SciELO - Scientific Electronic Library Online

 
vol.16 número4Análisis de la demanda turística del Brasil: Una aproximación comparativa con la República de Sudáfrica, Arabia Saudita, Australia, Egipto y TurquíaEl carácter social del turismo: Un análisis sistémico sobre su complejidad índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Bookmark


Estudios y perspectivas en turismo

versión On-line ISSN 1851-1732

Estud. perspect. tur. v.16 n.4 Ciudad Autónoma de Buenos Aires oct./dic. 2007

 

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:

yit = αi + β' χit + εit (1)

De manera que:

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

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

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

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

εit 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 Xit 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, ait se refiere a los determinantes de emisión no observados econométricamente y eit 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:

qteit: 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;

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

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

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

ait: intercepto individual de cada individuo cross-section;

eit : 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 (qteit) 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 Xdt.  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, adt se refiere a determinantes del fijo receptivo no observados por el modelo (factores fijos) y edt  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:

idhit: IDH del país i en el tiempo t;

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

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

adt: intercepto individual de cada individuo cross-section;

edt:  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