계절아리마모형을이용한관광객예측 - 경북영덕지역을대상으로 - *9) Forecasting of Yeongdeok Tourist by Seasonal ARIMA Model 손은호 ** 10) 박덕병 *** 11) Eun Ho Son Duk Byeong Park Abstract The study uses a seasonal ARIMA model to forecast the number of tourists of Yeongdeok in an uni-variable time series. The monthly data for time series were collected ranging from 2006 to 2011 with some variation between on-season and off-season tourists in Yeongdeok county. A total of 72 observations were used for data analysis. The forecast multiplicative seasonal ARIMA(1,0,0)(0,1,1) 12 model was found the most appropriate one. Results showed that the number of tourists was 10,974 thousands in 2012 and 13,465 thousands in 2013, It was suggested that the grasping forecast model is very important in respect of how experts in tourism development in Yeongdeok county, policy makers or planners would establish strategies to allocate service in Yeongdeok tourist destination and provide tourism facilities efficiently. * 본연구는 2011 년도농촌진흥청국립농업과학원박사후연수과정지원사업 ( 과제번호 : PJ9071462) 의지원에의해이루어진것임 ** 농촌진흥청국립농업과학원박사후연구원. e-mail: seh8811@korea.kr *** 농촌진흥청국립농업과학원농업연구사. 교신저자. e-mail: parkdb@korea.kr
302 손은호 박덕병 / 계절아리마모형을이용한관광객예측 주요어 (key words): 관광수요 (Tourism Demand), 계절아리마모형 (Seasonal ARIMA Model), 예측 (Forecasting) 1. 서론 오늘날관광산업은세계무역에서가장빠르게성장하고있는산업중하나이며, 각국가에서는관광산업을전략산업으로육성하여외래관광객유치, 외화획득, 세수확보등을위해경주하고있다 ( 손은호 & 박덕병, 2009; Song & Witt, 2006). 특히 1995 년부터본격적인지방자치제가실시되면서, 각지방자치단체들은정보화ㆍ세계화ㆍ지방화라는추세의환경변화에적절하게대응해야할뿐만아니라지역주민의복리증진, 지역경제활성화, 지방자치단체의재정자립도등이중요한과제로등장하고있다. 이와같은과제를해결하는데있어서관광부문은경제적측면에서지역주민의소득증대와고용유발효과를가져오는역할을할수있다. 즉농업, 임업, 수산업등과같은 1차산업의취약성을극복하는경제기반강화와낙후된지역에교통, 통신, 의료및기타사회간접자본확충을가져와지역주민의생활환경을개선시킬수있는중요한산업이라할수있다. 또한사회ㆍ문화적측면에서는전통문화의핵이라고할수있는향토문화활성화에기여하여지역주민에게향토에대한긍지심과애향심을심어주어지역발전효과를가져올수있어, 그역할은매우크다고할수있다 ( 김규호, 2010). 이러한측면에서지역관광이지속가능하고성공하기위해서가장필수적인요건중하나는정확한관광수요를예측하는것이다. 이러한관광수요예측은공공부문과민간부문의투자와개발규모를결정해주고, 공급시설의과부족을방지하며, 귀중한
농촌지도와개발제 19 권 2 호 (2012) 301-320 303 자원을효율적으로배분하고, 관광상품의가격등과같은마케팅전략의기초자료가되기때문이다 ( 이충기, 송학준, & 신창열, 2007). 관광수요예측연구는크게질적예측방법과양적예측방법으로분류하는데, 이중에서최근에는양적예측방법과질적예측방법을혼합하여관광수요를예측한연구도있지만 (Lee, Song, & Mjelde, 2008), 질적예측방법보다양적예측방법을많이사용하고있다. 이는모형에대한논리성과객관성을인정받고있고, 예측결과의정확성도매우높아신뢰할수있기때문이다. 특히양적방법중에서아리마모형을활용하여관광수요를예측하는연구는자료에대한추세, 계절, 순환패턴등을파악하여, 모형을식별하고, 모형의모수를추정하여적합성을진단하고, 정확성을평가하기때문에최근에많이사용하고있다. 즉이모형을이용하여호텔, 국제관광, 한방의료관광, 농촌관광, 축제, 이벤트등과같이특정분야의관광수요를예측한선행연구들은많이이루어졌지만 ( 구본기 & 손은호, 2006; 김석출 & 최수근, 1999: 김재석 & 손은호, 2006; 손은호 & 박덕병, 2009; 이충기, 송학준, & 신창열, 2007; 이충기, 유지윤, & 임은순, 2009; 임은순, 1990; 최영문 & 김사헌, 1998; Chu, 1998; Goh & Law, 2002; Turner, Kulendran, & Fefnando, 1997), 어느특정지역을대상으로관광수요를예측한연구 ( 김영우 & 손은호, 2006) 는있기는하지만활발하지못한실정이다. 특히다른산업분야의수요예측도정확해야하겠지만, 지역관광의상품은성수기와비수기, 주중과주말등특정계절이나특정요일에관광객이많기때문에보다정확한수요예측을하는것이중요하다. 왜냐하면일반상품과는달리관광상품은일일단위로판매되는시간적ㆍ공간적제약이있다는점과비보관성과비신축성의상품이기때문이다. 즉관광수요를과소예측하면공급시설의부족으로혼잡성이증가하여관광객의불편을초래할수있고, 인력의부재로서비스의품질이떨어지기때문이다.
