Potencjał prognostyczny modeli adaptacyjnych w turystyce
DOI:
https://doi.org/10.18778/0867-5856.31.2.10Słowa kluczowe:
prognozowanie, modele adaptacyjne, ruch turystyczny, metoda Holta-WintersaAbstrakt
Autorki omawiają prognozowanie jako szczególny obszar badań naukowych, który pomaga ocenić perspektywy rozwoju aktywności turystycznej, zidentyfikować kluczowe czynniki procesu zmian zachodzących w turyzmie oraz kryteria efektywnego zarządzania. Artykuł zawiera przegląd nowoczesnych metod badawczych stosowanych w Rosji i w innych krajach do sporządzania prognoz w dziedzinie turystyki. Celem opracowania jest ocena predyktywnych możliwości modelowania adaptacyjnego, obecnie niezbyt często stosowanego w badaniach turystycznych, do przeprowadzania ilościowej analizy ruchu turystycznego. Na podstawie danych dotyczących Barcelony – dużego miejskiego centrum turystycznego w czasach przed pandemią – opierając się na modelach adaptacyjnych, przedstawiono przykład prognozy liczby podróżnych. Jest to jeden z głównych wskaźników sukcesu turystycznego ujawnionego w trakcie badania procesów o dynamicznym, lecz niestałym charakterze.
Pobrania
Bibliografia
Aena (2019). Informes estadísticos. Aena Estadísticas de tráfico aéreo. Retrieved from: http://www.aena.es/csee/ (15.04.2021).
Google Scholar
Alexandrova, A., Aigina, E. (2020). Strategii razvitija turizma v stranah i regionah mira. Moskva: KnoRus.
Google Scholar
Andrianova, E., Golovin, S., Zykov, S., Lesko, S., Chukalina, E. (2020). Obzor sovremennyh modelei I metodov analiza vremennyh ryadov dinamiki protsessov v sotsialnyh, economicheskih I sotsiotekhnicheskih sistemah. Rossiiskii Tekhnologicheskii Zhurnal, 8 (4), 7–45 https://doi.org/10.32362/2500-316X-2020-8-4-7-45
Google Scholar
DOI: https://doi.org/10.32362/2500-316X-2020-8-4-7-45
Atchade, M. (2018). Adaptivnije metody prognozirovanija: Realizatsija v ExCel i programme R. Saint Petersburg: Saint Petersburg State University.
Google Scholar
Atsalakis, G., Atsalaki, I., Zopounidis, C. (2018). Forecasting the success of a new tourism service by a neuro-fuzzy. European Journal of Operational Research, 268 (2), 716–727 https://doi.org/10.1016/j.ejor.2018.01.044
Google Scholar
DOI: https://doi.org/10.1016/j.ejor.2018.01.044
Barchukov, I. (2008). Metody nauchnykh issledovanij v turizme. Moskva: Academia.
Google Scholar
Bosupeng, M. (2019). Forecasting tourism demand: The Hamilton filter. Annals of Tourism Research, 79, 102823 https://doi.org/10.1016/j.annals.2019.102823
Google Scholar
DOI: https://doi.org/10.1016/j.annals.2019.102823
Chekmarev, A.V. (2020). Adaptivnoe modelirovanie intensivnykh i ekstensivnykh sostavlyajuschikh prognoznogo obraza. Sovremennaya Economika: Problemy I Resheniya, 7 (127), 59–69 https://doi.org/10.17308/meps.2020.7/2396
Google Scholar
DOI: https://doi.org/10.17308/meps.2020.7/2396
Chu, F.L. (2014). Using a logistic growth regression model to forecast the demand for tourism in Las Vegas. Tourism Management Perspectives, 12, 62–67 https://doi.org/10.1016/j.tmp.2014.08.003
Google Scholar
DOI: https://doi.org/10.1016/j.tmp.2014.08.003
Davnis, V., Tinjakova, V. (2006). Adaptivnjie modeli: Analiz i prognoz v economicheskih sistemah. Voronezh: Voronezh State University.
