Forecasting tourism demand in Chile: Regional analysis using the Seasonal Autoregressive Model

• Autores: Cristian Mondaca Marino, Ailin Arriagada Millaman, Pedro V. Piffaut
• Localización: El Periplo Sustentable: revista de turismo, desarrollo y competitividad, ISSN-e 1870-9036, Nº. 41, 2021 (Ejemplar dedicado a: Número Cuarenta y uno), págs. 234-254
• Idioma: inglés
• Títulos paralelos:
  • Pronóstico de la demanda turística en Chile: Análisis regional utilizando un Modelo Autorregresivo Estacional
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Conocer el comportamiento de la demanda turística permite a los planificadores de política pública tomar mejores decisiones respecto a cómo administrar los servicios turísticos y priorizar las diferentes inversiones e intervenciones en los territorios. El presente trabajo aporta a la comprensión de este comportamiento al describir la demanda turística de Chile, tanto a nivel país como para cada una de sus regiones durante el período 2014:01 a 2019:02, aplicando la metodología SARIMA (Modelo autorregresivo estacional de media móvil) para modelar la dinámica de crecimiento de la demanda en cada caso. Los resultados permiten identificar que aquellos modelos mejor ajustados para cada región y el país capturan los crecimientos no lineales, patrones estacionales y volatilidades de cada serie, permitiendo describir conductas no tan evidentes como el orden del proceso estacional, o tendencias de crecimiento de largo plazo. Las proyecciones de demanda regionales y del país presentan un bajo porcentaje de error, menor al 2%, el cual se encuentra subestimado en ciertos casos y sobreestimado en otros.

  • English

    This paper presents Chilean tourism demand describing its behavior for both the country and each of its regions, the analyzed period comprises 2014:01 to 2019:02. The seasonal autoregressive model (SARIMA) process was used to model the series growing dynamics. Results show that best-fitting models capture nonlinear growth, seasonal patterns, and series volatility, and make it possible to describe not so obvious behaviors, such as the seasonal process order or long-term growth trends. From a public policy point of view, this provides relevant information for decision-makers to manage touristic services and infrastructure in a better way. Regional and countries’ forecasted demand presents a low error percentage, less than 2%, though in some regions this value is underestimated overestimated in others.