304 손은호 박덕병 / 계절아리마모형을이용한관광객예측 따라서본연구는다른조건이동일하다면미래는과거의함수라는가정하에서과거일정기간의월별시계열자료를이용하여과거의패턴을파악하고이패턴을미래에그대로투영함으로써미래시점의영덕지역관광객을예측하는데목적이있다. 이연구는향후영덕지역관광관련이해당사자들이관광정책, 방향설정, 의사결정등의기초자료로활용할수있기때문에학술적인측면에서나실용적인측면에서기여하는바가크다고사료된다. 2. 이론및선행연구검토 2.1. 영덕지역관광객추정 수요는경제학에서일정기간동안에소비자가구매하고자하는상품이나서비스의양을의미한다. 관광수요는관광객이구매하고자하는관광상품이나관광서비스의양을의미하는데, 이는크게방문자수, 총방문횟수, 관광일수, 관광자방문율, 여행이동거리등장소에관한수요의척도와같은측정방법을사용하고있다 ( 김사헌, 2003). 정확한수요예측은방문자수등과같은수요량을예측하여관련업체등의미래운영계획, 관광시설이나사회간접시설등관광개발의필요성과타당성여부, 목표시장과마케팅기회의포착, 미래수요에영향을미치는변수들을규명하여관광정책의수립이나관광의사결정시기초자료로이용되기때문에아주중요하다 (Uysal & Crompton, 1985). 따라서이에앞서영덕지역에방문한관광객의구조를살펴보는것이선행되어야한다. < 표 1> 은 2006 년부터 2011 년동안영덕지역에방문한관광객에대한변화추이를제시하고있다. < 표 1> 에서보는바와같이, 영덕지역에방
농촌지도와개발제 19 권 2 호 (2012) 301-320 305 문한총관광객은 2006년 297만 766명에서 2011년 825만 620명으로연평균 22.7% 씩증가를보여시간의흐름에따라지속적인증가를보이고있다. 그러나같은기간무료관광객은 25.2%, 외국인관광객은 22.8%, 숙박객은 18.4% 씩연평균증가를보여시간의흐름에따라큰폭으로증가한반면, 유료관광객은 1.5% 씩연평균증가를보여시간의흐름에따라소폭으로증가한것을볼수있다. 이러한증가추세는영덕지역이고래불, 대진, 장사해수욕장과해맞이공원, 풍력발전단지등과같은빼어난해양관광자원과영덕지역의특산물인대게를이용한음식축제가있기때문인것으로판단된다. 한편영덕지역을방문한총관광객의구성비를살펴보면, 총관광객중무료관광객의구성비가 2006년의경우 84.6%, 2009년에 94.2%, 2011년에 93.6% 로매우큰비중을차지하고있는반면, 지역경제의활성화에도움이되는유로관광객, 외국인관광객, 숙박객은각각 1.5%, 0.1%, 0.8% 를차지하고있어, 지역경제를활성화시키기위해서는무료관광객을유료관광객으로유치할수전략을수립하는것이시급하다. 즉, 당일형관광객보다체재형관광객을유치할수있는관광상품을개발하는것이무엇보다도중요하다. < 표 1> 영덕지역관광객의변화추이 ( 단위 : 명 (%)) 구분 관광객의변화추이 2006 2009 2011 연평균증가율 2006-2011 유료관광객 425,606(14.3) 278,203(5.2) 459,112(5.5) 1.5 무료관광객 2,515,318(84.6) 5,962,534(94.2) 7,722,130(93.6) 25.2 외국인관광객 2,999(0.1) 3,523(0.04) 8,363(0.1) 22.8 숙박객 29,842(1.0) 31,073(0.6) 69,378(0.8) 18.4 합계 2,970,766(100) 6,271,810(100) 8,250,620(100) 22.7 주 : 연평균증가율은 5 ㆍ Log(r+1) = Log( 최종년도 / 기준년도 ) 에의해계산하였음. 자료 : 영덕군청문화관광과내부자료, 2006 년 2011 년에의거논자가작성함.