Google Scholar
Demin, A., Semenova, Y. (2001). Prakticheskoje ispoljzovanije adaptivnyh modeley v turizme. Kultura Narodov Prichernomoriya, 16, 34–39.
Google Scholar
Ghalehkhondabi, I., Ardjmand, E., Young, W.A., Weckman, G.R. (2019). A review of demand forecasting models and methodological developments within tourism and passenger transportation industry. Journal of Tourism Futures, 5 (1), 75–93 https://doi.org/10.1108/JTF-10-2018-0061
Google Scholar
DOI: https://doi.org/10.1108/JTF-10-2018-0061
Gladilin, V., Gladilin, A. (2016). Regressionnoe modelirovanie i prognozirovanie v turistsko-rekreatsionnom komplekse regiona. Innovatsionnaya Nauka, 4 (1), 117–120.
Google Scholar
Jiao, X., Li, G., Chen, J.L. (2020). Forecasting international tourism demand: A local spatiotemporal model. Annals of Tourism Research, 83, 102937 https://doi.org/10.1016/j.annals.2020.102937
Google Scholar
DOI: https://doi.org/10.1016/j.annals.2020.102937
Khaidi, S., Noratikah, A., Noryanti, M. (2019). Tourism demand forecasting – a review on the variables and models. Journal of Physics: Conference Series, 1366, 012111 https://doi.org/10.1088/1742-6596/1366/1/012111
Google Scholar
DOI: https://doi.org/10.1088/1742-6596/1366/1/012111
Lourenço, N., Gouveia, C.M., Rua, M. (2021). Forecasting tourism with targeted predictors in a data-rich environment. Economic Modelling, 96, 445–454 https://doi.org/10.1016/j.econmod.2020.03.030
Google Scholar
DOI: https://doi.org/10.1016/j.econmod.2020.03.030
Magnus, Y., Katyshev, P., Peresetsky, A. (2004). Ekonometrika: Nachalnyi Kurs. Moskva: Delo.
Google Scholar
Nikolaeva, T., Oreshkina, E. (2016). Determinanty sprosa na vjezdnoi turizm (na primere stran Evropy i SNG). Servis v Rossii i za Rubezhom, 10 (8), 17–28.
Google Scholar
Pena, E.A., Slate, E.H. (2019). Package ‘gvlma’. CRAN package gvlma. Retrieved from https://cran.r-project.org/package=gvlma (25.06.2021).
Google Scholar
Song, H., Li, G. (2008). Tourism demand modelling and forecasting: A review of recent research. Tourism Management, 29 (2), 203–220 https://doi.org/10.1016/j.tourman.2007.07.016
Google Scholar
DOI: https://doi.org/10.1016/j.tourman.2007.07.016
Svetunkov, I., Svetunkov, S. (2019). Metody sotsialno-ekonomicheskogo prognozirovanija. Moskva: Urait.
Google Scholar
DOI: https://doi.org/10.1287/3fcf3354-a43b-4c87-94e7-0b4436dade25
Tikhomirova, O. (2021). Adaptivnoe upravlenie predprinimatelskimi strukturami kak otkrytymi dinamicheskimi sistemami. Fundamentalnyje Issledovaniya, 9 (2), 495–499.
Google Scholar
Yang, Y., Zhang, H. (2019). Spatial-temporal forecasting of tourism demand. Annals of Tourism Research, 75, 106–119 https://doi.org/10.1016/j.annals.2018.12.024
Google Scholar
DOI: https://doi.org/10.1016/j.annals.2018.12.024
Zhagina, S., Nizovtsev, V., Svetlosanov, V., Pakhomova, O. (2019). Problemy razvitiya turizma na territorii Evropeiskogo Severa Rossii. Sbornik statei XII mezdunarodnoi nauchno-practiceskoi konferentsii ‘Innovatsionnoe razvitie sovremennoi nauki: problemy, zakonomernosti, persrectivy’ (pp. 101–104). Penza: MCNS Nauka i Prosvescheniye.
Google Scholar
Pobrania
Opublikowane
Jak cytować
Numer
Dział
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
