Elección turística probabilística del turista español

Eleccin de turismo: aplicacin probabilstica al turista espaol.
Juan Luis Nicolau Gonzlbez

Tesis doctoral de la Universidad de Alicante. Tesi doctoral de la Universitat d'Alacant. 2002
LJniversitat d'Alacant
IJniversidad de Alicante
FACULTAD DE
nCONMICAS Y EMPRESARIALES
ELECCION EN TURISMO:
APLICAcTN PRoBABrr,srrc^l
AL TURrsrA nsp,or,
TESIS DOCTORAL PRESENTADA POR:
JUAI LUls NICoLAU eoNzlt B,nz
DIRIGIDA POR EL DT.
FRANcISco os nns xuiz
C atedrtico de Comerc ializacin
e Investigacin de Mercados
Eleccin de turismo: aplicacin probabilstica al turista espaol. Juan Luis Nicolau Gonzlbez
A mis Padres y a mi Hermano
AGRADECIMIENTOS
En este captulo de agradecimientos querra mostrar, en primer lugar, mi mis
sincera gratitud al Dr. Francisco J. Ms Ruiz, por su inters y dedicacin constante
durante la realizacin de esta Tesis Doctoral, por su solcita predisposicin a ofrecerme
su ms estrecha colaboracin en todo momento, y por sus orientaciones e indicaciones
que han resultado ser decisivrs para el desarollo de la misma.
En segundo lugar, quiero agradecer al Dr. Juan Carlos Gmez Sala y al Dr.
Joaqun Marhuenda Fructuoso su confianza puesta en m desde mi incorporacin a la
Universidad de Alicante, ofrecindome siempre su apoyo y mostrando un inters
continuo en mi desarrollo investigador. Tambin he de reconocer el ambiente formado
en el Departamento de Economa Financiera, Contabilidad y Marketing, idneo para el
desa:rollo de toda actividad investigadora. Mencin especial debo hacer a mis
compaeros de rea y promocin, profesores Felipe Ruiz, Ricardo Sellers y Ana
Casado, as como al Dr. Antonio Rubia. Asimismo, agradezco a Juan Espaa y a
Cristina Girons, su eficacia y eficiencia en el desempeo de, sus siempre latentes,
tareas de apoyo y de gestin.
Finalmente, agradecer al Ministerio de Economa su ayuda material a travs de
la Beca "Turismo de Espaa" de la Secretara de Estado de Comercio y Turismo, de la
que he sido adjudicatario para la realizacin de la presente Tesis Doctoral.
xnrcE
indice
I NTRODUCCI ON. . . . . . . . . . . . . . . . . . . . . . . . . . I
CAPTULO I. ASPECTOS FTJNDAMENTALES DE LA TEOA DE LA ELECCIN...............I
l . TNTRODUCCIN........ ................2
2. LA TEORi A DE LA ELECCIN. ....................3
2.2. Tnoni DE rA ELEccrN DTSCRETA v Teonlq EcoNurce Nsoclsrce. ...............7
2.2.1 . Definicin de los Conjuntos de .4lternativas en las Teoras de Eleccin.............................7
2.2.2. Regl as de Deci si n en l as Teoras de El ecci n. .........................8
3. MODELOS DE ELECCIN DE ELECCIN DISCRETA VERSUS MODELOS DE
PREFERTNCIAS MULTIATRtsUTO.... ...........................I I
3.1. MooEr-os oE Er-eccrN DrscRErA ..........12
3.1.1. Clasificacin de los Modelos de Eleccin Discreta atendiendo a la Fuente de
Incertidumbre ........-... 12
3.l .l .l .Model osdeUti l i dadConstanteyRegl asdeDeci si nEstocsti cas... ........... 13
3. 1. 1. 1. 1. Model o de Luce. . . . . . . . , . . . . . . . . . . . . . . . . . . . . . . 14
3.1.1.1.2. Model o de Tversky...... .................... 14
3.1.1.2. Modelos de Utilidad Aleatoria y Reglas de Decisin Deterministas. ........... l8
3.1.1.2.1. Model o de Thurstone ...................... 18
3.1.1.2.2. Model o de McFadden y Manski ........ ..................... 19
3. I .2. Formalizacin Operativa de la Eleccin Discreta.... ............... 20
3.1.2.1. Model o de Probabi l i dad Li nea1............. .....,....23
3.1.2.2. Model o Probi t Mul ti nomi al ................ ............23
3.1.2.3. Model o Logi t Mul ti nomi d.................... .........25
3.1.2.3. 1. Propiedad de Independencia de Altemativas Irrelevantes ..................... ...............26
3.1.2.3.2. Extensiones del Nfodelo Logit Multinomial para Evitar la Hiptesis de
Independencia de Alternativas Irrelevantes (IIA) .............. ...........27
A) Modelo Logit Multinomial Anidado..... ............27
B) Model o Logi t Ani dado Cruzado .......................29
C) Model o Logi t de Combi naci ones Pareadas...... ........................29
D) Model o C-Lo9i t.......... ...............30
E) Model o Dogi t.............. ...............31
F) Modelo de Vlor Extremo Generalizado (GEV)........... ...........32
3.1.2.4. Model o Logi t Hbri do. .............32
3.1.2.4.1. Model o Logi t de Coefi ci entes Al eatori os...... .........33
3.1.2.4.2. Model o de Cl ases Latentes.......... ...........................34
3.1.2.5. Model o con Conj untos de El ecci n Latentes......... ................ 35
3.2. MooEr-os DE PREFERENCnS MULTTATRTBUTo .............37
3.2.1. Model os de Composi ci n............. .......................39
3.2.2. Modelos de Descomposicin ..........40
3.2.2.1. El Anlisis Conjunto como Paradigma de Comportamiento................ .........41
3.2.3. Model os Hbri dos.... .......................44
3.3. INTEGRACIN DE LOS MODELOS DE ELECCIN DISCRETA Y DE PREFERENcIAS MULTIATRIBUTo
DE DESCOMPOSTCTN. . . . . . . . . . . . . - . . . . . . . . . . . . . . . . . . 45
3.3.1. Comparacin entre los Modelos de Eleccin Discreta y de Preferencias Mulriatributo ...45
3.3.2. El ecci n Di screta Experi mental ..........................47
4. TNTERACCIN ESPACrAL.............. ............50
CAPTULO rr. ELECCTN EN TURrSilrO........... ............s7
l. TNTRODUCCTN......... .............58
2. TEORA DE LA ELECCTN EN TURrS\O.................. ........................60
2.1. CoNcpruAlrzAcrN DEL DEcrsoR ..........60
2.2.L1i s ALTERNATTVAS DE ELEccrN ............... .................61
2.2.1. Particularidades de los Producos Tursticos.................. ........62
indice
2.2.2. Cl asi fi caci n de l os Productos Tursti cos..... ...........................65
2.3. Tgon DE LADEMANDATURSTICA ........66
2.3.1. Model o de Rugg........ .................' ...67
2.3.2. Model o de Morl ey .........................68
2.3.3. Model o de Producci n Domsi cay Extensi n de Eynann ..........................68
3. ENFOQUE PROBABILSTTCO DE LOS MODELOS DE ELECCTTURSUCA.....................7r
3.1. Moorl os DE INTERACCN EspAcrAL EN TuRIsMo.................. .........71
3. 1. 1. Model os Gr at aci ona1es. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.1.2. Model os de Di stri buci n de Vi aj es........... ...........74
3.1.3. Model os de Generaci n de Vi aj es... ....................75
3.1 .4. Model os Si mul tneos de Generaci n y de Di stri buci n de Vi aj es.....................................76
3. I .5 . Itinculacin entre los Enfoques de Interaccin Espacial y Probabilstico de Eleccin
Tur st i ca . . . . . . . . . . . . . . . . . . . 78
3.2. PnoeLeN{As TEzuco-Erupzucos DE LA MoDELrzAcrN PRosABlr-isrrcA EN TuzusMo E
HprEsrs DE IrwEsrrcAcrN. ............ ..........................79
3.2.1 El ecci n del Ti po de Vacaci ones ..........................80
3.2.1.1 . Factores Determinantes de la Eleccin del Tipo de Vacaciones e Hiptesis de
Investi gaci n ................ 8 I
A) Decisin de Salir de Vacaciones ................ 82
B) Real i zaci n de Vi aj es Intemaci ona1es..................... .......... 86
C) Viajes con Destino Fijo vs. Itinerante ........ 89
3.2.2 El ecci n de desti nos Tursti cos..... .......................90
3.2.2.1. Definicin y Formacin de los Destinos como Alternativas de Eleccin............................ 90
3.2.2.2.Influencia de los Atributos de los Destinos y de las Caractersticas Personales sobre la
Uti l i dad. Hi ptesi s de Investi gaci n. ................... .................97
3.2.2.2.l .Infl uenci a de l os Atri butos de l os Desti nos sobre l a Uti l i dad............................... 98
3.2.2.2.1.1. Di nnnsi ones Fundamental es...........-......... ................ 98
3.2.2.2.1.2. Otros Atri butos..................... ............. 106
3.2.2.2.1.3. Excedente del Consumidor Turista .......................... 109
3.2.2.2.2.Influencia de las Caractersticas Personales ........ 113
3.2.2.2.3.Impacto Marginal de los Cambios en las Dimensiones Exp1icativas.................. I 14
3.2.2.3. Defi ni ci n de l a Funci n de Demanda Tursti ca........... ...... 115
3.2.2.3.1. Anl i si s de l a' i l o Parti ci paci n" ......................... 117
3.2.3. Anl i si s de l a El ecci ny Gasto Tursti co....... ........................118
3.2.3.1. Determinantes del Gasto Turstico e Hiptesis de Investigacin....................................... 120
3.2.4. El ecci n Temporal del Vi aj e........... .................. 121
3.2.4.1. Factores Determinantes de la Eleccin Temporal del Viaje e Hiptesis de Investigacin. 123
3.2.5. Eleccin y Preferencias Heterogneas: Segmentacin del Mercado Turstico................124
3.2.6. Implicaciones de los Modelos Probabilsticos de Eleccin-............--.... ......127
CAPTI]Lo uI. COMPORTAMIENTO DE ELECCIN DEL TURISTAESPAOL..............132
2. METODOLOGA DE INVESTIGACIN ........................135
2.1. ELEccroN DEL Trpo DE VAcAcroNEs................. ......... 135
2.2.EtecctN DEL DESTTNo .................. .......136
2.2.1. Di vi sones Admi ni strati vas.............. .................. 136
2.2.2. Intercambi o Repetci n-Di stanci a .....................137
2.2.3. Ti pos de Desti nos .........................139
2.3 Anlrsls DE LA ELEccN v Gsro TuRisrrco ..........140
2.3.1. Anlisis Participacin-Gasto ......140
2.3.2. Anl i si s El ecci n del Desti no-Gasto.,............... .....................141
2.4. ANlrsrs DE r.A ELEccrN DE I-A, DUR{ctN DE LA EsrANctA ............... --...........142
2.5. ScrvrENTAcrN A TRAvs DE EsrrMAcloNES BAyESIANAS DE MoDELos DE ELEccrN coN
Corrcrcnss ALEAToRToS ................... ..........-..........144
2.5.1. Estimacin de los Parmetros Individuales .....L44
2.5.2. Formaci n de segmentos.... .....-...146
3. MUESTRA, FUENTES DE DATOS Y
indice
3.1. DEFrNrcrN oe VnnrsLES................ .....148
3.l .l . Vari abl es Dependi entes................. .................... 148
3.1.2. Vai abl es Independi entes................. ................. 149
3.1.2.1. Variables Especficas de los Destinos... ........ 149
3.1.2.2. Caractersti cas de l os Indi vi duos..-....,.......... ....................... 150
3.1.2.2.1. Caractersticas de los Individuos Relacionadas con el Destino.......................... 150
3.1.2.2.1. Caractersti cas Personal es. ............ l 5l
4.1.IoeNurrcActN DE Los DETERMINANTES DE L-4. ELECcTN DEL Trpo DE VAcAcroNEs.............l55
4.1.1. Determinantes de la Decisin de Salir de Vacaciones ........... 155
4. I .2. Determinantes de la Eleccin de Destinos Internacionales ................ ........ 160
4.1.2. Determinantes de la Eleccin de Viajes Multidestino.s .................. .............162
4.2. DETERMTNANTES DE LA ELEccrN oel DsuNo .............. ............... 163
4.2.1- El ecci n de Desti nos por Comuni dades Autnomas................. .................. 163
4.2.2. Eleccn de Destinos por Provincias ................. 165
4.2.3. Anliss del Intercambio Repeticin-Distancia...
..-......-.-.......167
4.2.4. El ecci n de Ti pos de Destno.... ........................168
4.3. El sccrN
y
GASro Tunsuco ..............171
4.3.1. Anl i si s de l a Parti cpaci n-Gasto Tursti co ......................... 171
4.3.2. Model o El ecci n del Desti no-Gosto................. .....-................174
4.4 El eccrN TEMIoRAL DEL VIAIE.......
......177
4.5. FoRMAcrN DE Sscr"rgNtos B,yeshNos
gN
el MpRcDo TrJRi srrco ....................................179
CAPTWO IV. CONCLUSIONES Y L{EAS FUTURAS DE INVESTIGACIN ................... 1 83
REFERENCIAS BIBILTOGRFICAS
.........197
APNDTCE ............216
rr\TRoDUCCTx
Introduccin
La eleccin constituye una fase crucial en el proceso de compra, tanto desde la
perspectiva del propio consumidor como de la empresa. Para el consumidor, la eleccin
de una alternativa de compra representa el final de un proceso en el que ha dedicado
esfuerzo y tiempo a la bsqueda de informacin y a una posterior comparacin, con el
fin de satisfacer una necesidad detectada previamente (Lilien et al., 1992). Por ello, una
decisin acertada resulta de suma importancia, no slo por el hecho de que el
consumidor se ha visto implicado en un proceso de compra en el que trata de
rentabilizar las energas y desembolsos realizados sino porque la alternativa escogida
determina su satisfaccin futura.
Desde el punto de vista de la empresa, la eleccin efectuada por el consumidor
sobre la adquisicin de sus productos o servicios, supone el momento en el que se
materializa cualquier tipo de inversin realizada, desde las ms intrnsecas como las
destinadas a I*D, hasta las ms visibles como las polticas de promocin (Mgica y
Ruiz, 1997). No se debe olvidar que los recursos destinados por la empresa a un
producto o servicio, desde su creacin hasta su comercializacin, tienen como objetivo
que ste sea seleccionado entre las distintas altemativas disponibles para los
consumidores.
Sin embargo, en el entorno competitivo actual, la consecucin de este objetivo
resulta complejo, ya que las organizaciones no slo deben satisfacer adecuadamente las
necesidades de los clientes, sino que tienen que hacerlo con unos estndares superiores a
los ofertados por la competencia. Esto adquiere mayor importancia si se considera que
la cultura de compra est cada vez ms impregnada en la sociedad, de manera que los
individuos no estn dispuestos a optar por un producto o servicio que pueden encontrar
en mejores condiciones en una empresa competidora. En este sentido, nicamente
tendrn xito las empresas que sean valoradas por el mercado, es decir, que
proporcionen productos y servicios que los individuos estn dispuestos a adquirir
(Kotler, 1997). En este punto, el concepto de diferenciacin con respecto a los rivales
alcatrz;a su mxima importancia (Anderson et a1., 1992), siendo un factor vital para
asegurar la permanencia en el mercado. Por ello, las organizaciones deben conocer la
valoracin que los consumidores tienen de sus productos, observando aquellos aspectos
que conducen a su seleccin.
Introduccin
En virfud de ello, el anlisis del comportamiento de eleccin del individuo y de
sus determinantes resulta fundamental para las empresas de cara a explicar el xito de
las acciones de Marketing, conocer los aspectos mas valorados por los consumidores y
estimar los cambios en la demanda ante modificaciones de aqullos. Adems,
reconociendo la forma en que los individuos optimizan sus acciones y las circunstancias
bajo las que llegan a ese ptimo, las empresas pueden repetirlas al mayor nmero
posible de personas.
Este inters por conocer el modo en que los individuos deciden la compra de una
altemativa ha conducido a que el anlisis de la eleccin y la form.acin de preferencias
constituyan una de las areas de Marketing ms estudiadas en los ltimos aos (Zwerina,
l99l). En general, las modelizaciones propuestas en la literatura afrontan el problema
de la eleccin a partir del examen de la formacin de las preferencias sobre un conjunto
de alternativas disponibles, lo que conlleva la fijacin de un criterio de comparacin que
permite su ordenacin; lgicamente, ut consumidor racional seleccionar la alternativa
preferida, aqulla que ocupa el primer lugar.
Originariamente, la Teora de Eleccin Neoclsica establece los fundamentos
para la formulacin del problema de eleccin individual, pero su falta de capacidad para
analizar situaciones de compra con altemativas mutuamente excluyentes, y el creciente
inters de los investigadores por analizar las preferencias a partir de los atributos que
caracterizan los productos, conduce al desarrollo de los modelos encuadrados en la
Teora de la Eleccin Discreta, por una parte, y a los Modelos de Preferencias
Multiatributo, por otra. Ambos asumen que los individuos integran cognitivamente las
distintas utilidades que asignan a los atributos de cada alternativa, pero, mientras que los
primeros se apoyan en elecciones reales observadas en el mercado, los ltimos toman
como punto de partida el comportamiento declarado por los consumidores. En
particular, los Modelos de Eleccin Discreta se centran en el anliss de las preferencias
reveladas a partir de la eleccin real, mientras que los Modelos de Preferencias
Multiatributo examinan las preferencias declaradas por los individuos mediante la
ordenacin o puntuacn de las alternativas (Borgers et al., 1988).
Posteriormente, con el fin de aprovechar las ventajas de ambos enfoques surgen
los Modelos de Eleccin Discreta Experimental, que mejoran la representacin de las
situaciones de mercado a que se enfrenta el consumidor en el mbito de las elecciones
m
Introduccin
declaradas. Por ltimo, diversos desarrollos vinculan la corriente investigadora de la
interaccin espacial con la modelizacin probabilstica, por lo que los tres enfoques
-
Modelos de Eleccin Discreta (con eleccin real o declarada), de Preferencias
Multiatributo y de Interaccin Espacial- pueden englobarse bajo el paradigma de los
modelo probabilsticos de eleccin.
Los modelos probabilsticos de eleccin
-derivados
de la Teora de la Utilidad
Aleatoria- representan los modelos de eleccin mas utilizados en la literatura de
Marketing (Gonzlez Benito, lggg), siendo las principales reas de aplicacin la
eleccin de marca y de establecimiento, con importantes desarollos en cada uno de
estos contextos (Cebollada" 1997).
En el campo del Turismo, estos modelos de eleccin tambin han sido objeto de
numerosas aplicaciones, lo que ha sido potenciado por la gran flexibilidad del enfoque
probabilstico para tratar el carcter discreto de las alternativas de eleccin turstica.
Ello los convierte en instrumentos adecuados para analizar las elecciones que realizan
los turistas (Morley, 1994a), que a su vez, resultan especialmente relevantes para las
organizaciones tursticas. En este sentido, la importancia del sector del Turismo en
muchos pases,
justifica y fomenta el inters tanto de empresas como de instituciones
pblicas por analizar los flujos de individuos que se desplazan con fines tursticos, as
como los procesos que siguen para tomar sus decisiones.
Por un lado, las empresas tursticas se enfrentan a un flujo turstico cada vez
mayor
-derivado
del aumento del estado del bienestar-, a una clientela ms exigente y a
un rpido incremento en el nmero de destinos alternativos (Bordas y Araya, 1992;
Alts, 1995). Adems, la globalizacin de los mercados tursticos, las estructuras de
costes en los destinos emergentes y el abaratamiento del transporte, intensifican la
competencia, incrementan las posibilidades de eleccin de destitro, y cambian las
necesidades y las expectativas de los clientes (Yepeq, 2000). En consecuencia, las
ventajas competitivas nicamente sern alcanzadas por aquellas organizaciones capaces
de reconocer los atributos ms valorados por los turistas, con el fin de que opten por la
compra de su producto turstico. Por ello, el anlisis del comportamiento del turista
facilita la formulacin eficiente de las estrategias de Marketing.
IV
Introduccin
Por otro lado, las adminishaciones pblicas tambin participan activamente en
aquellas zonas donde el Turismo es considerado un componente relevante de la
Economa. El logro de una poltica turstica eftcaz que rentabilice las inversiones de la
iniciativa privada y que aplique los recursos pblicos all donde sean ms necesarios,
requiere un conocimiento detallado de la realidad, adquiriendo especial importancia el
anlisis de los factores que influyen en el proceso de eleccin del turista. En este
sentido, el estudio del comportamiento de los turistas resulta crucial para la elaboracin
de lneas de actuacin por parte de los poderes pblicos, que permitan satisfacer a los
turistas que acuden a los destinos, a los ciudadanos residentes en los mismos y a las
empresas tursticas. As, Usach (1998) indica que el examen de los flujos tursticos ente
distintas zonas, constituye un elemento esencial para la planificacin econmica
regional, desde la vertiente de las infraestructuras pblicas hasta las polticas de
redistribucin de rentas.
Por tanto, la relacin de intercambio, inherente en toda aplicacin de Marketing,
adquiere un matiz doble cuando se trata del sector turstico. Por una parte, la relacin
establecida entre las empresas privadas y los turistas
-Marketing
Privado- y por otra, la
que concure entre la Administracin y los tres beneficiarios citados anteriormente
-
Marketing Pblico- (Bign y Ozorio, 1989; Esteban, 1996; Chas, 1997).
En otro orden de cosas, la literatura de eleccin turstica tambin ofrece
especificidades propias que la distinguen de las aplicaciones en otros campos. Por un
lado, presenta diversos modelos microeconmicos especficos para representar
formalmente las decisiones tursticas, destacando por su repercusin los propuestos por
Rugg (1973) y Morley (1992) a partir de la extensin de la Teora Econmica
Neoclsica de Lancaster (1966), y las aproximaciones de Morey (198a; 1985) y
Eymann (1995) a la Teora de la Produccin Domstica de Becker (1965).
Por otro lado, el estudio de las elecciones tursticas se considera desde una
perspectiva amplia debido a las mltiples subdecisiones que intervienen en el proceso
de decisin (Fesenmaier y Jeng, 2000), lo que ha generado las siguientes reas de
investigacin: ) Modaldad de vacacones. Esta corriente de investigacin examina los
factores determinantes de la toma de diferentes decisiones bsicas, como la de salir
fuera del lugar de residencia habitual durante el perodo de vacaciones o las relativas al
tipo de viaje a realizar (turismo de sol y playa vs. rural; turismo nacional vs.
V
Introduccin
internacional; de destino jo o multidestino, etc.) (Morley,1992;1995; Lue et al., 1996;
McGinley, 1999; Seddighi
y Theocharous, 2002).
i|) Seleccin de destnos.La eleccin de los destinos tursticos constituye la lnea
de investigacin ms fructfera (Fesenmaier et al., 2002), siendo abordada desde
mltiples perspectivas en funcin de los objetivos planteados (Wennergren y Nielsen.
1968; Perdue, 1986; Bor-sers et al., 1988; Fesenmaier, 1988, 1994; Haider y Ewing.
1990; Morey et al., 1991; Eymann y Ronning, 1992, 1997; Morley, 1994a, 1994b;
Dubin, 1998; Siderelis y Nfoore, 1998; Train, 1998; Schroeder y Louviere,1999;Rier4
2000; entre otros). Uno de los aspectos que ha suscitado mayor inters de los
investigadores es la influencia de los atrbufos en la decisin de elegir un destino
(Wolfe, L972; Beaman, 1974, 1976; Taylor y Knudson, 1976; Baxter y Ewing, 1979;
Baxter, 1980; Ewing, 1980; Mayo y Jarvis, 1986; Moutinho y Trimble, 1991). En este
contexto, los modelos de eleccin se presentan como un instrumento til para analizar el
efecto de dichos atributos as como para examinar los cambios en el Excedente del
Consumidor derivados de modificaciones en determinados aspectos de los destinos,
como mejoras en sus infraestructuras (Ciccheti y Smith, 1973; Hanemann, 1978;
Hensher y Louviere, 1984; Miller y Hay, 1981; Adamowicz et a1.,1994; Dubin, 1998).
Asimismo, los modelos de eleccin permiten estimar la funcin de demanda
turstica (tanto a nivel de destinos como de empresas tursticas), elemento fundamental
para la toma de decisiones en Marketing Turstico (Gat, 1998; Train, 2002). Un aspecto
que ha generado controversia en este rmbito es el efecto de la "no participacin",
derivado de disear muestreos en destino, en lugar de en origen, lo que puede provocar
sesgos en las estimaciones al no considerar el proceso de decisin de los individuos que
no visitan los destinos analizados (Cosslett, 1981;Morley, 1994a; Riera,2000).
111) Eleccin y gasto turstico. El estudio del gasto turstico y sus determinantes
constituye un anlisis de especial relevancia, debido al creciente aumento del
presupuesto familiar destinado al consumo de productos tursticos, y ? que los factores
que influyen en los niveles de gasto realizados en las vacaciones constituyen un primer
paso para un examen mas detallado a nivel de componentes (ej. gasto en transpofe, en
alojamiento, etc.) (Melenberg y Van Soest, 1996; Cai, 1999). La literatura de eleccin
ofrece dos lneas de investigacin que vinculan el gasto turstico con otras decisiones
previas: la primera, planteada por Melenberg y Van Soest (1996), propone la aplicacin
VI
Introduccin
de modelos de eleccin discreta para analizar simultneamente las decisiones de
participacin en actividades tursticas y de gasto turstico; y la segunda corriente de
investigacin, planteada por Eymann (1995), propone analizar simultneamente la
eleccin de los destinos y el gasto turstico.
iv) Decisn tentporal. La decisin temporal
-o
duracin de la estancia-
representa la "cantidad de vacaciones" contratada por el turista (Mak y Moncur, i979;
Silberman, 1985). En este sentido, esta corriente examina los determinantes de la
demanda de vacaciones, lo que permite caractenzar el consumo de productos tursticos.
vrl) Segmentacin de mercados. La segmentacin del mercado turstico se ha
convertido en un elemento fundamental en los ltimos aos para el desarollo de la
estrategia de Marketing de las empresas tursticas, debido a la intensificacin de la
competencia y a la existencia de una demanda ms exigente y heterognea que busca
una prestacin de servicios adaptada a sus necesidades especficas
@az
e Iglesias,
2000; Gowlez y Esteban, 2000). En este marco, la literatura de eleccin propone la
aplicacin de los modelos de eleccin discreta para la segmentacin de mercados, que
resultan ser superiores a otras tcnicas de segmentacin de mercados (Louviere et al.,
rss2).
La presente investigacin pretende realizar una contribucin en estas reas de
investigacin, dotando al sector nrstico de un instrumento objetivo de anlisis. En
concreto, los propsitos de esta investigacin son los siguientes: En primer lugar, un
anlisis integral del comportamiento de eleccin del turista que incluye varias
decisiones. La multiplicidad de decisiones inherentes en el proceso de seleccin turstica
y la flexibilidad de la modelizacin de eleccin discreta para representar diversos
contextos de eleccin hacen que este enfoque pueda ser aplicado en un amplio abanico
de posibilidades. Sin embargo, la literatura emprica ha adoptado una aproximacin
parcial estudiando elecciones tursticas especficas. Por ello, y como novedad, se efectua
un anlisis integral que investiga simultaneamente distintas elecciones tursticas, a partir
de una muestra de mbito nacional formada por 3.681 individuos, lo que permite
observar el efecto diferenciado de las dimensiones utilizadas en cada una de las
elecciones, sin riesgo de introducir sesgos derivados de la utilizacin de muestras
distintas para cada decisin.
VII
Introduccin
Segundo. El contraste de diversas hiptesis propuestrs para las siguientes lneas
de investigacin relacionadas con la eleccin de la modalidad de vacaciones: a) salir
fuera del lugar de residencia habitual en el perodo vacacional, explicando sus factores
determinantes; b) viajar al extranjero frente a la altemativa de permanecer en territorio
nacional, lo que puede arrojar luz acerca del perfil del individuo con mayor probabilidad
de viajar al exterior; y c) tipo de viaje, en trminos de su carcter itinerante; es decir, si
el individuo opta por pennanecer en un lugar fijo o por recorrer distintos lugares. Para
examinar estas tres decisiones se aplican Modelos Logrt Binomiales.
Tecero. El examen de la eleccin de destinos, considerando tres subobjetivos de
investigacin: a) examinar los factores determinantes en la' eleccin de destinos
definidos a partir de divisiones administrativas. Ello permite explicar los flujos de
personas producidos entre las distintas comunidades autnomas y provincias, y
examinar sus factores determinantes en el caso espaol. Para este fin se estiman
Modelos Logit Multinomiales de Coeficientes Aleatorios, que permitir recoger la
heterogeneidad de los individuos; b) analizar los factores determinantes en la eleccin
de destinos definidos a partir del tipo de producto (atendiendo al carcter urbano
-
ciudad o pueblo- y su ubicacin
-costa
o interior-). Para ello se aplica el Modelo Logit
Multinomial Anidado que permite representar correctamente Ia estructura de
correlaciones entre alternativas; y c) examinar el intercambio repeticin-distancia, para
conocer si el efecto ambiguo de la distancia (para un grupo de personas una mayor
distancia supone un efecto disuasorio, mientras que para otro puede aportar utilidad)
puede venir moderado por la repeticin de un destino. En este anlisis se aplica la
metodologa de efectos moderadores, propuesta por Sharma et al. (1981), al Modelo
Logit Multinomial de Coeficientes Aleatorios.
Cuarto. Anlisis de la eleccin y gasto turstico, desde las dos perspectivas
existentes en la literatura. Por un lado, se estudian simultneamente la decisin de salir
fuera del lugar de residencia habitual y el gasto implicado en las actividades tursticas,
lo que pennite observar las caractersticas relevantes de cada decisin; y por otro, se
examina la decisin del gasto
junto
con el tipo de destino seleccionado, que facilita la
descripcin de los patrones de gasto de cada destino. En ambos anlisis se estiman
sistemas de ecuaciones, que permiten recoger simultneamente cada una de las
decisiones olanteadas.
VIII
Introduccin
Quinto.
Contraste de las hiptesis referidas a la eleccin de la duracin de la
estancia o demanda temporal de un producto turstico. Para la consecucin de tal
objetivo, se propone utilizar, como novedad en Marketing Turstico, un Modelo
Binomial Negativo truncado,
que permite diferenciar el significado cualitativo del valor
"cero das de estancia".
Por ltimo, se propone utilizar, por primera vez en la segmentacin turstica, el
procedimiento Bayesiano de estimacin de funciones de utilidad para cada individuo,
propuesto por Revelt y Train (2002). En este sentido, cabe destacar que el desarrollo
reciente de las tcnicas de simulacin ha permitido recoger con una mayor precisin la
heterogeneidad de los compradores a travs de la estimacin, para cada individuo, de
los parmetros aleatorios incluidos en los modelos de eleccin, 1o que ofrece grandes
posibilidades de investigacin en Marketing (Erdem et al., 2002).
Para llevar a cabo estos objetivos, la investigacin se organiza de la siguiente
forma: el captulo primero examina las principales teoras de eleccin propuestas desde
el campo de la Economa y la Psicologa, que han sido aplicadas en Marketing; y
presenta el marco terico y metodolgico de la eleccin del consumidor. El captulo
segundo revisa con detalle la adaptacin de las teoras de eleccin al iimbito del
Turismo, as como las grandes reas de investigacin en la eleccin turstica. El captulo
tercero presenta la aplicacin emprica que analiza el comportamiento del turista
espaol a partir de la informacin obtenida de un encuesta de mbito nacional dirigida a
una muestra de 3.681 individuos. Finalmente, el captulo cuarto resume las principales
conclusiones obtenidas y las lneas futuras de investigacin.
IX
Volver al ndice/Tornar a l'ndex
CAPITULO I
ASPECTOS FUI\DAMENTALES DE LA
TEORA DE LA ELECCIN
Captulo I. Aspectos Fundamentales de la Teora de la Eleccin
l . I NTRODUCCI ON
En esta primera parte del estudio se introducen las principales nociones de la
teora de la eleccin, tanto desde una perspectiva econmica como desde la
aproximacin psicolgica. En el contexto de la eleccin, el decisor procesa e integra
informacin para optar por la alternativa de eleccin que maximiza su utilidad, de modo
que el carcter objetivo o subjetivo con que se analiza el resultado de este proceso de
eleccin es el que determina las distintas aproximaciones al anlisis de la eleccin.
En este sentido, el estudio del comportamiento individual y, por tanto, del modo
en que el individuo procesa, evala e integra la informacin de la que tomar una
decisin, se realiza tradicionalmente a travs de dos vas. Una primera aproximacin se
centra en el anlisis de las elecciones reales de compra efectuadas por los individuos
(Ben-Akiva y Lerman, 1985). Este enfoque se fundamenta en la Teora Econmica
Neoclsica y en la Teora de la Eleccin Discreta, y asume la existencia de preferencias
que el analista no obserya, pero que los individuos consideran implcitamente para
efectuar la ordenacin de alternativas, y gue nicamente revelan a travs de la eleccin
real de compra. Por ello, a los modelos inciuidos en este contexto se denominan de
P r efer en c as Rev e I adas.
El segundo enfoque examina la ordenacin o puntuacin manifestada por los
individuos acerca de sus preferencias sobre alternativas de eleccin hipotticas. Esta
aproximacin se apoya en la Teora de la Integracin de la Informacin y en la Teora
de los Juicios Sociales, y asume que el decisor es capv de ordenar las altemativas de
acuerdo con sus preferencias (Timmermans y Golledge, 1989; Batsell y Louviere,
1991). Al contrario del caso anterior, el analista no observa la eleccin real de compra,
puesto que el individuo slo efecta una declaracin de intenciones acerca de sus
preferencias. Por ello, los Modelos de Preferencias Multiatributo de Descomposicin,
incluidos en este mbito. tambin reciben el nombre de Preferencias Declaradas.
Sin embargo, desarrollos recientes basados en la Teora de la Eleccin Discreta
cuestionan los planteamientos que centran su anlisis en estas preferencias declaradas,
y critican su capacidad para representar la realidad, ya que los individuos no ordenan ni
puntan una lista de alternativas, sino que tras evaluarlas, eligen una de ellas. En esta
lnea, esta corriente propone examinar directamente la eleccn declarada a partir de un
conjunto de alternativas de eleccin hipotticas, en cuanto que es una forma ms
inmediata y realista de estudiar la decisin del consumidor (Zwerina, 1997). Esta
integracin de modelos
-de
preferencias reveladas y declaradas- ha dado como resultado
la Eleccin Discreta Experimental.
Finalmente, estos enfoques de preferencias reveladas y declaradas pueden
conectarse tericamente con la modelizacin de la Interaccin Espacial, ya que pueden
ser englobados bajo el paradigma de los modelos probabilsticos (Timmennans, 1987).
Y ello, a pesar de que originariamente los Modelos de Interaccin Espacial no son
probabilsticos y fratan la eleccin desde una perspectiva agregada.
Con estas consideraciones, el primer captulo se organiza como sigue: la
conceptualizacin de los elementos que intewienen en la eleccin y la revisin de las
teoras de Eleccin Discreta y Neoclsica se exponen en el epgrafe segundo. La seccin
tercera describe los Modelos de Eleccin Discreta y de Preferencias Multiatributo, como
aproximaciones principales a la modelizacn de estas teoras, y los nuevos modelos
surgidos de la fusin de arnbos enfoques. Por ltimo, el apartado cuarto expone los
modelos derivados de la literatura de eleccin espacial
-Modelos
de Interaccin
Espacial- que resultan tambin determinantes pra describir (en el Captulo II) la
evolucin de los modelos de eleccin probabilsticos en Turismo.
z.LATEORA DE LA ELECCIN
La fundamentacin de la teora de la eleccin requiere especificar previamente
determinados supuestos relacionados con la definicin del individuo que toma la
decisin, el conjunto de alternativas que dispone, los atributos de las mismas y las
reglas que sigue para seleccionarlas. Las hiptesis realizadas sobre estos elementos
permiten derivar los distintos enfoques de dicha teora.
A) El Decisor
Los modelos de eleccin asumen bsicamente que el decisor es el individuo. En
principio, este supuesto puede parecer reskictivo en la medida que no considera las
decisiones tomadas por un grupo de personas sobre un determinado aspecto (por
ejemplo, la decisin nica de una familia). Sin embargo, esta restriccin es ms aparente
que real, ya que en estos casos el decisor pasara a ser dicho grupo de personas. Esta
extensin del concepto de individuo implica ignorar las decisiones internas,
considerndose nicamente la decisin final del grupo como conjunto. Evidentemente,
este supuesto se asume sin perjuicio de que la toma de decisin est influenciada tanto
por objetivos individuales como relativos al grupo (Mackie y Goethals
,
1987; Corfrnan
y Lehmann,1993; Ariely y Levav, 2000).
Dado que cada decisor presenta unas caractersticas propias, sus aspectos
distintivos se deben incorporar explcitamente en el modelo, tanto si es un individuo
como un grupo, lo que permitir analizar las diferencias que caacterizan el proceso de
eleccin seguido por cada decisor. Ello implica que el analista debe identificar
previamente aquellas caractersticas que tengan una especial relevancia a la hora de
explicar dicho proceso de decisin.
B) Alternativas de Eleccin
Todo individuo realiza una eleccin a partir de un conjunto de altemativas, que
se pueden clasificar atendiendo a si se trata de conjuntos de eleccin continuos o
discretos
@en-Akiva
y Lerman, 1985). El primer caso define el conjunto de eleccin
teniendo en cuenta todas las posibles combinaciones de bienes y servicios disponibles
para el individuo (ste es el marco en el que opera la Teora Neoclsica de la Demanda).
Por el contrario, el segundo asume que la eleccin se realiza de forma excluyente sobre
un conjunto de bienes y servicios. Es decir, al elegir una alternativa se descartan otras,
debido a que no es posible realizar una eleccin que implique una combinacin de
dichos bienes. Este ltimo supuesto es el que subyace en los modelos de eleccin
discret4 y al que debe su denominacin.
Por otro lado, la caracterizacin de un conjunto de eleccin implica la
identificacin de una lista de alternativas. Sin embargo, ni todas las alternativas estn
disponibles en cualquier momento y lugar, ni todos los decisores pueden optar por
cualquiera de ellas. En consecuencia, cabe distinguir entre conjunto de eleccin
universal y conjunto de eleccin reducido (Bierlaire, 1998) . El conjunto de eleccin
universal est formado por todas las altemativas potenciales en un contexto determinado
de aplicacin. Sin embargo, cada individuo considera nicamente un determinado
subconjunto de aquI, al que se denomina conjunto de eleccin reducido.
Capnlo I. Aspectos Fundamentales de la Teora de la Eleccin
Ben-Akiva y Lerman (1985) apuntan como factores determinantes de este
subconjunto de alternativas, la
factibilidad
y el conocimiento de la eristenci de una
determinada alternativa. El hecho de que una alternativa sea factible viene definido por
las siguientes restricciones: i) de disponibilidad, dependiendo de si la alternativa se est
ofertando en el mercado; ii) monetarias, que determinan las alternativas fuera del
alcance de los individuos; y iii) temporales, en virtud de las cuales un individuo no elige
una opcin satisfactoria si no dispone de suficiente tiempo. Por su parte, el
conocimiento de la existencia de una alternativa da lugar al concepto de "conciencia de
disponibilidad de la alternativa"; esto es, no basta con que exista el bien en el mercado,
sino que el individuo debe saber que existe.
C) Atributos
Un atributo es un rasgo caracterstico de una alternativa, que puede tener un
determinado valor y proporcionar satisfaccin a los individuos
@en-Akiva
y Lerman,
1985). Precisamente, este aspecto permite diferenciar la Teora de Eleccin Discreta de
la Teora Econmica Neoclsica. En sta ltima, los individuos consideran la eleccin
de una alternativa a partir de las diferentes cantidades de los bienes que se incluyen en
la misma.
En cambio, en el marco de la eleccin discreta, la decisin es tomada en funcin
de un vector de atributos, por lo que para valorar el atractivo de una alternativa, los
decisores deben evaluar los atributos de la misma. Ello implica que cada altemativa del
conjunto de eleccin debe ser caracterizada por una serie de atributos, que pueden ser
especficos de cada alternativa, o genricos, cuando estan presentes en todas ellas (Ben-
Akiva y Lerman, 1985). Asimismo, los atributos pueden medirse, bien a travs de
criterios objetivos, o bien a partir de mediciones subjetivas derivadas de las
percepciones de cada individuo. De igual forma que el analista determina las
caractersticas del sujeto decisor con mayor influencia en la decisin, tambin debe
hacer 1o propio con los atributos de cada alternativa que afectan a la decisin de
eleccin.
