Proyección del número de turistas mediante un modelo SARIMA

Silvia Altmark, Gabriela Mordecki, Adrián Risso, Florencia Santiñaque

Resumen


La actividad turística se considera un sector clave en Uruguay, al igual que en el ámbito internacional, por su importancia en la generación de divisas, empleo y aporte al desarrollo local. Actores públicos y privados necesitan proyectar el número de turistas para poder realizar una planificación eficiente. A su vez, la rentabilidad de posibles oportunidades de inversión podría evaluarse mejor en base a proyecciones más precisas. Estas proyecciones también son necesarias a los efectos de posicionar un destino en relación a su competencia. Es por ello que el objetivo del presente trabajo es obtener un modelo que permita realizar proyecciones de corto plazo del número de turistas que ingresan al país. En particular, los argentinos y brasileños representan el 80% del total de turistas que ingresan a Uruguay, por ello se modela y proyecta su comportamiento para el año 2015 y 2016. Debido al comportamiento estacional de las series, se procede a realizar un análisis de series de tiempo mediante modelos SARIMA. Dicha metodología surge de la necesidad de elaborar modelos rigurosos pero parsimoniosos, que puedan ser fácilmente transmitidos y asimilados por las instituciones públicas y privadas, de modo que estos instrumentos sean de utilidad y se les pueda dar continuidad. Según los modelos ajustados a este caso, se prevé para el 2015 un aumento de la cantidad de turistas argentinos del 5,6% respecto al año 2014, mientras que para los brasileños se espera que crezcan un 5,1% en el mismo periodo.

Palabras clave


Actividad turística, Proyecciones, Comportamiento estacional, Series SARIMA.

Texto completo:

PDF

Referencias


Alleyne, D., (2006). Can Seasonal Unit Root Testing Improve the Forecasting Accuracy of Tourist Arrivals? Tourism Economics, 12, pp. 45-64.

Altmark, S., Larruina, K., (2011). Cuantificación y caracterización general del empleo turístico en Uruguay. Quantum, VI (1), pp.80-97

Altmark, S., Mordecki, G., Risso, W. A. & Santiñaque, F., (2013). Argentinian and Brazilian Demands for Tourism in Uruguay. Tourism Analysis, 18 (2), pp. 173-182

Armellini, M., & Revertía, I. (2003). Turismo receptivo en Uruguay: una evaluación del aporte al producto, el empleo y las remuneraciones. Proceedings of the XVIII, Jornadas de Economía del Banco Central del Uruguay, Montevideo.

Box G., Jenkins G. (1970). Time Series Analysis, Forecasting and Control. San Francisco, CA.: Holden-Day.

Brida, J., Lanzilotta, B. & Risso, W. A. (2010). The Tourism-Led Growth Hypothesis for Uruguay. Tourism Economics, 16 (3), pp. 765-771.

Brida J. G. & Risso W. A. (2011). Research Note: Tourism Demand Forecasting with SARIMA Models – The Case of South Tyrol. Tourism Economics, 17 (1), pp. 209-221.

Brida J. G., Garrido N. (2011). Tourism Forecasting Using SARIMA Models in Chilenean Regions. International Journal of Leisure and Tourism Marketing, 2(2), pp. 176-190.

Brida, J., Lanzilotta, B., Pereyra, J. & Pizzolon, F. (2012). El turismo como Factor del Crecimiento Económico: un estudio comparativo de los países del MERCOSUR. Revista de Economía Mundial, 34, pp. 75-96.

Brida, J., Bukstein, D. & Tealde, E. (2012). Patrones de gasto de cruceristas en dos puertos uruguayos. Estudios y Perspectivas en Turismo, 21 (5), pp.1190-1210.

Chang, C.L., Sriboonchitta, S. & Wiboonpongse, A. (2009). Modelling and Forecasting Tourism from East Asia to Thailand under Temporal and Spatial Aggregation. Mathematics and Computers in Simulation, 79, pp 1730–1744.

Chatfield, C. (2000). Time-Series Forecasting. Florida: Chapman & Hall/CRC

Chu, F. (2008a). A Fractionally Integrated Autoregressive Moving Average Approach to Forecasting Tourism Demand. Tourism Management, 29, pp 79–88.

Chu, F. (2008b). Analyzing and Forecasting Tourism Demand with ARAR Algorithm. Tourism Management, 29, pp 1185–1196.

