Effects of Economic Factors on Demand for Luxury Hotel Rooms in the U.S.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study is to estimate the effects of economic \nfactors on the demand for luxury hotel rooms in the United \nStates during the 16-year period (1998 - 2013). The average daily \nrate of six types of hotel rooms, gross domestic product and two \nrecessions (2001 and 2007-2009) are considered as independent \nvariables in the sample of the time series data set of 192 points to \npredict luxury room night stays of customers by ex-post data. \nAutoregressive Distributed Lag Model is employed to select the \nbest model of luxury hotel demand on its determinants in the \nshort and long run relationships. Findings indicate that in the \nlong run, (1) the US residents would stay more nights in luxury \nhotels when their income increases; (2) the Canadian and UK \nmight not visit or stay in the luxury hotels in the U.S. when their \nincome or luxury hotel price increases; and (3) the German, \nJapanese, Korean and Chinese visitors would stay in the luxury \nhotels in the U.S. when their incomes increase no matter what the \nluxury hotel price increases. In the short run, the Chinese, \nJapanese, and Korean might not stay in the luxury hotels in the \nU.S. when their income or hotel price increases. The English \nwould stay in the luxury hotels when their income or luxury \nhotel price increases. Finally, the two US economy recessions in \n2001 and 2007-2009 do not affect the demand for luxury hotel \nrooms in the long run.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle