Show simple item record

dc.contributor.advisorCarmona Arango, Mónica 
dc.contributor.advisorGolpe Moya, Antonio Aníbal 
dc.contributor.authorSandoval García, Carmen
dc.contributor.otherUniversidad de Huelva. Departamento de Economía General y Estadísticaes_ES
dc.date.accessioned2019-02-04T13:15:59Z
dc.date.available2019-02-04T13:15:59Z
dc.date.created2017-09-25
dc.date.issued2017
dc.identifier.urihttp://hdl.handle.net/10272/15868
dc.description.abstractEn el capítulo 1, aplicamos el modelo Vector Autor regresivo Fraccionalmente cointegrado (FCVAR son sus siglas en inglés) propuesto por Johansen and Nielsen (2012) y ampliado por Nielsen and Popiel (2016) y es una expansión del Vector Auto Regresivo Cointegrado (CVAR) propuesto por Johansen en 1995. Este modelo nos permite estudiar las posibles relaciones de equilibrio a largo plazo entre distintas variables y, además, estudiar si existe exogeneidad en alguna de ellas, que nos podría relucir información significativa en el mercado turístico español por llegadas de turistas a las regiones. Por tanto, la aplicación de esta metodología es totalmente nueva en la literatura existente, ya que rechaza la asunción de que las variables seleccionadas sigan la dicotomía 1(0)/I(l) y que el término de error siga un proceso I(O) en el caso de que las series estén cointegradas. Por tanto, esta aproximación nos aportará información útil para los profesionales del turismo y para los encargados de realizar políticas de turismo en España. Por ello, los datos seleccionados se han obtenido del FRONTUR, perteneciente al Instituto Nacional de Estadística (INE). Estos datos corresponden a las llegadas a los principales destinos de turistas por regiones, es decir, hemos dividido en Andalucía, Islas Baleares, Islas Canarias, Cataluña, Comunidad Valenciana, Madrid y el resto de España como una región. La muestra abarca desde enero de 2000 hasta diciembre de 2016, teniendo 204 observaciones ya que los datos tienen una periodicidad mensual. La aplicación de la metodología anteriormente citada sigue una estrategia empírica que consiste en el estudio de la existencia de una tendencia común, mediante la aceptación o rechazo de la hipótesis que contrasta si la cointegración fracciona! es más apropiada que la estándar, que en nuestro caso queda rechazada esta hipótesis por lo que podremos continuar el estudio bajo las premisas de la cointegración fraccional. Un segundo paso correspondería con el estudio de las posibles exclusiones del largo plazo de las regiones dadas. Antes, vemos los posibles vectores de cointegración, que en este estudio son 4. Testando la hipótesis de exclusión, son las Islas Canarias y Madrid las regiones que no compatien la relación a largo plazo con el resto de regiones, lo que puede permitir la consideración de que el mercado podría estar segmentado. Por último, estudiamos la débil exogeneidad para determinar qué región o regiones conducen esta relación. Aquí apreciamos como Cataluña y Madrid son débilmente exógenas que quiere decir que estas variables se anticipan al comportamiento del resto de regiones, implicando que lo que ocurre en estas regiones corresponden a cuestiones intrínsecas. Estos resultados nos permiten obtener unas conclusiones acerca el comportamiento del mercado turístico español. Por un lado, encontramos que Madrid es totalmente independiente al resto de regiones de España, mientras que Cataluña podría estar configurada como un posible líder en los movimientos del resto de regiones. Por otro lado, en el caso de las Islas Canarias, aunque tiene un comportamiento diferente en el largo plazo, muestra una clara conexión con el resto de regiones españolas. Las implicaciones para los 'policy makers' nos llevan a sugerir una atención sobre Cataluña como indicador de los movimientos turísticos en España. Además, aunque la mayoría de regiones están muy relacionadas, algunas se presentan segmentadas. En el capítulo 2 estudiamos las posibles similitudes cíclicas y los co-movimientos de las regiones españolas para estudiar su posible integración. Para ellos hemos aplicado una metodología muy parecida a la que usa el National Bureau of Economic Research (NBER) y desmrnllada por Bry and Boschan (1971). Esta metodología corresponde al algoritmo BBQ, aunque en este estudio se aplica el algoritmo BBQ modificado (MBBQ) desarrollado por Harding and Pagan (2002). Previamente a la aplicación de este algoritmo, aplicaremos el filtro de Hodrick-Prescott para obtener el ciclo de las series y el filtro TRAMO-SEATS para suavizar las series para la posterior identificación de los puntos de inflexión como hacen Gouveia and Rodrigues (2005) en su trabajo. El algoritmo MBBQ nos dará información relevante para el estudio de las similitudes cíclicas y co-movimientos de nuestras regiones, tales como los picos y valles que quedarán definidos por valores binarios, es decir, si una región o país está en expansión tomará el valor I y, por el contrario, si se encuentra en recesión, tomará el valor O. Además, algunas características de las fases de los ciclos también serán proporcionadas por este algoritmo, tales como la duración, que es el número medio de meses entre puntos de inflexión; la amplitud, que mide el incremento medio; y el exceso que es la medida relativa de la forma de las expansiones y recesiones y que muestran el curso real de las series entre los puntos de inflexión en contra de la trayectoria real. Por último, emplearemos el escalado multidimensional (MDS) para capturar las distancias entre las disimilitudes de las variables seleccionadas. Como hicimos en el capítulo anterior, las variables seleccionadas están tomadas de FRONTUR, perteneciente al Instituto Nacional de Estadística (INE). Usaremos el número de turistas que llegan a cada región, es decir, hemos dividido las regiones en Andalucía, Islas Baleares, Islas Canarias, Cataluña, Comunidad Valenciana, Madrid y el resto de España como una región. La muestra abarca desde enero de 2000 hasta marzo de 2017. Los resultados obtenidos nos han dado unas herramientas que podrían ayudar a los 'policy makers'. En primer lugar, en el estudio de los principales ciclos en el mercado turístico español, obtenemos