Прогнозування туристичного попиту на основі ARIMA-моделювання: на прикладі Вірменії

Автори:
Гаяне Товмасян1,2
1. Вірменський державний економічний університет (Республіка Вірменія)
2. Академія державного управління Республіки Вірменія (Республіка Вірменія)
Сторінки:
139 - 148
Мова оригіналу:
Англійська
Цитувати як:
Tovmasyan, G. (2021). Forecasting the Number of Incoming Tourists using ARIMA Model: Case Study from Armenia. Marketing and Management of Innovations, 3, 139-148. http://doi.org/10.21272/mmi.2021.3-12
Отримано:
20.07.2021
Прийнято:
03.09.2021
Опубліковано:
13.09.2021


Анотація

У статті узагальнено аргументи та контраргументи у рамках наукової дискусії щодо методів прогнозування попиту у туристичному секторі. У статті наголошено, що туристична галузь Республіки Вірменія стрімко розвивається. Однак, внаслідок настання пандемії COVID-19 кількість туристів скоротилась майже на 80%. Пандемія COVID-19 спричинила значні збитки у туристичній індустрії всього світу. З огляду на це, доцільним є прогнозування розвитку туристичного сектору з метою формування ефективної стратегії його відновлення. Метою дослідження є прогнозування розвитку туристичного попиту в Республіці Вірменія. Для досягнення поставленої мети, дане дослідження проведено у наступній логічній послідовності: 1) огляд наукових напрацювань з даної проблематики; 2) аналіз розвитку туристичної індустрії Республіки Вірменія; 3) інтерпретація отриманих результатів прогнозування; 4) формування рекомендацій відповідно до отриманих прогностичних даних. За результатами аналізу наукових напрацювань та підходів до вирішення досліджуваної проблематики було узагальнено інструментарій та моделі прогнозування. Встановлено, що змінні моделей залежать від обраного методу прогнозування. Зважаючи на це, автором запропоновано використовувати модель ARIMA. Емпіричний аналіз базується на даних Статистичного комітету Республіки Вірменія з 2001 по 2019 рік. До вибірки дослідження не включено дані за 2020 рік, через різке скорочення кількості міждержавних туристів. Наголошено, що через жорсткі обмеження та скасування рейсів, у другому кварталі 2020 року у країні не було зареєстровано жодного іноземного туриста. За результатами прогнозування встановлено, що у випадку відсутності пандемії, кількість приїжджих туристів зросла б у середньому на 12,81% у 2021 році, на 13,42% – у 2022 році та 13,66% – у 2023 році. При цьому отримані результати дають підстави стверджувати, що на кінець 2021 року кількість туристів зросла б. У роботі надано рекомендації щодо відновлення сфери туризму, зокрема, за допомогою агресивних маркетингових стратегій, сарафанного радіо, інфлюенсерів тощо. Результати дослідження можуть бути корисними для органів державної влади під час формування стратегічної політики у сфері туризму. Запропонований підхід та пропозиції є актуальними для різних країн, які намагаються відновити туристичний сектор від негативного впливу пандемії.


Ключові слова
туризм, пандемія, ARIMA, прогноз, маркетинг.


