觀光需要豫測模型의 豫測正確性 評價 : 時系列豫測技法을 中心으로 = Forecasting Accuracy of Tourism Demand : An Evaluation of Time Series Methods

국문 초록 (Abstract)

본 연구에서는 時系列豫測技法을 이용한 예측결과의 豫測正確性을 서로 비교할 수 있는 가장 적합한 指數는 어느 것인가, 관광수요를 예측하는데 있어서 어떤 기법이 가장 예측정확성이 높은 시계열예측기법인가, 그리고 시계열예측기법을 이용한 관광수요예측시 자료를 변환시킬 경우 豫測正確性은 어떻게 달라지는가에 대한 硏究問題(research problems)를 놓고 연구를 진행하였다.
硏究標本으로는 30개의 관광관련 시계열자료를 이용하였으며, 事後的 時系列 需要豫測을 시도하였다. 最適模型의 정확성을 평가하기 위한 기준은 MAPE(Mean Absolute Percent Error), CumRAE(Cummulative Relative Absolute Error), Theil의 U2 등의 豫測誤差 評價指數를, 각 모형을 상호비교하기 위해서는 t검증(t-test)과 분산분석(ANOVA)을 이용하였다. 이용한 시계열예측기법은 선형추세법, 단순지수평활법, Brown의 이중지수평활법, Holt의 선형지수평활법, 계절지수평활법, Winters의 가법 계절지수평활법. Winters의 승법 계절지수평활법, ARIMA의 계절변동 모형, 결합예측모형(2모형), 결합예측모형(3모형) 등이다.
서로 다른 시계열예측기법에서 도출된 예측결과의 예측정확성을 비교하는 지수들은 理論考察 結果, CumRAE와 Theil의 U2 등이 가장 타당한 것으로 나타났다. 따라서 본 연구에서는 이들 지수를 이용하여 서로 다른 시계열예측기법에서 도출된 예측결과를 상호비교하였다.
관광수요를 예측하는데 있어서 예측정확성이 가장 높은 시계열예측기법은 어느 것인가는 분산분석을 통해 이루어졌으며, 그 결과 예측기법간 예측정확성의 우위는 없는 것으로 나타났다.
이것은 이전의 연구결과, 즉, 복잡한 방법이 더 좋다는 연구와 단순한 방법이 더 좋다는 연구에서 제기된 결론들이 본 연구에서는 통계적으로 유의하지 않았다는 것을 의미한다. 즉, 예측기법간의 優位가 없다는 연구들이 본 연구결과와 일치하고 있음을 보여준다.
시계열예측법을 이용한 관광수요예측시 기본적인 자료의 성격에 따라 예측정확성은 어떻게 달라지는가에 대해서는 10개의 예측기법 및 4개의 서로 다른 예측기간에서 모두 연구가설을 기각하는 것으로 나타났다. 이것은 원자료, 대수변환자료, 이상치를 보정한 원자료와 이상치를 보정한 대수변환자료를 아용하여 예측했을 때, 원자료와 자료의 변환에 따른 예측결과의 차이가 통계적으로 유의하지 않다는 것을 의미한다.
또한 산술평균에 의한 비교결과는 單純한 方法보다는 複雜한 方法 즉, ARIMA모형 또는 결합예측모형 등이 가장 높은 정확성을 제공해 주는 예측기법으로 나타났다.
算術的인 平均으로 볼 때, 異常値 補整하기 前·後의 비교결과는 자료상에 존재하는 이상치를 보정했을 경우, 선형추세법과 단순지수평활법은 설정된 4개 기간 전체에서 모두 정확성이 감소했으나, 기타 시계열예측기법에서는 일부 기간을 제외하고는 전체적으로 정확성이 향상된 것으로 나타났다. 즉, 산술적인 평균의 의미에서 볼 때, 이상치를 보정함으로서 선형추세법과 단순지수평활법에서는 정확성의 감소를 가져오지만 기타 방법에서는 豫測正確性이 향상된 것으로 나타났다. 특히 계절 ARIMA법과 결합모형에서는 전기간에 걸쳐 모두 예측정확성이 향상된 것으로 나타나 이들 기법을 이용하여 예측할 경우 자료에 존재하는 이상치를 보정하는 것이 정확성을 향상시키는 방법임을 나타내주고 있다. 기간에 따른 정확성의 차이는 1-3개월 동안의 예측정확성이 대수변환 여부에 관계없이 선형추세법과 단순지수평활법을 제외하고는 기타 예측기법에서 모두 정확성이 향상된 것으로 나타났다.
본 연구의 實證的인 分析은 과거 관광분야에서의 시계열 관광수요예측관련 선행연구들이 미미했고, 그 대상을 30개 시계열 자료로 한정했기 때문에 이 결과를 일반화 시키기에는 어느 정도 限界를 內包하고 있다. 그러나 본 연구는 豫測正確性 指數를 이용하여 예측결과를 비교한 것으로 관광분야 예측기법의 선택 및 예측정확성 향상에 기여할 수 있음을 본 연구의 유용성으로 들 수 있다.
끝으로, 시계열예측기법의 정확성에 관한 연구결과가 관광수요를 예측하는데 있어서 豫測正確性의 向上 및 가장 좋은 방법에 대한 연구검토가 後續硏究에서 지속적으로 이루어져 관광수요에 대한 미래예측의 정확성을 높여줌으로써 관광분야의 政策樹立 및 事業施行에 도움이 되었으면 하는 바램이다.

