چکیده:
آماریکی از بنیانی ترین پارامترهای سنجش عملکرد زیارت و گردشگری در یک مکان محسوب می شود. از این رو ، امروزه داشتن اطلاعات آماری در مورد شمار زائران خارجی و داخلی و میزان مخارج آنها در مقاصد گردشگری در جهت برنامه ریزی و پایداری گردشگری بسیار ضروری است. به گونه ای که فقدان مبناهای آماری در رابطه با تعداد و دیگر شاخه های مرتبط ، گونه ای ناهماهنگی در ارائه خدمات سبب شده و مانع از مدیریت صحیح بحران بخصوص در ایام اوج گردشگری می شود. کلانشهر مشهد از جمله مقاصد زیارت و گردشگری در کشور است که برآورد آماری زائران و گردشگران این مقصد بیش از همه ضرورت یافته است. با این وجود جز آمارگیری در حجم بسیار گسترده در سال 1365 تا اکنون پژوهش های پراکنده ای صورت گرفته که آن هم در چارچوب برآورد حجم نمونه کوچک در پژوهش های با موضوعات غیر آماری بوده است. بر این مبنا این مقاله در چارچوب یک تحلیل محتوایی به بررسی اسناد، مطالعات و پژوهش های انجام گرفته در رابطه با آمار گردشگران کلانشهر مشهد پرداخته و در چارچوب تعمیم های صورت گرفته تعداد زائران ورودی به مشهد در دوره آماری 1380 تا 1390 برآورد نموده و با استفاده از مدل سری های زمان ARIMA و ARFIMA برآورد آماری تعداد زائران و گردشگران¬داخلی را در افق پنج ساله پیش بینی نموده است. براساس نتایج به دست آمده تعداد زائران ورودی به کلانشهر مشهد در افق 1395 معادل 27654068 نفر برآورد گردیده است.
خلاصه ماشینی:
بر این مبنا این مقاله در چارچوب یک تحلیل محتوایی به بررسی اسناد، مطالعات و پژوهش های انجام گرفته در رابطه با آمار گردشگران کلانشهر مشهد پرداخته و در چارچوب تعمیم های صورت گرفته تعداد زائران ورودی به مشهد در دوره آماری ١٣٨٠ تا ١٣٩٠ برآورد نموده و با استفاده از مدل سری های زمان ARIMA و ARFIMA برآورد آماری تعداد زائران و گردشگران داخلی را در افق پنج ساله پیش بینی نموده است .
(Frechtling,1996:101; Witt & Witt, 1992:98) در این مقاله مدل ARIMA و ARFIMA از مدل های سری زمانی در بررسی آماری زائران و گردشگران کلانشهر مشهد مورد استفاده قرار گرفته است .
تمامی مدل های راندوم والک ٤ و راندوم ترند٥ و مدل های یکسان سازی تک بعدی ، قسمت های ویژه ای از مدل ARIMA می باشند ;٢٠٠٠ ,Duke) Montgomery & Zarnowitz, 1998: 478 -492) / شکل (٢) مدل های سری زمانی در رابطه با مدل مورد نظر و پیش بینی گردشگران تحقیقات و یافته های متعددی انجام گرفته است که از آن جمله می توان به واندار٦(١٩٨٠) که با استفاده از مدل سری زمانی و 1- auto- regressive 2- moving average 3- integrated version of a stationary series 4- Random-walk 5- random- trend 6- Wandner نتایج به دست آمده تاکید می کنند که دولت و بخش خصوصی باید برای پیشبینی تقاضای گردشگری و فراهم کردن سرمایه و ایجاد زیرساخت های لازم برنامه ریزی کند، به تخمین های صحیح تعداد گردشگران در سطح ملی و بین المللی دسترسی داشته زیرا دارای پیامد مهم اقتصادی برای کشورهاست (٣٨١ :١٩٨٠, Wandner and Van Erden).