宿泊旅行統計調査による季節変動に関する一考察和歌山大学観光学部大井達雄 Ⅰ はじめに観光市場において，季節変動，または季節性は避けることができない現象である。観光市場の季節変動とは，月次，または四半期による時間的な変動を意味し，それは 1 年間を周期として繰り返し発生するものである。観光は季節の移り変わりを楽しむといっても過言ではないが，季節性は観光経営において最も厄介な特徴の 1 つである。観光入込客数，宿泊者数や観光消費額のいずれも年間を通じて一定であることはありえず，多くの観光地で繁盛期と閑散期が存在している。それゆえ繁盛期の長期化，または閑散期の短縮化を目的とした観光政策が実施されている。 Butler and Mao（ 1997）は，図 1 のように観光市場における季節変動のメカニズムを図示している。基本的には，観光客を意味する需要過程，受け入れ先である観光地を意味する供給過程と，戦略やマーケティングを意味する調整過程の 3 つの過程が存在する。需要過程では，気候や長期休暇などにより，観光現象が発生することになる。一方で供給過程は，気候の差，魅力的な観光資源の存在や観光地としての認知度などを理由として観光客が訪れることになる。つまり観光客と観光地は相互依存関係にあるといえる。この関係は，季節変動の存在がある程度寄与している。さらに季節の違いによって需給バランスが不安定となるため，割引価格の実施，観光施設の開発，広告宣伝などの調整過程を通じて，観光市場は構築されている。ここでは，観光市場における季節変動の存在の大きさが述べられている。このように Butler and Mao（ 1997）に限らず，欧米では季節変動に関する研究は日本よりも進んでいるが，まだまだ克服すべき課題は多い。図 1 観光市場における季節変動のメカニズム（参考） Butler and Mao（ 1997） 1 本稿の目的は，宿泊旅行統計調査を使用して，日本の観光市場の季節変動の特徴を実証的に明らかにすることである。従来から季節変動の存在が観光経営において多大な影響を及ぼしていることが指摘されていたが，その特徴について統計指標を使用して分析したものは皆無であり，本研究の意義は大きいといえる。内容として，まず観光事業における季節変動の特徴と問題点について述べる。続いて，今回の分析で使用するデータと統計指標について説明する。各種統計指標を使用して，全国や都道府県の季節変動の特徴を明らかにした上で考察を行い，最後にまとめと今後の課題についてふれることにする。 Ⅱ 観光事業における季節変動の特徴と問題点図 2 は平成 19～ 22 年の宿泊旅行統計調査における従業者数 10 人以上の宿泊施設の延べ宿泊者数の推移を示したものである。全体的な動きとして，平成 19 年の 3 億 938.1 万人泊から，平成 20 年（ 3 億 969.9 万人泊）はほぼ同一水準で推移した。平成 21 年（ 3 億 130.3 万人泊）には 2 割以上下落したものの，平成 22 年には 3 億 4882.3 万人泊と大幅に改善している。延べ宿泊者数の季節的な傾向として，図 2 からもわかるように，延べ宿泊者数は 8 月がもっとも多く，逆に 1 月や 6 月が少ないことがわかる。年によってバラツキが存在するものの，1 月から 3 月にかけて上昇し，その後，数カ月低迷するものの，夏には急上昇し，秋から冬にかけて再び下落傾向にある。このような傾向を毎年繰り返している。また海外の観光学研究では，最盛期と閑散期の間の期間を，その形状からショルダーシーズン（ shoulder season）と呼び，この期間をできるだけ短縮するような政策が実施されている。 40 35 30 延べ宿泊者数 ( 百万人泊） 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 1 1 1 1 2 3 4 5 6 7 8 9 1 1 1 1 2 3 4 5 6 7 8 9 1 1 1 1 2 3 4 5 6 7 8 9 1 1 1 月月月月月月月月月 0 1 2 月月月月月月月月月 0 1 2 月月月月月月月月月 0 1 2 月月月月月月月月月 0 1 2 月月月月月月月月月月月月平成19年図 2 平成20年平成21年平成22年全国の延べ宿泊者数の推移（従業者数 10 人以上の宿泊施設のみ）（参考）観光庁『宿泊旅行統計調査』しかしながら，8 月を山とし，1 月や 3 月を谷とする季節変動は 47 都道府県で共通した傾向ではない。