D) Reglas de Decisin
Los mecanismos internos que el decisor utiliza para procesar la informacin y
tomar una eleccin nica, vienen determinados por las reglas de decisin. Estas
Captulo I. Aspectos Fundamentales de la Teora de la Eleccn
estrategias de decisin se pueden clasificar, atendiendo a la capacidad de compensacin
entre diferentes atributos, en reglas compensatorias y no compensatorias
(Yoon y
Hwang, 1995). Entre las reglas no compensatorias cabe distinguir las siguientes:
1. Reglas de dominancia. Una alternativa domina a otra si es mejor en, al
menos, un atributo y no peor en ninguno de los restantes. Sin embargo, este
supuesto de que una alternativa sea mejor en todo es poco real (por ejemplo,
la relacin inversa existente entre los atributos calidad y precio), y su
aplicacin no conduce a soluciones nicas.
Reglas
.de
satisfaccin. Una alternativa es seleccionada cuando supere un
umbral establecido por el decisor para cada atributo. De nuevo, este criterio
por s solo genera ms de una solucin. Entre las reglas de satisfaccin cabe
distinguir entre el mtodo conjuntivo, en virtud del cual se seleccionan las
alternativas que superen los umbrales establecidos para todos los atributos; y
el mtodo disyuntivo, en el que se fija un valor mnimo en uno o en varios
atributos.
Reglas de eliminacin secuencial. Se desglosan en dos modalidades: i)
lexicogrfcas, er las que ei individuo ordena los atributos en funcin de su
importancia, eligiendo la alternativa que posea la mayor cantidad del atributo
que ocupa la primera posicin. Si varias alternativas sobrepasan este criterio,
se repite el proceso con el siguiente atributo ms importante; y ii)
eliminacin por aspecfos, donde se realizan comparaciones atributo a
atributo. Tras ser seleccionados a partir de una funcin de probabilidad, se
eliminan las alternativas que no satisfacen cierto nivel.
Mtodos de actitud. Toman en consideracin la actitud del decisor. En este
sentido, si el individuo tiene una actitud pesimista utilizar el criterio
Maximin, que identifica el peor atributo de cada alternativa, y opta por
aqulla que tenga el maximo de stos; es decir, se elige el menos malo. Si el
individuo tiene una actitud optimista se aplica el criterio Maximax,
que
considera el mejor atributo de cada alternativa, para elegir, en una segunda
fase, el de mayor puntuacin. Sus principales inconvenientes son la simple
2.
3.
A
l .
consideracin de un nico atributo, y que stos deben ser comparables entre
s.
Por otra parte, las reglas compensatorias, tambin denominadas reglas de
utilidad, consideran todos los atributos al mismo tiempo. Estas estrategias de eleccin
asumen que el atractivo de una alternativa viene expresado por un valor o medida
conmensurada, definida a partir de un vector de valores referidos a cada atributo. Este
ndice que aglutina las valoraciones de todos los atributos representa la utilidad. Al
contrario de los mtodos anteriores, el concepto de utilidad implica la aplicacin de una
regla compensatoria, ya que la carencia de una alternativa en un atributo se puede
compensar por la superioridad en otro. Precisamente, a partir de la nocin de utilidad
-
definida a partir de los atributos o de los propios bienes-, se derivan los paradigmas de
decisin ms conocidos, sobre todo en las teoras originarias de eleccin
-Discreta
y
Neoclsica-.
2.2.Teora de la Eleccin Discreta y Teora Econmica Neoclsica.
Las Teoras de Eleccin Discreta (TED) y de Eleccin Neoclsica (TEN) fueron
pioneras en el anlisis del comportamiento individual de eleccin (Ben-Akiva y
Lerman, 1985; Anderson et al., 1992). Ambas asumen la existencia de una funcin
objetivo que los individuos tratan de maximizar, a la que se denomina funcin de
utilidad, y se apoyan en el anlisis de preferencias reveladas a partir del
comportrmiento real de eleccin de compra. Sin embargo, presentan impofantes
diferencias en el tratamiento de las alternativas y de las reglas de eleccin.
2.2.1. Definicin de los Conjuntos de Alternativas en las Teoras de Eleccin.
En general, la TEN se centra en los conjuntos de eleccin continuos, lo que
implica que el decisor tiene ante s un conjunto ilimitado de posibilidades, siempre y
cuando se cumplan las restricciones relacionadas con el tiempo y la capacidad
adquisitiva del individuo. As, dadas dos cantidades de bienes bt y bz, y una cantidad
monetaria o lmite temporal mximo disponible R, el conjunto de eleccin C esr
C
={(b,br)lb,
+ br 3 R,br}0,br.> O}. En este caso cada alternativa est formada por
'
En funcin de la definicin de R, bt y b:hacen referencia a la cantidad mouetaria o temporal necesaria
para adquirir el bien.
una cesta de bienes. Es decir, la TEN no efectua un tratamiento explcito de los
atributos, sino que considera las cantidades 7 y b2
eve
definen una alternativa.
En contraposicin
a este conjunto de eleccin, la TED utiliza conjuntos de
eleccin finitos y discontinuos, o lo que es lo mismo, conjuntos de eleccin discretos.
En este caso, el conjunto de eleccin C est integrado por tantos elementos como
altemativasl disponga el individuo: C
={Ar,...,A^}
2.2.2. Reglas de Decisin en las Teoras de Eleccin.
Aunque ambos enfoques, TEP y TEN, toman como punto de partida el concepto
de utilidad y se apoyan en las preferencias reveladas, cada uno considera diferentes
supuestos con respecto al modo de incorporar la racionalidad en las reglas de decisin
que siguen los individuos
@en-Akiva
y Lerman, 1985).
a) Teora Econmica Neoclsca
El hecho de que un individuo tenga capacidad de eleccin entre un conjunto de
bienes u otro, implica que tiene unas preferencias sobre cada cesta de consumo
alternativa, lo que le permitir escoger aqulla que maximice su utilidad. Esta
configuracin de preferencias se apoya en los siguientes supuestos sobre la relacin de
las distintas altemativas del conjunto de eleccin (Villar, 1996):
1. Preferencias completas. Las preferencias son completas en el sentido de que
dadas dos cestas de bienes a y b, el consumidor es capaz de comparar y de
elegir una de ellas; es decir, descarta la posibilidad de que existan opciones
incomparables, de forma que existan alternativas frente a las cuales el sujeto
no sea capaz de establecer una relacin de preferencia >: a>b b>a,
Ya, beC, si endo a* b.
2. Reflexividad. Implica que una cesta es al menos tan buena como otra
idntica a sta: a> d. Va e C .
3. Transitividad. Si la cesta a es preferidaab, y es preferida a c, entonces c
t ambi n es pref eri da a c: a>b y b> c + a> c Ya, b, c eC. Est e axi oma
de transitividad hace referencia a la coherencia en el comportamiento del
agente, dado que si no se verifica, queda en entredicho la lgica del criterio
de ordenacin. No obstante, incluso bajo condiciones de certeza, existen
contextos en los que cabe esperar la violacin de este axioma, como en el
caso de opciones imperfectamente distinguibles, o cuando el decisor est
constituido por un conjunto de individuos que decide por un sistema de
mayoras (Villar, 1996).
Tomando como punto de pafida estos supuestos, los individuos sern capaces
de conformar una funcin de utilidad determinista [/ que representar sus preferencias
individuales, [/ : C
-+
!1
;
U(a) I a> b eU(a)>U(b) Ya,b e C, y dado el supuesto
.de
racionalidad perfecta, el individuo ser capaz de determinar su mejor alternativa a* y
repetir dicha eleccin bajo circunstancias idnticas:
a*
=
maxo."U(a)
En este contexto, las discrepancias existentes entre los valores observados y los
predichos se atribuyen a elrores de optimizacin de los consumidores y a errores de
medida en los datos disponibles.
No obstante, con el tiempo se han generado numerosas extensiones de este
paradigma del comportamiento. Cabe destacar el concepto de "rbol de utilidad"
propuesto por Strotz (1975), por el que un consumidor realiza la eleccin en dos fases:
en primer lugar, asigna una parte de su presupuesto total a cada conjwrto de bienes
homo-eneos, y despus elige la cesta que optimiza el presupuesto en cada uno de estos
grupos. Por su parte, Becker (1965) y Muth (1966) proponen que los bienes adquiridos
en el mercado sean considerados como inputs de una "funcin de produccin
domstica" sujeta a restricciones presupuestarias y temporales, donde el output es la
satisfaccin derivada del consumo de aquellos bienes.
Finalmente, una de las extensiones ms importantes es la realizadapor Lancaster
(1966), que define la utilidad en trminos de los atributos de los bienes, postulando que
"los bienes por s solos no proporcionan utilidad al consumidor, sino a travs de las
caractersticas que stos poseen". Precisamente este enfoque, que se presenta como una
extensin en esta teora, resulta determinante para la TED donde los atributos que
definen una alternativa son inhoducidos de forma explcita.
Captulo I. Aspectos Fundamenules de la Teora de la Eleccin
En cualquier caso, los supuestos considerados por la TEN para las reglas de
decisin sufren importantes limitaciones a la hora de representar la realidad. Es en este
punto donde se
justifica el surgimiento de los modelos de la TED, que incorporan cierto
nivel de incertidumbre para captar la complejidad del comportamiento humano.
b)Teora de la Eleccin Discreta
El enfoque de la TEN ha sido criticado tanto desde el campo de la Psicologa
(Thurstone,
1927; Luce, 1959; Tversky, 1969) como de la Economa (Quandt, 1956;
McFadden, 1981). Autores como Tversky, indican que en ocasiones un individuo no
est seguro de qu alternativa va a elegir y ni siquiera
5i elegi la misma bajo idnticas
condiciones. Tal conducta irracional, al menos aparentemente, conduce a que la TED
considere la eleccin como un proceso probabilstico, y no desde una perspectiva
puramente determinista como la TEN.
En concreto, la TED relaja el supuesto de "racionalidad
perfecta2", y asrime
"racionalidad limitada", donde se reconocen restricciones en el proceso de decisin que
surgen como consecuencia de las limitaciones humanas a la hora de enfrentarse a un
problema de eleccin, ya que los individuos no tienen una capacidad ilimitada de
procesamiento de informacin (Simon, 1957). En este sentido.
Quandt
(1956), en virrud
del supuesto de que la estructura de preferencias de los consumidores est definida
directamente por las caractersticas de las alternativas, argumenta que un individuo
puede olvidar un determinado atributo en cierta ocasin, o simplemente evaluar
errneamente la importancia de una caracterstica asociada con una alternativa.
Igualmente, Manski (1977) explica este comportamiento probabilstico a travs de la
falta de informacin del analista, de forma que esta carencia, y no la aparente
inacionalidad de las personas, es la que hace necesaria la introduccin de un
componente probabilstico. En consecuencia, la TED intenta incorporar un cierto nivel
de incertidumbre en la modelizacin, siendo determinante la fuente de aleatoriedad a la
hora de especificar los distintos modelos.
'
La racionalidad perfecta implica un proceso de decisin consistente, en el que el individuo persigue sus
propios objetivos, sin dar lugar a elecciones realizadas por impulso y sin la influencia de los distintos
estados psicolgicos, pudiendo al mismo tiempo recoger y almacenar grandes cantidades de informacin
(Simor',
1957).
10
A pesar de ello, la literatura ha desarrollado posteriormente diversos modelos
fundamentados en algunas de las hiptesis de cualquiera de estas teoras (TED y TEN);
modelos que se diferencian bsicamente en la forma de registar las preferencias: i)
modelos de eleccin discreta, basados en las preferencias reveladas a travs de la
observacin de elecciones reales; ii) modelos de preferencia multiatributo, que
consideran las preferencias declaradas; y iii) modelos que tratan de integrar ambos
perspectivas de eleccin real y de preferencias declaradas. Estos enfoques se exponen a
continuacin.
3. MODELOS. DE ELECCIN DISCRETA YERSUS NIODELOS DE
PREFERENCIAS MULTIATRIBUTO
Las lneas de investigacin que tienen por objeto modelizar la eleccin tratan de
explicar los mecanismos que utiliza un individuo para llevar a cabo una determinada
accin o tomar una decisin. En este sentido, McFadden (1986) propone un proceso
ampliarnente aceptado que gua la toma de decisiones de los individuos y que sirve de
esquema de clasificacin de los principales modelos existentes3. Tomando como
referencia este procesoa, la modelizacin del comportamiento de eleccin distingue dos
aproximaciones (Borgers et al., 1988): Modelos de Eleccin Discreta y Modelos de
Preferencias Multiatributo. Los primeros utilizan la eleccin real como variable a
explicar, mientras que los ltimos parten de las utilidades que asignan los individuos a
distintas alternativas de eleccin hipotticas, para obtener as sus preferencias y
observar los factores determinantes de las mismas. Es decir, la distincin de McFadden
(1986)
radica en el elemento clave de anlisis que propone cada uno de los enfoques:
eleccin a partir de las preferencias vs.
formacin
de las propias preferencias.
3
Bsicamente, McFadden (1986) distingue dos tipos de variables que influyen en el comportamiento de
eleccin del consumidor: i) variables externas, donde se incluyen los atributos de los productos, factores
socioeconmicos, experiencia, informacin y restricciones del mercado
-presupuestarias
y de
disponibdad del producto-; y ii) dimensiones latentes, que integran las percepciones sobre los
productos. actitudes, preferencias, protocolos de decisin e intenciones de cornportamiento de eleccin.
Todos estos componentes se interrelacionan ene s hasta llegar a la eleccin real en el mercado.
*
La literatua de Marketing ha planteado multind de procesos que incluyen la eleccin como una etapa
del conponamiento de compra, entre los gue destacan los de Nicosia (1966), Eugel et al. (1968), Howard
y Sheth (1969), Bettman (1979), Howard (1989) y Engel et al. (1990), eotre otros). Sin embargo, el
proceso propuesto por McFadden para representar la eleccin del consumidor, es considerado clave para
establecer la fundamentacin terica de los modelos de eleccin en Marketing (Lilien et al., 1992). No se
debe olvidar que esta tesis se cenEa exclusivamente en los modelos de eleccin englobados bajo el
paradigma de los modelos probabilsticos.
l 1
3.1. lVlodelos de Eleccin Discreta
Los Modelos de Eleccin Discreta (MED) tratan de estimar la probabilidad de
elegir una determinada alternativa, tomando como punto de partida los atributos de estas
altemativas de eleccin y las caractersticas individuales, integmdas en una funcin de
utilidad.
En general, el uso de probabilidades implica que la eleccin discreta se aleja de
la regla de decisin y de la funcin de utilidad deterministas, caractersticas de la Teora
Econmica Neoclsica; es decir, los MED relajan el supuesto de que el individuo
siempre elige la alternativa con mayor utilidad y que dicha utidad es bonstante en el
tiempo. De hecho, desde su introduccin en el campo de la Psicometra por Thurstone
(1927), han surgido diversos enfoques en los MED derivados a partir de la fuente
generadora de incertidumbre.
3.1.1. Clasificacin de los Modelos de Eleccin Discreta atendiendo a la Fuente de
Incertidumbre
La incorporacin de la incertidumbre en la modelizacin de eleccin discreta
toma como punto de partida dos aspectos bsicos de la eleccin (Block y Marschak,
1960): las reglas de decisin
-o
criterio por el que un individuo elige las alternativas- y
la utilidad
-que
hace referencia al valor o satisfaccin que una alternativa tiene para el
decisor-.
En cuanto a las reglas de decisin, si los individuos siempre siguen las mismas
reglas para seleccionar una opcin, con independencia de la situacin, del momento y
de sus propias caractersticas, el analista conocer de antemano la altemativa elegida.
Estas reglas de decisin son deterrninstas, puesto que, dado un conjunto de alternativas,
el decisor se decantar por una de ellas con probabilidad igual a uno. Sin embargo, si
esto siempre es as, no podra explicarse el hecho de que dos individuos con idnticas
reglas de decisin y cuactensticas, y con el mismo conjunto de eleccin opten por
alternativas distintas. Para explicar esta situacin, aparecen las reglas de decisin
estocasticas, en virtud de las cuales una persona no siempre considera la alternativa con
mayor utilidad como la ptima (como preconiza la TEN), debido a que el criterio de
eleccin puede variar de una ocasin a otra (por ejemplo, unas veces utiliza el Maximin
y otras el Maximax).
t 2
Capulo I. Aspectos Fundqmentales de lq Teora de la Eleccin
Por lo que se refiere a la utilidad, cabe indicar que puede ser constante o
aleatoria. El primer caso implica que la utilidad de una alternativa es frja en cualquier
momento del tiempo, mientras que el segundo atae cierta variabilidad a la utilidad;
variabilidad que viene explicada por la falta de informacin del decisor (por ejemplo, no
considera siempre el mismo nmero de atributos) o por la imposibilidad del analista
para observar y captar todas las dimensiones del problema de eleccin.
Tomando como referencia ambos conceptos, los modelos de eleccin discreta se
clasifican atendiendo al origen de la incertidumbre (Block y lvfarschak, 1960; Luce y
Suppes, 1965). De un lado, los mo.delos que asumen utilidades constantes y reglas de
decisin estocsticas, en los que la incertidumbre no desaparecera aunque se tuviese un
conocimiento completo del problema; y de otro lado, los modelos de utilidad aleatoria y
reglas de decisin deterministas.
3.1.1.1. Nlodelos de Utilidad Constante y Reglas de Decisin Estocsticas
Estos modelos consideran que la utiiidad de cada alternativa permanece
constante, y 1o que determina que un individuo no elija siempre la misma opcin, es el
carcter estocastico de las reglas de decisin utilizadas a la hora de enfrentarse al
conjunto de eleccin (Tversky, 1972a, 1972b). Es decir, el comportamiento individual
es puramente probabilstico, de manera que en lugar de elegir siempre la alternativa con
mayor utilidad, dicha decisin se toma considerando unas probabilidades de eleccin
definidas a partir de una funcin de distribucin sobre las alternativas.
Esta coriente est muy ligada al campo de la Psicologq en la que se considera
que factores inherentes al individuo le llevan a elegir altemativas con utilidades
diferentes en distintas ocasiones. En esta lnea, se propone que las utilidades son fijas
-
no cambian a lo largo del tiempo- y lo variable es la regla de decisin
-de
carcter
estocastico-. Evidentemente, este enfoque se contrapone a la teora econmica de la
maximizacin de la utilidad, en la que un individuo elige siempre la alternativa con
mayor utilidad, de forma que si las utilidades son deterministas, la eleccin debera ser
la misma bajo condiciones similares.
No obstante, la distribucin de probabilidad de las alternativas nicamente puede
ser especificada asumiendo determinados supuestos sobre las probabilidades de
l 3
Captulo L Aspectos Fundamentales de Ia Teora de la Eleccn
eleccin, y cuyos modelos paradigmticos representativos son los de Luce (1959) y
Tversky (1972a,b).
3.1.1.1.1. Model o de Luce
El modelo de Luce es quizs el ms sencillo del enfoque de utilidad constante.
Sigue un enfoque axiomtico, de tal forma que si las probabilidades cumplen el
denominado
"axioma de eleccin", se puede definir una escala para cada alternativa,
que hace las veces de utilidad, a partir de la cual se derivan las probabilidades de
eleccin. El "axioma de eleccin" indica que, dado un conjunto de probabilidades
definidas para todos los subconjuntos de un conjunto finito C, entonces
Vi , e
, Cl i ee sC
secumpl eque P( i l e
e Q=PQl e)
siempre y cuando exista la probabilidad condicionada. En otros trminos, si se eliminan
algunas alternativas del conjunto de eleccin, las probabilidades de eleccin relativas al
7
conjunto reducido C permanecen inalteradas (Ben-Akiva y Lennan, 1985).
Luce demuestra que el "axioma de eleccin" es condicin necesaria y suficiente
para la existencia de una funcin U :C
->
n, tal queVi, j
ee
eC
se cumple que
P(i)=ffi
j.e
esto es, que la probabilidad de eleccin es directamente proporcional a la utilidad.
Una implicacin importante de este axioma es que aunque no se conozcan todas
las altemativas contenidas en C, se llegara ala probabilidad correcta. Sin embargo, la
validez de este modelo est restringida a grupos de eleccin con alternativas que poseen
igual grado de similitud, debido a que en otro caso, se violara el supuesto de
Independencia de Alternativas Irrelevantes (IIA), que ser abordado ms adelante.
3.1.1.1.2. Modelo de Tversky
En el modelo precedente, las utilidades se derivan a partir de axiomas impuestos
a las probabilidades. Por contra, en el presente modelo, aqullas vienen dadas desde el
principio, desarrollando a partir de las mismas un mecanismo especfico de eleccin
T4
Capnlo I. Aspectos Fundamentales de la Teora de la Eleccin
probabilistico. En este sentido, Tversky (1972a) determina la alternativa de eleccin a
travs de un proceso de eliminacin estocstico, donde se asume que cada alternativa se
puede describir con determinadas caactersticas o atributos. De ah que este modelo se
conoce como modelo de "eliminacin por aspectos" (EBA).
El proceso de eleccin se inicia eligiendo una caracterstica, y eliminando
aquellas alternativas que no la poseen. A continuacin, se selecciona un segundo
aspecto, que reducir el grupo de opciones de la primera fase, y as sucesivamente hasta
que slo quede una alternativa. Si el resultado final incluye varias alternativas, stas
forman un conjunto equiprobable de eleccin. En esencia, este proceso se asemeja a una
ordenacin de preferencias lexicogrfico, pero ambos se diferencian en que en ste
ltimo, el orden de seleccin de las caractersticas viene dado a priori, mientras que en
el EBA la eleccin del atributo analizado en cada fase es aleatoria.
Por otro lado, cada caacterstica tiene asignada una utilidad que expresa la
importancia de la misma para un determinado individuo. En este sentido, la
probabilidad de seleccin de una caracterstica en cada etapa, como criterio de
eliminacin para las alternativas resultantes, depende de estas utilidades. Bajo esta
perspectiva, existen varias secuencias de eliminacin que conducen a un mismo
resultado, de ah que la probabilidad de elegir una alternativa concreta viene dada por la
suma de las probabilidades de ocurrencia de todas las secuencias que conducen a su
eleccin.
Denominando u a la utilidad referida a la caracterstica i, la probabilidad
elegir dicha caracterstica como criterio de eliminacin en una determinada fase
expresa como (Tversky, 1972a),
u;
P1'
()
=
l-
s
Lu
j =l
donde s es el nmero de caractersticas resultantes una vez eliminadas las caractersticas
comunes a todas las alternativas, y que, por tanto, no influyen en la eleccin. Si d es el
nmero de alternativas de e
=C
que contienen la caracterstica i,la expresin que
define la probabilidad de elegir una opcin a es,
de
se
l 5
Pr(a)=
I
r, {i4
Captulo I. Aspectos Fundammtales de la Teora de la Eleccin
(a)
El trmino p, (i) muestra la probabilidad
de realizar la evaluacin o eliminacin
con la caracterstica i, y P, (a) la probabilidad
de que se elija la alternativa a de entre
todas las que poseen dicha caracterstica. De esta forma se sunan todas las secuencias
que conducen a una misma alternativa. Bajo esta ptica, el modelo de Luce sera un
caso particular del modelo de Tversky, si se cumple la condicin de que cada
caracterstica i slo se manifiesta en una alternativa, de tal modo que P ()
=
1 para un
nico valor de i y 0 para los restantes casos.
Como ventaja frente al de Luce, este modelo no requiere el cumplimiento del
supuesto de Independencia de Altemativas Inelevantes (Tversky,1972a). Sin embargo,
un inconveniente importante, sugerido por el propio autor, se deriva de que cada
caracterstica slo es observada en trminos de presencia o ausencia; es decir,
nicamente se considera si est presente o no en una alternativ4 sin tener en cuenta la
cantidad que cada altemativa posee de esta caracterstica o atibuto i. Adems, en el
supuesto de que todas las alternativas tuviesen las mismas caactersticass, todas ellas
tendran la misma probabilidad de ser elegidas, lo que no sera lgico debido a que una
alternativa puede participar de un atributo en mayor medida que otro, y dicho atributo
puede ser ms importante para un individuo que para otros. Para evitar este problem4
Tversky sugiere utilizar umbrales mnimos como criterio de eliminacin para aquellos
atributos que no son en esencia binarios; es decir, para aquellas caractersticas cuya
cantidad puede variar entre las distintas alternativas, el anlisis no debe limitarse a la
dicotoma presencia-ausencia del atributo, sino que se debe establecer la cantidad
mnima requerida para que una alternativa sea aceptada.
Otra limitacin viene dada por el gran esfuerzo que supone considerar todas las
secuencias de eliminacin que llevan a la eleccin de una determinada alternativa a
medida que el nmero de opciones aumenta (Tversky, 1972a). Para superar esta
desventaja Tversky y Sattah (1979) proponen los modelos de "rboles de preferencias"
("Preference
Tree" o PRETREE Models), tambin denominados por McFadden (1981,
1986) de "eliminacin
jerarquica por aspectos" (IIEBA, "Hierachical Elimination by
t 6
Captulo I. Aspectos Fundamentales de Ia Teora de la Eleccin
Aspects"), que suponen formar grupos de alternativas similaes y, por tanto, con alto
grado de sustituibilidad, estableciendo una estructura de rbol. De esta forma, se
procede a eliminar aquellas ramas, y con ellas las alternativas contenidas en las mismas
que no poseen un aspecto concreto. En particular, estos autores desalrollan, por un lado,
el Modelo de Eliminacin por rot (EBT, "Elimination by Tree"), que es, en esencia,
el modelo EBA con estructura
jerarquica;
y, por otro lado, el Modelo de Eliminacin
Jerrquica (HEM, "Hierarchical Elinnation Modef), donde los atributos no se eligen
aleatoriamente, como en el caso anterior, sino que se considera una seleccin secuencial
especificada previamente. Es decir, mientras que en el EBT un atributo puede ser
elegido en cualquier etapa del proceso, en el HEM los aspectos se seleccionan a partir
de un patrn
jerarquico
fijo.
Sin embargo, a pesar de las propiedades
tericas que presentan los modelos de
eliminacin por aspectos, es destacable la escasa aplicacin que han tenido en
Marketing (Rotondo, 1986). Gensch y Ghose (1992) destacan cuaffo razones que
explican su baja aceptacin: i) los aspectos se definen como variables binarias. A pesar
de que Tversky sugiere el uso de umbrales mnimos, surge el problema de la
heterogeneidad de umbrales entre individuos, lo que dificulta la obtencin de resultados
globales fiables; ii) los aspectos no pueden ser comunes para todas las alternativas. No
es lgico concebir un problema de eleccin en Marketing, en que nicamente influyen
en el proceso de eleccin los atributos que son especficos de determinadas alternativas;
iii) Los modelos de eliminacin por aspectos son desarrollados a nivel individual. Sin
embargo, en la prctica del Marketing el inters principal radica en la eleccin a nivel
de cuota de mercado y, en este sentido, an quedan por resolver problemas operativos
de estos modelos para que puedan ser aplicados a nivel global; y iv) las predicciones se
realizan por pares de alternativas en lugar de obtener las cuotas de mercado de todas las
alternativas.
Algunos autores, tomando como punto de partida las premisas de los modelos de
eliminacin, han desarrollado modelizaciones alternativas. McFadden (1981) propone el
Modelo de Eliminacin a travs de Estrategias (EBS, Eliminaton by Strateglt), que es
una generalizacin de los modelos de eliminacin. Este autor considera que cada
posible
ordenacin de los aspectos configura una estrategia de eliminacin; estrategia
5
Aunque puede ser un supuesto irreal en las primeras etapas de eliminacin, no es as en las ltimas.
t 7
Captulo I. Aspectos Fundammtales de Ia Teora de la Eleccin
que se selecciona a partir de una funcin de probabilidad sobre las preferencias. Por su
pde, Manrai y Sinha (1989) plantean el Modelo de Eliminacin por Umbrales (EBC,
"Elmination by cutoffs"), donde se utilizan dos factores obtenidos a travs de un
anlisis factorial para comparar las alternativas.
Finalmente. Gensch y Ghose (1992)
proponen el Modelo de Eliminacin por Dimensiones (EBD, Elimination by
Dimensions), en el que utilizan las dimensiones derivadas de un anlisis factorial para
formar una estructura
jerrquica de las altemativas, para posteriormente iniciar el
proceso de eliminacin.
3.1.1.2. Modelos de Utilidad Aleatoria y Reglas de Decisin Deterministas.
Este enfoque de utilidad aleatoria se aproxima ms a la Teora de Eleccin
Neoclsica que los casos indicados en el apartado anterior, debido a que al individuo se
le presupone una capacidad de discriminacin perfecta y realua la eleccin a partir del
principio de maximizacin de utilidad. Dentro de esta perspectiva existen dos
importantes aproximaciones: la propuesta desde el campo de la Psicologa por
Thurstone (1927, 1945) y la procedente del mbito de la Economa y Econometra
defendida por McFadden (1974) y Manski (197T6.
3.1.1,2.1. Model o de Thurstone
Con el propsito de explicar el hecho de que una persona no elija siempre la
misma opcin bajo idnticas condiciones, Thurstone argumenta que un determinado
estmulo procedente del exterior provoca una sensacin o estado psicolgico, que en s
mismo, es una variable aleatoria, y
eue,
de igual modo, la comparacin entre dos
estmulos por parte de un individuo es el resultado de dos variables aleatorias. Como
consecuencia, no siempre actuar de la misma manera cuando se enfrente a un conjunto
de eleccin. En este sentido, la utilidad contiene dos elementos: los valores de escala a
asociados con las altemativas, y los estados psicolgicos representados por una variable
aleatona e.
Sin embargo, el criterio de eleccin est regido por un comportamiento racional,
seleccionando siempre aquella alternativa i de mayor utilidad. En suma, las utiiidades
o
A estos enfoques tarnbin se les denomina de "interpretacin intrapersonal" e "interpretacin
interpersonal" respectivamente, por el hecho de que desde la Psicologa se considera que el individuo en
18
varan de un momento a otro del tiempo, pero el proceso conduce a la eleccin de la
alternativa con la mayor utilidad en ese momento, cuya probabilidad viene dada por
PcQ)= rlu, * e,
=)fffui*
"rl
Para resaltar la similitud de este enfoque con la TEN basta considerar un
individuo formado por varios Homo economicus, donde cada uno de ellos se rige por las
reglas de decisin de la TEN. Dependiendo del estado mental del individuo actuar un
determinado Homo economicus, que se comportar de una manera racional acorde con
la utidad determinista correspondiente (Anderson et a1., 1992).
3.l.l.2.2.lllodelo de McFadden v Manski
Este modelo, propuesto por McFadden (1974) y formalizado posteriormente por
Manski (1977), aunque se enmrca dentro de los modelos de utilidad aleatoria, asume
que tanto la regla de decisin como la utilidad son deterministas. Sin embargo, la
imposibilidad del analista para conocer la configuracin completa del proceso de
decisin lleva a incluir un componente estocstico en la funcin de utilidad.
As, la funcin de utilidad determinista de un individuo t,
(J,
se descompone en
dos partes: a) una funcin Y que representa la parte conocida de la utilidad, definida
sobre variables observables (componente determinista); y b) una parte no observable o
trmino aleatorio e (componente estocstico), que representa la desviacin de la
utilidad individual respecto de la utilidad representativa o media de un gupo
homogneo (Wrigle I 982).
U,
=V,
+ ,
Dado que en este contexto la incertidumbre surge como consecuencia de la falta
de informacin disponible por parte del analista, Manski (1977) identifica cuatro fuentes
generadoras
de la misma:
1) Atributos no observables de las alternativas. El vector de atributos que se
relaciona con la eleccin puede ser parcialmente conocido por el analista, o
cada decisin cambia su funcin de utilidad, mientras que en la Economa se propone que las funciones
de utilidad cambian entre los indiduos de la poblacin (McFadden, 1981).
l 9
Coptulo I. Aspectos Fundamentales de la Teora de la Eleccin
incluso pueden existir atributos que el propio
individuo no sepa que estin
influyendo en su eleccin y que inconscientemente los est considerando a la
hora de maximizar su utilidad.
Caractersticas no observables de los individuos. Existen factores propios de
cada individuo que afectan a la eleccin, y que el analista no puede observar.
Estos factores se manifiestan en trminos de las caractersticas propias de un
conjunto (incluso aparentemente homogneo) de personas, o de las
valoraciones de un atributo que varan entre los individuos.
Errores de medida. Las propias variables observadas no estan exentas de
error. En muchas ocasiones, no es posible obsen ar los verdaderos valores de
determinadas variables, por lo que no se realizan mediciones puras de las
mismas. En estos casos se recrure al uso de variables "proxy", con 1o que se
est incoqporando al modelo una medida imperfecta.
4) Errores en la especificacin funcional de la utilidad. La funcin V no
siempre se conoce con certeza, por lo que la seleccin de una forma
funcional concreta puede ser una fuente potencial de error.
Con estas consideraciones, la probabilidad de que un individuo r elija la
alternativa i es.
P,,r(i)
=
tlr,
=
ryg!@
,\
Esta expresin es equivalente a la del modelo de Thurstone en la medida que
ambas tratan de determinar la probabilidad de que la utilidad de la altemativa i sea
mayor que la correspondiente a cualquier otra perteneciente al conjunto de eleccin C.
Sin embargo, el razonamiento subyacente difiere entre ellos en lo referido al proceso de
eleccin del individuo (Anderson et al., 1992).
3,1.2. Formalizacin Operativa de la Eleccin Discreta
Hasta este momento, se ha analizado la teora subyacente en el marco de la
eleccin discreta. Sin embargo, la formalizacin operativa de la misma requiere
examinar diversos aspectos (Ben-Akiva y Lerman, 1985):
2)
3)
20
Captulo I. Aspectos Fundamentales de la Tcora de la Eleccin
En primer lugar, los criterios analticos de maximizacin basados en la teora
marginalista del consumidor (donde se asume que la demanda individual es el resultado
de maximizar la utilidad sobre una cesta de bienes "continuos"). habitualmente
aplicados en la TEN, no se pueden utilizar en este caso. La eleccin discreta considera
las utilidades como funcin de los atributos de los bienes, y no como funcin de las
cantidades de los mismos, por lo que no se puede aplicar un criterio de maximizacin
debido a que la funcin de demanda no es diferenciable y dara lugar a soluciones
"esquina".
Ello implica que la eleccin discreta requiere un anlisis marginal
"extensivo" (en lugar de uno "intensivo"), en el que un cambio marginal no implica un
cambio en la proporcin del bien consumido sino un cambio de opcin (Ben-Akiva y
Lerman, 1985). Por tanto, aunque se mantiene el concepto de consumidor racional, en
este caso no se obtienen rnciones de demanda, sino que se actua directamente sobre las
funciones de utilidad.
En segundo lugar, la definicin de la funcin de utilidad es un aspecto
importante de estos modelos, que conlleva la identificacin de las variabies relevantes
en la eleccin y la forma funcional de la misma. Con carcter general, el vector de
variables X a incluir en la funcin de utilidad puede hacer referencia tanto a los
atributos de las alternativas, -, colno a las caractersticas de los individuos decisores,2,,
representndose ambos como X:g(z,x), donde g especifica Ia relacin de cada variable
con la funcin de utilidad.
En cuanto a la forma funcional, se asume una funcin de utilidad lineal en
parimetros,
debido sobre todo a las propiedades
de cmputo que lleva implcita dicha
relacin. Aunque, en principio, este supuesto podra parecer restrictivo, en realidad no
lo es, en la medida en que linealidad en los parmetros no implica linealidad en las
variables explicativas. De hecho, la inclusin de estas variables puede venir dada por
cualquier definicin de la funcin g, lo que facilita la utilizacin de variables
polinomiales,
variables continuas transformadas en discretas, variables logartmicas,
exponenciales y otras transformaciones reales (Ben-Akiva y Lerman, 1985). En sum4
setratadeunafunci ndeuti l i dadexpresadacomo
Uo=V(g(2,,x,))
=V(Xn),donde
Z
es una funcin definida sobre el rango de las variables.
Sin embargo, esta forma de representar la utilidad slo es vlida para el enfoque
de utilidad constante, donde la utilidad es determinista. Los modelos de utilidad
2r
',6
=
lru,
aleatoria requieren la inclusin de un trmino de error, ti,, de manera que
Ur=V(Xr)+e,r. La definicin de este trmino ser determinante para especificar el
tipo de modelo a utilizar (McFadden, 1981). En este sentido, cabe indicar que la lgica
de los distintos modelos de eleccin discreta se sustenta en la forma de calcular la
probabilidad de que la utilidad de una alternativa i sea mayor que las -Irestantes; esto es,
\
=r yg. xU
, , l =
P( V, , +u
) - Vr ,
+r , , V, , *t
,
) Vr ,
+t r , , . . . , V, , +t , >Vr , +er , )
i e f
J '
I
J
- - '
, /
de modo que Pr(i )
=
P(e, ,
-
s, , 3V, ,
-Vr, , zt -
eu SV,
-V2, , . . . , t t , -
t , SV, ,
-Vr, )
.
Considerando esta ltima expresin, es importante resaltar que a partir del
tratamiento de la diferencia de los trminos de error se derivan los siguientes modelos
de eleccin discreta, que se examinan con detalle en los prximos epgrafes: a) Los
modelos de probabilidad lineal suponen un primer intento de analzar elecciones
discretas bajo el supuesto de distribucin uniforme para los errores, pero, en ocasiones,
conducen a resultados incongruentes. b) Los modelos probit y logit, derivados de los
trabajos de Thurstone (1927) y Luce (1959), se basan en las distribuciones normal y
logstica- respectivamente. Sin embargo, el modelo probit presenta importantes
problemas de cmputo y el modelo logit requiere el cumplimiento de la propiedad de
Independencia de Alternatvas lrrelevanles (IIA). Para superar le problema de ia IIA
han surgido distintas extensiones del Logit Multinomial, entre las que destacan las
siguientes: ) modelo logit multinomial anidado
@en-Akiv4
1973), que se fundamenta
en la formacin de grupos de alternativas de manera que las covarianzas entre los
elrores de las alternativas sean idnticas dentro de un mismo grupo; i) modelo logit
anidado cruzado (Vovsha, 1997), que permite la inclusin de una alternativa dada en
ms de un grupo, conduciendo as a patrones de correlacin ms generales que en el
modelo precedente;1li) modelo logit de combinaciones pareada.s (Koppelmann y Wen,
2000), que relaja an mas los supuestos anteriores, permitiendo distintas covarianzas
entre diferentes pares de alternativas; iv) modelo CJogt (Cascetta et al., 1996), que, al
contrario de las extensiones anteriores, trata de corregir el problema de independencia
entre alternativas siguiendo un enfoque determinista; v) modelo dogit (Gaudry
V
Dagenais, 1977), que utiliza un parmetro adicional para captar similitudes entre
alternativas; y vi) modelo de valor extremo generalizado (McFadden, 1978),
Que,
bajo
determinados supuestos de distribucin de los elrores, contiene a los modelos
22
anteriores. c) El modelo logit hbrido (Ben-Akiva y Bolduc, 1999), que incorpora un
doble trmino aleatorio, para aprovechar la generalidad
del modelo probit y la facilidad
de estimacin del logit. Entre sus versiones ms utilizadas destacan el modelo logit de
coeficientes aleatorios (Boyd y Mellman, 1980; Cardell y Dunbar, 1980) y el de clases
latentes (Kamakura y Russell, 1989), dirigidos a recoger la posible heterogeneidad de
los decisores; y d) El modelo con conjuntos de eleccin latentes, que considera la
distinta disponibilidad de conjuntos de alternativas para los diferentes miembros de una
poblacin.
3. l . 2. l . Nl odel o de Probabi l i dad Li neal
El modelo de probabilidad lineal asume que a,
-

j,
e,, sigue una distribucin
uniforme, cuyas probabilidades vienen dadas por la expresin
PtQ)
=
FrX u,
+
BrX u,
+ .. +
P,X itn
por lo que implcitamente se est estimando un
modelo de regresin del tipo Y,(i)=
FrXu,
*
f ,Xn,
+..+
B,Xitu
+ 6? con una variable
dependiente Y(i) binaria que toma el valor 1 si i es elegida, y 0 en caso contrario.
A pesar de su sencillez, este modelo queda limitado por el hecho de que las
probabilidades estimadas podran exceder el rango (0,1) (Maddala, 1983). Es decir, la
distribucin uniforme asigna una probabilidad de 0 a los valores negativos y I a los
mayores de 1, lo que puede conducir a resultados errneos, ya que podra darse el caso
de que un individuo elija una alternativa con probabilidad 0, o que no elija nunca una
aitemativa a la que el modelo le atribuye una probabilidad
de 1. Adems, dado que el
modelo es lineal, un cambio unitario en una variable explicativa implica un cambio
constante
F*
en la probabilidad de eleccin, con independencia del valor actual de
aqulla, lo que puede conducir a situaciones irreales (Scott, 1997).