306 손은호 박덕병 / 계절아리마모형을이용한관광객예측 2.2. 선행연구의검토 수요예측은타산업분야에도마찬가지겠지만, 관광분야에서는관광정책, 관광개발계획, 방향설정, 의사결정등의기초자료로활용할수있어서학술적인측면에서나실용적인측면에서기여하는바가아주크다 (Cho, 2003; Lim & McAleer; 2002). 이러한수요예측방법은일반적으로질적예측방법 (qualitative forecasting method) 과양적예측방법 (quantitative forecasting method) 으로분류한다. 전자는한사상의미래의결과를예측하기위해전문가들의주관적견해를사용하는방법인데, 이는예측된사상에관한과거정보가없거나, 불충분한경우에주로사용하게되는방법인데, 이는예측결과에대한정확성을평가할수없다는문제점이있는반면 ( 이덕기, 1999), 후자는관측된과거자료에포함된정보를이용하여예측에필요한경험적법칙을추정하여예측하는방법이다. 이방법은인과모형 (causal model) 과시계열모형 (time series model) 으로구분하는데, 시계열모형은산출변수와투입변수의자체생선과정을통해서미래를예측하는방법이고, 인과모형은투입변수와산출변수의인과관계를통해서미래를예측하는방법이다 ( 오광우 & 이우리, 1993). 과거에는질적예측방법을주로이용하였지만, 현재에는양적예측방법을많이사용하고있다. 이러한이유는양적예측방법의경우, 모형에대한논리성과객관성을인정받고있으며, 예측결과의정확성도매우높기때문이다 ( 최영문, 1997). 따라서본연구에서는양적예측방법중시계열모형인 ARIMA 모형을이용하여영덕지역의관광수요를예측하고자한다. 시계열 (time series) 이란경제성장률, 주가지수등과같이시간의흐름에따라관측된자료이며, 시계열분석 (time series analysis) 은과거시계열의형태가미래에도같은형태로반복되리라는기본가정하에서시계열데이터의각관
농촌지도와개발제 19 권 2 호 (2012) 301-320 307 측치의상호관계를밝히는한편, 이를바탕으로모형을구축하여미래에대한예측 (forecasting) 을하는것이다 ( 최병선, 1995). 이모형을사용하게된이유는안정적인및불안정적인시계열자료를모두다룰수있어서매우유용한모형이고, 모형의적합성에대한통계적검정이가능하다는장점이있으며, 특히단기및중기에대한예측치의정확도가높기때문이다 ( 이덕기, 1999). 이에대한선행연구를살펴보면다음과같다. 먼저국외연구의경우, Chu(1998) 는 1975년부터 1994년까지아시아및태평양국가의방문객수의자료를바탕으로 6개의모형을사용하여 MAPE 를기준으로미래의 18개월동안의예측치를검정하였는데, ARIMA 모형의예측값이가장우수한것으로나타났으며, Turner, Kulendran, & Fefnando(1997) 역시 1978년부터 1995년까지 7개국관광객을토대로지수평활모형, 윈터스모형, 자기회귀모형, ARIMA모형등을이용하여 MAPE 를기준으로예측치의정확성을평가한결과 ARIMA 모형이가장우수한것으로나타났다. 한편국내의경우, 김석출 & 최수근 (1999) 은한국의특 1급호텔의월별식재료매출액을대상으로윈터스모형, 분해법, ARIMA 모형등을이용하여예측치의정확성을평가하였는데, ARIMA모형이가장우수한것으로나타났으며, 임은순 (1990) 은 ARIMA 모형과다중회귀모형을이용하여미국, 일본, 대만인의방한수요를대상으로예측치의정확성을비교한결과, 일본인의방한수요에서는다중회귀모형보다 ARIMA모형이우수하다고분석되었으며, 최영문 & 김사헌 (1998) 은한국인의출국자수를대상으로윈터스모형과 ARIMA 모형을이용하여예측치의정확도를비교한결과이연구에서는윈터스모형과 ARIMA 모형모두출국자수를예측하는데적합하다고분석되었다. 이외에도구본기 & 손은호 (2006) 는 2001년부터 2005년까지총 57개의서울지역의 6개여행사월별항공권판매액을대상으로계절ARIMA 모형을적용하여단기예측을실시하였으