平成 22 年のデータにおいて，全国と 47 都道府県についてスピアマンの順位相関係数を計算したところ，順位相関係数が 1 となった，つまり，全国のデータと全く同じような動きをした都道府県は存在しなかった。相関係数が高かった県として，福岡県（ 0.951），香川県（ 0.923），群馬県（ 0.916），埼玉県（ 0.902 ），千葉県（ 0.902）が，逆に順位相関係数が低かった県として，宮崎県（ 0.490），京都府（ 0.490），北海道（ 0.503）， 2 長野県（ 0.587），青森県（ 0.608），奈良県（ 0.608）があげられる。図 3 では平成 22 年の宮崎県と京都府の延べ宿泊者数の推移を示している。図 3 から，宮崎県の場合，延べ宿泊者数のピークは 3 月（ 268,660 人泊）で， 2 位が 2 月（ 265,750 人泊）となっていた。同様に京都府の場合，延べ宿泊者数のピークは 11 月（ 1,187,180 人泊）で，続いて 5 月（ 1,185,590 人泊）がほぼ同じ水準となっている。多くの県で 1 位であった 8 月については宮崎県では 3 位，京都府では 4 位である。平成 21 年のデータについてみた場合，京都府は引き続き 11 月がピークとなっているものの，宮崎県は 8 月が最大延べ宿泊者数を記録している。この理由として，平成 22 年に宮崎県で発生した口蹄疫問題があげられ，観光客数が大幅に減少したためである。このように，都道府県単位でみた場合，延べ宿泊者数の季節変動は，全国と同様の動きを示すわけではなく，気候，社会状況，観光イベントの関係で，年間や地域の格差が存在している。 1,400,000 1,200,000 延 1,000,000 べ宿 800,000 泊者 600,000 数人 400,000 宮崎県京都府 ( ) 200,000 0 1月 2月 3月図 3 4月 5月 6月 7月 8月 9月 10月 11月 12月宮崎県と京都府の延べ宿泊者数の推移（平成 22 年，従業者数 10 人以上の宿泊施設のみ）（参考）観光庁『宿泊旅行統計調査』観光活動における季節変動のパターンとして 3 種類の分布が存在する。それらは，最盛期が 1 つの単峰型，2 つの双峰型，ピークシーズンのない一様型の分布に分類される。単峰型の分布では，図 2 のように，1 つのピークを形成する場合が該当する。場合によっては，海水浴場のように夏場の観光客数が冬場のそれの 10 倍以上になるなど，極端な変動をもたらすことがある。双峰型の分布は，図 3 の京都府の延べ宿泊者数のデータのように， 2 つのピークが存在することを意味する。典型的な事例として，山岳観光があげられる。夏は登山，冬はスキーというように 2 つの観光資源が享受できる観光地ではこのような傾向がみられる。最後の一様型の分布は，ピークが存在しない場合を意味する。具体的にはシンガポール，香港やハワイなどでは，一年中観光客が平準化して訪問している。ただし， 1 年中のあらゆる月で観光客が全く同数ということはありえず，何をもってピークがないと定義するのかについては議論の余地がある。観光データにおける季節変動が発生する要因として 2 種類存在する。まず第 1 に自然現象に基づく季節変動（ natural seasonality ）である。これは四季によって発生する気候の変動（気温，日照時間，降水量，降雪量等）を意味する。このような変動は，日によって 3 差異はみられるものの，おおむね季節によって特徴をもち，同時に一定のサイクルを有する。自然現象に基づく季節変動は日照時間のように予測可能なものもあれば，気温や降水量のように正確な予測が困難なものもある。最近では地球温暖化の影響もあり，ますます予測が難しくなり，季節変動が観光市場に与える影響も小さくはない。一般的に赤道近くに存在する観光地ほど季節変動が小さく，逆に緯度が高くなるほど季節変動が大きくなる傾向にあるが，赤道周辺の観光地においても，モンスーンによる降水量や湿度の高さなど，ある程度の季節性の影響を受けている。