3.1.2.2. Modelo Probit Multinomial
Para evitar la problemtica generada en el modelo de probabilidad lineal, se han
propuesto distintas distribuciones alternativas para el trmino de error. Una primera
aproximacin asume, en virtud del Teorema Central del Lmite, que la suma de los
effores desconocidos e independientes sigue una distribucin Normal. Bajo este
supuesto y partiendo del modelo de Thurstone (1927), se obtiene el Modelo Probit
Multinomial (MNP), donde la probabilidad de elegir i es:
23
Captulo L Aspectos Fundammtales de la Teora de la Eleccin
r,-h,
donde
/
es la funcin normal multivariante de la que se excluye el trmino e,.
Aunque este supuesto es analticamente aceptable, no lo es a la hora de
computarlo ya que a medida que aumenta el nmero de alternativas.I, el procedimiento
de estimacin, que implica la resolucin de una integral mltiple de dimensin -r-1, se
ruelve muy complejo. En concreto, McFadden (1986) indica que el procedimiento es
impracticable a partir de cuatro alternativas. Con el fin de solventar este problema, se
plantean distintas propuestas: Por un lado, Dagaruo et al. (1977) desarrollan un
algoritmo para obtener estimaciones aproximadas de estas integrales; sin embargo, esta
proxy se aleja del verdadero valor cuando existen correlaciones negativas entre las
utilidades aleatorias, o cuando las alternativas presentan distintas varianzas (Horowitz,
1979). De otro lado, Lerman y Manski (1981) proponen aproximar las probabilidades
de eleccin con el mtodo de mxima verosimilitud simulada,
eue
se apoya en la
utilizacin de frecuencias simuladas. Finalmente, McFadden (1989) presenta el mtodo
de los momentos simulados, modificando el mtodo tradicional de los momentos, para
el clculo de probabilidades en el MNP sin recurrir a la resolucin de integrales. Sin
embargo, el desarrollo reciente de las tcnicas de simulacin utilizando datos
individuales conduce a que stas se presenten como una aproximacin ms general,
flexible y efectiva para estimar el Modelo Probit Multinomial (Hajivassiliou et al.,
1996; Train,2002).
En cualquier caso, una importante ventaja de este modelo es que permite recoger
las posibles correlaciones existentes entre las perturbaciones, lo que al mismo tiempo
facilita la consideracin de configuraciones generales de sustitucin entre las distintas
altemativas, evitando la imposicin de supuestos acerca de la relacin de dependencia
entre las mismas. De hecho, el MNP presenta el marco ms general para analizar la
interdependencia entre alternativas, que se evala a travs de la estructura de
correlacin de los trminos de enor distribuidos bajo la Normal. Sin embargo, no hay
evidencia de que la mayor generalidad de estos modelos, compensen los problemas de
clculo que presentan (Anderson et a1.,1992).
P,p=
f_"'
. . .
f : *"
@, e r. . . e r)d
e, d e
r. . . d
e,
a ^
z+
3.1.2.3. iVlodelo Logit Multinomial
El modelo Logit ha sido el ms utilizado en la literatura emprica.
Originariamente es aplicado en el contexto de eleccin binaria asumiendo una
distribucin logstica para la perturbacin. Con posterioridad, se generaliza al caso de
ms de dos alternativas dando lugar al Modelo Logit Multinomial (MNL);
generalizacin que puede ser obtenida no slo desde la perspectiva de la utilidad
aleatoria sino tambin de la utilidad constante. En el primer caso, se supone que los
trminos aleatorios son independientes e idnticamente distribuidos bajo una
distribucin GumbelT (Ben-Akiva y Lerman, 1985),
donde 17 es el parmetro de localizacin y p el parmetro de escala, de tal modo que
la diferenca ee sigue una distribucin logstica. Bajo estas condiciones se puede
derivar el MNL, cuya probabilidad de elegir la altemativa i de un conjunto C se define
como
P,(i)
=
F(e)
=exp[-
,-t' <"-| 1
e t t
\- V,
Le'
Este mismo resultado se alcanza si en el modelo de utilidad determinista
propuesto por Luce se definen las funciones de utilidad como U(t
=
e'' . Cabe destacar
que, de acuerdo con lo comentado anteriormente respecto de la forma funcional de la
utilidad, la formalizacin ms extensamente utilizada es la que define la utilidad como
una funcin lineal de las variables; sin embargo, en el campo del Marketing, ha tenido
especial aceptacin la especificacin propuesta por Nakanishi y Cooper (1974), que da
lugar al Modelo Multiplicativo de Interaccin Competitiva, muy utilizado por su
sencillo procedimiento de estimacin (Ghosh y Mcl-afferty,1982). De acuerdo con este
modelo, la probabilidad de que un individuo seleccione una alternativa determinada se
representa por la siguiente expresin:
'
En unas ocasiones, se considera que dichos trminos siguen una distribucin doble exponencial o de
valor extemo de tipo I, y en oas una distribucin Weibull. Todas conducen al mismo resultado. As| en
el primero de los casos slo se produce un cambio en la situacin del parmeto p, pero dado que se suele
suponer que es l, no afecta al resultado hnal. Por su pade, la distribucin Weibull es en realidad una
distribucin Gumbel de parmetos p=ly q:0 (Traia 2002).
Captulo I. Aspectos Fundamentsles de la Teora de la Eleccin
K
n-ur;
PtQ)
=+t-
LI7-f;
j =t k=l
donde
p es el parmetro que mide la sensibilidad de P,(i) respecto a la variable x.
Como se puede observar, esta especificacin surge de forma inmediata al tomar las
variables explicativas en logaritmos.
En cualquier caso, a pesar de que el MNL supera los problemas de cmputo del
Modelo Probit Multinomial y los tericos del Modelo Lineal en Probabilidad, queda
restringido al cumplimiento de la hiptesis de Independencia de Alternativas
Irelevantes, que se trata seguidamente.
3.1.2.3.1. Propiedad de Independencia de Alternativas Irrelevantes
Esta propiedad implica que el ratio de probabilidades entre dos alternativas
cualesquiera i y j
es independiente del conjunto de eleccin que las contiene. Esto es,
dados dos conjuntos de eleccin, S y Z tal que S cT
,
entonces
P, (t)
=
Pr(i)
P, (i) Pr(i)
En ocasiones, esta propiedad conduce a resultados que contradicen la lgica ms
elemental de un determinado contexto de eleccin, como en el caso de la conocida
paradoja del "autobs rojo y el autobs azul" de Debreu (1960), donde la inclusin de
un autobs cuyo color es distinto al existente afectara a las probabilidades de elegir una
tercera alternativa, en este caso, el automvil. En este sentido, esta propiedad implica
que slo son vlidos aquellos conjuntos de eleccin en los que todas las alternativas
tienen el mismo grado de similitud o disimilitud (Anderson et al., 1992), de forma que
la inclusin o exclusin de una de ellas provocara idntico cambio proporcional en
cada una de las probabilidades del resto de alternativas; sin embargo, en un contexto
con distintos grados de similitud este cambio proporcional no tiene sentido. En ohos
trminos, si se asume que un individuo va a alojarse en un determinado complejo
turstico, y puede optar por un camping o un hotel, la inclusin de un nuevo hotel con
las mismas prestaciones que el existente, sean cuales sean las probabilidades de cada
26
opcin, conllevara que el modelo MNL restara a cada probabilidad anterior el mismo
porcentaje, cuando lo lgico sera que se repartiese la probabilidad de la altemativa
"alojarse en hotel" manteniendo constante la de
"alojarse
en camping". Si las
probabilidades iniciales eran de ll2, las resultantes del MNL tras aadir la tercera
altemativa sern 1/3.
Desde un punto de vista estadstico, esta incoherencia resulta de la violacin del
supuesto de independencia de los trminos aleatorios, ya que las fuentes de error de las
dos alternativas hoteleras del caso anterior son prcticamente las mismas,
manifestandose una elevada correlacin entre ellas. En particular, basta con considerar
que los atributos no observables de estas alternativas van a ser muy similares, lo que
provocar que los componentes 2
!
a3 no sean independientes.
3.1.2.3.2. Extensiones del Modelo Logit Multinomial para Evitar Ia Hiptesis de
Independencia de Alternativas Irrelevantes (IIA)
Para superar el inconveniente que supone la propiedad IIA del MNL, tan slo
habra que considerar un modelo que incorporase algn tipo de correlacin entre los
trminos de error, reflejada en una matnz de varianzas y covarianzas general
I, en lugar
de aqulla mas restrictiva definida como
Z=otI,
que asume covananzas nulas entre
las perturbaciones y homoscedasticidad. En esta lnea, la forma ms directa de afrontar
esta cuestin sera asumir que el vector de trminos aleatorios sigue una distribucin
Normal multivariable (McFadden, 1981). Sin embargo, dadas las dificultades de
estimacin que presenta, se han propuesto los siguientes modelos alternativos, que
Wrigley (1982) denomina "de punto intermedio", al situarse entre la generalidad y
complejidad del MNP y lo restrictivo pero factible del MNL.
A) Modelo Logit Multinomial Anidado
El Modelo Logit Multinomial Anidado (lvfNl Anidado) fue desarrollado por
Ben-Akiva (1973) para recoger las posibles correlaciones entre alternativas. La lgica
subyacente se apoya en la particin del conjunto de eleccin, C, en subconjuntos
homogneos de alternativas o "nidos", Ck, a partir de los que el decisor elige
jerrquicamente:
primero un subconjunto Cr con una determinada probabilidad y del
27
mismo selecciona una altemativa concretas. En este sentido, la funcin de utilidad de
cada alternativa est compuesta de un trmino asociado a la misma V, + e
,
y de otro
vi ncul ado al ni do al que pert enece Vcr+c1, , po l o que U, =V, +a, +Vcr*6r,
donde los trminos de error t; y t"o son independientes, de tal forma que e, sigue una
distribucin Gumbel con parmetro de escala unitario, i-G(I,q),
y e",es tal que
maxU,
-
G(p, .
La probabilidad de eleccin de la alternativa i viene definida por la expresin,
PcG)
=
P",()P,(C)
,
de la que se obtiene,
P"(i )
=;-
2,',,
"Yc
+cYI,
TL
donde Vf es el valor inclusivo o utilidad compuesta definida como t"\e''
,
y
4
el
j=r
parimetro que refleja el grado de similitud entre las altemativas de un mismo nido. El
subndice / identifica los Z nidos y7 las
&
alternatvas incluidas en el nido C al que
pertenece la altemativa i.
El MNL Anidado est diseado para resolver los problemas derivados de la
correlacin existente entre las altemativas de un mismo subgrupo, pero no considera la
posible correlacin entre estos subgrupos. En otras palabras, se asume que las
covarianzas son iguales cuando las alternativas pertenecen
a un mismo grupo, y nulas
entre las de distinto conjunto, por lo que no resulta adecuado cuando las alternativas no
pueden ser separadas claramente en distintos conjuntos (Siguiendo el ejemplo anterior,
un caso en este sentido sera la incorporacin de un hotel de tres estrellas a uno de
cuatro). Para resolver esta situacin de mercado, se han propuesto recientemente
diversos modelos, como el modelo MNL Anidado Cruzado (Vovsha, 1997), el Modelo
Logit de Combinaciones Pareadas (Koppelman y Wen, 2000), y el Modelo C-Logit
(Cascetta, 1996).
8
En esencia, la filosofia de este modelo es similar al Modelo de Eliminacin Jerrquica por Aspectos. De
hecho, McFadden (1981) demuestra que sus resultados no son significativamente distintos.
28
B) Modelo Logit Anidado Cruzado
Este modelo es una extensin directa del MNL Anidado donde cada alternativa
puede estar contenida en ms de un subconjunto. De igual forma, el conjunto de
eleccin C se particiona en fr subgrupos C, aunque para cada alternativa y cada
subconjunto se estima un parmetro a*, indicando el grado de pertenencia de la
alternativa i a dicho nido k. As, Vovsha (1997) define la utilidad como
U,o
=V,
+ ti +Vcr + cr rlna,r y laprobabilidad de elegir la alternativa i tal que
donde P,rQ)=#L y
Zon' r ' '
j =l
v
PcQ)
=zP"rQ). PcGk)
k=l
ovc
*' vl
r
Pr(Co)= j- siendo I?*
I ovc+rVI '
/ , -
=u_f o, o
. r' '
j =r
Como se puede observar, este modelo permite representar contextos de eleccin
en que una aitemativa puede pertenecer, en mayor o menor medida, a dos subgrupos
distintos.
C) Modelo Logit de Combinaciones Pareadas
Apartndose de la estructura de los modelos anidados, Koppelman y Wen (2000)
presentan el Modelo Logit de Combinaciones Pareadas que relaja an ms la estructura
de correlaciones entre las alternativas, ya que permite establecer distintas covarianzas
o paru los pares de alternativas (r,7). Es decir, se considera la posible similitud entre
cualquier pareja de altemativas sin especificar ningun grupo homogneo. As,
denominando P a la probabilidad de seleccionar el par (ij) del conjunto de alternativas,
y PtU a la probabilidad de seleccionar i del par (ij),la probabilidad de elegir i viene
dada por la expresiflP
=7,P,,rPu,
donde
J+t
D
Y, 11. 6, ,
e"
D _
f v, l r-"u
*rrl v"l -o
Y
f =
* t - i ,
I I Q\lr-ou,
* rt/^lr-o^)t-or^
k=l m=k+l
n
Este trmino tambin se conoce como utilidad mxima esperada (Ortuzar y Willumsen, 1995),
29
siendo ky mlos subndices que identifican las /, alternativas.
El Modelo Logit de Combinaciones Pareadas es especialmente adecuado en
situaciones donde las relaciones entre las alternativas son complejas. As, en un
contexto con tres alternativas, donde las parejas (1,2) y (2,3) tienen altas correlaciones y
la relacin entre la 1 y la 3 es nula, el MNL y el MNL Anidado no son capaces de
representar esta situacin. Sin embargo, el modelo aqu expuesto recoge esta estructura
de covarianzas al permitir distintas similitudes entre todas las parejas de alternativas.
D) Nlodelo C-Logit
iEl
modelo C-Logit, propuesto por Cascetta et al. (1996), est diseado para
captar las correlaciones entre las altemativas, aunque, al contrario de los modelos
anteriores, en lugar de incorporar modificaciones en los trminos aleatorios, aade un
componente determinista en la funcin de utilidad. Este componente, denominado
"factor de comunalidad", CFt, descnbe el grado de similitud entre una alternativa y el
conjunto de las restantes para cada individuo /, de forma que
P(i)=+;r,
L"
jec,
/ r \ /
donde CF.,=
Frrln>.|+ |
siendo L na medida del grado de similitud en los
g
1
atributos comunes a las alternativas i y j,
L la medida del atributo analizado de i, y
B6p
un parmetro a estimar. El pariimetro y puede ser estimado o restringido a un valor
concreto.
La interpretacin de CFt implica que cunta ms similitud exista entre una
altemativa y las restantes, mayor es este factor. En consecuencia, ante la introduccin de
una nueva opcin similar a alguna de las existentes, las utilidades y, por ende, las
probabilidades de eleccin, se modifican de forma diferente en firncin de la similitud
entre las altemativas implicadas.
accesibilidad (Ben-Akiva y Lerman, 1979) o valor inclusvo (McFaddeq 1978)
30
E) Modelo Dogit
Este modelo, introducido por Gaudry y Dagenais (1977), trata de evitar la
propiedad IIA permitiendo que algunas parejas de alternativas del conjunto de eleccin
cumplan este supuesto y, que al mismo tiempo, otros pares no lo cumplan. En este caso,
la probabilidad de eleccin viene dada por la siguiente expresin,
P(i)
=
J
z s a y ,
e' +F Le'
j =l
donde p; es un parmetro positivo asociado a cada alternativa.
Si para una pareja de alternativas, los parmetros
lt
y
lt
son cero, o se manifiesta
que p/p:e''/eri, entonces la propiedad IIA se cumple para la misma. No obstante, Ben-
Akiva (1977) reinterpreta esta expresin, relacionando este modelo con el
comportamiento de compra. En su opinin, el parmetro
t
bace referencia a la
"cautividad" del individuo respecto de la altemativa j, por lo que esta aproximacin
tambin recibe el nombre de nrcdelo de cautividad. En concreto, reagrupando del
siguiente modo,
P(i)=-4-
, *l Fi
j =l
el primer trmino expresa la probabilidad de eleccin de la alternativa i simplemente
por ser la alternativa i y no otra, reflejando por tanto, el "grado de cautividad" del
individuo respecto a dicha alternativa. Por el contrario, la expresin entre parntesis
representa la probabilidad discrecional de elegir i del conjunto total de eleccin.
Una interpretacin altemativa consiste en expresarlo en trminos
presupuestarios, considerando que el cociente
J \ J
l r*F t t , l re' '
t H J l -
\ r=t ) =t
)
, ' I
e" I
r l
I r n' I
i = l l
t,
.[;F
3l
Captulo I. Aspectos Fundammtales de la Teora de la Eleccin
-+-
r +Zt t
j
j =l
hace referencia a la parte del presupuesto destinada a satisfacer las necesidades bsicas
o "mnimos de consumo" del bien o alternativa i (Gaudry y Wills, 1979).
F) Modelo de Valor Extremo Generalizado (GEV)
Un ltimo modelo genrico diseado para sortear la IIA, es el Modelo de Valor
Extremo Generalizado. Propuesto por McFadden (1978), supone una generalizacin de
distintas modelizacioned particulares. De hecho, los modelos MNL, MNL Anidadolo,
Anidado Cruzado y de Combinaciones Pareadas se pueden obtener a partir de ste.
Ademis, supera a algunos de ellos en 1o que respecta al cometido de evitar la propiedad
IIA, ya que flexibiliza las restricciones impuestas por aqullos (McFadden, 1981).
Bajo determinados supuestos de una funcin diferenciable GIt,la probabilidad
de eleccin del GEV viene dada por,
P(i)
= " n' #( e' " . . . , e" )
pG( e" , . . . , en' )
de donde se generan distintos modelos dependiendo de la forma funcional de G.
3.1.2.4. Modelo Logit Hturido
EL Modelo Logit Hbrido (MLH) o Modelo Mixto, introducido recientemente
por Ben-Akiva y Bolduc (1999), representa un intento de combinar las ventajas de los
modelos MNL y MNP. Bsicamente, conlleva la estimacin de un modelo Probit
Multinomial a travs de un Kernel Logit Multinomial. Esto es, la funcin de utilidad de
la alternativa i incorpora un trnrino aleatorio dividido en dos componentes: por una
parte, un trmino de error
fi
distribuido como una Normal y que recoge la correlacin
entre alternativas (por tanto, no queda afectado por la IIA); y, por otro, un trmino v
'o
Esto explica que, en ocasiones, al MNL Anidado se le denomina Tree Extreme Vatue (TEV)
(McFadden,
l 98l ).
t'
Estos supuestos son: i) G.es no negativa y homognea de grado
P0;
ii) su lmite es infinito cuando
alguno de sus argumentos e" tiende a irrtinito; y iii) la -sima derivada parcial es no negativa si k es
impar y no positiva si es par (McFadden, 1978).
32
independiente e idnticamente distribuido como una Gumbel. Es decir,
U,=V,++v,. La probabilidad de eleccin de la alternativa i, condicionada a los
valores de
f,,
viene dada por la expresin:
Pr Q
I
6' )
=
,ri +1i
leY'*4
j =l
donde
fi
no es observable, por lo que el clculo final de las probabilidades se obtiene
como PcG)
=
[-pr(
t
6)-@.df
siendo
G)latuncin
de densidad de la Normal.
f " '
Este modelo tiene importantes implicaciones derivadas de su flexibilidad para
representar distintas particularidades de los mercados, como los diferentes grados de
similitud entre alternativas, y especialmente la heterogeneidad de los individuos. De
hecho, se han generado algunas derivaciones contenidas en el MLH que han tenido
notable aceptacin, como el Modelo Logit de Coeficientes Aleatorios y de Clases
Latentes.
3.1.2.4.1. Modelo Logit de Coeficientes Aleatorios
El Modelo Logit de Coeficientes Aleatorios (MLCA) fue presentado por Boyd y
Mellman (1980) y Cardell y Dunbar (1980), aunque Ben-Akiva y Bolduc (1999)
demuestran que este modelo es un caso particular del MLH. Se trata de un modelo
diseado para controlar la heterogeneidad no observada, pero manifestada por los
individuos a travs de sus preferencias. Asume que cada decisor I tiene un vector de
parrnetros
Bt
especfrco, que difiere del vector de parmetros medio
B
en una
determinada magnitud aleatoria
,
denominada "variacin
en los gustos". Es decir,
considera que cada individuo otorga una importancia distinta a cada atributo. En este
sentido, la expresin de la utilidad se representa como
U,
=
X,f, *v,
=
X,F + X,6, + t,.
Cabe destacar que la introduccin de la expresin Xtd en el trmino de error
implica flexibilizar la estructura de correlaciones entre alternativas. Ello invalida
totalmente el supuesto IIA, por lo que su cumplimiento resulta innecesario (Train, 2002;
Erdem et al., 2002). La probabilidad de eleccin de la altemativa i por parte del
individuo r condicionada a los valores de
p, viene definida por
J J
oxf'
P, ( i l B, ) =- i -
Lr*o'
J - l
Sin embargo, los verdaderos parmetros no son observables, por 1o que,
asumiendo que stos siguen una funcin de distribucin.F (generalmente, una normal de
media
p y maffiz de varianzas y covarianzas
t), se estima la probabilidad
incondicional como Pt(i)
=
[o
f,{i t
B).dF(B)
.
Si la funcin .F no es continua, da lugar al Modelo de Clases Latentes,
que no es
ms que la versin discreta de este modelo.
3.1,2.4.2. Modelo de Clases Latentes
El Modelo de Clases Latentes (Kamakura y Russel, 1989), al igual que el Logit
de Coeficientes Aleatoriosl2, trata de representar la heterogeneidad no observada. Con
este fin, utiliza constructos discretos no observables directamente, por lo que es
necesario recurrir al uso de variables latentes. Un ejemplo bsico vendra dado por la
heterogeneidad que aparece en las preferencias de los distintos segmentos en que se
puede dividir una poblacin. As, llamando ,S al nmero de clases latentes (segmentos
en este caso) y,
F,
y C, a los parrnetros y conjuntos de eleccin especficos de los
individuos pertenecientes a la clase latente s, respectivamente, se obtiene que
J
P( i ) =I pt , I
F, , C, ) . P$
t e)
J = l
donde P(i I
B, ,
C
,)
es el modelo de eleccin especfico de la clase latente s, y P(s I 0) la
probabilidad de pertenencia a dicha clase latente; siendo d el vector de parmetros que
relaciona las caractersticas de los individuos y los atributos con s. Una caracterstica
notable de su aplicacin es que permite representar el comportamiento diferenciado de
los distintos segmentos del mercado. Este hecho, unido a las dificultades de cmputo
del Modelo Logit de Coeficientes Aleatorios, han conducido a que el Modelo de Clases
Latentes haya sido ampliamente utilizado en Marketing (Andrews y Currim,2002).
't
D"t"rmittados autores, como Ben-Akiva y Bierlaire (1999), distinguen ambos modelos, aunque la
literatura presenta el Modelo de Clases Latentes como un Modelo de Coeficientes Aleatorios con
distribucin discreta (McFadden y Train, 1998).
3.1.2.5. Modelo con Conjuntos de Eleccin Latentes
Este modelo tambin aborda el tema de la heterogeneidad, pero no trata de
modelizar las "variaciones en los gustos" de los individuos, sino la formacin de los
distintos conjuntos de alternativas. A partir de la teora del comportamiento de
restricciones aleatorias expuesta por Swait y Ben-Akiva (1987), Ben-Akiva y Boccara
(1995) presentan el Modelo con Conjuntos de Eleccin Latentes, que incorpora la
circunstancia de que no todos los individuos tienen la misma capacidad de seleccionar
ni de conocer las alternativas del conjunto universal, Io que conduce a que cada uno
considere un grupo determinado de las mismas, dando lugar a diferentes conjuntos
reducidos distribuidos a lo largo de la poblacin. Es decir, los factores de factibilidad y
de "conciencia de disponibilidad", descritos al conceptualizar los conjuntos de eleccin,
introducen incertidumbre a la hora de determinar la composicin de los mismos, 1o que
motiva el uso de procesos probabilsticos de generacin de conjuntos de eleccin.
Para identificar las alternativas que forman el conjunto de eleccin reducido, se
construye una variable binaria A,
etra
toma el valor 1 si la altemativa i est disponible
para el individuo r y 0 en caso contrario, teniendo en cuenta que la disponibilidad de una
alternativa implica la superacin de algn tipo de restriccin Hr Por ejemplo, una
persona incorpora la alternativa "viaje al destino A" en un conjunto de eleccin de
paquetes tursticos, si el precio no sobrepasa un determinado lmite. Sin embargo, estas
restricciones no son observables directamente, por lo que se requiere la utilizacin de
variables latentes. Adems, los lmites que definen las restricciones varan entre los
distintos miembros de una poblacin, por lo que se hace necesario considerarlas en
trminos de variables aleatorias, tales que, si
H
u
>
0
entonces A,,
=l;
esto es, si se
excede un determinado umbral la altemativa pasar a formar parte del conjunto factible,
lo que en trminos de probabilidad se representa como P(A.,
=
1)
=
P(/,i 2 0) .
En esta lnea, dado un conjunto de eleccin universal C,la probabilidad de que
un individuo considere el conjunto reducido CteC viene dada por
pl {,1, =1,vi
ec,}nl A,,
t- P(Ar,
=
0,V/ e C)
=O, Vj
C, | )
P( C
t )
=
35
donde i y j
representan las altemativas incluidas y excluidas, respectivamente, del
conjunto Ct,
Y
I todas las alternativas. Asumiendo independencia entre las restricciones
de las altemativas, se obtiene
fl.p(,,
=
l)fl P(A.,
=
s
P(Ct )
=
1-
fJ
P(A,
=s
Unavez obtenida la probabilidad de que un decisor pueda formular su eleccin a
partir de C, la probabilidad de que seleccione una alternativa contenida en aqul se
define como P,(i)=
Irttlc,).P(c,)
siendo
Q
el conjunto de todas las posibles
C' eQ
combinaciones de altemativas pertenecientes al conjunto universal.
Este modelo plantea uno de los principales probiemas empricos de la
modelizacin de la eleccin espacial relativo a la definicin y formacin de los
conjuntos de altemativas definidos en trminos de destinosl3. En esta lnea, y en este
contexto, se enmarca ei conocido Modelo Logit de Destinos Competitivos que, diseado
especficamente desde la literatura de la eleccin espacial, pretende representar el
desconocimiento a priori de los conjuntos de eleccin
-la
naturaleza continua de la
dimensin "espacio" dificulta su identificacin- mediante el clculo de una probabilidad
de pertenencia de cada alternativa a dichos conjuntos (Fotheringham, 1983;
FotheringhIm y O'Kelly, 1989). As, las probabilidades de eleccin de este ltimo
modelo vienen dadas por la expresin
P(r)
=
e'' Pqi e c,
M
Z"' ,
P(j ec, )
donde P(i e C,) define la probabilidad de que la altemativa i se inciuya en el conjunto
C,
eva
representa las opciones factibles para el decisor. Aunque el fin es el mismo que
en el modelo previo, el enfoque utilizado difiere en el clculo de las probabilidades de
pertenencia, que se definen a palir de medidas de similitud o de proximidad entre las
distintas alternativas.
rr
Este problema emprico se examinar en el epgrafe 3.2.2.1 del Captulo II para el caso de la eleccin
en Turismo.
36
Captulo I.
"4.spectos
Fundamentales de la Teora de la Eleccin
Figura 1. CLASIFICACIN DE LOS MODELOS DE ELECCIX nrSCnSrA
Fuente: Elaboracin propia a parrir de McFadden (1981).
En suma, la Figura 1 muestra la relacin entre los modelos revisados que, a su
vez, constituye una actualizacin del esquema de clasificacin propuesto por McFadden
( 1e81) .
3.2. Modelos de Preferencias Multiatributo
Tal y como se ha indicado anteriormente, los dos grupos de modelos (de
Eleccin Discreta y de Preferencias Multiatributo) considerados por la Teora de la
Eleccin asumen la existencia de preferencias (Borgers
et al., 1988), pero difieren en
que los Modelos de Eleccin Discreta analizanla eleccin real de compra efectuada por
los individuos a partir de su estructura interna de preferencias (preferencias reveladas),
mientras que los Modelos de Preferencias Multiatributo operan directamente sobre las
propias preferencids, que son declaradas por los individuos y constituyen las variables a
explicar. De hecho, el supuesto subyacente en estos ltimos modelos es que los
37
Captulo L Aspectos Fundamentales de la Teora de la Eleccin
individuos, tras considerar cada alternativa como una combinacin de atributos
(especificados con distintos niveles) y procesar toda la informacin disponible, son
capaces de ordenar o puntuar las distintas alternativas a travs de alguna regla que
combine dichos atributos (Timmermans y Golledge, 1989; Batsell y Louviere, 1991).
En este sentido, la modelizacin de las preferencias de los consumidores sobre
alternativas multiatributo implica, bsicamente, la estimacin de su estructura de
preferencias en trminos de las utilidades de cada atributo ("part-worth") y de las
ponderaciones referidas a la importancia de cada uno de ellos, as como la
especificacin de la forma funcional que mejor refleje la evaluacin de dichas
alternativas.
Las principales manifestaciones de este enfoque de preferencias multiatributo se
han ido produciendo en diversas reas. Dentro de la Economa, los trabajos de Lancaster
(1966) se desmarcan de las teoras de la utilidad y de la demanda, que defienden el bien
como generador de utilidad y de demanda, y proponen, en su lugar, que los bienes son
evaluados en trminos de preferencias hacia sus atributos. Asimismo, en la Teora de la
Decisin destaca el estudio de Von Neumann y Morgenstem (1944), a partir del cual
otros autores, como Luce y Raiffa (1957), realizan destacadas aportaciones sobre la
medida de la utilidad en el contexto de la toma de decisiones desde un punto de vista
normativo. Por su parte, en el mbito de la Psicologa Social, numerosos investigadores
de la Teora de la Actitud toman como punto de partida la actitud hacia un objeto
mediante la medicin de las creencias de un individuo sobre los atributos del mismo
(Rosenberg 1956, Fishbein I967a; Anderson 1970). Finalmente, la Teora de la
Organzacin utiliza estos modelos, sobre todo, en contextos de decisiones tomadas por
mltiples decisores, cuyas estructuras de objetivos entran en conflicto. Sus principales
aportaciones se manifiestan en los modelos de utilidad autoexplicativos, as como en el
estudio de los efectos de sobrecarga de informacin en las evaluaciones realizadas por
los decisores (Huber et al.,I97l).
Desde una perspectiva operativa, los principales
desa:rollos proceden de la
Psicologa Matemtica y de la Psicometra, distinguindose asimismo dos corrientes de
investigacin. Por una parte, la Teora de la Medida Conjunta, cuyo principal inters
radica en el desarrollo de escalas cuantitativas con el objetivo de asociarlas con las
ordenaciones de altemativas propuestas por los individuos (Luce 1959; Tversky 1967a,
I967b, 1969). Por otra, los desarrollos que se fundamentan en escalas
38
Captulo I. Aspectos Fundamentales de la Teora de lq Eleccin
multidimensionales de similitudes y de preferencias, con el fin de formula modelos y
algoritmos que representan elecciones entre altemativas multiatributo (Guttman 1944;
Kruskal, 1964a,1964b, 1 965).
En cualquier caso, la literatura de preferencias multiatributo propone una
clasificacin de estos modelos atendiendo al procedimiento de formacin y anlisis de
las preferencias sobre los atributos, que distingue: modelos de composicin, de
descomposicin e hbridos (Akaah y Korgaonkar, 1983; Yuquez, 1990). Estos se
analizan a continuaci n.
3.2.1. Modelos de Composicin
Los modelos de composicin, procedentes de la Psicologa Social y atribuidos a
Rosenberg (1956) y Fishbein (1967b), asumen que la preferencia global hacia un bien
se puede obtener mediante la combinacin de valoraciones parciales asociadas a los
atributos que posee dicho bien, teniendo en cuenta las ponderaciones subjetivas
referidas a la importancia que cada uno tiene para el individuo. Esto implica que los
decisores deben evaluar, de forma separada y explcita, cada uno de estos elementos
integrantes de la preferencia global, por lo que a estos modelos tambin se les denomina
modelos autoexplicatvos o de expectativa-valor. La forma funcional viene dada por la
siguiente expresin:
T
p.f,
=Zp,r,,
/ =l
donde Pf es la preferencia global hacia el producto i, p1 es la importancia (ponderacin)
que un individuo atribuye al atributo t, y rt es la valoracin que el individuo otorga al
atributo /.
Las variaciones ms comunes del mismo son el modelo no ponderado y el
modelo normalizado (Timmermans, 1987). El primero asume que las ponderaciones de
la importancia estn implcitamente incluidas en la evaluacin de los atributos, mientras
que el segundo pretende reducir posibles sesgos en las respuestas de los individuos
mediante una norrnalizacin. tanto de las valoraciones de los atributos como de las
ponderaciones.
39
A pesar de que estos modelos son sencillos de manejar y suponen poco esfuerzo
cognitivo para el entrevistado, presentan los siguientes problemas derivados de su
representacin inadecuada de la realidad (Akaah y Korgaonkar, 1983; Smith, 1995): i)
falta de conexin entre la intencin de compra y el comportamiento real; ii) no tienen en
cuenta las restricciones presupuestarias del decisor, y iii) la obtencin de una valoracin
global a partir de una combinacin lineal de atributos sin incluir interacciones entre
ellos, no siempre es vlida.
3. 2. 2. Nl odel os de Descomposi ci n
Al conhario del enfoque anterior, los modelos de descomposicin parten de las
evaluaciones globales de las altemativas multiatributo realizadas por el individuo, para
estimar posteriormente los valores que asigna implcitamente a los niveles de los
atributos. Es decir, las medidas globales que representan las preferencias hacia las
altemativas se descomponen en contribuciones separadas para cada nivel de los
atributos, y a travs de algn de tipo de combinacin funcional entre aqullos, se
recupera el orden o valoracin de las preferencias (Timmennans, 1984).
Por un lado, la estimacin de las aportaciones de los diferentes atributos a la
formacin de las preferencias globales hacia un producto se realiza a partir de las
manifestaciones subjetivas de los consumidores acerca de sus preferencias globales
sobre configuraciones alternativas de ese producto (Mgica, 1989), recogidas a travs
de una declaracin o manifestacin de ntenciones; por ello, a estos modelos tambin se
les denomina de Preferencias Declaradas (SP, Stated Preference).
Por otro lado, las combinaciones de los atributos que determinan las distintas
alternativas hipotticas presentadas a los individuos son obtenidas a travs de diseos
experimentales, siendo los ms utilizados los siguientes (Green y Srinivasan, 1978;
1990): i) diseos "trade-off'o de comparaciones de atributos dos a dos. Aunque es
sencillo de aplicar, es poco realista a la hora de representar la formacin de la estructura
de preferencias al no considerar simultneamente todos los atributos de una alternativa;
ii) diseos de perfiles completos. Se basan en el anlisis de todas las combinaciones
-
alternativas hipotticas- que surgen a partir de los niveles de los atributos. Aunque esto
les confiere un mayor realismo, latarea de evaluacin se vuelve ms compleja a medida
que aumenta el nmero de atributos; y iii) diseos factoriales fraccionados. Estos
40
Captulo I. Aspectos Fundantentales de la Teora de la Eleccin
diseos, sugeridos por Green (1974), presentan la ventaja de que comparten el realismo
de los perfiles completos, siendo ms sencillos de anaiizar al estar fraccionados.
Atendiendo a la forma de hacer operativos estos modelos de descomposicin,
cabe distinguir la utilizacin de los dos procedimientos estadsticos siguientes
(Halperin, 1988): uno apoyado en la aplicacin del Anlisis Conjunto (AC),
desarrollado inicialmente por Luce y Tukey (1964) y aplicado posteriormente al rea de
Marketing por Green y Rao (197I); y otro basado en la Medicin Funcional (MF)
(Anderson, 1970; 1981). Ambos se diferencian bsicamente en la medicin de la
variable dependiente, utilizando la primera una medida de escala ordinal o no mtrica y
l asegundaunaescal ai nt ervl i caomt ri ca(Hal peri n, i 988).
Cabe sealar en este punto, que aunque el AC es un procedimiento estadstico de
anlisis de informacin ampliamente utilizado en Marketing, representa en s mismo un
conjunto de paradigmas y teoras (Louviere, 1994), que permiten derivar la prctica
totalidad de los modelos de descomposicin (incluso los incluidos en la Medida
Funcional); aspecto que se expondr a continuacin.
3.2.2.1. El Anlisis Conjunto como Paradigma de Comportamiento.
El paradigma del AC incluye una serie de teoras cognitivas que tratan de
explicar el comportamiento mediante los procesos cognitivos producidos en el
procesamiento de la informacin, dando lugar a la configuracin de
juicios y la toma de
decisiones. Entre stas cabe destacar la Teora de la Integracin de la tnformacin (IIT)
(Anderson, 1970; 1981) y la Teora de Juicios Sociales (Hammond,
1955).
La Teora de la lntegracin de la Informacin se sostiene en los cuatro elementos
siguienteslo
lAnderson,
1981): la integracin cle los estmulos,la valoracin y medicin
funcional
de los mismos, y el lgebra cogtlosctiva. La integracin de los estmulos
constituye el ncleo central de la [IT, y defiende que todo comportamiento depende de
la accin conjunta de mltiples estmulos. Esta integracin puede examinarse desde dos
perspectivas. Por un lado, con un enfoque de sntesis, que examina la combinacin de
estmulos que el individuo sigue para llegar a la decisin final; y, por otro, a travs de
'o
Aunque la IIT fue desanollada por Antlerson desde el campo de la Psicologa, los fundamentos tericos
en que se apoya permiten su aplicacin inmediata en el anlisis de la eleccin del consumidor, lo que
explica que sea una de las teoras con mayor tascendencia para el desarrollo de los modelos de
preferencias multiahibuto (Louviere, I 9 8 8a).
4l
Captulo I. ."l.spectos Fundamentales
de lq Teora de la Eleccin
un enfoque de anlisis, con el que se pretende observar la importancia de los distintos
estmulos a partir de la respuesta final. En cualquiera de los dos enfoques, y dado que
los individuos integran los estmulos psicolgicos, se realiza un proceso de
transformacin que resulta en una operacin de "valoracin", donde los estmulos son
representados mediante valores o
"medidas
funcionales"
que sern ponderadas para ser
introducidas en el proceso de integracin. Cada una de estas medidas funcionales queda
determinada por el "lgebra
cognoscitiv-a", debido a que la integracin de la
informacin se produce con sencillas reglas algebraicasl5.
Por su parte, la Teora de los Juicios Sociales se apoya en los siguientes
principios (Sherif et al., 1965): i) Las posiciones o posturas adoptadas por los individuos
pueden clasificarse en categoras (por ejemplo, muy a favor o muy en contra); ii) Las
posiciones adoptadas por las personas ante la llegada de nueva informacin son
identificables; iii) El grado de implicacin del individuo le lleva a defender sus posturas
de manera ms o menos activa; iv) Los indiriduos tienden a distorsionar la informacin
para adaptarla a sus posiciones; y v) La resistencia a cambiar de posicin depende de la
discrepancia entre la postura adoptada y la propuesta.
