evaluaciÓn de la competitividad de hoteles...
TRANSCRIPT
FACULTAD DE CIENCIAS EMPRESARIALES
Carrera de Marketing
EVALUACIÓN DE LA COMPETITIVIDAD DE
HOTELES PERUANOS DE 3 ESTRELLAS
FRENTE A CADENAS HOTELERAS EN LIMA
Trabajo de investigación para optar el Título Profesional de
Bachiller en Marketing
CAROLINE ARIANE PANDO SOLANO
Lima - Perú
2017-01
2
ÍNDICE DE CONTENIDOS
RESUMEN ................................................................................................................................... 4
CAPÍTULO I: INTRODUCCIÓN ............................................................................................. 5
1. Problema de investigación. ................................................................................................. 5
1.1. Planteamiento del problema ....................................................................................... 5
1.2. Formulación del problema ....................................................................................... 16
1.2.1. Problema general ............................................................................................... 16
1.2.2. Problemas específicos ........................................................................................ 17
1.3. Justificación de la investigación ............................................................................... 17
2. MARCO REFERENCIAL ............................................................................................... 19
2.1. Antecedentes de la investigación .............................................................................. 19
2.2. Marco teórico ............................................................................................................. 22
3. OBJETIVOS E HIPÓTESIS ............................................................................................ 35
3.1. Objetivos .................................................................................................................... 35
3.1.1. Objetivo general ................................................................................................ 35
3.1.2. Objetivos específicos ......................................................................................... 36
3.2. Hipótesis general ....................................................................................................... 36
3.3. Hipótesis específicas .................................................................................................. 37
CAPÍTULO II: METODOLOGÍA .......................................................................................... 39
4. TIPO Y DISEÑO DE LA INVESTIGACIÓN ................................................................ 39
4.1. Tipo de la investigación ............................................................................................. 39
4.2. Diseño de la investigación ......................................................................................... 39
5. VARIABLES ..................................................................................................................... 40
5.1. Variables dependientes ............................................................................................. 40
5.2. Variables independientes .......................................................................................... 40
6. METODOLOGÍA ............................................................................................................. 41
7. MODELO ........................................................................................................................... 42
8. MUESTRA ......................................................................................................................... 43
8.1. DEFINICIÓN ............................................................................................................ 43
8.2. ESTRUCTURA ......................................................................................................... 43
9. INSTRUMENTOS DE INVESTIGACIÓN .................................................................... 44
CAPÍTULO III: RESULTADOS ............................................................................................. 45
10. PRESENTACIÓN DE RESULTADOS....................................................................... 45
11. DISCUSIÓN ................................................................................................................... 49
12. CONCLUSIONES ......................................................................................................... 50
3
13. RECOMENDACIONES ............................................................................................... 52
REFERENCIAS ........................................................................................................................ 54
ANEXOS .................................................................................................................................... 59
4
Evaluación de la competitividad de hoteles peruanos de 3 estrellas
frente a cadenas hoteleras en Lima
Caroline Ariane Pando Solano1
RESUMEN
En el presente trabajo se efectuó la evaluación de la competitividad de los hoteles de 3
estrellas (peruanos) frente a las cadenas hoteleras en Lima; el cual tiene como objetivo
identificar los factores que tienen efecto en esta demanda; a través de un modelo
estadístico elaborado específicamente para este trabajo y el método de los mínimos
cuadrados ordinarios (MCO), se estudiaron 4 variables que suponemos son relativas
para la demanda turística de los hoteles de 3 estrellas; estas son: Inversión extranjera de
los hoteles de 4 y 5 estrellas, demanda turística de hoteles de 4 y 5 estrellas, PBI de
EEUU (Es el país de mayor procedencia) y el índice de interés en búsqueda electrónica
de “Alojamientos en Lima”. Los datos recolectados fueron de forma trimestral entre los
años 2009 y 2016. Esta investigación se basa en la teoría microeconómica.
Palabras clave: Demanda turística, Lima, inversión hotelera, MCO, alojamientos en
Lima, turismo en Perú y pbi per cápita.
ABSTRACT
In the present work, the competitiveness of 3-star hotels (Peru) was assessed in front of
hotel chains in the Lima region; Which aims to identify the factors that have an effect
on this demand; For this, through a statistical model elaborated specifically for this
work and the method of ordinary least squares (OLS), we studied 4 variables that we
suppose are relative for the tourist demand of the 3 stars hotels; These are: Foreign
investment of 4 and 5 star hotels, tourist demand for 4 and 5 star hotels, US GDP (It is
the country of greatest origin) and the electronic search interest rate of "Lima
Accommodations". The data collected were quarterly between 2009 and 2016. This
research is based on microeconomic theory.
Keywords: Tourist demand, Lima, hotel investment, MCO, accommodation in Lima,
tourism in Peru and pbi per capita.
1 Alumna de la carrera de Marketing de la Universidad San Ignacio de Loyola (USIL).
5
CAPÍTULO I: INTRODUCCIÓN
1. Problema de investigación.
1.1. Planteamiento del problema
Es evidente que el turismo desempeña un papel cada vez más importante en la
economía mundial. Por ejemplo, los ingresos por turismo internacional constituyen ya
una proporción más alta del valor de las exportaciones mundiales, y se preveía que para
el cambio de siglo, el turismo internacional sería el sector más importante en el
comercio mundial. Muchos países consideran que el turismo internacional es una fuente
de divisas valiosas para aliviar los problemas de la balanza de pagos (Witt S, et al,
1995).
Según una publicación de la Organización Mundial del Turismo (OMT) en
2015; hoy en día hay mayores números de destinos a nivel mundial que provocan que se
invierta más en turismo; convirtiéndolo en un motor clave para el progreso
socioeconómico a través de la creación de empleos y empresas, ingresos de exportación
y desarrollo de infraestructuras. A pesar de los choques ocasionales que han surgido en
estos años, el turismo ha mostrado un crecimiento prácticamente ininterrumpido; las
llegadas de turistas internacionales han aumentado de 25 millones a nivel mundial en
1950, a 278 millones en 1980, 527 millones en 1995 y 1133 millones en 2014.
La cuota de mercado de las economías emergentes, podemos observar en el
cuadro 1 que aumentó de 30% en 1980 a 45% en 2014 y se espera que llegue a 57%
para 2030, lo que equivale a más de 1.000 millones de llegadas de turistas
6
internacionales. Nos indica que existirá una tendencia de que los turistas de países
desarrollados visitarán a los países subdesarrollados; es decir que las llegadas de turistas
internacionales en los países de la economía emergente de Asia, América Latina,
Europa Central y Oriental, Mediterráneo Oriental Europa, Oriente Medio y África
crecerán al doble de la tasa (+ 4,4% anual) de los destinos de economía avanzada (+2,2
% un año). Como resultado, se espera que las llegadas en las economías emergentes
superen a las de las economías avanzadas antes de 2020. En 2030, el 57% de las
llegadas internacionales estarán en destinos de las economías emergentes (frente a un
30% en 1980) y un 43% en destinos de economía avanzada (frente a un 70% en 1980) –
(World Tourism Organization, 2015)
Cuadro 1:
Fuente: Organización Mundial del Turismo, 2015
7
Desde que el Peru se ha convertido en el principal destino culinario del mundo
por quinto año consecutivo y a su vez los Premios Mundiales de Viajes lo seleccionaron
como el principal destino de reuniones y conferencias de América del Sur en 2016, la
cantidad de turistas que recibe está creciendo exponencialmente, se mencionó en un
post de Perureports.com, en Setiembre de 2016.
A nivel nacional, hoy en día el Perú se ha consagrado como uno de los países
más importantes de Latinoamérica y como destino turístico a nivel mundial estando
entre los 10 lugares más preferidos para viajar debido a su historia, cultura, patrimonio,
flora, fauna, gastronomía, arte y atractivos turísticos. Con respecto a su gastronomía,
esta vive un “boom gastronómico” y una guía de negocios e inversión en el Perú
publicada por Ernst & Young en 2013, nos indica que el 42% de los turistas que han
visitado el Perú, indican que la comida es uno de los aspectos que influencia en su
elección del Perú como destino turístico (Ernst & Young, 2013, p. 107).
Tal como se observa en el cuadro 2, la llegada de turistas internacionales al Perú
ha ido en un constante crecimiento muy favorable desde el 2000 hasta la actualidad;
pasando de 1’064,000 turistas en el 2002 a aproximadamente 3’700,000 turistas en el
2016; lo cual ubica al mercado turístico nacional como uno de los sectores con mayor
crecimiento en la economía peruana. (Hotel & Tourism Advisors, 2015, p. 4). Como
sabemos, Lima es el principal punto de ingreso y salida del país debido a que cuenta con
el Aeropuerto Internacional Jorge Chávez y registró un 58.3% de participación en las
llegadas internacionales en el 2014.
8
Cuadro 2:
Es por ello que en los últimos años, el mercado hotelero peruano también ha
experimentado un importante crecimiento, no solo debido al aumento del turismo
extranjero que ve con mucho interés tanto el patrimonio nacional como la gran variedad
culinaria que atesora hoy en día el Perú, si no también gracias al gran crecimiento del
país que se ha vivido en estos años dando como resultado el desarrollo de grandes
inversiones y generando un importante flujo de turistas y de viajeros corporativos. La
Ciudad de Lima, la cual es la capital, es uno de los mejores ejemplos que representan
este desarrollo, sobre todo en el distrito de Miraflores (Ver cuadro 3), un distrito de lujo
en Lima, que contiene la gran cantidad de hoteles de 3,4 y 5 estrellas y está en los
radares de los inversores; seguida de San Isidro, el cual se conoce como el distrito
empresarial de la capital (Jiménez, Simunich, 2017, p. 31).
9
Cuadro 3:
Este crecimiento de la demanda mencionado anteriormente, llevó a que la
inversión hotelera tuviera un rol importante en el mercado peruano y que tanto empresas
privadas nacionales como internacionales consideraran invertir en este rubro. De
acuerdo con el Ministerio de Comercio Exterior y Turismo, entre los años 2011 y 2015,
a nivel nacional, el número de establecimientos de hospedaje se ha incrementado en
32.6%, con más de 4,800 nuevos establecimientos de hospedaje integrándose a la oferta
turística en este periodo.
Los criterios que se toman en cuenta para poder invertir en lo que son
establecimientos de hospedaje turísticos en un determinado territorio son:
- En primer lugar: Por observación de mercado a través del crecimiento de la
demanda, observación de debilidades de la oferta existente y necesidad de
diversificación de la oferta.
10
- En segundo lugar, por el conocimiento de planes sectoriales de desarrollo
que promocionan la inversión. Luego, por decisión de colocar inversiones
innovadoras, por aproximación a recursos turísticos con un flujo muy
importante de visitantes y para el aprovechamiento de recursos naturales
como aguas termales, biodiversidad, entre otros. (Durán, 2009, p. 31)
Según Miguel Arévalo, gerente general de Asociación Peruana de Hoteles,
Restaurantes y Afines (AHORA), la industria está en proceso de ampliar
significativamente su capacidad hotelera para satisfacer la demanda proyectada para los
próximos años; debido a que hoy en día no se cuenta con suficiente alojamiento en la
capital (Oxford Business Group. 2015). Según un informe del Banco Mundial, el país
está 30 años atrasado en términos de infraestructura en comparación con sus vecinos de
la región. Tibisay Monsalve, presidente de la Sociedad Hoteles del Perú (SHP), indica
que en la actualidad hay 10.000 habitaciones disponibles en hoteles de 1 a 5 estrellas en
Lima y grandes eventos internacionales como el del FMI y el Banco Mundial requieren
al menos 5.000 en hoteles de 4 a 5 estrellas. A su vez, en la página web
www.andina.com.pe (Farje, 2016) se informa que hay alrededor de 4.000 habitaciones
disponibles en hoteles de 4 a 5 estrellas en la capital, pero con estos nuevos proyectos el
número aumentará a 8.000 habitaciones -incluyendo todas las categorías de hoteles- en
todo el país.
Como resultado de una investigación de MINCETUR, representada en el cuadro
4, en lo que respecta a hoteles de 4 y 5 estrellas, durante el 2011 y 2015, se
construyeron 42 hoteles entre 4 y 5 estrellas; lo que se traduce en un 36.5% de
11
incremento. En lo que respecta a hoteles de 3 estrellas, durante el mismo periodo, se
construyeron 225 nuevos hoteles.