もう 1 つの要因が，制度に基づく季節変動（ institutionalized seasonality ）である。これは宗教，文化，民族や社会状況などを背景とするもので，その代表例として，祝日，夏休みやゴールデンウィークから，祭祀や宗教行事，漁期や狩猟期間など広範囲に及ぶ。制度に基づく季節変動の代表例である夏休みは，北ヨーロッパの学生が収穫期に農作業を手伝うことを目的として， 6～ 10 週間という長期間設けられたことがはじまりといわれているが，現在には，多くの欧米諸国において学生がこの時期に農作業を手伝うことはあまりない。夏休みは観光市場において必要不可欠な存在となり，その意味は変化している。また，野球やサッカーなどの多くのプロスポーツの活動期間（シーズン）も制度に基づく季節変動の代表といえ，スポーツ観光の基本となっている。制度に基づく季節変動は広範囲な特徴を有するために，観光市場への影響を評価することは困難を極めている。また祝日については，日本でも観光活動を促進するために月曜日を休日とし，週末と合わせた 3 連休にする政策（ハッピーマンデー）が行われている。この政策は数少ない成功例であり，実際，新しい制度を導入しても，習慣や伝統のほうが重視される傾向もある。新制度が根づくためには長時間要することが指摘されている。特に休暇期間の分散化については，海外では必ずしも成功しているわけではない。このような自然環境と制度の 2 つの季節変動は，相互補完的な関係にあるといえる。つまり自然環境に応じて制度の内容が設定されている場合も多い。例えば，天候不良の時期に，進んで観光しようという人は少なく，逆に天候が良ければ観光客は増加する。そのような時期に大型連休，または観光シーズンが設定されている。季節変動は上記のような特徴を有するが，一方で観光経営においては，さまざまな弊害ももたらしている。その代表として 2 つの問題点を指摘する。第 1 は労働市場への影響である。観光市場において季節変動が存在するために，経営者は従業員を正規雇用することが難しい。繁盛期では労働力を必要とするが，閑散期ではその労働力が過剰となる。観光産業の労働者の多くは非正規で雇われ，アルバイトや季節労働者が中心である。そのため，繁盛期が終われば失業することになる。長期間雇用することができないため，社員教育も十分に行われず，良質な人材がなかなか育たないのが現状である。このような特徴は日本だけでなく，世界的な課題となっている。続いてファイナンス，主に資金繰りの問題がある。観光事業では，あらかじめ巨額の投資額が必要となる場合が多い。テーマパークやホテルなどがその代表例である。そのため，自己資金だけではまかなうことができず，借り入れに依存せざるをえない。また観光施設は閑散期になれば，一部が休眠状態になり，収益を生み出さないことになる。それゆえ，売り上げが安定せず，経済状況の変化によっては返済も滞ることになる。また繁盛期において，冷夏などの異常気象が発生した場合には，次シーズンにおいてその穴埋めをするこ 4 とはかなり困難である。さらに観光事業の場合，季節変動に関係なく，他の産業と比較しても，自然災害やテロなどの危機に対して脆弱な側面がある。したがって，経営を安定させるためには高価格や大規模開発路線を取らざるをえず，逆にこの戦略が観光客数を減少させることもある。大規模開発については，近年のサスティナブルツーリズムへの意識の高まりもあり，難しいのが現状である。 Ⅲ データの紹介と分析手法 1. 宿泊旅行統計調査今回の実証分析では，宿泊旅行統計調査のデータを使用することにする。宿泊旅行統計調査は平成 19 年から本格調査が実施され，その目的は宿泊旅行の実態を全国規模で把握することであり，日本国内において宿泊業を営むホテル，旅館，簡易宿所，会社・団体の宿泊所などの全宿泊施設を対象としている。都道府県，従業者数規模別層化抽出により，従業者数 10 人以上の宿泊施設については全数調査が行われ， 10 人未満の場合には，標本調査が実施されている（抽出率は 10 人未満の宿泊施設については 3 分の 1，5 人未満の施設については 9 分の 1）。このような抽出方法は，平成 22 年 4～ 6 月調査から実施され，それ以前は従業者数 10 人以上の宿泊施設のみが対象であった。本研究においては，経年比較の観点から，従業者数 10 人以上の宿泊施設のデータのみを使用していくことにする。