝛼0 a 𝛼1jsou neznámými parametry. Dalším jednoduchým a často používaným typem je parabolický trend, který lze vyjádřit jako rovnici
𝑇𝑡 = 𝛼0+ 𝛼1𝑡 + 𝛼2𝑡2. (1.8)
Posledním typem trendové funkce, který si zde popíšeme, je exponenciální trend, který vyjádříme jako
𝑇𝑡 = 𝛼0 ∗ 𝛼1𝑡. (1.9)
Odhady parametrů u této funkce nemají příliš dobré statistické vlastnosti, nedává nezkreslené nebo konzistentní odhady.
24 interpolační a extrapolační. Pokud je účelem modelování časové řady konstrukce předpovědi dalšího vývoje, používají se extrapolační kritéria. [4] [7]
Interpolační kritéria se zaměřují spíše na popis minulého vývoje ukazatele a jsou založena na porovnání součtu čtverců odchylek empirických a vyrovnaných hodnot. Nejběžnějším kritériem kvality trendu je M.S.E. (střední čtvercová chyba odhadu), které je vhodné používat jen v případě srovnávání funkcí se stejným počtem parametrů. Funkce, která nabývá nejmenší hodnotou M.S.E., je nejvhodnější volbou pro modelování časové řady. R.M.S.E. je odmocninou tohoto kritéria. [7] [14]
1.4.3 Adaptivní model
Klasický model vychází z předpokladu, že se parametry během sledovaného období nemění.
Naproti tomu adaptivní model nepředpokládá stabilitu strukturálních parametrů v čase a není požadována spojitost funkce, jsou vhodné pro časové řady, které se vyznačují velkými nepravidelnostmi nebo zlomy trendu. Patří sem exponenciální vyrovnávání a klouzavé průměry, které si blíže vysvětlíme. [7] [14]
Klouzavé průměry
Podle Hindlse a kol. (2003, str. 185) tkví podstata vyrovnání pomocí klouzavých průměrů v tom, že „posloupnost empirických pozorování nahradíme řadou průměrů vypočítaných z těchto pozorování“. Jak nám samotný název naznačuje, při výpočtu „kloužeme“ vždy o jedno pozorování dopředu a zároveň nejstarší pozorování z počítané skupiny vypouštíme. Důležité je určit počet pozorování, ze kterých se budou klouzavé průměry počítat. U časových řad se sezónností (denní, týdenní, měsíční) je délka klouzavé části určena počtem sezón. U ostatních časových řad se tato délka určí pomocí rovnice
𝑚 = 2𝑝 + 1; 𝑚 < 𝑛. (1.2)
Klouzavé průměry se dělí na prosté, vážené a centrované klouzavé průměry. Zjednodušeně řečeno, prosté klouzavé průměry se počítají u liché hodnoty délky klouzavé části
25
a předpokládá se, že je na těchto klouzavých částech definován lineární trend. U vážených klouzavých průměrů je vlastnost délky klouzavé části stejná, jen s tím rozdílem, že je zde předpokládána možnost popisu pomocí parabolické trendové funkce. Centrované klouzavé průměry jsou speciálním případem vážených klouzavých průměrů. Aplikují se v případě, že hodnota délky klouzavé části je sudá. Klouzavé průměry se používají k vyrovnání ČŘ se sezónní složkou. [4] [7] [14]
1.4.4 Sezónní očišťování
V krátkodobých časových řadách se vyskytuje i složka sezónní, obvykle s měsíční či čtvrtletní periodicitou. Grafické znázornění pomocí periodogramu nebo autokorelační funkce je pouze orientační. Pro ověření, zda časová řada obsahuje také tuto složku, je nutné použít test hypotézy o existenci sezónnosti. Pokud se nám potvrdila přítomnost sezónních výkyvů, je třeba tuto ČŘ vyrovnat pomocí klouzavých průměrů, které jsme si přiblížili v minulé podkapitole. Po vyrovnání ČŘ klouzavými průměry kvantifikujeme velikost sezónních výkyvů pomocí sezónních faktorů, záleží, zda jsme si vybrali aditivní či multiplikativní model. Při zvolení aditivního modelu (nebo též model konstantní sezónnosti) se předpokládají neměnné sezónní výkyvy, které neovlivňují vývojové změny v charakteru trendové složky.
