A Panel Unit Root and Panel Cointegration Test of the Modeling International Tourism Demand in India
Notice bibliographique
Résumé
This paper sought to find the long-run relationships between international tourist arrivals in India with economic variables such as GDP, transportation costs and the exchange rate for the period from 2002-2006. The cointegration techniques used was based on Panel Cointegration Test as well as both the OLS estimator and DOLS estimator were used to find long-run relationship of the international tourism demand model for India. This paper used the five standard method test for Panel Unit Root Tests such as Levin, Lin and Chu (2002), Breitung (2000), Im, Pesaran and Shin (2003), Maddala and Wu (1999) and Choi (2001) and Handri (1999). The long-run results indicate that growth in income (GDP) of India’s major tourist source markets has a positive impact on international visitor arrivals to India. These empirical results imply that when GDP of international major tourist source market such as England, America, Canada, France, German, Japan, Malaysia, Australia, Singapore and Korea increasing 1% then the number of international visitor arrivals to India increasing about 3% to 4%. As well as when transportation cost of these country increasing 1% then the number of international visitor arrivals to India increasing about 0.3% to 0.6%. Finally when the value of India’s currency strong than the value of these country’s currency increasing 1% then the number of international visitor arrivals to India decreasing 0.003% to 0.006%. Furthermore mostly findings were consistent with economic theory and the implications of the model can be use for policy making
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».