観光市場の季節変動をみていく場合には，宿泊観光客だけでなく，日帰り観光客を含めた観光入込客統計も使用すべきである。しかしながら，共通基準を使用した観光入込客統計調査は現在においても全都道府県で実施されていないこと，調査結果の蓄積は宿泊旅行統計調査と比較して十分でないこと，公表結果が月次データではなく，四半期データであることから，本稿では宿泊旅行統計調査の延べ宿泊者数のデータ（従業者数 10 人以上の宿泊施設のみを対象）を使用することにする。宿泊旅行統計調査の調査項目については，従業者数の規模別により異なるが，基本項目として宿泊施設の名称，宿泊施設所在地，宿泊施設タイプ，客室数及び収容人数，従業者数，宿泊目的，延べ宿泊者数と実宿泊者数，及び外国人延べ宿泊者数と実宿泊者数，利用客室数，居住地別（県内外別）延べ宿泊者数と，多岐に及んでいる。 2. 分析手法季節変動を最も簡単に把握する方法として，最大値と最小値の比を計算する方法がある。）とする。そこで，1 年のうち延べ宿泊今，ある任意の月の延べ宿泊者数を 𝜈𝑖 （者数の最大の月を 𝜈𝑚𝑎𝑥 ，最小の月を 𝜈 とした場合，以下のように表すことができる。 (1) 式 (1)の場合，非常にわかりやすい指標であるが，最大値と最小値の数値のみに注目するため，その他の月の数値は無視されることになる。つまり，最大値と最小値が異常値である場合には，季節変動の実態を正確に把握することが困難となる。このような問題点に対して， Lundtrop（ 2001）は，以下のような季節変動指標 ω （ seasonality indicator）を考案した。 5 ̅ (2) ここで， ̅は平均値を意味する。すなわち，式 (2)は年間の延べ宿泊者数の平均値を最大値で除して計算することを意味する。もともとこの指標は， Yacomis（ 1980）の季節変動に関する指標を改良したものである 1 。式 (2)の場合，の範囲をとり，ある特定の月にすべての宿泊客が滞在し，その他の月には宿泊客が存在しなかった場合には，逆にすべての月で宿泊客数が等しい場合にはとなり，となる。つまりに近ければ近いほど，季節変動が大きく，逆に 1 に近ければ近いほど，季節変動が小さいことがわかる。さらに見方を変えると，最大宿泊者数𝜈 はホテルの最大収容能力と読み替えることも可能である。すなわち，季節変動指標ωはホテルの平均稼働率に近い概念となる。もし，＝ 0.5の場合は，平均して約半数の部屋しか埋まっていないことを意味する。上記の指標に加えて， Wanhill(1980) は，所得格差や資産格差の分析において有名なジニ係数を用いて，季節変動を客観的に把握する方法を提案した。ジニ係数とは，イタリアの統計学者 Corrado Gini によって考案され，社会における所得や資産の分配の不平等さを測る指標として，多くの実証分析で使用されている。 Wanhill(1980) は季節変動を観光商品の在庫調整が困難なことから発生する観光客数の格差と考え，ジニ係数の適用を提案している。ここでジニ係数の計算方法について説明する。今，以下のローレンツ曲線が与えられている場合に，ジニ係数 (Ｇ )は，ローレンツ曲線と 45 度線で囲まれた「三日月形」の面積 (𝑆)を 2 倍することによって求められる。つまり，三角形 (𝑇 )と，3 つの台形（ 𝑇 算し，頂点を (0 0) ( 0) ( 𝑇3 𝑇4 )の面積を計 )とする直角二等辺三角形の面積（ 0.5）から減算する。（1，1）（0，0）図 4 ローレンツ曲線 6 S  0.5  T1  T2  T3  T4  1 1 1 1   0.5    F1  Q1   Q1  Q2  F2  F1    Q2  Q3  F3  F2    Q3  1 1  F3  2 2 2 2  これにより，ジニ係数は以下の公式により求めることができる 2。 G S (3) ジニ係数の評価については， 0（零）に近い場合には平等に近いこと，つまり季節変動が小さいこと，またジニ係数が 1 に近い場合には，格差が大きいこと，つまり変動が大きいことを意味する。ジニ係数がどの数値を超えていれば，格差が大きいとみなすことができるような絶対的な基準は存在せず，主に時系列上の変化やデータ間の比較をみていくことが一般的である。