Es importante destacar que ambas teoras
-de
la Integracin de la Informacin y
de los Juicios Sociales- examinan parcialmente el comportamiento de los individuos al
centrarse en el procesamiento e integracin de la informacin. Sin embargo, el
paradigma del AC tambin integra diversas teoras sobre el comportamiento de las
respuestas numricas asignadas a determinadas combinaciones de atributos. En
concreto, las Teoras de la Utilidad Axiomtica (Keeney y Raiffa, T976) y de la Medida
Conjunta Axiomtica (Barron, 1977) tratan de explicar el comportamiento humano
cuando las respuestas numricas proporcionadas por los individuos se ajustan a una
serie de reglas algebraicas. En cualquier caso, estas dos teoras han recibido numerosas
crticas derivadas precisamente de la ausencia de una teora que respalde la relacin
entre el comportamiento numrico y el de los individuos (Louviere, 1994).
tt
Formalmente, un conjunto de estmulos fisicos y observables (S) de la alternativa i son procesados
siguiendo una funcin de valoracin Z que los convierte en estmulos psicolgicos .ii r
=
IZ(S,) . A su
vez, stos ltimos son introducidos en la funcin de integracin
I
obtenindose una respuesta interna o
implcita r'i r
=
1(s) . En general, esta respuesta interna no siempre coincide con la respuesta observada,
por lo que se considera la existencia cle una funcin de respuesta g, que facilita la obtencin de la
respuesta observada R: Rr
=
g(rr) . Asimismo, la IIT supone que existe una relacin lineal G entre la
^ 1
En general, todas las teoras integradas en el paradigma del AC han sido
aplicadas en la literatura de M:uketing y comparten el inters por la formacin de
preferencias, pero se diferencian en la forma de medir la respuesta y los mtodos
analticos que proponen. As, en los aos 70, los estudios se apoyaban en la Medida
Conjunta Axiomtica, utilizando respuestas ordinales de preferencias y aplicando
tcnicas de regresin monotnica o Anlisis de laYananza (Green y Srinivasan 1978;
Cattin y Wittink, 1982). Posteriormente, domina ei enfoque de la Medida Funcional
apoyndose en respuestas mtricas y anlisis de regresin (Wittink y Cattin, 1989). Ms
recientemente, se han desarrollado nuevos enfoques basados en la Teora de la Utilidad
Aleatoria, con datos y tcnicas discretas (Batsell y Louviere, 1991)16.
.
A pesar de la extensa aplicacin de estos modelos, cuyos fundamentos
metodolgicos se han sostenido en slidas bases estadsticas y axiomticas, no existe
rura teora general de comportamiento sobre el que se apoye el paradigma del AC
(Louviere, 1994). De hecho, el componente comportamental de este paradigma ha sido
escasamente tratado en la literatura, debido precisamente a que el AC es considerado
como una tcnica de anlisis de datos y no como una teora del compofamiento del
consumidor.
El nico intento detectado para la formalizacin de un marco de referencia en la
fundamentacin terica del AC como paradigma, ha sido desarrollado por Louviere
(1994). Este autor destaca tres teoras bsicas, de las que se derivan los fundamentos
comportamentales: i) la Teora del Consumidor de Lancaster, que considera que las
preferencias hacia un bien se forman a partir de sus atributos; ii) la Teona de la
Decisin y Comportamiento, sobre todo en el rea del procesamiento de la informacin,
que estudia los procesos de percepcin de estmulos complejos; esto es, estmulos que
pueden descomponerse en distintas partes susceptibles de ser evaluadas separadamente
(Slovic y Lichtenstein 1971; Anderson 1970, 198i); y iii) la Teora de la Utilidad
Aleatoria, que expresa la eleccin en trminos de probabilidades (Thurstone, 1927;
McFadden, 1974; Manski, T977). Los aspectos conceptuales implcitos en estas tres
respuesta R y la utilidad Ui que reporta al individuo la seleccin de dicha opcin,
U

=
G(R)
=
a * bR+ a, (Louvi ere, 1988a).
l
D" h"cho, a partir de la formalizacin expuesta para la IIT, Louviere (1988a) deriva la probabilidad de
eleccin de una alternativa como funcin de los estmulos fisicos, a travs de una composicin de
funciones
4
que permite establecer una conexin con la Teora de Eleccin Probabilstica
p(i)
=
1
1u
. =
n
{c{gfr 0/
(s,
)D}
:
F(J )
.
43
Captulo I. .lspectos Fundamentales de la Teora de la Eleccin
teoras se pueden integrar para describir el comportamiento del consumidor desde la
ptica del AC en el siguiente proceso (Louviere, 1994):1) las empresas actan sobre las
percepciones que tienen los clientes de los atributos de sus productos, a travs de
determinadas variables que pueden controla. y que se consideran dimensiones claves,
puesto que los consumidores las utilizan para evaluar y comparar productos; 2) los
individuos forman una serie de creencias
)'percepciones
sobre el posicionamiento de
cada producto en una determinada dimensin clave; 3) los clientes valoran la
importancia de este posicionamiento; 4) a partir de las valoraciones anteriores, los
consumidores realizan una evaluacin integral considerando todas las dimensiones
clave, dando lugar a la utilidad de cada altemativa; y finalmente, 5) se calcula la
probabilidad de que una determinada alternativa sea elegida condicionada a la
evaluacin global anterior. De esta manera" los modelos de descomposicin se pueden
enmarcar dentro del enfoque probabilstico de la teora de la eleccin (Louviere, 1988a;
Jeng y Fesenmaier,1994; Louviere, 1994)
3.2.3. Modelos Hbridos
Los modelos hbridos surgen para superar las desventajas de los modelos de
composicin y de descomposicin, y para aprovechar las ventajas de ambos.
Concretamente, sus creadores, Green et al. (1981) tratan de construir un modelo que
combine la simplicidad y rapidez de los autoexplicativos o de composicin con el
realismo y mayor generalidad de los modelos de descomposicin.
En esta lnea, se recoge, por un lado, la informacin necesaria para la
construccin de un modelo de composicin
dondepr es la importancia de un atributo para cada individuo, vi, ia valoracin que tiene
el nivel ft del atributo t, y U la utilidad del perfil i. Por otro lado, se obtiene informacin
sobre las puntuaciones de preferencia Pf a travs de diseos experimentales con un
nmero reducido de perfiles, que son evaluados por cada individuo. En suma, el modelo
hbrido toma la siguiente forma:
T
\ - i
u

=
LP, Yn,
44
T
P. f
=
a + bU
*
I . r,
*Ld
^, n, ,
f =l t <t '
donde U es la utilidad del perfil i obtenido con un modelo de composicin, Z el nmero
de atributos, y los parmetros ,r,y do,o,,se refieren a los efectos principales y a las
interacciones entre los atributos t y t', respectivamente. El coeficiente a es la constante,
y es la contribucin de la utilidad autoexplicada a la preferencia o utilidad global Pf.
Finalmente, Green et al. (198i) y Akaah y Korgaonkar (1983) comparan los
modelos multiatributo, concluyendo que la validez predictiva de los modelos hbridos y
de descomposicin es muy superior a la de los modelos autoexplicativos. Al mismo
tiempo, el modelo hbrido es ligeramente superior al de descomposicin, pero no son
signifi cativamente distintos.
3.3. Integracin de los Modelos de Eleccin Discreta y de Preferencias
Multiatributo de Descomposicin
La modelizacin de eleccin discreta y de preferencias multiatributo de
descomposicin constituyen las metodologas mas utilizadas en ei anlisis de la
eleccin y preferencias. Bsicamente, se diferencian en la forma de hacer operativas las
preferencias. Los modelos de eleccin discreta, tambin denominados de Preferencias
Reveladas (RP, Revealed Preference) utilizan la eleccin real como variable a explicar,
mientras que en los modelos de preferencias multiatributo de descomposicin, tambin
llamados de Preferencias Declaradas (SP, Stated Preference), los individuos declaran
sus intenciones de compra (Adamowicz et al., 1994). Asimismo, estas modelizaciones
difieren en otros aspectos fundamentales que permiten definir sus puntos fuertes y
dbiles, aunque mantienen cierta relacin que facilita su fusin. Todo esto se analizar a
continuacin.
3.3.1. Comparacin entre los Modelos de Eleccin Discreta y de Preferencias
Multiatributo
En general, las principalcs crticas vertidas sobre los Modelos de Preferencias
Multiatributo de Descomposicirt (SP)
son las siguientes. En primer lugar, no reflejan
claramente la realidad en el sentido de que la declaracin del perfil ms preferido por el
individuo no tiene porqu coincidir con su comportamiento real (Kroes y Sheldon,
45
1988). Asimismo, las preferencias de los individuos se obtienen ordenando o valorando
alternativas, lo que tambin se aleja de la conducta real de los consumidores, debido a
que stos efectan habitualmente elecciones (Cohen, 1997). En cambio, los Modelos de
Eleccin Discreta (RP) se apoyan en esta ltima forma de operar, lo que supone una
mayor congruencia con la realidad.
En segundo lugar, la estimacin de la funcin de utilidad a nivel individual
implica que no se pueden incorporar en la modeiizacin variables que recojan el efecto
distintivo que implica la pertenencia de un individuo a un determinado segmento
definido a priori. De hecho, se recurre habitualmente a estimaciones globales o por
segmentos para observar dichas diferencias (Cohen, 1997).
Tercero. Aunque la evaluacin de un nmero elevado de perfiles resulta ms
sencillo para el individuo, la no incorporacin de interacciones entre atributos en los
modelos puede generar elrores de especificacin del modelo (Louviere, 1994).
Cuarto. Las combinaciones de los atributos pueden generar problemas derivados
de la existencia de atributos no comunes a todas las alternativas, o relacionados con el
hecho de que tales combinaciones llevan a perfiles irreales debido a que sus atributos
poseen niveles incompatibles (por ejemplo, ofrecer el mximo nivel del atributo calidad
junto
al mnimo nivei del atributo precio) (Cohen, 1997). En esta lnea, Zwerina (1997)
seala que los modelos SP tampoco pueden estimar los distintos efectos que un mismo
atributo puede tener sobre diferentes alternativas.
Finalmente, la transformacin de preferencias en elecciones puede generar
resultados dispares en funcin del procedimiento empleado; adems, en ocasiones no
hay una
justificacin
terica de lts distintas reglas de transformacin (Louviere, 1994).
Habitualmente se recurre a simuladores de cuotas; es decir, para estimar la cuota de
mercado de un producto, primero se especifican los niveles de sus atributos para obtener
una estimacin de la preferencia o utilidad hacia el mismo, para, en un segundo paso,
transformarla en probabilidad de eleccin a travs de un simuladorrT (Louviere y
Timmermans, 1990). En cambio, los modelos RP evitan este inconveniente al obtener
directamente las probabilidades o, en su caso, cuotas de mercado.
't
Estos simuladores pueden apoyarse en simples proporciones de las "alternativas preferidas" o en
supuestos ms complejos, como el axioma de eleccin de Luce o el modelo Logit Multinomial (Louviere,
I 988a) .
40
De otro lado, los modelos RP tambin presentan importantes lagunas que limitan
la investigacin en Marketing y que, en cierta medida, pueden ser superadas por los
modelos SP. As, la incapacidad de los primeros para predecir los efectos de la
introduccin de una nueva alternativa de la que no se dispone informacin, es
solventada por los modelos SP, cuyos diseos experimentales permiten introducir
nuevos perfiles (Louviere y Timmermans, 1990). En este sentido, los modelos SP se
presentan como una alternativa superior para analizar el impacto y aceptacin de nuevos
productos (Richards, 1982; Halperin y Gale, 1984).
En segundo lugar, las estimaciones pueden estar sesgadas cuando las variables
explicativas no cumplen los supuestos del modelo. En ocasiones, dichas variables
pueden presentar poca variabilidad o multicolinealidad, originadas por la tecnologa y
las fuerzas que actan en el mercado (legislaciones, por ejemplo) que, por un lado,
limitan el rango de variacin de las variables explicativas y, por otro, conducen a que
algunos atributos estn correlacionados (Hensher et al., 1999).
Finalmente, e1 hecho de que los modelos RP enlazan directamente las acciones
de Marketing con el comportamiento de los individuos a travs de las elecciones,
implica que no consideran los posibles vnculos intermedios descritos en el paradigma
de comportamiento del AC, como el posicionamiento percibido de un producto en un
determinado atributo clave (Louviere, 1994). En cambio, la mayora de aplicaciones de
los modelos SP analizan dichos factores intermedios (Hensher et al., 1999).
En virtud de lo anterior, una corriente de investigacin propone la consideracin
conjunta de ambos modelos, RP y SP, dando lugar a un nuevo enfoque denominado
Eleccin Discreta Experimental (Batsell y Louviere, l99l; Zwenna, 1997), y que se
describe a continuacin.
3.3.2. EIeccin Discreta Experimental
La Eleccin Discreta Experimental (EDE), que tambin recibe el nombre de
"Anlisis Conjunto basado en Elecciones Discretas" (CBCA) (Louviere y Woodworth,
1983), se basa en la Teora de la Utilidad Aleatoria y, en concreto, en la extensin de
McFadden (1974) al caso de elecciones mltiples. Esta aproximacin probabilstica
supone una fusin de los modelos RP y SP puesto que se configura a partir de un diseo
41
experimentalr8 (ai igual que en los SP), donde los individuos no efectan ordenaciones
sino que realizan elecciones (como en los RP). As, la probabilidad de que un perfil i
sea seleccionado de un grupo de eleccin G se obtiene a partir de la siguiente expresin:
/ \
P( i ) = Pl u,
=mqr ( J, l = p( V,
+- )
V, +, , V, +t , 2Vr * 2, . . . , Vi * r , )
V, +er )
\ i e c
r J
dondej identifica los perfiles incluidos en G.
Los fundamentos tericos acerca del comportamiento y de la eleccin en la EDE
se apoyan e+ un proceso de decisin en varias etapas (Hensher et al., 1999). Las cuatro
primeras solt comunes al paradigma de comportamiento del AC, y proponen, en primer
lugar, que las acciones de la empresa influyen sobre las percepciones de los atributos; a
continuacin, los clientes posicionan un producto en cada atributo o dimensin clave; en
tercer lugar, se valora dicho posicionamiento; y finalmente, se procede a la evaluacin
integral considerando todas las dimensiones clave. En la quinta etapa,la EDE considera
que el sujeto no toma la decisin de la alternativa a elegir, sino que decide si va a
comprar, va a esperar o, incluso, no comprar. Finalmente, en un sexto nivel de decisin
determina la alternativa de compra, si en la fase anterior ha decidido comprar.
En esta lnea, cabe destacar dos cuestiones claves en este enfoque. Por un lado,
los decisores eligen de una forma ms real una alternativa entre un grupo de opciones,
debido a que, aunque s evalan, no ordenan ni puntuan. Esto permite, a su vez, estimar
directamente la alternativa elegida y su probabilidad de eleccin, evitando la utilizacin
de simuladores de eleccin (Louviere y Woodworth, 1983). Por otro lado, el individuo
puede elegir la altemativa de "no eleccin", lo que evita suponer que todos los
individuos de la muestra eligen siempre alguna opcin, con lo que se obtiene una mejor
estimacin de las cuotas de mercado (Louviere, 1994). Esta alternativa de "no eleccin"
puede ser fcilmente representada en el modelo EDE como otra alternativa discreta ms,
que, a su vez, puede comprender las siguientes subelecciones (Louviere, 1994): i) no
elegir ningn producto de la categona analizada, simplemente porque no responde a
ninguna necesidad; ii) no seleccionar ningn producto de la categora porque existe un
sustituto aceptable de otra categora; y iii) no elegir ninguno, bien porque dicha
18
En concreto, la aplicacin de un modelo EDE requiere el desanollo de dos diseos experimentales, uno
para crear las alternativas y otro para configurar los grupos de eleccin donde se colocan los perfiles que
competirn entre ellos (Zwerina, 1997).
48
Captulo I. .4spectos Fundamentales
de la Teora de la Eleccin
categora sea demasiado nueva y arriesgada, o bien, porque el individuo puede esperar
que los precios bajen o que las caractersticas se mejoren.
Finalmente, se pueden comparar los modelos EDE con los de partida (RP y SP).
En esta lnea, los modelos EDE presentan las siguientes ventajas sobre los modelos RP
(Hensher et al., 1999; Louviere, 1988b; Zrverina, 1997): i) las circunstancias de |a
eleccin pueden ser especificadas con precisin con un experimento adecuado, evitando
la aparicin de otros efectos derivados del uso de encuestas; ii) la aplicacin de diseos
especficos para cada caso particular permite estimar los efectos de inters con mxima
precisin; iii) la consideracin de perfiles hipotticos hace factible el anlisis de
situaciones donde no se dispone de datos, como en el caso de nuevos productos; iv) el
hecho de que se examinan diversos grupos de eleccin (combinaciones
de perfiles)
conduce a que el comportamiento de eleccin de los individuos sea observado en varias
ocasiones aunque se trate de productos de compra no repetitiva; y v) permite modelizar
procesos intermedios entre los estmulos fsicos y el comportamiento de eleccin.
Por su parte, las ventajas del enfoque EDE sobre los modelos SP son las
siguientes (Cohen, 1997; Zwenna, 1997): i) la recogida de datos refleja mejor la
eleccin del consumidor, al evitar la ordenacin y la puntuacin de alternativas; ii) las
cuotas de mercado se estiman directamente a partir de la ecuacin de anlisis sin
necesidad de recurrir a un proceso bietpico de simulacin de la eleccin; iii) facilita la
medicin tanto Ce efectos individuales como distintivos de un determinado atributo
sobre cada alternativa; iv) la incorporacin de la alternativa de "no eleccin" permite
estimar el volumen de demanda adems de las cuotas de cada producto en el mercado;
v) el nmero de altemativas que se pueden evaluar en los EDE es mayor que en los
modelos SP tradicionales; vi) examina el efecto de la disponibilidad de una alternativa,
(especialmente relevante en el estudio de lneas de producto), dado que el tamao de los
conjuntos de eleccin puede variar; vii) facilita el anlisis de diferentes estructuras de
decisin (por ejemplo, si el elector determina directamente el producto, o si primero
elige un distribuidor y despus un producto del mismo); y viii) los modelos EDE
permiten estudiar explcitamente los diferentes efectos que pueden tener las
caractersticas de los individuos, puesto que stas pueden ser incluidas en los modelos.
No obstante, aunque la validez externa de estos modelos es elevada (Louviere,
1988b), una importante crtica a los modelos EDE se centra en que el anlisis se realiza
49
Capnlo L Aspectos Fundamentales de Ia Teora de la Eleccin
a nivel global y no de forma individual
-como
en los modelos SP- (Cohen, 1997). De
hecho, Louviere (1994) aconseja recurrir al AC en caso de que se requiera el uso de
estimaciones individuales (especialmente tiles para ser utilizadas como datos de
partida de distintas tcnicas de segmentacin). En cualquier caso, Zwenna (1997) ha
presentado recientemente un modelo EDE que permite realizar estimaciones eficientes a
nivel individual.
4. INTERACCIN ESPACIAL
La ltima seccin de este captulo examina la Interaccin Espacial, corriente de
investigacin que trata de exp'licar la eleccin desde otra perspectiva, pero que tambin
puede englobarse bajo el paradigma de los modelos probabilsticos (Timmernans,
1987). En concreto, los Modelos de lnteraccin Espacial surgen de un rea de
investigacin que analiza el movimiento o comunicacin en el espacio derivado de un
proceso de decisin. Entre estos movimientos se distinguen los desplazamientos
migratorios, por compras, trfico areo, asistencia a un determinado evento, eleccin de
un destino recreativo (Fotheringham y O'Kelly, 1989), o cualquier otro tipo de
intercambio entre grupos, como tlujos financieros, visitas o incluso matrimonios (Smith,
1 ee5).
En su origen, estos modelos se alejan de los planteamientos tericos de la Teora
de ia Eleccin Discreta, ya que, por una parte, no consideran las decisiones de eleccin
en trminos de probabilidades, sino que estiman de forma determinista los flujos entre
destinos (Smith, 1995) y, por otr,r, examinan las elecciones de los individuos desde una
perspectiva agregada al asumir que los decisores de un destino comparten caractersticas
homogneas (Halperin, 1988). Sin embargo, algunas modelizaciones propuestas bajo la
interaccin espacial presentan notables similitudes con la TED, lo que permite que
puedan englobarse en el marco de la Teora de la Utilidad Aleatoria (Wilson, l97I).
Precisamente, este ltimo aspectrr resulta determinante para entender la evolucin de los
modelos de eleccin en Turisrno (presentada en el Captulo II), por lo que a
continuacin se revisan brevemente los principales Modelos de Interaccin Espacial.
El fundamento terico de estos modelos se encuentra en los modelos
gravitacionales, que, por analogi con la ley de Newton, postulan que la interaccin
<n
entre dos poblaciones es directamente proporcional a sus tamaos e inversamente
proporcional al cuadrado de la distancia entre ambos:
M, M,
, , =G- 4
, D;
donde
!
es la atraccin entre dos cuerpos i y j,
M la masa de cada uno, D7 la distancia
entre los dos centros de gravedadiy j,y
Gla constante gravitacional.
En el mbito de las ciencias sociales, las primeras reseas de esta teora se deben
'a
Carey, cuando en 1858 publica un ensayo en el que muestra las similitudes de esta
teora fsica con el comportamiento humano. Sin embargo, la comparacin formal no se
produce hasta 1924 con el trabajo de Young, sobre los movimientos migratorios de
granjeros. Ms tarde, en 1941 Stewart acua el trmino de "gravitacin
demogrfrca",
aplicando la teora ner,vtoniana en su estado ms puro a las ciencias sociales (Sen y
smith, 1995).
No obstante, el modelo es criticado por su rigidez (Smith, 1995), lo que conduce
al surgimiento de una serie de generalizaciones. La ms inmediata consiste en sustituir
el exponente de D por un parmetro a estimar , en la medida en que no tiene porqu
ser constante en todos los contextos de aplicacin. Asimismo, se incluyen parmetros
potenciales d y
B,
para reflejar la importancia de cada poblacin sobre la atraccin
(Anderson, 1956):
I
=GMi Mf
N;'
Con el fin de flexibilizar an ms el modelo, Hua y Porell (i979) y Sen y St
(1 98 1), proponen la generalizacin
I

=
A(i )B(i )F(D)
donde A(t) y B(j) son funciones del origen y del destino respectivamente, que
representan atributos de los mismos adems de1 tamao de la poblacin; y F(D) es \a
funcin
disuasoria de la distalcia, siendo la forma exponencial la que, por motivos
prcticos y tericos, mejores resultados ha proporcionado (Sen y Smith, 1995).
51
F(D)
=
exp(-D,;) V>O
A pesar de su amplia utilizacin, los modelos gravitacionales
han recibido
importantes crticas. La principal radica en la carencia de una base terica que
fundamente estos modelos y que explique la conducta del consumidorle (Black et a1.,
1985). Asimismo, tambin se critica la hiptesis irreal de ausencia de competencia, es
decir, a medida que aparecen nuevos destinos el modelo admite que la poblacin de
origen aumente sin lmite; lo que es evidenciado por el hecho de que, con independencia
del nmero de destinos analizados para un origen, siempre se obtiene un flujo positivo
entre cualquier par origen-destino (Smith, 199)). Este inconveniente se ha tratado de
solventar con los modelos restringido.r que se abordan en los apartados B, C y D.
En general, Fotheringham y O'Kelly (1989) proponen una clasificacin de los
modelos de interaccin a partir de una generalizacin de los mismos, que considera que
los flujos T entre el origen i y el destinoj vienen explicados por una serie de variables
relativas a lapropulsin de i (v). a la atraccin de
j (w) y a la separacin espacial entre
ambos (d). Denominando respectivamerrte
r,
d y
B
a los parmeos que reflejan la
relacin entre cada una de estas variables con T, eI modelo resultante se presenta de
forma genrica como:
T,
=
f
(
/ l r v t
r ,
z1' : , ' . . , l J nv, , ,
d
t w t j ,
d
zw z j , . . . ,
d
* w ^j ; N
i j )
A partir de esta expresin, y asumiendo una funcin potencial para las
caractersticas de los orgenes y de los destinos, as como una funcin exponencial para
la distancia, se derivan cuatro tipos de modelos de interaccin:
A) Modelo de Interaccin sin Restricciones
Estos modelos son adecu:tdos cuando se pretende explicar los diversos factores
de los puntos de origen y destino que motivan a los individuos a emprender un
desplazamiento (Fotheringham v O'Kelly, 1989). En particular, este modelo presenta la
siguiente forma:
"'Ar',nque
Wilson (L967,1970) reconsidera la fundamentacin terica de los modelos gravitacionales y
propone la sustitucin de sus hiptesis por principios de maximizacin de entropa, stos siguen sin
sostenerse en una slida base terica de comportamiento.
52
Caprulo I. Aspectos Fundamentales de la Teora de la Eleccin
Tu
=
v(,' vtr: ...v:i wi; wi; ...wff exp(-
fi
,)
La informacin proporcionada por el modelo es abundante, pero no de calidad,
ya que no se obtienen buenas predicciones debido sobre todo a la hiptesis irreal de
ausencia de competencia; lo que conduce a utilizar otro tipo de modelos, como los
presentados a continuacin. En cualquier caso, cabe observar en la expresin anterior
que los modelos gravitacionales tradicionales son un caso particular del modelo de
interaccin sin restricciones, cuando se considera un nico factor de propulsin y de
atraccin.
B) Modelo de Interaccin Restringido de Produccin
Este modelo considera conocidos los flujos que se obtienen en cada origen i,
para distribuirlos entre los -I destinos. Se aplica cuando el inters radica en conocer los
factores que hacen que un destino sea ms atractivo que otro, para un conjunto de
individuos situados en el punto i (Fotheringham y O'Kelly, 1989). La forma funcional
es la siguiente:
T,
=
A,o,wi;wi;...**ff exP(Hu)
siendo
J.
y O
=
LT,
,los
flujos que proceden del origen i.
j =l
C) Modelo de Interaccin Restringido de Atraccin
A diferencia del anterior, el modelo restringido de atraccin toma como punto de
partida los flujos que llegan a un destino j, con el objeto de observar la procedencia de
dichos flujos, es decir, los ,I orgenes. De esta forma, se pretende explicar qu aspectos
de los orgenes influyen en los flujos que mantienen con el destino j. Anlogamente al
anterior,
T,
=
B,D,v("r!:...ui : exPGNu)
o,
:lhwii
w:i ...wff exp(-
*,rf
53
Capulo I. .4^spectos Fundamentales de la Teora de la Eleccin
siendo
Bj
Y D. flujos que llegan al destinoT.
Ambos modelos de interaccin, restringido de produccin y restringido de
atraccin, son considerados ptimos en trminos de cantidad y calidad de informacin
(Fotheringham y O'Kelly, 1989). Su principal finalidad, al igual que los no restringidos,
es determinar los factores o atributos de cada punto,
-origen
o destino segn el modelo
empleado-, que mejor explican los flujos de individuos. Sin embargo, en opinin de
estos autores, el modelo ms adecuado para fines predictivos es el modelo restringido
de produccin y atraccin, tambin denominado modelo doblemente restringido.
D) Modelo de Interaccin Restringido de Produccin y Atraccin
Este modelo no proporciona gran cantidad de informacin, puesto que no
pretende analizar los factores atractivos o propulsores, sino que examina los pafrones de
las interacciones entre los orgenes y los destinos. Por ello, su caracterstica ms
importante es la capacidad predictiva (Fotheringham y O'Kelly, 1989). Su formulacin
se presenta en la siguiente expresin:
T,
=
A,B,O,D, exp(-fr
u)
siendo
=
[;"*
,ii ...v1:.*p(-tdu)]
T
=
14.
,
los
l--- l-'
o,
=l\wiwj
...wff B,D,
""p(-
&,)
)
oi
l- l-
=
I )
vI, vli ...v!; A,O, exp(-
&l
u) |
l -
L =r I
J I
=Zr, y D
=Z4
j =r
i =l
<^
Finalmente, cabe indicar que estos modelos suscitan gran inters y son
ampliamente aplicados en la literatura debido a la simplicidad de su formulacin
matemtica, as como por su fundamentacin en unos supuestos intuitivos (Sen y Smith,
1995). Sin embargo, la ausencia de teoras de comportamiento que los apoyan llev al
surgimiento de nuevos enfoques, que superan dichos inconvenientes. De hecho, el
siguiente captulo demuestra que la interaccin espacial sirve de punto de partida para el
desarrollo de los modelos de eleccin
probabilsticos
en el mbito del Turismo.
En suma, este primer captulo ha revisado el marco terico del comportamiento
de eleccin, exponiendo las teoras desanolladas al efecto as como los principales
modelos existentes en la literatura. Como ccnclusin, cabe destacar que: i) Los modelos
de eleccin se elaboran tomando como supuestos de partida los utilizados
originariamente por la TED y la TEN, por io que stas continan en plena vigencia en la
actualidad. ii) La literatura de eleccin distingue dos corrientes de investigacin
ampliamente utilizadas, atendiendo a la forma de tratar las preferencias: modelos de
eleccin discreta que se apoyan en preferencias reveladas y modelos de preferencia
multiatributo que utilizan preferencias declaradas. iii) Los nuevos desarrollos de la
Eleccin Discreta evitan los problemas de los modelos iniciales (como la hiptesis de
Independencia de Aiternativas In-elevantes del lvlodelo Logit Multinomial y la compleja
estimacin del Probit Multinomial) y facilitan la representacin de distintas situaciones
de mercado (heterogeneidad de las preferencias de los individuos, fuertes correlaciones
entre alternativas, diversidad de conjuntos factibles de eleccin, etc.).
iv) La integracin de los modelos RP y SP permite superar las crticas derivadas
de la falta de realismo de los modelos que operan directamente sobre las preferencias
-y
no sobre la eleccin-, dando como resultado la Eleccin Discreta Experimental que,
partiendo de los Modelos de Preferencias Declaradas, toma la forma probabilstica al
incorporar los principios bsicos de la Teora de la Utilidad Aleatoria. Y v) Los
Modelos de Interaccin Espacial tambin examinan la eleccin pero desde un
perspectiva agregada; el Capnrlo II describe que algunas de sus especificaciones se
pueden encuadrar en la Teora de la Utilidad Aleatoria.
Para terminar, cabe indicar que los investigadores de Marketing han
aprovechado las virtudes de todos estos modelos para aplicarlos a mltiples contextos
de eleccin, aunque la aproxinracin probabilstica de eleccin discreta es el enfoque
55
ms utilizado en la modelizacin de la conducta de eleccin. Las aplicaciones ms
frecuentes, debido sobre todo a la disponibilidad de datos, se han dirigido a la seleccin
de productos y marcas, as como a la eleccin de centros de compra (de hecho, la
primera aplicacin en Marketing de la Teoria de la Eleccin Discreta fue realizada en
este contexto por Huff en 1963). Sin embargo, en el mbito del Turismo se ha
desarrollado una literatura de eleccin discreta que presenta especificaciones propias,
que la distingue de otros campos, en trminos de las mltiples subelecciones que
caractenzan su proceso de decisin, as como de los modelos microeconmicos
particulares para representar dichas subelecciones. En este sentido, el Captulo II trata
de profundizar sobre estos diferentes aspectos relacionados con la eleccin en el mbito
del Turismo.
56
CAPTULO II
LA ELECCII\ EI\ TURTSMO
Captulo II. La Eleccin en Tursnto
l . I NTRODUCCI ON
El anlisis de la eleccin en el mbito dei Turismo constituye el estudio de uno
de los procesos fundamentales del sistema turstico (Monfort et al., 1996). El sistema
turstico se configura a partir de tres elementos (Yzquez,2000): 1) Territorial o destino
turstico, que hace referencia al espacio en el que se desarrolla la actividad turstica; ii)
Econmico, formado por las organizaciones que interv'ienen en el negocio turstico; y
11i) Personal, constituido por aquellas personas que manifiestan un comportamiento
recreativo. En este contexto, el objetivo del Marketing es relacionar estos elementos,
organizando y gestionando los intercambios entre empresas y turistas que tienen lugar
en el destino. Para que estos intercambios se realicen en ptimas condiciones, resulta
necesario examinar los factores que influyen en las decisiones de eleccin efectuadas
por los turistas.
En la actualidad, la importancia de este tipo de anlisis queda reforzada por dos
aspectos fundamentales (Bordas y Araya, 1992; Alts, 1995): por un lado, el creciente
nmero de destinos que constantemente aparecen en el mercado conduce a una mayor
competencia entre los agentes tursticos; y, por otro, una demanda cada vez ms
exigente reclama mejores relaciones calidad-precio. En otras palabras, los turistas no
slo no se enfrentan a un nmero reducido de alternativas, sino que no estn dispuestos
a adquirir un determinado nivel de servicio ofertado por una empresa, cuando pueden
obtener una mejor contraprestacin por el mismo precio.
En esta situacin, el anlisis de las elecciones vacacionales resulta de vital
importancia tanto para la empresas tursticas como para las instituciones pblicas en
tanto en cuanto las decisiones individuales de los turistas sirven de gua para sus
actuaciones (De Rus y Len, 1997): i) Las empresas tursticas toman como punto de
partida el proceso de decisin de los turistas para analizar el comportamiento de la
demanda y, de esta forma, adecuar su oferta. Por tanto, el xito de las acciones de
Marketing viene determinado por el conocimiento de los factores que afectan a las
elecciones tursticas; ii) Los organismos pblicos estn interesados en este anlisis para
lograr una mejor orgarizacin e implementacin de sus polticas rursticas, tanto las
dirigidas a reactivar y renovar reas ya consolidadas como ias encaminadas a identificar
nuevas oportunidades, para fomentar, en ltima instancia, un desarrollo turstico
sostenible e incrementar el bienestar social asegurando la rentabilidad econmica.
58
Captulo II. La Eleccin en hrismo
Es importante destacar, adems, que la eleccin turstica debe considerarse
desde una perspectiva amplia, distinguiendo ia seleccin de destinos y el
comportamiento de eleccin que el turista exhibe en el propio destino2O, con la finalidad
de estudiar los factores determinantes en cada uno de ellos (Eymann y Ronning,1997;
Melenberg y van Soest, 1996, Fesenmaier y Jeng, 2000). Esto es, los operadores
tursticos estn interesados tanto en conocer el perfil de los individuos que acuden a su
destino como en la determinacin de sus preferencias relacionadas con el tipo de
servicios por los que optan; slo as ser posible optimizar los recursos disponibles.
Para representar formalmente estas decisiones
-de
eleccin de destinos y.de
subelecciones en los propios destinos-, se han formulado diversos modelos
microeconmicos, destacando por su repercusin en la literatura los propuestos por
Rugg (1973) y Morley (1992) a partir de la extensin de la Teora de Econmica
Neoclsica de Lancaster (1966), y las aproximaciones de Morey (198a; 1985) y
Eymann (1995) a la Teora de la Produccin Domstica de Becker (1965).
Sin embargo,
debido al marcado carcter discreto que caracteiza la eleccin en turismo, y a la
necesidad de flexibiiizar los supuestos de los modelos basados en la Teora de la
Eleccin Neoclsica y de la Produccin Domstica, los autores han adoptado los
modelos probabilsticos de eleccin discreta como instrumento bsico de anlisis en la
aplicacin de sus teoras (Morle."-, 1994a).
Siguiendo estas consideraciones, el Captulo II se organiza como sigue: el
epgrafe segundo expone los conceptos claves de la eleccin turstica as como las
teoras empleadas para modelizar la demanda. Por su parte, el tercero describe la
vinculacin de los Modelos de lnteraccin Espacial con la aproximacin probabilstica,
as como los problemas terico-empricos del enfoque probabilstico en los diferentes
tipos de elecciones que conducen a la proposicin de diversas hiptesis de
investieacin.
t0
Este comportamiento de eleccin manifestado en los lugares vacacionales incluye todo tipo de
decisiones (subelecciones) que los ruristas llevan a cabo una vez seleccionado el destino, como por
ejemplo, el tipo de viaje seleccionado. los gastos realizados o la duracin de la estancia (Silberman,
1985;
Slreldon y Mak, 1987; Melenberg y Van Soest, 1996; Fesenmaier et a1.,2002).
59
Captulo II. La Eleccin en Turismo
2. TEORA DE LA ELECCIN EN TURISMO
En orden a modelizar la eleccin turstica resulta necesario considerar las
caractersticas particulares del decisor y de las alternativas de eleccin en el contexto
recreativo. En este sentido, se exponen en primer lugar estos elementos, para describir a
continuacin las teoras de eleccin en Turismo.
2.1. Conceptualizacin del decisor
El concepto de turista como decisor debe ser entendido en sentido amplio,
puesto que hace referencia tanto a un decisor individual como a un grupo de personas.
No se debe olvidar que la mayora de los viajes tursticos se realizan junto
a una o varias
personas, lo que implica considerar la eleccin nica del grupo como ei resultado final
del proceso, sin perjuicio de que se identifique la existencia de miembros dominantes
(Eymarm y Ronning, 1997).
En cualquier caso, debido a los importantes cambios de comportamiento
experimentados por los turistas en los ltimos aos21, resulta conveniente definir
adecuadamente ei consumidor turista. La Organizacin Mundial del Turismo, en la
Conferencia de Ottawa de 1991, establece una tipologa amplia de los individuos que
participan en alguna actividad turstica (Ynquez,2000),
incorporando los viajes cortos
como una modalidad ms de turismo. En concreto, se propone un concepto amplio de
visitante que engloba a turistas y excursiomsras (visitantes de un da), tanto en el marco
del Turismo interno como en el internacional, lo que permite disringuir la siguiente
tipologa: a) Visitante interno: Persona residente de un pas que viaja a otro lugar
distinto de su lugar de residencia habitual2t, pero dentro del mismo pas, por un perodo
no superior a seis mesest3, v cuyo propsito principal de visita es distinto al del
ejercicio de una actividad remunerada. A su vez, este perfil distingue entre: i) Visitante
intemo turista, cuya estancia en el lugar de destino es de al menos una noche e inferior a
2l
Basta recordar, por ejemplo,
que la mayor preferencia por los viajes cortos unida a las mejoras del
[ansporte hacen de los "desplazamientos de un da" una forma habitual de turismo en la actualidad
(Smi th, 1995).
tt
El concepto de lugar de residencia habitual, entendido como entorno habirual del individuo, se
especifica a partir de dos dimensiones: frecuencia y distancia. Se considera parte del entorno habitual del
individuo los lugares visitados frecuentemente, situados en las proximidades. En particular, la OMT
establece que para ser considerado entorno habitual debe tratarse de un lugar visitado al menos lrta vez
por semana y que est en un radio inferior a los 160 Krn
60
seis meses; y ii) Visitante interno excursionista, cuya estancia es menor de 24 horas, sin
pemoctar en el lugar de destino.
b) Visitante internacional: Persona residente de un pas que viaja a otro pas por
un perodo no superior a un ao y cuyo propsito principal de visita es distinto al del
ejercicio de una actividad remunerada. Del mismo modo, se diferencia: i) Visitante
internacional turista, cuya estancia en el pas de destino es de al menos una noche e
inferior a un ao; y ii) Visitante internacional excursionista, cuya estancia en el pas de
destino es menor de24 horas sin pernoctar en el lugar de destino.
Finalmente, cabe destacar que el consumidor turista, en cualquiera de sus
modalidades, elige aquella alternativa que maximiza su utilidad, y que esta eleccin
depende de varias dimensiones relacionadas con el propio individuo y/o con los
productos seleccionados; dimensiones que, por su parte, explican el proceso de decisin
seguido (Morley, 1994a).
2.2,Las Alternativas de Eleccin
El segundo componente fundamental que interviene en todo proceso de
seleccin est constifuido por las altemativas de eleccin que, en este caso, hacen
referencia al producto turstico. Jefferson y Lickorish (1991) definen el producto
turstico como un conjunto de atributos fisicos, de servicio y simblicos, que satisfacen
las necesidades y deseos del consumidor turista. Evidentemente, la amplitud de este
concepto vara segn el contexto de eleccin. As, en el marco del anlisis de destinos,
los lugares vacacionales disponibles para los individuos configuran el conjunto de
altemativas sobre las que optan, mientras que en el estudio del comportamiento de
eleccin en los destinos seleccionados, las opciones vienen definidas por las distintas
instalaciones que prestan un mismo servicio (en el caso del servicio de alojamiento, las
alternativas seran: hotel, apartamento, camping, etc.). Una cuestin interesante para una
adecuada conceptualizacin del producto furstico es el conocimiento de sus
caractersticas especficas y las tipoiogas existentes; aspectos que se abordan a
continuacin.
:i
La duracin de la estancia permite distinguir enf:e visitante y residente, de forma que una estancia
mayor de un ao en el contexto internacional y seis meses en el nacional, supone dejar de ser visitante
para convertirse en residenle (OMT, l99l).
61
2.2.1. Particularidades de los Productos Tursticos
Los productos tursticos poseen unas caractersticas distintivas que permiten
diferenciarlos del resto de productos, y que influyen en el comportamiento de los
individuos. Evidentemente, algunas de estas caractersticas no son exclusivas de este
sector, pero son de tal trascendencia que requieren un tratamiento especial (Johnson y
Thomas, 1994). En esta lnea, Muoz (1994), considerando que el producto turstico es
esencialmente un servicio, distingue las siguientes caractersticas:
i) Intangibilidad. Esta propiedad hace referencia a que un servicio no puede ser
percibido por los sentidos antes de ser adquirido. De hecho, Figuerola (1990) indica que
en el mbito turstico carece de sentido centrarse en los bienes materiales, ya que 1o
realmente buscado es la "experiencia" derivada del producto rurstico; siendo esta
experiencia intangible. Por su parte, Muoz (1994), enfatizando ei papel de los bienes
utilizados en la prestacin, seala que la intangibilidad global de los productos tursticos
no existe. Incluso, Wyckham et al. (1975) y Payne (1993) van ms all, y llegan a decir
que esta propiedad no diferencia claramente los servicios de los productos, debido a que
los bienes tangibles pueden poseer, en mayor o menor medida, cierto grado de
intangibilidad, y que, al igual que en el caso de los servicios, existen problemas a la
hora de evaluarlos y compararlos. En cualquier caso, lo que parece estar claro es que los
productos tursticos se componen de sewicios y de bienes materiales, y que, adems,
existe un fuerte componente intangible.
