Una aplicación del modelo de datos en paneles en la identificación de los principales determinantes del turismo internacional

Marcio José Vargas da Cruz*, Cássio Federico C. Rolim** y Guilherme Vampré Homsy***

*Profesor del Departamento de Economía de la Universidad Federal de Paraná (UFPR). E-mail: marciocruz@ufpr.br.
**Profesor del Departamento de Economía de la Universidad Federal de Paraná (UFPR). E-mail: cassio.rolim@ufpr.br.
***Técnico en Planificación e Investigación del Directorio de Estudios Sectoriales (DISET) del IPEA. E-mail: ghomsy@gmail.com

Resumen: Este trabajo tuvo como objetivo general identificar los determinantes del flujo de turismo internacional comprobando las variables mediante el instrumento econométrico apuntando a constatar su validez empírica. Para el análisis se utilizó el modelo de datos en panel por haber demostrado ser el más adecuado para identificar los factores relevantes de forma generalizada. El estudio concluye en que la renta es un factor determinante a la hora de explicar la emisión de turistas y hay señales de una elasticidad significativa que es empíricamente coherente. Con relación al grado de atracción, se destaca el papel que juega la variable riesgo en relación con seguridad y el del desarrollo del país identificado por el Índice de Desarrollo Humano (IDH). De esta forma, los resultados apuntan al hecho que las condiciones de desarrollo y de proximidad geográfica a países ricos tienden a ser relevantes en el direccionamiento del flujo turístico internacional.

Palabras clave: Turismo; Desarrollo económico; Comercio internacional.

Abstract: The Use of Panel Models in Order to Identify the Main Determinants of the International Tourist Flow. This paper aims to identifying the determinants of the international tourist flow and present an analysis of the main restrictions of its growth in developing countries. The study was based on panel models due to its adequacy for identifying prominent factors in a generalized form. It was concluded that income is a fundamental determinant to explain the emission of tourists and there are signs of a significant elasticity, which is empirically coherent. Regarding tourist attractiveness, it was found the relevant role risk related to security plays as well as the level of development of the country -as estimated by the Human Development Index - HDI- and the geographical proximity to rich countries.

Key words: Tourism; Economic development; International trade.

INTRODUCCIÓN

La actividad turística internacional se caracteriza por el desplazamiento de personas entre países. Partiendo de un fenómeno social, directamente relacionado a los aspectos económicos, esta actividad tiene como sustento el consumo de bienes y servicios ofrecidos en un determinado espacio físico que no corresponde al país en el cual reside el turista. Según datos preliminares de la Organización Mundial del Turismo (OMT), durante el año 2002 el flujo internacional de turistas que permite obtener ingresos y generar desembolsos cambiarios, fue de aproximadamente 702,6 millones de personas lo cual generó un ingreso medio de U$S 675 por turista, lo cual equivale a aproximadamente un total de U$S 475 billones de ingresos por la actividad (OMT 2003).

Se trata de un sector de gran relevancia para la economía mundial que muestra un crecimiento bastante significativo y tiene como característica importante el hecho de mantener una relación directa con actividades intensivas en capital humano, además de presentar una importante capacidad de encadenamiento.

Sin embargo, el boom generado por el crecimiento de la actividad, principalmente a lo largo de los últimos treinta años, tiende a llevar a la euforia respecto a la capacidad de expansión del sector, el cual muchas veces subestima la forma en que ocurrió tal expansión. De esa manera, a veces se escucha hablar sobre el potencial turístico de una región sin que haya una base comparativa relativa al mercado internacional en cuanto a la oferta. Por lo tanto, se parte de la hipótesis de que hay consumidores desparramados por el mundo cuya disposición a pagar por ello fácilmente romperá la barrera de los costos de desplazamiento.

Decir que los determinantes del turismo internacional son pasibles de ser identificados por un pequeño número de variables consideradas en un modelo sería una pretensión que no convence a nadie. No obstante, lograr utilizar el instrumental econométrico para demostrar, con base en el comportamiento pasado, fuertes indicios de que las variables observadas son relevantes ayuda a comprender la realidad y fortalece la defensa de la hipótesis de que la disposición geográfica de desarrollo mundial impone restricciones significativas al aumento del flujo del turismo internacional en países en desarrollo.

Este artículo tiene como objetivo identificar los determinantes del flujo turístico internacional mediante las variables que se muestran relevantes en relación a factores de emisión y recepción de turistas entre países.

Por esta razón se utilizó el instrumental econométrico con el objeto de utilizar el comportamiento pasado del flujo real y financiero promovido por la actividad turística internacional de manera que posibilite una mejor comprensión del fenómeno. La utilización del instrumental econométrico permite buscar evidencias de manera más consistente en cuanto a la relación entre las variables analizadas a partir del comportamiento observado a lo largo del tiempo. La utilización de la econometría ya se encuentra muy difundida en los trabajos de economía aplicada, y en la misma se incluye al comportamiento de actividades económicas, como por ejemplo la actividad turística.

Algunos estudios empíricos discuten la importancia de comprender el comportamiento del flujo y de los gastos de turistas y los métodos aplicados a esta estimación respaldando la utilización del instrumento econométrico como por ejemplo: Archer (1987), Crouch (1994), Sheldon y Var (1985), Witt y Witt (1994), Frechtling (1996) y Eilat y Einav (2004).

En este caso se optó por la utilización del modelo de datos en panel por ser considerado el más adecuado al objetivo de identificar los factores relevantes de forma generalizada, según lo señalado por Eilat y Einav (2004). Esto se debe a que, al hacer referencia a los determinantes del turismo internacional, se hace necesario considerar el comportamiento de las unidades (o países) a lo largo del tiempo y, en ese caso, se haría necesaria la utilización de un proceso en pooling considerando la heterogeneidad individual. El modelo permitió la utilización de datos relacionados con aproximadamente 110 países con series de tiempo relacionados con 20 observaciones para el flujo emisivo (1980 hasta 1999) y 12 observaciones para el flujo receptivo (1990 hasta 2001) obteniendo coeficientes comunes para las variables explicativas.

CONSTRUCCIÓN DEL MODELO Y METODOLOGÍA DE DATOS EN PANELES

Se hará referencia principalmente a cuatro trabajos entre los autores que tratan este tema. Básicamente, los artículos de Witt y Witt (1995) y de Crouch (1996) remontan una revisión de trabajos empíricos que tratan los factores que influencian el flujo del turismo internacional. Son trabajos relevantes ya que sintetizan los resultados procedentes de una serie de artículos relacionados con el tema y fortalecen parte de las variables escogidas para ser consideradas.

El tercer trabajo relevante para este estudio es el de Frechtling (1996) que propone una división analítica y por tema. División que se considera adecuada por separar los determinantes del flujo de turismo en factores de emisión, atracción y resistencia.

