5. Discussion and conclusions From

5. Discussion and conclusions
From the various destination concepts expounded in the theoretical chapters it can be concluded that in the light of new ICTbased space-time tracking technologies, tourism destinations have five measurable dimensions: spatial, temporal, compositional, social and dynamic. In the current study we analysed empirically the geographical, temporal and compositional dimensions, by using data on the actual visits of foreign visitors to Estonia gathered through access to the anonymised passive mobile positioning data of the major national mobile network operator. The analysis revealed that visitation patterns to the selected destinations vary on different geographical levels, as pointed out by many authors (Buhalis, 2000; Framke, 2002; Saarinen, 2004). According to the results of the analysis, Saare and Tartu counties differ significantly from each other and from the whole of Estonia in terms of three dimensions of destination studied herein, and as such can be considered as distinct destination areas inside Estonia (see Fig. 2). Connections and disconnections in space were also revealed between the counties, where the statistical analysis showed that visits to La€€ ane County are associated with Saaremaa, while visits to Jogeva County are associated with Tartumaa. Despite ~ the fact that spatial visitation patterns are distinguishable, it is hard to define the exact geographical boundaries of a destination. It is problematic because of the methodological issues involved. In our case we can delimit destinations by county, local municipality, or network cell level, but this may not mean anything to the individual tourist. However, such analysis is important because it can guide marketing and management in areas such as infrastructure and transport planning, or in managing the environmental effects of tourism (Lew & McKercher, 2006). In the temporal analysis, questions such as when and how much time a visitor spends in a destination were considered, following Lew's (1987) theoretical framework. The results of our analysis indicate that the studied destinations have different seasonal visiting patterns. Saaremaa is very summer-oriented while Tartu County functions as a destination all year round (Fig. 3). The popularity of coastal areas in the summer months in Estonia was also shown in the study by Ahas et al. (2007). The reasons for the seasonality lie mainly in climate variations and in the traditions relating to when people are used to going on holiday (Higham & Hinch, 2002). Differences also appear in the duration of stay, where Saaremaa stands out with substantially longer stays than Tartu or the whole of Estonia. This might be explained by the relative isolation of the island, where visitors' movements are limited by coupling constraints (e.g., arrival and departure times of ferries) (Hagerstrand, 1970 € ). Distinguishing destinations by the unique visitor composition helps us to identify which places are popular among different nationalities. Our analysis shows that the three destination areas attract