El ciclo económico y la actividad turística

Zusammenfassung

En el capítulo 1, aplicamos el modelo Vector Autor regresivo Fraccionalmente cointegrado (FCVAR con sus siglas en inglés) propuesto por Johansen and Nielsen (2012) y ampliado por Nielsen and Popiel (2016) y es una expansión del Vector Auto Regresivo Cointegrado (CVAR) propuesto por Johansen en 1995. Este modelo nos permite estudiar las posibles relaciones de equilibrio a largo plazo entre distintas variables y, además, estudiar si existe exogeneidad en alguna de ellas, que nos podría relucir información significativa en el mercado turístico español por llegadas de turistas a las regiones. Por tanto, la aplicación de esta metodología es totalmente nueva en la literatura existente, ya que rechaza la asunción de que las variables seleccionadas sigan la dicotomía I (0) I (1) y que el término de error siga un proceso I (0) en el caso de que las series estén cointegradas. Por tanto, esta aproximación nos aportará información útil para los profesionales del turismo y para los encargados de realizar políticas de turismo en España. Por ello, los datos seleccionados se han obtenido del FRONTUR, perteneciente al Instituto Nacional de Estadística (INE). Estos datos corresponden a las llegadas a los principales destinos de turistas por regiones, es decir, hemos dividido en Andalucía, Islas Baleares, Islas Canarias, Cataluña, Comunidad Valenciana, Madrid y el resto de España como una región. La muestra abarca desde enero de 2000 hasta diciembre de 2016, teniendo 204 observaciones ya que los datos tienen una periodicidad mensual. La aplicación de la metodología anteriormente citada sigue una estrategia empírica que consiste en el estudio de la existencia de una tendencia común, mediante la aceptación o rechazo de la hipótesis que contrasta si la cointegracción fraccional es más apropiada que la estándar, que en nuestro caso queda rechazada esta hipótesis por lo que podremos continuar el estudio bajo las premisas de la cointegración fraccional. Un segundo paso correspondería con el estudio de las posibles exclusiones del largo plazo de las regiones dadas. Antes, vemos los posibles vectores de cointegración, que en este sentido son 4. Testando la hipótesis de exclusión, son las Islas Canarias y Madrid las regiones que no comparten la relación a largo plazo con el resto de regiones, lo que puede permitir la consideración de que el mercado podría estar segmentado. Por último, estudiamos la débil exogeneidad para determinar qué región o regiones conducen esta relación. Aquí apreciamos como Cataluña y Madrid son débilmente exógenas, que quiere decir que estas variables se anticipan al comportamiento del resto de regiones, implicando que lo que ocurre en estas regiones corresponden a cuestiones intrínsecas. Estos resultados nos permiten obtener unas conclusiones acerca el comportamiento del mercado turístico español. Por un lado, encontramos que Madrid es totalmente independiente al resto de regiones de España, mientras que Cataluña podría estar configurada como un posible líder en los movimientos del resto de regiones. Por otro lado, en el caso de las Islas Canarias, aunque tiene un comportamiento diferente en el largo plazo, muestra una clara conexión con el resto de regiones españolas. Las implicaciones para los "policy makers" nos llevan a sugerir una atención sobre Cataluña como indicador de los movimientos turísticos en España. Además, aunque la mayoría de regiones están muy relacionadas, algunas se presentan segmentadas. En el capítulo 2 estudiamos las posibles similitudes cíclicas y los co-movimientos de las regiones españolas para estudiar su posible integración. Para ellos hemos aplicado una metodología muy parecida a la que usa el National Bureau of Economic Research (NBER) y desarrollada por Bry and Boschan (1971). Esta metodología corresponde al algoritmo BBQ, aunque en este estudio se aplica el algoritmo BBQ, aunque en este estudio se aplica el algoritmo BBQ modificado (MBBQ) desarrollado por Harding and Pagan (2002). Previamente a la aplicación de este algoritmo, aplicaremos el flitro de Hodrick- Prescott para obtener el ciclo de las series y el filtro TRAMO-SEATS para suavizar las series para posterior identificación de los puntos