Finalmente, se obtuvo  una importante colaboración de los resultados analizados por Eilat y Einav (2004) quienes tratan este tema de manera plausible, pudiendo ser considerados una de las principales referencias recientes en esta discusión. Estos autores también utilizaron los modelos de datos en paneles considerando algunas variable comunes a las utilizadas en este trabajo como lo muestra el Cuadro 1, pero aplicaron el modelo considerando directamente el flujo entre los países, dando lugar a una diferencia metodológica con la aquí propuesta.

Cuadro 1. Variables consideradas en el flujo de viajes internacionales

	Frechtling (1996)	Witt e Witt (1995)	Crouch (1996)	Eilat e Einav  (2004)
Variáveis explicadas
1 – Emissão de turistas	X	X	X	X
2 – Recepção de turistas	X	X	X	X
Fatores de emissão		X	X
1 – Renda	X			X
2 – Distribuição de renda	X
3 – Tamanho do país
4 – Tamanho da população	X		X
5 – Distribuição da idade	X
6 – Porcentagem Pop dependente
Fatores de atração
1 – IDH
2 – Institucionais	X			X
3 – Tecnologia turística		X	X
4 – Relações comerciais	X		X	X
5 – Eventos especiais	X	X	X	X
6 – Destinos complementares	X	X	X
Fatores de resistência
1 – Distância dos centros emissores	X	X	X	X
2 – Preço	X	X	X	X
3 – Segurança	X		X	X

Fuente: Frechtling (1996), Witt e Witt (1995), Crouch (1996), Eilat e Einav (2004).
NOTA: No caso de Witt e Witt (1995) e Crouch (1996), refere-se às variáveis identificadas por eles, nas obras consideradas no compêndio realizado por esses autores.

 El Cuadro 1 presenta un resumen de las variables utilizadas para explicar los factores con base en la división analítica de Frechtling (1996:134) según el origen de referencia bibliográfica y, por lo tanto, consideradas relevantes. Mediante estas variables se hizo notable una comprobación empírica de los efectos de las mismas como determinantes del flujo de turismo internacional, siendo el instrumental econométrico el más adecuado para este objetivo.

Cabe destacar que serán tratados dos problemas. En primer lugar se especificarán los determinantes de la emisión de turistas y de los gastos del turismo internacional. Posteriormente, lo que determina la atracción y la renta de esa actividad en base a los datos en panel.

Una de las ventajas de la estimación con datos en panel es la relevancia de la heterogeneidad individual. Así, los datos en panel sugieren la existencia de características de diferenciación de los individuos entendidos como "unidad estadística de base". Estas características pueden, o no, ser constantes a lo largo del tiempo de manera que los estudios temporales o fragmentados que no tengan en cuenta la heterogeneidad producirán, casi siempre, resultados con fuertes desviaciones (Marques 2000:1).

Asimismo, la utilización de datos en panel permite conjugar la diversidad de los comportamientos individuales con la existencia de dinámicas de ajuste, como también identificar y medir efectos no detectables en estudios exclusivamente fragmentarios o temporales. En este caso, cabría escoger entre los efectos fijos y aleatorios al referirse a los modelos de efectos fijos:

Esta interpretación es probablemente la más apropiada cuando denota países, (grandes) compañías o industrias y predice que lo que queremos hacer es para un país, un compañía o una industria en particular (Verbeek 2000:318).

No obstante, en este trabajo se reconocen las restricciones al moldear una discusión que se muestra amplia y no siendo posible la utilización de proxy para las diversas variables consideradas relevantes. Esto se debe a que el análisis en panel exige la utilización de indicadores que varían en el tiempo, lo que es una restricción por parte de la discusión establecida. Por lo tanto, se debe considerar que sólo parte de los factores reconocidos como importantes podrán ser utilizados en el modelo por medio de proxies representativos mientras que los demás son atraídos por los efectos fijos. Asimismo, hay factores relevantes relacionados con la estructura del mercado (por ejemplo los oligopolios que prevalecen en los servicios de transporte aéreo y operadores turísticos), como la aplicación de políticas promocionales que restringen la disponibilidad de datos o de análisis cuantitativos.

Según Verbeek (2000), si se pretende estudiar concretamente el comportamiento de una unidad individual el efecto fijo es la elección obvia, en la medida en que es diferente considerar la muestra como aleatoria o no. En particular, en el caso de estudios que consideran un grupo de N países, toda inferencia tenderá a ser condicional al grupo específico en la observación. Es decir, en la mayoría de los estudios macro-econométricos, por ser imposible una muestra de N países con una selección aleatoria de una población con una dimensión de tendencia infinita, se hace evidente que la elección acertada es la especificación con efectos fijos como el defendido por Judson y Owen (1999).

En este caso se optó por la utilización del modelo con efectos fijos por considerar al problema aquí analizado más próximo a estas características ya que será analizado el comportamiento de aproximadamente cien países a lo largo del tiempo. Una vez que se identificaron los principales determinantes del turismo internacional, el número de países y el período de tiempo utilizado fueron extendidos al máximo frente a la restricción de la no disponibilidad de datos de países que no estuvieron presentes. En término generales, una discusión básica para esta discusión en términos generales es presentada por Greene (1997:615) tratándose de un modelo de regresión linear en la forma:

y_it = α_i + β' χ_it + ε_it (1)

De manera que:

y_it es la variable dependiente del i-ésimo individuo cross-section en el tiempo t.

α_i es el intercepto individual de cada individuo cross-section.

β'  es el vector de coeficientes de las variables independientes.

χ_it es un vector con k variables independientes para el i-ésimo individuo cross-section en el tiempo t.

ε_it es un término de error aleatorio.

Los modelos de efectos fijos admiten que los coeficientessean idénticos para todos los países con excepción del intercepto , diferente para cada uno de ellos, incorporando en este caso mediante estas especificaciones, diferencias en cuanto a los atractivos naturales o el idioma suponiendo que ellos se encuentren. No obstante, no distingue especificidades individuales relacionadas con otros efectos que están actuando en el tiempo.

La distinción entre los intercepto en este modelo se alcanza a través de la inclusión de variables dummies para cada unidad cross section, formando así un conjunto con N variables dummies en el modelo.

Básicamente, el modelo de efectos fijos se concentra en las diferencias intra-individuales. Esto es, explica la razón por la cual  difiere de  . Por otro lado, la rigidez del parámetro impone que un cambio en x tenga el mismo efecto (ceteris paribus) en el caso de que se trate de períodos o individuos diferentes. Con relación a los datos en paneles, se puede obtener mayores detalles sobre la metodología en Pindyck y Rubinfeld (1998); Verbeek (2000) y Greene (1997).

