Palabras clave
Proyecciones
Comportamiento estacional
Series SARIMA.
Cómo citar
-
Resumen551
-
PDF211
Métrica
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.Citas
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.
Los contenidos de los artículos son responsabilidad de los autores y una vez publicados, las consideraciones a los mismos serán turnados a los autores para que ellos resuelvan las posibles controversias con respecto de sus trabajos.
Todos los artículos tienen Licencia de Creative Commons Reconocimiento - No Comercial 4.0 Internacional (CC BY-NC 4.0). La licencia CC BY-NC 4.0 permite copiar y redistribuir el material en cualquier medio o formato, remezclar, transformar y construir a partir del material, dicho uso no puede ser con propósitos comerciales. Información detallada en el sitio de Creative Commons: https://creativecommons.org/licenses/by-nc/4.0/