Cuadro 4: Evolución de la capacidad instalada en hospedajes (3, 4 y 5 estrellas) a
nivel nacional
La problemática surge debido a que a pesar de que los hoteles que más abundan
en Lima son los de 3 estrellas, durante estos últimos años la inversión hotelera de los
hoteles de 4 y 5 estrellas, ha hecho que estos pierdan participación de mercado.
Gracias al árbol de problemas elaborado para este trabajo de investigación
(Anexo nº2), se pudo deducir que las causas de este problema pueden ser las siguientes:
12
Factores Externos:
- Alta inversión extranjera: Esto se debe a que Perú ha sido reconocido
mundialmente con un destino turístico y varias marcas hoteleras
internacionales han puesto un ojo en invertir en el país.
Según MINCETUR, entre los años 2011 – 2016, el Perú recibió inversiones
hoteleras por parte de las cadenas hoteleras y marcas internacionales llegando a
aproximadamente los USD$600 millones; de las cuales Lima, la capital, tuvo el 55.8%
(Ver cuadro 5)
Cuadro 5: Inversión hotelera en el Perú (2011 – 2016)
Como esta situación viene viento en popa, podemos observar en el cuadro 6 que
desde el presente año hasta el 2021; se ha proyectado la construcción de 62 nuevos
hoteles provenientes de cadenas hoteleras importantes, esta inversión será de US$ 1,141
millones; de la cual el 76.7% se concentrará en Lima (Arias, 2017).
13
Cuadro 6: Inversión hotelera proyectada en el Perú (2017 – 2021)
- Alta competitividad en el mercado: En el cuadro 7, tomando la información
recopilada de una encuesta mensual a los establecimientos de hospedaje,
elaborada por MINCETUR en el 2016, se elaboró un cuadro en el cual
podemos observar que a pesar de que el cantidad de turistas al país ha
aumentado en estos últimos 8 años; los hoteles de 3 estrellas han perdido
participación de mercado bajando de un 10% a 7%; mientras que la suma de
los turistas que recibieron los hoteles de 4 y 5 estrellas ha aumentado
manteniendo el mismo porcentaje que las llegadas totales de turistas; lo cual
deja ver que la demanda de hoteles de 3 estrellas si se ha visto afectada por
la inversión de hoteles de 4 y 5 estrellas.
14
Cuadro 7: Llegada de turistas a los establecimientos de hospedaje del
2009 al 2016
2009 2010 2011 2012 2013 2014 2015 2016
1 estrella 0,18% 0,15% 0,10% 0,09% 0,15% 0,28% 0,30% 0,19%
2 estrellas 3% 3% 2% 2% 2% 3% 5% 3%
3 estrellas 10% 9% 8% 6% 6% 8% 8% 7%
4 y 5 estrellas 21% 20% 19% 14% 12% 17% 19% 19%
Albergue 0,04% 0,02% 0,02% 0,00% 0,00% 0,00% 0,27% 0,36%
No categorizados 66,3% 68,2% 71,1% 78,7% 80,5% 71,5% 69,7% 70,9% Nota: Elaboración propia 2014 y 2015 Cifra revisada, 2016 Cifra preliminar FUENTE: MINCETUR/VMT/DGIETA-DIATA-Encuesta Mensual de Establecimientos de Hospedaje Con información disponible a diciembre de 2016
Factores Internos:
- Desconocimiento del marketing turístico: Muchos de los dueños que
invierten en construir y llevar a cabo un hotel de 3 estrellas son de
nacionalidad peruana que contaban con el capital y vieron una oportunidad
de negocio en este sector. Más son pocos los que realmente invierten en el
desarrollo del marketing turístico y fidelidad de clientes; es decir no hacen
investigaciones de mercado para descubrir el perfil de su público objetivo,
no establecen estándares de servicio ni de atención, no generan un plan de
marketing de atracción ni propuestas de captación de nuevos clientes, solo se
concentrar en cubrir la necesidad básica del cliente, la cual es pernoctar. Esto
conlleva a que haya un bajo interés de mejora como empresa. El énfasis está
puesto en brindar habitaciones económicas, limpias, confortables y satisfacer
las necesidades básicas de los huéspedes. Los hoteles económicos atraen a
los viajeros sensibles al precio, que quieren habitaciones con todas las
15
comodidades que requieren para una estadía confortable, pero sin servicios
extras que no necesitan ni están dispuestos a pagar. (Araya, 2011, p. 4)
- Bajo presupuesto para desarrollo: Se sabe que al ser un hotel de 3 estrellas,
conlleva a que ofrezca precios bajos y accesibles para el mercado, por ende
se deduce que quizás no tenga capital para desarrollar alguna expansión o
invertir en formar una cadena hotelera. Esto tiene que ver también, con la
poca cantidad de accionistas que posee; lo cual conlleva a no tener un capital
favorable.
- Bajo desarrollo tecnológico: Como se mencionó anteriormente, las personas
que gestionan los hoteles de 3 estrellas cuentan con un bajo presupuesto que
no les permite desarrollarse como marca ni invertir en mejoras y esto
conlleva a la poca capacidad de adaptación en cuanto a las tendencias de
carácter tecnológico. Como sabemos, hoy en día empresa que no innova o
“evoluciona” se queda obsoleta en el tiempo y la evolución tecnológica en la
industria hotelera ha avanzado de forma muy rápida, por ello los hoteles
tienen que conocer lo que se ofrece hoy en día y lograr adaptarse a ello.
Sobre todo porque la procedencia de los turistas que vienen a Lima, son de
países más desarrollados que Perú y esperan un servicio óptimo y con la
misma calidad. Muchos de los hoteles de 3 estrellas cuentan aún con el
sistema de registro de llaves a comparación de otros que entregan llaves
magnéticas. También, el proceso de check-out suele ser muy diferente a
otros hoteles donde entregan factura electrónica. Por otro lado, el servicio de
16
wi-fi suele ser muy lento; al igual que las computadoras que emplean y el
software hotelero que usan; que en su mayoría es Infhotel o Shiol, tienen un
precio promedio bajo a comparación de los otros más usados (Opera
System). Algunos incluso usan Microsoft Excel. Otro aspecto tecnológico, es
la página web del hotel, la cual todos tiene pero no es tan interactiva como se
esperaría.
- Relación Servicio / Calidad baja: Muchas veces se piensa que por ser un
hotel con una categoría de 3 estrellas y un precio accesible, la calidad del
servicio puede ser baja pero no siempre es cierto, no siempre precios bajos es
igual a mala calidad. Es por ello que este tipo de hoteles, dentro de todo lo
que ofrecen deben transmitirle al cliente que brindan lo mejor de sí y que
están al tanto de las necesidades que ellos puedan tener para crear lo que se
dice una recordación de marca y lograr que se aplique el marketing boca a
boca presencial o el electrónico (recomendaciones y comentarios en
internet), ya que es con este tipo de marketing que estos hoteles tienen una
rotación de clientes.
1.2. Formulación del problema
1.2.1. Problema general
El problema principal se centra en la siguiente pregunta:
¿Los factores (Inversión extranjera hotelera, demanda turística de hoteles de 4 y
5 estrellas, PBI per cápita de EEUU y el índice de interés en búsqueda
17
electrónica) han afectado la ocupabilidad en hoteles de 3 estrellas que en su
totalidad son inversiones nacionales?
1.2.2. Problemas específicos
a. Problema específico 1: ¿El aumento de la inversión extranjera directa en
el sector hotelero ha afectado la ocupabilidad de los hoteles 3 estrellas?
b. Problema específico 2: ¿La preferencia de los turistas extranjeros por
hoteles de 4 y 5 estrellas ha afectado la demanda de hoteles de 3
estrellas?
c. Problema específico 3: ¿El aumento del arribo de los turistas extranjeros
procedentes de USA con mayor capacidad adquisitiva afecta la
ocupabilidad de los hoteles de 3 estrellas?
d. Problema específico 4: ¿La búsqueda electrónica se ha orientado más a
hoteles de 4 y 5 estrellas?
1.3. Justificación de la investigación
La razón que motiva la realización del presente proyecto es indagar cuál es el
factor que está más correlacionado a la demanda turística de los hoteles de 3 estrellas en
el departamento de Lima, debido a que ésta en los últimos años se ha visto afectada por
18
el ingreso de marcas y cadenas hoteleras internacionales. Este hecho, aunque es cierto
que es muy beneficioso para el sector, para el PBI, para las empresas relacionadas al
turismo (agencias de viaje, tour operadoras, servicios de tours, servicios de traslado,
traductores y restaurantes) y para la imagen del país a nivel mundial; por otro lado
afecta a algunas empresas, puesto que les quita participación de mercado. Como se ha
proyectado; las inversiones extranjeras en este sector están en constante aumento y se ha
pronosticado alrededor de 62 nuevos hoteles en el país; distribuidos en las distintas
categorías que se les asignan a los hoteles (Ver cuadro 8).
Cuadro 8:
FUENTE: Hotel & Tourism Advisor, 2015
19
2. MARCO REFERENCIAL
2.1. Antecedentes de la investigación
El desarrollo del sector hotelero en el Perú está ligado íntimamente al desarrollo
del turismo. La infraestructura hotelera juega un papel importante pues de la calidad de
los servicios hoteleros va a depender la buena imagen que se haga el turista del Perú.
Uno de los aspectos fuertes del Perú es que en "Estudios realizados en el país coinciden
en señalar que el Perú es visto por los extranjeros como un destino turístico histórico –
arqueológico". Por tanto mantenemos un atractivo importante para el turismo mundial.
Una de las características del sector hotelero es que su crecimiento ha sido claramente
más lento que el de la demanda, lo que se evidencia en el déficit de oferta habitaciones
en las regiones de más afluencia turística. (Taype & Peñaloza, 2000, p. 5)
En el año 2000, un trabajo de investigación mencionó un aspecto importante de
la inversión extranjera; con respecto al desarrollo de la oferta hotelera expresado a
través de inversiones en nuevos hoteles y compromisos de inversión para los próximos
años; lo cual se debía en gran medida a la participación de inversionistas extranjeros -
principalmente cadenas de establecimientos- que cuentan con una importante ventaja
competitiva con respecto a sus competidores nacionales. Estos inversionistas cuentan
con una tecnología que les permite superar a los empresarios nacionales en aspectos de
gestión y organización del negocio, además de una enorme capacidad financiera que les
permite posicionarse fuertemente en sus respectivos sectores en forma ventajosa. Los
empresarios nacionales habían concentrado sus inversiones en el proceso de
privatización de la cadena estatal de hoteles de turistas cuya modernización aún está en
proceso. (Taype & Peñaloza, 2000, p. 6).
20
Luego de observar la oferta hotelera en el país, está claro que son necesarias las
inversiones en establecimientos de hospedaje de 4 y 5 estrellas para atender al turismo
corporativo y al turismo de lujo; sin embargo hay que considerar también la inversión
en hoteles de 3 estrellas, las cuales son adecuadas al turismo receptivo de vacaciones.
Este tipo de crecimiento, tiene sus pro y sus contra; debido a que si bien es cierto
hay una amplia gama de oferta de hospedajes de calidad con lo cual los hospedajes
nacionales consideren necesario tener que adaptarse a la competencia de estos
inversionistas extranjeros y sobre todo a exigirse en eficiencia, administración, y calidad
de sus servicios. La principal desventaja es que usualmente las utilidades generadas por
empresas multinacionales se filtran hacia el exterior de la economía limitando así el
efecto multiplicador del turismo sobre el resto de la economía. (Taype & Peñaloza,
2000). Lo que podemos concluir, es que el sector hotelero en el Perú, aún sigue en una
etapa de transformación y adaptación a las necesidades de los turistas de mercados
internacionales.
Según Peru Tourism Report, elaborado por MBI Research, una empresa de
investigación en Londres, indica que al primer trimestre del 2017 la expansión de la
industria turística en el Perú está atrayendo inversiones en hoteles e infraestructura, a su
vez, nos indica que el subsector no residencial se ha visto impulsado por la inversión en
hoteles que va de forma creciente con el sector turístico de Perú. La inversión de la
industria del turismo llegó a $1.5 billones en 2016 y a $ 2.5 billones en el 2019. Durante
el 2016 y 2018, el Perú tendrá inaugurado 11 hoteles de grandes cadenas internacionales
(Four Seasons, Holiday Inn, Marriott, Meliá y Hyatt). Un ejemplo claro de grandes
21
empresas es Wanda Group, el cual es una empresa china que está considerando invertir
en América Latina por primera vez, considerando el Perú con su inicio de inversión.