La parte intangible de los productos tursticos, sea o no exclusiva de los
servicios, confiere a la experiencia la caracterstica de evento nico en el sentido de que
el mismo producto no se puede volver a producir en otro momenro (Muoz, 1994); de
hecho, la repeticin de un viaje no necesariamente supone la obtencin de idnticos
resultados. Esto implica que los consumidores no estn seguros de lo que realmente
obtendrn cuando consuman el servicio adquirido, por lo que la t'ase de bsqueda de
informacin, dirigida a reducir la incertidumbre, es especialmente importante en el
sector. Adems, vnavez realizado el viaje, los turistas nicamente poseen el recuerdo de
la experiencia (aunque traten de tangibilizarlo mediante objetos materiales: souvenirs,
fotografias, etc.), debido a que no se transmite la propiedad de los productos tursticos,
sino que slo se transfiere su uso (un
cliente utiliza una habitacin de un hotel, pero no
la posee en propiedad), por lo que la tangibilizacin de los servicios a travs de tcnicas
62
de Marketing no slo debe ceirse a los momentos previos a la venta, sino que se
manifiesta especialmente en las acciones post-venta. En suma, la minimizacin de la
intangibilidad debe ser un propsito dei Marketing Turstico, con el objeto de elevar el
valor percibido de los clientes (Goodrich, 1978; Sena,2002).
11) Caducidad. Los productos tursticos son caducos en el sentido de que no son
susceptibles de ser almacenados, de manera que si no se venden en el momento
programado se pierden. Esta cualidad tiene importantes implicaciones de gestin,
puesto que, de cara a maximizar la rentabilidad, los oferentes de servicios tursticos
deben dirigir sus esfuerzos a reducir el nmero de unidades no vendidas (habitaciones,
plazas de avin, etc.) en un determinado perodo de tiempo.
As, ante la alternativa de vender en funcin de la demanda del mercado, pueden
disminuir el riesgo de no ocupacin vendiendo con antelacin y a precios menores, a
travs de intermediarios (Lanquar, 2001). Considerando que esta caracterstica se
manifiesta especialmente en temporada baja debido al mayor nmero de unidades de
servicio que quedan vacas, resultan relevantes las polticas de Marketing relacionadas
con la segmentacin, adems de ias variaciones de precios (por ejemplo, viajes
organizados para la tercera edad en perodos no estivales).
iri) Agregabilidad. Los productos tursticos se forman a partir de la agregacin
de diferentes bienes y servicios que, de forma conjunta, configuran un todo (Muoz,
L994). Esta agregabilidad dota a los productos tursticos de gran flexibilidad en la
composicin, 1o que implica que los decisores se enfrentan a un conjunto ilimitado de
alternativas, ya que la modificacin de uno de los componentes conlleva un cambio del
producto global seleccionado. Esto permite a los individuos confeccionar los productos
con arreglo a sus preferencias sobre cada elemento, sin peq'uicio de la variacin en los
precios que pueda ocasionar desestimar un paquete turstico previamente
establecido,
para optar por otro "fabricado a medida".
En este sentido, Kinberg y Sudit (1979) sealan que el consumo de servicios
agregados es una caracterstica clave del Turismo, tanto a nivel de intermediarios
-en
el
momento de fusionar las fases de transporte, alojamiento, etc.-, como del propio destino
-donde
deben coordinarse las distintas empresas tursticas-. lncluso Lue et al. (L996)
incorporan un tercer nivel de agregacin al considerar conjuntos de destinos, de forma
63
que una alternativa podra estar representada por un rea multidestino. Es decir,
tomando como punto de partida los trabajos de Wall (1978) y Fotheringham (1985), que
sugieren que el atractivo de un destino
-y
por tanto su eleccin- est influenciado por las
oportunidades recreativas disponibles en otros destinos cercarios, Lue et al. (1996) y
McGinley (1999) encuentran evidencia de que la utilidad acumulada que proporciona la
compra de un viaje multidestino es mayor que la suma de las utilidades individuales de
cada destino individual. Este mayor atractivo de los destinos agregados se explica
bsicamente por la disminucin de incenidumbre a causa de la existencia de destinos
secundarios que diversifican el riesgo de insatisfaccin, por el mayor nmero de
beneficios que se peden obtener del hecho de viajar a distintas zonas, y por la
percepcin de que se realiza un viaje eficiente en trminos de coste.
Por tanto, dada la influencia que la agregacin ejerce sobre la eleccin en
cualquiera de los tres niveles expuestos
-produccin
de paquetes tursticos por los
intermediarios, coordinacin de los prestatarios de un destino, y la acumulacin de
atractivos tursticos de destinos prximos-, sta debe ser considerada por los agentes
tursticos para determinar los componentes a incluir en la configuracin ptima del
producto turstico.
iv) Heterogeneidad. Como consecuencia de ia agregabilidad, los productos
tursticos son heterogneos, tanto por los mrltiples componentes que pueden formar un
mismo viaje, como por la imposibilidad de estandanzar su prestacin (Muoz,1994).
Desde un punto de vista de gestin, esta propiedad deriva en una mayor dificultad para
controlar los niveles de calidad de todos los componentes de la cadena de prestacin del
servicio.
Desde un punto de vista del cliente, la heterogeneidad de los productos tursticos
incrementa el riesgo percibido debido a las mayores dificultades para valorar y hacer
comparaciones antes de adquirirlos (Grande, 1996). Incluso, el individuo no tiene
garantas de que el mismo sen'icio consumido en ocasiones precedentes le va a
proporcionar los mismos niveles de satisfaccin en la actuaiidad. En cambio, esta
caracterstica presenta la ventaja de una mayor flexibiiidad, permitiendo que el producto
se pueda ajustar a las preferencias de1 consumidor. Es decir, aunque un producto
turstico, puede estar estandarizado de antemano en cierta medida (por
ejemplo, los
paquetes tursticos), existe un mar-sen de adecuacin a cada individuo (Muoz,
1994).
64
v) Simultaneidad entre produccin y consumo. Al contrario de la secuencia
tradicional produccin-compra-consumo, los productos tursticos se compran para
posteriormente ser producidos y consumidos simultneamente (Muoz, 1994; Serra,
2002). Esto implica que para que se materialice el consumo los clientes deben
trasladarse donde est el producto, interactuando con el personal que presta los
servicios. De ah, la especial relevancia que tiene el factor humano en la
comercializacin turstica.
2,2.2. Clasificacin de los Productos Tursticos
Los productos tursticos se pueden clasificar atendiendo a diversos criterios.
Figuerola (1990) distingue las tres tipologas siguientes: i) segn el componente
material, diferencia entre bienes y sertticios tursticos (esta distincin se aprecia al
considerar, por ejempio, la piscina y el servicio de recepcin de un hotel); ii) segun el
tipo de necesidades satisfechas, separa los productos turstico s bscos (como el servicio
de restauracin en un hotel) de los complementarios (como una sala de "tness"); y iii)
segn el destino de los bienes consumidos en una actividad turstica, distingue entre
productos especficamente tursticos (cuya razn de ser es el hecho turstico), productos
mixtos (destinados a usos tursticos y no tursticos) y productos corrientes (que son
consumidos aunque el viajero no estuviese ejerciendo una actividad turstica).
Por su parte, Middleton ( 1 995) y Y nquez et al. (1997) distinguen dos niveles de
productos tursticos. Por una parte, un nivel global o integrado, que considera todos los
elementos del servicio que el turista consume desde el inicio hasta el final de su viaje.
Se trata de una visin horizontal del producto, en el que se observan conjuntamente
todos los servicios individuales
(desplazamiento, recursos geogrficos, infraestructura
hotelera, servicios perifricos, restauracin, etc.), sobre los que clientes e intermediarios
configuran una experiencia de viaje. Por otra parte, un nivel empresarial, en el que se
considera cada componente del producto global independientemente. En este caso, se
trata de una visin vertical del producto turstico. Esta distincin es importante en tanto
que el turista puede tomar sus decisiones a nivel de destino, de componentes del viaje, o
de ambos niveles simultneamente, 1o que conduce a modelizaciones diferentes
dependiendo de cada caso.
65
Finalmente, Kotler et al. (1996) sealan los siguientes cuatro niveles de producto
turstico: i) Producto bsico, que representa el beneficio bsico que un cliente pretende
obtener. Comprende los sen'icios por los que un individuo realiza la compra del
producto, y de los que espera obtener la utilidad principai; 11) Producto auxiliar,
formado por aquellos componentes necesarios para que el cliente haga uso del producto
bsico; es decir, los servicios mnimos que deben existir
junto
al beneficio bsico
buscado; 111) Producto secundorio, o componentes extras que, sin ser imprescindibles,
aportan valor al producto bsico. Son utilizados como factor de diferenciacin; y iv)
Producto aumentado, gue engloba bsicamente aspectos relacionados con la
accesibilidad, caractersticas del ambiente, y las interacciones del cliente con el
producto y entre los propios clientes. Bsicamente, los productos bsico, auxiliar y
secundario describen qu recibe el cliente, mientras que el producto aumentado muestra
cmo lo recibe. Esta clasificacin permite distinguir los factores que ejercen una
influencia sobre las decisiones de un individuo, facilitando e1 desarrolio adecuado de
estrategias de segmentacin. As, el anlisis de la importancia que cada cliente otorga a
cada uno de estos niveles permite determinar los grupos de personas que poseen
preferenc ias similares.
Lina vez descritos los elementos esenciales de la eleccin en el iimbito del
Turismo
-consumidor
turista como decisor y las alternativas de eleccin-, a
continuacin se exponen las principales teoras que establecen las relaciones entre
ambos.
2.3. Teora de la Demanda Turstica
Las teoras que explican el comportamiento individual de eleccin de los turistas son
las siguientes (Eymarur, 1995): i) una adaptacin de la Teora Econmica Neoclsica,
que proponen Rugg (Ig73) y Morley (I9g2) a partir de la extensin de Lancaster
(1966), donde sugieren que los atributos de las altemativas son los elementos claves de
la decisin; y ii) los desarrollos de Morey (1984, 1985) y Eymann (1995) basados en las
"funciones de produccin domsticas" de Becker (1965), en virrud de ios cuales
proponen que los turistas producen su propia satisfaccin a partir de los productos que
adquieren.
66
Caprulo II. La Eleccin en Turistno
2.3.1. Modelo de Rugg
Rugg (1973) trata de adaptar la Teora Econmica Neoclsica a las decisiones de
eleccin de los turistas, pero detecta las siguientes restricciones a su aplicacin
inmediata: i) el conjunto de decisin est formado por un nmero muy elevado de
alternativas; ii) el supuesto de que el turista debe consumir una proporcin de cada
alternativa es irreal; y iii) ciertas dificultades para estimar la demanda de nuevos
productos no existentes en el mercado.
Estos impedimentos ie llevan a proponer un modelo para malizar la eleccin de
dstinos tursticos tomando como punto de partida la extensin de Lancaster (1966).
Esta extensin considera que son los atributos de las alternativas, y no las alternativas
per se,los que proporcionan utilidad al consumidor. En este contexto, Rugg define el
producto como la estancia en varios destinos durante un perodo de tiempo; estancia que
permite el consumo o disfrute de determinados atributos (clima, paisajes, etc.).
As, dada una funcin de utilidad U que depende de los atributos deseados z,
cuyos niveles dependen del consumo d que se realiza de los destinos (medido por el
nmero de das que pasa en cada lugar), el turista debe maximizar dicha utilidad
considerando las restricciones monetarias l, y temporales Z. Esta ltima restriccin,
adems, incorpora el tiempo de desplazamiento tanto entre el origen y el destino, como
entre los destinos. Adicionalmente, se consideran las restricciones derivadas de la
"tecnologa
de consumo" g, que representa la capacidad para combinar los distintos
productos (destinos) con el fin de obtener una determinada cantidad de atributo. En
suma, el decisor turista se enfrenta al siguiente problema de optimizacin, por el que
maximiza U(z), sujeto a
z
=
g(d)
Y>pd+po+pr m
T>d +t o+t
p 20, ps, pt >
0, d
)
0, m> 0, t o, t
>
0
dondep representa el coste diario medio de estancia, po y /o son el precio y el tiempo de
viaje entre origen y destino, respectivamente, y pt y t el coste y tiempo de
desplazamiento entre destinos, siendo ln el nmero de tales desplazamientos. La
alternativa elegida ser aquella combinacin
7
de destinos que maximizan la utilidad
U
*
(t )=â*l U, Q)).
67
Captulo II. La Eleccin en Turisnto
2.3.2. Modelo de Morley
Morley (1992) propone una extensin del modelo de Rugg (1973), que
generaliza
la eleccin de destinos. En realidad, el modelo precedente asume
implcitamente que el turista ya ha decidido emprender el viaje, dado que supone un
proceso de decisin en dos etapas: primero, decide si opta por realizar un viaje, para
posteriormente determinar dnde desplazarse. Por su porte, Morley (1992) considera
que ambas decisiones se toman conjuntamente, y no son independientes entre s. Esta
premisa le lleva a desarrollar un modelo que considera explcitamente la primera
decisin junto
a la eleccin de los destinos, 1o que implica incorporar los precios de
bienes no relacionados con el consumo turstico, debido a que dichos precios
determinan el volumen de ingresos disponibles para uso turstico.
As, dada una cantidad q de bienes no tursticos y siendo p4 sus precios, los
turistas deben maximizar una funcin U(z,q) aparth de los valores de q y d, sujeta a
las restricciones
z
=
g(d)
Y>pd+po* pqQ
T>d+t o
p 20, po, pq >0, d
)
0, / o Z0, q
>
0
de donde se obtiene que la utilidad mixima alcanzada para el valor ptimo de q* es
Uj . ( r , . . . . r r =v( P, Po, Pc, cl , t s' q, Y, T, z) si 0, y Uj =o=v( po, q. Y) si d: 0, donde

=
{0,I,2,...,
-/} siendo
j:0
la alternativa de no realizar el viaje, y j=1,...,J
la eleccin de
los distintos destinos. As, la alternativa elegida ser
(J
*
(t , q)=m xf Uo(z, q), (J, (r, q), . . . , U
r(t , q)] .
Nt ese que est e model o excl uye l os
desplazamientos entre destinos.
Dado que v es una funcin de utilidad indirecta, al igual que las definidas en los
modelos probabilsticos, y considerando que la eleccin de los destinos en este contexto
es excluyente, su relacin con la Teora de la Eleccin Discreta es inmediata.
2.3.3. Nlodelo de Produccin Domstica y Extensin de Eymann
Los supuestos en que se apoya la teora de produccin domstica de Becker
(1965) han servido como punto de partida para estudiar la eleccin turstica en
68
numerosos trabajos (Smith y Munley, 1978; Morey, 1984; 1985; Van Soest y
Kooreman, t987; Eymann, i995). Bsicamente, esta teora postula que los individuos
producen bienes que les proporcionan satisfaccin (bienes producidos) a partir de
bienes que adquieren en el mercado (bienes adquiridos).
Es decir, los individuos tratan de maximizar na funcin de utilidad U(BP,I),
que depende de los bienes producidos por ellos mismos (BP)
V
de la inversin I
rcalizada en determinadas actividades .I/ que incrementan su bienestar. Dicho problema
de maximizacin est sujeto a: i) las restricciones definidas, en primer lugar, por la
funcin de produccin domstica rp, que representa la relacin de los bienes producidos
con los bienes adquiridos BABP necesarios para su produccin, as como con el tiempo
empleado t'' y con las actividades H realizadas; y, en segundo lugar, restricciones
definidas por la funcin de produccin domstica ry que recoge la relacin de la
inversin en bienestar con los bienes adquiridos (BA\, con el tiempo y con las
actividades Hrealizadas. Esto es, BP
=cp(BABP,Tt'
,H)
e
=y(BAH
,T' ,H).
ii) La restriccin monetaria" que viene dada por la expresin
PBP
BABP
+ PH BAH
1wT*
,
donde F' y PH son, respectivamente, el precio de los
bienes adquiridos para la produccin de bienes y el precio de realizacin de actividades
de bienestar, lv es el salario, y T* eI tiempo dedicado al trabajo; iii) la restriccin
temporal T
=TH
+TBP +Ttt' ; y iv) la restriccin de bienestar, que representa la
disminucin de la capacidad para generar bienestar a medida que hanscurren los aos:
H, *r=(l -6, )H, +I Vre{0. . . . , f } de t al manera que H7: 0, donde , es l a t asa de
depreciacin de la capacidad para generar bienestar. En resumen, se trata de maximizar
U(BP,
I
sujeta a las siguientes restricciones:
pp
=
g(Bpt,
,T
tt
,
H)

=y( BAH
, TH , H)
pu' BABP
+
pH
BAH swT*
T
=TH
+TBP +Tw
H, * r =( L- 5, ) H, +I
BABP >o; BAH
2o; H,
=e
Autores, como Zimmermans (1992), sealan que la Teora de la Produccin
Domstica es ms apropiada
que la Teora de Lancaster para el anlisis de las
decisiones tursticas. Sin embargo, Eymann (1995) fusiona dichas teoras, en un intento
69
de aprovechar las ventajas de ambas, de tal modo que partiendo de la primera incorpora
los atributos de las alternativas de acuerdo con los postulados de la segunda. As,
denominando ZBri y Zf^ a los afributos de los bienes adquiridos para la produccin de
bienes y para la realizacin de actividades de bienestar respectivamente, y gr y gr a las
funciones que representan la tecnologa de consumo para cada tipo de bien, el
consumidor se enfrenta al siguiente problema de maximizacin:
marU(BP,I)
Bp=e( Zu, , Tt , , H)
I
=V( 2,
, 7, , H)
Z;:
=
s,(BA' ,)
.
Zf o=gr ( BA' )
BABP
>
0; BAH
>
0
PBP RABP
+ PH BAH
1wT,
T
=TH
+TBP +Tv
H, *t =( 1- 6, ) H, +I
H,
=0
Precisamente, en este punto Eymann (1995) enlaza esta teora con los modelos
de eleccin discreta a travs del concepto de "bienes compuestos", en virtud del cual se
agregan un conjunto de bienes para formar alternativas individuales sobre las cuales los
decisores realizan sus elecciones. En otras palabras, los indir.iduos eligen aquel
conjunto de bienes BAU' y BAH que permite alcanzar los niveles de BP e / que
maximizan la utilidad U.
Un aspecto a destacar de estas teoras es que se fundamentan en el clculo de
funciones de utilidad, lo que establece un vnculo con la Teora de la Utilidad Aleatoria.
Sin embargo, el hecho de que aqullas no son capaces de recoger las diferencias
interpersonales e intrapersonales de los turistas, ha conducido a los autores a plantear el
anlisis de la eleccin siguiendo la corriente probabilstica2a (descrita en el Captulo I),
por lo que los modelos de eleccin discreta representan una va para la modelizacin
turstica ampliamente utilizada (Jeng y Fesenmaier, 1996).
to
Adetns, la Teora de la Eleccin Discreta, como ya se mencion en el epgrafe 2.2 del Captulo I,
puede entenderse como una extensin de la Teora Econmica Neoclsica
,
en el sentido de que tata de
solucionar sus limitaciones a partir de sus postulados bsicos.
70
3. ENFOQUE PROBABILSTICO DE LOS MODELOS DE ELECCIN
TURSTICA
La importancia de los modelos probabilsticos
de eleccin turstica queda
reflejada por el gran nmero de investigaciones en este campo. A pesar de ello, las
primeras aproximaciones aplican diversos Modelos de lnteraccin Espacial con
informacin agregada a nivel de areas geogrficas,
en la medida que la dimensin
espacial constituye un componente bsico de la eleccin turstica.
Precisamente, el hecho de que los Modelos de Interaccin Espacial slo
describen patrones de correlacin entre el comportamiento agregado y un conjunto de
factores (caractersticas del origen y el destino, as como la distancia), unido al mayor
inters de los investigadores por modelizar el comportamiento individual de eleccin
para analizar los determinantes de la decisin y revelar las reglas de evaluacin de los
destinos, llev a utilizar ampliamente tanto Modelos de Preferencias Reveladas como de
Preferencias Declaradas (Timmenans, 1987). A pesar de que estos tres enfoques
presentan importantes diferencias, existe una clara conexin terica entre ellos, lo que
permite que puedan ser englobados bajo el paradigma de los modelos probabilsticos
(wennergren y Nielsen, 1968, 1970; Jeng y Fesenmaier,1994; Lour,iere, 1988a, 1994).
Teniendo en cuenta estas consideraciones, el presente epgrafe se divide en dos
apartados: el primero ofrece una panormica de los Modelos de lnteraccin Espacial
utilizados en las investigaciones iniciales en Turismo, y su linculacin con las
formulaciones probabilsticas. El segundo apartado revisa los trabajos enmarcados en el
paradigma de los modelos probabilsticos, dedicando especial nfasis a los problemas
terico-empricos manifestados en esta modelizacin y a la formacin de las hiptesis
de investigacin.
3.1. Nlodelos de Interaccin Espacial en Turismo
Entre los factores fundamentales que determinan la toma de decisiones de los
individuos sobre los productos tursticos, destacan la distancia y el atractivo del destino.
Estos aspectos constituyen, a su vez, las caractersticas bsicas de los Modelos de
Interaccin Espacial, lo que favorece su aplicacin a este contexto de eleccin. A
continuacin, se revisan los siguientes modelos de interaccin desarrollados en el rea
turstica, que pretenden explicar distintas facetas de los flujos tursticos: los modelos
1 1
Captulo IL La Eleccin en Turismo
gravitacionales propiamente dichos, los modelos de generacin
de viajes, los modelos
de distribucin de viajes, as como los modelos simultneos de generacin y
distribucin de viajes.
3.1.1. Modelos Gravitacionales
La consideracin de los modelos gravitacionales
en Turismo supone hacer
referencia expresa a los orgenes del estudio de los movimientos de grupos de personas
que se desplazan por motivos de carcter ldico. De hecho, Smith (1995) seala que la
historia de la prediccin en Turismo es en gran medida la historia del desarrollo de este
tipo de modelos.
Sin embargo, aunque los modelos gravitacionales
se remontan a la primera
mitad del siglo XX (ver epgrafe cuarto del Captulo I), la aportacin originaria en
Turismo es realizada por Crampon en 1966. Este retraso en su aplicacin al Turismo
viene
justificado
por que la cultura del ocio no empieza a manifestarse de forma
extensiva hasta la segunda mitad del siglo XX. En particular, este autor propone el
siguiente modelo:
V*
=
brVoP"T"oo,
donde Vs es el nmero de visitantes desde el origen o hasta el destino d; Polapoblacin
de o; To la distancia de viaje entre o y d; bt
!
2 son parmetros a estimar; y V el
nmero total de visitantes que recibe / desde cualquier origen que, en cierto modo, mide
el atractivo de un destino a travs de su capacidad de carga.
Sin embargo, el propio autor reconoce la falta de precisin del modelo, por lo
que incorpora un trmino que recoge la propensin a viajar de la poblacin de origen,
Ro.
Voo
=
brVoPoRoTooo,
V
donde R"=?, siendo Vo y t" el volumen real y el volumen estimado de
" l /
generados .r. el origen o, respectivamente.
vl aJes
72
Este modelo inicial genera gran controversia con respecto a diversos aspectos
del factor distancia. Por un lado, el impacto de esta dimensin tiende a sobrevalorar los
viajes cortos y a infravalorar los largos. Ello ha suscitado formulaciones alternativas que
contrarrestan dicha influencia. Whitehead (1965), en su estudio sobre el trfico entre
reas vacacionales, incorpora un trmino exponencial adicional relacionado con la
distancia, que representa un elemento de "feedback" entre la distancia recorrida en el
viaje y la respuesta a dicha distancia o predisposicin a realizar el viaje nuevamente, lo
que conduce al siguiente modelo:
Voo
=
brPoPoT:' e-ff^
'
siendo )" un parmetro a estimar y, utilizando la poblacin del destino P (en lugar del
nmero de visitantes V
eue
recibe el destino d).
Wolfe (1972), en su estudio sobre los viajes de recreo, aborda este problema
desde otra perspectiva, recurriendo de nuevo a la Fsica. lncorpora en el modelo un
efecto inercia
-o
resistencia al movimiento- para reducir el nmero de viajes cortos que
se predicen y un efecto motnentum
-o
predisposicin
arealizar lar,eas distancias una vez
que se ha decidido emprender el viaje- para aumentar el nmero de predicciones de
viajes largos:
!nrr' .,/
Voo
=
br\PoT-ob=7boo
"
to'
donde bs y bt son parmetros a estimar. De esta forma, si To es menor que 3 el trmino
logTo/bj es negativo, lo que aumenta la friccin de la distancia; en cambio, si
%
es
mayor que 3, logTo/bj es mayor que cero lo que reduce el impacto negativo de la
distancia.
Por otro lado, la eleccin de la forma funcional de la distancia tambin resulta
controvertida, estando ms sujeta a las particularidades de cada caso concreto de estudio
que a una nonna general. En este sentido, Baxter y Ewing (1981) sugieren una funcin
disuasoria y genrica de la distancia
f(D")=Dll
exp(-aDfo) a partir de la cual se
obtienen los distintos casos particulares, en virtud de los valores que tomen los
parmetros . Si a:0 entonces/(Do,/ es una funcin potencial; si
B:1
y
f0
se convierte
en una funcin exponencial; y si
B=l
pasa a ser una funcin de Tanner. Sin embargo,
73
Caotulo II. La Eleccin en Turismo
no hay consenso entre los autores con respecto a la funcin que mejor se ajusta a los
datos. As, Deacon et al. (1972) y McAllister y Ktett (1976) sostienen que es la
potencial, mientras que Baxter y Ewing (1981) evidencian la superioridad de la funcin
Tanner y de la exponencial. lncluso, a priori,
la funcin de Tanner puede ser
consderada idnea porque no es decreciente en todo su rango, sino a partir de un
determinado punto, lo que pemrite recoger mejor, en el contexto nrstico, el hecho de
que mayores distancias no sientpre conllevan prdidas
de satisfaccin (Baxter
,"*
Ewing,
1981). De hecho, la insatisfaccin, en caso de que se manifieste, sio aparece a partir de
un determinado umbral (Jones, 1978). En cualquier caso, la seleccin de la forma
funcional parece ms ura cuestin de ajuste a cada casustica particular.
Evidentemente, estos modelos siguen presentando
los mismos problemas que la
modelizacin gravitacional tradicional: i) no consideran el grado de competencia
existente, sino que se centran nicamente en la interaccin entre un origen y un destino;
ii) no existen restricciones al volumen de flujos originados en el punto o; y iii) carecen
de una teora de comportamiento. Como consecuencia, se desarrollan otros modelos de
interaccin que establecen ciertas restricciones en las relaciones, con ei fin de
representar la realidad de forma ms precisa. stos se presentan a continuacin.
3.1.2. iVlodelos de Distribucin de Viaies
Estos modelos son, en esencia, restringidos de produccin, en los que unos
flujos procedentes del origen i son distribuidos entre varios destinos, de forma que la
proporcin de viajes al destino
/
que se realiza desde el origen i sobre el total de
desplazamientos desde i (T) en un determinado perodo, es igual a la proporcin
existente entre las dimensiones de atractivo del destinoT,
4,
y la suma del atractivo de
todos los destinos disponibles para i (McAllister y Klett, I9l6).
T
_
f6j )
' r J
t i
l , f 6 )
4 " '
; -1
Despejando, se obtiene el citado modelo de produccin
1 A
f (x)
=t - j - -
Zf
tx,
j =l
En este caso, se recoge explcitamente la existencia de competidores (en el
denominador), de forma que la inclusin de un nuevo destino conlleva una reduccin de
los flujos que acuden al resto, estableciendo, por tanto, restricciones al nmero de
desplazamientos desde el origen. Precisamente, la preocupacin por modelizar el
volumen de viajes generados en i, T, motiva el desarrollo de los modelos de generacin
de viajes en el contexto de la investigacin turstica.
3.1.3. Modelos de Generacin de Viajes
La finalidad de estos modelos es estimar ei nmero de desplazamientos que
emanan o se generan desde el origen i a partir de una funcin que depende de diversos
factores de demanda y de oferta. En otras palabras, estos modelos tratan de explicar por
qu determinados orgenes generan diferentes volmenes de desplazamientos, y de
descubrir aquellos factores de demanda y oferta que influyen en el ratio de participacin
en los viajes recreativos (Ewing, 1983). El modelo, en su forma general, se representa
como:
T,
=
F( Pr , . . . , Pn; , S1, . . . , S
^ ;
Dr , . . . , D
o)
donde ?l'representa la participacin o visitas desde el origen i; F es una funcin que
suele ser lineal, polinomial o logstica (Stynes, 1983a); P define las variables que
describen los individuos de una poblacin; S las variables que identifican la oferta de
los destinos; y D representa las
medidas de interrelacin entre la poblacin de i y los
destinos, tales como la distancia o el coste de desplazamiento (Styres, 1983b).
En la especificacin de estos modelos tiene especial relevancia la inclusin de
un ndice que recoge las oportunidades recreativas disponibles para la poblacin de i. Se
trata de la denominada variable "potencial"2s (Carrothers, 1956), que engloba el nmero
de destinos disponibles para Lln origen concreto i, y recoge, de manera conjunta, el
atractivo y la acoesibilidad de todos ellos; as, cualquier incremento en el nmero de
destinos o la mejora en uno o varios de sus atributos, provocar un aumento en el
Tij
75
nmero de desplazamientos generados desde dicho origen. Asumiendo una determinada
relacin funcional/, dicho ndice viene dado entre corchetes
En opinin de Ewing (1980), el impacto de este trmino sobre los
desplazamientos viene explicado por tres motivos: i) la mejora de la oferta (por ejemplo,
ampliaciones de las instalaciones) o la inclusin de un destino adicional a los ya
existentes puede reducir la saturacin o aglomeracin de gente. lo que conlleva un
efecto positivo en el atractivo general de la actividad; ii) el incremento del atractivo
puede incentivar a clientes que participan en actividades sustitutivas; y iii) la teora de
difusin de innovaciones propone que la mejora y/o incremento de la oferta, aumenta la
probabilidad de que el conocimiento acerca de la misma se difunda ms ampliamente
ente la poblacin. En esta lnea, de igual forma que los procesos de adopcin se
describen en el tiempo a travs de una funcin logstica, es posible considerar, por
analoga, esta misma relacin entre el porcentaje Ce individuos del origen i que son
usuarios de la actividad (T/P), y esta variable "potencial". As,
L =
t- *r{-
tlf.r, r
(",
)]}
siendo P la poblacin de origen y
f
eI parmetro que indica la pendiente de la funcin
logstica. Para valores bajos de la variable "potencial" la difusin de la informacin es
limitada, aumentando a medida que se incrementan los valores de aqulla, hasta
alcanzar finalmente un nivel de saturacin.
Por ltimo, surgen otros modelos ms complejos que combinan los dos
anteriores, y que se exponen a continuacin.
3.1.4. Modelos Simultneos de Generacin y de Distribucin de Viajes
Partiendo de la expresin del modelo de distribucin y sustituyendo Z por la
expresin del modelo de generacin T.
=
F(P,,S, D)
,
se obtiene un modelo formado por
tt
B.amun et al. (1977) lo denominan efecto "participacin generada por la oferta",
r,=b,r,[Ir,,
,o,r]r,
76
dos componentes, uno generador y otro distribuidor
de desplazamientos (Cesario y
Knescht, 1976):
r
=b,[r,,
,o,rf
.r,
[ " ' ( " ' ) ]
T,
=
F(P,S,A-{-DL
fs
r@)
j=r
A esta expresin tambin se puede llegar a partir de un modelo gravitacional del
tipo Tr=brPSft(D), en el que se incluya la variable "potencial" anteriormente
indicada, de manera que
S
j f ' ( D' j )
donde a es un parimeto conrprendido en el intervalo
[-1,0]
para representar el efecto
de una utilidad marginal decreciente. En general, esta formulacin resulta ms
apropiada para las actividades de carcter recreativo que para cualquier otro tipo de
consumo, debido a que el entorno y la disponibilidad de actividades complementarias
pueden jugar
un efecto positivo sobre la demanda (Ewing, 1980). Adems, este modelo
permite representar la "propiedad de sustitucin" (Cesario y Knetsch, 1976). Es decir, la
inclusin de una nueva alternativa conlleva, por una parte, un incremento en la demanda
y un aumento en los desplazamientos (recogido por la variable "potencial") y, por otra,
una reduccin de las cuotas de mercado de las alternativas existentes (reflejada en el
denominador del modelo).
En cualquier caso, aunque estos modelos son adecuados para la consecucin de
objetivos relacionados con la gestin y planificacin turstica, los niveles de agregacin
con los que operan impiden explicar la toma de decisiones a nivel individual, lo que
favorece la introduccin de ntodelos cuya unidad de anlisis es el decisor (Perdue,
1986) .
77
3.1.5. Vinculacin entre los Enfoques de Interaccin
Espacial y Probabilstico de
Eleccin Turistica
Wennergren y Nielsen (1968) relacionan ambas aproximaciones de inreraccin
espacial y probabilstica cuando efectan la primera aplicacin al mbito turstico de los
modelos probabilsticos de eleccin discreta. En su formulacin toman como punto de
partida el trabajo de Luce (i959) y la posterior aplicacin de Huff (1963), por lo que
definen la utilidad conto funcin de la distancia entre el origen y el destino asi como de
la superficie en la que se puede practicar la actividad turstica. La distancia se percibe
como un factor negativo, mientras que la extensin de superficie practicabie genera
utilidad positiva por considerarse que aumenta la calidad del destino al reducirse la
congestin. As, la probabilidad P de que se realice el viaje desde el origen i al destino
j, viene dada por la expresin
s11
D_
Di
I , :
- -
r . q"
\ l " /
Lt
v-rt
j = l u
donde S; expresa la superficie del destino j y D la distancia desde i aj. Los parmetros
y reflejan el efecto de la superficie y de la distancia.
Una vez calculada esta probabilidad, Wennergren y Nielsen tratan de obtener
una estimacin del nmero de viajes (4;) que se van a realizar desde un origen i a cada
destinoT, del siguiente modo:
lL
r,,
=
Dj
r,
, r J . q a ,
s" j
fr4
A pesar de que esta formulacin toma como punto de partida el enfoque
probabilstico de Luce, tambin puede ser interpretada desde la teora de la interaccin
espacial, donde los factores dc atraccin y de disuasin vienen dados por la superficie
dei destino y por la distancia entre origen y destino, respectivamente, mientras que el
factor de propulsin queda de[rnido por la poblacin del origen (Ti). De hecho, coincide
78
con un modelo de distribucin de viaies donde
Captulo II. La Eleccin en Turisnto
f
(X,)=
g.
Adems, estos autores
Dl
plantean la aplicacin empricr desde un enfoque agregado, al igual que en los modelos
de interaccin; es decir, su unidad de anlisis son las zonas geogrficas homogneas,
formadas por conjuntos de individuos con variables explicativas similares.
Por otra parte. dada la relacin existente entre el modelo de Luce en el que se
basan Wennergren y Nielsen (1968) y los modelos Logit, que se ha presentado en el
epgrafe 3.1.2.3 del Captulo I, la formulacin de los modelos logit puede entenderse
como una extensin exponencial de la expresin de P,;, donde la utilidad de una
alternativa viene dada por la extensin y la distancia, de modo que:
p -
l h, t ,
- l nD,
l
e'
En consecuencia, la nrodelizacin logit de destinos tursticos tambin puede
entenderse como una generalizacin de los fundamentos del modelo de Wennergren y
Nielsen26.
En definitiva, el modelo propuesto por estos autores representa un nexo de unin
entre los Modelos de lnteraccin Espacial y los modelos probabilsticos de eleccin
discreta, ya que pueden ser inteqpretados al mismo tiempo como un modelo de
distribucin de viajes y un modelo logit.
3.2. Problemas Terico-Empricos de la Modelizacin Probabilstica en Turismo e
Hiptesis de Investigacin.
Los modelos probabilsticos han sido ampliamente utilizados en el sector
turstico debido al marcado carcter discreto de la eleccin en Turismo, as como a la
flexibilidad que dichos modelos imprimen a los supuestos en que se apoya la teora de
la Demanda Turstica a la hora de explicar las distintas decisiones que caractenzan el
proceso de eleccin en Turismo. En esta lnea, este epgrafe revisa los principales
problemas terico-empricos derivados de la aplicacin de los modelos probabilsticos
tu
Esta extensin del modelo de Wcnnergren yNielsen (1968) es anloga a la planteadapor Gonzlez
Beni to (1999) con respecto al model o de Huff (1963).
Lms,
- r no, l
Le'
79
Captulo II. La Eleccin cn Turisnto
de eleccin discreta al contexto turstico, distinguiendo diferentes subelecciones y
proponiendo diversas hiptesis de investigacin.
Con este fin. los prximos apartados presentan las siguientes lneas de
investigacin que aplican estos modelos: la seccin 3.2.1 revisa la eleccin del tipo de
vacaciones, distinguiendo las decisiones de salir de vacaciones, la realizacin de viajes
internacionales y viajes multidestinos. El epgrafe 3.2.2 exarnina la eleccin de destino.
El apartado 3.2.3 anliza sintultneamente el gasto turstico con otras decisiones. A
continuacin, la seleccin de la duracin de la estancia (3.2.4)27, y finalmente, la
segmentacin del mercado turstico en la seccin 3.2.5. Para cada uno de estos
contextod se proponen las distintas hiptesis que sern contrastadas en el Captulo III.
3.2.1 Eleccin del Tipo de Vacaciones
En relacin con la eleccin del tipo de vacaciones la literatura considera tres
tipos de decisiones: i) Decisin de salir de vacaciones. Precisamente, esta decisin de
salir fuera del lugar de residencia habitual durante el perodo de vacaciones constituye
la primera eleccin que realiza el turista (Morley, 1992;1995; Seddighi y Theocharous,
2002). ii) Eleccin de viajes internacionales. Esta decisin del turista implica elegir si
pasa sus vacaciones en territorio nacional, o por el contrario, sale al extranjero (Eymann
y Ronning, t992). Y iii) Eleccin de viaje con destino fijo frente a uno itinerante. La
alternativa de viajes a reas multidestino frente a la estancia en un nico destino viene
justificada
en virtud de la propiedad de agregabilidad caracterstica de los productos
tursticos, debido a que la utilidad acumulada que proporciona la compra de un viaje
multidestino es mayor que la suma de las utilidades individuales de cada destino en
particular (Lue
et aL.,19961' McGinley, 1999).
Bsicamente, el anlisis probabilstico de cualquiera de estas decisiones se apoya
tericamente en los modelos de Rugg (1973) y Morley (1992). Sin embargo, slo se han
detectado evidencias empricas del anlisis probabilstico de las elecciones de salir de
vacaciones y de viajes intemacionales (ver Cuadro 1), cuya formalizacin operativa ha
seguido la modelizacin binomial, de aplicacin inmediata cuando se trata de elecciones
con alternativas excluyentes. Por su parte, el examen probabilstico de la eleccin de
" El hecho de que la duracin de la estancia se mide a travs de una variable representada por nmeros
narurales (nmero de das), facilita la aplicacin de modelos con variable dependiente discreta (Gurmu y
Trivedi, 1996; Cameron y Trivedi, 1996; Greene,1999).