de inflexión como hacen Gouveia and Rodrigues (2005) en su trabajo. El algoritmo MBBQ nos dará información relevante para el estudio de las similitudes cíclicas y co-movimientos de nuestras regiones, tales como los picos y valles que quedarán definidos por valores binarios, es decir, si una región o país está en expansión tomará el valor 1 y, por lo contrario, si se encuentra en recesión, tomará el valor 0. Además, algunas características de las fases de los ciclos también serán proporcionadas por este algoritmo, tales como la duración, que es el número medio de meses entre puntos de inflexión; la amplitud, que mide el incremento medio; y el exceso que es la medida relativa de la forma de las expansiones y recesiones y que muestran el curso real de las series entre los puntos de inflexión en contra de la trayectoria real. Por último, emplearemos el escalado multidimensional (MDS) para capturar las distancias entre las disimilitudes de las variables seleccionadas. Como hicimos en el capítulo anterior, las variables seleccionadas están tomadas de FRONTUR, pertenecientes al Instituto Nacional de Estadística (INE). Usaremos el número de turistas que llegan a cada región, es decir, hemos dividido las regiones en Andalucía, Islas Baleares, Islas Canarias, Cataluña, Comunidad Valenciana, Madrid y es resto de España como una región. La muestra abarca desde enero de 2000 hasta marzo de 2017. Los resultados obtenidos nos han dado unas herramientas que podrían ayudar a los "policy makers". En primer lugar, en el estudio de los principales ciclos en el mercado turístico español, obtenemos unos puntos de inflexión que concuerdan con la crisis financiera vivida recientemente y que afectó a todas las regiones. Además, encontramos un ciclo cuasi-generalizado que corresponde con la crisis de deuda soberana. También encontramos una sincronización general entre las regiones que es determinada por la estructura de todas ellas. Profundizando en las características del ciclo, encontramos como Cataluña y Madrid tienen características particulares a diferencia del resto de regiones, por lo que se recomienda a los "policy makers" que para poder aplicar una política eficaz, no se debe tener únicamente en cuenta a los ciclos sino, también a la heterogeneidad de cada región. Además, estos resultados evidencian que podría existir una política turística común que coincidiría con las políticas particulares de cada región. En este sentido, si los responsables políticos quieren centrarse en alguna política turística particular, deberían centrarse en Cataluña o Madrid, ya que dirigen al resto de regiones. En el último capítulo, se realiza un ejercicio totalmente distinto a los anteriores, ya que se ha optado por aplicar técnicas de microeconometría, más concretamente haciendo uso de microdatos para determinar el gasto turístico realizado por el turismo internacional. Como variables se utilizan tanto el origen del turista, como los distintos destinos así como la fecha de llegada. La principal ventaja del modelo planteado es que permite estimar el gasto medio realizado por los turistas en función de sus perfiles específicos y del destino elegido. La metodología utilizada también permite ofrecer la posibilidad de predecir los cambios producidos en el gasto turístico cuando alguna de las características se modifica. Esta sistemática permite entender que el análisis dle turismo no se debe abordar sólo desde la perspectiva del número de visitantes que se reciben en un determinado destino turístico, sino desde una preocupación por la rentabilidad de estos destinos. Estos análisis coste-beneficio refuerzan la necesidad de estudios exhaustivos sobre qué parte del gasto turístico realizado por los visitantes revierte en las economías locales como ingresos turísticos. Se podría llegar a determinar un tipo de turista más rentable que la media incluso para los destinos turísticos de masas, que presentaran el mismo nivel de gasto comparables al tradicional turista de calidad. Al mismo tiempo, la Administración Pública, que en muchos casos realiza campaña de promociones genéricas, podría identificar al grupo de turista con mayor propensión al gasto y dirigir la forma más eficiente sus campañas de comunicación sobre destinos turísticos.