ESPECIFICACIÓN Y RESULTADOS DEL MODELO DE EMISIÓN

La emisión de turistas, analizada bajo la óptica de viajes per capita (qte) por un determinado país, puede ser comprendida como el número de viajes internacionales (QTE) proporcionalmente al tamaño de la población del país (Pop), pudiendo este número ser mayor que uno, dado que un turista puede hacer más de un viaje internacional por año. Por lo tanto, cabe destacar que cada viaje realizado será contabilizado como un nuevo turista y esta relación está representada en la ecuación 2:

  (2)

El desempeño de cada país emisor de turistas en un determinado año está en función de diversos factores entre los que se destacan la renta per capita, la distribución de la renta, el nivel de instrucción, el tamaño del país, la distribución etaria, el tiempo destinado al ocio, la estructura familiar, etc. No obstante, al buscar simplificar esa relación mediante un modelo, buscando el significativo de estos factores de forma empírica, se tiene restricciones en relación a la utilización de algunas variables que no presentan alteraciones a lo largo del tiempo. En este caso, las variables "no observadas" por el modelo (ejemplo, extensión territorial, división de la renta) estarán siendo consideradas como efectos fijos y serán representadas por los intercepto para cada país.

El número de viajes per capita que emite un país se observa en la ecuación 3, donde X_it muestra las diferentes características entre los países de origen de los turistas, las que pueden ser fijas (por ejemplo la extensión territorial, con raras excepciones) o presentan variación a lo largo del tiempo (ej. renta per capita). A su vez, a_it se refiere a los determinantes de emisión no observados econométricamente y e_it es un término residual individual que hace referencia a cada país a lo largo del tiempo.

(3)

Por lo tanto, insertando las variables explicativas al modelo se obtiene que:

    para t=1,..,T  e i=1,..., N (4)

Donde:

qte_it: razón entre el número de turistas emitidos por el país y en el tiempo t y la población del país i en el tiempo t;

gnp_it: renta per capita del país i en el tiempo t;

P_it: proporción de la población encima de 65 años en el país i en el tiempo t;

PPP_it: factor de conversión de la paridad de poder de compra del país i en el tiempo t;

a_it: intercepto individual de cada individuo cross-section;

e_it : término de residuo aleatorio.

En este caso, la razón entre el número de turistas emitidos por el país i en función de la población del país i (qte_it) durante el período t, demostrado por la ecuación 3, es explicada por la ecuación 4. Los parámetros ´s serán los mismos para todos los países diferenciados solamente los efectos fijos representados en el intercepto individual de cada individuo cross-section.

Además de favorecer el instrumental analítico mostrando las elasticidades, la transformación de esas variables en logaritmos favorece el análisis econométrico al amenizar el problema de dispersión entre las unidades cross-section. Por lo tanto, la especificación del modelo de emisión de turismo per capita se observa en la ecuación 5:

(5)

Con relación a los gastos de los viajes internacionales se espera que haya una correlación con la cantidad de turistas que el país emite. Por este motivo serán analizadas las mismas variables explicativas para el modelo relacionado a los gastos per capita  con los viajes internacionales, apenas alterando la variable explicada. En este caso, se considera el gasto per capita por turismo internacional como la razón entre el gasto por turismo emisivo (GTE) por el país i en el tiempo t y la población (pop) del país i en el tiempo t, como se observa en la ecuación 6:

(6)

Por lo tanto, la especificación del modelo para gastos por turismo emisivo está representada en la ecuación 7 que tiene como referencia las variables explicativas y las hipótesis del modelo de emisión especificadas en la ecuación 4.

(7)

Para facilitar la identificación de las variables y el origen de los proxies adoptados, el Cuadro 2 muestra los significados de las denotaciones adoptadas en las ecuaciones anteriormente mencionadas, los signos esperados para las variables explicativas y sus fuentes.

Cuadro 2: Especificación de las variables, proxies y denotaciones utilizadas en los modelos de emisión

Variável	Variável/Proxy	Denotação	Sinais esperados	Fonte
Variáveis explicadas
Emissão de turistas	Quantidade de turistas que saíram do país i no tempo t dividido pela população do país i no tempo t	qteit		WDI (2003)
Gastos com turismo	Gastos com viagens internacionais do país i no tempo t divididos pela população do país i no tempo t	gteit		OMT (2003b)/ WDI (2003)
Fatores de Emissão
Renda	PNB per capita, sob a paridade do poder de compra	gnpit	> 0	WDI (2003)
Distribuição etária	Percentual da população acima de 65 anos	pit	> 0	WDI (2001)
Fatores de resistência
Paridade do poder de compra	Fator de conversão	pppit	> 0	WDI (2003)

Fuente: Elaboración propia

Se observa que la principal fuente de datos fue la publicación del Banco Mundial, World Development Indicador, teniendo como referencia los datos de la OMT, en lo que ser refiere a la emisión y gastos de turistas. Con relación a la variable qte, fueron utilizas muestras para 95 países, mientras que para estimar los gastos por turismo emisivo se utilizó una muestra con 91 países entre los años 1981 y 1999. Primero fue utilizado el análisis de regresión para explicar el número de turistas emitidos por el país proporcionalmente a la población del país de origen con base en la ecuación 5. A pesar de presentar coeficientes significativos, fue diagnosticada la presencia de auto correlación mediante el test de Durban-Watson, lo que hace a los estimadores ineficientes y sesgados. Según Verbeek (2000:324), para detectar la auto correlación en los modelos de efectos fijos es posible aplicar el test de Durban-Watson.

Para corregir el problema fue adoptado el procedimiento presentado por Greene (1997:639) aplicando una diferenciación parcial (casi-diferencia). La aplicación de este proceso se dio de la siguiente manera:

a) El modelo fue nuevamente especificado, agregando la variable dependiente con un período desfasado como variable explicativa.

(8)

b) El resultado obtenido como coeficiente de la variable desfasada, identificado como , fue utilizado para la transformación de las demás variables en casi-diferencia. De esa forma, se volvió a la ecuación original, transformándola en casi-diferencia de acuerdo con el procedimiento presentado en la ecuación 9:

(9)

Considerando la casi-diferenciación de las variables se tiene:

De manera que:                                                                                                        (10)

;

Por lo tanto, con base en la ecuación 10 se tiene el modelo utilizado para la regresión, buscando determinar la cantidad de turismo emisivo per capita, lo cual presentó todas las variables significativas, pasando por los tests t y F, con un nivel de significación elevado. El poder de explicación del modelo es de 87,16% y el test de Durban-Watson apunta hacia la no-existencia de auto correlación residual. De esta forma, el procedimiento adoptado para corregir el problema identificado fue, al principio, satisfactorio.

