A theoretical model-based indirect estimation of the direct and cross price elasticities of demand for tourist goods and services
Notice bibliographique
Résumé
Understanding tourist behavior, demand elasticities and the purchasing power of regular tourists visiting a destination is of great interest to the tourism industry for business strategy and to governments for tourism public policy. We propose a new method to empirically estimate own-price and cross-price elasticities of demand for tourist goods and services, as well as an innovative way to measure the average tourist’s marginal utility of income. In the tourism sector we consider that there are two relevant markets, one for tourist goods and services and the other for accommodation. These are separate but interrelated because of the feedback between demands for lodging and tourism products through a vertical relationship of complementarity. The optimal solution to the tourist choice problem consists of a primary demand for tourist services and a derived demand for overnight stays. We focus on obtaining robust estimates of the elasticities corresponding to the former by forecasting the latter. Most of the empirical modeling of tourism demand consists of ad hoc equations that are not directly attached to a specific theoretical framework. Our paper provides a solid characterization of the empirical linkages between the demands for tourist goods and services and accommodation using economic theory. This paper extends existing theory and also makes an important contribution to the empirics of tourism economics, with an application to the tourism database of Australia, Canada, Spain and the United States that quantifies demand elasticities and identities the socioeconomic status of their respective tourists.
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 | 0,001 |
| 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 ».