80
viajes multidestino representa una laguna en la
estudiar en esta tesis con el modelo binomial.
investigacin turstica, que se tratar de
CuadTo 1. EVIDENCIAS EIIIPRIC.{S DE LOS MODELOS PROBABILSTICOS DE ELECCTN DEL
TIPO DE VACACIONES de vacaciones
v destinos intern
Autores }l odel o Deci si n
Di mensi ones
Expl i cti vas
Vari abl es Operati vas
Lugar Observaci n
\[uestral
Hay y l v{cConnel l (1979) Model o Li neal de Sal i r de vacaci ones
Probabi l i dad y Logi t
Caractersticas
personales
-
Edad
-
Edao-
-
lngresos
-
Sexo
-
Edad
-
tdao-
-
Ingresos
-
Sexo
-
Ci udad de resi denci a
-
Edad
-
hoad-
-
Ingresos
-
Tamao del hogar
-
Sexo
-
Estado civil
-
Ci udad de resi denci a
-
Ingresos
-
Trmao del hogar
-
Ingresos
-
Edad
-
Situacin laboral
-
Estudios
-
Tamao Ci udad de
resi denci a
-
Sexo
-
Estado ci vi l
-
Edad
En origen
En origen
En orisen
En origen
En origen
En origen
Mi l l er y Hay (1981)
Bi nomi al
Logi t Bi nomi al Sal i r de vacaci ones Caractesti cas
personales
Walsh, Kun, Mckean y Hof Logit Binomial Salir de vacaciones Caractersticas
(l 992) personales
Eymann y Ronning (1992)
Eymann (1995)
Logit Binomial Salir de vacaciones
Caractersricas
personales
Logit Binomial Salir de vacaciones
Eymann y Ronni ng (1992) Logi t Bi nomi al Desti nos
Caractersticas
internacionales pesonales
3.2,1.1. Factores Determinantes de la Eleccin del Tipo de Vacaciones e Hiptesis
de Investigacin
La literatura evidencia que las decisiones de salir de vacaciones y de realizar
viajes internacionales aparecen asociadas a la presencia de algunos de los siguientes
factores (Eymann,
1995; Eymarm y Ronning 1992; Hay y McConnell, 1979; Miller y
Hay, 1981; S.G.T., 1992; Walsh et al., t992): caractersticas personales relacionadas
con el destino seleccionado (forma de organizar el viaje a un destino), restricciones
personales (ingresos, tamao del hogar y nmero de nios), caractersticas
sociodemogrficas (edad, sexo, estado civil, estudios, situacin laboral y tamao de la
ciudad de residencia) y psicogrficas (intereses y opiniones). Por su parte, la decisin de
los viajes itinerantes versus fijos no ha sido tratada en la literatura de eleccin discreta,
81
Cqntulo II. La Eleccin en Turisnto
pero en esta tesis proponemos
y
justificamos
que la realizacin de estas modalidades de
viajes tursticos pueden venir explicadas por algunos de estos factores.
A) Decisin de Salir de Vacaciones
En concreto. los determinantes de la eleccin de salir de vacaciones son los
siguientes:
Ingresos. Los ingresos determinan la capacidad de gasto de los individuos, por
lo que al tratar de maximizar su utilidad, los individuos consideran la restriccin
presupuestaria personal (Cnwford y Godbey, 1987). Con el fin de incorporar esta
restriccin, los estudios se han apoyado en indicadores de la renta, tanto directos como
indirectos. Entre stos ltimos destacan la posesin de residencia propia (Caswell y
McConnell, 1980), as como el nmero de automviles en propiedad (Stopher y Ergn,
1979). Entre los directos, la cuanta de los ingresos ha sido ampliamente utilizada, en
trminos absolutos (Caswell v McConnell, i980; Eymann y Ronning, 1992,1997;Hay
y McConnell, 1979; Miller y Hay, 1981; Hsieh et al., 1993; Morley, 1994a, 1994b;
Moutinho y Trimble, 1991; Riera,2000), en cantidades cuadrticas para identificar
posibles efectos no lineales (Smith y Munley, 1978), y en magnitudes especficas
destinadas al consumo turstico (Walsh et a1.,1992).
En general, la literatura muestra que los individuos de ingresos medio-altos y
aitos son los grupos de individuos que presentan mayores propensiones a salir de
vacaciones (Hay y NfcConnell,I9T9; S.G.T., 1989a; 1992;1993; Bardn, 1991; Walsh
et al., L992; I.E.T., 2000). Este resultado corrobora que el turismo es un bien normal
con una elasticidad demanda-renta positiva, aumentando su consumo conforme se
incrementa la renta. En este sentido, la hiptesis l.i se plantea en los siguientes
trminos:
H.1.1: Mayores niveles de renta del individuo se asocian con mdyores
probabilidades de entprender viajes vacacionales.
Tamao del hogar. Habitualmente, los trabajos realizados recogen esta
dimensin a travs del nmero de miembros que componen una familia2s. Bsicamente,
28
Una forma alternativa de medir este factor es el nmero de nios que viven en el hogar (Hsieh et al.,
1993; Sheldon y Mak, 1987; Stemerding et al., 1999), que adeurs permite considerar tanto sus
necesidades como los beneficios que pueden obtener de la experiencia de viaje (por ejemplo, ante dos
9.)
Caotulo II. La Eleccin en Turisnto
el tamao del hogar es ull aspecto representativo
de las denominadas barreras
interpersonales (Cralford y Godbey, 1987). Es decir, el tamao de la famiiia
juega
un
papel importante y disuasorio en las decisiones recreativas (un tamao familiar elevado
restringe el gasto turstico). tanto en la propia
realizacin del viaje como en la
determinacin del lugar (Casrvell y McConnell, 1980; Eymann y Ronning, 1992,1997;
Walsh et al., 1992). Por tarto, en la medida que un tamao reducido del hogar,
caractenzado por la ausencia tle nios2e, implica mayores disponibilidades para salir de
vacaciones y rcalizar gastos nrsticos (Collins y Tisdell, 2002a), se propone la siguiente
hiptesis:
H.1.2: Mayores tamaos de hogar reducen la propensin a realizar viajes
vacacionales.
Edad. Una de las dimensiones demogrcas ms importantes que influyen en la
demanda turstica es la edad del turista (Mieczkowski,
1990). Sin embargo, los estudios
realizados obtienen evidencias dispares. Por un lado, Becker (1992), Lawson (1991) y
Oppermann (1995) encuentran una relacin bimodal entre la realizacin de vacaciones
y la edad, de forma que se manifiesta una mayor propensin arealizar viajes tursticos
en los ms
jvenes y en las personas de mayor edad. Ello es debido bsicamente a la
incidencia de los hijos citada anteriormente, as como al apoyo de las instituciones
pblicas a estos dos segmentos (Nez de Cela, 1998). Por contra, diversos estudios
(Col l i ns y Ti sdel l , 2000; 2002a; S. G. T. , 1989a, 1992; Bardn, 1991; I . E. T. , 2000) no
evidencian esta relac:in bintodal. Collins y Tisdell (2000; 2002a) argumentan, como
razn principal, que las motivaciones de los individuos pueden ejercer una influencia
mayor que la edad a la hora de realizar viajes tursticos (por ejemplo, un individuo
realiza un viaje para visitar a t'miliares con independencia de la edad).
En cualquier caso, el supuesto de relacin lineal entre edad y salir de vacaciones
parece ser un supuesto excesivamente simplista y poco representativo del
destinos con caractersticas similares, una familia con hijos optar por aqul que disponga de un parque
de ahacciones), de cara a examinar su influencia en la decisin de "salir de vacaciones" (Moutinho,
1987). Sin embargo, un indicador que parece recoger mejor estos efectos es la edad de los nios;
evidentemente, el posible efecto disuasorio que puede ejercer la existencia de nios en el seno familiar
desaparece a medida que elevan su edad (Caswell y McConaell, 1980; Eymann y Ronning, 1997; Smith y
Munley, 1978).
tn
Collios y Tisdell (2002a) indican que esta sifuacin aparece en las primeras y ltimas etapas del ciclo
de vida familiar de Wells y Gubar (1966). En las fases iniciales la pareja no tiene hijos mientas que en
las ltimas los hijos ya son independientes.
83
comportamiento real de los individuos30. Por ello, algunos autores proponen utilizar
junto
con la variable edad, la edad cuadrtica para recoger una posible relacin marginal
positiva (negativa) hasta un determinado punto, y negativa (positiva) a partir del mismo
(Hay y Mcconnell, 1979; lvfiller y Hay, 1981; walsh et al., 1992).Incluso, Eymann y
Ronning (1992;199i) sugieren flexibiiizar an ms la relacin edad-probabilidad de
eleccin, permitiendo impactos no lineales por tramos, a travs de variables dummy. De
esta forma, se puede representar cualquier patrn de conducta en funcin de la edad,
como la relacin bhnodal. Por todo ello, con la finalidad de contrastar el efecto de la
edad, se enuncia la siguiente hiptesis:
H.1.3: La edad ejerce un efecto no lineal sobre la probabitidad de salir de
vacaciones.
Situacin laboral. Aunque la situacin laboral del individuo se utiliza como una
variable subrogada de los ingresos (Walsh et al., 1992; Riera,2000), tambin permite
recoger otros aspectos con incidencia directa y positiva en las decisiones de recreo,
como el perodo vacacional disponible y su distribucin a lo largo del ao (Moutinho y
Trimble, 1991). En este sentido, los individuos que manifiestan mayor propensin a ir
de vacaciones son las personas con trabajo (por su mayor capacidad presupuestaria) y
los estudiantes (por la duracin y continuidad del perodo vacacional). (S.G.T., 1989a;
1993; I.E.T., 2000). En consecuencia, se plantea la hiptesis H.1.4:
H.1.4: La sintacin laboral ,ncide en las probabilidades de realizar viajes
vacacionales.
Tamao de la ciudad de residencia. El tamao de la ciudad de residencia es una
caracterstica del origen del individuo que se mide habitualmente por su nmero de
habitantes (Eymann y Ronning, 1997; Smith y lvfunley, 1978), el tipo de rea
-urbana
o
rural- (Miller y Hay, 1981; Walsh et al., 1992) o con la especificacin explcita del
propio lugar de origen (Moutinho y Trimble, 1991; Riera, 2000), y que, en principio,
tiene especial relevancia en el anlisis de aquellos destinos con preponderancia de
'o
Obviamente, un impacro lineal implica que el efecto marginal de un cambio en la edad sobre la
probabilidad de parlicipacin en una actividad recreativa determinada es constante con independencia de
la edad, cuando en realidad, el efecto que ejerce el incremento de una dcada (por ejemplo, sobre la
predisposicin a practicar alguna actividad de turismo de aventuras) vara si ei individuo tiene veinte o
cincuenta aos.
84
Caotulo IL La Eleccin en Turismo
turistas de un determinado conjunto de nacionalidades,
lo que permite diferenciar el
comportamiento en destino de cada una de ellas.
Sin embar-eo, esta dimensin tambin
justifica
la eleccin de salir de vacaciones.
De hecho, la proporcin de l:r poblacin que sale de vacaciones alcanza las cotas ms
bajas en los municipios con t:rmaos poblacionales
menores (S.G.T., i989a; i992). Ello
obedece a que los habitantes de ciudades con altas densidades poblacionales tienen una
mayor necesidad cie "escapar" en busca de relajacin (Eymann y Ronning, 1997). En
esta lnea, se propone:
tl.t.S: [Jn mayor tantao de la ciudad de origen conlleva una mayor propensin
a viajar durante las vacaciones.
Opinin
fa,.'orable
del individuo respecto a salir de vacaciones: Aunque las
caractersticas anteriores son de gran utilidad para explicar el comportamiento de los
turistas, Plog (1991) sugiere que, en ocasiones, resulta necesario incorporar dimensiones
que permitan representar otros aspectos internos del individuo3l. En esta lnea, Gonzlez
y Daz (1996) sugieren que los valores y estilos de vida (variables psicogrficas)
proporcionan un rehato global de la estructura cognitiva del individuo, por lo que su
examen representa un complemento fundamental de las variables sociodemogrficas
para la conftguracin ptima de los productos tursticos. Adems, desde una perspectiva
ms amplia, las investigaciones han demostrado que las variables psicogrficas poseen
un alto poder explicativo del comportamiento del turista (Shih, 1986; Pitts y Woodside,
1986; Dalen, 1989; Muller, 1991; Hsieh et al., 1993; Zins, t996; De Borja et a1.,2002;
GonzIez y Bello, 2002). Sin embargo, a pesar de su efectividad, estos factores no son
utilizados ampliamente en la literatura de eleccin debido a que se trata de
caractersticas no observables directamente por el analista, lo que requiere un esfuerzo
adicional en la recogida de informacin (Plog, 1994) a travs de bases de datos y
estudios VALS (Yalue and Life Styles), LOY (List of Values), o AIO (Activities,
Interests and Opinions).
En cualquier caso, determinados indicadores unidimensionales
-tambin
denominados dimensiones primarias o parmetros de los estilos de vida (Lehmann,
1993; Bign et al., 2000.)- permiten captar, como proxy, los aspectos psicogrcos del
85
Cantulo II. La Eleccin en Tutismo
individuo. Entre ellos destaca la opinin favorable/desfavorable
del indiriduo sobre el
producto32, ya que una persona con una opinin favorable a ir de vacaciones presenta
una probabilidad mayor de realizar un viaje turstico (Plog, 1994; Ryan, 1995). Por
tanto, se propone la siguiente hiptesis:
H.1.6: Las opniones
favorables
a ir de vacaciones de los individuos inciden
positivamente en la opcin de salirfuera de su lugar de residenca habinal.
Finalmente, cabe indicar que un buen nmero de trabajos (Hay y McConnell,
1979; Cosenza y Davis, 1981; Fodness, 1992; Eymann y Ronning, 1997; Collins y
Tisdell, 2002b) sugieren el control del impacto del sexo y dej estado civil a la hora de
explicar la eleccin de salir de vacaciones con los anteriores factores determinantes. En
lnea con estos estudios, esta tesis tambin controlar estos aspectos.
B) Realizacin de Viajes Internacionales.
El trabajo de Eymarur y Ronning (1992) es el nico detectado hasta la fecha que
explica la decisin de ealizar viajes intemacionales mediante modelos probabilsticos a
partir de la edad y los in-eresos del turista. Junto con estas dimensiones, esta tesis
propone los siguientes factores determinantes:
Utilizacin de futermediarios en la organizacin del viaje. Esta dimensin hace
referencia a la forma de adquisicin del producto turstico, sea directamente33 o a travs
de intermediarios (Eymarm y Ronning, 1992). El conocimiento del medio de
confratacin de los viajes tursticos es fundamental para las empresas prestatarias de los
servicios en destino, puesto que elio les permitir desarrollar polticas eficientes de
comunicacin y establecer vnculos comerciales con otros operadores tursticos3a.
"
Ashok et al. (2002) y Seddighi y Theocharous (2002) sealan que la eleccin de una altemativa puede
estar influenciada por aspectos no relacionados con los propios productos.
"" La faha de informacin slo permite analwar en esta tesis dimensiones primarias de las variables
p-sicogrficas.
" El modo de organizar el viaje hrrstico tiene una singular relevancia en la actualidad, debido a las
mayores facilidades que las nuevas tecnologas otorgan a la compra diecta de los productos tursticos
(Buhalis y Licata, 2002).
3n
Adems, la mayor o menor demanda que un producto nrrstico recibe por el hecho de estar insertado en
un paquete turstico comercializado a travs de intermediarios, condiciona en gran medida el tipo de
relacin, directa o indirecta, que los prestatarios de servicios mantienen con sus clientes (Sheldon y Mak,
1987) .
86
En general. el uso de las nuevas tecnologas (que permiten la compra directa)
tiene un mayor impacto en la contratacin de productos
tursticos de baja implicacin y
poco especializados (ej., un individuo tendr una predisposicin mayor a reservar un
vuelo a travs de lnternet que a adquirir directamente
un paquete turstico todo incluido)
(Falkenstein, 1997). En cambio, la compra de productos
tursticos a travs de agencias
de viajes se asocia a productos de complejidad alta (Mak y Mancur, 1980; Sheldon y
Mak, 1987; Esteban et al., :000), como el caso de viajes internacionales debido a la
reduccin de la incertidumbre que conlleva, y al ahorro de tiempo en la organizacin de
viajes con mltiples componentes (como transporte, alojamiento, reservas, etc.). En esta
lnea, Bote et al. (1991) indican para el caso espaol, que aunque el nmero de viajes
organizados que realizan los turistas espaoles es reducido debido bsicamente a que un
porcentaje elevado utiliza medios de transporte y alojamientos privados, en los viajes al
extranjero la utilizacin de agencias de viajes es mayor, lo que ha sido corroborado por
los estudios de la S.G.T. (1957; 1992;1993) y el I.E.T. (2000). En virtud de lo anterior,
se propone la siguiente hiptesis:
II.1.7: La contratacin de productos tursticos a travs de intermediarios se
asocia con los viaies internacionales.
Nmero de Nios. Como ya se ha indicado en el epgrafe precedente, el nmero
de nios que viven en el hogar influye negativamente en las decisiones vacacionales,
condicionando la eleccin de los destinos (Hsieh et al., 1993; Sheldon y Mak, 1987;
Stemerding et al., 1999). En este sentido, las conclusiones del informe de la S.G.T.
(1989b) sealan que los viajes al extranjero se producen con mayor frecuencia entre las
familias de uno y dos miembros, debido a su "mayor libertad de movimiento"; de modo
que el viaje con nios se relaciona con destinos nacionales. Por ello, la hiptesis H.1.8
propone que:
H.l.8: El nmero de nios que realizan el viaje es una restriccin en Ia eleccin
de los viajes internacionales.
Nivel de estudios. El nivel educativo y cultural es un factor determinante de las
preferencias de viaje, especialmente en la seleccin de los destinos internacionales en
los que el conocimiento del idioma del destino resulta fundamental (Eymann y Ronning,
1997). En esta lnea, y para el caso espaol, se ha detectado que las personas con un
87
nivel de estudios similar o superior al de enseanzas
medias son las que manifiestan
mayores propensiones a viajar al extranjero (S.G.T.,
1989a; 1992;1993; Bardn, 1991;
I.E.T., 2000). En consecuencia, se propone que:
H.1.9: Un ntator nivel de estudios del individuo incrementa la propenstn a
realizar viaj es zternacional es.
Inters del turista por conocer lugares nuevos y por ampliar su cultura. En el
apartado anterior se ha sealado la importancia de las variables psicogrcas primarias
como determinantes del comportamiento turstico (Ryan, 1995; Plog, 1994). En este
sentido, Anderson (1970) y Santos (1983) proponen que el denominado "Factor Ulises",
que es un aspecto psicolgico de especial relevancia en la planificacin de las
vacaciones, en virtud del cual las personas sienten una profunda necesidad de explorar y
de conocer lo que hay ms all de su horizonte conocido. Incluso, Mayo y Jan'is (1981)
sugieren que esta "necesidad de exploracin" de los individuos resulta determinante de
cara a explicar las razones de los viajes tursticos, debido a que "la realizacin de viajes
permite satisfacer la necesidad intelectual de saber". Evidentemente, estas ansias de
exploracin del individuo, manifestadas en un nters por conocer nuevos lugares y por
ampliar su cultura, deben asociarse con las salidas al extranjero; por lo que se propone
que:
H.1.10: El inters del individuo por conocer lugares nuevos incide
positivamente en la opcin de salir de vacaciones al exterior.
H.1.11: El inters del individuo por ampliar su cultura incide positiv-amente en
la opcin de salir de vacaciones al exterior.
Finalmente, se observar la influencia de las variabies sexo, estado cir.il, edad
ingresos35 por lo que se incluirn en el aniisis como variables de control (Cosenza
Davis, 1981; Fodness, 1992; EymannyRonning,lgg2; Collins yTisdell, 2002b).
3s
La falta de argumentacin terica de Eymann y Ronning (lgg2) acerca del impacto de la edad e
ingresos del turista sobre la decisir de viajar al exterior, ha conducido considerarlas en el modelo como
variables de contol.
v
88
C) Viajes con Destino Fijo vs. Itinerante
Los determinantes de la eleccin de un viaje multidestino que esta tesis propone,
son los siguientes:
Utilizacin de internediarios en la organizacin del viaje. Tal y como se ha
indicado en la seccin anterior, la utilizacin de intermediarios por parte de los turistas
para organizar sus viajes se asocia a la compra de productos de complejidad alta (Mak y
Mancur, 1980; Sheldon y llfak, 1987). Con ello, el individuo pretende reducir la
incertidumbre y facilitar la compra de los productos tursticos con mltiples
componentes. En este sentido, y dado qu." .rn viaje multidestino es un producto de
complejidad alta, ste debe asociarse con una mayor utilizacin de intermediarios, ya
que ello permitir a los turistas la formacin y agregacin eficiente de todos los
elementos del producto. En virtud de lo anterior, se formula la hiptesis H.I.l2 como:
H.l.12: La utilizacin de intermediaros se asocia con viajes multidestinos.
Inters del turista por conocer nuevos destinos y por ampliar su cultura. En
lnea con el "Factor Ulises" (Anderson, 1970; Santos, 1933) expuesto previamente,
Ivlayo y Jarvis (1981) sealan que la reaiizacin de cualquier viaje turstico, sea
multidestino o de destino nico, permite satisfacer la necesidad intelectual de "saber",
porque se visitan lugares nuevos. De hecho, distinguen dos tipos de turistas: i) los
visitantes itinerantes ("sightseers"), que recorren diversos destinos para "conocer"
-a
grandes rasgos- los principales aspectos de los mismos; y ii) los turistas de destino
fijo
("vacationers"), que pennanecen en un destino durante todas sus vacaciones con el fin
de "aprender"
-con
detalle- las caractersticas del lugar. Sin embargo, Opaschowski
(1990) indica que existe una mayor tendencia de los turistas a diversificar sus viajes
buscando variedad de ambientes en un mismo desplazamiento (viajes multidestino)
debido a que cada vez ms turistas estn llegando a un punto de saturacin psicolgica,
y se vuelven ms crticos e insatisfechos con los productos
tradicionales de destino
nico. En realidad, estos individuos muestran un inters por conocer varios lugares, lo
que representa una factor que conduce a seleccionar un viaje multidestino. En esta lnea,
se proponen las siguientes hiptesis:
H.1.13: El inters de los individuos por conocer destnos nueyos ncide
positivamente en la eleccin de los viajes multidestinos.
89
Caotulo IL La Eleccin en Turismo
H.l.14: El inters de los indivduos por ampliar su cultura incide positivamente
en la eleccin de los viaies multidestinos.
De forma anloga a los contextos de eleccin anteriores. se controlar el efecto
del sexo y del estado civil incluyndose en el modelo.
3.2.2 Eleccin de destinos Tursticos
La seleccin de los destinos tursticos es una de las lneas de investigacin ms
fructferas en el mbito del Turismo (Fesenmaier
et a1.,2002), como as lo demuestra la
cantidad de estudios detectados (Cuadros 2 y 3). Esta corriente de investigacin
distingue diferentes trabajos atendiendo al enfoque de preferencias utilizado
-reveladas
o declaradas-, donde la mayora de aplican el Modelo Logit Multinomial, y de este
modo modelizar la eleccin de destinos. En lnea con Eymann y Ronning (1992) y Train
(1998), la aplicacin emprica del Captuio III propone estimar Modelos Logit
Multinomiales Anidados y de Coeficientes Aleatorios con el obieto de conholar las
posibles correlaciones entre los distintos destinos.
Por otro lado, cabe distinguir tres problemas
fundamentales en este contexto de
eleccin de destinos que se tratan a continuacin: i) la definicin y formacin de los
destinos; ii) la influencia de los atributos del destno y de las caractersticas personales
sobre la utilidad de los destinos; y iii) la estimacin de la demanda turstica.
3.2.2.1. Definicin y Formacin de los Destinos como Alternativas de Eleccin.
La definicin y la fomracin del conjunto de destinos disponibles para el turista
constituyen dos importantes problemas empricos a los que se enfrentan los
investigadores. El problema de la definicin de destinos surge de la dificultad para
delimitar con precisin las propias alternativas, debido al fuerte componente espacial
inherente en las mismas.
90
0 O o
: o
6 a
o d
a -
r c a
9 E
9 ' -
E ?
. r =
z
,:
'5
o o
o o E
O
' ;
: =
q
- t
- i -
3 . e
' =5?

- E F- 9
o . x
ox
d:
* 9. ' =3
h r -
: E P ; - - g
s : s l q . e K i -
i
E
. . i *
. E
", i c
",
Et -s EH9! g ! : 9E. ;
d o d
. X . d . : > c = . Y = ! : E : o c o
p . : B
pee' p; 3
s. i . E
s Hs
pEeEndgi g: Ee' Eg i F
i
"?3, r3=Ss:
F: rs
o
co
I
o
a
a
o o q a
= = q o
h : ; E
. = . = : x
o o . = ' =
F
' :
yl . g
. 9
F = E E
o c
x F
: : . =
. = . = 8 6 6
E E8T P
E
. A o O
O
E E E C
gt
r! >r frl f!
A Q
6
o o
o
o 5 o o o
6 ; h a
o E o
o o
-
2 -
g . 9 9
I I
v = v
6 - = a
= s ! = - - =
F = L L F
a 6
o o o
6
q a a
O O O O
6 6 q a
o q o o
6 6
o o 9
P : V
6
o o a
q
a
. :
q , 9
>8
- f \
6 6 d v
o o o o 9
= = = = = 2
* - . F
g
J J J J <
o
o
6 -
: :
=s
6 =
= - b O s
t s o a Q
I
s"Y
e .i 8 A
&,
L
3 6
e R S
? t R a.
F
3
; E E

F. A
F c $g E ; :
=
E $E E
q
5
. E
; e3' t : 6r !
2
c
E!
6
o
6
o
q
q
O
I
q)
q)
(a
z
F
0
z
(-)
r \
t
Fl
v)
U
F
U)
Fl
I
L
ts!
.:
!
!
s
o
q a
g s
d 6
:g :q
E ? ? E N
3
d X !
c . = c . =
8"': 9o 3
5E_
' EA
, 9
. 5 9
o
. 9 6
k :
6 C
gl
>r
F e *
s =
g. g
E
".i nE * i
E EE: ??" = i >
! F" =E: r i &E
a d-
. . . Eo i ' * 3e; : ! ;
: . .
g.
9i E=. r E
E. E t ;
=
: 3
+E
o- ; e: 3
I , EE, EHi : g. t ; i Si si !
;:EE *=,' gsE H a a;-E g;Eg
+ : L c x - : i a ! ;
z s< < , : : 23E
gSgS g
i E
psE
i 2
a a
^ =:
, t
o *
i C q 6
o o o
6 . 9
: o 9
d
Q
o Q o
S E EX
. E . ^ 6
= = o o - Y
- g : s 5E
* ci xE
P E. ? ; . F b
D<3 c

'sq
.! Eo
p9,
; 6 8
e
6
.
|'
o0 co
- :
;
6 r
4
' r
o
' a
E
..1
N
o
.c
O C
^ *
v :
O :
'lt
D
.l
d
q
q)
o
(,
q)
TA
z
F
U)
z
(J
Q
v)
U
F . =
(t)
a=
' . 9
| r =
<5
^ E
: t v
7 v
a
U)
F
(n
O
a
U)
Q]
zl
.-r I
ei l
:, 1
cr |
r \ |
I
I
I
I
I
i
I
I
i
I
I
' i .
s
. :
\i
S
s
S
\
E T
. o E
?
' - 3
F
5s =
E
;
E
f - ". $ . " a - =n
g9
i . 8"
g, EE
* Pal 83
c S ; * i i 1
b. i r
3q , . 8 : 3: 83 Ao
Eo
! 2 - i . l i i E a 5 o i i 6
e* i
P
i E=of r co- d:
- 6:
ti i :Ei s:rg"' tEE;:Hi F=
Hi l =
s 5 F5
g
s ; s s e= ; s ;
0
(
q)
O
I
q)
a
q)
) l o
t 9
t
O O
^ =^ =
- , ; ;
3
E 6 E
9 . 9 s . 9
q . 2 ^ . 2
o h o h
= l i t : l
E i . EI ;
6
o o
6
6 E . ^ =
O O i o
: E 9 E
f < <
p c
o e
o E
* A : :
. = 9 t
cc*
- E
c
6 d c ! s

=
> , E . = x . :
. = 3 b . : b
qQ= o. ooi j .: a
s o . f c - . 5
P ! =
<t
o\ d
.
t
Q
a a
o o o
o o a
6 q
EEE
a
:
a
i:
q
o o q
: - : Y
s E ^ b
a q
q
' =
3 5i
d 6 0 6
. = L . = L . = L
E8 EA EA
. c ! . c H g . E - g
E. E E E. E E
; : E
E
>
3. F> 3 F
>
E. F
r O i ! A e O F
Ss r Ss ' i 5.
\
.\
u
U
:-
E
{
{
Y
En concreto, esta problemtica es una consecuencia de la naturaleza continua de
la dimensin espacial36 (Fotheringham y O'Kelly, 1989), que dificulta la identificacin
de las alternativas, y genera un nmero muy elevado de opciones". El procedimiento
habitualmente seguido para evitar este problema
consiste en definir las altemativas de
eleccin de destinos tursticos mediante la agregacin de zonas geogrficas, y asignando
una probabilidad de seleccionar una alternativa agregadaj como una funcin de las
probabilidades implcitas de cada alternativa elemental i,
P(j )
=
Ip(r)
eq
donde q es un subconjunto de alternativas de
Q.
A este respecto, Cramer
y Ridder
(1991) evidencian que la agregacin de alternativas elementales mejora la capacidad
explicativa de los modelos de eleccin.
La agregacin de las alternativas de destino se puede realizar atendiendo a los
tres criterios siguientes3s: unidades administrativas, distancia geogrfica y percepciones
individuales de similitud. La mayora de los estudios de seleccin de destinos hace
coincidir las alternativas con las regiones o reas administrativas (pases, regiones,
provincias o ciudades) en funcin de los datos disponibles (Haider y Ewing, 1990;
Eymann y Ronning, 1992; Nlorley, 1994a,1994b;Dubin, 1995; Ferguson y Kanaroglou,
1995; Martne2,2002). Ello implica considerar en una misma altemativa a todos los
destinos enmarcados en una provincia, por ejemplo. Esta forma de hacer operativa la
caractenzacin de los destinos permite analizar el atractivo global de una unidad
administrativa, lo que facilita la toma de decisiones por parte de las administraciones
pblicas implicadas en Turismo, ya que en ltima instancia es la divisin administrativa
la que determina las lneas de actuacin.
Sin embargo, esta particin puede presentar problemas en aquellas zonas con
caractersticas geogrficas solapadas entre las fronteras administrativas. Si dos regiones
contiguas poseen atractivos tursticos similares, su grado de sustitucin ser mayor que
36
En otro tipo de elecciones en las que el espacio no interviene, las variables que discriminan los grupos
son discretos; por ejemplo, la eleccin entre transporte pblico o privado (Fotheringham y O'Kelly,
re89).
37
Por ejemplo, si el turista quiere asisti a un parque temtico, las alternativas quedan claramente
identificadas por los parques tern:ticos disponibles. Sin embargo, si su inters es disfrutar de una estancia
en una zona de la Costa Mediterrnea, sus opciones recogeran cualquier punto de este rea.
94
Captulo II. La Eleccin en Tursmo
con respecto a las restantes, por lo que se podra violar el supuesto de Independencia de
Alternativas Irelevantes. En esta lnea, Siderelis y Moore (199S) proponen agregar las
altemativas a partir de su proximidad geogrfica (con independencia de la particin
administrativa), definiendo los denominados "macrodestinos". No obstante, la
formacin de estos conjuntos de destinos atendiendo a la dimensin espacial tambin
puede ocasionar importantes dificultades en la modelizacin (Fotheringham y O'Kelly,
1989): i) Tal y como se ha indicado, la agrupacin de destinos a partir de la vaiable
espacio no es inmediata debido a su naturaleza continua, por lo que la delimitacin de
los macrodestinos no siempre se puede efectuar con claridad, quedando a discrecin dei
analista la ubicacin de las lneas divisorias. Adems, se pueden generar situaciones
incoherentes, como en el caso de dos destinos colindantes que pertenecen a
macrodestinos distintos y que son tratados como no sustitutivos, aun cuando deberan
serlo. ii) Entre los destinos de un mismo macrodestino o grupo de destinos puede existir
un orden
jerrquico
atendiendo a su separacin espacial. Esto implica que dichos
destinos no son igualmente sustituibles, de modo que la no disponibilidad de un destino
de un macrodestino puede conducir a la seleccin de otro perteneciente a otro grupo
distinto. Fara ejemplificar este hecho, si se consideran tres destinos A, B y C situados en
el espacio en este orden, de manera que A es sustitutivo de B, y B de C, la mayor
separacin espacial entre A y C impide que sean sustitutivos, violndose as el axioma
de transitividad.
iii) La composicin de dos grupos de altemativas no es constante para todos los
individuos. De hecho, la literatura de eleccin espacial sugiere que las personas situadas
en lugares diferentes poseen percepciones distintas dei espacio y, por tanto, de los
macrodestinos (por ejemplo, las facilidades de comunicacin conducen a ampliar o
reducir las distancias) (Fotheringham y O'Kelly, 1989).
Finalmente, y como alternativa a los procedimientos de agregacin de los
destinos tursticos a partir de la dimensin administrativa y de la proximidad geogrftca,
Eymarm y Ronning (1997) proponen agregar aquellos destinos sirnilares en trminos de
las percepciones que los turistas tienen de aqullos. En esencia, se trata de comprobar si
los parmetros referidos a dichas percepciones de los individuos varan
significativamente entre las alternativas de distintos grupos, aplicando una extensin del
38
Mencin aparte debe hacerse del anlisis que considera las altemativas por ripos de destino, como de
95
test de ratio de verosimilitud desarrollado para este propsito por Cramer
y Ridder
(1991), y definido como
c^=- 2( L@' ) - L@) ) - z' -
donde K es el nmero de restricciones, L(0) es la funcin de verosimilitud para un
modelo logit multinomial que considera separadamente cada alternativa, y
L( 0' )
=l n,
l nn,
j eD
siendo L@') la funcin de verosimilitud de un modelo logit multinomial en el
que todas las alternativas del conjunto D son agregadas para formar un nico gvpo,
!
n
el nmero de individuos que seleccionan la alternativaj.
El segundo problema operativo de la modelizacin de la eleccin de destinos
tursticos es la formacin de las altemativas de eleccin. El epgrafe segundo del
Captulo I seala que la determinacin del conjunto de eleccin reducido a partir del
universal es crucial en cualquier anlisis de eleccin, por lo que resulta necesario
obtener informacin acerca de los determinantes de la
factibilidal
de una altemativa
para el individuo, y de la conciencia de su disponibilidad o existencia de aqulla (ver
apartado B de dicho epgrafe).
La literatura de eleccin trata de solventar esta cuestin a travs de diferentes
propuestas: En primer lugar, algunos estudios asumen que los individuos conocen todas
las alternativas disponibles que forman el conjunto universal (Swait y Ben-Akiva,
1986). Es decir, se supone que la probabilidad de que una altemativa i contenida en el
conjunto universal
Q
pertenezca al conjunto reducido C del individuo /, es la unidad:
P({icQ} eC):I Vt, de donde se infiere que
ftC
Vt.
Sin embargo, esta forma de hacer operativa la generacin del conjunto de
alternativas conlleva importantes elrores de especificacin, que afectan a la estimacin
de los parmetros y, por ende, a las predicciones de seleccin (Stopher, 1980; Williams
y Orfzar, 1982; Swait y Ben-Akiva, 1986). Fundamentalmente, esta inconsistencia en
r \/ \
-l
I,,
l tnl
2,,l +
4eP
\"re ,/ \i.o )
sol y playa o de interior, por ejemplo, que tienen una naturaleza discreta.
las estimaciones se debe a que la inclusin de todas las alternativas implica asignar una
probabilidad de eleccin no nula a cada una de ellas, lo que conduce a sobreestimar las
posibilidades de sustitucin y a infravalorar las probabilidades
de seleccin de aqullas
escogidas con mayor frecuencia (Riera, 2000).
Un segundo procedimiento consiste en considerar los conjuntos de eleccin
como resultado de un proceso estocstico, en virtud del cual las alternativas se incluyen
en el conjunto de eleccin C,, a partir de una distribucin de probabilidad:
P({icQ} eC):[O,1] Vt. Este procedimiento conlleva la construccin de modelos que
consideran explcitamente la generacin probabilstica de estos conjuntos, entre los que
se encuentran los de Ben-Akiva y Boccara (1995) y Fotheringham (1983)
-ver
el
captulo I-. Sin embargo, a pesar de las ventajas tericas de este procedimiento, su uso
no es extensivo debido a la complejidad que conlleva su implementacin.
Finalmente, una tercera solucin, muy utilizada, consiste en especificar el
conjunto de eleccin de cada individuo a travs de reglas deterministas (Ben-Akiva y
Lerman, 1985). Bsicamente, trata de incorporar las alternativas que se consideran
dentro del conjunto factible, a partir del comportamiento previo de los individuos (Thill
y Horowitz, L997). En este caso, la probabilidad de incluir ura alternativa en el
conjunto reducido toma los valores I 0, a partir de la informacin disponible C)t por el
anal i st a: P({i Q\ eC/ Q): { l }u{0} 7r.
3.2.7.2. Influencia de los Atributos de Ios Destinos y de las Caractersticas
Personales sobre la Utilidad. Hiptesis de Investigacin.
La literatura distingue dos tipos de dimensiones explicativas de la eleccin de
destinos (Mak y Moncur, 1980; Borocz, 1990; Gartner, i993; Sirakaya et al., 1996;
Seddighi y Theocharous, 2002): los atributos de los destinos y las caractersticas
personales. Estas dimensiones se examinan en los siguientes apartados, proponindose
diversas hiptesis de investigacin3e.
'e
Estas hiptesis se proponen definiendo las alternativas como divisiones administrativas
-comunidades
autnomas y provincias- y por tipos de productos
-atendiendo
al carcter urbano/nual y a la ubicacin
iterior/costera de los destinos-. La falta de informacin acerca de las percepciones de los turistas sobre
las diferentes altemativas de destino impide la agregacin de los destinos atendiendo a dichas
percepciones individuales. En cualquier caso, los posibles sesgos derivados de la definicin de dos
unidades administrativas distintas (provincias y CC.AA.) se podrn observar con la estimacin de los
modelos propuestos en las secciones 2.2. 1 y 2.2.1 del siguiente captulo. Por ofro lado, el Captulo III
97
3.2.2.2.l.Influencia de los Atributos de los Destinos sobre ta Utilidad
Las dimensiones relacionadas con el destino son los atributos que pueden
contribuir a la formacin de su atractivo percibido por los turistas, por 1o que tambin
son denominados factores "pull" (Mak y Moncur, 1980; Borocz, 1990 Gartner, L993;
Kim y Lee,2A02). A continuacin, se analizan los principales atributos que determinan
el atractivo de un destino.
3,2.2.2.1.1. Dimensiones Fundamentales.
Las atributos utilizados habitualmente en los modelos de eleccin como
elementos fundamentales a la hora de elegir los destinos son los siguientesao: la
extensin (wennergren y Nielsen, 1968; Hay y McConnell, 1979; Miller y Hay,1981;
Gramann et al., 1985; Borgers et a1., 1988; walsh et al., 1992; Adanrowicz et al., 1998;
Siderelis y Moore, 1998), la distancia (wennergren y Nielsen, 1968;
;
Stopher y Ergtin,
1979; Moutinho y Trimble, 1981; Perdue, 1986; Borgers et al., 1988; Fesenmaier, 1988;
Adamowicz et al., 1994; Schroeder y Louviere, 1999; Riera, 2000), y los precios
(Walsli ei aI., 1992; Sideelis y Moore, 1998; Schroeder y Louviere, 1999; Riera, 2000).
A) La extenstn del rea del destino.
Uno de los atributos ms utilizados a la hora de caracterizar las alternativas es la
extensin o superficie en la que se desarrolla la actividad turstica. Se trata de un factor
de atraccin en dos sentidos (Wennergren y Nielsen, 1968): i) desde una perspectiva
cuantitativa, una superficie mayor aumenta las opciones de ubicacin para los visitantes
as como la diversidad de actividades disponibles y de oferta existente; y ii) en trminos
cualitativos, la superficie es un factor de calidad, especialmente importante en destinos
masificados, en cuanto que mayores extensiones producen
descongestin. Incluso
Siderelis y Moore (1998) evidencian que la superficie est altamente correlacionada con
el nmero de instalaciones, por lo que los individuos disponen de un mejor servicio.
A pesar de que esta dimensin proporciona una informacin interesante, algunos
autores opinan que es demasiado simplista para ser considerada como un factor de
contrasta diferentes hiptesis de investigacin en los distintos contextos de eleccin de destinos (divisin
administrava y tipo de destino) en funcin de la informacin disponible en cada caso.
98
atraccin vlido para todo tipo de destinos (Ewing, 1980). No se debe olvidar que la
extensin del destino fue utilizada en el habajo originario de Wennergren y Nielsen
(1968) por analoga con el enfoque probabilstico propuesto por Huff (1963) para
centros comerciales, pero esta relacin superficie-atraccin no es aplicable en todos los
contextos tursticos. De hecho, Baxter y Ewing (1981) indican que el nivel de
agregacin de los destinos condiciona fuertemente el impacto que un atributo ejerce
sobre la utilidad. Por tanto, dada la falta de consenso acerca de su impacto, se propone
la siguiente hiptesis sin direccin alguna:
H.2.1.: La extensn del rea de un destino incide en su probabilidad de
eleccin.
