Vorhersage der Tourismussnachfrage mittels Zeitreihen, künstlichen neuronalen Netzen und multivariaten adaptiven Regressionssplines: Belege aus Taiwan

In den letzten Jahrzehnten hat der internationale Tourismus schnell zugenommen und ist zu einem sehr interessanten Thema in der Tourismusforschung geworden. Taiwan, das als Bürger in der globalen Gemeinschaft auftritt, hat die Reiseeinrichtungen verbessert, und die starke Förderung durch die Regierungen hat immer mehr Besucher angezogen, Taiwan zu besuchen. Diese Studie versucht, das Prognosemodell für Besucher in Taiwan unter Verwendung von drei häufig verwendeten Ansätzen – ARIMA, künstlichen neuronalen Netzen (ANNs) und multivariaten adaptiven Regressionssplines (MARS) – zu erstellen. Um die Angemessenheit der vorgeschlagenen Modellierungsansätze zu bewerten, wurde der Datensatz monatlicher Besucher nach Taiwan als illustrative Beispiel verwendet. Analytische Ergebnisse zeigten, dass ARIMA in Bezug auf RMSE, MAD und MAPE besser abschnitt als ANNs und MARS-Ansätze und effektive Alternativen zur Vorhersage der Tourismussnachfrage bot.