El Perú tiene un gran potencial para una mayor expansión de la industria
turística, debido a que el número de visitantes ha aumentado más del 10% anual en los
últimos 10 años y pronostican un crecimiento sólido por los siguientes 5 años. Perú es el
líder de la industria turística en Latinoamérica en términos de crecimiento y el turismo
es el tercer sector económico más grande del país y se espera que se convierta en el
primero para el 2035 (BMI Reserach, Q1-2017, p. 33).
Otro reporte de la infraestructura del Perú hecho por BMI Research, nos indica
que a pesar que hay un crecimiento lento en el aumento de número de hoteles, el
mercado sigue siendo atractivo para los inversionistas internacionales, con la apertura
de nuevos hoteles en las principales ciudades de Lima, Cusco, Arequipa y Trujillo. Sin
embargo, han notado que la tasa de ocupación es relativamente baja, indican que de
45.2% en el 217 subirá a 45.9% en el 2021; lo cual demuestra que hay mucha oferta
hotelera para satisfacer la demanda.
A pesar de existir un crecimiento más lento de los hoteles, el valor de la
industria continuará subiendo; creciendo un 7.8% en dólares en el 2017; sin embargo el
crecimiento en términos de nuevos soles será menor, de 5.6%; demostrando la
diferencia de monedas. Esto puede verse reflejado en la tendencia hacia los hoteles de
gama alta, tanto para turistas como para viajeros de negocios, lo cual impulsa los
ingresos totales del sector. (BMI Research, Q3-2017, p. 13)
22
Este reporte nos indica que, el creciente mercado turístico de Perú se está
volviendo cada vez más atractivo para las cadenas hoteleras internacionales, que están
expandiendo su presencia en el país. El sector de alta gama y eco-resort es un área
donde se ve una oportunidad particular hasta el 2021. Las cadenas hoteleras
internacionales están expandiendo su presencia en el país en respuesta a la creciente
demanda, especialmente en el sector de alta gama y boutique.
2.2. Marco teórico
Turismo y su impacto en el Perú
El turismo es la mayor industria de exportación del mundo. El turismo
internacional es el elemento más importante del comercio exterior del mundo y para
algunos países ya es la industria exportadora más importante y fuente de divisas. El
impacto del turismo en las economías nacionales es cada vez más importante hoy en día
debido al tamaño creciente del mercado turístico. Según la organización de turismo
mundial (OMT), el tráfico turístico internacional en 1997 fue de 613 millones, lo que
generó unos ingresos de alrededor de 444.000 millones de dólares. Se estima que el
turismo representa alrededor del 8 por ciento del total de las exportaciones mundiales y
más del 30 por ciento del comercio internacional de servicios. También se estima que el
turismo proporciona empleo a 212 millones de personas que representan directa o
indirectamente alrededor del 10,7 por ciento de la fuerza laboral mundial (Dharmik,
2016).
23
El sector de viajes y turismo crea más empleos por millón de rupias de inversión
que cualquier otro sector de la economía y es capaz de proporcionar empleo a un amplio
espectro de buscadores de los no especializados a los especializados, incluso es las
partes remotas del país (Dharmik, 2016, p. 3).
Según World Economic Forum (WEF), el término divisas se da cuando la
moneda local es libremente convertible en otras monedas para las transacciones
corrientes y de capital, y los inversores tienen acceso al tipo de cambio más favorable
para las remesas de entrada. Es por ello que hoy en día muchos países están
implementando estrategias de turismo bajo el mantra de "alto rendimiento y bajo
volumen" y tratando de alejarse del turismo de masas que puede traer consigo
consecuencias sociales y ambientales insostenibles. La fórmula de alto rendimiento y
bajo volumen significa que los países deben centrarse en infraestructuras de mayor
valor, con un alojamiento de calidad como componente clave de este enfoque. Se
reconoce cada vez más que los mayores rendimientos por turista (es decir, gastos más
elevados) ofrecen mayores beneficios para el desarrollo porque generan ingresos más
altos y, debido a mayores estándares de servicio requeridos, soportan mayores ratios de
empleo, mejor infraestructura y desarrollo de habilidades del personal. El aumento del
gasto también produce mayores niveles de divisas e ingresos tributarios por visitante.
Además, el menor volumen de turistas a su vez reduce la huella ambiental y social de
estos turistas y ayuda a fomentar relaciones comunitarias más sostenibles (International
Finance Corporation, 2009)
24
En reconocimiento al importante impacto económico del turismo, el gobierno
peruano ha adoptado una serie de medidas políticas para atraer inversiones en el sector,
incluyendo la privatización de hoteles y de aerolíneas, así como la creación de un fuerte
conjunto de incentivos a la inversión para el sector. Con la combinación de la belleza
natural y los sitios arqueológicos, Perú tiene una base fuerte de atracciones para apoyar
su industria del turismo. Al menos el 80% de los turistas que visitan Perú van a Cusco y
Machu Picchu y son vistos como una fuerza impulsora de la industria turística peruana.
(International Finance Corporation, 2009)
Turismo y su impacto en la generación de divisas
El Perú ha experimentado un desarrollo económico significativo en los últimos
10 años. Según el Fondo Monetario Internacional, el PBI del país creció un 2.4% en
2004 y se espera un crecimiento del 4.5% para 2020. El crecimiento que más ha
sorprendido como contribución a la economía nacional es el del sector turístico; en el
2004, 1.35 millones de turistas llegaron al Perú y gastaron 1.232 millones durante su
estadía; para el 2013 esta cifras aumentaron 3.2 veces llegando 3.6 millones de turistas y
un gasto promedio de $985 por turista (World Tourism Organization, 2016)
Por otra parte, la afluencia de divisas generada por esas visitas turísticas en 2013
ascendió a 3.925 millones de dólares, y la cifra preliminar para 2014 es de 3.832
millones de dólares. Estas cifras sugieren que el turismo jugará un papel fundamental en
el rápido desarrollo de la economía peruana. El turismo, por otra parte, produce efectos
en la industria del ocio en general y su influencia podría conducir a cambios
25
fundamentales en la estructura industrial del país. El turismo afecta directamente a los
restaurantes, la industria alimentaria y el alojamiento básico, como los hoteles. También
promueve el desarrollo de infraestructura, como autopistas y aeropuertos. Su expansión
indudablemente generará empleo en esferas de actividad relacionadas (UNWTO, 2016)
Perfil del turista extranjero que visita Lima – 2015
El público objetivo se determina según la clase y categoría de los
establecimientos de hospedaje; por ejemplo los hoteles de 4 y 5 estrellas están
destinados al turista corporativo y al de alto poder adquisitivo (empresas, organismos y
diferentes entidades para realizar eventos). En cambio, los hoteles de 3 estrellas son más
reconocidos por el turista convencional o de vacaciones (Durán, 2009).
En cuanto al turista extranjero que viene al Perú y visita la ciudad de Lima;
PROMPERU ha hecho una investigación en cuanto al perfil de este; el más reciente es
el del 2015 y los resultados son los siguientes:
a. Edad: Con un 30% en su mayoría tienen entre 25 a 34 años.
b. Con un 63% son hombres
c. El mayor grado de instrucción alcanzado con un 44% es la universidad.
d. El estado civil con un 46% es casado o conviviente.
e. El ingreso familiar anual que tienen con un 55% está en un rango de 0 a
$40,000
f. La ocupación que tienen es de profesional ejecutivo con un 15%
g. El 54% no tienen hijos.
26
h. El país con mayor residencia de turistas en los últimos años es EEUU y en
el 2015 obtuvo un 22%.
i. El paquete del viaje a Perú lo compran en un promedio de 1 a 4 meses antes
del viaje un 63%
j. En cuanto a la modalidad de viaje, un 51% adquirió un paquete turístico;
mientras que un 49% viajó por su cuenta.
k. Con respecto al motivo de su visita, el 59% vino por vacaciones, recreación
u ocio; mientras que un 20% por negocios.
l. Sobre el hospedaje más utilizado salió el de 3 estrellas con un 30% seguido
de 4 o 5 estrellas en un 27%
m. Los principales atractivos turísticos fueron Miraflores (64%), Cercado de
Lima (63%), Barranco (20%) y San Isidro (19%).
n. La mitad de los encuestados informó que vienen solos al viaje
o. El tiempo de permanencia promedio en el Perú es de 12 noches, mientras
que en Lima es de 5 noches.
p. El aspecto que más influyó en la elección de Perú como destino turístico fue
con un 63% que es una cultura diferente.
q. En cuanto a las actividades que más lo motivaron a viajar; la que obtuvo un
puntaje mayor de 61% fue visitar los sitios arqueológicos.
r. Por último, el medio que más influye en la elección de un destino, es el
internet con un 76%.
27
Turismo y su impacto en el PBI nacional
Con respecto al PBI turístico (Ver cuadro 9), este representa el 3.9% del PBI
nacional; el cual se ve ha generado por actividades como el transporte de pasajeros,
provisión de alimentos y bebidas, alojamiento, industria cultural, recreativa, deportiva,
agencias de viaje, producción y comercio de artesanía. Sin embargo, durante el año
2015 (Ver cuadro 10) fueron 3 las actividades que más contribuyeron con el 63.6% a la
generación de este indicador: El transporte de pasajeros, la provisión de alimentos y
bebidas y el alojamiento para visitantes (Silva M, 2016)
Cuadro 9: PBI Turístico
28
Cuadro 10: PBI Turístico por actividad económica, 2015
Con respecto al turismo receptivo, el ingreso de divisas generado por este; se ha
explicado en el gasto que realizan los turistas y excursionistas internacionales cuando
visitan el país (Ver cuadro 11)
Cuadro 11: Ingreso de divisas por turismo receptivo
29
Industria Hotelera en el Perú
Para entender todo lo que abarca la industria hotelera, tenemos la siguiente
información:
Una posible definición del sector hotelero podría ser la siguiente "el
sector hotelero comprende todos aquellos establecimientos que se dedican
profesional y habitualmente a proporcionar alojamiento a las personas,
mediante precio, con o sin servicios de carácter complementario (Mestres,
2000).
Los temas a tratar se describen a continuación y según una publicación de
MINCETUR (2004), las definiciones son las siguientes:
Establecimiento de hospedaje: Lugar destinado a prestar habitualmente servicio
de alojamiento no permanente, para que sus huéspedes pernocten en el local, con la
posibilidad de incluir otros servicios complementarios, a condición del pago de una
contraprestación previamente establecida en las tarifas del establecimiento.
Categoría: Rango en estrellas establecido por este Reglamento a fin de
diferenciar dentro de cada clase de establecimiento de hospedaje, las condiciones
de funcionamiento y servicios que éstos deben ofrecer.
30
Según una publicación sobre la Introducción a la industria de la hospitalidad, la
clasificación de los hoteles en Lima y en cualquier parte del mundo, va de la siguiente
manera:
a. Deluxe o de lujo (5 estrellas): Representan el estándar de excelencia más
alto en el nivel de lujo y comodidad.
b. Upper Upscale (4 estrellas): Son también lujosos pero su diseño es un poco
más estandarizado.
c. Upscale (4 estrellas): son los que apuntan al segmento más numeroso del
público viajero. El nivel de servicio ofrecido es modesto pero suficiente.
d. Upper Midscale (3 estrellas estandarizado): Son los que apuntan al
segmento más numeroso del público viajero. El nivel de servicio ofrecido es
modesto pero suficiente. Si bien la cantidad de personal es adecuada, este
tipo de hotel no intenta brindar servicios muy elaborados.
e. Midscale (3 estrellas): Son un segmento en crecimiento en el sector de
alojamiento. El énfasis está puesto en brindar habitaciones económicas,
limpias, confortables y satisfacer las necesidades básicas de los huéspedes.
Google Trends y la industria hotelera
En la industria hotelera, una característica es que los servicios son perecederos y
la previsión del turismo es crucial para permitir a los integrantes de esta industria
asignar recursos limitados y satisfacer la demanda turística ya sea para un hotel o toda la
industria. Los métodos de pronóstico tradicionales incluyen análisis de series
31
temporales y modelos econométricos y se basan en datos históricos tanto para variables
independientes como para variables dependientes; Los primeros incluyen poblaciones
de mercados fuente, niveles de ingresos turísticos, precios del turismo tanto en el
enfoque como en los destinos competitivos, tipos de cambio y otros datos cualitativos
(Pan, B., Doris, 2012).
