1. 1. 1. با توجه به اینکه تجارت دوجانبه خدمات ایران و عمده شرکای تجاریش از بحران مالی تاثیر نمی پذیرد ‌بنابرین‏ تمرکز و سرمایه گذاری بیشتر برروی بخش خدمات، ‌می‌توان مشکلات ناشی از بحران های مالی و تغییرات شرایط مالی را پوشش داد.

      

   

1. 1. در زمان بحران مالی فاصله جغرافیایی می‌تواند برای یک قطب گردشگری به عنوان مزیت نسبی باشد. ‌بنابرین‏ در زمان بحران مالی نیاز به برنامه های منسجم­تر گردشگری و تبلیغات موثرتر است.

1. تحلیل­های کلان اقتصادی و مطالعات موردی به وضوح نشان داده ­اند که اتکا بر اقتصادهای پیشرفته با کاهش سفرهای گردشگری بین‌المللی در ارتباط است. از این رو، تنوعی در بازارهای منبع بین‌المللی می ­تواند به ارتقای بازگشت بحران از مسیر کمک کند.

۵-۵-پیشنهاد برای پژوهش­های آتی:

برای تکمیل مطالعه­ صورت گرفته در این پژوهش، چند پیشنهاد برای مطالعاتی که در آینده صورت خواهد گرفت مطرح می­ شود.

1. 1. اثر بحران مالی بر سهم تجارت دوجانبه خدمات از کل تجارت دوجانبه بین شرکای تجاری بررسی شود.

1. 1. میزان اثرگذاری بحران بر حجم تجارت دوجانبه در دو بخش خدمات و کالا مقایسه شود .

1. 1. اثر بحران مالی بر سهم تجارت دوجانبه خدمات گردشگری از کل تجارت دوجانبه خدمات بین شرکای تجاری مطرح شده در این پژوهش بررسی شود.

1. 1. میزان اثرگذاری بحران بر خدمات گردشگری در کشورهای پیشرفته و کشورهای در حال توسعه مقایسه شود.

1. با توجه به کمبود اطلاعات و فقدان پایگاه داده در رابطه با گردشگری پیشنهاد می شود تا مطالعه ای به گردآوری اطلاعات در این زمینه اختصاص یابد و با توجه به اهمیت گردشگری و نقش آن در رشد و توسعه اقتصادی کشورها و ضرورت مطالعه در این زمینه لازم است تا اطلاعات غیر متمرکز در زمینه گردشگری را در پایگاهی به صورت متمرکز فراهم آید.

پیوست:

پیوست فصل سوم: مباحثی پیرامون رهیافت داده ­های تابلویی:

با توجه ‌به این که الگوی جاذبه با داده های مقطعی در طی یک دوره زمانی تخمین زده می‌شود ‌بنابرین‏ باید از رویکرد داده های ترکیبی یا پانل دیتا استفاده نمود. به طورکلی داده های ترکیبی را به دو روش پول 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 می­دهد 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.

داده های 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 داده های تابلویی است که برای شرکای تجاری عرض از مبدأ مشخص در نظر می‌گیرد. این روش در حقیقت ترکیب کردن مشاهدات روی داده های 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). به طور کلی داده های پانل دارای ویژگی‌های خوبی می‌باشند که، همین ویژگی‌های مناسب، عاملی شده است تا در پژوهش­های زیادی از آن برای تخمیین الگوی سنجی استفاده شود. که در زیر به شماری از آن ها اشاره می‌شود:

۱- کنترل ناهمگنی فردی: در واقع ایده اصلی الگو‌های داده ها تابلویی این است که افراد، بنگاه‌ها و استان‌ها و غیره از نظر رفتاری همگن نیستند. الگوهای سری زمانی به تنهایی و نیز داده های مقطعی به تنهایی نمی‌توانند این ناهمگنی‌ها را الگو‌سازی کنند، در نتیجه تخمین زن‌ها حاصل از آن­ها تورش‌دار می‌شود.

۲- حل مشکل کوتاه بودن دوره زمانی داده ها، در پژوهش­هایی که دوره زمانی پژوهش کوتاه است با ادغام داده های سری زمانی با داده های مقطعی، می‌توان مشکل کم بودن اطلاعات را حل می‌کند.

۳- داده های پانل با حجم زیاد، باعث هم خطی کم در میان متغیرها، و ایجاد درجه آزادی و کارایی بیشتر می‌شود.

۴ – داده های پانلی امکان طراحی الگوهای رفتاری پیچیده­تری را فراهم ‌می‌کنند.

۵ – داده های پانلی امکان بیشتری را برای شناسایی و اندازه ­گیری اثراتی فراهم ‌می‌کنند که با اتکای صرف به آمارهای مقطعی یا سری زمانی به سادگی قابل شناسایی نیستند.

به طور کلی در داده های ترکیبی سه نوع متغیر حذف شده وجود دارد که خود را در عرض از مبدأ‌ها نشان می‌دهد و بسته ‌به این که الگوی پژوهش با کدام یک سازگاری بیشتری دارد، تخمین ‌بر اساس آن انجام می‌گیرد.

الف – متغیرهایی که در طول واحدهای انفرادی ثابتند ولی در طول زمان تغییر می‌کنند (اثرات بین گروهی).

تخمین بین گروهی از اختلاف بین کشورها بهره برداری می‌کند، اما از هر گونه اطلاعاتی در درون کشورها صرف‌نظر می‌کند و به عبارتی این نوع تخمین‌ها، رگرسیون روی میانگین است و معمولا برای تخمین ضرایب بلند‌مدت از این روش استفاه می‌شود (نصیری،۱۳۹۰).

ب – اثرات انفرادی که در طول زمان ثابتند ولی در بین واحد‌های انفرادی تغیر می‌کنند (اثرات ثابت).

در روش ترکیبی (پولینگ) فرض بر این است که عرض از مبدأ برای همه جفت کشورها یکسان است. علاوه براین، فرض می شود بردار پارامترها نیز که بیانگر شیب معادله است برای همه زمان­ها یکسان است. به همین دلیل است که گفته می شود OLS به علت اعمال محدودیت بر الگو مذکور مبنی بر یکسان پارامترها برای همه جفت کشورها دچار اریب ناهمگنی می­گردد. برای رفع این مشکل در روش اثرات ثابت، محدودیت یکسان بودن اثرات انفرادی حذف می­گردد، ولی یکسان بودن شیب معادله همچنان برقرار است. به عبارتی تحت این روش برای هر واحد انفرادی (جفت کشورهای شریک تجاری)، عرض از مبدأ جداگانه‌ای وجود دارد که می‌تواند با متغیر‌های توضیحی الگو همبستگی داشته‌ باشد و یا نداشته باشد. در این روش استفاده ‌از روش حداقل مربعات معمولی برای تخمین پارامترها دارای نتایج بدون تورش و سازگار است.

ج- متغیر‌هایی که در طول زمان و هم در ارتباط با واحد‌های انفرادی متغیرند (اثرات تصادفی).

یک روش جایگزین برای تخمین الگوی اثرات ثابت، تخمین الگوی اثرات تصادفی است. در این روش فرض می‌شود عرض از مبدأ‌ها (ijα) دارای توزیع مشترکی با میانگین α و واریانس۲σ بوده و بر خلاف روش اثرات ثابت، با متغیرهای توضیحی الگو همبستگی ندارد.