308 손은호 박덕병 / 계절아리마모형을이용한관광객예측 며, 김영우 & 손은호 (2006) 는 1995년부터 2004년까지총 108개의경주지역의월별방문객수를대상으로계절ARIMA 모형을적용하여단기예측을실시하였으며, 김재석 & 손은호 (2006) 역시 1995 년부터 2004 년까지총 108 개의경주지역특1급호텔의월별객실매출액을대상으로계절ARIMA모형을적용하여단기예측을실시하여모형의적합성을검정하였다. 한편손은호 & 박덕병 (2009) 은 2002년부터 2008년까지총 27개의분기별녹색농촌체험마을의방문객을대상으로계절ARIMA모형을적용하여단기예측을실시하여모형의적합성평가를실시하여예측결과를제시하였으며, 같은해손은호 & 박덕병 (2009) 은 2005년부터 2008년까지총 16개의분기별농촌관광마을의숙박객을대상으로계절ARIMA 모형을적용하여미래의숙박객을예측하였다. 선행연구를종합해보면, 시계열모형의경우 ARIMA모형이단순한예측방법 ( 이동평균법등 ) 보다예측결과의정확성평가에서더우수하다고나타났다. 따라서본연구는예측결과의정확성이우수하다는선행연구 ( 구본기 & 손은호, 2006; 김석출 & 최수근, 1999: 김영우 & 손은호, 2006; 김재석 & 손은호, 2006; 손은호 & 박덕병, 2009; 임은순, 1990; 최영문 & 김사헌, 1998; Chu, 1998; Turner, Kulendran, & Fefnando, 1997) 를바탕으로관광현상의특성인계절성을고려할수있는 ARIMA모형을이용하여영덕지역에방문한관광객을대상으로미래의예측치를제시하고한다. 3. 실증분석 경제학및경영학분야에서발생하는시계열자료는주기적현상을보이는반면, 관광분야에서의시계열자료는계절변동이심한것이그특징이
농촌지도와개발제 19 권 2 호 (2012) 301-320 309 라고할수있다. 특히영덕지역은고래불, 대진, 장사해수욕장과해맞이공원및풍력발전단지등과같은빼어난해양경관조망이가능한해양관광자원을보유하고있기때문에휴가나휴양을즐기려는방문객들이주로이용하고있을것이다. 따라서이지역은성수기와비수기의차이가아주심하다고볼수있다. < 표 2> 에서보는바와같이, 2006년부터 2011년까지영덕지역관광객의월별자료를살펴보더라도매년 7, 8월이가장많은것을볼수있다. 이러한시계열자료를바탕으로미래의값을예측할때는이계절성을고려하는모형을적용해야한다 ( 최병선, 1995). 따라서본연구는 2006년부터 2011년까지총 72개의영덕지역월별관광객을대상으로계절 ARIMA 모형을적용하여단기예측을실시하고자한다. 이시계열자료는영덕군청문화관광과내부자료이며, 수집된통계자료는윈도우용한글 SPSS(17.0) 프로그램을사용하여통계처리하였다. < 표 2> 영덕지역관광객의월별자료 ( 단위 : 명 ) 구분 2006 2007 2008 2009 2010 2011 1월 231,221 321,751 454,507 465,397 741,723 554,634 2월 172,108 239,494 338,310 348,503 480,226 481,879 3월 342,938 477,210 674,109 516,307 1,102,492 992,687 4월 138,045 192,094 271,353 425,769 302,183 323,267 5월 156,546 217,840 307,721 203,964 431,694 556,450 6월 221,870 308,740 436,127 475,495 554,090 659,966 7월 429,796 598,076 844,845 1,168,526 1,178,964 925,427 8월 678,579 944,265 1,333,874 1,354,066 2,245,999 1,567,340 9월 147,862 205,755 290,651 310,000 278,086 537,890 10월 164,743 229,245 323,833 323,609 292,275 638,640 11월 132,364 184,189 260,186 285,824 231,477 490,655 12월 154,694 215,262 304,080 394,774 261,443 521,785 자료 : 영덕군청문화관광과내부자료, 2006 2011