Los coeficientes obtenidos presentan los signos esperados, destacándose la elasticidad encontrada con relación a la población por encima de los 65 años, la cual se demuestra expresiva frente a los demás coeficientes y se observan en el Cuadro 3.

Cuadro 3: Resultados del modelo de emisión

Variável dependente: qte
Período 1981- 1999
Número de unidades cross-section: 95
Painel total (não balanceado) observações: 1.390
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable		Coefficient			Std. Error			t-Statistic			Prob.
gnp?		0,564372			0,091222			6,18678			0,0000
P?		1,543412			0,307103			5,025711			0,0000
PPP?		0,128051			0,053249			2,404745			0,0163
Fixed Effects*
_DZA--C	-3,444			_DEU--C		-3,792			_NER--C			-4,329
_ARG--C	-4,086			_GRC--C		-4,218			_NGA--C			-4,681
_AUS--C	-4,264			_GTM--C		-3,643			_NOR--C			-4,161
_AUT--C	-3,742			_HND--C		-3,499			_PAN--C			-3,719
_BHR--C	-2,912			_HKG--C		-3,696			_PNG--C			-3,770
_BGD--C	-4,134			_HUN--C		-3,415			_PRY--C			-3,459
_BEL--C	-3,920			_ISL--C		-3,703			_PER--C			-4,113
_BOL--C	-3,611			_IND--C		-4,535			_PHL--C			-3,862
_BWA--C	-3,023			_IDN--C		-4,413			_POL--C			-3,216
_BRA--C	-4,392			_IRN--C		-4,137			_PRT--C			-4,139
_BGR--C	-3,815			_IRL--C		-3,595			_ROM--C			-3,686
_BFA--C	-4,347			_ISR--C		-3,796			_RUS--C			-4,180
_BDI--C	-4,001			_ITA--C		-4,198			_SGP--C			-3,177
_CAN--C	-3,707			_JPN--C		-4,553			_SVK--C			-4,317
_TCD--C	-4,221			_JOR--C		-2,801			_ZAF--C			-4,010
_CHL--C	-3,897			_KEN--C		-3,748			_ESP--C			-4,153
_COL--C	-4,016			_KOR--C		-4,118			_LKA--C			-4,012
_CRI--C	-3,631			_KWT--C		-3,007			_SWE--C			-3,806
_CIV--C	-5,209			_LTU--C		-3,377			_CHE--C			-3,560
_CYP--C	-3,745			_MAC--C		-3,944			_SYR--C			-3,158
_CZE--C	-2,844			_MDG--C		-4,240			_TZA--C			-3,719
_DNK--C	-3,769			_MYS--C		-2,728			_THA--C			-4,093
_DOM--C	-3,859			_MLT--C		-3,712			_TTO--C			-3,475
_ECU--C	-3,931			_MUS--C		-3,668			_TUN--C			-3,319
_EGY--C	-3,638			_MEX--C		-3,610			_TUR--C			-3,796
_SLV--C	-3,419			_MDA--C		-4,757			_TKM--C			-3,657
_ETH--C	-4,228			_MAR--C		-3,655			_GBR--C			-3,856
_FJI--C	-3,437			_NPL--C		-4,144			_USA--C			-4,262
_FIN--C	-3,879			_NLD--C		-3,721			_VUT--C			-3,491
_FRA--C	-4,127			_NCL--C		-3,503			_VEN--C			-4,041
_PYF--C	-3,412			_NZL--C		-4,018			_ZWE--C			-3,602
_GAB--C	-3,346			_NIC--C		-3,165
R2			0,87167				Mean dependent var			-0,94311
R2   ajustado			0,86203				S.D. dependent var			0,73324
S.E. of regression			0,27235				Sum squared resid			95,8359
F-statistic			4,38791				Durbin-Watson stat			2,04629
Prob(F-statistic)			0,00000

Fuente: Elaboración propia

Con relación a los gastos por viajes internacionales, al constatarse los resultados de la ecuación 5 se verificaron los mismos problemas y fueron adoptados los mismos procedimientos para corregir la auto correlación:

a) El modelo fue nuevamente especificado y la variable dependiente con un período desfasado fue agregada como variable explicativa.

(11)

b) El resultado obtenido como coeficiente de la variable desfasada, identificado como , fue utilizado para la transformación de las demás variables en casi-diferencia. De esta forma se volvió a la ecuación original, transformándola en casi-diferencia según el procedimiento presentado en la ecuación 9.

(12)

Considerando la casi-diferenciación de las variables se tiene:

(13)

De manera que:

Por lo tanto, con base en la ecuación 13 se tiene el modelo utilizado para la regresión, buscando determinar la cantidad de gasto per capita por viajes internacionales. Los resultados muestran que todas las variables son significativas, pasando por los tests t y F, con un elevado nivel de significación.

Con relación a los coeficientes, se constata la elevada elasticidad-renta, mostrando que los bienes y servicios turísticos son esencialmente superiores, según identificados por otros autores. Es decir, la actividad turística en el ámbito internacional muestra una alta sensibilidad con la renta per capita. Respecto al factor de conversión de la paridad del poder de compra, se observa que es menos elástico con relación a los gastos que respecto a la cantidad de turistas emitidos. Por otro lado, la proporción de la población por encima de los 65 años demuestra ser menos sensible a los gastos si se la compara con la cantidad de turistas. De esa forma se observa, por los resultados econométricos ilustrados en el Cuadro 4, indicios de que la proximidad geográfica de un país con elevada renta per capita es un factor relevante para explicar la inserción en el turismo internacional, una vez que los costos de desplazamiento tienden a tener una participación importante en la canasta de consumo de los turistas.