また，今回の場合においては，X 軸には月数の累計，Y 軸には延べ宿泊者数の累計がそれぞれ設定されることになる。ジニ係数を経年比較する上で，要因分解することができれば，さらに季節変動の特徴を理解することができるが，ジニ係数では要因分解は困難である。そのため，タイル指標を使用して要因分解を行うことにする。タイル指数も不平等度や格差を表す代表的な指標の 1 つで，完全に平等な場合は 0 となり，数値の上昇は格差の拡大を意味する。鈴木（ 2006）によれば，タイル指標は，グループ ( 得を，全体の構成員数を ( ∑𝑖 𝑖 )，平均所得を ( )の構成員 ( ∑𝑖 ∑ 𝑖 )の所 )として，次のように表される。 𝑇 ∑∑ 𝑖 𝑖 𝜇 l ( 𝑖 𝜇 その上で，グループの平均所得を， 𝜇𝑖 ( ) (4) ∑ 𝑖 )とすると，タイル指標による不平等度は，以下のようにグループ内の不平等度 (𝑇𝑖𝐼𝑁 )とグループ間の不平等度 (𝑇 𝐵𝑊 )に分解される。 𝑇 ∑ 𝑖 𝑖 𝜇𝑖 𝜇 𝑇𝑖𝐼𝑁 + 𝑇 𝐵𝑊 (5) 本稿では，タイル指標を使用して，延べ宿泊者数の地域内格差と地域間格差についてもみていくことにする。本稿では主に延べ宿泊者数のデータを使用して，季節変動をみていくことにするが，このような統計指標を使用することによって，宿泊者数以外のさまざまな観光統計の季節変動を把握することができる。 Ⅳ 結果と考察 1. 季節変動指標 ω 平成 22 年の宿泊統計調査の延べ宿泊者数のデータに基づいて， Lundtrop（ 2001）が考案した季節変動指標 ωを計算したところ，以下の図 5 のような結果になった。詳細な数値を紹介すると，全国の場合 0.764， 47 都道府県の平均値は 0.742 となっている。また変動 7 の少ない上位 3 県は，東京都（ 0.897），大阪府（ 0.864），福岡県（ 0.858）と大都市圏が占めているのに対し，変動の大きい下位 3 県は長野県（ 0.564），和歌山県（ 0.571），山梨県（ 0.589）となっている。例外は存在するものの，大都市圏ほど季節変動が小さく，一方で地方の季節変動の大きさがわかる。その中でも中部地方が顕著である。この結果，都市観光が普及している地域ほど，季節変動が小さいといえる。上記でも説明したように， ωは平均稼働率と拡大解釈することもできるので，その側面を強調した場合，年間を通じて東京都では 90％の部屋が埋まっているのに対し，長野県では 6 割も埋まっていないことがわかる 3。 0.8 0.7 0.6 図 5 季節変動指標 ω の結果（平成 22 年宿泊旅行統計調査）平成 19 年から平成 22 年までの ω の変化については，多くの県で平成 19 年から平成 20 年においてほぼ同水準を維持するか，または微増がみられたものの，平成 21 年にかけて下落し，その後平成 22 年には回復傾向がみられた。これは宿泊旅行調査の延べ宿泊客数の推移と同様の動きをし，平成 20 年 9 月以降の景気後退の影響を受けていることが想定される。ただし，一部の県では，異なった動きもみられる。その例が京都府と三重県である（図 6）。京都府の場合，リーマンショックの影響を受けず，さらに平成 22 年には ω が急激に増加し，季節変動が減少している。三重県の場合は，平成 19 年から現在にかけて，季節変動は拡大する傾向にある。いずれの県も，延べ宿泊者数が 4 年間で継続して増加，または減少傾向になく，季節変動が影響していると考えられる。ただし，観光イベントの実施状況の関係など，さらなる分析が必要である。 8 1.000 0.950 0.937 0.930 0.891 0.900 0.850 0.800 0.750 0.700 0.802 0.800 0.779 0.897 0.841 全国 0.760 東京都 0.767 0.758 0.650 0.749 0.685 0.669 0.600 0.764 京都府三重県 0.639 0.550 0.500 平成19年平成20年図 6 平成21年平成22年季節変動指標 ω の変化（平成 19～ 22 年） 2. ジニ係数各都道府県別のジニ係数を地図グラフにまとめたものが図 7 である。具体的な数値をあげると，全国は 0.059， 47 都道府県の平均値は 0.083 となっている。