Při ročním součtu sezónních rozdílových faktorů se jejich výsledek rovná nule, to znamená, že se sezónní výkyvy v rámci roku kompenzují. Při zvolení multiplikativního modelu (nebo též model proporcionální sezónnosti) se výkyvy mění přímo úměrně dosažené úrovni trendové složky. [7]
1.4.5 Popis náhodné složky
Náhodná složka tvoří tzv. bílý šum, pokud splňuje následující předpoklady, kterými jsou:
nulová střední hodnota,
homoskedasticida (konstantní rozptyl),
nezávislost.
K ověření těchto předpokladů se používají testy založené na vlastnostech reziduí - např. Durbin-Watsonův test autokorelace. Nulová hypotéza korelace koeficientů vyjadřuje nezávislost po sobě jdoucích hodnot náhodné složky. [14]
26
1.4.6 Konstrukce předpovědí
Odhad trendu centrovanými klouzavými průměry považujeme za předběžný odhad, jelikož se jedná o zkrácenou časovou řadu. Trendovou složku určíme ze sezónně očištěné řady, podle ní poté volíme vhodný typ trendu. K následné předpovědi trendu se poté přičtou sezónní průměry nebo se vynásobí sezónními indexy.
Níže je popsán postup při provádění metody pseudoprognóz:
1. Analyzovanou časovou řadu zkrátíme o určitý počet pozorování (o d pozorování).
2. Zkrácenou časovou řadu vyrovnáme pomocí vhodné trendové funkce.
3. Ze zkráceného modelu časové řady vypočítáme předpovědi na d období dopředu (pseudoprognózy).
4. Porovnáme vypočtené pseudoprognózy se skutečnými předpověďmi – k porovnání použijeme Theilův koeficient nesouladu, který interpretujeme jako procentní chybu předpovědi.
5. Za nejvhodnější model pro konstrukci předpovědí považujeme tu funkci, která poskytla nejlepší pseudoprognózy. [7] [14]
1.5 Srovnávací indexy a rozdíly
Srovnávací analýza se zabývá porovnáváním a analyzováním statistických ukazatelů (viz podkapitola 1.2) v datových souborech, které jsou odlišné buď časově, prostorově nebo věcně. V praxi se především snažíme zjistit, jestli srovnání jedné hodnoty s hodnotou stejně vymezeného ukazatele v jiné srovnatelné situaci vykazuje určitou změnu. Získáme tím informaci kolikrát, resp. o kolik je jedna hodnota větší (menší) než druhá hodnota stejného ukazatele v odlišné časové nebo prostorové nebo věcné situaci. Nejčastěji se používá časové srovnávání, kdy například porovnáváme počet závad v podniku s počtem závad stejného podniku v předcházejícím období. [4] [14]
Srovnávat hodnoty můžeme pomocí indexu, který získáme poměrem dvou hodnot stejného ukazatele, nebo pomocí absolutního rozdílu (absolutního přírůstku), který vzniká rozdílem
27
hodnot ve dvou po sobě jdoucích obdobích. Index je bezrozměrné číslo, které udává kolikrát (o kolik %) je jedna hodnota větší (menší) než druhá. [4] [14]
Například jestliže počet závad v podniku v roce 2010 činil 20 a v roce 2011 se zvýšil na 23 závad za rok, víme, že počet závad vzrostl 1,15krát neboli o 15 %, tj. celkem o 3 závady.
Pomocí individuálních jednoduchých indexů a rozdílů porovnáváme dvě hodnoty stejného ukazatele. Tyto hodnoty nejsou nijak členěny ani shrnovány. Bazické a řetězové indexy jsou zvláštními individuálními jednoduchými indexy, které jsou seskupeny do delších časových řad. O bazických indexech hovoříme, kdy za základní období stanovíme stálou hodnotu, která není extrémní. Bazické indexy určují změny hodnot vzhledem k tomuto stanovenému období.
Řetězové indexy charakterizují změny hodnot vzhledem k předcházejícímu období, tudíž jeho základní období se neustále mění. [7]
1.4 Český statistický úřad
Český statistický úřad (dále jen ČSÚ) je ústřední orgán státní správy České republiky. Má významnou úlohu v oblasti zásadních zdrojů statistických dat, včetně oblasti cestovního ruchu. Jeho činnosti i pravomoce jsou vymezeny zákonem o státní statistické službě.
