Prediciendo la llegada de turistas a Colombia a partir de los criterios de Google Trends
| Autor | Alexander Correa |
| Cargo | Profesor asociado de la Universidad EAN |
| Páginas | 2-30 |
Pre-Impresión
Lecturas de Economía, 95 (julio-diciembre 2021), pp. 1-30
Alexander Correa
Prediciendo la llegada de turistas a Colombia a partir de los criterios de Google
Trends
Resumen: Este artículo examina si los criterios de búsqueda de Google Trends son útiles para predecir
la llegada mensual de turistas a Colombia. Para este fin, se compara un modelo base que utiliza como
predictor los rezagos propios de la llegada de turistas con dos especificaciones alternativas: (i) el modelo
base aumentado con la inclusión de datos mensuales de Google Trends; y (ii) el modelo base, pero
modificado con la inclusión de datos semanales de Google Trends. Los resultados obtenidos presentan
evidencia estadísticamente significativa que los datos de Google Trends aportan beneficios a la evaluación
y predicción de llegadas de turistas a Colombia. En particular, se encuentra que datos de alta frecuencia
(semanales) agregan alto valor predictivo en comparación con los modelos que usan datos de la misma
frecuencia (mensuales). De este modo, la industria del turismo y los encargados de la política pública
de turismo pueden apoyarse de la capacidad predictiva de los datos de Google Trends para mejorar sus
procesos de planeación en el corto y mediano plazo.
Palabras clave: demanda de turismo; Google Trends; proyecciones; mixed data sampling; llegada de
turistas.
Clasificación JEL: C53, L83, Z32.
Forecasting Tourist Arrivals to Colombia From Google Trends Search Criteria
Abstract: This study examines whether the Google Trends search criteria are useful in forecasting the
monthly arrival of tourists to Colombia. To this end, a baseline model that employs as predictor the lags
values of tourist arrivals is compared with two alternative specifications: (i) the baseline model augmented
with monthly data from Google Trends; and (ii) the baseline model, but modified with the inclusion of
weekly data from Google Trends. The results show statistically significant evidence that Google Trends
data provide benefits for the evaluation and prediction of tourist arrivals to Colombia. In particular,
high-frequency (weekly) data adds high predictive value compared to models that use data of the same
frequency (monthly). In this way, the tourism industry and those in charge of tourism public policy can
rely on the predictive capacity of Google Trends data to improve their planning processes in the short
and medium run.
Keywords: tourism demand; Google Trends; forecasting; Mixed Data Sampling; tourist arrivals.
https://doi.org/10.17533/udea.le.n95a343462
Este artículo y sus anexos se distribuyen por la revista Lecturas de Economía bajo los términos de la Licencia Creative
Commons Atribución-NoComercial-CompartirIgual 4.0. https://creativecommons.org/licenses/by-nc-sa/4.0/
Pre-Impresión
Ut purus elit, vestibulum ut, placerat ac, adipiscing vitae, felis
Résumé: Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Ut purus elit, vestibulum ut,
placerat ac, adipiscing vitae, felis. Curabitur dictum gravida mauris. Nam arcu libero, nonummy
eget, consectetuer id, vulputate a, magna. Donec vehicula augue eu neque. Pellentesque habitant morbi
tristique senectus et netus et malesuada fames ac turpis egestas. Mauris ut leo. Cras viverra metus rhoncus
sem. Nulla et lectus vestibulum urna fringilla ultrices. Phasellus eu tellus sit amet tortor gravida placerat.
Integer sapien est, iaculis in, pretium quis, viverra ac, nunc. Praesent eget sem vel leo ultrices bibendum.
Aenean faucibus. Morbi dolor nulla, malesuada eu, pulvinar at, mollis ac, nulla. Curabitur auctor
semper nulla. Donec varius orci eget risus. Duis nibh mi, congue eu, accumsan eleifend, sagittis quis,
diam. Duis eget orci sit amet orci dignissim rutrum.
Mots clés: Lorem; ipsum dolor sit amet, consectetuer adipiscing elit.
Cómo citar / How to cite this item:
Correa, A. (2021). Prediciendo la llegada de turistas a Colombia a partir de los criterios
de Google Trends. Lecturas de Economía,95, 1-30.
https://doi.org/10.17533/udea.le.n95a343462
Para continuar leyendo
Solicita tu prueba