310 손은호 박덕병 / 계절아리마모형을이용한관광객예측 3.1. 모형의식별 시계열모형구축에서가장먼저수행해야하는것이시계열도표를통해서관측된시계열의특성을파악하는것이다. 즉시계열이가지고있는랜덤성, 정상성, 계절성등을파악해야한다. 만약이러한현상들이나타난다면시계열은비정상시계열이기때문에적절한변환을통해서정상시계열로변환한후에모형을식별해야한다. < 그림 1> 은 2006 년부터 2011 년까지의영덕지역에방문한관광객의시계열도표이다. < 그림 1> 에서보는바와같이, 시계열도표로부터관측된시계열이선형으로증가하는추세와아울러계절성분도가지고있고, 시간의흐름에따라분산이증가하는비정상시계열이라는것을알수있다. 따라서정상시계열로변환하기위해서먼저분산을안정적으로만드는로그변환을취해야하고, 선형추세를제거하기위해서차분을수행하고, 계절성분을제거하기위해서계절차분이필요함을알수있다. 이와같은변환이수행된시계열의도표는 < 그림 2> 와같다. < 그림 2> 에서보는바와같이, 로그변환된시계열도표를보면시간의흐름에따라증가하던분산이일정해졌음을알수있다. 또한로그변환된시계열에대하여 1차차분한시계열은선행추세가제거되어평균 0을중심으로일정한분산을유지하며불규칙하게변하고있음을알수있고, 로그변환과 1차차분한시계열을계절차분을한후시계열의계절성분이제거되어정상시계열로변환되었음을알수있다.
농촌지도와개발제 19 권 2 호 (2012) 301-320 311 < 그림 1> 시계열도표 < 그림 2> 자연로그, 차분 (1), 계절차분 (1, 기간 12) 한편모형을식별하기위해서가장많이사용하는자기상관함수 (ACF) 와편자기상관함수 (PACF) 도표를이용하였다 (< 그림 3> 참조 ). 일반적으로자기회귀과정 (AR) 의경우, 자기상관함수는지수적으로감소 ( 시나브로형태 ) 또는 sin곡선으로감소하는성질을가지고있으며, 편자기상관함수는시차 1 이후에절단된형태의성질을가지고있는반면에이동평균과정 (MA) 의경우, 자기상관함수는시차 1 이후에절단된형태의성질을가지고있으며, 편자기상관함수는지수적으로감소 ( 시나브로형태 ) 또는 sin곡선으로감소하는성질을가지고있다. < 그림 3> 에서보는바와같이, 자기상관함수는시차 1과 12에서유의한값을갖고, 나머지시차에서는신뢰한계내에존재하는절단형태를보이는반면에, 편자기상관함수는각계절시차에서유의한값을가지며, 지수적으로감소하는모습을보이고있다. 따라서자기상관함수와편자기상관함수를이용하여잠정적으로식별된모형은계절주기가 s=12인계절arima(0,1,1) 12 이다. 이모형을통해모수를추정한결과이다. 1) 모수추정결과계절 MA 의모수인 φ는통계적으로유의하지않은것으로나타났으며, 모형진단 1) Z t = 0.2029 + Z t-12 + 0.9999Z t-12 + 0.999Z t-24 + at (14.795) (0.0006) n = 72, AIC = 3.406, SBC = 7.594
312 손은호 박덕병 / 계절아리마모형을이용한관광객예측 의잔차분석결과에서도잔차가백색잡음모형을따르지않은것으로나타났다. 이것은관측된시계열이계절시차에서뿐만아니라그인접시차의값들에서도계열상관이있다는것을의미하므로, 이러한경우에는 AR(1) 모형을다시모형에포함시켜승법계절ARIMA(1,0,0)(0,1,1)12 으로모형을식별하고, 모수를추정해야한다. < 그림 3> 자연로그, 차분 (1), 계절차분 (1, 기간 12) 3.2. 모수의추정 < 표 3> 은영덕지역관광객에대한 AIC 와 SBC 의통계량과통합된승법계절ARIMA모형에대한추정결과이다. < 표 3> 에서보는바와같이, AIC 와 SBC 의통계량을기준으로살펴보면, 모형1보다모형2가적합한모형이라볼수있지만, 비조건부최소제곱법을통해모형을추정한결과를보면모형2보다모형1이통계적으로유의한것으로나타났기때문에모형1이적합한모형이라할수있다. 따라서다른조건이동일하다면모형이단순할수록좋다는모수절약의원칙에따라서본연구에서는모형1을최종예측모형으로사용하였다.