En los últimos años, la adopción de Internet como herramienta de planificación
de viajes y transacciones en línea ha puesto a disposición una nueva categoría de datos
que tienen un gran potencial para mejorar el poder predictivo. Cuando los turistas llevan
a cabo búsquedas o reservar habitaciones o asientos de línea aérea en línea, su
comportamiento en Internet puede ser rastreado y supervisado mediante diversas
tecnologías de Internet (Pan, B., Doris, 2012).
Debido a que los turistas suelen planificar en línea antes de hacer un viaje, los
rastros agregados en forma de volúmenes de consulta en los motores de búsqueda o
registros de acceso web son indicadores tempranos de interés. Los organismos
gubernamentales y las empresas privadas pueden utilizar estos datos agregados en línea
para predecir las actividades futuras y los patrones de consumo de los turistas (Pan, B.,
Doris, 2012).
Los datos proporcionados por Google no representa el número de búsquedas en
un período de tiempo determinado. En cambio, son presentados como un índice relativo
para un período específico en una región determinada. Los datos están normalizados a
partir del 01 enero del 2004 con un valor máximo de 100 y un mínimo de 0 (Choi &
Varian, 2009).
32
En cuanto a los usos de Google Trends vinculados al turismo, el buscador arroja
datos que también pueden ser aprovechables no solo para destinos turísticos, sino
también para predecir demandas sobre tours, vuelos y hoteles (Yang, 2014). También
puede usarse para estudiar las consecuencias de eventos de corta duración (deportivos,
culturales, entre otros) en destinos turísticos como Dubai y similares (Saidi,
Scacciavillani, & Fahd, 2010).Los datos del navegador, por último, sirven para
identificar competidores en el caso de la industria hotelera (Rivera, 2016).
Choi y Varian (2009) encontraron que los datos de Google Trends ayudan a
mejorar los pronósticos de las actividades económicas, incluyendo las ventas
minoristas, las ventas de automóviles, las ventas de viviendas y las llegadas de turistas
internacionales. Choi y Varian (2009) también utilizaron datos de búsqueda sobre
palabras clave "empleos" y "bienestar / desempleo" en un modelo ARIMA para predecir
las reclamaciones de desempleo. Ellos encontraron que produjo resultados de predicción
más precisos que el modelo base, en el que no se usaron datos de búsqueda.
Específicamente, han descubierto que la incorporación de datos de volumen de
búsqueda de Google, tipos de cambio y eventos únicos en un modelo autoregresivo
estacional univariado (AR) ha mejorado mucho el desempeño de pronósticos para las
llegadas de turistas internacionales, con un alto R 2 de 0,98 (Choi y Varian, 2009).
En conclusión, el uso de los datos de Google Trends es particularmente
importante, ya que están disponibles gratuitamente en línea y podrían utilizarse para
ayudar a mejorar la precisión de pronóstico a un costo muy bajo (Pan, B., Doris, 2012).
33
Modelo estadístico:
Según Lanquar (1991), el método estadístico es la forma científica de estudio del
comportamiento de una población al buscar las características generales de un conjunto
dado; en este caso es el sector turístico. Las estadísticas de este sector sirven para
estudiar los rasgos más sólidos del comportamiento de la actividad turística. Estos
elementos pueden dividirse en dos grupos:
a. Elementos cuantitativos; para describir la intensidad de cada uno de los rasgos
de este conjunto, número de llegadas de turistas, ingresos, número de empleo,
ocupabilidad, etc
b. Elementos cualitativos (atributos); que expresan los rasgos de situación:
nacionalidad de los turistas, perfil del turista, etc.
La revisión de la literatura con respecto a la influencia de los factores de la
demanda turística, nos indica que entre estos factores están: El precio del producto,
precio de los productos competidores, precio de los productos complementarios, el
ingreso, la disponibilidad de tiempo libre, inversión en divulgación, la moda de destinos
turísticos y variaciones climáticas (Panosso & Lohmann, 2012).
A su vez, se ha decidido agregar una variable referente a las tendencias
tecnológicas de hoy en día en la industria del turismo; esta variable sería el índice de
interés en los motores de búsqueda con respecto al “Alojamiento en Lima”; como
respaldo a esto, se sabe que el uso de internet por los consumidores ha evolucionado de
la curiosidad a la confianza y el mismo internet se ha integrado en la vida cotidiana de
los individuos. Las principales fuentes de información en Internet son los motores de
34
búsqueda como Google, Yahoo y Bing. Un primer paso es usar estos motores de
búsqueda para encontrar sitios-web relacionados con viajes, luego las localizaciones
geográficas (ciudades, países, regiones); entonces suponiendo que las personas buscan
información sobre un destino en Internet mientras planean sus próximas vacaciones y
dado que los datos de Google Trends muestran la popularidad de los términos de
búsqueda, esto puede considerarse un indicador de interés en viajar a un destino
determinado y puede usarse para previsión de la demanda turística (Onder & Gunter,
2015).
A diferencia de otras variables explicativas tradicionalmente utilizadas en la
predicción de la demanda turística, las consultas de búsqueda pueden ser vistas como
indicadores conductuales tempranos de las intenciones de compra (Barry, 1987,
Gitelson y Crompton, 1983). Por lo tanto, los datos de volumen de búsqueda pueden
utilizarse como una señal de "alerta temprana" para las actividades turísticas agregadas.
Además el gobierno y las empresas del sector turístico pueden predecir las actividades
futuras y los patrones de consumo de los turistas (Pan B., Wu D. & Song H.,2012)
Debido a que se desea aportar originalidad al trabajo, se decidió agregar esta
variable tecnológica ya que hoy en día el mundo online ha influido en gran cantidad a la
industria hotelera y es una gran ayuda para predecir número de llegadas. Es por ello que
a través de Google Trends, se buscó información de 6 países (EEUU, España, Francia,
Alemania, Canadá y Reino Unido), los cuales son los 6 países desarrollados que brindan
mayor cantidad de turistas.
35
Por lo tanto, la especificación del modelo es la siguiente:
Donde:
Qt: Demanda turística de los hoteles de 3 estrellas
Inv_ext: Inversión extranjera directa hotelera
Qto_4o5: Demanda turística de extranjeros en los hoteles de 4 y 5 estrellas
Pbi_pecap_usa: PBI per cápita de EEUU
Ind_int: Índice de interés en búsqueda electrónica
3. OBJETIVOS E HIPÓTESIS
3.1. Objetivos
3.1.1. Objetivo general
Evaluar el impacto de la inversión extranjera hotelera directa de hoteles de 4 y 5
estrellas en la demanda de hoteles de 3 estrellas en Lima. (Período 2009 al 2016)
Qt d3estrellas = f(Inversión directa hotelera; Demanda turística de
extranjeros en hoteles de 4 y 5 estrellas; PBI per cápita EEUU; Índice de
Interés EEUU, España, Francia, Alemania, Canadá y Reino Unido)
36
3.1.2. Objetivos específicos
a. Objetivo específico 1: Determinar si la inversión extranjera directa hotelera
tiene efecto en la demanda turística de los hoteles de 3 estrellas.
b. Objetivo específico 2: Determinar si la preferencia por los hoteles de 4 y 5
estrellas de los turistas extranjeros tiene efecto en la demanda turística de los
hoteles de 3 estrellas.
c. Objetico específico 3: Determinar si el PBI per cápita de EEUU tiene efecto
en la demanda turística de los hoteles de 3 estrellas.
d. Objetivo específico 4: Determinar si la orientación de la búsqueda
electrónica en alojamiento en Lima hacia los hoteles de 4 y 5 estrellas tiene
efecto en la demanda turística de los hoteles de 3 estrellas.
3.2. Hipótesis general
Hipótesis nula
H0: Los factores: Inversión extranjera directa hotelera, preferencia por los
hoteles de 4 y 5 estrellas, PBI per cápita de EEUU y la orientación de la
búsqueda electrónica hacia hoteles de 4 y 5 estrellas no tienen relación
significativa estadísticamente con la demanda turística de los hoteles de 3
estrellas en Lima
37
Hipótesis alternativa
H1: Los factores: Inversión extranjera directa hotelera, preferencia por los
hoteles de 4 y 5 estrellas, PBI de EEUU y la orientación de la búsqueda
electrónica hacia hoteles de 4 y 5 estrellas tienen relación significativa
estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima
3.3. Hipótesis específicas
a. Hipótesis Nula
H0: La inversión extranjera directa hotelera no tiene relación significativa
estadísticamente con la demanda turística de los hoteles de 3 estrellas.
Hipótesis Alternativa
H1: La inversión extranjera directa hotelera tiene relación significativa
estadísticamente con la demanda turística de los hoteles de 3 estrellas.
b. Hipótesis Nula
H0: La preferencia por los hoteles de 4 y 5 estrellas no tiene relación
significativa estadísticamente con la demanda turística de los hoteles de 3
estrellas.
Hipótesis Alternativa
H1: La preferencia por los hoteles de 4 y 5 estrellas tiene relación significativa
estadísticamente con la demanda turística de los hoteles de 3 estrellas.
38
c. Hipótesis Nula
H0: El PBI per cápita de EEUU no tiene relación significativa estadísticamente
con la demanda turística de los hoteles de 3 estrellas.
Hipótesis Alternativa
H1: El PBI per cápita de EEUU tiene relación significativa estadísticamente con
la demanda turística de los hoteles de 3 estrellas.
d. Hipótesis Nula
H0: La orientación de la búsqueda electrónica hacia hoteles de 4 y 5 estrellas no
tiene relación significativa estadísticamente con la demanda turística de los
hoteles de 3 estrellas.
Hipótesis Alternativa
H1: La orientación de la búsqueda electrónica hacia hoteles de 4 y 5 estrellas
tiene relación significativa estadísticamente con la demanda turística de los
hoteles de 3 estrellas.
39
CAPÍTULO II: METODOLOGÍA
4. TIPO Y DISEÑO DE LA INVESTIGACIÓN
4.1. Tipo de la investigación
El tipo de investigación del presente trabajo será de carácter cuantitativo porque
este procedimiento usará magnitudes numéricas que podrán ser tratadas mediante
herramientas del campo de la estadística y llegar así a crear un modelo estadístico. A su
vez, los datos son números estadísticos obtenidos de datos históricas de fuentes
confiables y/u oficiales.
Este tipo de análisis es de carácter objetivo; debido a que se procesará el análisis
mediante el procedimiento formal de tratamiento de datos; para luego analizar los
resultados, comprobando así el cumplimiento de determinados parámetros a fin de
verificarlas hipótesis respectivas.
4.2. Diseño de la investigación
El diseño de la investigación es causal, debido a que el objetivo final es
encontrar la relación de causa-efecto de un fenómeno. Se identificará cuáles de las
variables son causas o aquellos factores que serán manipulados para causar efectos.
40
5. VARIABLES
La definición conceptual de las variables es la siguiente:
5.1. Variables dependientes
a. Demanda turística por extranjeros de hoteles de 3 estrellas en la región Lima
Representa el número de turistas extranjeros que se hospedaron en los
hoteles de 3 estrellas ubicados en el departamento de Lima.
5.2. Variables independientes
a. Inversión directa extranjera hotelera:
Representa la cantidad monetaria expresada en dólares de la
inversión en hoteles en Lima especialmente en hoteles de 4 y 5 estrellas que
vienen a ser marcas hoteleras o cadenas hoteleras reconocidas a nivel
mundial.
b. Demanda turística de los extranjeros de hoteles de 4 y 5 estrellas en la región
Lima
Representa el número de turistas extranjeros que se hospedaron en los
hoteles de 4 y 5 estrellas.
c. PBI per cápita EEUU:
Representa la relación de división que hay entre el PIB de Estados
Unidos y la cantidad de habitantes en EEUU; expresada en dólares
nominales.
41
d. Índice de interés EEUU, España, Francia, Alemania, Canadá y Reino Unido:
Representa la relevancia a la búsqueda electrónica de “Alojamientos
en Lima” a través de los buscadores en internet de los 6 países que generan
más divisas al Perú mediante el turismo receptivo.