Chu, F. (2009). Forecasting Tourism Demand with ARMA-Based Methods. Tourism Management, 30 (5), pp. 740–751.

Coshall, J.T. (2009). Combining Volatility and Smoothing Forecasts of UK Demand for International Tourism. Tourism Management, 30 (4), pp 495–511.

Dickey, D. & Fuller, W. (1981). Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root. Econometrica, 49, pp. 1057-1071.

Du Preez, J. y Witt, S. (2003). Univariate versus multivariate time series forecasting: An application to international tourism demand. International Journal of Forecasting, 19, pp. 435-451.

Kwiatkowski, D, Phillips, P., Schmidt, P. & Shin, Y. (1992). Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root. Journal of Econometrics, 54, 159–178.

Li, G. & Song, H. (2008). Tourism Demand Modeling and Forecasting – A Review of Recent Research. Tourism Management, 29 (2), pp. 203-220.

Li, G., Song, H. & Witt, S., (2005). Recent Developments in Econometric Modelling and Forecasting. Tourism Management, 29, pp. 203-220.

Lim, C. (1999). A meta-analysis review of international tourism demand. Journal of Travel Research, 37, pp. 273-284.

Mantero, R., Perelmuter, N. & Sueiro, I. (2004). Determinantes económicos del turismo receptivo en Uruguay. CINVE, trabajo no publicado.

Ministerio de Turismo (2015). Anuario Estadístico 2014. Obtenido de www.mintur.gub.uy

Osborn, D.R., Chui, A. P. L., Smith J. & Birchenhall, C. R. (1988). Seasonality and the Order of Integration for Consumption. Oxford Bulletin of Economics and Statistics, 50 (4), pp.361-377.

Risso, W.A. (2012). El gasto de los cruceristas en Uruguay 2008-2010. Pasos. Revista de Turismo y Patrimonio Cultural, 10 (3), pp. 393-406.

Robano, V. (2000). Determinantes del turismo receptivo en Uruguay. Trabajo presentado en las XV Jornadas de Economía del Banco Central del Uruguay, Montevideo.

Santos, G.E. de Oliveira (2009). Forecasting Tourism Demand by Disaggregated Time Series–Empirical Evidence from Spain. Tourism Economics, 15(2), pp 467–472.

Serviansky, M., (2011), El impacto del costo del transporte en la demanda de turismo receptivo argentino en Uruguay. Un análisis desagregado decointegración y causalidad. Tesis presentada para el grado de Maestría en Economía, Montevideo, Uruguay.

Song, H., Witt, S. F., Wong, K. F. & Wu, D. C. (2009). An Empirical Study of Forecast Combination in Tourism. Journal of Hospitality and Tourism Research, 33(1), pp 3–39.

Vu, J. C. & Turner, L. W. (2005). Data Disaggregation in Demand Forecasting. Tourism and Hospitality Research, 6(1), pp 38–52.

Vu, J. C. & Turner, L. W. (2006). Regional Data Forecasting Accuracy: The Case of Thailand. Journal of Travel Research, 45, pp 186–193.


Enlaces refback

  • No hay ningún enlace refback.


TRANSITARE, Año 8, Número 1, enero-junio 2022, es una publicación semestral en línea editada por la Universidad Anáhuac de Oaxaca, S.C. a través de la Coordinación de Investigación y la Coordinación de Publicaciones, con domicilio ubicado en Blvd. Guadalupe Hinojosa de Murat No. 1100. San Raymundo Jalpan, Oaxaca, México. CP 71248.: +52 (951)5016250. transitare@anahuac.mx. Editor responsable: Rosa María López Oliver Farías. Reserva de Derechos al Uso Exclusivo 04-2013-110613222500-203, ISSN: 2395-9835, ambos otorgados por el Instituto Nacional del Derecho de Autor.

Responsable de la última actualización de este Número, Departamento de Servicios de Tecnología de la Universidad Anáhuac de Oaxaca, S.C., Ing. José Ángel Jiménez Canseco, Blvd. Guadalupe Hinojosa de Murat No. 1100. San Raymundo Jalpan, Oaxaca, México. CP 71248, fecha de última modificación,  26 de enero de 2021.

Los contenidos de los artículos son responsabilidad de los autores y una vez publicado, las consideraciones a los mismos serán turnados a los autores para que ellos resuelvan las posibles controversias con respecto de sus trabajos. La reproducción total o parcial está autorizada siempre y cuando se cite la fuente.

 

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.