Cuadro 4: Resultados del modelo de gastos por turismo emisivo

Variável dependente: gte
Período: 1981 1999
Número de  cross-sections: 91
Painel total (não balanceado) observações: 1.572
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable		Coefficient			Std. Error		t-Statistic		Prob.
gnp?		1,443033			0,091985		15,68777		0,0000
P?		0,999469			0,299232		3,340113		0,0009
PPP?		0,420938			0,088		4,783399		0,0000
Fixed Effects*
_DZA--C	-3,131			_DEU--C		-3,119		_NOR--C		-3,028
_ARG--C	-3,208			_GRC--C		-3,278		_PAN--C		-2,778
_AUS--C	-3,202			_GTM--C		-2,830		_PNG--C		-2,578
_AUT--C	-2,922			_HND--C		-2,712		_PRY--C		-2,801
_BHR--C	-2,536			_HUN--C		-3,273		_PER--C		-2,987
_BGD--C	-3,080			_ISL--C		-2,853		_PHL--C		-3,185
_BEL--C	-3,085			_IND--C		-3,344		_POL--C		-3,173
_BOL--C	-2,686			_IDN--C		-2,879		_PRT--C		-3,258
_BWA--C	-2,549			_IRN--C		-3,323		_ROM--C		-3,238
_BRA--C	-3,195			_IRL--C		-2,947		_RUS--C		-3,045
_BGR--C	-3,169			_ISR--C		-2,924		_SGP--C		-2,544
_BFA--C	-2,600			_ITA--C		-3,363		_SVK--C		-3,168
_BDI--C	-2,566			_JPN--C		-3,438		_ZAF--C		-2,966
_CAN--C	-3,162			_JOR--C		-2,291		_ESP--C		-3,407
_TCD--C	-2,435			_KEN--C		-2,835		_LKA--C		-3,010
_CHL--C	-2,964			_KOR--C		-3,091		_SWE--C		-3,071
_COL--C	-2,926			_KWT--C		-2,043		_CHE--C		-3,085
_CRI--C	-2,731			_LTU--C		-2,773		_SYR--C		-2,653
_CIV--C	-2,439			_MDG--C		-2,547		_TZA--C		-2,083
_CYP--C	-3,050			_MYS--C		-2,566		_THA--C		-2,931
_CZE--C	-2,965			_MLT--C		-2,782		_TTO--C		-2,782
_DNK--C	-3,066			_MUS--C		-2,733		_TUN--C		-2,901
_DOM--C	-2,796			_MEX--C		-2,899		_TUR--C		-3,184
_ECU--C	-2,750			_MDA--C		-2,848		_TKM--C		-2,133
_EGY--C	-3,066			_MAR--C		-2,954		_GBR--C		-3,180
_SLV--C	-2,847			_NPL--C		-2,720		_USA--C		-3,464
_ETH--C	-3,050			_NLD--C		-3,017		_VUT--C		-2,529
_FJI--C	-2,568			_NZL--C		-3,067		_VEN--C		-2,703
_FIN--C	-3,138			_NIC--C		-2,704		_ZWE--C		-2,784
_FRA--C	-3,327			_NER--C		-2,537
_GAB--C	-2,590			_NGA--C		-2,521
R-squared			0,825			Mean dependent var				1,065
Adjusted R-squared			0,814			S.D. dependent var				0,619
S.E. of regression			0,267			Sum squared resid				105,20
F-statistic			3,491			Durbin-Watson stat				1,863
Prob(F-statistic)			0,000

Fuente: Elaboración propia

ESPECIFICACIÓN DE LOS MODELOS DE ATRACCIÓN

La recepción de turistas, analizada bajo la ópticas de los viajes per capita por un determinado país puede ser comprendida como la cantidad de turistas recibidos (QTR) por el país en proporción a la población local (Pop), representada por la ecuación 14.

(14)

En este caso, una vez que el numerador esté dado por una población extranjera, existe la posibilidad de que esta razón sea mayor a 1, como sucede en algunos países. Además de ello, el hecho de que el viaje turístico tenga un período inferior a un año, puede provocar que un mismo turista viaje diversas veces hacia un mismo destino siendo contabilizado cada vez como un nuevo turista.

Los determinantes de la cantidad de turistas (suponiendo que cada viaje es contabilizado como un turista) per capita que atrae está representado de manera general por la ecuación 15. El modelo es explicado por diferentes factores que extrapolan las variables que son consideradas aquí, representadas en X_dt.  No obstante, así como en el caso de los principales determinantes del flujo emisivo, los factores que determinan la recepción de turistas por país pueden ser fijos (idioma, monumentos, atractivos naturales) o presentar variaciones a lo largo del tiempo (Índice de Desarrollo Humano - IDH, seguridad). A su vez, a_dt se refiere a determinantes del fijo receptivo no observados por el modelo (factores fijos) y e_dt  es un término residual individual que se refiere a cada país a lo largo del tiempo.

(15)

Es importante tener en cuenta que existen factores que varían a lo largo del tiempo y deben ser considerados relevantes para explicar la inserción de un país en el flujo de turistas receptivo pero no tienen disponibilidad de buenos proxies que posibiliten su inserción como variables explicativas en un modelo de panel. Por ejemplo, la promoción de un destino en el exterior por medio de publicidades y de la aplicación de instrumentos de marketing. Incluso si esta variable fuese relevante, no hay una buena proxy disponible para la mayoría de los países de esa muestra. Insertando las variables explicativas en la ecuación 15 se tiene que:

(16)

Donde:

idh_it: IDH del país i en el tiempo t;

r_it: riesgo ofrecido por el país i en el tiempo t;

room_it: oferta de formas de alojamiento por el país i en el tiempo t;

a_dt: intercepto individual de cada individuo cross-section;

e_dt:  término de residuo aleatorio.

En este caso, igual que en el modelo de emisión, se adoptaron las variables en log, de contar con las mismas cuestiones presentadas en ese caso. Por lo tanto, la especificación del modelo está dada por la ecuación 17:

(17)

Así como en el análisis de emisión con relación a la renta obtenida por los viajes internacionales hacia el país, se espera que haya una correlación con la cantidad de turistas que recibe un país, al igual que una diferenciación respecto a la elasticidad. No obstante, se agregará un factor de conversión de la paridad del poder de compra, como un proxy de los precios relativos, dejando de lado  las variables relacionadas con riesgo y oferta de alojamiento, buscando analizar la elasticidad - precio y desarrollo como se observa en la ecuación 18.

(18)

Con el objeto de facilitar la identificación de las variables y el origen de los proxies adoptados, el Cuadro 5 muestra los significados de las variables presentadas en las ecuaciones 17 y 18, las señales esperadas para ellas y la fuente.

Cuadro 5: Especificación de las variables, proxies y denotaciones utilizadas en el modelo de atracción

Variável	Variável/Proxy	Denotação	Sinais esperados	Fonte
Variáveis explicadas
Emissão de turistas	Quantidade de turistas que entraram no país i no tempo t dividido pela população do país i no tempo t	qteit		OMT (2003a)/ WDI (2003)
Receita com turismo	Receita com turismo internacional obtida pelo país i no tempo t dividido pela população do país i no tempo t	rt		OMT (2003c)/ WDI (2003)
Fatores de atração
IDH	Índice de Desenvolvimento Humano	IDH	> 0	ONU (2003)
Diversificação de oferta	Oferta de apartamentos	room	> 0	OMT (2003d)
Fatores de resistência
Segurança	Índice de risco	r	> 0	Eilat e Einav (2003)
Paridade do poder de compra	Fator de conversão	PPPit	>	WDI (2003)

Elaboração dos autores.
O índice de risco foi capturado por meio de um levantamento de risco da PRS Group (2002), apud Eilat e Einav (2003).  O sinal positivo esperado quanto ao índice de risco se dá em função do fato de quanto maior o valor do índice, menor o risco. O intervalo se dá entre 1 e 12, sendo 12 o cenário mais seguro. Os valores utilizados foram construídos com base na média geométrica de três índices (risco de conflito étnico, interno e externo).
O sinal esperado com relação à PPP, dado o tratamento em logaritmos, é positivo. Nesse caso, essa variável foi utilizada apenas para analisar o comportamento da receita gerada pelos turistas internacionais. Ao identificar um coeficiente de 0,3, conforme demonstra o quadro 7, há indícios de que a receita seja inelástica com relação à variação da PPP, nesse caso, utilizada como uma proxy para o câmbio.