ジニ係数が 0（零）に近いので，基本的には季節変動は小さいと考えてよい 4 。都道府県別にみた場合，季節変動の小さい県として，東京都（ 0.034），愛知県（ 0.044），大阪府（ 0.049）が，逆に大きい県として，奈良県（ 0.168），和歌山県（ 0.127），長野県（ 0.124）がそれぞれあげられる。季節変動指標ωの結果と同様，大都市圏ほど季節変動が小さく，地方，特に中部圏の季節変動の大きさがわかる。ジニ係数と季節変動指標ωについてピアソンの積率相関係数を計算したところ， 0. 0となり，高い負の相関がみられた。つまりジニ係数が小さい値ほど，ωの値が大きいことを意味している。しかしながら，一部の県では 2 つの指標に整合性が見られなかった。その代表例が奈良県で，ジニ係数は高く，季節変動は大きいものの，季節変動指標 ω は 0.719（ 30 位）と，平均よりも少し下に位置している。この理由として延べ宿泊者数の最大値と最小値の差が大きいことがあげられる。全国の場合はその比が 1.48 倍となっているのに対し，奈良県の場合は 3.22 倍と，他の県と比較して突出しているためである。平成 19～ 22 年における時系列上の変化についてみた場合，ジニ係数は安定的な性質を有するために，短期的に大きな変動をもたらすことはない。しかしながら，わずかの差ではあるが，全国の場合，平成 19～ 21 年にかけてジニ係数は大きいが，平成 22 年には小さくなっていることがわかる。このことから，不景気になり宿泊者数が減少すれば，それと同時に季節変動が大きくなり，逆に宿泊者数が増加すると，季節変動が小さくなることがわかる 5 。このような傾向は 25 県でみられている。しかしながら，図 8 の長野県のように 4 年間でジニ係数が大きくなっているところもあれば，佐賀県のようにジニ係数が減少しているところもあり，地域によるトレンドの差異も存在している 6。 9 0.15 0.10 0.05 図 7 ジニ係数の結果（平成 22 年宿泊旅行統計調査） 0.140 0.120 0.100 全国 0.080 東京都 0.060 長野県 0.040 佐賀県 0.020 0.000 平成19年平成20年図 8 平成21年平成22年ジニ係数の推移（平成 19～ 22 年） 3. タイル指標タイル指標で，宿泊旅行統計調査の全国データから季節変動を計算した結果は表 1 にまとめられる。タイル指標の結果は季節変動指標ωやジニ係数の結果と異なり，わずかな数値の変化であるが，平成 19 年から平成 21 年にかけて数値が減少し，逆に平成 22 年には数値が上昇している。つまり，上記の 2 つの統計指標とは異なり，不況期において季節変動が小さくなり，回復過程になれば，季節変動が大きくなっていることがわかる。加えて都道府県内と都道府県間の 2 つの要因に分けた場合には， 95%以上を都道府県間の格差が寄与し，都道府県内の変動が占める割合がわずかであることが読み取れる。しかしながら，都道府県内のタイル指標のみに注目した場合には，平成 21 年の数値が 10 高く，平成 22 年には数値が減少している。つまり，上記の 2 つの指標と同様に，景気後退期において季節変動が大きくなり，回復基調になれば，季節変動が小さくなる傾向を窺い知ることができる。今回，全体のタイル指標は，季節指標ωやジニ係数と違う動きを見せたが，これは都道府県間，つまり地域格差があまりに大きいことが原因として生じたと考えられる。都道府県内の季節変動については整合的な結果が得られたといえる。表 1 タイル指標の計算結果全体都道府県内都道府県間 Ⅴ 平成 19 年平成 20 年平成 21 年平成 22 年 0.346 0.339 0.340 0.345 （ 100.0%）（ 100.0%）（ 100.0%）（ 100.0%） 0.011 0.010 0.012 0.011 （ 3.1%）（ 3.1%）（ 3.5%）（ 3.2%） 0.335 0.329 0.328 0.334 （ 96.9%）（ 96.9%）（ 96.5%）（ 96.8%）まとめと今後の課題上記で，季節変動に関する特徴と問題点を紹介し，本稿で使用するデータ（宿泊旅行統計調査）と分析手法を説明したうえで，季節変動指標 ω ，ジニ係数，タイル指標を通じて，延べ宿泊者数の季節変動に関する実証分析を行った。