| Revista: | Investigación administrativa |
| Base de datos: | |
| Número de sistema: | 000579011 |
| ISSN: | 2448-7678 |
| Autores: | Rodriguez Marin, Mauro1 |
| Instituciones: | 1Instituto Tecnológico y de Estudios Superiores de Monterrey, Monterrey, Nuevo León. México |
| Año: | 2024 |
| Periodo: | Ene-Jun |
| Volumen: | 53 |
| Número: | 133 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Resumen en español | El objetivo es comprender cómo el turismo internacional ha contribuido a la economía mexicana y predecir su desarrollo futuro, considerando el impacto de eventos globales y tendencias de viaje. Se emplea un método de investigación cuantitativo, utilizando el modelo ARIMA para analizar y proyectar ingresos por turismo internacional. Se analizan datos desde 2010 hasta 2023, obtenidos de BANXICO. Los resultados muestran un patrón estacional en los ingresos, con un crecimiento notable desde 2014 hasta antes de la pandemia. Se anticipa una recuperación significativa a partir de 2023, con un aumento del 17.4% en el primer semestre comparado con 2022. Los hallazgos indican que el modelo ARIMA (1,1,2) (1,1,0) es el más adecuado para predecir ingresos por turismo internacional en México. Se proyecta un crecimiento continuo en los ingresos de divisas hasta 2026. La originalidad de este estudio radica en su enfoque en el turismo internacional como una fuente clave de ingresos en divisas para México, utilizando un modelo predictivo avanzado y considerando el impacto de eventos globales recientes. Las limitaciones incluyen la incertidumbre inherente en las proyecciones a largo plazo y la dependencia de patrones y tendencias históricas, que pueden no capturar cambios estructurales futuros. Las conclusiones evidencian que el turismo internacional es un motor económico vital para México, con una tendencia de crecimiento sostenido. El modelo ARIMA proporciona una herramienta eficaz para predecir ingresos futuros, crucial para la planificación estratégica en el sector turístico. Sin embargo, es esencial considerar las limitaciones del modelo y la necesidad de actualizaciones periódicas para adaptarse a cambios en el entorno global. |
| Resumen en inglés | The objective is to understand how international tourism has contributed to the Mexican economy and to predict its future development, considering the impact of global events and travel trends. A quantitative research method is employed, using the ARIMA model to analyze and project income from international tourism. Data from 2010 to 2023, obtained from BANXICO, are analyzed. The results show a seasonal pattern in income, with notable growth from 2014 until before the pandemic. A significant recovery is anticipated from 2023, with an increase of 17.4% in the first half compared to 2022. The findings indicate that the ARIMA (1,1,2) (1,1,0) model is the most suitable for predicting income from international tourism in Mexico. Continuous growth in foreign exchange income is projected until 2026. The originality of this study lies in its focus on international tourism as a key source of foreign exchange income for Mexico, using an advanced predictive model and considering the impact of recent global events. The limitations include the inherent uncertainty in long-term projections and the reliance on historical patterns and trends, which may not capture future structural changes. The conclusions show that international tourism is a vital economic engine for Mexico, with a sustained growth trend. The ARIMA model provides an effective tool for predicting future income, crucial for strategic planning in the tourism sector. However, it is essential to consider the limitations of the model and the need for periodic updates to adapt to changes in the global environment. |
| Disciplinas: | Economía |
| Palabras clave: | Turismo Internacional, Modelo Predictivo ARIMA, COVID-19, Demanda, Econometría |
| Keyword: | International Tourism, Predictive Model ARIMA, COVID-19, Demand, Econometrics |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