visitors from different countries. For example, Saaremaa functions as a destination for Finns and Swedes while Tartu County attracts more Latvians. The overall visitation shares are in accordance with the principle of distance decay in Estonia (Nilbe et al., 2014). Analysis of the top seven nationalities also revealed temporal preferences: German visitors are very summer-oriented, whereas Russians are relatively insensitive to season in all three destination areas. One peculiarity can be seen in the case of Latvians' visits to Tartu County, where the largest proportion of visits is in March, which can be explained by the large numbers of Latvian fishermen coming to fish on Lake Peipus. The results for the composition of visitors to the whole of Estonia might be influenced by the fact that we have excluded visits made to only Harju County, which means that the proportion of Finns is likely to be an underestimate (e.g., Finns' one-day trips to Tallinn are excluded). As suggested in the theoretical chapters of this study, destinations also have a social dimension, but the data used in the current study do not enable us to measure this. To do so, we would need, for example, social network data, as suggested by Larsen et al. (2007), which could help us to understand how places are experienced in a multifaceted way. The focus of this paper is on mobile phone data only, but social network datasets are becoming a useful source for a greater number of scientific analyses. The dynamic dimension, which emphasises the change and development of destinations over time (Butler, 1980; Pearce, 2014; Saarinen, 2004), is also not included in the current empirical study. However, one of the strengths of passive mobile positioning datasets is that when access to data is granted it is very easy and cost-effective to analyse such data on a longitudinal basis (Ahas et al., 2014). For example, the dataset

ผลลัพธ์ (ไทย) 1:

5. อภิปรายและสรุป From the various destination concepts expounded in the theoretical chapters it can be concluded that in the light of new ICTbased space-time tracking technologies, tourism destinations have five measurable dimensions: spatial, temporal, compositional, social and dynamic. In the current study we analysed empirically the geographical, temporal and compositional dimensions, by using data on the actual visits of foreign visitors to Estonia gathered through access to the anonymised passive mobile positioning data of the major national mobile network operator. The analysis revealed that visitation patterns to the selected destinations vary on different geographical levels, as pointed out by many authors (Buhalis, 2000; Framke, 2002; Saarinen, 2004). According to the results of the analysis, Saare and Tartu counties differ significantly from each other and from the whole of Estonia in terms of three dimensions of destination studied herein, and as such can be considered as distinct destination areas inside Estonia (see Fig. 2). Connections and disconnections in space were also revealed between the counties, where the statistical analysis showed that