Análisis Multivariante del Flujo Turístico y su Impacto Económico en Guayaquil
Multivariate Analysis of Tourist Flow and its Economic Impact in Guayaquil
Palabras clave:
Modelos matemáticos, Flujo turístico, Impacto económico, Series temporales, Machine learningResumen
Este estudio aplica modelos matemáticos avanzados para predecir el flujo turístico en Guayaquil y analizar su impacto económico. Usando series temporales y técnicas de machine learning, se busca mejorar la precisión de las predicciones y entender la influencia del turismo en la economía local. Se recopilaron datos históricos y actuales, incluyendo llegadas de turistas, estadísticas económicas, y datos meteorológicos. El análisis reveló patrones significativos, como correlaciones entre ventas de alimentos y alojamiento, y ciclos económicos de ingresos y egresos en divisas. Los trimestres de 2020 mostraron características distintivas debido a la pandemia, mientras que los recientes indicaron nuevas tendencias. El PCA mostró que los primeros tres ejes principales explican el 67.345% de la varianza total, destacando la relevancia de ciertos períodos y variables. Estos hallazgos proporcionan una base sólida para formular políticas y estrategias que optimicen los beneficios del turismo. Los resultados son cruciales para la toma de decisiones estratégicas basadas en datos históricos, permitiendo ajustar las estrategias para maximizar el rendimiento y la eficiencia en los sectores económicos relevantes.
Citas
Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control. John Wiley & Sons.
Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5-32.
Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273-297.
Dwyer, L., Forsyth, P., & Spurr, R. (2004). Evaluating tourism’s economic effects: new and old approaches. Tourism Management, 25(3), 307-317.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
Gössling, S., Scott, D., & Hall, C. M. (2020). Pandemics, tourism and global change: a rapid assessment of COVID-19. Journal of Sustainable Tourism, 29(1), 1-20.
Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and Practice (2nd ed.). OTexts.
Miller, R. E., & Blair, P. D. (2009). Input-Output Analysis: Foundations and Extensions (2nd ed.). Cambridge University Press.
Song, H., & Li, G. (2008). Tourism demand modelling and forecasting—A review of recent research. Tourism Management, 29(2), 203-220. DOI: 10.1016/j.tourman.2007.07.016
World Tourism Organization (UNWTO). (2018). Tourism and Economic Development. Retrieved from UNWTO
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Roberto Carlos Chérrez Bahamonde, Mgtr., Roberto William Cascante Yarlequé, Mgtr.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y construir a partir del material
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