Посилання
  1. Andreoni, A., & Postorino, M. N. (2006). A multivariate ARIMA model to forecast air transport demand. Proceedings of the Association for European Transport and Contributors, 1-14. [Google Scholar]
  2. Bigovic, M. (2012). Demand forecasting within Montenegrin tourism using Box-Jenkins methodology for seasonal ARIMA models. Tourism and Hospitality Management, 18(1), 1-18. [Google Scholar] [CrossRef]
  3. Box, G.E.P., & Jenkins, G.M. (1970). Time series analysis: Forecasting and control, San Francisco: Holden-Day. [Google Scholar]
  4. Chan, Y.M. (1993), Forecasting tourism: A sine wave time series regression approach. Journal of Travel Research, 32 (2), 58-60, [CrossRef] [Google Scholar]
  5. Cho, V. (2001). Tourism forecasting and its relationship with leading economic indicators. Journal of Hospitality & Tourism Research, 25(4), 399-420. [Google Scholar] [CrossRef]
  6. Chu, F. L. (2009). Forecasting tourism demand with ARMA-based methods. Tourism Management, 30(5), 740-751. [Google Scholar] [CrossRef]
  7. Dharmaratne, G.S. (1995), Forecasting tourist arrivals in Barbados, Annals of Tourism Research, 22 (4), 804-818, [CrossRef] [Google Scholar]
  8. Dritsakis, N. (2004), Cointegration analysis of German and British tourism demand for Greece, Tourism Management, 25 (1), 111-119.  [CrossRef] [Google Scholar]
  9. Dritsakis, N., & Athanasiadis, S. (2000). An econometric model of tourist demand: The case of Greece. Journal of hospitality & leisure marketing, 7(2), 39-49. [Google Scholar] [CrossRef]
  10. Enders, W․ (2010). Applied Econometric Time Series (Third ed.). New York: Wiley. 544p., ISBN 978-0470-50539-7.
  11. ForecastXL software package, Retrieved from [Link]
  12. Ghalehkhondabi, I., Ardjmand, E., Young, W. A., & Weckman, G. R. (2019). A review of demand forecasting models and methodological developments within tourism and passenger transportation industry. Journal of Tourism Futures, 5(1), 75-93. [Google Scholar] [CrossRef]
  13. Goh, C. (2012), Exploring impact of climate on tourism demand, Annals of Tourism Research, 39 (4), 1859-1883, [CrossRef] [Google Scholar]
  14. Goh, C., & Law, R. (2002). Modeling and forecasting tourism demand for arrivals with stochastic nonstationary seasonality and intervention. Tourism management, 23(5), 499-510. [Google Scholar] [CrossRef]
  15. Huang, J.H., Min, J.C. (2002), Earthquake devastation and recovery in tourism: The Taiwan case, Tourism Management, 23 (2), 145-154, [Crossref] [Google Scholar]
  16. Johnston, J., & DiNardo, J. (1996), Econometric methods, McGraw-Hill economics series, 531p. Retrieved from [Link]
  17. Kaynak, E., Bloom, J., Leibold M. (1994), Using the Delphi technique to predict future tourism potential, Marketing Intelligence & Planning, 12 (7), 18-29, [CrossRef] [Google Scholar]
  18. Kim, J.H. (1999), Forecasting monthly tourist departures from Australia, Tourism Economics, 5 (3), 277-291, [CrossRef] [Google Scholar]
  19. Kim, Y., Uysal M. (1998), Time-dependent analysis for international hotel demand in Seoul, Tourism Economics, 4 (3), 253-263 [CrossRef] [Google Scholar]
  20. Kulendran, N., Wong, K.K. (2005), Modeling seasonality in tourism forecasting, Journal of Travel Research, 44 (2), 163-170, [CrossRef] [Google Scholar]
  21. Lee, C.K., Song, H.J., Mjelde, J.W.  (2008), The forecasting of International Expo tourism using quantitative and qualitative techniques, Tourism Management, 29 (6), 1084-1098, [CrossRef] [Google Scholar]
  22. Li G., (2009) Tourism Demand Modelling and Forecasting: A Review of Literature related to Greater China, Journal of China Tourism Research, 5: 2-40,  [Google Scholar]  [CrossRef
  23. Li, G., Song, H., Witt S.F. (2006), Time varying parameter and fixed parameter linear AIDS: An application to tourism demand forecasting, International Journal of Forecasting, 22 (1), 57-71,[CrossRef] [Google Scholar]
  24. Li G., Song H., Witt S.F. (2006) Forecasting Tourism Demand Using Econometric Models, in Buhalis  D,  Costa  C  (eds.) Tourism  management  dynamics:  Trends,  Management  and Tools Butterworth-Heinemann: Oxford, 2006, 219-228, [Google Scholar] [CrossRef]