visits to La€€ ane County are associated with Saaremaa, while visits to Jogeva County are associated with Tartumaa. Despite ~ the fact that spatial visitation patterns are distinguishable, it is hard to define the exact geographical boundaries of a destination. It is problematic because of the methodological issues involved. In our case we can delimit destinations by county, local municipality, or network cell level, but this may not mean anything to the individual tourist. However, such analysis is important because it can guide marketing and management in areas such as infrastructure and transport planning, or in managing the environmental effects of tourism (Lew & McKercher, 2006). In the temporal analysis, questions such as when and how much time a visitor spends in a destination were considered, following Lew's (1987) theoretical framework. The results of our analysis indicate that the studied destinations have different seasonal visiting patterns. Saaremaa is very summer-oriented while Tartu County functions as a destination all year round (Fig. 3). The popularity of coastal areas in the summer months in Estonia was also shown in the study by Ahas et al. (2007). The reasons for the seasonality lie mainly in climate variations and in the traditions relating to when people are used to going on holiday (Higham & Hinch, 2002). Differences also appear in the duration of stay, where Saaremaa stands out with substantially longer stays than Tartu or the whole of Estonia. This might be explained by the relative isolation of the island, where visitors' movements are limited by coupling constraints (e.g., arrival and departure times of ferries) (Hagerstrand, 1970 € ). Distinguishing destinations by the unique visitor composition helps us to identify which places are popular among different nationalities. Our analysis shows that the three destination areas attract visitors from different countries. For example, Saaremaa functions as a destination for Finns and Swedes while Tartu County attracts more Latvians. The overall visitation shares are in accordance with the principle of distance decay in Estonia (Nilbe et al., 2014). Analysis of the top seven nationalities also revealed temporal preferences: German visitors are very summer-oriented, whereas Russians are relatively insensitive to season in all three destination areas. One peculiarity can be seen in the case of Latvians' visits to Tartu County, where the largest proportion of visits is in March, which can be explained by the large numbers of Latvian fishermen coming to fish on Lake Peipus. The results for the composition of visitors to the whole of Estonia might be influenced by the fact that we have excluded visits made to only Harju County, which means that the proportion of Finns is likely to be an underestimate (e.g., Finns' one-day trips to Tallinn are excluded). As suggested in the theoretical chapters of this study, destinations also have a social dimension, but the data used in the current study do not enable us to measure this. To do so, we would need, for example, social network data, as suggested