unos puntos de inflexión que concuerdan con la crisis financiera vivida recientemente y que afectó a todas las regiones. Además, encontramos un ciclo cuasi-generalizado que corresponde con la crisis de deuda soberana. También encontramos una sincronización general entre las regiones que es determinada por la estructura de todas ellas. Profundizando en las características del ciclo, encontramos como Cataluña y Madrid tienen características particulares a diferencia del resto de regiones, por lo que se recomienda a los 'policy makers' que para poder aplicar una política eficaz, no se debe tener únicamente en cuenta a los ciclos sino, también a la heterogeneidad de cada región. Además, estos resultados evidencian que podría existir una política turística común que coincidiría con las políticas particulares de cada región. En este sentido, si los responsables políticos quieren centrarse en alguna política turística particular, deberían centrarse en Cataluña o Madrid, ya que dirigen al resto de regiones. En el último capítulo, se realiza un ejercicio totalmente distinto a los anteriores, ya que se ha optado por aplicar técnicas de microeconometría, más concretamente haciendo uso de microdatos para detemlinar el gasto turístico realizado por el turismo internacional. Como variables se utilizan tanto el origen del turista, como los distintos destinos así como la fecha de llegada. La principal ventaja del modelo planteado es que permite estimar el gasto medio realizado por los turistas en función de sus perfiles específicos y del destino elegido. La metodología utilizada también pe1mite ofrecer la posibilidad de predecir los cambios producidos en el gasto turístico cuando alguna de las características controladas se modifica. Esta sistemática permite entender que el análisis del turismo no se debe abordar sólo desde la perspectiva del número de visitantes que.se.reciben en un determinado destino turístico, sino desde una preocupación por la rentabilidad de estos destinos Estos análisis coste -beneficio refuerzan la necesidad de estudios exhaustivos sobre qué parte del gasto turístico realizado por los visitante revierte en las economías locales como ingresos turísticos. Se podría llegar a determinar un tipo de turista más rentable que la media incluso para los destinos turísticos de masas, que presentaran el mismo nivel de gasto comparables al tradicional turista de calidad. Al mismo tiempo, la Administración Pública, que en muchos casos realiza campañas de promociones genéricas, podría identificar al grupo de turista con mayor propensión al gasto y dirigir de forma más eficiente sus campañas de comunicación sobre destinos turísticos.es_ES
dc.description.abstractChapter 2 analyses the relationships in the Spanish tourist markets by region. In a novel approach from the literature, we use a model of Fractional Cointegration (FCVAR), [Johansen (2008a, b) and Johansen and Nielsen (2012)), which is an expansion of the CVAR, proposed by Johansen (1995) with monthly periodicity from 2000ml to 2016ml 1. This approach provides a novel methodology applied to the tourism literature. It has allowed us to avoid the restrictions associated with traditional cointegration while understanding the stability of Spanish tourism markets at the same time. In particular, our results reveal several patterns in the Spanish tourism regions. Despite a common relationship that emerges across a majority of regions, Catalonia could be a predictor of the pattern for the rest of these regions, while Madrid seems to be independent in the relationship analysed. Furthermore, it is crucial to note that although most regions are highly related, some of them are segmented. Therefore, when aiming to reach an equilibrium of the Spanish tourist markets in the long term, these perspectives need to be considered in designing tourism policies. In chapter 3, we have studied the relationship between economic cycles and the arrival of tourists to Spain distinguishing by regions. To this end, the Hodrick-Prescott standard calibration providing a basic aspect for band pass filters and the methodology used by the NBER with a significant difference, we use the MBBQ algorithm which is adjusted for quarterly data and was developed by Harding and Pagan (2002). Our results support several interesting ideas in order to establish common and particular policies for each region, and also highlight the relevance to take into account the cycle in it design. In particular, we identify that the cycle matches with the financial crisis (2008) which affected to all the regions and a quasi-generalised cycle in the European sovereign debt crisis (2012). Indeed, a general synchronization among them is determining its structure, although the features of the business cycle show that Catalonia and Madrid have some particular characteristics from the other regions. Finally, chapter 4 develops an analysis of the expenditure made by non-resident tourists who carry out some type of tourist stay in Spain. An OLS regression model is used, in which the controlled variables collect socio-demographic and travel-related characteristics. The data used come from Estadística de Movimientos en Frontera and de la Encuesta de Gasto Turístico (FRONTUR and EGATUR).The analysis shows that the differences in the expenditure variable for each of the levels of the controlled variables are significant. This research provides valuable information for the implementation of tourism policies in increasingly segmented markets.
dc.language.isoenges_ES
dc.publisherUniversidad de Huelvaes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subjectTurismo -- Aspecto económico
dc.subject.otherTurismo
dc.subject.otherCointegración
dc.subject.otherComovimiento
dc.subject.otherEspaña
dc.subject.otherTourism
dc.subject.otherCointearation
dc.subject.otherComovement
dc.subject.otherSpain
dc.titleEl ciclo económico y la actividad turísticaes_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES


Files in this item

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España

Copyright © 2008-2010. ARIAS MONTANO. Repositorio Institucional de la Universidad de Huelva
Contact Us | Send Feedback |