6. METODOLOGÍA
La metodología del presente trabajo de investigación es el modelo de
regresión lineal múltiple, que contiene una variable dependiente explicada por más
de una variable independiente. Para encontrar el valor de los parámetros a estimar,
se utiliza el método de mínimos cuadrados ordinarios (MCO).
Cuadro 12: Test de raíz unitaria de Dickey-Fuller aumentado (DFA Test) de series
de tiempo transformadas por logaritmo natural
Resultados del test de raíz unitaria de Dickey-Fuller aumentado aplicado a las series de tiempo en nivel, transformadas y
diferenciadas
SERIE DE TIEMPO
VARIABLES
EXÓGENAS DEL
MODELO DFA TEST
REZAGO
DEL
MODELO
DFA TEST
ESTADÍSTICO DFA
TEST
P-VALUE DEL
ESTADÍSTICO
DFA TEST
INTEGRACIÓN DE SERIE DE
TIEMPO
Lqt_sa Constante y tendencia 0 -2,443615 0,3517 Lqt_sat~I(1)
∆Lqt_sa Constante y tendencia 0 -6,402666 0,0001 ∆Lqt_sat~I(0)
Lqt_4o5_sa Constante y tendencia 0 -3,011465 0,1453 Lqt_4o5_sa~I(1)
∆Lqt_4o5_sa Constante y tendencia 0 -7,179432 0,0000 ∆Lqt_4o5_sa~I(0)
Linv_ext_sa Constante 0 -2,266646 0,1885 Linv_ext_sat~I(1)
∆Linv_ext_sa Constante 0 -5,165341 0,0002 ∆Linv_ext_sat~I(0)
Lind_int_sa Constante y tendencia 0 -2,347025 0,3981 Lind_int_sat~I(1)
∆Lind_int_sa Constante y tendencia 1 -4,667129 0,0043 ∆Lind_int_sat~I(0)
Lpbi_pecap_USA_sa Constante y tendencia 0 -2,636056 0,2681 Lpbi_pecap_USA_sat~I(1)
∆Lpbi_pecap_USA_sa Constante y tendencia 0 -5,521888 0,0005 ∆Lpbi_pecap_USA_sat~I(0)
*Fuente: PROPIA
42
Cuadro 13: Causalidad de granger de series de tiempo estacionarias para el
modelo de investigación
Resultados del test de causalidad de Granger de series estacionarias para el modelo de investigación
Serie de tiempo
REZAGOS
DEL
MODELO
AUXILIAR
F-ESTADÍSTICO P-VALUE DEL
F-ESTADÍSTICO
RELACIÓN DE
CAUSALIDAD DE
GRANGER
dlinv_ext_sa 1 7,10E-05 0,9934 dInv_ext_sa⇏Qt
dlqt_4o5_sa 1 0,38161 0,5419 dqt_4o5_sa⇏Qt
dlpbi_pecap_USA_sa 1 0,03203 0,8593 Dpbi_pecap_USA_sa⇏Qt
dlind_int_sa 9 2,10812 0,2922 Dind_int_sa⇏Qt
*Fuente: PROPIA
7. MODELO
Se plantea el siguiente modelo poblacional con las series en su nivel:
Qtt = δ1 + δ2inv_extt + δ2inv_extt + δ3qt_4o5t + δ4pbi_pecap_USAt +
δ5ind_intt + et
Donde:
a. Qt: Demanda turística de los hoteles de 3 estrellas
b. Inv_ext: Inversión extranjera directa hotelera
c. Qt_4o5: Demanda turística de extranjeros en los hoteles de 4 y 5
estrellas
d. Pbi_pecap_usa: PBI per cápita de EEUU
e. Ind_int: Índice de interés en búsqueda electrónica
43
Entre los resultados esperados tenemos lo siguiente:
- Se espera que la inversión extranjera muestre que mientras esta aumenta, la
demanda turística de los hoteles de 3 estrellas disminuye.
- Se espera que mientras el PBI per cápita de USA aumente, la demanda de los
hoteles de 3 estrellas de igual manera aumente.
- Se espera que mientras el índice de interés en búsqueda electrónica aumente,
la demanda turística de los hoteles de 3 estrellas también.
- Finalmente, se espera que si la demanda de los hoteles de 4 y 5 estrellas
aumenta, la demanda turística de los hoteles de 3 estrellas disminuya.
8. MUESTRA
8.1. DEFINICIÓN
La muestra para el presente proyecto consistirá en la cantidad de
personas que llegan trimestralmente a hoteles de 3 estrellas provenientes de
países extranjeros durante el periodo del 2009-2016.
8.2. ESTRUCTURA
Para la presente investigación, la estructura de la muestra se define como
única, obteniendo así un total de 32 observaciones expresadas de forma trimestral.
44
9. INSTRUMENTOS DE INVESTIGACIÓN
Para el presente trabajo de investigación, el instrumento de investigación fue
la recopilación de información de las bases de datas secundarias como:
a. PROMPERU: Organismo Técnico Especializado adscrito al Ministerio de
Comercio Exterior y Turismo, encargado de la promoción del Perú en
materia de exportaciones, turismo e imagen.
b. MINCETUR: Ministerio encargado de los temas de comercio exterior del
Estado Peruano y la promoción del turismo en el Perú.
c. SOCIEDAD HOTELES DEL PERÚ: Asociación sin fines de lucro
fundada el 11 de septiembre del 2002, que agrupa a las marcas hoteleras
más prestigiosas del País.
d. FEDERAL RESERVE ECONOMIC DATA: Una base de datos mantenida
por la división de Investigación del Banco de la Reserva Federal de San
Luis que tiene más de 421.000 series económicas de tiempo de 81 fuentes
e. GOOGLE TRENDS: Herramienta de acceso libre y gratuito brindada por
Google, que nos va a permitir comparar la popularidad de búsqueda de
varias palabras o frases durante un período de tiempo determinado.
45
CAPÍTULO III: RESULTADOS
10. PRESENTACIÓN DE RESULTADOS
Cuadro 14: MCO, Estimación del modelo poblacional de la demanda turística
para hoteles de 3 estrellas de las series en su nivel
Qtt = δ1 + δ2inv_extt + δ2inv_extt + δ3qt_4o5t + δ4pbi_pecap_USAt + δ5ind_intt + et
Serie Parámetros Valor del parámetro P-value_t
Qt 383193.9 0.0059
Inv_ext -0.000375 0.0060
Qt_4o5 0.647893 0.0001
Pbi_pecap_USA -7.678865 0.0097
Ind_int -559.0862 0.0376
F-estadístico 16.61220
F(p-value) 0.000001
*Con un nivel de significancia 5%, todas las series resultan estadísticamente significativas.
Como podemos observar; independientemente cada variable tiene un estadístico
P menor a α (α=0.05)-,lo que siginifica que se rechaza H0; por lo tanto nos indica que
cada variable es significante para la variable dependiente.
A su vez, no sale nuevamente un nivel de significancia (F-estadístico) del
0.000001; el cual es menor que α (α=0.05); lo cual indica una muy alta significancia
global de parámetros.
46
Observando el R2 con 0.711072, nos damos cuenta que el coeficiente de bondad
se aproxima a 1; por lo que se concluye que los datos están ajustándose muy bien al
modelo.
Presencia de cointegración entre las variables
Como pudimos observar anteriormente, todas las series son integradas de
orden 1 (En su primera diferencia) y aplicando la Causalidad de Granger, ninguna
causa a la variable dependiente; por ello se procede a probar la prueba de
estacionariedad al residual; con el fin de demostrar si es que las variables están
cointegradas:
Cuadro 15: DICKEY-FULLER, Test de raíz unitaria de Dickey-Fuller
aumentado (DFA test) del término residual obtenido de la estimación del
modelo poblacional de la demanda turística para hoteles de 3 estrellas en
Lima de las series en su nivel
Serie de
tiempo
Variables
exógenas
del modelo
dfa test
Rezago del
modelo
dfa test
Estadístico
dfa test
P-value del
estadístico
dfa test
α
Integración de
serie de tiempo
none 0
0.0014 5%
∴ et ~ I (0) P-value = 0.0014 < 0.05 (α)
Esto nos indica que las variables son cointegradas; es decir demuestra que las
series tienen relación a largo plazo.
47
Como se ha demostrado que el residual del modelo es estacionario y es
integrado de orden 0, se procede a aceptar el modelo propuesto (Modelo poblacional
de las series en su nivel). Sin embargo, para corroborar que sea un modelo realmente
óptimo, se procede a comprobar que el modelo cumpla con los 3 supuestos del error
en la estimación de mínimos cuadrados ordinarios (MCO):
1) Normalidad de errores:
Test de normalidad de Jarque-Bera del término residual obtenido de la
estimación del modelo poblacional de la demanda turística para hoteles de
3 estrellas en Lima de las series en su nivel
Cuadro 16: TEST DE NORMALIDAD DE JARQUE-BERA DEL RESIDUAL
Estadísticos Jarque-bera Distribución de
probabilidad Decisión
1.070074 0.585648 Sigue una distribución
normal
Al ser el P-value > 0.05 (α); se acepta H0; lo cual significa que los errores siguen una
distribución normal (µi ~ N)
48
2) Homoscedasticidad de errores:
Test de heteroscedasticidad del término residual obtenido de la estimación del
modelo poblacional de la demanda turística para hoteles de 3 estrellas en Lima de
las series en su nivel
Cuadro 17: TEST DE HETEROSCEDASTICIDAD DE GLEJSER, WHITE Y
BREUSCH-PAGAN-GODFREY
Prueba Distribución de
probabilidad α Decisión
Glejser 0.6813 5% Existe
Homoscedasticidad
White 0.7929 5% Existe
Homoscedasticidad
Breusch-Pagan-
Godfrey 0.7560 5%
Existe
Homoscedasticidad
De acuerdo con los resultados del cuadro, los p-value son mayores al nivel de
significancia 0.05 (α), con lo que se acepta la hipótesis nula y se concluye que el
modelo tiene varianza homocedástica.
3) Autocorrelación de errores
Test de auto correlación del término residual obtenido de la estimación del
modelo poblacional de la demanda turística para hoteles de 3 estrellas en
Lima de las series en su nivel
Cuadro 18: TEST DE AUTO CORRELACIÓN DE DURBIN WATSON Y
BREUSCH-GODFREY
Prueba Estadistico P-value α Zona de no auto
correlación Decisión
Durbin
Watson 0.981524 - -
Autocorrelacion
positiva
Breusch -
Godfrey 7.519099 0.0061 5% -
Existe auto
correlación
49
Los valores críticos de la distribución de Durbin-Watson son:
dL: 1.73226 y dU: 1.226774; por lo tanto existe autocorrelación positiva.
11. DISCUSIÓN
Respecto a los resultados se puede comprobar que a pesar de obtener series
estacionarias independientes estas no resultan causales en sentido Granger.
Mediante la estimación del modelo poblacional con las series en su nivel se
comprueba que las variables independientes y la variable dependiente están
cointegradas, Sin embargo, aprovechando que todas las series transformadas tienen
el mismo orden de integración, se procede a aplicar la prueba de estacionariedad al
residual se obtiene una serie estacionaria, por lo cual, se pude decir que las variables
tienen una relación a largo plazo. Así mismo, al aplicar la prueba de normalidad de
Jarque-Bera, se comprueba que los residuos siguen una distribución normal. Por
otro lado, las pruebas de heteroscedasticidad, comprueban la existencia de dicha
violación y la prueba de auto correlación según Breush-Godfrey comprueban que
hay auto correlación de los errores de primer orden.
Sin embargo, los resultados no fueron los esperados precisamente, la
estimación del modelo nos mostró resultados que si se analizan más a fondo llegan a
tener concordancia; aun cuando en la realidad se supone lo contrario.
Al desarrollar el modelo estadístico; los resultados fueron que las 4 variables
independientes son significativas para la variable dependiente; lo que nos lleva a
50
concluir que la inversión hotelera de hoteles de 4 y 5 estrellas si afecta a la demanda
turística de los hoteles de 3 estrellas; debido a que el turista conoce las cadenas
hoteleras y está dispuesto a pagar un poco más y recibir un servicio de mejor
calidad.