この結果，一部の指標では異なった動きをみせたが，おおむね景気後退局面になれば，季節変動が大きくなり，逆に景気が回復すれば，季節変動が小さくなることがわかった。この理由として考えられることに，まず繁盛期は景気の影響を受けずに，一定規模の観光客数が見込まれる。本来なら，景気が回復すれば観光客数が増加し，それに伴って多くの観光客を受け入れることが理想であるが，観光商品は供給が制限されているので，早期に対応することは不可能である。しかしながらショルダーシーズンや閑散期になれば，観光客が増加しても，収容能力に余裕があるため，ピーク時との格差は小さくなる。そのため，景気が良くなれば，季節変動が縮小する傾向にある。逆に景気後退期になれば，ピーク時はほとんど変化がなく，観光客はショルダーシーズンや閑散期の観光活動を控える。それゆえ，季節変動が拡大する。このような指摘は，従来からもなされていたが，各種の指標を通じて，今回，はじめて実証的に裏付けられたことになる。当然のことではあるが，今後の観光政策としては，季節変動をできる限り小さくし，観光経営を安定化させるためには，ショルダーシーズンの短縮化やオフシーズンの観光客や宿泊客の増加をさせるような観光商品や企画の開発が求められることになる。宿泊旅行統計調査の結果はまだ 4 年間しか存在しないため，まだ一般化を行うにはより長期的な分析が必要であろう。また今回の分析では，宿泊旅行統計調査の従業者数 10 人以上の宿泊施設のみを対象としているため，実態よりも季節変動が小さくなっている。中小零細業者を含めた全体で行った場合には，より変動が大きくなったといえる。また，都道府県単位で計測したため，ある程度，データの平準化が行われている。市町村レベルでの計測を行った場合にはより多くのバラツキが発生すると考えられる。このように課題を 11 あげれば枚挙にいとまがないが，このような課題を 1 つずつ克服すれば，宿泊者数だけでなく，観光統計データの全体における季節変動について客観的に把握することができ，さらに観光需要予測やリスクマネジメントなどの他分野への応用も可能となるといえる。このような課題を早急に解決することが日本が観光立国となるために必要不可欠であるといえる。注 Yacomis（ 1980）が使用した分析手法は 2 種類である。 1 つは，季節変動指標 ω の分母と分子を入れ替えた季節変動比（ seasonality ratio）と，もう 1 つは変動係数である。季節変動比については，ω と同様の特徴を有するが，その範囲が 1～ 12 となることが他の指標との関係上，使いにくい側面を有している。また変動係数については，観光データ（主に観光入込客数）を指数化（基準月を 100）したうえで，平均値と標準偏差を計算し，平均値に対する標準偏差の割合を計算することで，季節変動を測定している。 2 ジニ係数の計算には，平均差を使用するなど，さまざまな方法が存在している。 3 宿泊施設の稼働率については，日本観光旅館連盟が実施している旅館営業概況調査が存在している。同調査によると，平成 22 年 8 月において全国では 47.3％となっている。この結果とωの乖離については，主要観光地（温泉地を含む）所在の会員を対象としていることなど，さまざまな要因が考えられるが，今後の検討課題としたい。 4 Tsitouras（ 2004）の研究によれば，ジニ係数はギリシャが 0.50，イタリアが 0.24，ポ 1 ルトガルが 0.19，スペインが 0.24 という結果となり，日本よりも大きいことがわかる。これは 2000 年の非居住者による宿泊者数のデータに基づき，計算方法に一部差異が存在するため，国際比較の解釈には注意が必要である。とはいえ，ジニ係数の小ささは，日本の宿泊業の能力の高さを表しているといえる。 5 ただしジニ係数は，下位階級の累積度数の変化に影響を受けやすい側面もある。 6 宿泊旅行統計調査ではなく，各都道府県の観光入込客統計のデータを使用して，ジニ係数を計算した場合には，G 0. 6 となった。ただし，この数値は東京都や大阪府などの月別観光入込客数を公表していない都府県は除かれている。また平成 22 年の観光入込客数のデータ（共通基準に基づかない場合もある）を使用しているが，平成 23 年 10 月末現在で平成 22 年のデータを公表していない県（福島県や北海道など）については平成 21 年の数値に基づいている。いずれにせよ，この結果からわかるように，観光入込客数のほうが宿泊者数よりも季節変動が大きいことがわかる。ちなみに，観光入込客数について，ジニ係数が最も大きかったのは，秋田県（ 0.268）で，逆に最も小さかったのは沖縄県（ 0.073）である。沖縄県の場合，県外からの日帰り観光客はほとんど考えられず，延べ宿泊者数のジニ係数とほぼ同じ結果となった。参考文献・Baron, R. R. V. (1975), Seasonality in Tourism: A Guide to the Analysis of Seasonality and Trends for Policy Making , The Economist Intelligence. 12 ・ Butler, R. W. (1994), Seasonality in Tourism: Issues and Implications”, in Seaton, A. V. (ed) , Tourism – A State of the Art , Wiley, pp.332-339. ・ Butler, R. W. and B. Mao (1997), “Seasonality in Tourism: Problems and Measurement”, in Murphy, P. E. (ed), Quality Management in Urban Tourism , Wiley, pp.9-23. ・ Butler R. W. (2001), “Seasonality in Tourism: Issues and Implicati ons”, in Baum T. and Lundtorp, S. (ed), Seasonality in Tourism , Elsevier, pp.5-21. ・ Hartmann, Rudi (1986), "Tourism, Seasonality and Social Change", Leisure Studies Vol.5 No.1 (1986), pp.25 -33. ・ Lundtorp, S.,(2001), “Measuring Tourism Seasonality”, in Baum T. and Lundtorp, S. (ed), Seasonality in Tourism , Elsevier, pp.23-50. ・ Phelps, A., (1988), “Seasonality in Tourism and Recreation: The Study of Visitor Patterns. A Comment on Hartman”, Leisure Studies, Vol.7 No.1, pp.33-39. ・ Tsitouras, Anastassios (2004), “Adjusted Gini Coefficient and 'Months Equivalent' Degree of Tourism Seasonality: A Research Note”, Tourism Economics , Vol.10, No.1, pp.95-100. ・ Yacoumis, John (1980), "Tracking Seasonality", International Journal of Tourism Management, Vol.1 No.2, pp.84-98. ・ Wanhill, S.R.C. (1980), “Trackling Seasonality: A Technical Note”, International Journal of Tourism Management, Vol.1 No.4, pp.243 -245. ・鈴木英之（ 2006），「ジニ係数の要因分解手法の検討と地域間賃金格差への適用」，『地域政策研究』 Vol.19， pp.1-85. ・御園謙吉，良永康平（ 2011），『やわらかアカデミズム・「わかる」シリーズよくわかる統計学経済統計編第 2 版』，ミネルヴァ書房 13