농촌지도와개발제 19 권 2 호 (2012) 301-320 313 < 표 3> 통합된승법계절 ARIMA 모형에대한추정결과 모형 1 모형 2 (1,0,0) (0,1,1) (1,0,0) (0,1,2) AIC SBC B t값 p 상수 0.2083 2.2959 0.000 4.297 10.579 AR1 0.3163 2.5759 0.012 SMA1 0.4883 2.5017 0.015 상수 0.2044 10.7153 0.000-1.125 7.251 AR1 0.3243 2.9415 0.004 SMA1 0.9394 0.4824 0.631 SMA2-0.0150-0.0567 0.954 이제추정된모형의잔차가백색잡음을따르는지를확인해보기위해잔차분석을사용하였다. 이방법은잔차의그래프를통하여직접판단하는방법과잔차의자기상관함수와편자기상관함수를통하여판단할수있는데, 본연구에서는자기상관함수와편자기상관함수를이용하였다. < 그림 4> 잔차의자기상관함수와편자기상관함수 모형에대한잔차분석결과, 잔차의자기상관함수와편자기상관함수가모든시차에서신뢰한계내에존재하는형태를보이므로추정된모형이잘추정되었음을알수있다. 따라서잔차는백색잡음모형의성질을만
314 손은호 박덕병 / 계절아리마모형을이용한관광객예측 족시킨다고볼수있어서, 이모형을최종예측모형으로설정하였다 (< 그림 4> 참조 ). 3.3. 예측의정확성평가및결과 예측의평가에서가장중요한것은예측을통하여제공되는정보의양과그정보의정확성에있다. 이러한예측의평가는사전평가와사후평가로구분하는데, 본연구에서는사후평가를통하여예측의정확성평가를실시하였다. 사후평가는예측값과관측값의차이인예측오차의크기에따라예측의질을평하는것으로여러가지평가척도가있다. 대부분의선행연구들은오차크기의정확성을가장중요한예측모형의평가기준으로삼았다 ( 김영우 & 손은호, 2006; 구본기 & 손은호, 2006; 손은호 & 박덕병, 2009; 송근석 & 이충기, 2006; Burger et al., 2001; Lim & McAleer, 2002;). 이에대한평가기준에는오차제곱합 (sum of squared error: SSE), 오차제곱평균 (mean squared error: MSE), 평균오차제곱근 (root mean squared error: RMSE), 평균오차제곱근비율 (root mean squared percentage error: RMSPE), 절대평균오차비율 (mean absolute percentage error: MAPE), 불평등계수 (inequality coefficient: IC) 등이있는데, 이중에서 MAPE 값은계량모형간에예측오차의비교가용이하고, 그신뢰도가높기때문에많이사용하고있다 ( 구본기 & 손은호, 2006; 김영우 & 손은호, 2006; 손은호 & 박덕병, 2009; Cho, 2003; Song & Witt, 2006). 이값은다음과같이구한다. (2) 여기서, X 는실제값, F 는예측값, 그리고 n 은관측값의기간수를나타낸다.