Por esta razón se recomienda a los hoteles de 3 estrellas tomar la decisión de
invertir en tecnología para agilizar los procesos de atención al cliente, en
infraestructura para tener una mejor presencia en el mercado virtual (booking.com)
y no solo ofrecer el servicio de pernoctación y por último invertir en estrategias de
marketing online; ya que así mejoraran los hoteles de 3 estrellas como servicio
hotelero y a su vez se verá una mejor oferta hotelera a nivel nacional.
12. CONCLUSIONES
En base a los resultados de la presente investigación, se puede concluir que, la
influencia de la inversión extranjera hotelera, demanda turística de hoteles de 4 y
5 estrellas, PBI per cápita de EEUU y la demanda turística de hoteles de 3
estrellas sí son significativas para los trimestres comprendidos entre 2009 y
2016, dado que se rechaza la hipótesis nula de la hipótesis general.
Conclusión 1: Cuando la inversión extranjera se incrementa en un dólar
americano; entonces la demanda turística de los hoteles de 3 estrellas
disminuye en 0.000375 turistas extranjeros.
51
Conclusión 2: Cuando la demanda turística de los turistas extranjeros en los
hoteles de 4 y 5 estrellas aumenta en un turista; la demanda turística de los
hoteles de 3 estrellas aumenta en 0.647893 turistas.
Conclusión 3: Cuando el PBIEEUU aumenta en 1 dólar americano; la demanda
turística de hoteles de 3 estrellas disminuye en 7.678865 turistas.
Conclusión 4: Cuando el índice de interés de la búsqueda electrónica de
alojamiento en Lima aumenta en 1 und; la demanda turística de los hoteles
de 3 estrellas disminuye en 559.0862 turistas.
Estas conclusiones son verídicas porque si bien es cierto la inversión extranjera
en Lima está aumentando, pero también la cantidad de turistas que viene a Perú; por lo
que los hoteles de 3 estrellas han perdido solo una parte del mercado total. A su vez, al
aumentar la demanda de hoteles de 4 y 5 estrellas, aumenta también la demanda de
hoteles de 3; debido a que los turistas se hospedan más en hoteles de una categoría
mayor, llegando a ocupar el total de habitaciones; empujando a que otros turistas se
hospeden en los hoteles de 3; esto se comprueba con la teoría microeconómica del bien
sustituto.
Con respecto al PBI per cápita, se puede decir que es lógico que al tener un
ingreso alto, los turistas prefieran pagar un poco más e irse a un hotel donde sabe que
les van a dar más beneficios o de lo contrario, prefieren viajar a otro destino. Por último,
cuando alguien busca “Alojamientos en Lima”; por un tema de estrategias de SEO y
SEM; salen como primeras opciones los hoteles de marcas conocidas y sobre todo
52
cadenas hoteleras de alto prestigio; pues son las que tienen presupuesto para invertir en
este tipo de marketing y además al ser las más solicitadas, los motores de búsqueda,
saltan a la vista primero, dejando la oportunidad de que los turistas puedan chequear las
páginas web de los hoteles de 3 estrellas.
13. RECOMENDACIONES
Luego de llevar a cabo el modelo estadístico propuesto y obtener los resultados,
podemos observar que debido a boom turístico que está teniendo el Perú; la inversión
hotelera va a continuar y aumentar; esto es un fenómeno el cual no se puede detener; y
como de una u otra manera los beneficia, podemos recomendarle a los hoteles de 3
estrellas lo siguiente:
a. Mejorar la calidad de servicio, debido a que el mercado peruano hoy en día
es un mercado atractivo y de todas maneras la llegada de turistas va a
continuar incrementando.
b. Invertir en investigaciones sobre las nuevas tendencias hoteleras y lo
apliquen a sus negocios; porque eso es lo que busca el viajero que vienen al
Perú; sobre todo porque son provenientes de países desarrollados y esperan
un servicio similar al de su país.
c. Invertir en tecnología, renovaciones de softwares y sistemas electrónicos del
servicio que ofrecen para poder así agilizar el servicio.
53
d. Invertir en estrategias de SEO (Search Ëngine Optimization) y SEM (Search
Engine Marketing); de esta manera podrán aparecer como primeras opciones
en la búsqueda electrónica y continuar teniendo un número favorable de
demanda turística.
e. Invertir en una eficiente página web; que sea simple pero agradable y
funcional. Que ofrezca la posibilidad de hacer reservas desde cualquier lugar
y en cualquier momento. A su vez tener, asegurarse de tener una buena
presencia en las plataformas de viajes (Booking.com, Tripadvisor, Expedia).
f. Contar con una buena reputación online, la cual se gana brindando un
servicio de muy buena calidad; para ello hay que tener en cuenta que un
comentario que brinde el cliente, puede o atraer o espantar a futuros clientes.
54
REFERENCIAS
Araya V. (2011). Introducción a la industria de la hospitalidad. Universidad
Tecnológica Nacional, s/n, s/p. 2017, Mayo 31, De Google Base de datos.
Arias X. (2017). ¿Cuál es la capacidad hotelera actual y las nuevas inversiones que se
vienen para el sector?. Mayo 31, 2017, de Mercados y Regiones Sitio web:
http://mercadosyregiones.com/cual-es-la-capacidad-hotelera-actual-y-las-
nuevas-inversiones-que-se-vienen-para-el-sector/
Barry, T 1987, 'The development of the hierarchy of effects: an historical perspective',
Current issues and Research in Advertising, vol. 10, no. 2, pp. 251-95.
Canales C. (s/f). Turismo: Inversión y sostenibilidad. Junio 08, 2017, de Cámara
Nacional de Turismo del Perú Sitio web:
http://municieneguilla.gob.pe/descarga/Cumbre/CAMARA-NACIONAL-
TURISMO-CANATUR.pdf
Chiesa T., Lengefeld K. & Crotti R. (2013). The Peru Travel & Tourism
Competitiveness Report 2013. World Economic Forum, s/v, s/p.
Collin. (2016). Peru wins fifth consecutive tourism award for best food. Junio 20,2016,
de Peru Reports Sitio web: http://perureports.com/2016/12/06/peru-wins-fifth-
consecutive-tourism-award-best-food/
Dharmik. (2016). Role of tourism industry in generating foreign exchange. Junio 11,
2017, de SlideShare Sitio web:
55
https://www.slideshare.net/Dharmikpatel7992/role-of-tourism-industry-in-
generating-foreign-exchange
Duran R. (2009). Guide of Investment in Accommodation Facilities. Peru: Ministerio de
Comercio Exterior y Turismo.
Ernst & Young colaboradores. (2015). Guía de Negocios e Inversión en el Perú. Ernst
and Young, s/v, s/p. 2017, Mayo 31, De Google Base de datos.
Farje O. (2016). Peru: 95% of hotel investment projects aimed at business travelers.
Junio 20, 2016, de Andina Sitio web: http://www.andina.com.pe/ingles/noticia-
peru-95-of-hotel-investment-projects-aimed-at-business-travelers-623867.aspx
Federal Reserve Economic Data, https://fred.stlouisfed.org/
Gitelson, RJ & Crompton, JL 1983, 'The planning horizons and sources of information
used by pleasure vacationers', Journal of Travel Research, vol. 21, no. Winter,
pp. 2-7.
Hotel and Tourism Advisor. (2015, Diciembre 10). Desarrollo del Sector Turismo.
SHP, Sociedad de Hoteles del Peru, s/v, s/p. 2017, Julio 08, De SHP Base de
datos.
International finance corporation. (2009). Peru Orient Express Hotels (Peru OEH) A
Case Study of the Development Impact of Tourism Hotels in Peru. Junio 11,
2017, de World Bank group Sitio web:
http://www.ifc.org/wps/wcm/connect/547e1b004121d3e8bcbebcdf0d0e71af/Per
u+_OEH_Development_Outcomes.pdf?MOD=AJPERES
56
Jiménez R, Simunich S. (2017). Desarrollo Inmobiliario de un hotel (4 estrellas). Lima,
Perú: Pontificia Universidad Católica del Perú.
Larios, F.; González-Taranco, C. & Álvarez, V. (2016) Investigación en Economía y
Negocios: Metodología con aplicaciones en Eviews. Lima: Fondo Editorial
USIL.
Lanquar R. (1991). La economía del turismo. España: Oikos-tau.
Mestres Soler, J. R. (1999): Técnicas de Gestión y Dirección Hotelera. Ediciones
Gestión 2000, 2ª ed., Barcelona, p. 1.
MINCETUR. (2004). Reglamento de Establecimiento de Hospedaje DECRETO
SUPREMO N° 029 - 2004. Mayo 31, 2017, de MINCETUR Sitio web:
http://apoturperu.org/wp-content/uploads/2014/11/REGLAMENTO-DE-
ESTABLECIMIENTO-DE-HOSPEDAJE.pdf
Oxford Business Group. (2015). The Report - Peru 2015. USA: OBG.
Onder I & Gunter U. (2015, Enero). Forecasting Tourism Demand with Google Trends
For a Major European City Destination. RoMEO, 21(2), 203-220. 2017, Junio
23, De MODUL University Vienna Base de datos.
Pan, B., Doris, C. W., & Song, H. (2012). Forecasting hotel room demand using search
engine data. Journal of Hospitality and Tourism Technology, 3(3), 196-210.
doi:http://dx.doi.org/10.1108/17579881211264486
Pan B., Wu D. & Song H, (2012) "Forecasting hotel room demand using search engine
data", Journal of Hospitality and Tourism Technology, Vol. 3 Issue: 3, pp.196-
210, https://doi.org/10.1108/17579881211264486
57
Panosso A. & Lohmann G. (2012). Teoría del turismo. México: Trillas.
Peru infrastructure report - Q1 2017. (2017). London: Business Monitor International.
Retrieved from
https://search.proquest.com/docview/1841850459?accountid=43847
Peru tourism report - Q3 2017. (2017). London: Business Monitor International.
Retrieved from
https://search.proquest.com/docview/1902539790?accountid=43847
PROMPERU (1998ª) El perfil del turista extranjero. Lima
PROMPERU. (2016). Perfil del turista Extranjero de Lima 2015. Junio 11, 2017, de
PROMPERU Sitio web:
http://www.promperu.gob.pe/TurismoIn/Sitio/PerfTuristaExt
Rivera, R. (2016). A Dynamic Linear Model to Forecast Hotel Registrations in Puerto
Rico. Obtenido de https://arxiv.org/pdf/1512.08097.pdf
Saidi, N., Scacciavillani, F., & Fahd, A. (2010). Forecasting Tourism in Dubai
Forecasting Tourism in Dubai. Recuperado el Octubre de 2016, de
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=
rja&uact=8&ved=0ahUKEwi0go-
h0tPPAhUE1R4KHQ1pCjQQFgg1MAA&url=http%3A%2F%2Fnassersaidi.co
m%2Fwp-content%2Fuploads%2F2012%2F06%2FEconomic-Note-
8.pdf&usg=AFQjCNEyt5ONzWYqnVtGKUDTqzF6dSYURg&bv
Silva M. (2016). Medición económica del turismo. MINCETUR, s/v, s/p.
Sociedad Hoteles del Perú, http://sociedadhotelesdelperu.org.pe/
58
Taype U. & Peñaloza E. (2000). La tributación y su efecto en la inversión hotelera:
Análisis y Propuesta. Universidad Nacional Mayor de San Marcos, s/v, s/p.
2017, Junio 07, De Congreso Nacional de estudiantes de ciencias contables y
financieras Base de datos.
Witt S., Brooke M. & Buckley P. (1995). The management of international tourism.
EE.UU.: Routledge.
World Tourism Organization (UNWTO). (2015). Edition 2015. Tourism Highlights,
s/v, 14.
World Tourism Organization (2016), Tourism and Culture Partnership in Peru –
Models for Collaboration between Tourism, Culture and Community, UNWTO,
Madrid.
