Forecasting the number of incoming tourists using Arima model: case study from Armenia
Notice bibliographique
Résumé
This paper summarizes the arguments and counterarguments within the scientific discussion on the issue of forecasting tourism demand and touristic flows. During COVID-19 tourism sphere suffered a lot in the whole world. Many countries try to do forecasts and make recovery plans for tourism. Tourism has been a growing sphere in Armenia in recent years. However, the number of incoming tourists decreased by 80 percent because of the pandemic. The main purpose of the research is to forecast tourism demand in the Republic of Armenia. Systematization of scientific sources and approaches for solving the problem identified many methods and models for doing forecasts. The variables used to depend on the method selected. For gaining the research goal, the study was carried out in the following logical sequence: 1) discussion on some literature sources; 2) analysis of the current situation of tourism in Armenia; 3) interpretation of forecast results; 4) providing some recommendations. The methodological tool of the research was mainly the ARIMA method. The data rest on the publications of the Statistical Committee of the Republic of Armenia. Time series for the number of incoming tourists include from 2001-Q1 till 2019-Q4 data. 2020 was not included in the model, as there was a sharp decline. Besides, in the second quarter of 2020, there were no tourists at all because of restrictions and flight cancellations. The obtained data show that if there were no pandemic, the number of incoming tourists would increase on average by 12.81% in 2021, 13.42% – in 2022, and 13.66% – in 2023. The results are realistic. The tourism sphere is expected to grow in 2021. This paper suggested some steps for recovering and restoring tourism, particularly by using aggressive marketing strategies, word-of-mouth, influencer marketing, etc. The research results could be useful for state organs of the sphere to forecast their strategic policies. The applied approach and suggestions may be helpful in many countries which try to restart tourism after the pandemic.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».