  25. Lim, C., McAleer, M. (2000), A seasonal analysis of Asian tourist arrivals to Australia, Applied Economics, 32 (4), 499-509, [CrossRef] [Google Scholar]
  26. Lin, V.S., Liu, A., Song, H. (2015), Modeling and forecasting Chinese outbound tourism: An econometric approach, Journal of Travel & Tourism Marketing, 32 (1–2), 34-49, [CrossRef] [Google Scholar]
  27. Loganathan, N., Ibrahim, Y. (2010), “Forecasting international tourism demand in Malaysia using Box Jenkins Sarima application”, South Asian Journal of Tourism and Heritage, Vol. 3 No. 2, 50-60 [Google Scholar]
  28. Milenkovic, M., Bojovic, N., Macura, D., Nuhodzic, R. (2013), “Kalman filtering applied to forecasting the demand for railway passenger services”, 16th International Conference on Transport Science, Riga, [Google Scholar]
  29. Pattie, D.C., Snyder J. (1996), Using a neural network to forecast visitor behavior, Annals of Tourism Research, 23 (1), 151-164, [CrossRef] [Google Scholar]
  30. Petrevska B., (2017) Predicting tourism demand by A.R.I.M.A. models, Economic Research/ Ekonomska Istraživanja, VOL. 30, NO. 1, 939-950, [Google Scholar[CrossRef]
  31. Poghosyan, K., Tovmasyan, G. (2021). Modelling and Forecasting Domestic Tourism. Case Study from Armenia. SocioEconomic Challenges, 5(2), 96-110. [CrossRef]
  32. Shen, S., Li, G., Song H. (2011), Combination forecasts of international tourism demand, Annals of Tourism Research, 38 (1), 72-89, [CrossRef] [Google Scholar]
  33. Smeral, E., Wüger, M. (2005). Does complexity matter? Methods for improving forecasting accuracy in tourism: The case of Australia. Journal of Travel Research, 44, 100-110. [Google Scholar[CrossRef]
  34. Song, H., Li, G., (2008), Tourism Demand Modelling and Forecasting. A Review of Recent Research, Tourism Management, vol. 29, Issue 2, 203-220, [Google Scholar] [CrossRef]
  35. Song, H., Lin S. (2010), Impacts of the financial and economic crisis on tourism in Asia, Journal of Travel Research, 49 (1), 16-30, [CrossRef] [Google Scholar]
  36. Song, H., Witt, S.F. (2003), Tourism forecasting: The general-to-specific approach, Journal of Travel Research, 42 (1), 65-74, [CrossRef] [Google Scholar]
  37. Statistical Committee of the Republic of Armenia. (2021). The socio-economic situation in the RA.  Retrieved from[Link]  
  38. Tovmasyan, G., (2020) The negative impact of ''COVID-19'' on tourism sphere of the RA, Messenger of Eurasia International University, N 1, 153-171 Retrieved from  [Link]
  39. Tovmasyan, G. The problems of tourism development in the Republic of Armenia (monograph), Yerevan, Meknark LLC, 622 p. 
  40. Unhapipat, C., Unhapipat, S., (2018) ARIMA model to forecast international tourist visit in Bumthang, Bhutan, IOP Conf. Series: Journal of Physics: Conf. Series 1039, [Google Scholar]
  41. UNWTO, (2011) Tourism Towards 2030 / Global Overview, Advance edition presented at UNWTO 19th General Assembly – 10 October 2011, p. 15, Retrieved from [Link]  
  42. UNWTO (2020), World Tourism Barometer and Statistical Annex, 18(1), p. 1, Retrieved from [Link]
  43. Wang, Y.S. (2009), The impact of crisis events and macroeconomic activity on Taiwan's international inbound tourism demand, Tourism Management, 30 (1), 75-82, [CrossRef] [Google Scholar]
  44. Witt, S.F., Newbould, G.D., Watkins, A.J. (1992), Forecasting domestic tourism demand: Application to Las Vegas arrivals data, Journal of Travel Research, 31 (1), 36-41, [CrossRef] [Google Scholar]
  45. Wong, K.K., Song, H., Chon K.S. (2006), Bayesian models for tourism demand forecasting, Tourism Management, 27 (5), 773-780, [CrossRef] [Google Scholar]
  46. Wong, K.K., Song, H., Witt, S.F., Wu D.C. (2007), Tourism forecasting: To combine or not to combine? Tourism Management, 28 (4), 1068-1078, [CrossRef] [Google Scholar]
  47. World Travel and Tourism Council (2020), Armenia 2020, Annual research: Key highlights, p. 1, Retrieved from  [Link]
  48. Yap G. C., (2010) An econometric analysis of Australian domestic tourism demand, 311p., Edith Cowan University, [Google Scholar [Link]
  49. UNWTO, 2020: Worst year in tourism history with 1 billion fewer international arrivals, Retrieved from [Link]