Box-Jenkins Yöntemiyle Turizm Talebinin Tahmin Edilmesi: Türkiye Örneği

Amaç & Hipotez:Türkiye’nin en önemli gelir kaynaklarından biri olan turizm sektöründe gelecek dönemlerdeki olası turizm talebinin belirlenmesi; kaynakların dağıtılması ve planlanması, doğru fiyat politikalarının tespit edilmesi ve uygun pazarlama tekniklerinin seçilmesi açısından önem arz etmektedir.

📊

Temel Bulgular & Veri:Bu nedenle, bu çalışmada Ekim 2021 ve Eylül 2022 (2021:10 – 2022:09) tarihlerindeki Türkiye’ye yönelik turizm talebinin tahmin edilmesi amaçlanmıştır.

💡

Sonuç & Katkı:Çalışmada ayrıca gelecek 12 aya yönelik öngörü yapılmıştır.

🔬Tür:Deneysel Tarla Denemesi

📍Kapsam:2021 Verileri

⚙️Değişkenler:Turizm talebi tahmini · Zaman serisi analizi · Box-Jenkins yöntemi

Özet

Türkiye’nin en önemli gelir kaynaklarından biri olan turizm sektöründe gelecek dönemlerdeki olası turizm talebinin belirlenmesi; kaynakların dağıtılması ve planlanması, doğru fiyat politikalarının tespit edilmesi ve uygun pazarlama tekniklerinin seçilmesi açısından önem arz etmektedir. Bu nedenle, bu çalışmada Ekim 2021 ve Eylül 2022 (2021:10 – 2022:09) tarihlerindeki Türkiye’ye yönelik turizm talebinin tahmin edilmesi amaçlanmıştır. Bu bağlamda turizm talebinin tahmin edilmesinde vekil değişken olarak 1990:01 - 2021:09 zaman aralığında Türkiye’ye gelen turist sayıları verileri kullanılmıştır. Belirtilen dönemde gerçekleşmesi beklenen turizm talebinin tahmin edilmesinde Box-Jenkins yöntemi altında ele alınan ARIMA (entegre otoregresif hareketli ortalama modeli) ve SARIMA (mevsimsel entegre otoregresif hareketli ortalama modeli) modelleri uygulanmıştır. Çalışmanın sonucunda en iyi uyum gösteren modelin, SARIMA (2,1,2)(2,1,0) modeli olduğu belirlenmiştir. Çalışmada ayrıca gelecek 12 aya yönelik öngörü yapılmıştır.

Abstract

Tourism is one of the most important income sources of Turkiye. Therefore, determining the probable tourism for the country in future is critical for the distribution and planning of resources, determination of right price policies and selection of appropriate marketing techniques. In this respect, this study aims to estimate the tourism demand for Turkey in the period of October 2021 and September 2022 (2021:10 – 2022:09). The dataset included the number of tourists coming to Turkiye between 1990:01 - 2021:09 as proxy variable to predict the tourism demand. Two models of Box-Jenkins method namely ARIMA (integrated autoregressive moving average model) and SARIMA (seasonally integrated autoregressive moving average model) models were applied to estimate the expected tourism demand in the stated period. The study reveals that the model with the best fit is the SARIMA (2,1,2)(2,1,0) model. The study also offers a forecast for the coming 12-month period.

Anahtar kelimeler

Turizm talebi tahmini Zaman serisi analizi Box-Jenkins yöntemi Tourism demand forecasting Time series analysis Box-Jenkins method

🔖

Bu Makaleye Atıf Yap

BOZKURT, K., PEKMEZCİ, A., TEKİN, H. A. (2022). Box-Jenkins Yöntemiyle Turizm Talebinin Tahmin Edilmesi: Türkiye Örneği. Anatolia: Turizm Araştırmaları Dergisi, Cilt: 33 - Sayı: 2, 77–86. https://ajindex.com/articles/460720

📄 Tam Metin PDF Okuyucu

Yeni Sekmede Aç ↗

↗Yeni Sekme

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

Akal, M. (2004). Forecasting Turkey’s Tourism Revenues by ARMAX Model, Tourism Management, 25 (5): 565-580.
Au, N. ve Law, R. (2002). Categorical Classification of Tourism Dining, Annals of Tourism Research, 29 (3): 819-833.
Aydın, A., Darıcı, B. ve Taşçı, H. M. (2015). Uluslararası Turizm Talebini Etkileyen Ekonomik Faktörler: Türkiye Üzerine Bir Uygulama, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 45: 143-177.
Box, G. E. P. ve Jenkins, G. M. (1970).
Time Series Analysis, Forecasting and Control. San Francisco: Holden Day. Bull, A., (1995). The Economics of Travel and Tourism. 2nd. Edition, Melbourne: Addison Wesley Longman Australia Pty Ltd. Burger, M. D., Kathrada, M. ve Law, R. (2001). A Practitioners Guide to Time-Series Methods for Tourism Demand Forecasting a Case Study of Durban, South Africa, Tourism Management, 22 (4): 403-409.
Chen, J.C. (2000). Forecasting Method Applications to Recreation and Tourism Demand (PhD Thesis). USA: North Carolina State University. Cho, V. (2001). Tourism Forecasting and its Relationship with Leading Economic Indicators, Journal of Hospitality and Tourism Research, 25 (4): 399-420.
Cho, V. (2003). A Comparison of Three Different Approaches to Tourist Arrival Forecasting, Tourism Management, 24 (3): 323-330.
Chun-Fu, C., Mıng-Cheng, L. ve Chıng-Chıang, Y. (2012). Forecasting Tourism Demand Based on Empirical Mode Decomposition and Neural Network, Knowledge-Based Systems, 26: 281-287.
Çolak, F.D. (2013). Volatilitenin Modellenmesinde ve Öngörülmesinde ARCH Modelleri: IMKB-100 Endeksi Üzerine Bir Uygulama (Basılmamış Yüksek Lisans Tezi). İstanbul: İstanbul Üniversitesi Sosyal Bilimler Enstitüsü. Çuhadar, M. ve Kayacan, C. (2005). Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye’deki Konaklama İşletmeleri Üzerine Bir Deneme, Anatolia: Turizm Araştırmaları Dergisi, 16 (1): 24-30.
Çuhadar, M. (2006). Turizm Sektöründe Talep Tahmini için Yapay Sinir Ağları Kullanımı ve Diğer Yöntemlerle Karşılaştırmalı Analizi (Antalya İlinin Dış Turizm Talebinde Uygulama) (Basılmamış Doktora Tezi), Isparta: Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü. Çuhadar, M. (2013). Türkiye’ye Yönelik Dış Turizm Talebinin MLP, RBF veTDNN Yapay Sinir Ağı Mimarileri ile Modellenmesi ve Tahmini: Karşılaştırmalı Bir Analiz. Journal of Yaşar University, 8 (1): 5274-5295.
Çuhadar, M. (2014). Muğla İline Yönelik Dış Turizm Talebinin Modellenmesi ve 2012-2013 Yılları İçin Tahminlenmesi