다국어 초록 (Multilingual Abstract)

This research is to find out the method appropriate for tourism demand forecasting among the various time series forecasting method and the way how the accuracy will be changed.
Author compares the various single-variable forecasting models and evaluates the accuracy between the actual and forecasted data. The models considered here are ten including seasonal ARIMA model. The evaluating criterion to check the accuracy of the estimations are MAPE(Mean Absolute Percent Error), CumRAE(Cummulative Relative Absolute Error) and Theil's U2.
The results of the analysis showed that as suggested by the previous research work single-variable time series model could be applied only to short series of data forecasting when considering the relative accuracy. The results are as follows;
First it was confirmed that there wasn't any superiority between simple methods and complex ones. Second, improvements of forecasting accuracy through the data transformation, for example, such as logarithmic transformation, corrections of outlier, was not found statistically significant. Third, from arithmethic mean point of view, trend method and simple exponential smoothing method seem accurate in forecasting than seasonal ARIMA model and combined methods. Except trend method and simple exponential smoothing method, adjusting outlier of the raw data was found better than that of unadjusted data.
Author concludes recommends that ARIMA and combined methods are relatively strong one to forecast tourism demand when one was time series methods.

목차 (Table of Contents)

• ― 目次 ―
• <槪要>
• 第1章 序論 = 1
• 第1節 問題提起 = 1
• 第2節 硏究目的 = 3
• 第3節 硏究方法 = 3
• 第4節 硏究의 限界 = 4
• 第2章 時系列 觀光需要豫測技法의 類型과 特徵 = 6
• 第1節 需要豫測技法의 類型 = 6
• 第2節 需要豫測技法의 選擇過程 및 類型別 特徵 = 8
• 第3節 時系列豫測技法 = 11
• 第3章 時系列豫測技法의 豫測力 評價에 關한 理論的 考察 = 16
• 第1節 時系列豫測技法 및 그 選擇基準에 關한 論議 = 16
• 第2節 豫測正確性 評價에 關한 硏究動向 = 19
• 第3節 正確性指數를 利用한 豫測技法의 比較에 關한 硏究動向 = 27
• 第4節 時系列資料의 性格에 따른 豫測力 論議 = 37
• 第5節 論議의 綜合 및 假說設定 = 43
• 第4章 硏究方法論 設計 = 47
• 第1節 分析資料 = 47
• 第2節 資料分析方法 및 最適模型의 選定 = 48
• 第3節 豫測誤差 評價指數의 選定 = 51
• 第4節 異常値의 判別 = 52
• 第5節 豫測誤差의 比較 = 53
• 第5章 分析 및 結果解釋 = 54
• 第1節 各 推定模型의 MAPE 및 異常値의 分析 = 54
• 第2節 假說檢證 = 58
• 第3節 算術平均에 의한 比較 = 71
• 第4節 分析의 綜合 및 論議 = 77
• 第6章 結論 및 示唆 = 81
• 參考文獻 = 84
• 附錄 1 : 分析에 利用된 資料 = 99
• 附錄 2 : 各 資料類型別 最適 豫測模型의 母數推定 結果 = 117
• 附錄 3 : 資料變換前의 豫測技法別 正確度指數 = 149
• 附錄 4 : 資料變換後(對數變換)의 豫測技法別 正確度指數 = 181
• ABSTRACT = 211