En lo que respecta a la atracción, al igual que en el modelo de emisión, la principal fuente de datos fue publicada por el Banco Mundial, Indicadores Mundiales de Desarrollo, teniendo como referencia los datos de la OMT en lo que se refiere a la recepción de turistas e ingresos generados por la actividad turística. Con relación a la variable qtr, fueron utilizas muestras para 76 países entre los años 1986 y 1999. Para estimar los ingresos del turismo receptivo se utilizó una muestra con 89 países entre los años 1991 y 2001. Con respecto al modelo destinado a explicar la cantidad de turistas recibidos, el índice de riesgo fue logrado mediante un relevamiento de riesgo del Grupo PRS (Eilat y Einav 2003). La señal positiva esperada respecto al índice de riesgo se da en función del hecho de que cuanto mayor es el valor del índice menor es el riesgo. El intervalo se da entre 1 y 12, siendo 12 el escenario más seguro. Los valores utilizados fueron construidos con base en la media geométrica de tres índices (riesgo de conflicto étnico, interno y externo).

El análisis de regresión para explicar la cantidad de turistas recibidos per capita en base a la ecuación 16 confirmó la presencia de auto correlación por el test de Durban-Watson. Así como en los modelos de emisión y gastos, se adoptó el procedimiento presentado por Greene (1997:639) aplicando una diferenciación parcial (casi-diferencia) para la corrección. La aplicación de ese proceso siguió los mismos procedimientos utilizados para las ecuaciones 11 a 13. De esta manera  llegó a las ecuaciones 19 y 20.

(19)

Mediante la obtención de , se aplicó la casi-diferencia que se muestra en la ecuación 19.

(20)

De manera que:

Mediante la ecuación 20 se llegó a los resultados presentados en el Cuadro 6. Se observa que las variables relativas al IDH y al riesgo son estadísticamente significativas a un nivel menor al 1%. No obstante la variable room (camas por kilómetro cuadrado) no demostró significación estadística.

Cuadro 6: Resultados del modelo de atracción

Variável dependente: qtr
Período: 1986–1999
Número de cross-sections: 76
Painel total (não balanceado) – observações: 894
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable		Coefficient			Std. Error		t-Statistic				Prob.
IDH?		3,555921			0,760347		4,676709				0,0000
R?		0,218148			0,052477		4,157061				0,0000
ROOMPOP?		0,047604			0,060484		0,787049				0,4315
Fixed Effects*
_BWA--C	0,068			_ZWE--C		-0,199		_NOR--C		-0,256
_BRA--C	-1,075			_IND--C		-1,227		_PAK--C		-0,974
_BGR--C	-0,287			_IDN--C		-0,829		_PAN--C		-0,482
_CMR--C	-0,814			_IRL--C		-0,011		_PNG--C		-0,721
_CAN--C	-0,229			_ISR--C		-0,339		_PRY--C		-0,552
_CHL--C	-0,582			_ITA--C		-0,262		_PER--C		-1,009
_CHN--C	-0,918			_JAM--C		-0,092		_PHL--C		-0,907
_COL--C	-0,897			_JPN--C		-1,121		_POL--C		-0,046
_CRI--C	-0,389			_JOR--C		-0,214		_PRT--C		-0,025
_CYP--C	0,258			_KEN--C		-0,449		_ROM--C		-0,493
_CZE--C	0,170			_KWT--C		-0,865		_SEN--C		-0,176
_DNK--C	-0,357			_LBN--C		-0,383		_SGP--C		0,138
_DOM--C	-0,213			_MDG--C		-0,773		_ZAF--C		-0,526
_ECU--C	-0,725			_MLI--C		-0,540		_ESP--C		-0,050
_SLV--C	-0,553			_MEX--C		-0,361		_LKA--C		-0,974
_ETH--C	-0,751			_MNG--C		-0,636		_SDN--C		-0,764
_FIN--C	-0,361			_ALB--C		-1,154		_SWE--C		-0,495
_FRA--C	-0,068			_DZA--C		-0,708		_THA--C		-0,470
_DEU--C	-0,571			_ARG--C		-0,718		_TGO--C		-0,551
_GHA--C	-0,681			_AUS--C		-0,522		_TUN--C		-0,015
_GTM--C	-0,432			_AUT--C		-0,394		_TUR--C		-0,409
_GUY--C	-0,406			_NAM--C		0,091		_UGA--C		-0,599
_HTI--C	-0,494			_NLD--C		-0,313		_URY--C		-0,117
_HND--C	-0,524			_NZL--C		-0,349		_ZMB--C		-0,386
_HUN--C	0,207			_NIC--C		-0,478
_ISL--C	-0,192			_NGA--C		-0,919
R-squared			0,915			Mean dependent var			-0,679
Adjusted R-squared			0,906			S.D. dependent var			0,535
S.E. of regression			0,164			Sum squared resid			21,80
F-statistic			4,658			Durbin-Watson stat			1,932
Prob(F-statistic)			0,000

Fuente: Elaboración propia

La opción para mantener la variable room se dio en función del hecho de que el modelo especificado después del tratamiento por medio de la casi-diferencia apunta a la resolución del problema de auto correlación residual, según lo demuestra la estadística de Durban-Watson en el Cuadro 6 (en el cuadro 6 tiene la información Durban-Watson stat). Al quitar la variable, los resultados por corrección no fueron satisfactorios, siendo posible que hayan ocurrido problemas de mala especificación.

Finalmente, con relación a los ingresos por viajes internacionales, fueron verificados los mismos problemas observados con anterioridad, habiéndose adoptado los mismos procedimientos para la corrección de la autocorrelación como lo muestra la ecuación 21 utilizada para extraer .

(21)

La ecuación 22 presenta el proceso para la auto corrección en el modelo que explica la cantidad de ingresos obtenidos por los viajes internacionales.