Yang, X. (2014). FORECASTING CHINESE TOURIST VOLUME WITH SEARCH
ENGINE DATA. 2nd International Conference on Big Data Analysis and Data
Mining. Recuperado el 11 Julio de 2017, de
http://www.omicsonline.org/proceedings/the-effects-of-google-trends-on-
tourism-industry-in-south-korea-39641.html
59
ANEXOS
Anexo 1: El proceso de la investigación económica
Anexo 2: Árbol de problemas
Anexo 3: Perfil del turista extranjero de Lima – 2015
Anexo 4: Variables del modelo estadístico planteado
Anexo 5: Muestra transformada a logaritmo natural
ESTADÍSTICA DESCRIPTIVA DE LOS DATOS DE LAS VARIABLES DE LA
MUESTRA DE INVESTIGACIÓN
Anexo 6: Estadísticos descriptivos de series de tiempo en su nivel
Anexo 7: Test de Normalidad de Jarque-Bera de las series de tiempo en su nivel
Anexo 8: Estadísticos descriptivos de series de tiempo desestacionalizadas por el
método X-13 Arima- seats
Anexo 9: Test de normalidad de Jarque-Bera para series desestacionalizadas por el
método x13-Arima- seats
Anexo 10: Transformación por logaritmo natural de series de tiempo
desestacionalizadas para reducción de varianza
Anexo 11: Estadísticos descriptivos de series de tiempo transformadas por logaritmo
natural
Anexo 12: Test de normalidad de Jarque-Bera para series de tiempo transformadas por
logaritmo natural
Anexo 13: Evaluación de existencia de tendencia en la serie demanda turística de
hoteles de 3 estrellas
60
Anexo 14: Evaluación de existencia de tendencia en la serie Inversión extranjera
hotelera
Anexo 15: Evaluación de existencia de tendencia en la serie demanda turística de los
hoteles de 4 y 5 estrellas
Anexo 16: Evaluación de existencia de tendencia en la serie PBI per cápita de EEUU
Anexo 17: Evaluación de existencia de tendencia en la serie índice de interés en
búsqueda electrónica de “Alojamientos en Lima”
Anexo 18: Test de raíz unitaria de Dickey-Fuller aumentado (DFA Test) de series de
tiempo transformadas por logaritmo natural
Anexo 19: Series de tiempo estacionarias para el modelo de investigación
Anexo 20: Estadísticos descriptivos de series de tiempo estacionarias para el modelo de
investigación
Anexo 21: Test de normalidad de Jarque-Bera de series de tiempo estacionarias para el
modelo de investigación
Anexo 22: Causalidad de granger de series de tiempo estacionarias para el modelo de
investigación
Anexo 23: Matriz de Consistencia
Anexo 1: El proceso de la investigación económica:
Anexo 2: Árbol de problemas
63
Anexo 3: Perfil del turista extranjero de Lima - 2015
64
65
66
Anexo 4: Variables del modelo estadístico planteado
Trimestre
Demanda turística de hoteles de 3
estrellas (extranjeros)
Inversión extranjera directa hotelera en
Lima PBI de EEUU
Demanda turística de hoteles de 4 y 5
estrellas
Índice de interés en alojamiento en Lima de los 6 países que generan mayores divisas al Perú
T1 36779 $ 6.650.000 $ 46.491 96100 68,50
T2 51728 $ 6.650.000 $ 46.781 104809 62,50
T3 61656 $ 6.650.000 $ 46.826 118208 65,17
T4 54176 $ 6.650.000 $ 47.170 119017 61,83
T5 34572 $ 21.187.500 $ 47.280 101169 62,45
T6 48496 $ 21.187.500 $ 47.649 111625 67,17
T7 63522 $ 21.187.500 $ 47.873 132882 70,28
T8 52967 $ 21.187.500 $ 48.077 116521 66,61
T9 47233 $ 52.841.250 $ 47.811 125600 48,00
T10 60504 $ 52.841.250 $ 48.077 138763 45,28
T11 69801 $ 52.841.250 $ 48.082 147287 48,50
T12 57216 $ 52.841.250 $ 48.529 151087 43,39
T13 47931 $ 35.850.000 $ 48.771 143025 46,67
T14 59245 $ 35.850.000 $ 48.917 140754 46,39
T15 61472 $ 35.850.000 $ 48.881 137921 49,28
T16 64141 $ 35.850.000 $ 48.797 135446 41,72
T17 50988 $ 12.125.000 $ 49.066 118971 45,50
T18 70889 $ 12.125.000 $ 49.084 139196 47,78
T19 78715 $ 12.125.000 $ 49.366 151490 42,72
T20 77591 $ 12.125.000 $ 49.749 151142 39,28
T21 61107 $ 15.525.000 $ 49.518 137068 48,61
T22 78711 $ 15.525.000 $ 49.917 158801 47,72
T23 86851 $ 15.525.000 $ 50.424 167446 44,83
T24 78721 $ 15.525.000 $ 50.612 162586 48,11
T25 56512 $ 16.875.000 $ 50.789 150726 47,78
T26 75943 $ 16.875.000 $ 51.034 171676 42,78
T27 76667 $ 16.875.000 $ 51.188 184924 41,44
T28 65018 $ 16.875.000 $ 51.204 170554 43,78
T29 52344 $ 17.500.000 $ 51.233 166109 45,83
T30 73786 $ 17.500.000 $ 51.331 193923 47,89
T31 84408 $ 17.500.000 $ 51.678 204293 43,83
T32 71688 $ 17.500.000 $ 51.849 191921 43,28
67
Anexo 5: Muestra transformada a logaritmo natural
LIND_INT LINV_EXT LPBI_PECAP_USA LQT LQT_4O5
2009Q1 4,226834 15,71013 10,74701 10,51268 11,47314
2009Q2 4,135167 15,71013 10,75323 10,85375 11,55989
2009Q3 4,176999 15,71013 10,75419 11,02933 11,6802
2009Q4 4,124389 15,71013 10,76151 10,89999 11,68702
2010Q1 4,134366 16,86892 10,76384 10,4508 11,52455
2010Q2 4,207227 16,86892 10,77162 10,78924 11,6229
2010Q3 4,252487 16,86892 10,77631 11,05914 11,79722
2010Q4 4,198855 16,86892 10,78056 10,87742 11,66583
2011Q1 3,871201 17,78280 10,77501 10,76285 11,74086
2011Q2 3,812865 17,78280 10,78056 11,01046 11,84052
2011Q3 3,881564 17,78280 10,78066 11,1534 11,90014
2011Q4 3,770229 17,78280 10,78992 10,95459 11,92561
2012Q1 3,843102 17,78280 10,79489 10,77752 11,87077
2012Q2 3,837084 17,78280 10,79788 10,95944 11,85477
2012Q3 3,897518 17,78280 10,79714 11,02634 11,83444
2012Q4 3,730981 17,78280 10,79542 11,06884 11,81633
2013Q1 3,817712 16,31078 10,80092 10,83935 11,68664
2013Q2 3,866607 16,31078 10,80129 11,16887 11,84364
2013Q3 3,754667 16,31078 10,80702 11,27359 11,92827
2013Q4 3,670715 16,31078 10,81475 11,25921 11,92598
2014Q1 3,883829 16,55796 10,81009 11,02038 11,82823
2014Q2 3,865351 16,55796 10,81812 11,27354 11,97541
2014Q3 3,802878 16,55796 10,82822 11,37195 12,02842
2014Q4 3,87349 16,55796 10,83194 11,27367 11,99896
2015Q1 3,866607 16,64134 10,83544 10,94221 11,92322
2015Q2 3,756071 16,64134 10,84025 11,23774 12,05336
2015Q3 3,724247 16,64134 10,84326 11,24723 12,1277
2015Q4 3,779177 16,64134 10,84357 11,08242 12,04681
2016Q1 3,824939 16,67771 10,84414 10,86559 12,0204
2016Q2 3,868907 16,67771 10,84605 11,20892 12,17522
2016Q3 3,780319 16,67771 10,85279 11,34342 12,22731
2016Q4 3,767691 16,67771 10,85609 11,18008 12,16484
68
Anexo 6: Estadísticos descriptivos de series de tiempo en su nivel
Estadísticos descriptivos de series en su nivel
Estadísticos Qt Inv_Ext Qt_4o5 PBI_pecap_USA Ind_Int
Media 62855,56 22319219 145032,5 49189,19 5.046.563
Mediana 61564 17187500 141889,5 48991,5 47,75000
Desv. Estándar 13307,01 14207810 27485,11 1582,488 9,278233
Skewness -0,139908 1.161.785 0,258107 0,077464 1,017760
Kurtosis 2,332408 3,190337 2,480147 1,853536 2,510293
*Fuente: PROPIA
Anexo 7: Test de Normalidad de Jarque-Bera de las series de tiempo en su nivel
Resultados de Test de Normalidad de Jarque-Bera de las series de tiempo en su nivel
Serie de tiempo Jarque-Bera P-value de Jarque-Bera
Qt 0,698635 0,705169
Inv_Ext 7,246942 0,026690
Qt_4o5 0,715632 0,699202
PBI_pecap_USA 1,784510 0,409731
Ind_Int 5,844210 0,053820
*Fuente: PROPIA
Anexo 8: Estadísticos descriptivos de series de tiempo desestacionalizadas por el
método X-13 Arima- seats
Estadísticos descriptivos de series de tiempo desestacionalizadas por el método X-13ARIMA-SEATS
Estadísticos Qt_sa Inv_Ext_sa Qt_4o5_sa PBI_pecap_USA_sa Ind_Int_sa
Media 62728,84 22308371 144931,9 49188,75 50,50889
Mediana 63155,37 17189234 142517,8 48999,93 46,36388
Desv.
Estándar
9848,477 14266496 25766,61 1575,058 9,199283
Skewness -0,166076 1,200629 0,184777 0,077258 1,106796
Kurtosis 1,898025 3,369718 2,156358 1,830723 2,561664
*Fuente: PROPIA
69
Anexo 9: Test de normalidad de Jarque-Bera para series desestacionalizadas por el
método x13-Arima- seats
Resultados de Test de Normalidad de Jarque-Bera de las series de tiempo
desestacionalizadas por el método X-13ARIMA-SEATS
Serie de tiempo Jarque-Bera P-value de Jarque-Bera
Qt_sa 1,766233 0,413492
Inv_Ext_sa 7,870304 0,019543
Qt_4o5_sa 1,131069 0,568056
PBI_pecap_USA_sa 1,854777 0,395585
Ind_Int_sa 6,789501 0,033549
*Fuente: PROPIA
Anexo 10: Transformación por logaritmo natural de series de tiempo
desestacionalizadas para reducción de varianza
Serie de tiempo transformada por logaritmo natural
Qt_sa ---> Lnqt_sa
Inv_Ext_sa ---> Lninv_ext_sa
Qt_4o5_sa ---> Lnqt_4o5_sa
PBI_pecap_USA_sa ---> Lnpbi_pecap_USA_sa
ind_int_sa ---> Lnind_int_sa
*Funete: PROPIA
Anexo 11: Estadísticos descriptivos de series de tiempo transformadas por
logaritmo natural
Estadísticos descriptivos de series de tiempo transformadas por logaritmo natural
Estadísticos Lnqt_sa Lninv_Ext_sa Lnqt_4o5_sa Lnpbi_pecap_USA_sa Lnind_Int_sa
Media 2,400888 16,74176 11,86854 10,80292 3,907671
Mediana 2,402732 16,65979 11,86716 10,79957 3,836521
Desv.