Posláním ČSÚ je shromažďovat, zpracovávat a šířit statistické informace, které se dají tematicky rozdělit do několika elementárních oblastí. [8]
Na jejich internetových stránkách jsou veřejné dostupné průzkumy cestovního ruchu. Lze zde najít průzkumy kapacit hromadných ubytovacích zařízení (archiv 2000–2012), návštěvnosti v hromadných ubytovacích zařízeních (archiv 2000–2013), konferencí v hromadných ubytovacích zařízení, domácího a výjezdového CR v ČR (archiv 2003–2013), delších cest (4 a více přenocování) rezidentů v tuzemsku a do zahraničí, kratších cest (1–3 přenocování) rezidentů v tuzemsku a do zahraničí a služebních cest rezidentů v tuzemsku a do zahraničí.
ČSÚ od roku 2014 nezveřejňuje údaje o služebních cestách se čtvrtletní periodicitou.
Důvodem je nespolehlivost těchto odhadů. V archivu časových řad pro domácí a výjezdový cestovní ruch lze najít čtvrtletní údaje do konce roku 2013.
Vypovídací schopnost statistiky cestovního ruchu se zejména od roku 2006 výrazně zlepšila a lze ji hodnotit ve srovnání se zahraničím jako velmi dobrou, nicméně zejména pro tuzemské uživatele chybějí podrobnější informace na regionální úrovni.
28
Podle průzkumu, který provedl ČSÚ, byla nejvyšší návštěvnost v roce 2016 v měsíci srpnu.
Nejvyšší byl, jak počet hostů, tak počet přenocování ve vybraných hromadných ubytovacích zařízení na území ČR. Taková a další důležitá data budou použita v praktické části této práce.
29
2 Cestovní ruch
Cestovní ruch představuje velmi dynamický a rozvíjející se ekonomický segment u nás i ve světě. Se svým ročním obratem se ve světě řadí na třetí místo za petrochemický a automobilový průmysl. Doktorandka Pavla Brůžková (2017, str. 2) ve svém výzkumu uvedla, že „rostoucí význam odvětví cestovního ruchu v rámci české ekonomiky je definován zejména jeho značným podílem na zaměstnanosti tuzemských obyvatel. Toto odvětví si nárokuje pracovní sílu ve všech stupních kvalifikace a v rozličných oborech“. Hospodářská činnost typická pro cestovní ruch se označuje jako „průmysl cestovního ruchu“ a zahrnuje především ubytovací a stravovací služby, činnost cestovních kanceláří, průvodcovskou činnost, významnou část osobní dopravy a další služby. [16]
Podle definice UNWTO (Světové organizace cestovního ruchu) je cestovní ruch “činnost lidí spočívající v cestování a pobytu v místech mimo místa jejich obvyklého pobytu po dobu kratší jednoho uceleného roku za účelem využití volného času, podnikání a jinými účely”.
(Synek, 2010, str. 400)
Za hromadná ubytovací zařízení se považují zařízení s minimálně pěti pokoji nebo deseti lůžky sloužící cestovnímu ruchu. Pro šetření návštěvnosti v hromadných ubytovacích zařízení potřebujeme znát ukazatele počtů příjezdů hostů, počtů jejich přenocování a zda se jedná o rezidenty či nerezidenty (dále se člení na státy trvalého pobytu). Dále je nezbytné znát údaje o využití kapacity lůžek a pokojů pensionů. [16]
Kromě Českého statistického úřadu sehrávají významnou roli v oblasti rozvoje cestovního ruchu například:
Česká centrála cestovního ruchu ČR – CzechTourism – je státní příspěvkovou organizací, jejímž zřizovatelem je Ministerstvo pro místní rozvoj ČR. Jejím cílem je propagace ČR jako destinace cestovního ruchu v zahraničí i v České republice.
Centrum pro regionální rozvoj (CRR) - je také státní příspěvkovou organizací zřízenou MMR. Aktivně podporuje regionální politiku vlády ČR již od roku 1997. Poskytuje informace a služby odborníkům, zástupcům státní správy a samosprávy i široké veřejnosti, např. malým a středním podnikům.
30
Svaz obchodu a cestovního ruchu (SOCR) - je nezávislé, dobrovolné a otevřené profesní sdružení právnických a fyzických osob v obchodě, v cestovním ruchu a v navazujících odvětvích a oborech.