(22)

De manera que:

El Cuadro 7 muestra los resultados del modelo renta turística. Se observa que las dos variables utilizadas son estadísticamente significativas a un índice de probabilidad elevado, siendo la renta por turismo internacional bastante elástica con relación al desarrollo. El poder de explicación del modelo es de 91% y, así al igual que en los demás tests, la utilización de las variables en casi-diferencia fue eficiente en la corrección de los problemas de auto correlación residual.

Cuadro 7: Resultados del modelo de renta turística por turismo receptivo

Variável dependente: qr
Período: 1991–2001
Número de cross-sections: 89
Painel Total (não balanceado) observações: 838
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable	Coefficient				Std. Error			t-Statistic			Prob.
IDH?	5,604638				0,969471			5,78113			0,0000
PPP?	0,310317				0,141534			2,192526			0,0286
Fixed effects*
_BWA--C		2,926		_IND--C			1,838		_NGA--C			1,637
_BRA--C		1,756		_IDN--C			2,224		_NOR--C			2,474
_BGR--C		2,316		_IRL--C			2,749		_OMN--C			2,126
_CMR--C		1,998		_ISR--C			2,572		_PAK--C			1,605
_CAN--C		2,324		_ITA--C			2,577		_PAN--C			2,543
_CHL--C		2,048		_JAM--C			3,007		_PNG--C			2,554
_CHN--C		1,775		_JPN--C			1,376		_PRY--C			2,211
_COL--C		1,938		_JOR--C			2,709		_PER--C			1,935
_CRI--C		2,641		_KEN--C			2,501		_PHL--C			2,069
_HRV--C		2,984		_KWT--C			2,089		_POL--C			2,542
_CYP--C		3,286		_LVA--C			2,095		_PRT--C			2,693
_CZE--C		2,684		_LBN--C			2,635		_ROM--C			1,785
_DNK--C		2,638		_MDG--C			2,411		_SEN--C			3,100
_DOM--C		2,940		_MWI--C			2,080		_SGP--C			3,188
_ECU--C		2,017		_MYS--C			2,534		_SVN--C			2,744
_SLV--C		2,000		_MLI--C			2,806		_ZAF--C			2,427
_EST--C		2,769		_MLT--C			3,166		_ESP--C			2,731
_ETH--C		2,297		_MEX--C			2,220		_LKA--C			1,770
_FIN--C		2,322		_MNG--C			2,079		_SDN--C			1,570
_FRA--C		2,517		_ALB--C			2,211		_SWE--C			2,414
_GAB--C		1,346		_DZA--C			1,228		_THA--C			2,496
_DEU--C		2,203		_ARG--C			2,019		_TGO--C			2,041
_GHA--C		2,623		_ARM--C			1,402		_TUN--C			2,771
_GTM--C		2,458		_AUS--C			2,443		_TUR--C			2,505
_GIN--C		2,737		_AUT--C			2,934		_UGA--C			2,671
_GUY--C		2,577		_BLR--C			0,925		_UKR--C			2,365
_HTI--C		2,531		_NAM--C			3,163		_URY--C			2,452
_HND--C		2,280		_NLD--C			2,453		_ZMB--C			2,595
_HUN--C		2,662		_NZL--C			2,552		_ZWE--C			2,445
_ISL--C		2,686		_NIC--C			2,216
R-squared			0,917			Mean dependent var				1,563
Adjusted R-squared			0,907			S.D. dependent var				0,828
S.E. of regression			0,252			Sum squared resid				47,63
F-statistic			8,458			Durbin-Watson stat				1,867
Prob(F-statistic)			0,000

Fuente: Elaboración propia

Un aspecto interesante en torno a esos resultados se refiere al coeficiente inferior a uno, presentando indicios de baja sensibilidad con esa variable. La menor sensibilidad con relación al precio puede hacer que un aumento de precios relativos tenga como consecuencia una mayor renta turística no obstante pueda resultar en una caída en el número de turistas. Cruz y Curado (2005) presentan un análisis de la elasticidad de la cuenta Viajes Internacionales en Brasil con relación a la tasa de cambio que posibilita una mejor comprensión de ese fenómeno. Por lo tanto, en este caso esa variable no presentó significación estadística al ser utilizada para explicar el número de turistas en tests realizados a lo largo de la elaboración de este trabajo pero que no son presentados en este texto.

Cuadro 8: Identificación de los países según sus siglas

Símbolo	País	Símbolo	País	Símbolo	País
ARG	Argentina	GBR	Reino Unido	NLD	Holanda
AUS	Austrália	GRC	Grécia	NOR	Noruega
AUT	Áustria	GTM	Guatemala	NPL	Nepal
BDI	Burundi	HKG	Hong Kong	NZL	Nova Zelândia
BEL	Bélgica	HND	Honduras	PAN	Panamá
BFA	Burkina Faso	HUN	Hungria	PER	Peru
BGD	Bangladesh	IDN	Indonésia	PHL	Filipinas
BGR	Bulgária	IND	Índia	PNG	Papua-Nova Guiné
BHR	Bahrein	IRL	Irlanda	POL	Polônia
BOL	Bolívia	IRN	Irã	PRT	Portugal
BRA	Brasil	ISL	Islândia	PRY	Paraguai
BWA	Botswana	ISR	Israel	PYF	Polinésia Francesa
CAN	Canadá	ITA	Itália	ROM	Romênia
CHE	Suíça	JOR	Jordânia	RUS	Rússia
CHL	Chile	JPN	Japão	SGP	Cingapura
CIV	Costa do Marfim	KEN	Quênia	SLV	El Salvador
COL	Colômbia	KOR	Coréia do Sul	SVK	Eslováquia
CRI	Costa Rica	KWT	Kuwait	SWE	Suécia
CYP	Chipre	LKA	Sri Lanka	SYR	Síria
CZE	Rep. Checa	LTU	Lituânia	TCD	Chad
DEU	Alemanha	MAC	Macau (China)	THA	Tailândia
DNK	Dinamarca	MAR	Marrocos	TKM	Turcomenistão
DOM	Rep. Dominicana	MDA	Moldova	TTO	Trinidad-Tobago
DZA	Algéria	MDG	Madagáscar	TUN	Tunísia
ECU	Equador	MEX	México	TUR	Turquia
EGY	Egito	MLT	Malta	TZA	Tanzânia
ESP	Espanha	MUS	Ilhas Maurício	USA	Estados Unidos
ETH	Etiópia	MYS	Malásia	VEN	Venezuela
FIN	Finlândia	NCL	Nova Caledônia	VUT	Vanuatu
FJI	Ilhas Fiji	NER	Níger	ZAF	África do Sul
FRA	França	NGA	Nigéria	ZWE	Zimbábue
GAB	Gabão	NIC	Nicarágua

Fuente: WDI (2001)