농촌지도와개발제 19 권 2 호 (2012) 301-320 315 이식에서계산된 MAPE 값은다음과같이해석된다. 0% MAPE < 10% : 매우정확한예측을나타내고, 10% MAPE < 20% : 비교적정확한예측을나타내며, 20% MAPE < 50% : 비교적합리적예측을나타내며, MAPE 50% : 부정확한예측이라할수있다 ( 이충기, 2003). 모형진단결과, 최종예측모형은통합승법계절ARIMA(1,0,0)(0,1,1) 12모형으로선정하고, 이에대한정확성평가는 MAPE값을사용하였다. 이값을기준으로정확성평가를한결과 2.04% 로나타났기때문에매우정확한예측이라할수있다 (< 표 4> 참조 ). < 표 4> 예측의정확성평가 ( 단위 : 명 (%)) 구분 실제값 예측값 MAPE 1월 554,634 689,140 2월 481,879 547,058 3월 992,687 1,084,904 4월 323,267 468,428 5월 556,450 468,611 6월 659,966 720,584 7월 925,427 1,497,346 2.04 8월 1,567,340 2,311,694 9월 537,890 448,959 10월 638,640 487,020 11월 490,655 397,296 12월 521,785 474,910
316 손은호 박덕병 / 계절아리마모형을이용한관광객예측 예측방법은비조건부최소제곱법을이용하였으며, 예측기간은 2012 년 1월부터 2015 년 12월까지예측하였다. 예측결과미래의영덕지역에방문할관광객은 < 표 5> 와같다. 이를연도별로살펴보면, 2012 년 10백만 974천 460명, 2013년 13백명, 2013년 13백만 465천 722명, 2014년 16백만 584천 351명, 2015년 20백만 425천 250명이영덕지역에방문할것으로예측되었다. < 표 5> 영덕지역의관광객에대한예측결과 ( 단위 : 명 ) 구분 2012 2013 2014 2015 관광객예측결과 10,974,460 13,465,722 16,584,351 20,425,250 4. 결론및시사점 최근관광의추세는과거에비해다양화ㆍ전문화되고있는데, 이는점차고도화되고있는산업사회의물질적풍요에대한견제와반성으로나타나는현상으로볼수있다. 즉사람들은삶의질향상을추구하기위한각종대안들을모색하고있는데, 관광은그최적대안인사회ㆍ문화적현상으로서부각되고있다. 현대인들은고유한자신들만의관심과욕구를충족시켜줄수있는 SIT(special interest tour) 를선호하는경향이있다. 이는지속가능한관광, 환경친화적관광의개념과함께 21세기관광의화두가되고있다. 그리하여농업등 1차산업을중심으로한농촌관광 (rural tourism), 자연경관을중심으로한생태관광 (eco-tourism) 등이부각되고있다. 특히영덕지역은포항, 경주등대도시배후시장과인접하여많은관광객이찾고있으며, 괴시전통마을, 목은이색기념관등
농촌지도와개발제 19 권 2 호 (2012) 301-320 317 다양한역사ㆍ문화관광자원과고래불ㆍ대진ㆍ장사해수욕장과해맞이공원, 풍력발전단지등과같은빼어난해양경관조망이가능한해양관광자원등을보유하고있지만, 아직은관광을통한지역경제활성화를거두지못하고있는대표적인곳이라할수있다. 또한영덕지역은농림지역이전체 71.9% 로 1차산업의비중이 56.8% 를차지하는인구구조를보유하고있기때문에이에적합한관광정책을수립해야한다. 따라서본연구는영덕지역에합리적인관광정책및사업을추진하기위해서는먼저정확한수요예측을하는것이선행되어야하기때문에계절 ARIMA 모형을적용하여관광객을예측하여정확성평가를실시하였다. 분석을위해사용한자료는 2006 년부터 2011 년까지의총 72개의월별시계열이다. 예측결과, 영덕지역에방문한관광객은일반적으로관광지에서나타나는것과마찬가지로계절성이뚜렷하게나타났다. 따라서이를고려한예측방법을활용하였는데, 최적의모형은통합된승법계절ARIMA(1,0,0) (0,1,1) 12 모형으로선정되었으며, 예측의정확성평가는 MAPE 값기준 2.04% 로매우정확한예측으로나타났다. 이모형에적용하여미래의영덕지역관광객수는 2012년 10백만 974천 460명, 2013년 13백명, 2013년 13백만 465천 722명, 2014년 16백만 584천 351명, 2015년 20백만 425 천 250 명이방문할것으로추정되었다. 본연구의시사점은첫째국내외선행연구에서적합한예측모형으로평가되고있는 ARIMA 모형에적용하여영덕지역의관광객을예측하였다는것이고, 둘째는 ARIMA 모형을통해예측한결과에대해정확성평가를했다는점에서선행연구와일치한다 ( 구본기 & 손은호, 2006; 김영우 & 손은호, 2006; 손은호 & 박덕병, 2009; Chu, 2004; Dharmaratne, 1995; Turner, Kulendran, & Fefnando, 1997; Goh & Law, 2002). 이는향후지역관광이관광정책, 방향설정, 의사결정등을수립할때기
318 손은호 박덕병 / 계절아리마모형을이용한관광객예측 초자료로활용될수있을것이며, 또한관광수요예측의기법의선택에기여할수있을것이다. 이모형은향후다음해의실제의값이수집되면, 이모형에적용하여미래의관광수요를예측할수있다.