En cuanto a la medicin de esta dimensin, cabe destacar la urilizacin de
diferentes indicadores, lo que constituye un problema operativo en la modelizacin. As,
la superficie ha sido cuantificada en trminos absolutos, a travs de diferentes unidades,
como Km2, hectreas, acres, etc., (Gramann et al., 1985; Wennergren y Nielsen, 1968;
Adamowicz et a1.,1995; Siderelis y Moore, 1998; Riera, 2000); v en trminos relativos,
prorrateadas por el nmero de habitantes (Smith y Munley, 1978; Hay y McComell,
1979; Miller y Hay, 1981; Walsh et a1., 1992).
B) La distancia al destino.
La distancia entre el lugar de residencia habitual del individuo y los respectivos
destinos es un criterio de especial relevancia debido a la marcada dimensin espacial
inherente en la eleccin de destinos tursticos. En general, la distancia
-o
posicin
geogrfica relativa que ocupa el turista con respecto a los distintos destinos- es
considerada una restriccin o variable disuasoria de la eleccin del destino, ya que el
desplazamiento del individuo hasta el destino supone un esfuerzo fisico, temporal y
monetario (Taylor y Knudson, 197 6).
Sin embargo, la distarcia presenta ciertas particularidades
en el mbito de la
eleccin turstica. Por un lado, la distancia puede proporcionar
utilidad positiva. En este
sentido, Baxter (1980) seala que el propio viaje, como componente del producto
a0
En esta tesis slo se plantean hiptesis para estos tres atributos bsicos. Los restantes atributos
utilizados en la literatura tambin se revisan en la seccin 3.2.2.2.1.2, pero la falta de datos impide su
anlisis emprico, por lo que no se proponen hiptesis.
99
turstico, puede proporcionar satisfaccin en s mismo, de ah que en ocasiones se
prefieran mayores distancias. De igual modo, Wolfe (1970; 1972) evidencia que no
siempre acfua como un factor disuasorio, ya que la friccin derivada de la distancia
desaparece cuando se sobrepasa un determinado umbral, convirtindose en un atributo
favorable para la formacin de la utilidad que proporciona
un destino. De hecho,
Beaman (1974; 1976) explica este comportamiento a partir de un anlisis marginal de la
distancia, al observar la reaccin de los individuos ante cada unidad de distancia,
concluyendo que cada unidad adicional recorrida ofrece menos resistencia que la
anterior.
Por otro lado, desde el campo de la Psicologa y de la Geografia del
Comportamiento, se seala la existencia de discrepancias entre la distancia percibida
por los individuos
-o
subjetiva- y la distancia real
-objetiva
o geogrfrca-, debido a
factores como la familiaridad o monotona de una ruta (Ewing, 1980). En este sentido,
Baxter y Ewing (i981) proponen el "efecto de barrera perceptual", en virfud del cual
una distancia aumenta perceptualmente debido a la presencia
de una barrera "percibida"
ms que "real" (ej. la existencia de un puerto de montaa). En ausencia de "barreras
percepfuales", los turistas perciben los destinos ms cerca de lo que fisicamente se
encuentran (Mayo y Jarvis, 1986). Asimismo, Baxter y Ewing (1979) proponen el
denominado "efecto de oportunidades intermedias", que considera que los flujos de
personas entre dos destinos a y b con similares caractersticas y equidistantes de un
origen o estn influidos por los destinos intermedios. As, un destino c situado entre o y
a reduce en mayor medida los flujos entre estos que entre o y b, con independencia de
que c compita indistintamente con a y b.Es decir, estas oportunidades intermedias
acfuan como "ampliadores de distancia" entre dos destinos, por lo que Baxter y Ewing
(1979) proponen redefinir la distancia para recoger este efecto, incorporando un
"coeficiente de ampliacin" de la distancia, 6, de forma queDoo =
Do, * 6
.D"o.
Apesar
de ello, no se ha detectado ningn trabajo emprico que utilice distancias percibidas en
Turismo.
En suma, dada la falta de consenso entre los autores, se propone la siguiente
hiptesis sin direccin alguna:
H.2.22 La distancia incide en la eleccin de los destinos.
r00
Captula II' La Eleccin en Turismo
Con relacin a la medicin de la distancia, los estudios proponen diferentes
indicadores de la distancia real, lo que representa un problema operativo en la
modelizacin de la eleccin de destinos tursticos. En concreto, los trabajos utilizan la
distancia eucldea
-en
kilmetros o millas- (Wennergren y Nielsen, 1968; Stopher y
Ergiin, 1979;Moutinho y Trimble, 1981; Peterson et al., 1983; Perdue, 1986; Borgers et
al., 1988; Fesenmaier, 1988; Adamowicz et a1.,1994; Dellaert er al., 1997; Schroeder y
Louviere, 1999), y/o el tiempo de desplazamiento (Louviere y Hensher, 1983; Dellaert
et a1., 1997; Schoeder y Louviere, L999 Kemperman et a1., 2000). Sin embargo, estas
formas de medir la distancia no permiten valorar el efecto negativo del incremento de
los costes asociados a la misma (por ejemplo, aumentos de los precios de los
carburantes o de las tarifas areas), por lo que se han utilizado otros indicadores que
consideran los costes implicados en el desplazamiento, y que se abordaran en el
siguiente apartado.
Finalmente, en un intento de precisar el impacto de la distancia, Moutinho y
Trimble (1991) proponen que la bsqueda de variedalt es un factor moderador del
mismo. En particuiar, estos autores evidencian que un individuo tiene una mayor
predisposicin a recolrer distancias largas si se trata de un destino no visitado
anteriormente, por 1o que el esfuerzo adicional implicado en la distancia depender de la
repeticin del destino. Por tanto, siguiendo a estos autores, se propone la siguiente
hiptesis:
H.2.32 La repeticn de un destino modera el efecto de la distancia en la
eleccin de los destnos.
C) Precios.
La literatura emprica de eleccin de destinos estudia habitualmente el impacto
del precio a travs de modelos probabilsticos. No se debe olvidar que los modelos
probabilsticos de eleccin de destinos son un instrumento eftcaz para la fijacin de
o'Kemperman
et al. (2000) arnlizan el concepto de "bsqueda de variedad" en el sector furstico, y
distinguen dos tipos de comportamiento diversificador: i) dervado, en el que un turista cambia de destino
por motivos externos (por ejemplo, exceso de demanda, o la no disponibilidad de una altemativa), y ii)
ntencionado, en el que el cambio de destino respecto a la ocasin anterior constituye en s mismo un
objetivo. En este sentido, los individuos optarn por acudir al mismo destio que en ocasiones
precedentes si los elementos que influyen en el comportamiento diversificador ejercen una escasa
incidencia en sus decisiones (por ejemplo, si la alternativa deseada s est disponible, o si los individuos
tienden a reduci los riesgos de viajar a destinos desconocdos).
101
precios, debido a que, por un lado, anticipan los cambios en las probabilidades de
eleccin ante variaciones en las tarifas y, por otro, examinan en qu medida estos
cambios pueden compensarse con modificaciones en otros atributos (Schroeder y
Louviere, 1999).
En cualquier caso, el anlisis de los precios en ei sector turstico reviste especial
complejidad debido a la variabilidad en la composicin de los productos, al alto grado
de competencia existente, a las dificultades para predecir los flujos de visitantes (Witt y
lvloutinho, 1995), y a la naturaleza multidimensional del precio de los productos
.tursticosa2
(Morley, 1993). Ello conduce a que el impacto de los precios sobre las
decisiones haya sido evaluado desde las dos perspectivas
siguientes (Sheldon y Mak,
1987; Haider y Ewing, 1990; McCollum et al., 1990; Train, 1998; Kemperman et al.,
2000): i) precio global, que considera el precio conjunto de los componentes; y ii)
precio de componente, en el que se analizan los precios de los elementos que configuran
el producto turstico de forma separada. El tipo de anlisis a realizar,
-global
vs. de
componentes-, depende en ltima instancia del contexto de aplicacin. En unas
ocasiones, el inters radica en el precio del producto global, mientras que en otras slo
interesan ciertos atributos que requieren especial atencin debido a su relevancia como
factor de atraccin43.
En general, la respuesta de la demanda de bienes tursticos se corresponde con la
de un ben ordinario, de modo que ante incrementos en los precios su consumo
disminuye (Smith, 1995; Lanquar, 200I; Serra, 2002), por lo que el precio se considera
como un factor que reduce la utilidad de un destino.
Sin embargo, cabe destacar dos matizaciones a esta generalizacin de la reaccin
de la demanda ante cambios en los precios. Por un lado, los precios pueden no ejercer
un efecto disuasorio sobre la seleccin de destino, especialmente en el turismo intemo
Qre2,1995;
Usach, 1999). En muchas ocasiones, el turismo realizado por la familias
tt
Como consecuencia de la propiedad de agregabilidad del producto turstico, el precio representa una
dimensin multidimensional. No se debe olvidar que existen diversos componentes con precios
especficos, como el coste del alojamiento, coste de tansporte, costes de restauracin, precios de entada
a determinadas atracciones, etc.
t:
En este senti do, Morey et al . (1991;1994a;1994b), Del l aert et al . (1997), Gat (1998) y Ri era (2000)
examinan de forma especfica el precio del atributo alojamiento. Por su parte, Siderelis y Moore (1998),
Train (1998) y Riera (2000) analizan el coste del transporte. Finalmente, Stopher y Ergn (1979),
Louviere y Hensher (1983) y Kemperman et al. (2000) se cenhan en los precios de las entadas a distintos
espectculos que se celebran en el destino, como eventos deportivos, exposiciones o parques tenrticos.
r02
Caonlo II. La Eleccin en Turismo
dentro del territorio nacional tiene importantes componentes que no recogen los precios
y que resultan decisivos a la hora de elegir el destino. Entre ellos se encontraran todos
los aspectos subjetivos de eleccin del lugar de vacaciones, como el entorno natural o
sociocultural, las relaciones familiares, la existencia de infraestructuras para realizar las
actividades preferidas por los turistas, etc.; elementos que no se pueden evaluar
econmicamente (Usach, I 999).
Por otro lado, dado el carcter hedonista que subyace en muchas ocasiones en el
consumo de productos tursticos, los precios elevados no siempre actan como
retractores de la demanda, adquiriendo mayor trascendencia el concepto de "valor por el
dinero pagado" (value
for
money), que compara la cantidad abonada con la calidad de
las instalaciones y los servicios recibidos (Morrison,
1996). En suma, la falta de
consenso sobre el impacto del precio conduce a plantear la siguiente hiptesis sin
direccin alzuna:
H.2.4: Los precios influyen en la eleccin de los destnos.
Con respecto a la medicin del precio se han utilizado diferentes indicadores, en
cantidades absolutas o en trminos relativos a los ingresos del decisor, lo que representa
un problema operativo para la modelizacin de la eleccin. Adems, las dificultades de
los turistas para conocer apriori todos los gastos (por ejemplo, los consumos arealizar
en el destino) y el montante exacto de cada componente, obligan a realizar
simplificaciones en las aplicaciones empricas. En este sentido, diversos autores
proponen la utilizacin de proxies ampliamente disponibles (en comparacin con la
obtencin del listado detallado del precio de los productos y sen'icios del destino) para
reflejar el precio de un destino. En primer lugar, Witt y Martin (i987) y Morley (1994a,
1994b) aplican el tipo de cambio del pas de destino. Por otro lado, Eymann y Ronning
(1992) usan el diferencial de las paridades de compra entre el origen y los respectivos
destinos, obtenido a travs del ndice de precios al consumo*. En esta lnea, Usach
(1999) indica que la forma correcta de reflejar los precios de un determinado mercado
turstico consiste en confrontar los precios de los destinos con aqullos de los mercados
emisores as como con los conespondientes a los destinos competidores.
{
Morley (199ac) demuestra que el Indice de Precios al Consumo de una regin geogrfica es un buen
indicador de los precios tursticos, al evidenciar una alta correlacin entre ambos.
103
En tercer lugar, Eymann y Ronning (1997) proponen
un procedimiento en dos
etapas para calcular los precios totales de los distintos destinos: i) En la primera fase, y
para cada tipo de destino, se regresan los gastos tursticos Git de cada individuo / sobre
una variable Xir(l) que refleja la "intensidad de consumo" en ese destino (por ejemplo, el
nmero de das en el mismo), y sobre caractersti cas x,Q) de los individuos
G ,
=di
+
F, X! | ' +y, X! ' )
+e, ,
ii) En la segunda fase se estiman los ndices de coste especfico ICE pua cada
destino y cada individuo, a partir de la expresin
ICE,,
=&,
+
B,X!\
+Y,Xt'
donde X,ft) representa el consumo medio de la variable X,(t) en el destino i.
Finalmente, cabe destacar que la literatura emprica emplea ampliamente el coste
del viaje como proxy del precio total. Ello obedece a que esta aproximacin tiene una
base comportamental
justificada
por el hecho de que los turistas tienden a utilizar, como
variable determinante, aquel coste que representa la mayor proporcin del gasto global.
En la medida en que el coste del viaje es uno de los mayores gastos que afronta un
turista, la literatura sugiere utilizarla como variable subrogada (Walsh et al, 1992
Morley, 1994b). Adems, el coste del viaje supone una ampliacin del concepto de
distancia analizado anteriormente, por lo que confiere a la distancia la ventaja de ser
considerada en trminos monetariosa5.
No obstante, la medicin del coste del viaje tampoco est exenta de problemas.
El coste del viaje, C, est formado por los tres elementos siguientes (Ewing, 1980): i)
el coste efectivo de realizar el viaje, que evidentemente est directamente relacionado
con la distancia D; ii) el coste de oportunidad del tiempo destinado al viaje, que
representa lo que gananaun individuo si dedicase el tiempo de viajar a otras actividades
que generan valor; y iii) el esfuerzo fsico y psicolgico
de realizar el desplazamiento,
que es una funcin del tiempo, l. Si dichas variables son trasladadas a una magnitud de
ot
Como ya se indic anteriormente, el desplazamiento turstico puede aportar, por s mismo, utilidad al
hrista, por lo que una medicin espacial de la distancia
-que
no refleja el gasto monetario- no siempre
comporta una reduccin de l satisfaccin. En este sentido, la medicin de la distancia en trminos
monetarios conlleva a que su utilidad marginal debe ser negativa en todos los casos, ya que un incremento
unitario de la distancia conlleva myores costes y, por tanto, prdidas
de utilidad (Dubn, 1998).
104
medida comn, como el valor monetario, se puede definir el coste de viaje mediante la
siguiente combinacin lineal:
Cr =ar Du+( ar +ar ) t ,
donde a7 es el coste por unidad de distancid, a2 el valor atribuido a cada unidad de
tiempo,
!
a3 el valor del esfuerzo utilizado por unidad de tiempo.
El tnnino a7 referido al coste de la distancia es medible de manera inmediata. Si
se trata de riajes realizados mediante transporte pblico, se considera directamente el
precio pagado (Dellaert et al., 1997; Morley, 1991, T994; 1994b); y si el
desplazamiento se realza con vehculo propio, se opera con el gasto derivado por
unidad de distanciao6. El anlisis de este componente presenta la ventaja, frente a la
variable distancia, que permite estimar los efectos derivados de los incrementos en los
costes por unidad de distancia recorrida.
El clculo de los parmetros oz y at es ms complejo. De hecho, Ewing (1980)
seala la imposibilidad de representar el esfuerzo fsico y psicolgico (a3) en trminos
monetarios y por unidad de tiempo, por lo que hasta la fecha no se ha modelizado este
elemento del coste de viaje. Con relacin al coste de oportunidad a2, los primeros
anlisis de demanda recreativa fundamentan el clculo de este parmetro en
investigaciones realizadas en otros campos, especialmente en los estudios sobre el valor
del tiempo de desplazamiento al lugar de trabajo (Cesario,
1976; Edward y Dennis,
1976). Sin embargo, las diferencias existentes entre los viajes de placer y los
desplazamientos al trabajo han conducido a criticar estas medidas, debido a la faita de
adaptacin al contexto turstico (Goodwin, 1976; Ewing, 1980), En su lugar, Hof y
Rosenthal (1987) proponen la estimacin del valor del coste de oportunidad de los
viajes de recreo a2 a partir del cociente entre los parmetros
obtenidos de regresar el
"nmero de viajes realizados en un perodo de tiempo" sobre las variables
independientes "nmero de horas de viaje por el salario" y "coste del transporte". A
pesar de ello, el uso de este componente az ha sido muy limitado en la literatura. De
hecho, nicamente Siderelis y Moore (1998)
-apoyndose
en la propuesta de Hof y
6
Dentro de este ltimo caso, Rien (2000) y Siderelis y Moore (1998) asumen un gasto de 24 ptas,4<rn y
0,16$ /milla respectivamente, que representan las magnitudes estndares utilizadas en los estudios de las
administraciones pblicas de sus respectivos pases. En cambio, Train (1998) considera directamente el
coste total del consumo de combusrible.
105
Rosenthal
(1987)- y Train (1998)
-fijando
arbihariamente este r-aioraT como un tercio
del salario por hora- han incorporado esta variable en el modelo.
3.2.2.2.1.2. Otros Atrib utos
A continuacin, se revisan otros atributos de inters en la eleccin turstica, que
permiten un anlisis especfrco posterior del "Excedente del Consumidor Turista" en la
seccin 3.2.2.2.1.3. En particular, se examinan los relativos a la infraestructura turstica
y a los recursos naturalesa8'ae.
A) Infr a es tru ctur a Tur s ti c a
Bajo el concepto de infraestructura turstica se engloban todos los componentes
que permiten la formacin de un marco apropiado para el desarrollo de la actividad
turstica (Sirakaya et al., 1996). Bsicamente, se trata de una serie de instalaciones que
acondicionan un destino y que atraen a los visitantes. Entre ellas destacan las siguientes:
i) Servicios bsicos, como restaurantes (Fesenmaier, 1988; 1994; Haider y Ewing, 1990;
Dellaert et al., 1995), facilidad de acceso (Fesenmaier,1994;
Train, 1998; Riera, 2000),
servicios de seguridad (Schroeder y Louviere, 1999; Riera, 2000), guarderas (Borgers
et al., 1989; Schroeder y Louviere,1999), y alojamiento (Train, 1998). Dentro de esta
ltima categora de alojamiento, las caractersticas del hotel han suscitado un mayor
inters, como el precio, calidad (aproximada por el nmero de estrellas), localizacin
{7
En general, Hofy Rosenthal (1987) sugieren que este valor suele oscilar entre 0,25 y 0,5.
{s
Evidentemente, la consideracin de estas dimensiones en el anlisis emprico requilre una informacin
muy amplia sobre dichos aspectos de un destino (ej., para determinar los atributos ms valorados de un
hotel se precisa informacin, no slo sobre el destino seleccionado, sino sobre el establecimiento hotelero
elegido). La falta de dicha infornncin impide la inclusin de estas dimensiones en el estudio emprico
del Captulo III de esta tesis.
*e
Una dimensin alternativa que se utiliza habitualmente en otros contextos de eleccin (por ejemplo, en
centros comerciales) es la imagen. En el mbito del Turismo, la imagen de un destino representa el
conjunto de creencias, ideas e impresiones que un individuo se forma a partir de los atributos del destio
(Crompton, 1979). Estas creencias. ideas e impresiones se pueden generar en el individuo a partir de sus
experiencias personales, derivadas de la visita a un destino, o bien a partir de fuentes externas procedentes
del destino, como las actividades de promocin (Phelps, 1986). Sin embargo, a pesar de que el
conocimiento de la formacin de la imagen de un destino resulta crucial para el desarrollo de las
esategias de comunicacin (Gartrer, 1993), el tratamiento de la imagen presenta importantes problemas
operativos de medicin debido al carcter multidimensional de esta dimensin (Carmichael, 1994;
Gallarza et a1.,2002). El anlisis del efecto que la imagen produce en la eleccin de un destino implica
considerar el componente cognivo o de conocimiento del destiao, el componente afectivo o de
sentimiento hacia el destino y el componente de expectafivas, gue darn lugar al componente conativo por
ei que el individuo manifiesta la intencin acerca de viajar al destino (Moutinho, 1987; Gartrer, 1993).
Las dificultades para medir aspectos internos del individuo y para seleccionar los atributos claves que
itervienen en la formacin de ia imagen, as como para obtener un ndice que recoja mltiples
dimensiones, representa un importante problema de medicin que ha resingido su utilizacin en la
modelizacin emprica de destinos tursticos (Carmichael, 1994). De hecho, no se ha detectado ningn
t'abajo que incorpore en los modeios de eleccin probabilsticos la imagen como dimensin explicativa.
106
Cantulo II. La Eleccin en Turismo
(Fesenmaier, 1988; Dellaert et al., 1995; Gat, 1998), tamao (medido en nmero de
habitaciones), tipo de instalaciones (acuticas, deportivas, etc.), y la proximidad de
recursos naturales y de determinados servicios (aeropuertos, por ejemplo) (Haider y
Erving, 1990).
i|) Amenidades, como reas de pcnic (Schroeder y Louviere, 1999; Riera, 2000),
conrercios (Fesenmaier, 1988; 1994; Haider y Ewing, 1990; Dellaert et al. 1995),
instalaciones acuticas (Fesenmaier, 1988; Schoeder y Louviere, 1999), atracciones
diversas (parques temticos, zoolgicos, etc.) (Louviere y Hensher, 1983; Borgers et al.,
1989; Kempennan et al., 2000), y la disponibilidad de determinadas actividades
recreativas como natacin, pesca, bicicleta de montaa (Borgers et al., 1989; Morey et
al., 1991; Schroeder y Louviere,1999), excursionismo, esqu acutico (Gramann et a1.,
1985; Fesenmaier, 1988), caza (Miller y Hay, 1981), navegacin
@iera,
2000), museos
y conciertos (Stopher y Ergn, 1979). Cabe destacar la importancia de este ltimo
aspecto de las actividades recreativas disponibles en un lugar turstico (Fesenmaier,
1988), en la medida que la disponibilidad de una de estas actividades puede
condicionar, por un lado, la participacin en otras, debido a la tendencia cada vez mayor
a considerar un destino como un conjunto de actividades, en lugar de observarlas
separadamente; y, por otra, tambin puede condicionar la propia eleccin del destino
(por ejemplo, las actividades existentes en un destino pueden influir en la distancia que
un individuo est dispuesto a recorrer (Stopher y Ergn, 1982): un turista puede optar
por una playa ms lejana si en aqulla puede practicar esqu acutico). En este sentido,
la literatura de eleccin de destinos tursticos pone especial nfasis en que este tipo de
actividades pueden ser atributos crticos para el turista (Moscardo et al., 1995).
En general, tanto los servicios bsicos como las amenidades se recogen en la
modelizacin mediante variables cualitativas que reflejan la existencia de estos
elementos, proporcionando mayor utilidad a los destinos (Fesenmaier, 1988; Haider y
Ewing, 1990).
iii) La saturacin o grado de utilizacin de un destino. Este atributo,
directamente relacionado con los servicios bsicos y lu amenidades, es considerado por
las personas a la hora de elegir el destino (Ewing, i980), por lo que la literatura de
eleccin lo incorpora en los modelos mediante las percepciones de congestin de los
individuos acerca de determinados lugares de ocio (Louviere y Hensher, 1983; Borgers
107
et al., 1999; Schroeder y Louviere, 1999). En cuanto a su vinculacin con el atractivo
global de un destino A,Ewing (1980) seala que la saturacin mantiene una relacin
bilateral con aqul: Por un lado, cuanto mayor sea el atractivo de un lugar mayor ser la
saturacin y, por otro, niveles superiores de congestin reducen el atractivo del lugar.
As. definiendo I,; como los flujos entre el origen i y el destino j,
,v
L como la capacidad
del mismo, este autor obtiene el siguiente ndice de saturacin del destinoj,
i t,
H '
I ,
' t=2,
=t
J J
En la medida en que el atractivo del destinoj cumple que A,
=
f
(h), entonces
A,
=
f
(T) donde
Q
representa los flujos llegados al destino
7.
Pero, el flujo de
personas que llegan al destino j
tambin depende de su atractivo, 7.,
=
f
(A). De esta
forma, el impacto que la incorporacin o mejora de un atributo ejerce sobre los flujos de
visitantes debe medirse tanto a partir de su efecto directo (positivo, debido al aumento
de atractivo), como por el efecto inducido a travs de la saturacin (negativo, debido al
incremento de congestin).
B) Recursos naturales.
Los recursos naturales de un destino constituyen un conjunto de dimensiones de
carcter estrictamente cualitativo que permiten describir las alternativas de eleccin.
Entre ellos se distinguen las siguientes: caractersticas orogrficas (Adamowicz et al.,
1994; Schroeder y Louviere, 1999), atractivo esttico (Train, 1998), atributos
relacionados con aspectos
fluviales
(Adamowicz et al, 1994; Walsh et a1., 1992;
Schoeder
y Louviere, L999), y caractersticas de la
flora
(Borgers et al., 1989;
Schroeder y Louviere, 1999) y de la
fauna
autctona (Smith y Munley, 1978; Hay y
McConnell,1979; Adamowicz et al.,1994; Adamcjwicz et aI.,1995; Train, 1998). Estos
atributos se incluyen en los modelos a travs de variables nominales que indican su
presencia o ausencia, con la excepcin del atractivo esttico que viene recogido con
escalas de valoracin subjetiva. Evidentemente, la existencia (o mejora) de uno de estos
atributos aumenta el atractivo de un lugar y, por tanto, la probabilidad de seleccin.
Finalmente, una cuestin importante relacionada con los recursos naturales y con las
infraestructuras tursticas, es el anlisis del valor que los individuos atribuyen al uso
108
Captula II. La Eleccin en Turismo
twistico de dichos recursos, medido a travs del Excedente del Consumidor, y que se
expone a continuacin.
3.2.2.2.1.3. Excedente del Consu midor Turista
En el marco de las decisiones de Marketing resulta fundamental el estudio del
impacto que puede producir la mejora o instalacin de una infraestructura turstica o
atributo natural en el comportamiento de los consumidores. Para ello, y ante la decisin
de desarrollar una innovacin de este tipo, se requiere comparar los beneficios actuales
con los que se alcanzanan potencialmente con dicha mejora; siendo especialmente til
el examen del "valor" que los clientes otorgan a ambas situaciones (Smith, 1995). De
forma anloga, el razonamiento es vlido para un empeoramiento en uno de los
atributos.
La medida habitual del bienestar alcanzado por el consumo de un bien o servicio
es el "Excedente del Consumidor" (EC) (Smith, 1995), que se obtiene de sustraer de la
utilidad derivada de consumir un bien, la cantidad p necesaria para
adquirirlo: EC
=u
-
p, donde la utilidad, expresada en trminos monetarios, viene dada
por el precio de reservat'qut un individuo asigna a una unidad del producto. Es decir,
el EC es la diferencia entre lo mximo que estara dispuesto a pagar y el precio que
realmente se paga. Intuitivamente, se puede expresar como la cantidad monetaria que se
tendra que ofrecer a un individuo para que renunciase al consumo de un bien.
Siguiendo este enfoque de medicin, la comparacin de la situacin actual de
una instalacin o recurso turstico, con aqulla en la que se ha producido un cambio en
uno de sus atributos, implica contrastar los excedentes obtenidos en ambas situaciones
(Dubin, 1998). Para ello, si D(p,x,y) es la funcin de demanda de un producto, donde
p:precio, x:las caractersticas de los individuos e
l:los
atributos del producto; y se fija
un precio p*, el EC representa el rea contenida entre la curva D(p,x,y) y la recta en el
punto p* (ver Grfico 1). Ante un incremento de los precios, la prdida de bienestar
viene dada por la diferencia entre el EC al preciop* y al nuevo preciop**.
50
El precio de reserva hace referencia a la cantidad mxima que un individuo est dispuesto a pagar por
consumir un bien (Smith, 1995).
109
Captulo II. Lo Eleccin en Turismo
Grfico 1. Variacin del EC ante Cambios en los Precios
Cantidad
Fuente: Elaboracin propia a parrir
de Pindyck y Rubinfeld (200 I
).
'
De igual forma, si un cambio (empeoramiento) en un atributo (de y ay) de un
recurso retrae la demanda, el precio tender a bajar ap' (ver Grfico 2). Sin embargo, la
variacin en el EC no ser necesariamente positiva debido al desplazamiento de la curva
hacia abajo y ala izquierda. En suma, este cambio en el bienestar de los consumidores
debe ser considerado por el responsable de Marketing, para decidir si la modificacin
del atributo efectivamente se lleva a cabo.
Grfico 2. Variacin del EC ante Carnbios en los Atributos
Precio
p*
p'
Cantidad
Fuente: Elaboracin propia a partir de Pindyck y Rubinfeld (200 I
).
En el mbito del Turismo, este anlisis del Excedente del Consumidor ha sido
ampliamente aplicado. As, el incremento en el bienestar ha venido explicado por la
reduccin de la aglomeracin de gente en los lugares de recreo (Ciccheti y Smith, 1973)
y por la mejora de la calidad de las playas (Hanemann,1978);
mientras que la prdida
de bienestar ha sido evidenciada por no desarrollar un determinado perfil de exposicin
110
universal (Hensher y Louviere, 1984) y por la contaminacin de determinados recursos
naturales (Dubin, 1998). Por su pffie, Miller y Hay (1981) investigan el efecto negativo
de la reduccin del hbitat de determinadas especies sobre la participacin en
actividades tursticas relacionadas con este entorno; mientras que Adamowicz et al.
(i994) tratan de encontrar un equilibrio entre las actividades turisticas y la conservacin
ecolgica de parajes naturales.
En cualquier caso, esta corriente del EC presenta diversos problemas operativos
en la medicin del precio de reserva que finalmente han sido subsanados por la eleccin
discreta. Originariamente, se recurre a la Valoracin Contigente para determinar
directamente el precio extra que podran llegar a pagar los turistas. La Valoracin
Contingente se realizaba de dos formas: o bien el individuo indica directamente la
cantidad mxima que est dispuesto apaga, o bien seala este mximo sobre una serie
de precios (Smith, 1995). Los principales problemas aparecen con estas formas de
recoger la informacin, debido a que (Loomis, i988): i) no reflejan el modo en que los
individuos eligen en la realidad; ii) las respuestas pueden verse afectadas por sesgos al
alza, al proponer un precio mayor del que realmente un individuo estara dispuesto a
pagar; y iii) la arbitrariedad del precio de salida en la serie de precios puede influir en
las respuestas.
Sin embargo, estos problemas de medicin han sido solventados por los modelos
de eleccin discreta que se aproximan en mayor medida a la realidad del mercado. En
concreto, la eleccin discreta recoge la informacin de la predisposicin de un turista a
pagar un determinado precio por acceder a una instalacin
-nueva
o reformada-, a travs
de una variable dicotmica, teniendo en cuenta que el precio se extrae de forma
aleatoria para cada individuo de un conjunto de precios considerados de inters por el
analista. A continuacin, calcula Ia funcin de distribucin con respecto al precio F(p),
para finalmente aplicar la siguiente expresin que determina el precio medio mximo
que un conjunto de individuos est dispuesto a pagar (Loomis, 1988):
DP=
f
tl-
f@)Vp. Creel (1997) evidencia que, incluso en presencia de errores de
especificacin funcionales, los modelos de eleccin discreta proporcionan estimadores
insesgados de la disponibilidad media de pago.
t l r
Otro problema operativo surge del hecho de que muchos recursos son de
propiedad pblica (no sujetos a las leyes del mercado), por lo que no poseen un "precio
de utilizacin", 1o que ha llevado a los analistas tursticos a desarrollar diversos
enfoques indirectos para inferir el EC en estas situaciones. Una primera aproximacin
es la V/oracin a travs de Precios Hednicos (Cals, 1996), que estima el precio de un
recurso a partir de su efecto en un mercado real relacionado. Por ejemplo, los precios
corrientes de la actividad inmobiliaria en zonas tursticas son una consecuencia, y por
tanto indicadores, de los elementos ajenos a la propia construccin, como la calidad del
medio ambiente o las vistas paisajsticas. No obstante, el enfoque con ms aceptacin es
el Mtodo del Coste del Desplazamiento (Clawson y Knetsch, 1966), que estima el EC
r . ^. ^- -
como
LvD(CV,x,y)dCV,
equivalente al rea anteriormente descrita, donde el precio
se sustiruye por el coste del viaje CV incurrido en el desplazamiento hasta el destino.
No obstante, este mtodo del Coste de Desplazamiento recibe dos crticas
importantes (Dubin, 1998): i) no considera la existencia de competencia, por 1o que no
recoge las variaciones en el EC derivadas de la disponibilidad y uso de otros destinos
aiteniativos; y ii) la constriiccin de la ftincin de demanda requiere un cierto nivel de
agregacin de los individuos para determinar el nmero de viajes realizados desde cada
origen a un destino determinado, lo que implica definir las variables explicativas que
describen a un individuo representativo de cada origen y asumir, por tanto, prdidas de
capacidad explicativa derivadas de la reduccin del tamao muestral como
consecuencia de dicha agregacin (Smith, 1995).
En cualquier caso, los inconvenientes de esta aproximacin del Coste de
Desplazamiento tambin pueden ser sorteados con los modelos de eleccin discreta, ya
que stos pueden considerarse como una funcin de demanda individual para cada
alternativa (Williams, 1977),lo que facilita su aplicacin en el contexto de recursos de
propiedad pblica. As, dadas dos situaciones distintas de un destino j,
-acfual
y la
alterada en algn atributo-, con utilidades sistemticas Vj y V;
,
respectivamente, la
diferencia en el EC viene dada por la expresin (Ben-Akiva y Lerman, 1985):
P( j I Vt , V2, . . . , V
r ) dvi v2. . . dv r
E
rt2
representndose
para el caso del logit multinomial, como
nfr':
-nf"';
j =t j =l
y para toda la muestra ll, como:
J
- hl e
j =l
Esta medida, expresada en trminos de utilidad, tambin puede transformarse en
unidades monetarias al dividirse por el coeficiente asociado a una variable monetaria
(como el coste del viaje), contenido en la funcin de utilidad Z.
En suma, el clculo del EC a partir de estos modelos de eleccin discreta
optimiza el uso de la informacin debido a que las observaciones son individuales,
evitardo tener que determinar (muchas veces arbitrariamente) el nivel de agregacin
apropiado requerido por los mtodos de valoracin en el caso de los recursos pblicos.
Adems, no slo admite la existencia de destinos competitivos, sino que est
fundamentado en su propia existencia (Dubin, 1998).
3.2.2.2.2. Infl uencia de las Caractersticas Personales
La literatura seala que las caractersticas de los individuos que influyen en la
eleccin de los destinos tursticos son bsicamente las motivaciones, que actan como
factores "push" que "empujan" a la realzacin de estos viajes tursticos (Moutinho,
1987; Sirakaya,1992; Gartner, 1993; Sirakaya et al., 1996; Kim y Lee, 2002).
En general, con la seleccin de un determinado destino para el disfrute del
perodo vacacional, se persigue implcitamente la obtencin de un beneficio. Por esta
razn,las motivaciones
juegan
un papel fundamental en la seleccin de un destino, ya
que constituyen los pensamientos internos que dirigen la conducta del turista hacia la
consecucin de unos fines (Nahab, 1975); es decir, son las razones que lievan a las
personas arealizar un viaje (Santos, 1983). Estas motivaciones de los turistas se pueden
clasificar en la siguiente tipologa (Mclntosh y Goeldner, 1984): i) fisicas, como la
"relajacin"; ii) culturales, como conocer otras zonas geogrficas; iii) interpersonales,
[ J - ,
Fl t nl r' i '
4 l -
=t
L
j =l
4' ]
n3
Capnlo IL La Eleccn en Turismo
como
"socializar" y conocer gente
nueva; y iv) de prestigio, como la "autoestima" y la
"autorealizacin".
Incluso, algunos autores. como Calantone y Johar (1984) y Hu y Ritchie (1993)
evidencian que la variacin en la importancia asignada por los ruristas a los atributos de
los productos tursticos est originada por las motivaciones de cada situacin. As, una
persona que busca relajacin, valorar de forma distinta a otra que pretende
experinrentar aventuras, el atributo "posibilidad de practicar rafting en el destino".
En definitiva, la motivacin para realizar un viaje ser determinante en la
valoracin de los atributos as como en la eleccin del propio destino (Eymann y
Ronning, 1997;De Borja et al., 2002). Por todo ello, se propone la siguiente hiptesis
centrada en la motivacin de bsqueda de relajacin5l:
H.2.5. La motivacin de bsqueda de relajacin influye en la seleccin del tipo
de destino turstico.
Por otro lado, es irnportante destacar gtse, si bien 1as caractersticas
sociodemogrficas son determinantes en las decisiones vacacionales bsicas, como salir
de vacaciones; en el caso de la eleccin de destino estas dimensiones son utilizadas
generalmente como covariantess2 de los modelos de eleccin (Hay y McConnell,1979;
Miller y Hay, 1981;Morley, 1994a;1994b; Riera, 2000).
3.2.2.2.3,Impacto Marginal de los Cambios en las Dimensiones Explicativas
Una caracterstica especialmente relevante de los modelos de eleccin es su
capacidad para determinar la influencia de los cambios en las variables explicativas
sobre las probabilidades de eleccin de las altemativas de destino. Este efecto se mide a
travs del impacto marginal que produce una variable independiente sobre la
probabilidad P de eleccin de una altemativa. De forma general, la elasticidad de la
alternativa i respecto a cambios en la variable x, se define como t;
,.
=
yg
J!-
"^k
0*o P(i)
''
En particular, esta tesis slo considera la motivacin "bsqueda de relajacin" debido a la falta de
informacin disponible sobre un mayor nmero de dimensiones.
t'Esta
tesis no ha incluido finalmente estas variables como covariantes debido a los
problemas
empricos
econtrados alahora de estimar los modelos de eleccin de destinos.
1 1 4
I t a
Las implicaciones de las elasticidades para el Marketing son importantes debido
a que permiten conocer la variacin en las respuestas del mercado hacia cada
alternativa, ante cambios en sus atributos determinantes y en las caractersticas de los
individuos. En particular, a continuacin se exponen las expresiones de la elasticidad
para el Logit Multinomial, dada su extensa utilizacin y las canctersticas especficas
que posee (incorpora automticamente las interacciones entre las variables explicativas
contenidas en P(j) (Malhotra, 198a)); tanto para el caso de las caractersticas de los
individuos z:
como para los atributos de las alternativas x:
, , , r
=
F*xr(l -
P(t ))
donde
F*
es el parmetro que relaciona las variables analizadas
-;*
y Jr- con P(i), y
Bjk
cor:. Ptj).
Adems de las elasticidades directas, es posible estimar el efecto cruzado que
produce el atributo de la altemativaj sobre la alternativa i. Esta elasticidad indirecta
viene dada por la expresin ti,,r=-Box,oP(j), que refleja la propiedad de
elasticidades cruzadas uniformes; es decir, las elasticidades cruzadas de todas las
alternativas con respecto a un cambio en un atributo dej son iguales para todas ellas. No
obstante, este resultado, consecuencia de la hiptesis de Independencia de Alternativas
Irelevantes, puede ser irreal en muchas aplicaciones de Marketing, puesto que el hecho
de que la elasticidad sea independiente de la alternativa analizada, y nicamente
dependa de la alternativa que modifica el atributo, implica que todas las alternativas
compiten en el mercado de forma simtrica (Malhotra,
1984).
3.2.2.3. Definicin de la Funcin de Demanda Turstica
En el mbito del Marketing, el principal objetivo de cualquier modelo de
eieccin es estimar la demanda de los productos para tomar decisiones. En general, los
modelos de eleccin discreta permiten conocer las funciones de demanda de los
productos (destinos tursticos o empresas tursticas), sin mas requisito que el de
''"r
=lo
"
-lo'r
B.f'' r
115
incorporar el precio entre
funcin de utilidad lineal
atributos de inters y pry
Modelo Loeit Multinomial
las variables explicativas (Gat, 1998). As, asumiendo una
en preci os del ti po U,=v(x)-1.pr, donde xj son l os
el precio
de la altemativa j, es posible representar para un
la probabilidad de que el individuo t elljaj como
ev( xj ) -
) , . pr j
p -
L
I ov\ xr ) - A. pr r
I - l
T
De esta expresin se obtiene la demanda esperada
Q

=LN, . p,,
donde N es
=t
el nmero individuos de la poblacin con caractersticas simiiares al individuo r (Train,
2002).
