Published December 1, 2021 | Version v1
Book chapter Open

Evolución del turismo receptivo de uruguay en 2004-2017 mediante métodos de clusters longitudinales ( Evolution of receptive tourism in Uruguay in 2004-2017 using longitudinal cluster methods)

  • 1. Universidad de la República

Description

Abstract.
Tourism is considered as an engine of development, due to the positive impact on the Gross Domestic Product (GDP), employment, and exports. In Uruguay, according to indicators from the Ministry of Tourism: in 2018 it represented 8.1 % of
GDP (according to the Tourism Satellite Account), 6.5 % of the country’s total jobs, 19 % of total exports, and 44 % of exports of services. To analyze the evolution of inbound tourism in Uruguay, we work with the series of visitors and their spending,produced by the Ministry of Tourism, constant and current dollars. To elaborate groups of trajectories of both variables, considering 9 destinations (Montevideo, Punta del Este, Colonia, Litoral Termal, Costa de Oro, Costa de Rocha, Piriapolis, Others and transit) and the variable number of visits, a visitor typology is identified and its temporal and spatial dynamics are studied. These 9 destinations are combi-
ned with the number of arrivals to the country of the group of visitors, that is, if it is the first time they arrive in the country or if they repeat the visit, which generates 18 trajectories. Clusters of trajectories are generated independently, using the kml
algorithm (kmeans for longitudinal data), for the variables Total visitors and Total Expenditure. Clusters are generated, which correspond mainly to 2 destinations in each typology (Montevideo and Punta del Este), while the remaining destinations
are combined differently depending on the Total Visitors or Total Expenditure. 

 

Resumen.

El Turismo es considerado un motor del desarrollo, por su impacto positivo en el Producto Bruto Interno (PBI), en el empleo y en las exportaciones. En Uruguay, según indicadores del Ministerio de Turismo: en 2018 representó el 8, 1 % del PIB (según la Cuenta Satélite de Turismo), el 6, 5 % de los puestos de trabajo totales del paı́s, el 19 % de las exportaciones totales y el 44 % de las exportaciones de servicios. Para poder analizar la evolución del turismo receptivo en Uruguay, se trabaja con las series de visitantes y el gasto de los mismos, que produce el Ministerio de Turismo, en dólares constantes y corrientes. A efectos de determinar grupos de trayectorias de ambas variables, considerando 9 destinos (Montevideo,Punta del Este, Colonia, Litoral Termal, Costa de Oro, Costa de Rocha, Piriápolis,Otros y En tránsito) y la variable frecuencia de la visita, se identifica una tipologı́a de visitante y se estudia su dinámica temporal y espacial: Los 9 destinos se combinan con el número de llegadas al paı́s del grupo de visitantes, es decir si es la primera vez que lo hacen o si repiten visita, dando lugar a 18 trayectorias.
Se generan clusters de trayectorias en forma independiente, usando el método kml (kmeans para datos longitudinales), para las variables Total de visitantes y Gasto Total. Se generan clusters, que corresponden mayoritariamente a 2 destinos
en cada tipologı́a (Montevideo y Punta del Este), mientras que los restantes destinos se combinan de forma diferente según sea el Total de Visitantes o el Gasto Total.

 

 

Files

EPyAA 2021_cap6.pdf

Files (524.6 kB)

Name Size Download all
md5:a7ed87a4d2a3cdee80314281a8f66845
524.6 kB Preview Download

Additional details

References

  • S. Altmark, G. Mordecki, W. Risso, W. y F. Santiñaque, Argentinian and Brazilian Demands for Tourism in Uruguay Tourism Analysis, 8:73–182, 2013.
  • S. Altmark, y K. Larruina, Empleo total y empleo turı́stico, Uruguay 2018, IX Jornadas Académicas de la Facultad de Ciencias Económicas y de Admi- nistración. Montevideo, Uruguay., 2019.
  • J. Brida,S. Zapata-Aguirre, E. Riaño, Percepciones de los residentes acer- ca de los impactos del turismo de cruceros en la comunidad: un análisis factorial y de clusters , Cuadernos de Turismo, 29, 79–107, 2012.
  • G. Genolini, y B. Falissard, KmL: K-means for longitudinal data. Compu- tational Statistics, 25(2):317–328, 2010.
  • C. Genolini, X. Alacoque, M. Sentenac y C. Arnaud ,kml and kml3d: R packages to cluster longitudinal data , Journal of Statistical Software, 65(4):1– 34, 2015.
  • L. Kaufman, y P. Rousseeuw, Finding Groups in Data: An Introduction to Cluster Analysis, Hoboken: John Wiley & Sons, 1990.
  • T. Lumley, Analysis of complex survey samples, Journal of Statistical Soft- ware, 9(1): 1–19, 2004.
  • M. Maechler, P. Rousseeuw, A. Struyf, M. Hubert and K. Hornik, Cluster Analysis Basics and Extensions, R package version 2.0.2., 2015.
  • R. Mantero, N. Perelmuter y I. Sueiro, Determinantes económicos del turismo receptivo en Uruguay, CINVE, 2004.
  • Ministerio de Turismo, Anuario Estadı́sticas de Turismo https://www.gub.uy/ministerio-turismo/politicas-y-gestion/anuarios- estadisticos, 2019.
  • Dirección Nacional de Planificación de la OPP, Ha- cia una Estrategia Nacional de Desarrollo Uruguay 2050, en https://www.opp.gub.uy/es/node/2813, Abril, 2019.
  • J. Ramsay, y B. Silverman, Functional Data Analysis, 2da ed. New York: Springer, 2005
  • V. Robano, Determinantes del turismo receptivo en Uruguay, XV Jornadas de Economı́a del Banco Central del Uruguay. Montevideo, Uruguay., 2000.
  • T. Tarpey y K. Kinateder, Clustering functional data,Journal of Classifi- cation, 20 (1): 93–114, 2003.
  • T. Tibshirani, J. Gareth, T. Hastie, y D. Witten, D. An Introduction to Statistical Learning with Applications in R, Springer, 2013.