by Larsen et al. (2007), which could help us to understand how places are experienced in a multifaceted way. The focus of this paper is on mobile phone data only, but social network datasets are becoming a useful source for a greater number of scientific analyses. The dynamic dimension, which emphasises the change and development of destinations over time (Butler, 1980; Pearce, 2014; Saarinen, 2004), is also not included in the current empirical study. However, one of the strengths of passive mobile positioning datasets is that when access to data is granted it is very easy and cost-effective to analyse such data on a longitudinal basis (Ahas et al., 2014). For example, the dataset

ผลลัพธ์ (ไทย) 2:

5. การอภิปรายและข้อสรุป
จากแนวคิดปลายทางต่างๆภายในบ้านในบททฤษฎีก็สามารถสรุปได้ว่าในแง่ของเทคโนโลยีการติดตามพื้นที่เวลา ICTbased ใหม่แหล่งท่องเที่ยวมีห้าขนาดที่วัดได้: อวกาศชั่วคราว compositional สังคมและแบบไดนามิก ในการศึกษาในปัจจุบันเราวิเคราะห์สังเกตุทางภูมิศาสตร์ขมับและ compositional มิติโดยใช้ข้อมูลเกี่ยวกับการเข้าชมที่แท้จริงของนักท่องเที่ยวชาวต่างชาติเอสโตเนียรวบรวมผ่านการเข้าถึงข้อมูลที่ไม่เปิดเผยที่มาเรื่อย ๆ การวางตำแหน่งมือถือของผู้ประกอบการเครือข่ายโทรศัพท์เคลื่อนที่ระดับชาติที่สำคัญ การวิเคราะห์เปิดเผยว่ารูปแบบการสำรวจไปยังสถานที่ที่เลือกแตกต่างกันไปในระดับที่แตกต่างกันทางภูมิศาสตร์ที่เป็นแหลมออกโดยผู้เขียนหลายคน (Buhalis 2000; Framke 2002; เนน, 2004) ตามผลของการวิเคราะห์, Saare และตาร์ตูมณฑลแตกต่างกันอย่างมีนัยสำคัญจากแต่ละอื่น ๆ และจากทั้งเอสโตเนียในแง่ของสามมิติของปลายทางการศึกษาในที่นี้และเป็นเช่นนี้ถือได้ว่าเป็นพื้นที่ปลายทางที่แตกต่างกันภายในเอสโตเนีย (ดูรูปที่ 2. ) การเชื่อมต่อและในพื้นที่ยังได้รับการเปิดเผยระหว่างมณฑลที่การวิเคราะห์ทางสถิติแสดงให้เห็นว่าการเข้าชมไปยัง La €€มณฑลตูดที่เกี่ยวข้องกับซารีในขณะที่การเข้าชมJõgevaมณฑลมีความเกี่ยวข้องกับ Tartumaa แม้จะมี ~ ความจริงที่ว่ารูปแบบการสำรวจเชิงพื้นที่มีความแตกต่างมันเป็นเรื่องยากที่จะกำหนดขอบเขตทางภูมิศาสตร์ที่แน่นอนของปลายทาง มันเป็นปัญหาเพราะปัญหาเกี่ยวกับระเบียบวิธีที่เกี่ยวข้อง ในกรณีที่เราสามารถกำหนดเขตจุดหมายปลายทางโดยเขตเทศบาลท้องถิ่นหรือระดับเซลล์เครือข่าย แต่วิธีนี้อาจไม่ได้มีความหมายอะไรกับการท่องเที่ยวของแต่ละบุคคล อย่างไรก็ตามการวิเคราะห์ดังกล่าวเป็นสิ่งสำคัญเพราะมันสามารถให้คำแนะนำด้านการตลาดและการบริหารจัดการในด้านต่างๆเช่นโครงสร้างพื้นฐานและการขนส่งการวางแผนหรือในการจัดการผลกระทบด้านสิ่งแวดล้อมของการท่องเที่ยว (ลิว & McKercher 2006) ในการวิเคราะห์ชั่วคราวคำถามเช่นเมื่อใดและเท่าใดเวลาที่ผู้เข้าชมใช้ในจุดหมายปลายทางได้รับการพิจารณาดังต่อไปนี้ (1987) กรอบทฤษฎีลิว ผลที่ได้จากการวิเคราะห์ของเราแสดงให้เห็นว่าสถานที่ท่องเที่ยวที่มีการศึกษารูปแบบการเยี่ยมชมตามฤดูกาลที่แตกต่างกัน ซารีเป็นอย่างมากในช่วงฤดูร้อนที่มุ่งเน้นในขณะที่ฟังก์ชั่นตาร์ตูมณฑลเป็นปลายทางตลอดทั้งปี (รูปที่. 