Národní Federace hotelů a restaurací ČR a další profesní svazy a asociace. [5]
2.1 Možnosti spolupráce, kooperace
Několik nezávislých hotelů může vytvořit tzv. dobrovolný hotelový řetězec s úmyslem podnikat společné akce, jaké si jednotlivě nemohou dovolit, neboť by je to stálo nemalé náklady － např. vytvořit společný rezervační systém, reklamu a propagační akci. Forma spolupráce a koordinace poskytovatelů služeb (ubytovací zařízení, stravovací zařízení, cestovní kanceláře apod.) a spolupráce veřejného a soukromého sektoru v oblasti CR je strategickou metodou, která je známá jako management destinací. Cílem je vytvořit silnou, strategicky vedenou a konkurenceschopnou destinaci. Možnosti spolupráce mohou být mezi stejnorodými nebo různorodými subjekty nebo mezi různými oblastmi. [1] [5]
2.2 Umístění ubytovacího zařízení
Při podnikání v cestovním ruchu musíme brát v potaz, že nelze podnikat kdekoli. Úspěšnost tohoto podnikání závisí na mnoha faktorech. Pokud se zaměříme na celosvětové měřítko, tak závisí na klimatických podmínkách, makroekonomických faktorech, jako jsou přírodní katastrofy, terorismus a kriminalita, se kterými souvisí nynější politická situace apod. Velice důležitá je pro lidi bezpečnost navštívených míst a destinací. Na makroekonomické faktory se více zaměříme v další kapitole. [5]
V České republice se některých výše zmíněných faktorů nemusíme příliš obávat. Avšak stále zde platí pravidlo, že umístění ubytovacího zařízení je rozhodující otázkou úspěšnosti v tomto podnikání. Různé místo nebo oblast může vyvolat nebo podnítit poptávku účastníků cestovního ruchu. Je důležité znát okolní prostředí vybraného místa a zhodnotit jeho kulturní, společenské a přírodní vlastnosti rekreačního potenciálu.
Jako příklady umístění můžeme uvést:
centra měst,
31
předměstí,
oblasti okolo hlavních silničních komunikací,
vesnice a venkov,
hory,
pobřeží moře. [1] [3]
2.3 Ubytovací služby a kvalita v ubytování
Světová organizace cestovního ruchu (WTO) uvádí, že kvalitu v ubytování a stravování představuje „uspokojení v rámci akceptované ceny všech legitimních požadavků a očekávání zákazníka, které zahrnují základní kvalitativní faktory, jako je bezpečnost, hygiena, dosažitelnost ubytovacích a stravovacích služeb, harmonie s lidským a přírodním prostředím.” (Beránek, 2004, str. 99)
Ubytovací služby umožňují veřejnosti přenocování nebo dočasné ubytování v cílovém místě.
V těchto cílových místech poskytují ubytovací služby více tříd a kategorií ubytovacích zařízení. Kategorie formuluje druh ubytovacího zařízení (např. hotel, motel, hostel, penzion) a třída určuje úroveň vybavenosti, kvalitu služeb a většinou se označuje počtem hvězdiček (1 až 5 hvězdiček). Uplatnění tohoto systému jakosti v oblasti ubytování a pohostinství může podnikatelům v nepřetržitě sílící konkurenci zaručit odpovídající pozici na trhu a konkurenceschopnost. [1] [5] [17]
Jelikož pracovníci přicházejí do přímého styku s hostem, je proto nezbytné klást na zaměstnance větší důraz. Většina zákazníků očekává spolehlivost, kvalitní prostředí, pružnost, dostupnost, odbornost a reprezentativní chování od poskytované služby. Proces poskytování služeb je definován normou ISO 9000:2000 jako „soubor vzájemně souvisejících nebo vzájemně se ovlivňujících činností, který přeměňuje vstupy na výstupy” (Beránek, 2004, str. 101). Vstupem se rozumí požadavky hosta a výstupem není jen poskytnutí služby ale především spokojený zákazník. Právě u takového máme větší šanci, že se vrátí zpět a bude doporučovat služby ubytovacího zařízení svým známým. Nesmíme zapomenout, že se trendy v ubytování neustále mění, a to i s požadavky hostů. Proto se musí vyvíjet a usilovat o trvalé zlepšování, aby neklesala úroveň poskytování služeb ve srovnání s konkurencí. [1] [5]
32
Kvalita je schopnost služby uspokojit potřeby zákazníků. Potřeby a požadavky zákazníka
Kvalita je schopnost služby uspokojit potřeby zákazníků. Potřeby a požadavky zákazníka