Aplicación de técnicas estadísticas multivariantes y modelamiento predictivo para el análisis comparativo del comportamiento de turistas nacionales y extranjeros en la Reserva de Producción de Fauna Chimborazo (2015–2025)
DOI:
https://doi.org/10.70577/sp2s0g33Palabras clave:
Estadísticas Mutivariantes, Modelamiento Predictivo, Reserva Chimborazo, Turistas.Resumen
El presente estudio analizó comparativamente el comportamiento de los turistas nacionales y extranjeros que visitaron la Reserva de Producción de Fauna Chimborazo durante el período 2015–2025, mediante la aplicación de técnicas estadísticas multivariantes y modelos predictivos. Se desarrolló una investigación cuantitativa, de diseño no experimental y carácter longitudinal, utilizando registros mensuales de visitantes y encuestas aplicadas a turistas. Se emplearon estadísticas descriptivas, análisis de correlación, análisis de componentes principales (ACP), análisis de conglomerados, análisis multivariado de la varianza (MANOVA), regresión logística, árboles de decisión y modelos ARIMA. Los resultados evidenciaron una fuerte asociación entre el flujo de turistas nacionales, extranjeros y el total de visitantes. El ACP permitió sintetizar aproximadamente el 90 % de la variabilidad en tres componentes principales. El análisis de conglomerados identificó tres segmentos turísticos: bajo flujo (13,9 %), flujo medio (50,9 %) y alto flujo (35,2 %). El MANOVA confirmó diferencias multivariadas significativas asociadas a la estacionalidad (Pillai = 0,266; p < 0,001), mientras que la regresión logística alcanzó una elevada capacidad predictiva (AUC = 0,963). Asimismo, el modelo ARIMA describió adecuadamente la dinámica temporal y estacional de la demanda turística.Se concluye que la demanda turística de la Reserva de Producción de Fauna Chimborazo está influenciada principalmente por la estacionalidad y la intensidad del flujo de visitantes. La integración de técnicas estadísticas multivariantes y modelos predictivos permitió identificar patrones de comportamiento, segmentar períodos turísticos y generar herramientas útiles para la planificación y gestión sostenible de áreas naturales protegidas.
Descargas
Referencias
Aragones, P., & Graells, M. (2019). Modelos de segmentación y análisis de comportamiento turístico. Editorial Académica Española.
Assaf, A. G., Song, H., Tsionas, M., & Oh, C. O. (2022). Tourism forecasting and demand analysis: Evidence and future directions. Tourism Economics, 28(5), 1121–1143. https://doi.org/10.1177/13548166211012345
Athanasopoulos, G., Hyndman, R. J., Song, H., & Wu, D. C. (2020). The tourism forecasting competition. International Journal of Forecasting, 36(1), 1–15. https://doi.org/10.1016/j.ijforecast.2019.05.009
Betancur, J. D. (2022). Aplicación del análisis multivariado de la varianza (MANOVA) en investigaciones sociales y económicas. Revista Colombiana de Estadística Aplicada, 15(2), 45–60.
Bulla, J. (2013). Modelos ARIMA y pronóstico de series temporales. Universidad Nacional de Colombia.
Canavos, G. C., & Medal, M. (1987). Probabilidad y estadística: Aplicaciones y métodos. McGraw-Hill.
Collado, J., García, R., & Martín, F. (2007a). Modelos de clasificación aplicados a estudios de mercado. Pearson Educación.
Collado, J., García, R., & Martín, F. (2007b). Regresión logística y técnicas predictivas en ciencias sociales. Pearson Educación.
Chávez Quisbert, C. (1997). Metodología de la investigación científica. Editorial Universitaria.
Chumpitazi Dulanto, L., & Hinostroza Flores, N. (2021). Impacto del COVID-19 en la actividad turística y los flujos de visitantes en áreas protegidas. Revista Turismo y Desarrollo, 12(1), 27–41.
Dolnicar, S. (2022). Cluster analysis in tourism. En J. Jafari & H. Xiao (Eds.), Encyclopedia of Tourism. Springer. https://doi.org/10.1007/978-3-319-01669-6_319-2
Domínguez, M., Ramírez, L., & Torres, J. (s. f.). Caracterización de perfiles turísticos y análisis de demanda. Editorial Académica.
Fernández, C., Hernández, R., & Baptista, P. (2002). Metodología de la investigación (3.ª ed.). McGraw-Hill.
Fernández López, S., Muñoz, A., & Rodríguez, M. (2020). Aplicación de técnicas multivariantes en el análisis de perfiles turísticos. Revista Internacional de Turismo, Empresa y Territorio, 4(2), 55–74.
Gurrea, R. (s. f.). Análisis de componentes principales y reducción de dimensionalidad. Universidad de Zaragoza.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2022). Multivariate data analysis (9th ed.). Cengage Learning.
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R (2nd ed.). Springer. https://doi.org/10.1007/978-1-0716-1418-1
Landaluce Calvo, M. I. (2017). Series temporales y pronósticos económicos. Editorial Pirámide.
Mejía, D., Salazar, P., & López, F. (2016). Aplicación del análisis de componentes principales en estudios multidimensionales. Revista Colombiana de Estadística, 39(2), 123–138.
Murphy, T. J. (2024). Multivariate analysis of variance (MANOVA). Statistical Design and Analysis of Experiments with R. https://tjmurphy.github.io/jabstb/manova.html
Proaño Ponce, J. (2020). Aplicación de árboles de decisión en el análisis de variables turísticas. Revista Ecuatoriana de Estadística Aplicada, 9(1), 88–101.
Ramírez Muñoz, M. (2021). Métodos multivariantes aplicados a la investigación turística. Editorial Alfaomega.
Song, H., Qiu, R. T. R., & Park, J. (2022). Tourism forecasting: Methods and applications. Annals of Tourism Research, 94, 103385. https://doi.org/10.1016/j.annals.2022.103385
Song, H., Witt, S. F., & Li, G. (2019). Tourism demand modelling and forecasting: Modern econometric approaches. Routledge.
Tiwari, M., & Tripathi, S. (2023). Application of clustering algorithms on tourism industry. International Journal for Research in Applied Science and Engineering Technology, 11(7), 742–748. https://doi.org/10.22214/ijraset.2023.51380
Tkaczynski, A., Rundle-Thiele, S., & Beaumont, N. (2015). Segmentación de mercados turísticos y análisis multivariante. Tourism Management Perspectives, 16, 67–76. https://doi.org/10.1016/j.tmp.2015.06.001
United Nations World Tourism Organization. (2023). UNWTO World Tourism Barometer. UNWTO. https://www.unwto.org
Vásconez Rosero, M. (2025). Segmentación estadística de mercados turísticos mediante técnicas de clustering. Universidad Técnica del Norte.
Veritt, R., Sánchez, P., & Molina, A. (s. f.). Análisis de conglomerados aplicado a perfiles de visitantes. Editorial Académica.
Zhang, C., Hu, A.-Y., & Tian, Y.-X. (2023). Daily tourism forecasting through a novel method based on principal component analysis, grey wolf optimizer, and extreme learning machine. Journal of Forecasting, 42(8), 2121–2138. https://doi.org/10.1002/for.3007
Zhao, X. (2023). Tourism demand forecasting using PCA-BPNN. Academic Journal of Computing & Information Science, 6(9), 72–80. https://doi.org/10.25236/AJCIS.2023.060911
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Samuel Tobias López Cruz , Andrea Damaris Hernández Allauca (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
