Comparación de pronósticos para la dinámica del turismo en Medellín, Colombia

Abstract

El turismo es un tema de interés para muchos países, pero en Colombia ha sido poco explorado. Conocer sobre periodos con mayor afluencia de turistas es importante para predecir la cobertura en servicios turísticos. En este trabajo se compara la estimación entre modelos de regresión clásica y bayesianos para elegir la mejor alternativa de predicción de la cantidad de turistas que arribarían a la ciudad de Medellín. Se busca también determinar las variables que más inciden sobre la llegada de turistas y los modelos que permiten ajustar mejor sus dinámicas. Dentro de los resultados obtenidos se observa mejor desempeño de los modelos bayesianos versus los clásicos. Además, la variable mes es significativa para explicar las demandas por parte de turistas colombianos y extranjeros. Los periodos de mayor afluencia de turistas se presentan entre diciembre-enero y junio-julio, comportamiento que se repite anualmente, lo cual es decisivo para la planeación de recursos hoteleros. Palabras clave: demanda turística, evaluación de modelos y selección, métodos de pronóstico y predicción, estadística bayesiana, Medellín.

Tourism is a topic of interest to many economies around the world, but it has received limited attention in Colombia. Knowing theperiods of larger tourist inflows is important for predicting coverage in services for tourists. In this paper, we compare the estimation betweenclassical and Bayesian regression in order to choose the best alternative to predict the number of tourist arrivals to Medellin. We also identifythe most significant variables affecting the influx of tourists and the models providing better fit to the associated dynamics. According to ourresults, the Bayesian approach shows better estimates than the classic one. In addition, the variable month is significant to explain the demandsfor both Colombians and foreigners. The periods with the highest incidence of visits to the city are December-January and June-July, a patternthat repeats itself every year, which is crucial for planning hotel resources.Keywords:tourism demand, model evaluation and selection, forecasting and prediction methods, Bayesian statistics, Medellín

Le tourisme est un sujet de recherche dans des nombreux pays, mais en Colombie il reste peu exploré. Par exemple, le fait deconnaitre les périodes de l’année avec les plus de touristes permet de mieux prédire la couverture des services touristiques. Cet article établi unecomparaison entre les estimations issues à partir des modèles classiques et des modèles de régression bayésienne, afin de choisir la meilleureméthode de prédire le nombre de touristes qui arrivent à la ville de Medellin. L’article vise également une étude de la détermination des variablesqui expliquent l’arrivée des touristes, afin d’identifier les modèles qui mieux expliquent sa dynamique. Les résultats obtenus montrent quela performance des modèles bayésiens est beaucoup mieux que celle des modèles classiques. En outre, la variable « mois » est significatif dansl’étude de la demande des services touristiques, aussi dans le cas des touristes colombiens qu’étrangers. Les périodes de l’année avec le plusd’affluence sont Décembre-Janvier et Juin-Juillet. Il ságit d’une information très utile à la planification des ressources hôteliers.Mots-clés:demande de services touristiques, évaluation et sélection des modèles, méthodes de prédiction et de prévision, statistique bayésienne,Medellin