Modelling Tourism Demand in Macau: A Panel Analysis
Notice bibliographique
Résumé
This study aims to examine the determinants affecting tourism demand in Macau.Macau is highly dependent on the tourism and gambling industry, and its economic activities are almost fully controlled by these industries.To ensure the sustainable growth of the tourism industry in Macau, it is crucial to identify the factors influencing its tourism demand.A panel regression covering quarterly data of ten major tourist-generating countries from 2010Q1 to 2019Q4 has been employed in this study.The selected determinants include income level of origin countries, transportation cost, and exchange rate.The empirical results from the fully modified ordinary least square (FMOLS) and dynamic ordinary least square (DOLS) models clearly showed that the income levels in origin countries and exchange rate significantly affect tourism demand in Macau.Income level is positively related to tourism demand while the exchange rate adversely affects tourism demand in Macau.Transportation cost, interestingly, is a statistically insignificant determinant for the Macau tourism demand.This is because majority of the tourists visiting Macau are from neighbouring countries such as China and Hong Kong, and thus the travel cost is not their main consideration when deciding to travel.The empirical findings of this study validated the linkage among income level, exchange rate, and transportation cost on tourism demand in Macau.This study is useful for the government and key industry players to design strategic tourism plans for sustainable growth of the tourism industry in Macau.
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 | 0,001 | 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 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 ».