Modelamiento y proyección de la demanda de turismo internacional en Puno-Perú
Bibliographic Data
| ID | 21854822 |
|---|---|
| Authors | Luis Francisco Laurente Blanco (0000-0002-8531-3959, Universidad Nacional del Altiplano), Ronald Wilson Machaca Hancco (0000-0002-4035-5581, Universidad Nacional del Altiplano) |
| Year | 2020 |
| Volume | 14 |
| Issue | 1 |
| Pages | 34-55 |
| Publication date | 2020-01-14 |
| Open Access | Yes |
| Type | ARTICLE |
| Venue | Revista Brasileira de Pesquisa em Turismo (JOURNAL) |
| Journal identifiers | ISSN: 1982-6125 • E-ISSN: 1982-6125 |
| Publisher | ANPTUR - Associacao Nacional de Pesquisa e Pos Graducao em Turismo (PUBLISHER) |
| DOI | 10.7784/rbtur.v14i1.1606 |
| OpenAlex | W2999377394 |
| Language | ES |
| References cited | 36 |
A indústria do turismo no Peru gera aproximadamente 1.1 milhão de empregos e contribui com 3.3% do PIB, o que a torna uma de suas principais atividades econômicas, portanto o turismo não é mais apenas uma atividade comercial mas é uma ferramenta para o desenvolvimento da população peruana, especialmente nas regiões com alto índice de pobreza e muitas atrações turísticas como é o caso da região de Puno com uma taxa de pobreza de 24.2% localizada no sul do país e com muitas atrações históricas, naturais, cultural e gastronômico. O objetivo desta pesquisa é modelar a procura de turistas internacionais que visitam Puno utilizando a metodologia ARIMA de Box-Jenkins, para este estudo considera informações mensais de chegadas de turistas internacionais entre os anos 2003 e 2017. Finalmente, usando estatísticas MAPE, Z, R, Critério de Informação de Akaike (AIC) e Critério de Schwarz (SC) se encontrou ao modelo SARIMA (6, 1, 24)(1, 0, 1)12 como o mais eficiente para a modelação e previsão da procura do Turismo Internacional na região de Puno
Art · Geography · Humanities · Business, Innovation, and Economy · Diverse Aspects of Tourism Research · Global Trade and Competitiveness
Time series analysis
On a measure of lack of fit in time series models
A Test for Normality of Observations and Regression Residuals
An Introduction to Long‐memory Time Series Models and Fractional Differencing
Efficient tests for normality, homoscedasticity and serial independence of regression residuals
Testing for Serial Correlation in Least Squares Regression. Ii
Distribution of the Estimators for Autoregressive Time Series With a Unit Root
Fractional differencing
Tests of Equality Between Sets of Coefficients in Two Linear Regressions
A new look at the statistical model identification
Estimating the Dimension of a Model
Testing for a unit root in time series regression
Testing the null hypothesis of stationarity against the alternative of a unit root
Distribution of the Estimators for Autoregressive Time Series with a Unit Root
A fractionally integrated autoregressive moving average approach to forecasting tourism demand
Modelling and forecasting Australian domestic tourism
Modelling multivariate international tourism demand and volatility
The forecasting of International Expo tourism using quantitative and qualitative techniques
A neural network model to forecast Japanese demand for travel to Hong Kong
Combining volatility and smoothing forecasts of UK demand for international tourism
Forecasting Turkey's tourism revenues by Armax model
Forecasting tourism demand
| Highly cited | No |
|---|