CONCLUSIÓN

A partir de la identificación de los principales determinantes del turismo internacional considerando los factores de emisión y de atracción se observa que hay una fuerte tendencia hacia el fortalecimiento de la actividad en regiones con un elevado grado de desarrollo económico. Los resultados econométricos identificaron una elevada elasticidad - renta para los gastos por turismo internacional y mostraron la relevancia de la estructura etaria y de los precios relativos. Por otro lado, las condiciones de desarrollo  y el nivel de seguridad también son importantes en lo que a la actividad se refiere. Partiendo del supuesto de que el turista dirigirá sus acciones en función del costo / beneficio y que el costo de desplazamiento mantiene una correlación con la distancia, se llega a la hipótesis de que un destino turístico próximo al centro emisor tiende a ser más competitivo. Por lo tanto, el análisis geopolítico muestra que los países de Europa Occidental, de América del Norte y parte del Este de Asia mantienen condiciones de emisión y de atracción y están próximos geográficamente lo que lleva a concluir que la concentración del flujo turístico internacional en estos países no sucede simplemente en función de sus bellezas naturales.

En lo que respecta a la gestión de políticas que estimulen la atracción de turistas internacionales, por ejemplo, estos resultados pueden corroborar que algunas especificidades de la demanda turística deben ser consideradas en el momento de definir estas acciones. Como por ejemplo, el hecho de que las condiciones de oferta de un polo de atracción de turistas debe tomar en cuenta los aspectos referidos a la seguridad al igual que las condiciones generales de desarrollo. Es decir, las deficiencias referidas a las condiciones de bienestar de la población local pueden convertirse en restricciones al desarrollo de la actividad turística.

Además, en el caso de que el grado de diferenciación del atractivo no sea expresivo y diste de los importantes centros emisores, las restricciones al flujo masivo en el ámbito internacional deben ser consideradas relevantes. Por ejemplo, al comparar el flujo de turistas que llegan a México y a Brasil debe tenerse en cuenta que el primero cuenta con una frontera geográfica con los Estados Unidos de América, uno de los países que presentan las condiciones más favorables para la emisión de turistas. Esto no significa que no hay lugar para los países en desarrollo que distan de los principales centros que ofrecen condiciones favorables para la emisión de turistas, para que lleven adelante estrategias que posibiliten su inserción en el flujo internacional. Sin embargo, deberán tener en cuenta estas restricciones de manera de responder con acciones creativas que muchas veces no tienen los países ricos.

No obstante, las variables utilizadas en este análisis, tanto al considerar los factores de emisión como los de atracción, muestran posibilidades de cambios al paso del tiempo, ya sea en lo que respecta a la renta per capita, la estructura etaria, los precios relativos, desarrollo, seguridad y, una vez satisfechas esas condiciones, la concentración del flujo turístico puede ofrecer un cambio en la trayectoria observada hasta el momento.

Agradecimiento: A las contribuciones resultantes del seminario presentado en el IPEA y a la colaboración de las alumnas Beatrice Zimmermann y Carla Stoffel.

Referencias bibliográficas

1. Archer, Brian H. 1987 Demand forecasting and estimation. In Travel, Tourism and Hospitality Research, Ritchie, J. R. Brent y Goeldnerm C (edit). John Wiley, New York, pp. 75-85        [ Links ]

2. Crouch, G. I. 1994 The study of international tourism demand: a survey of practices. Journal of Travel Research 32(Spring):41-55        [ Links ]

3. Crouch, G. I. 1996 Demand elasticity in international marketing: a meta-analytical application to tourism. Journal of Business Research 36:117-136        [ Links ]

4. Cruz, M. J. V.; Curado, M. L. 2005 El turismo en la balanza de pagos de Brasil después del Plan Real: el impacto de la tasa de cambio. Estudios y Perspectivas en Turismo. 14:142-168        [ Links ]

5. Divesekera, S. 2003 A model of demand for international tourism. Annals of Tourism Research 30(1):31-49        [ Links ]

6. Eilat, Y.; Einav, L. 2004 The determinants of international tourism: a three-dimensional panel data analysis. Applied Economics 36(1)315-1.327        [ Links ]

7. Frechtling, D. C.  1996 Practice tourism forecasting. Butterworth - Heinemamn, Oxford        [ Links ]

8. Greene, W. H. 1997 Econometric analysis. Prentice-Hall, New Jersey        [ Links ]

9. Judson, R. A.; Owen, A. 1999 Estimating dynamic panel data models: a guide for macroeconomists. Economics Letters 65:9-15        [ Links ]

10. Marques, L. D. 2000 Modelos dinâmicos com dados em painel: revisão de literatura. Centro de Estudos Macroeconômicos e de Previsão, Porto. Disponible en www.fep.up.pt/investigacao/workingpapers/ wp100.PDF. Visitado el 20 de enero de 2004        [ Links ]

11. OMT - Organización Mundial del Turismo 1996 Yearbook of tourism statistics. Madrid        [ Links ]

12. Organización Mundial del Turismo 2001 Tendencias de los mercados turísticos: panorama mundial y temas de actualidad. Madrid         [ Links ]

13. Organización Mundial del Turismo 2003 Yearbook of tourism statistics        [ Links ]

14. Organización de las Naciones Unidas 2002 Human development report: deepening democracy in a fragmented world. Oxford University Press, New York        [ Links ]

15. Prs Group 2000 Country risk guide. The PRS Group, New York. CD-ROM        [ Links ]

16. Pindyck, R. y Rubinfeld, D. 1998 Econometric models and economic forecasts. McGraw-Hill, New York        [ Links ]

17. Sheldon, P. J; Var, .T1985 "Tourism Forecasting: A Review of Empirical Research." Journal of Forecasting, 4 (2): 183-95.        [ Links ]

18. Verbeek, M. 2000 A guide to modern econometrics. John Wiley and Sons, Londres        [ Links ]

19. Witt, S. F;  Witt, C. A.1994 "Forecasting International Tourist Flows." Annals of Tourism Research, 21 (3):612-28.        [ Links ]

20. Witt, S. F;  Witt, C. A.1995 Forecasting tourism demand: a review of empirical research. International Journal of Forecasting, 111:447-475.        [ Links ]

21. WDI 2001 World Development Indicators. The World Bank, Washington D.C.        [ Links ]

22. WDI 2003 World Development Indicators. The World Bank, Washington D.C.        [ Links ]

Sitios Web consultados

23. Sitio oficial de la Organización Mundial del Turismo - OMT (www.unwto.org) - visitado entre abril 2003 y mayo 2004        [ Links ]

Recibido el 02 de junio de 2006.
Correcciones recibidas el 06 de noviembre de 2006.
Aceptado el 06 de enero de 2007.
Arbitrado anónimamente.
Traducido del portugués