Recopilación de pensamiento

16 razones distintas a la predicción de modelos:


1. Explicar (muy distinto de predecir)

2. Guiar la recopilación de datos

3. Iluminar la dinámica principal del fenómeno que analizamos

4. Sugerir dinámicas análogas

5. Descubrir nuevas preguntas

6. Promover hábitos científicos

7. Limitar los resultados a márgenes viables

8. Identificar las incertidumbres clave

9. Ofrecer opiniones de crisis en tiempo casi real

10. Demostrar trade-offs/sugerir eficiencias

11. Desafiar la solidez de la teoría prevaleciente a través de perturbaciones

12. Exponer la sabiduría prevaleciente como incompatible con los datos disponibles

13. Capacitar a los profesionales

14. Disciplinar el diálogo sobre políticas

15. Educar al público en general

16. Revelar lo aparentemente simple como complejo

Ventajas del método cualitativo:


  • Detalle de la información con que podemos contar para nuestro análisis. 
  • Sencillez de construir un modelo que se pueda poner a trabajar en poco tiempo.
  • Flexibilidad a la hora de elegir la info que necesitamos.

Desventajas del método cualitativo:


  • Alto coste que conlleva la recopilación de la info
  • Introducción de errores a la hora de procesar o codificar los resultados de una encuesta
  • El sesgo en el diseño de los procesos de captura de la información


55Técnica cuantitativa

Series temporales

Técnica más habitual:
ARIMA (AutoRegressive Integrated Moving Average), utilizada en dos tercios de los modelos de predicción de la demanda turística basados en series temporales.
Permite describir el valor a predecir con una función lineal de sus datos anteriores y errores producidos al azar.

  • AR = Auto-regresión:


    proceso de regresión de una variable a partir de valores pasados de sí misma.

  • I = Integrado:

    propiedad que reduce la estacionalidad de una serie de tiempo. Los modelos ARIMA tienen un grado de diferenciación que elimina la estacionalidad.

  • MA = Media Móvil:

    elimina los movimientos aleatorios de una serie de tiempo.

– Mínimo 50 observaciones para poder usar modelos ARIMA

– Dos versiones de modelos ARIMA en función de la frecuencia de la serie temporal usada:
ARIMA simple (no estacional)
y ARIMA estacionales (SARIMA)

– Se ha estado trabajando para incrementar el grado de precisión que ofrecen estos modelos, convirtiéndolos de modelos univariantes a modelos multivariantes (de SARIMA a MARIMA)

Modelos econométricos

Son la mejor opción cuando hay que interpretar las causas, desde un punto de vista empírico, simular recomendaciones de políticas públicas y evaluar su efectividad. 

Técnicas más usadas:

Ecuación única

Modelo de retardo distribuido autorregresivo (ADLM), modelo de corrección de errores (ECM) y modelos de parámetros de tiempo variable (TVP).

Sistema de ecuaciones –

modelo vectorial autorregresivo (VAR) y sistema de demanda cuasi-ideal (AIDS). Todos se refieren sólo a un par origen-destino y excepto VAR Y AIDS son modelos de ecuación única. Son más superiores en cuanto a rendimiento que los modelos ARIMA Y SARIMA. 


Otras técnicas cuantitativas basadas en IA

Redes Neuronales Artificiales (ANN):


Técnica computacional que intenta imitar el proceso de aprendizaje del cerebro humano. Es muy útil como alternativa a los modelos clásicos estadísticos (de regresión), cuando debemos adaptarnos a datos imperfectos y buscamos relaciones no lineales. Superan a series temporales y modelos de regresión múltiple en la predicción de la demanda turística. Lo malo es que no tiene un procedimiento sistemático de construcción del modelo y es necesaria prueba y error. 

Algoritmos Genéticos:


Algoritmos de búsqueda basados en ideas evolutivas de la selección natural y la genética. Se reconoce como un enfoque de optimización. Son adecuados para explicar los cambios en la composición de la demanda turística.  

Fuzzy Time


Series: Es recomendado cuando se trata de analizar una serie temporal corta cuando las observaciones pasadas son muy limitadas. Se utiliza cuando no hay suficiente información y mucha incertidumbre sobre cómo se va a construir el modelo de predicción. Es un modelo de predicción que se sigue investigando.

Limitaciones de estas técnicas:


Carecen de una base teórica y no pueden interpretar la demanda turística desde la perspectiva económica. Por ello proporcionan poca ayuda en la evaluación de políticas. Esto limita su uso en el análisis de la demanda turística. 

NO EXISTE UN MODELO GANADOR CLARO ENTRE TODOS LOS MODELOS


Para determinar el rendimiento de los modelos de predicción de la demanda turística influyen variables como la frecuencia de datos, pares de origen/destino, el horizonte de la predicción y las variables a pronosticar (si se predice el nivel de demanda o el crecimiento).

Para evitar caer en fallos de pronóstico de la demanda, los investigadores han puesto varios tipos de soluciones como: 

  • Combinar diferentes modelos de predicción para mejorar el nivel de precisión final del pronóstico.
  • Integrar los métodos de predicción cuantitativos con métodos cualitativos.


La mayoría de los estudios publicados sobre predicciones de la demanda turística se basan en datos agregados (llegadas totales de turistas o gastos turísticos totales) pero también son importantes los datos desagregados (propósito de viaje, país de origen) puesto que proporciona información más detallada y diversa que la demanda total de turismo.
Si queremos conocer la tendencia de la demanda en segmentos individuales del mercado, tenemos que tratar de usar datos lo más desglosados posibles para pronosticar la demanda turística.
Si queremos predecir la demanda turística a nivel agregado pero también tenemos datos desagregados, entonces usamos:

Método directo de predicción –

suma datos desagregados de la demanda para luego pronosticar la demanda total agregada; método indirecto – primero pronostica cada componente individual de la demanda total del mercado y luego suma los pronósticos individuales (pronóstico indirecto) para llegar al pronóstico agregado total.

Fuentes de información sobre demanda turística

En España: INE, Indicadores de fuentes oficiales, Estudios realizados por Instituto de Turismo de España y Estimaciones de organismos privados

Indicadores de fuentes oficiales

  • OCUPATUR (Turespaña):


    Mide el grado de ocupación de establecimientos hoteleros de hoteles de 3, 4 y 5 estrellas y casas rurales en periodos puntuales como puentes o vacaciones.

  • Coyuntura Turística Hotelera:

    Encuesta de Ocupación Hotelera (EOH), Índice de Precios Hoteleros (IPH) e Indicadores de Rentabilidad del Sector Hotelero (IRSH)

  • Estadística de Compañías Aéreas de Bajo Coste:

    Mide las entradas en España de turistas transportados por compañías aéreas de bajo coste y tradicionales, sus carácterísticas sociodemográficas (edad, género, etc.) y anualmente el gasto turístico realizado en España.

Uníón Europea



eurostat;

Resto del mundo



unwto