Estándar
0,014736 0,605346 0,179530 0,032004 0,168377
Skewness -0,410917 0,112352 -0,107135 0,037945 1,013133
Kurtosis 2,169261 2,601186 2,102757 1,838802 2,424688
*Fuente:PROPIA
70
Anexo 12: Test de normalidad de Jarque-Bera para series de tiempo
transformadas por logaritmo natural
Resultados de Test de Normalidad de Jarque-Bera de series de tiempo
transformadas por logaritmo natural
Serie de tiempo Jarque-Bera P-value de Jarque-Bera
Lnqt_sa 1,795772 0,402380
Lninv_Ext_sa 0,279393 0,869622
Lnqt_4o5_sa 1,134609 0,567052
Lnpbi_pecap_USA_sa 1,805520 0,405449
Lnind_Int_sa 5,948118 0,051095
*Fuente: PROPIA
Anexo 13: Evaluación de existencia de tendencia en la serie demanda turística de
hoteles de 3 estrellas
Se corre la ecuación: Lqt_sa c @trend y se obtienen los siguientes resultados:
Estimador Valor P-value del
T-estadístico
10.80746 0.0000
0.014624 0.0000
0.716168
P-value del F-
estadístico
0.000000
D-estadístico 0.735278
T 32
∴ Si hay tendencia, P-value 0.0000 < 0.05
71
Anexo 14: Evaluación de existencia de tendencia en la serie Inversión extranjera
hotelera
Se corre la ecuación: Linv_ext_sa c @trend y se obtienen los siguientes resultados:
Estimador Valor P-value del
T-estadístico
16.69171 0.0000
0.003229 0.7856
0.002504
P-value del F-
estadístico
0.785647
D-estadístico 0.275047
T 32
∴ No hay tendencia, P-value 0.0000 > 0.05
Anexo 15: Evaluación de existencia de tendencia en la serie demanda turística de
los hoteles de 4 y 5 estrellas
Se corre la ecuación: Lqt_4o5_sa c @trend y se obtienen los siguientes resultados:
Estimador Valor P-value del
T-estadístico
11.58844 0.0000
0.018071 0.0000
0.891589
P-value del F-estadístico 0.000000
D-estadístico 0.942507
T 32
∴ Si hay tendencia, P-value 0.0000 < 0.05
72
Anexo 16: Evaluación de existencia de tendencia en la serie PBI per cápita de
EEUU
Se corre la ecuación: Lpbi_pecap_USA_sa c @trend y se obtienen los siguientes
resultados
Estimador Valor P-value del
T-estadístico
10.75038 0.0000
0.003390 0.0000
0.987170
P-value del F-
estadístico
0.000000
D-estadístico 0.783387
T 32
∴ Si hay tendencia, P-value 0.0000 < 0.05
Anexo 17: Evaluación de existencia de tendencia en la serie índice de interés en
búsqueda electrónica de “Alojamientos en Lima”
Se corre la ecuación: Lind_int_USA_sa c @trend y se obtienen los siguientes resultados
Estimador Valor P-value del
T-estadístico
4.117614 0.0000
-0.013545 0.0000
0.569450
P-value del F-
estadístico
0.000001
D-estadístico 0.614551
T 32
∴ Si hay tendencia, P-value 0.0000 < 0.05
73
Anexo 18: Test de raíz unitaria de Dickey-Fuller aumentado (DFA Test) de series
de tiempo transformadas por logaritmo natural
Resultados del test de raíz unitaria de Dickey-Fuller aumentado aplicado a las series de tiempo en nivel,
transformadas y diferenciadas
SERIE DE
TIEMPO
VARIABLES
EXÓGENAS DEL
MODELO DFA
TEST
REZAGO
DEL
MODELO
DFA TEST
ESTADÍSTICO
DFA TEST
P-VALUE DEL
ESTADÍSTICO
DFA TEST
INTEGRACIÓN DE
SERIE DE TIEMPO
Lqt_sa Constante y tendencia
0 -2,443615 0,3517 Lqt_sat~I(1)
∆Lqt_sa Constante y tendencia
0 -6,402666 0,0001 ∆Lqt_sat~I(0)
Lqt_4o5_sa Constante y tendencia
0 -3,011465 0,1453 Lqt_4o5_sa~I(1)
∆Lqt_4o5_sa Constante y tendencia
0 -7,179432 0,0000 ∆Lqt_4o5_sa~I(0)
Linv_ext_sa Constante 0 -2,266646 0,1885 Linv_ext_sat~I(1)
∆Linv_ext_sa Constante 0 -5,165341 0,0002 ∆Linv_ext_sat~I(0)
Lind_int_sa Constante y tendencia
0 -2,347025 0,3981 Lind_int_sat~I(1)
∆Lind_int_sa Constante y tendencia
1 -4,667129 0,0043 ∆Lind_int_sat~I(0)
Lpbi_pecap_USA_sa Constante y tendencia
0 -2,636056 0,2681 Lpbi_pecap_USA_sat~I(1)
∆Lpbi_pecap_USA_sa Constante y tendencia
0 -5,521888 0,0005 ∆Lpbi_pecap_USA_sat~I(0)
*Fuente: PROPIA
Anexo 19: Series de tiempo estacionarias para el modelo de investigación
SERIE DE TIEMPO ESTACIONARIAS
Lqt_sa ---> dlqt_sa
Linv_ext_sa ---> dlinv_ext_sa
Lqt_4o5_sa ---> dlqt_4o5_sa
Lpbi_pecap_USA_sa ---> dlpbi_pecap_USA_sa
Lind_int_sa ---> dlind_int_sa
*Fuente: PROPIA
74
Anexo 20: Estadísticos descriptivos de series de tiempo estacionarias para el
modelo de investigación
Estadísticos descriptivos de series de tiempo estacionarias para modelo de investigación
Estadísticos dlqt_sa dlinv_ext_sa dlqt_4o5_sa dlpbi_pecap_USA_sa dlind_int_sa
Media 0,013518 0,037652 0,019802 0,003432 -0,014539
Mediana 0,016293 0,019979 0,022792 0,003925 -0,014269
Desviación estándar
0,075273 0,320412 0,05831 0,003261 0,088037
Skewness -0,529673
-1,074724 0,067279 -0,272017 -1,970058
Kurtosis 3,911750 9,777972 4,737200 2,152650 9,703597
*Fuente: PROPIA
Anexo 21: Test de normalidad de Jarque-Bera de series de tiempo estacionarias
para el modelo de investigación
Resultados del test de normalidad de Jarque-Bera de series de tiempo estacionarias para el
modelo de investigación
Serie de tiempo Jarque-Bera P-value de Jarque-Bera
dlqt_sa 2,523271 0,283191
dlinv_ext_sa 65,30801 0,000000
dlqt_4o5_sa 3,921462 0,140756
dlpbi_pecap_USA_sa 1,309717 0,519516
dlind_int_sa 78,09767 0,000000
*Fuente: PROPIA
75
Anexo 22: Causalidad de granger de series de tiempo estacionarias para el modelo
de investigación
1.
Modelo auxiliar no restringido
P: El orden del rezago
*Para determinar el orden del rezago se elige el menor criterio de información
REZAGO(p) SCHWARZ CRITERION
1 -2.154218
2 -1.947736
3 -1.814174
4 -2.037342
5 -1.976482
6 -1.742852
7 -1.602584
8 -1.600709
9 -1.719853
10 -3.026302
*El menor criterio de información se encontró con el rezago 10, pero el software
no lo aceptaba, por ende se escoge el 1
76
2.
Modelo auxiliar no restringido
P: el orden del rezago
*Para determinar el orden del rezago se elige el menor criterio de información
REZAGO(p) SCHWARZ CRITERION
1 -2.157192
2 -1.933714
3 -1.709626
4 -1.910791
5 -1.782447
6 -1.806916
7 -1.623133
8 -1.369263
9 -1.268267
10 -1.249817
*El menor criterio de información se encontró con el rezago 1
*Al aplicar el test de causalidad de Granger en el software E-views deben
colocar “1” como rezago para ejecutar la prueba
77
3.
Modelo auxiliar no restringido
P: el orden del rezago
*Para determinar el orden del rezago se elige el menor criterio de información
REZAGO(p) SCHWARZ CRITERION
1 -2.165665
2 -1.934672
3 -1.697823
4 -1.903279
5 -1.708683
6 -1.708331
7 -1.793142
8 -1.639407
9 -1.374636
10 -1.748455
*El menor criterio de información se encontró con el rezago 1
78
4.
Modelo auxiliar no restringido
P: El orden del rezago
*Para determinar el orden del rezago se elige el menor criterio de información
REZAGO(p) SCHWARZ CRITERION
1 -2.158417
2 -1.905689
3 -1.773746
4 -2.089834
5 -2.090375
6 -2.079628
7 -2.171880
8 -1.989661
9 -2.354630
10 -3.532144
* El menor criterio de información se encontró con el rezago 10, pero el
software no lo aceptaba, por ende se escoge el 9.
Resultados del test de causalidad de Granger de series estacionarias para el modelo de
investigación
Serie de tiempo
REZAGOS DEL
MODELO
AUXILIAR
F-
ESTADÍSTICO
P-VALUE DEL
F-
ESTADÍSTICO
RELACIÓN DE
CAUSALIDAD DE
GRANGER
dlinv_ext_sa 1 7,10E-05 0,9934 dInv_ext_sa⇏Qt
dlqt_4o5_sa 1 0,38161 0,5419 dqt_4o5_sa⇏Qt
dlpbi_pecap_USA_sa 1 0,03203 0,8593 Dpbi_pecap_USA_sa⇏Qt
dlind_int_sa 9 2,10812 0,2922 Dind_int_sa⇏Qt
ANEXO 23: MATRIZ DE CONSISTENCIA
TIPO PROBLEMAS OBJETIVOS HIPÓTESIS VARIABLES INDICADORES DATOS
General
¿Los factores (Inversión extranjera hotelera, demanda turística de hoteles de 4 y 5 estrellas, PBI per cápita de
EEUU y el índice de interés en búsqueda electrónica) han afectado la ocupabilidad en
hoteles de 3 estrellas que en su totalidad son inversiones
nacionales?
Evaluar el impacto de la inversión extranjera hotelera directa de hoteles de 4 y 5 estrellas en la demanda de hoteles de 3 estrellas en Lima. (Período 2009 al 2016
H0: Los factores: Inversión extranjera directa hotelera, preferencia por los hoteles de 4 y 5 estrellas, PBI per cápita de EEUU y la orientación de la búsqueda electrónica hacia hoteles de 4 y 5 estrellas no tienen relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
H1: Los factores: Inversión extranjera directa hotelera, preferencia por los hoteles de 4 y 5 estrellas, PBI de EEUU y la orientación de la búsqueda electrónica hacia hoteles de 4 y 5 estrellas tienen relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima
Demanda turística por extranjeros de hoteles de 3 estrellas en la región Lima
Número de turistas extranjeros que se hospedaron en los hoteles de 3 estrellas ubicados en el departamento de Lima
Muestra:
Cantidad de personas que llegan trimestralmente a hoteles de 3 estrellas provenientes de países extranjeros durante el periodo del 2009-2016.
Tipo de investigación: Cuantitativa Diseño de investigación: Causal
Específico 1
¿El aumento de la inversión extranjera directa en el sector
hotelero ha afectado la ocupabilidad de los hoteles 3
estrellas en Lima.?
Determinar si la inversión extranjera directa hotelera tiene efecto en la demanda turística de los hoteles de 3 estrellas en Lima.
H0: La inversión extranjera directa hotelera no tiene relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
H1: La inversión extranjera directa hotelera tiene relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
Inversión directa extranjera hotelera
Cantidad monetaria expresada en dólares de la inversión en hoteles en Lima especialmente en hoteles de 4 y 5 estrellas en Lima.
Específico 2
¿La preferencia de los turistas extranjeros por hoteles de 4 y 5
estrellas ha afectado la demanda de hoteles de 3
estrellas?
Determinar si la preferencia por los hoteles de 4 y 5 estrellas de los turistas extranjeros tiene efecto en la demanda turística de los hoteles de 3 estrellas en Lima.
H0: La preferencia por los hoteles de 4 y 5 estrellas no tiene relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
H1: La preferencia por los hoteles de 4 y 5 estrellas tiene relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
Demanda turística de los extranjeros de hoteles de 4 y 5 estrellas en la región Lima
Número de turistas extranjeros que se hospedaron en los hoteles de 4 y 5 estrellas en Lima.
Específico 3
¿El aumento del arribo de los turistas extranjeros procedentes de USA con mayor capacidad
adquisitiva afecta la ocupabilidad de los hoteles de 3
estrellas en Lima?
Determinar si el PBI per cápita de EEUU tiene efecto en la demanda turística de los hoteles de 3 estrellas en Lima.
H0: El PBI per cápita de EEUU no tiene relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
H1: El PBI per cápita de EEUU tiene relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
PBI per cápita EEUU
Relación de división que hay entre el PIB de Estados Unidos y la cantidad de habitantes en EEUU; expresada en dólares nominales.
Específico 4 ¿La búsqueda electrónica se ha orientado más a hoteles de 4 y 5
estrellas en Lima.?
Determinar si la orientación de la búsqueda electrónica en alojamiento en Lima hacia los hoteles de 4 y 5 estrellas tiene efecto en la demanda turística de los hoteles de 3 estrellas en Lima.
H0: La orientación de la búsqueda electrónica hacia hoteles de 4 y 5 estrellas no tiene relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
H1: La orientación de la búsqueda electrónica hacia hoteles de 4 y 5 estrellas tiene relación significativa estadísticamente con la demanda turística de los hoteles de 3 estrellas en Lima.
Índice de interés EEUU,
España, Francia, Alemania,
Canadá y Reino Unido:
Relevancia a la búsqueda electrónica de “Alojamientos en Lima” a través de los buscadores en internet