농촌지도와개발제 19 권 2 호 (2012) 301-320 319 참고문헌 구본기, & 손은호. (2006). 계절 ARIMA 모형을이용한항공권판매액예측. 관광연구, 21(1), 81-96. 김규호. (2010). 지역관광어디로가야하나. 대왕사. 김석출, & 최수근. (1999). 단변량시계열모형을이용한식음료수요예측에관한연구 : 서울소재특 1 급 H 호텔사례를중심으로. Culinary Research, 5(1), 89-101. 김영우, & 손은호. (2006). 계절 ARIMA Model 을이용한경주방문객의수요예측에관한연구. 호텔경영학연구, 15(1), 309-326. 김재석, & 손은호. (2006). 계절 ARIMA 모형을이용한호텔객실매출액의예측. 관광학연구, 30(2), 381-398. 손은호, & 박덕병. (2009). 녹색농촌체험마을의방문객예측. 농촌경제, 32(5), 153-168. 손은호, & 박덕병. (2009). 농촌관광마을의숙박객예측. 농촌관광연구, 16(4), 27-44. 김사헌. (2003). 관광경제학. 백산출판사. 오광우, & 이우리. (1995). 시계열예측방법과응용. 서울 : 자유아카데미. 이덕기. (1999). 예측방법의이해. SPSS 아카데미. 이충기. (2003). 관광응용경제학. 일신사. 이충기, 송학준, & 신창열. (2007). BIE Expo 방문객수요예측 : 계량기법과질적기법의적용. 관광레저연구, 19(3), 263-281. 이충기, 유지윤, & 임은순. (2009). 우리나라한방의료관광에대한수요예측및경제적파급효과분석. 관광학연구, 33(6), 55-74. 최병선. (1995). 단변량시계열분석 Ⅰ. 세경사. 최영문. (1997). 관광수요예측모형의예측정확성평가. 경기대대학원박사학위논문. 임은순. (1990). 한국관광에대한미국인, 일본인및대만인방문객들의수요예측모형에관한연구. 관광학연구, 14, 141-156. 최영문, & 김사헌. (1998). 변량시계열관광수요예측모형의적정성비교평가 : 내국인해외관광객수실제치와예측치의비교. 관광학연구, 21(2), 111-128. Cho, V. (2003). A comparison of three different approaches to tourist arrival forecasting. Tourism Management, 24(3), 323-330.
320 손은호 박덕병 / 계절아리마모형을이용한관광객예측 Chu, F. L. (1998). Forecasting tourism in Asian-Pacific countries. Journal of Travel Research, 25(3), 597-615. Dharmaratne, G. S. (1995). Forecasting tourist arrivals in barbados. Annals of Tourism Research, 22(4), 804-818. Goh, C., & Law, R. (2002). Modeling and forecasting tourism demand for arrivals with stochastic nonstationary seasonality and intervention. Tourism Management, 23, 499-510. Hui, T. K., & Yuen, C. C. (2000). A study in the seasonal variation of japanese tourist arrivals in singapore. Tourism Management, 23, 127-131. Lim, C., & M. McAleer. (2001). Forecasting tourist arrivals. Annals of Tourism Research, 28(4), 965-977. Makridakis, S., & Hibon, M. (1979). Accuracy of forecasting: An empirical investigation. Journal of Statistical Society, 142, 97-145. Song, H., & Witt, S. F. (2006). Forecasting international tourist flows to Macau. Tourism Management. 27(2), 214-224. Turner, L., N. Kulendran, & Fefnando, H. (1997). Univariate modelling using periodic and non-periodic analysis: Inbound tourism to Japan, Australia and New Zealand Compared. Tourism Economics, 3(1), 39-56. Uysal, M., & Crompton, J. L. (1985). An overview of approaches used to forecast tourism demand. Journal of Travel Research, 23(4), 7-15. Lee, C. K., Song, H. J., & Mjelde, J. W. (2008). The forecasting of international Expo tourism using quantitative and qualitative techniques. Tourism Management, 29(6), 1084-1098. 논문투고일 : 2012. 5. 9 1차수정일 : 2012. 5. 22 2차수정일 : 2012. 6. 5 게재확정일 : 2012. 6. 15