3) ความนิยมของพื้นที่ชายฝั่งทะเลในช่วงฤดูร้อนในเอสโตเนียก็แสดงให้เห็นในการศึกษาโดย AHAs et al, (2007) สาเหตุของการโกหกฤดูกาลส่วนใหญ่อยู่ในรูปแบบที่เปลี่ยนแปลงสภาพภูมิอากาศและประเพณีที่เกี่ยวข้องกับเมื่อมีคนจะใช้ในการไปในวันหยุด (ฮิกคั่ม & Hinch, 2002) ความแตกต่างนอกจากนี้ยังปรากฏอยู่ในระยะเวลาของการเข้าพักที่ซารีโดดเด่นด้วยการเข้าพักอย่างมากนานกว่า Tartu หรือทั้งหมดของเอสโตเนีย นี้อาจจะอธิบายได้ด้วยการแยกญาติของเกาะซึ่งการเคลื่อนไหวของผู้เข้าชมจะถูก จำกัด ด้วยข้อ จำกัด ของการมีเพศสัมพันธ์ (เช่นออกและมาถึงช่วงเวลาของเรือข้ามฟาก) (Hagerstrand 1970 €) แตกต่างจุดหมายปลายทางโดยองค์ประกอบของผู้เข้าชมที่ไม่ซ้ำกันจะช่วยให้เราสามารถระบุสถานที่ซึ่งเป็นที่นิยมในหมู่ต่างเชื้อชาติ การวิเคราะห์ของเราแสดงให้เห็นว่าพื้นที่สามปลายทางดึงดูดผู้เข้าชมจากประเทศที่แตกต่างกัน ยกตัวอย่างเช่นฟังก์ชั่นซารีเป็นปลายทางสำหรับฟินน์และสวีเดนในขณะที่ตาร์ตูมณฑลดึงดูดลัตเวียมากขึ้น หุ้นเยี่ยมโดยรวมเป็นไปตามหลักการของการสลายตัวทางไกลในเอสโตเนีย (Nilbe et al., 2014) การวิเคราะห์ของเจ็ดยอดเชื้อชาติยังเผยให้เห็นการตั้งค่าชั่วคราว: ผู้เข้าชมเยอรมันเป็นอย่างมากในช่วงฤดูร้อนที่มุ่งเน้นในขณะที่รัสเซียมีความรู้สึกถึงฤดูกาลในทั้งสามพื้นที่ปลายทาง หนึ่งความไม่ชอบมาพากลสามารถมองเห็นได้ในกรณีของการเข้าชมลัตเวีย 'to ตาร์ตูมณฑลที่สัดส่วนที่ใหญ่ที่สุดของการเข้าชมคือในเดือนมีนาคมซึ่งสามารถอธิบายได้ด้วยจำนวนมากของชาวประมงลัตเวียมาถึงปลาในทะเลสาบพัส ผลองค์ประกอบของผู้เข้าชมทั้งหมดของเอสโตเนียอาจจะได้รับอิทธิพลจากความจริงที่ว่าเราได้รับการยกเว้นการเข้าชมทำเพียง Harju County ซึ่งหมายความว่าสัดส่วนของฟินน์มีแนวโน้มที่จะเป็นราคาที่ต่ำกว่า (เช่นฟินน์ 'One-Day การเดินทางไปยังทาลลินน์ได้รับการยกเว้น) เป็นข้อเสนอแนะในบททางทฤษฎีของการศึกษาครั้งนี้ยังมีสถานที่ท่องเที่ยวที่เป็นมิติทางสังคม แต่ข้อมูลที่ใช้ในการศึกษาในปัจจุบันไม่ได้ช่วยให้เราสามารถวัดนี้ จะทำเช่นนั้นเราจะต้องยกตัวอย่างเช่นข้อมูลเครือข่ายทางสังคมเช่นการแนะนำโดยเสน, et al (2007) ซึ่งจะช่วยให้เราเข้าใจว่าสถานที่ที่มีประสบการณ์ในการเป็นวิธีที่หลายแง่มุม ความสำคัญของการวิจัยนี้คือข้อมูลเกี่ยวกับโทรศัพท์มือถือเพียงอย่างเดียว แต่ชุดข้อมูลเครือข่ายทางสังคมจะกลายเป็นแหล่งที่มีประโยชน์สำหรับจำนวนมากของการวิเคราะห์ทางวิทยาศาสตร์ มิติแบบไดนามิกซึ่งเน้นการเปลี่ยนแปลงและการพัฒนาของสถานที่ท่องเที่ยวในช่วงเวลา (บัตเลอร์ 1980; Pearce 2014; เนน, 2004) นอกจากนี้ยังไม่รวมอยู่ในการศึกษาเชิงประจักษ์ในปัจจุบัน แต่หนึ่งในจุดแข็งของชุดข้อมูลเรื่อย ๆ การวางตำแหน่งมือถือก็คือว่าเมื่อการเข้าถึงข้อมูลจะได้รับมันเป็นเรื่องง่ายมากและค่าใช้จ่ายที่มีประสิทธิภาพในการวิเคราะห์ข้อมูลดังกล่าวบนพื้นฐานระยะยาว (AHAs et al., 2014) ตัวอย่างเช่นชุดข้อมูล

ผลลัพธ์ (ไทย) 3:

5 . การอภิปรายและสรุปจากปลายทางต่างๆแนวคิดทุกบททฤษฎีสามารถสรุปได้ว่าในแง่ของเวลาการติดตามเทคโนโลยีใหม่ ictbased จุดหมายปลายทางการท่องเที่ยวมีห้าวัดมิติเชิงพื้นที่และส่วนประกอบ , สังคม และแบบไดนามิก ในการศึกษาวิเคราะห์ทางภูมิศาสตร์ในปัจจุบันเราใช้ชั่วคราวและส่วนประกอบ , มิติ โดยใช้ข้อมูลในการเข้าชมที่เกิดขึ้นจริงของนักท่องเที่ยวต่างชาติในเอสโตเนียที่รวบรวมผ่านการเข้าถึง anonymised เรื่อยๆเคลื่อนที่ตำแหน่งข้อมูลในระดับชาติ เครือข่ายมือถือโอเปอเรเตอร์ จากการวิเคราะห์พบว่า การเลือกรูปแบบให้แตกต่างกันในระดับสถานที่ทางภูมิศาสตร์ที่แตกต่างกัน , เป็นแหลมออกโดยผู้เขียนหลายคน ( buhalis , 2000 ; framke , 2002 ; Saarinen , 2004 ) จากผลของการวิเคราะห์ และซาเร Tartu มณฑลแตกต่างจากแต่ละอื่น ๆและจากทั้งของ เอสโตเนีย ในแง่ของมิติที่สามของปลายทางการศึกษาในที่นี้ และเป็นเช่นนี้ถือได้ว่าเป็นปลายทางที่แตกต่างกัน พื้นที่ภายในเอสโตเนีย ( ดูรูปที่ 2 ) การเชื่อมต่อและ disconnections ในพื้นที่ยังพบระหว่างมณฑล ซึ่งผลการวิเคราะห์ทางสถิติ พบว่า ผู้เข้าเยี่ยมชม ลา €€หนึ่งมณฑลที่เกี่ยวข้องกับ ซารี ขณะเยี่ยมชม Jogeva County เกี่ยวข้องกับ tartumaa . แม้จะมีความจริงที่ว่าพื้นที่ ~ เยี่ยมลวดลายแตกต่าง มันยากที่จะกำหนดทางภูมิศาสตร์ขอบเขตที่แน่นอนของจุดหมายปลายทาง มันมีปัญหา เพราะวิธีการปัญหาที่เกี่ยวข้อง ในกรณีของเราเราสามารถจำกัดจำนวนจุดหมายปลายทางจากเขตเทศบาลท้องถิ่นหรือเครือข่ายระดับเซลล์ แต่นี้อาจไม่ได้มีความหมายอะไรกับนักท่องเที่ยวที่แต่ละ อย่างไรก็ตาม การวิเคราะห์ดังกล่าวมีความสำคัญเพราะสามารถคู่มือการตลาดและการจัดการในด้านต่างๆ เช่น การวางแผนโครงสร้างพื้นฐานและการขนส่ง หรือในการจัดการผลกระทบด้านสิ่งแวดล้อมของการท่องเที่ยว ( Lew & mckercher , 2006 ) ในการวิเคราะห์และคำถามเช่นเมื่อและวิธีการมากเวลาที่ผู้เข้าชมใช้ในปลายทางได้พิจารณาตามกรอบทฤษฎีของ ลูว์ ( 1987 ) . ผลของการวิเคราะห์ของเราบ่งชี้ว่า คุณได้ศึกษาแตกต่างกันตามฤดูกาล ชมรูปแบบ ซารีจะมากในช่วงฤดูร้อนมุ่งเน้นในขณะที่ Tartu County ฟังก์ชันเป็นปลายทางตลอดทั้งปี ( รูปที่ 3 ) ความนิยมของพื้นที่ชายฝั่งในเดือนฤดูร้อนในเอสโตเนียยังแสดงในการศึกษาโดย AHAs et al . ( 2007 ) เหตุผลสำหรับฤดูกาลโกหกส่วนใหญ่ในรูปแบบบรรยากาศในประเพณีที่เกี่ยวข้องกับเมื่อผู้คนใช้ในการไปเที่ยว ( ไฮแอม & ฮินช์ , 2002 ) ความแตกต่างนอกจากนี้ยังปรากฏในระยะเวลาของการเข้าพักที่ซารียืนออกกับยาวอย่างเต็มที่จะมากกว่า หรือทั้ง Tartu เอสโตเนีย นี้อาจอธิบายได้ด้วยการแยกความสัมพันธ์ของเกาะ ซึ่งการเคลื่อนไหวของผู้เยี่ยมชมจะถูก จำกัด โดยข้อจำกัดการมีเพศสัมพันธ์ ( เช่น เดินทางมาถึงและเวลาออกเดินทางของเรือข้ามฟาก ) ( hagerstrand 1970 โลก ) โดยเฉพาะองค์ประกอบของผู้เข้าชมที่สามารถช่วยให้เราระบุสถานที่ที่เป็นที่นิยมของเชื้อชาติที่แตกต่างกัน การวิเคราะห์ของเราแสดงให้เห็นว่าสามปลายทางพื้นที่ดึงดูดผู้เข้าชมจากประเทศที่แตกต่างกัน ตัวอย่างเช่นฟังก์ชันซารีเป็นปลายทางสำหรับชาวฟินแลนด์สวีเดนและในขณะที่ Tartu County ดูด latvians เพิ่มเติม หุ้นข้อมูลโดยรวมมีความสอดคล้องกับหลักการของการสลายตัวระยะทางในเอสโตเนีย ( nilbe et al . , 2010 ) การวิเคราะห์ชั้นเจ็ดชาติยังพบการตั้งค่าชั่วคราว : นักท่องเที่ยวเยอรมันมีมากในช่วงฤดูร้อนมุ่งเน้นในขณะที่รัสเซียค่อนข้างเฉยชากับฤดูกาลในปลายทางทั้งสามด้าน หนึ่งในลักษณะเฉพาะที่สามารถเห็นได้ในกรณีของ latvians " ชม Tartu County , ซึ่งสัดส่วนที่ใหญ่ที่สุดของการเข้าชมในเดือนมีนาคม ซึ่งสามารถอธิบายได้ด้วยตัวเลขขนาดใหญ่ของ ลัตเวีย ชาวประมงที่มาตกปลาในทะเลสาบ peipus . ผลการค้นหาสำหรับองค์ประกอบของผู้เข้าชมทั้งหมดของเอสโตเนียอาจมีผลมาจากความจริงที่ว่าเราได้แยกออกเข้าชมได้เพียง estonia . kgm County , ซึ่งหมายความ ว่า สัดส่วนของฟินน์อาจจะประมาท ( เช่น คน " หนึ่งวันทริปที่ได้รับการยกเว้น ) เป็นข้อเสนอแนะในบททฤษฎีของการศึกษานี้ สถานที่ยังมีมิติทางสังคม แต่ข้อมูลที่ใช้ในการศึกษาในปัจจุบันไม่ได้ช่วยให้เราวัดนี้ ต้องการทำเช่นนั้นเราต้องการ ยกตัวอย่างเช่น ข้อมูลเครือข่ายทางสังคม ตามที่แนะนำโดย Larsen et al . ( 2007 ) , ซึ่งจะช่วยให้เราเข้าใจวิธีการที่มีประสบการณ์ในวิธี multifaceted . โฟกัสของบทความนี้คือข้อมูลบนโทรศัพท์มือถือเท่านั้น แต่ข้อมูลเครือข่ายทางสังคมจะกลายเป็นแหล่งที่มีประโยชน์สำหรับจำนวนที่มากขึ้นของการวิเคราะห์ทางวิทยาศาสตร์ มิติแบบไดนามิกซึ่งเน้นการเปลี่ยนแปลงและการพัฒนาของจุดหมายปลายทางตลอดเวลา ( พ่อบ้าน , 1980 ; Pearce 2014 ; Saarinen , 2004 ) , ยังไม่รวมอยู่ในการศึกษาเชิงประจักษ์ในปัจจุบัน อย่างไรก็ตาม หนึ่งในจุดแข็งของข้อมูลตำแหน่งเคลื่อนที่เรื่อยๆ ก็คือ เมื่อมีการเข้าถึงข้อมูลที่ได้รับมันเป็นเรื่องง่ายและมีประสิทธิภาพการวิเคราะห์ข้อมูลดังกล่าวบนพื้นฐานระยะยาว ( AHAs et al . , 2010 ) ตัวอย่างเช่น ข้อมูล