What are the factors that influence the level of tourism development?

particularly the fixed effects estimation. Afterwards, all the multiple linear
assumptions are tested in order to make sure that the estimated values are
correct and unbiased. The next chapter represents the results of the regres-
sions described above. First, the overall effect of the considered independent
variables over the tourism growth is calculated and discussed. Afterwards,
the dataset is divided into six, sometimes overlapping groups. The outcomes
are then compared and the reasons behind different results are considered
as well. The last chapter concludes the previously discussed matters.
2

---

2
Literature Review
This section will discuss other studies that have a similar or tangential topic
to the question of our interest: the factors that are affecting the number of
international visitors in a country.
The purpose of the study performed by Assaf and Josiassen [2012] was
to determine the most important factors that influence the level of tourism
development, as well as to rank them based on their relative contribution.
After a thorough literature review and after asking the industry special-
ists, the authors came up with eight distinct drivers of tourism capacity:
industry-related infrastructure; economic development; health, safety and
security; price levels of tourism; government policy; sustainability of the en-
vironment; labour; the natural and cultural resources. The touristic perfor-
mance of each country was estimated using the Data Envelopment Analysis
(DEA) methodology. The subsequent effect of the vector of independent
variables on the explained variable was estimated using the Truncated Re-
gression Model. The results of the study revealed the importance of various
determinants, among which the environmental performance, the level of cor-
ruption, and the education index. One of the potential problems that the
above-discussed research could have is the multicollinearity, which repre-
sents the situation when there is a high correlation between two or more
independent variables. In our case, the authors included both the GDP per
capita and the unemployment rate as explanatory variables. According to
the Okun’s law, a 1% decrease in unemployment would lead to a 2% increase
in the GDP [Prachowny, 1993]. Since the population number is rather sta-
ble in the short run, we can claim that there is a direct inverse relationship
between the unemployment rate and the GDP per capita as well. Therefore,
additional attention should be paid to the choice of the vector elements in
order to avoid the above-described issue.
Wilson et al. [2001] narrowed the topic of the previous research, aiming to
find the factors that contribute favourably to tourism development in rural
areas, and using a focus group methodology in order to find that. Clearly,
the research has been done at a more regional level, that is why the features
that affect tourism are more local and community-related. The most impor-
tant factors are: a complete tourism package, great community leadership,
local municipality involvement, enough financial resources for tourism devel-
3

---

opment, and strategic planning. Unfortunately, not all these factors can be
used in more quantitative studies since it is rather complicated to represent
them in a numerical format. For instance, community leadership seems to
be a valuable but quite subjective feature, which makes its quantification
unattainable.
In their paper, Joshi et al. [2017] studied the factors that have a substan-
tial effect over tourism growth: predominantly - the natural, cultural, and
the sociopolitical aspects. The research was based on cross-sectional data
that covered 131 countries across the globe, and represented a log-linear
regression, in which the dependent variable (the number of tourists that
visited the country), was put in logarithm in order to indicate the growth.
The results demonstrated that the ”policy” variable has the strongest and
the most statistically significant effect. In this case, the policy variable is
based on the estimation of WEF pillars 1 and 5. These pillars are strongly
related to tourism regulations and they show what is the level of tourism
prioritization that the government of this country has. It is followed by the
natural resources, health and hygiene, cultural resources, infrastructure of
transports, human resources, and price competitiveness. Surprisingly, other
presumably important characteristics, such as environmental sustainability
or tourism infrastructure, proved to be statistically insignificant. This could
happen due to a potentially high correlation between variables, as well as
because of the way these indicators were constructed.
The study performed by Lordkipanidze et al. [2005] demonstrates the
importance of entrepreneurship as a ”central force” influencing the GDP
growth because of the ability of businesses to stimulate innovation and im-
provements. This is particularly true in the tourism industry, where constant
changes are required in order to keep up with a higher demand. The pa-
per mentions that sustainable tourism entrepreneurship is useful in develop-
ing various rural areas and in transforming them into popular destinations.
Consequently, it can serve as a catalyst that uses the existing resources and
contributes to the overall regional development, with tourism as the primary
tool for that.
Yang and Fik [2014] studied two different types of spatial effects in the
growth of regional tourism: spatial heterogeneity and spatial spill-over. The
research has been based on data regarding 342 Chinese cities between the
years 2002 and 2010. The dependent variable studied was the variability
4

---

in the growth of tourism among these places and during the given period
of time. The authors found that the infrastructure of hotels, the economic
growth, localization economies, and the funding for tourism resources have
a big effect over the previously-mentioned variability. Besides that, spa-
tial spill-over effects and the competition between the urban areas is also
important in determining spatial heterogeneity.
The purpose of the research performed by Ozturk [2016] was to identify
various factors that had impact over tourism development in 34 countries,
over the years 2005 - 2013.
The study has discovered that government
spending, and particularly expenditures on health, represents one of the most
influential components, the effect of more spending on health being positively
associated with tourism indicators. However, ecology-related factors, such
as air pollution and energy consumption, play a substantial negative role.
Finally, economic growth was proven to have a statistically significant effect
over the development of tourism as well. From the statistical perspective,
the regression has been executed using fully modified ordinary least squares
and using dynamic least squares. Particularly surprising is the fact that,
even if energy consumption has a negative effect over tourism development,
carbon dioxide emissions were found to be positively associated with tourism
indicators. Such a finding is counter-intuitive because CO
2
emissions are a