Por otro lado, cabe resaltar que los modelos probabilsticos tambin permiten
identificar la
funcin
de demanda inversa, que facilita el anlisis, en trminos
cuantitativos, de las funciones de ingresos y de beneficios de una empresa o destino
turstico. As, reordenando la expresin de P,t, se obtiene que
"v(x
)-
), . rr
D_
t j t -
v ( x , ) - ) , pr ,
v ( , t -
e +
Le
'
" ' 1' Pr
l + e
= l
j *l
de donde se llega a que el precio de la alternativaj es:
l - pr ,
- r ' ( x, )
$ - 11. r , ) - , i . pr
/ . Y
t = l
j *l
I
pr
=
),
I
u(.r,) + lnl
t
_8i
L
o . \
p' ( ' ' ) - ' P\
1 l
^ - -
j +l
En concreto, esta funcin de demanda es la nica detectada en el mbito
Marketing Turstico, y es estimada por Gat (i998) para la demanda anual
habitaciones de hoteles, a partir de la variable calidad y del atributo precio.
del
de
l l 6
Capnlo II. La Eleccin en Turismo
3.2.2.3.1. Anlisis de la
o' No
Participacin"
El anlisis de la "no participacin"
es un problema empirico relacionado con la
muestra utilizada y que afecta al anlisis de la demanda tunstica. En particular, los
estudios basados en encuestas dirigidas a muestras de turists en el propio destino
permiten describir su comportamiento en trminos de alojamiento escogido, actividades
practicadas, modo de desplazamiento seleccionado, entre otros; por lo que proporcionan
informacin fundamental para la planificacin turstica del area estudiada. Sin embargo,
estas investigaciones presentan serios problemas a la hora de modelizar la demanda
turstica ya que quedan afectadas por el sesgo de seleccin, derivado de que la muestra
se disea en funcih de un destino elegido. Es decir, se asume que todos los individuos
(en destino) han optado por realizar un viaje para pasar unos das en un determinado
lugar distinto a su residencia habitual, cuando en realidad existe un porcentaje de la
poblacin (en origen) que decide no participar en ninguna actiridad recreativas3. Para
evitar este problema de caa a estimar la demanda turstica, Moriey
Q99a{
seala que
resulta fundamental la incorporacin de los procesos de decisin de los individuos que
no viajan, por lo que sugiere la obtencin de informacin mediante muestras de
poblacin en origen. Adems, Riera (2000) indica que para analizar conjuntamente el
comportamiento de los no participantes, la encuesta se debe enmarcar en un contexto
nacional o regional, que incluya a toda la poblacinsa:
usuarios y no usuarios.
Esta encuestacin en origen tambin evita tener que definir determinsticamente
y a priori los destinos sobre los que los turistas realizan su eleccin, permitiendo mayor
flexibilidad en la configuracin de los conjuntos de altemativas. Evidentemente, estas
ventajas se obtienen a expensas de un mayor esfuerzo de cmputo (el nmero de
altemativas disponibles puede ser muy elevado), y de una gran cantidad de entrevistas
requeridas para asegurar un determinado nmero de elecciones de cada alternativa
(Cosslett, 1981); circunstancias que han conducido a que nicamente los trabajos de
Eymann y Roruring (1992; 1997), en el marco de la demanda nrstica internacional, y
Morey et al. (1981) y Riera (2000), en un contexto regional, modelizan la demanda
t'
Ad"ms, la informacin acerca de un destino que proporcionan los tudstas que lo han elegido, puede
estar sesgada (Seddighi y Theocharous, 2002).
5a
Por ofa parte, en ocasiones tambin pueden aparecer inconsistencias en las estimaciones debido a que
las proporciones muesales de eleccin de cada alternativa no coinciden con las poblacionales. Para hacer
frente a este problema, Manski y Lerman (1977) introducen un trmino de correccin en la funcin de
maxima-verosimilitud consistente en el ratio del cociente entre ambas proporciones. Un ejenplo de
aplicacin en el sector turstico puede verse en Dubin (1998).
tt7
turstica mediante entrevistas en origen, tanto a participantes conlo no participantes (ver
Cuadro 2).
Por ltimo, con la finalidad de superar todas estas dificultades en la
modelizacin de la demanda turstica, los modelos de Eleccin Discreta Experimental
incluyen entre los perfiles la altemativa de "no participacin" (Adamowicz et aI., !994;
1998; Haider y Ewing, 1990; Morley, r994a, 1994b; Schroeder y Louviere, rggg),
facilitando la estimacin del voiumen de demanda (Zwenna,
1997), con independencia
del lugar donde se recoja la informacin. En cualquier caso, no se debe olvidar que los
resultados de estos modelos EDE se apoyan en una "declaracin de intenciones" por
parte de los entrevistados, por lo que las elecciones reales pueden no coincidir con las
declaradas.
3.2.3. Anlisis de la Eleccin y del Gasto Turstico
El estudio de los determinantes del gasto turstico tiene especial reievancia
debido a que se destina a esta partida una proporcin del presupuesto familiar cadavez
mayor, y porque los factores que influyen en los niveles de gasto realizado en las
vacaciones constituyen el primer paso de un anlisis ms detallado de cada uno de los
componentes existentes en el consumo de los productos tursticos, como el gasto en
transporte, alojamiento y actividades recreativas, entre otros (IVfelenberg y Van Soest,
199O.
CuadTo 4. EVIDENCTAS TiITPruCIS DEL ANLISIS DE LA ELECCIN Y GASTO TURSTICO
Corrientes de
Autores Model o Gastos
Vari abl es expl i cati vas
umenstones
del easto tursti co
I n
Sal i r de
vacaci ones y
gasto tursti co (1996)
Eleccin de Eymann
destnos y gasto (1995)
turstico
Mel enberg y Si stema de Gastos
Van Soest ecuaci ones: Probi t seneal es
Caractersticrs
-
Edad
personales -
Ciudad origen
Caractersticas
-
Durcin de la estancia
personales -
Tipo de transporte
-
Actividades arealizar en
el desti no
Bi nomi al y model o
de regresin
Model oDi screto- Castostursti cos
conti nuo general es
118
En concreto, la literatura de eleccin ofrece dos lneas de investigacin que
vinculan el gasto tursticoss con la decisin de salir de vacaciones y con la eleccin del
destino, respectivamente (ver Cuadro 4). En opinin de Melenberg y Van Soest (1996),
la consideracin simultnea de estas decisiones con el gasto nrstico permite obtener
estimaciones ms precisas de sus determinantes.
Una primera corriente de investigacin, planteada por lvfelenberg y Van Soest
(i996), propone la aplicacin de modelos de eleccin discreta para analizar
simultneamente las decisiones de participacin en actividades tursticas y de gasto
twstico. Para ello, estiman un sistema de dos ecuaciones en el que la primera ecuacin
refleja la decisin de salir de vacaciones (variable dicotmica) con un modelo binomial,
mientras que la segunda ecuacin representa el volumen de gasto dedicado a actividades
tursticas con un modelo de regresin. El sistema a estimar toma la siguiente forma
(Heckman, 1978;1979):
U,
=Vr +t ,
I
l r;
*u, si l J}
t
1l
L No existe si U,<0
)
GF
donde U representa la utilidad que le reporta al individuo I salir de vacaciones, G, el
gasto realizado en actividades tursticas (evidentemente,
slo existe gasto
si el individuo
decide ir de vacaciones, Ut>0), y
h
y V', las funciones que contienen las variables
explicativas, que pueden ser comunes o especficas de cada ecuacin.
Otra lnea de investigacin, planteada por Eymann (1995), propone la aplicacin
de modelos de eleccin discreta para analizar simultneamente la eleccin de destinos
(pases) y la cantidad de productos tursticos consumidos en cada uno de ellos (que
determina las patrones de gasto de un determinado destino). Ello implica estimar un
modelo discreto-continuo, donde una ecuacin explica una variable cualitativa para
representar la eleccin del destino y las restantes ecuaciones explican las variabies
" De forma general, los abajos que analizan el gasto que los hogares realizan en determinadas partidas
se centran exclusivamente en el estudio de los determiantes del gasto de cada hogar sin considerar
decisiones previas que pueden contener informacin relevante del proceso de decisin (Jarque, 1987).
Para ello, proponen la aplicacin de modelos de regesin censuada (modelos Tobit) debido a que
l l 9
cuantitativas que reflejan el volumen de gasto realizado en cada destino. El sistema de
ecuaciones a estimar presenta la siguiente forma:
(J,
=V,
+ e,
I
I
G, ,
=V,
+u, ,
t
G"
: V""'
+u"
I
" J
donde U defrne la utilidad que reporta la altemativaj al individuo /, G, es el gasto del
individuo I en el destinoj Vj=l,...,J, y Vty V'tlas funciones que contienen las variables
explicativas de cada decisin.
Siguiendo estas dos corrientes, la aplicacin emprica del Captulo III propone
estimar estos dos sistemas de ecuaciones. La finalidad ltima es analizar los factores
determinantes del gasto turstico, y contrastar las hiptesis propuestas en el siguiente
apafado.
3.2.3.1. Determinantes del Gasto Turstico e Hiptesis de Investigacin.
En general, el gasto turstico
caractersticas del viaje (duracin), de
las caractersticas sociodemogrficas
residencia) (S.G.T., 1992). stas se
hiptesis de investigacin.
medio por persona difiere en funcin de las
las restricciones presupuestarias (ingresos) y de
del viajero (edad y tamao de la ciudad de
revisan a continuacin, proponiendo diversas
Duracin de la estancia. Considerando que la duracin de la estancia es la
cantidad de producto vacacional comprada (Rugg, 1973; Morley, 1992), estancias
largas deben asociarse con mayores gastos (S.G.T.,
1989c; 1993). En este sentido, se
propone la siguiente hiptesis:
H.3.1: Estancias largas se asocian con mayores gastos
yacacionales.
Ingresos. La caracterstica personal ms utilizada por la literatura para reflejar la
capacidad de gasto del consumidor turstico viene representada por los ingresos (Usach,
1999). En esta lnea, Van Soest y Kooreman (1987) y Cai (1999) evidencian una
relacin positiva entre gasto turstico e ingtesos, lo que favorece la consideracin del
consideran los hogares que no realizan ningn gasto en estas partidas, censurando la variable que
representa los gastos en el valor cero.
t20
Turismo como tn bien normal (el gasto turstico aumenta conforme se incrementa la
renta). En consecuencia, se propone que:
H.3.2: Un mayor nivel de ingresos determina unos gastos tursticos superiores.
Edad. Con respecto a la relacin edad-gastos tursticos, Opaschowski (1990)
seala que la edad genera puntos de vista diferentes de las personas hacia el consumo
de ocio y vacaciones. As, las generaciones de
jvenes
y de mediana edad consideran
que las vacaciones forman parte de su modo de vida, y lo que se gasta de ms en las
vacaciones debe ser ahorrado durante el resto del ao. De hecho, el estudio de la B.A.T.
(1989; 1990) detecta una tendencia en los jvenes
a considerar prioritario el gasto
referente a las vacaciones, aunque una vez en el destino deseado la mitad de los turistas
restringe el consumo de bienes accesorios. En este sentido, Melenberg y Van Soest
(1996) obtienen que las familias jvenes gastan ms en actividades tursticas que las de
mayor edad. Por ello, se propone la siguiente hiptesis:
H.3.3: Los gastos tursticos se reducen con la edad.
Tamao de la ciudad de residencia. Tomando en consideracin lo expuesto con
respecto a esta variable en los anlisis previos, los habitantes de poblaciones mayores
manifiestan una necesidad superior de salir de vacaciones debido a una mayor necesidad
de "escapar" en busca de relajacin (S.G.T., 1989a; 1992); por lo que las familias que
viven en ciudades grandes gastan ms en tuismo que las que viven en ciudades
pequeas (Melenberg y Van Soest, 1996). As, se propone la siguiente hiptesis:
H.3.4: El gasto turstico aumenta para los individuos residentes en ciudades de
gran tamao.
Con el objeto de controlar el impacto de otras variables, se incluye en el modelo
el sexo, el estado civil, el tipo de viaje (multidestino) y la distancia recorrida (Eymann,
1995; Cai, 1999).
3.2.4. Eleccin Temporal del Viaje
La duracin de la estancia representa la demanda temporal de un producto
turstico. Estas funciones de demanda temporal de los productos tursticos han sido
estimadas tradicionalmente por la literatura con procedimientos habituales de regresin,
t21
lo que genera sesgos importantes derivados del carcter discreto de la variable
dependiente (Hellerstein y Mendelsohn, 1993), definida como el nmero de das que el
individuo penanece fuera de su lugar de residencia habitual. Para hacer frente a esta
circunstancia, la eleccin discreta propone diferentes modelos, pero ninguno de ellos ha
sido aplicado en la literatura de eleccin en Turismo. Una primera aproximacin viene
dada por el Modelo Logit Multinomial, pero ello implicara considerar un elevado
nmero de alternativas (0,i,2,3,...das) que impediran la obtencin de estimaciones
eficientess6, por 1o que los autores han desarrollado modelos alternativos que permiten
representar mejor esta situacin. El ms conocido es el que se deriva de la distribucin
de Poisson PQ.), donde 2 es la media de la variable aleatoria que viene definida en este
caso como el nmero de das que transcurren en un determinado intervalo de tiempo.
Sin embargo, el supuesto de igualdad media-varianza en que se fundamenta este modelo
es excesivamente restrictivo para representar el comportamiento de los individuos,
surgiendo as ei problema de sobredispersin por el que el modelo no recoge de forma
adecuada la heterogeneidad de los individuos (Gurmu y Trivedi, 1996).
Un modelo que flexibiliza esta restriccin es el que se fundamenta en la
distribucin Binomial Negativa (Cameron y Trivedi, 1998). Para el caso turstico, la
probabilidad de que el individuo r seleccione un nmero y de das de vacaciones fuera
de su lugar de residencia habitual viene dada por la expresin:
P( y, )
=
f(a-' )f(-r,, +
K
1 L Hk^t k
- L
+ ek=l
K
' L Pi ' ' t k
d, - ' + ek='
(
- t -
1) l
\ a
K
er =t
lI
donde f representa la funcin Gamma,

es la
parmetro que indica el efecto de x sobre P(y).
las observaciones, de tal forma
K K
s a - r s n *
\ , L, Pk^t * ", L, Yk", t
. a2 57
/ l Y, ) =e- =' +d' e* ='
=1, * d' 4, .
caracterstica del individuo t y
B
el
El parmetro a recoge la dispersin de
" -
que E(Y,)
=
"(*û
-
^,
Y
56
De hecho, Cameron y Trivedi (1998) indican que aquellas alternativas que hubieran sido seleccionadas
e_n escasas ocasiones por los individuos debera ser agregadas para obtener
lna
estimacin eficiente.
"
Una manera de verificar la validez del modelo Binomial Negativo frente al modelo de Poisson consiste
en contrastar la hiptesis nula arO. Ntese que su aceptacin implicara que E(y):V(y,), por lo que el
modelo de Poisson es un caso particular del Binomial Negativo cuando r0 (Gurmu y Trivedi, 1996).
r22
Dada la ausencia de evidencia emprica de estos modelos con variable
dependiente discreta en Turismo, la aplicacin emprica del Captulo III adaptar este
modelo Binomial Negativo, con el objeto de analizar los determinantes de la duracin
de la estancia y de contrastar las hiptesis que se proponen a continuacin.
3,2.4.1. Factores Determinantes de la Eleccin Temporal del Viaje e Hiptesis de
Investigacin.
Con el fin de examinar los factores determinantes de la eleccin temporal del
viaje, se revisan distintas dimensiones relacionadas con las restricciones del individuo
(das de vacaciones disponibles, su continuidad e ingresos) y con las'caractersticas
sociodemogrficas (tamao de la ciudad de residencia), proponindose diversas
hiptesis de investigacin.
Restricciones temporales: Das disponibles de vacaciones y sufraccionamiento.
Los modelos tericos de Rugg (1973) y Morley (L992) proponen que tanto las
restricciones temporales como las presupuestarias reducen la duracin de la estancia.
Las restricciones temporales a la actividad turstica vienen dadas por el nmero de das
que dispone el turista (Moutinho y Trimble, 1991; Mak y Moncur, 1979) y por la falta
de continuidad de su perodo vacacional (Eymann y Ronning, 1992). Por tanto, se
propone las siguientes hiptesis:
H.4.1a: Un menor nmero de das dispontbles para las vacaciones dismirutye la
duracin de la estancia.
H.4.1b: La
falta
de continuidad del perodo vacacional disntinuye la duracin
de la estancia.
Ingresos. Considerando que las vacaciones son un bien normal (Hay y
McConnell,1979; Bardn, 1991; Walsh et al., 1992), a medida que se incrementan los
ingtesos debe aumentar la cantidad de vacacones contratada, medida por la duracin de
la estancia (Silberman, 1985). Sin embargo, Mak y Moncur (1979) evidencian que el
incremento de la renta disponible para el consumo vacacional ejerce un impacto mayor
en el tipo de producto seleccionado que en la duracin de la estancia (ej.un turista con
ingresos mayores es ms probable que opte por unas vacaciones de alta calidad en lugar
123
de ofras de inferior calidad y ms largas). Ante esta falta de consenso, se propone la
sigente hiptesis HA.2 sin direccin alguna:
H.4.2: El nivel de ingresos influye en la duracin de la estancia.
Tamao de la ciudad de residencia. Los resultados del informe de la S.G.T.
(1993) para el caso espaol de relacin positiva entre el tamao de la ciudad y la
propensin a salir de vacaciones, pueden hacerse extensibles al nmero de das que el
individuo decide salir fuera de su residencia habitual debido a la necesidad de
relajacin. Es decir, la necesidad de "escapar" de los habitantes de las grandes ciudades
(Eymann y Ronning, 1997) conduce a qde perrnanezcan ms das fuera de las grandes
urbes. En este sentido, se plantea que:
II.4.3: Grandes ciudades de origen conducen a estancias ms largas.
Con el objeto de controiar el impacto de otras variables, en lnea con otros
autores (Mak y Moncur, L979; Silberman, 1985; Crawford y Godbey, 1987; S.G.T.,
i989a; Bardn, l99l; Goytia, 1998; Cai, 1999), se incluyen las siguientes: tipo de viaje
(internacional y multidestino), sexo, estado civil, edad, nios y la opinin de salir de
vacaciones.
3.2.5. Eleccin y Preferencias Heterogneas: Segmentacin del Mercado Turstico
La evolucin del mercado turstico en los ltimos aos ha convertido la
segmentacin en un elemento de gran importancia en la estrategia de Marketing de las
empresas tursticas, debido fundamentalmente a la intensificacin de la competencia y a
la existencia de una demanda ms exigente y heterognea, que busca una prestacin de
servicios adaptada a sus necesidades especficas (Daz e Iglesias, 2000; Gonzlez y
Esteban,2000).
La presencia de estas preferencias heterogneas en un mercado puede provocar
estimaciones sesgadas e inconsistentes en los modelos de eleccin que no la consideren
explcitamente (Hsiao, 1986), por lo que la literatura de eleccin propone tres
altemativas para recoger esta heterogeneidad (Gonzlez Benito, 2000): i) aplicar los
modelos de eleccin discreta a los diferentes segmentos de mercado definidos a priori a
partir de la similitud de determinadas caractersticas de los individuos. (Currim, 1981).
En otras palabras, se trata de definir a priori los segmentos a partir de determinadas
1 1 A
Captulo II. La Eleccn en Turismo
caractersticas personales comunes para estimar a continuacin un modelo de eleccin
para cada grupo, y finalmente contrastar las diferencias de los pariimetros de cada
especificacin. En este anlisis, si el modelo incluye atributos de los destinos, se pueden
detectar los segmentos de individuos que otorgan un mayor valor a los mismos. Este
procedimiento ha sido utilizado por Stopher y Ergn (1979) y Moutinho y Trimble
(1991), con el fin de detectar las valoraciones que los distintos segmentos atribuyen a
las actividades recreativas y a las caractersticas de los destinos, respectivamente.
ii) Incorporar directamente las caractersticas de los individuos en los propios
modelos (Ben-Akiva y Lerman, 1985). En concreto, estos rasgos personales se utiiizan
como covariantes, de manera que se puede predecir la eleccin de cualquier individuo,
con independencia de su perfil sociodemogrfico. En esta lnea, Morley (1994)
construye un modelo que permite identificar las eleccin de destinos tursticos
internacionales atendiendo a las caractersticas personales de los turistas.
iii) Incorporar la heterogeneidad de las preferencias estimando modelos de
eleccin que asumen la existencia de parmetros de respuesta diferenciados para cada
individuo. Bajo este enfoque, existen dos aproximaciones: La primera implica la
construccin de un modelo de "efectos fijos" que supone la aplicacin de los modeios
de eleccin discreta a un nico individuo a partir de una muestra longitudinal de sus
elecciones (historial de compra), lo que permite obtener estimaciones individuales de
sus coeficientes (Chintagunta et al, 1991). Sin embargo, el uso de este procedimiento
posee importantes restricciones derivadas de la informacin disponible, debido a que el
nmero de observaciones de cada individuo suele ser reducido, y a que sus elecciones
quedan limitadas a algunas de las altemativas disponibles, lo que conduce a la aparicin
de problemas de identificacin de parmetros (Rossi y Allenby, 1993).
La segunda aproximacin se basa en un modelo de "efectos aleatorios" y
propone modelizar la heterogeneidad asumiendo que los coeficientes de las funciones
de utilidad de cada individuo varan de acuerdo con una distribucin de probabilidad,
continua
-que
da lugar al Modelo Logit de Coeficientes Aleatorios (seccin 3.1.2.4.1 del
Captulo f)- o discreta
-que
conduce al Modelo Logit de Clases Latentes (seccin
3.1.2.4.2 del Capfulo I)-. En particular, el Modelo Logit de Clases Latentes hatenido
gran aceptacin en la literatura de segmentacin debido a que la estimacin de los
soportes
-o
puntos donde la distribucin acumula las mayores masas de probabildad
125
(Jain et al., 1994)- permite identificar los segmentos latentes representados por grupos
de individuos con perfiles de respuesta similares.
Adems, la ventaja de la distribucin discreta frente a la continua para segmentar
radica en el hecho de que no requiere asumir una distribucin de probabilidad
concreta,
ya que los segmentos se obtienen ajustando los datos empricamentess (Cavero y
Cebollada, 1999). Sin embargo, este enfoque discreto presenta dos limitaciones
(Allenby et al., 1998; Allenby y Rossi, 1999): i) la estimacin resulta compleja a partir
de seis soportes, por lo que presenta problemas para capturar la heterogeneidad
completa de la muestra; y ii) la imposibilidad para identificar las preferencias de los
individuos situados ms all de un determinado umbral de la funcin de distribucin (p.
ej. en las colas de la distribucin).
Por ello, algunos autores consideran que la manera ptima de recoger la
heterogeneidad del mercado consiste en estimar los parmefros de cada individuo, ya
que esto permite recoger cualquier estructura de preferencias de los individuos (Atlenby
y Rossi, lggg)se. En esta lnea, Revelt y Train (2002) han propuesto una tcnica de
segmentacin de mercados a partir de las elecciones individuales observadas, basada en
el procedimiento de estimacin bayesiana de Rossi y Allenby (1993). Este
procedimiento se desarrolla en dos etapas. En primer lugar, estima mediante tcnicas de
simulacin las funciones de utilidad individuales de un modelo de eleccin discreta
"Logit con Coeficientes Aleatorios". Y, & continuacin, los parmetros individuales
referidos a los atributos de la funcin de utilidad se utilizan como datos de partida de un
anlisis cluster para formar segmentos de individuos.
Considerando las ventajas de operar con funciones de utilidad individuales, y
que hasta la fecha no se ha detectado ninguna aplicacin de este procedimiento en
Marketing Turstico, se utilizar en el Captulo III de esta tesis para segmentar el
mercado turstico espaol.
s8
En este sentido, Hecknan y Singer (1984) sealan que las distribuciones discretas poseen suficiente
flexibilidad para aproximar cualquier funcin de distribucin con un nmero suficiente de soportes.
5e
Cabe destacar que la literatura economtrica ha prestado escasa atencin en la elboracin de
procedimientos estadsticos que permitan estimar parnetros individuales, a pesar de que la informacin
que proporcionan estas estimaciones son de gran valor parala toma de decisiones en Marketing (Allenby
y Rossi , 1999).
126
Captulo II. La Eleccin en Turkmo
3.2.6.Implicaciones de los Nlodelos Probabilsticos de Eleccin
El anlisis del comportamiento de eleccin es un elemento clave para el diseo
de polticas y estrategias de Marketing Turstico. No se debe olvidar que en un contexto
donde las empresas tursticas se enfrentan a un rpido incremento en el nmero de
destinos alternativos y de competidores, as como a una clientela ms exigente (Alts,
1995), las ventajas competitivas nicamente sern alcanzadas por aquellas
organizaciones capaces de reconocer los aspectos ms valorados por los turistas, que
conducen a la seleccin de su producto turstico. En este sentido, nuestro trabajo
propone que los modelos probabilsticos
de eleccin constituyei un importante
instrumento de anlisis debido a las siguientes implicaciones para la gestin del
IVf arketing Turstico.
Primero. Diseo del Marketing-Mix. Los modelos de eleccin proporcionan
informacin til para el diseo de las polticas de Marketing: i) Polticas de producto.
Las empresas deben actuar sobre las percepciones que los clientes tienen de los
atributos de sus productos a travs de determinadas variables que controlan, y que se
consideran dimensiones claves, puesto que los consumidores las utilizan para evaluar y
comparar productos (Louviere, 1994). En esta lnea, los modelos probabilsticos de
eleccin definen la utilidad de cada altemativa a partir de estas dimensiones clave, lo
que posibilita el anlisis del impacto de la inclusin de nuevos atributos, o de la
modificacin de los ya existentes, sobre las probabilidades de compra del producto
turstico.
En el contexto del diseo de nuevos productos recreativos, los modelos EDE
constituyen un instrumento de anlisis eficiente (Louviere y Hensher, 1983; Roehl et a1.,
1993). Ello obedece, por un lado, a que definen la utilidad de cada alternativa a travs
de una valoracin global de todos los atributos, lo que permite observar posibles
compensaciones entre ellos y obtener el perfil ptimo de un producto; y, por otro lado, a
que se fundamentan en elecciones sobre perfiles hipotticos, lo que posibilita evaluar de
forma inmediata, el impacto derivado de incorporar una alternativa no existente an en
el mercado (Louviere y Hensher, 1983; Louviere y Woodworth, 1983; Lieber y
Fesenmaier, 1984; Fesenmaier, 1988; Haider y Ewing, 1990; Fesenmaier, 1994;
Dellaert et al., 1995). De igual modo, estos modelos EDE se pueden utilizar para
analizar los productos de una empresa, facilitando la toma de decisiones acerca de su
r27
cartera de productos (para evitar, por ejemplo, la posible canibalizacin entre los
mismos). En este sentido, la inclusin simultnea de todos los productos permite
analizar los efectos cruzados.
ii) Polticas de precio. Tomando en consideracin la variabilidad
en la
composicin de los productos tursticos, los modelos de eleccin han demostrado ser
instrumentos eficaces para analizar los precios
-desde
una perspectiva global y de sus
componentes- (Sheldon y Mak, 1987; Haider
1.Ewing,
1990; Train, 1998; Kemperman
et ai., 2000). Por un lado, permiten obtener informacin acerca de la variacin de la
demanda ante modificaciones en los precios y, por otro lado, posibilitan la
identificacin de las compensaciones entre los precios y el resto de atnbutos (por
ejemplo, permiten determinar hasta qu punto un turista est dispuesto a pagar un
mayor precio a cambio de reducir el tiempo de desplazamiento a un destino).
Asimismo, en el anlisis de la Valoracin Contingente
-que
determina el precio
extra que los turistas pueden llegar a pagar por una mejora de un atributo-, y en el
Mtodo del Coste del Desplazamiento
-que
estima el "precio de utilizacin" de recursos
pblicos-, los modelos de eleccin discreta han supuesto un importante avance debido a
que se aproximan a la realidad del mercado a la hora de recoger la informacin y evitan
los problemas de medicin de las tcnicas tradicionalmente empleadas (Loomis, 1988;
Creel, 1997).
iii) Polticas de distribucin. El anlisis del modo en que los turistas efectuan sus
elecciones y contratan los viajes tursticos es fundamental para las empresas prestatarias
de los servicios en destino y para los intermediarios, puesto que ello les permite
establecer vnculos comerciales apropiados entre los operadores tursticos y desarroliar
polticas eficientes de intermediacin. En este sentido, los modelos de eleccin permiten
detectar el tipo de viajes en los que los turistas utilizan los intermediarios y el perfil del
intermediario seleccionado, lo que supone un importante instrumento de apoyo a la
gestin.
iv) Polticas de comunicacin. En la medida que las actividades de promocin
influyen en el conocimiento del destino, en los sentimientos hacia el mismo y en las
expectativas generadas, las polticas de comunicacin son determinantes para la
formacin de la imagen de un destino
@helps,
1986; Gartner, 1993). En este sentido, la
t28
modelizacin de eleccin discreta permite detectar los ahibutos ms valorados de un
destino (Carmichael, 1994), lo que supone una valiosa informacin para el desarrollo de
campaas de promocin.
Segundo. Anlisis de la segmentacin del mercado turistico. La heterogeneidad
de la demanda es especialmente patente en la actividad turstica, manifestndose en los
ltimos aos con la aparicin de diferentes tipos de turistas (Snchez, 2000). Tampoco
se debe olvidar que desde un punto de vista del beneficio empresarial, el objetivo es
atraer el mayor nmero de individuos con una elevada propensin de gasto por da de
estancia, por lo que su identificacin resulta clave para asegurar determinados niveles
de rentabilidad. En este sentido, los modelos de eleccin analizan las caractersticas de
los individuos y facilitan el tratamiento de la heterogeneidad del mercado, por lo que
constituyen una herramienta adecuada para distinguir pautas de comportamiento de
eleccin. Asimismo, estos modelos permiten detectar aquellos clientes que otorgan
valor al posicionamiento propuesto por la empresa para un atributo o producto
(Louviere, 1994).
Tercero. Anlisis de la demanda. Un buen nmero de decisiones empresariales
se apoya en la prediccin de ia demanda agregada del mercado (Ben-Akiva y Lerman,
1985), en trminos del nmero de visitantes que un destino turstico espera recibir en un
perodo determinado. En esta lnea, los modelos probabilsticos de eleccin permiten
explicar y predecir las cuotas de mercado, cuantificando la demanda de un producto
turstico. Adems, esta modelizacin incorpora explcitamente los determinantes de las
cuotas de mercado, lo que facilita a los directivos realizar inferencias sobre la variacin
de la respuesta del mercado ante las decisiones de la propia empresa as como de las
rivales.
Del prrafo anterior, tambin se deduce que la eleccin probabilstica facilita el
anlisis de la competencia. La incorporacin de los productos competidores como
alternativas, posibilita el examen de las cuotas de mercado y de los factores
determinantes de la seleccin de un producto de la propia empresa o de los rivales. Ello
incidir en ltima instancia en las lneas de actuacin conducentes a incrementar la
demanda de un producto concreto.
t29
Finalmente, la disponibilidad de un instrumento analtico con el que evaluar la
rentabiiidad social de los proyectos relacionados con el Turismo y la Recreacin, es un
punto central de inters en la gestin pblica del Turismo (Cals, 1996). No se debe
obviar que en Turismo se producen externalidades (efectos extemos
-positivos
y
negativos- que no quedan internalizados en las transacciones privadas pero que pueden
alterar sustancialmente el balance social de la industria), lo que conduce a la necesidad
de intervencin de las administraciones pblicas en el sistema, con el fin de orientar el
funcionamiento de la industria hacia la obtencin del maximo bienestar colectivo (De
Rus y Len, 1997). En este sentido, los modelos probabilsticos
representan un
instrumento bsico de apoyo a la gestin, al estimar el Excedente del Consumidor a
partir de observaciones individuales (Adamowicz et a1.,1995; Dubin, 1998).
En definitiva, el anlisis del comportamiento de eleccin del individuo y de sus
determinantes a travs de la modelizacin probabilstica puede ser utilizado, por las
empresas tursticas para desarollar actividades de Marketing relacionadas con las
polticas de producto, precio, distribucin y comunicacin, el anlisis de la
segmentacin de mercados, el estudio de la demanda y de la competencia; as como por
las administraciones pblicas para valorar la rentabilidad social derivada de los recursos
twsticos de un destino.
Para terminar, cabe sealar que este segundo captulo presenta los modelos
probabilsticos de eleccin como instrumento para representar el complejo entramado de
interrelaciones existentes en el sistema turstico. En esta lnea, se ha presentado una
panormica de la literatura terica y emprica sobre eleccin en Turismo, mostrando el
estado de la cuestin en cada una de sus parcelas y proponiendo diversas hiptesis de
investigacin. Bsicamente, la Teora de la Utilidad Aleatoria en la que se fundamentan
las aplicaciones empricas permite reflejar de una manera ms realista el
comportamiento de los turistas, en comparacin con las teoras de eleccin basadas en la
Teora Econmica Neoclsica. Evidentemente, esta modelizacin no est exenta de
problemas operativos, como la medicin de algunas de las variables de inters o la
definicin precisa de las alternativas, entre otras. Sin embargo, estos modelos
proporcionan informacin valiosa para la toma de decisiones de Marketing.
En el siguiente captulo se aplica este instrumento al caso turstico espaol en un
mbito nacional, que supera los inconvenientes del carcter regional de los estudios
130
Captulo II. La Eleccn en Turismo
realizados hasta la fecha. Asimismo, se efectua un anlisis integral de las elecciones en
Turismo, en el que se contrastan las hiptesis de investigacin planteadas, y se propone
la utilizacin de determinados modelos de eleccin para diversos contextos.
t 3l
CAPITULO ilI
COMPORTAMIENTO DE ELECCIN DEL
TURISTA ESPAoT
Captulo lll.Comportaniento de Eleccin del Turista Espaol
1. OBJETIVOS DE INVESTIGACIN
Aunque el sector turstico espaol es uno de los principales motores de la
economa (su contribucin media en la d,cada de los 90 al PIB ha sido del 1lYo60),
evidencia una carencia de propuestas
analticas para el estudio de los factores que
explican y condicionan este sector (Uriel et al., 2001). En esta lnea, este trabajo
pretende profundizar en el mismo con la finalidad de dotarlo de un instrumento objetivo
de anlisis.
En concreto, los objetivos de esta investigacin son los siguientes: En primer
lugar, se realiza un anlisis integral del comportamiento de eleccin del turista que
incluye varias decisiones. La multiplicidad de decisiones inlerentes en el proceso de
seleccin turstica y la flexibilidad de la modelizacin de eleccin discreta para
representar diversos contextos de eleccin, permiten que este enfoque pueda ser
aplicado en un ampiio abanico de posibilidades.
Sin embargo, la literatura emprica ha
adoptado, hasta la fecha, una aproximacin parcial estudiando elecciones tursticas
especficas. Por ello, y como novedad, se efecta un anlisis integral que investiga
simultneamente distintas elecciones tursticas, a panir de una muestra de mbito
nacional formada por 3.681 individuos, que permite observar el efecto diferenciado que
pueden ejercer las dimensiones utilizadas en cada una de las elecciones, sin riesgo de
introducir sesgos derivados de la utilizacin de muestras distintas para cada decisin.
En segundo lugar, este trabajo trata de contrastar las hiptesis planteadas en las
lneas de investigacin revisadas en el Captulo II, relativas a las siguientes elecciones:
i) Eleccin del tipo de vacaciones, que a su vez engloba tres decisiones: a) salir fuera
del lugar de residencia habitual en el perodo vacacional, explicando sus factores
determinantes (ingresos, tamao del hogar, edad, situacin laboral, tamao de la ciudad
y opinin sobre salir de vacaciones); b) viajar al extranjero frente a la alternativa de
perrnanecer en territorio nacional, lo que puede arrojar luz acerca del perfil del
individuo con mayor probabilidad de viajar al exterior, en trminos de la organizacin
del viaje, nmero de nios, nivel de estudios, inters del individuo por la cultura y por
conocer lugares nuevos; y c) tipo de viaje en trminos de su carcter itinerante; es decir,
si el individuo opta por pelmanecer en un lugar fijo o, por el contrario, recorre distintos
60
Informacin obtenida de los informes del Instiruto de Estudios Tursticos de varios aos.
133
Captulo lll.Comportanieno de Eleccin del Turista Espaol
lugares. Ello se intenta explicar a partir de la organizacin del viaje y del inters cultural
y por conocer lugares nuevos.
ii) Eleccin de destinos, considerando tres objetivos de investigacin: a)
examinar los factores determinantes en la eleccin de destinos, definidos a partir de
divisiones administrativas. Ello permite conocer los flujos de personas producidos entre
las distintas comunidades autnomas y provincias, as como sus dimensiones
explicativas (extensin del destino, superficie y diferencial de precios entre los distintos
orgenes y destinos) para el caso espaol; b) analizar los factores determinantes en la
eleccin de destinos definidos a partir det tipo de producto (atendiendo
al carcter
urbano
-ciudad
o pueblo- y su ubicacin
-costa
o interior-), en trminos de los precios
de los destinos y de las motivaciones personales6l; y c) examinar el intercambio
repeticin-distancia, para conocer si el efecto ambiguo de la distancia (para un grupo de
personas una mayor distancia supone un efecto disuasorio, mientras que para otro puede
aportar utilidad) puede venir moderado por otros factores, como la repeticin de un
destino.
iii) Eleccin y gasto turstico, desde dos perspectivas. Por un lado, se analizan
simultneamente las decisiones de saii de vacaciones y de gasto implicado en las
actividades tursticas, lo que permite observar las caractersticas relevantes de cada
decisin; y por otro, se examina la decisin del gasto
junto
con el tipo de destino
seleccionado, que facilita la descripcin de los patrones de gasto de cada destino.
iv) Contraste de las hiptesis referidas a la eleccin de la duracin de la estancia
(o demanda temporal de un producto turstico) en trminos del fraccionamiento y
duracin de las vacaciones, ingtesos y tamao de la ciudad. Para la consecucin de tal
objetivo, se propone utilizar, como novedad en Marketing Turstico, un Modelo
Binomial Negativo truncado, que permite diferenciar el significado cualitativo del valor
cero.
Por ltimo, se pretende segmentar el mercado turstico espaol, proponiendo
utllizar, por primeravez en este mbito, el procedimiento Bayesiano de Revelt y Train
(2002) de estimacin de funciones de utilidad para cada individuo.
6r
Evidentemente, la conhastacin del efecto de la extensin y de la distancia viene impedida por esta
definicin discontinua en el espacio de dichas ahernativas.
I J+
Captulo lll.Comportantiento de Eleccin del Turista Espaol
Con estas consideraciones, este captulo se organiza de la siguiente forma: el
segundo epgrafe expone y
justifica
la metodologa propuesta para cada contexto de
eleccin analizado. El epgrafe tercero describe la muestra, las fuentes de datos y las
variables utilizadas en el anlisis. A continuacin, se exponen los resultados obtenidos,
parla frnalizar con las princip ales conclusiones.
2. METODOLOGA DE INVESTIGACIN
Este epgrafe describe la metodologa de investigacin propuesta para cubrir los
objetivos indicados en el apartado anterior. En concreto, a continuacin se presenta la
metodologa utilizada en la eleccin del tipo de vacaciones (seccin 2.1), en la eleccin
del destino (2.2), en la eleccin y gasto turstico (2.3), en la eleccin de la duracin de la
estancia (2.4), y en la formacin de segmentos tursticos (2.5).
2.1. Eleccin del Tipo de Vacaciones
La metodologa propuesta para contrastar las hiptesis relativas a las decisiones
de salir de vacaciones, de viajes internacionales y de viajes multidestino, se apoya en la
aplicacin de Modelos Logit Binomiales debido al carcter dicotmico de estas
decisiones, en lnea con Hay y McConnell (1979), Miller y Hay (l9sl) y Walsh et al.
(1992), entre otros. As, asumiendo linealidad en los pariimetros, la funcin de utilidad
de la alternatva i, U, toma la forma siguiente:
uu
=f pox,o
+ e,
k=l
donde -r ropresDtala caracterstica k del individuo f,
B
elparnrretro de la variable ft, y
a el trmino de error distribuido bajo una funcin Gumbel. La probabilidad de la
alternativa i viene determinada por la expresin (Ben-Atiiva y Lerman, 1985):
p -
( x
)
1+ expj l Fr r , r l
[ e=1 )
Se estimar por mxima verosimilitud, siendo la funcin objetivo
MV (o)
=i{on pn
+ (t
-
d,,
)
mtr
-
A ]}
t - 1
*r{
pr,.}
135
Captulo lll.Comportamienlo de Eleccin del Turista Espaol
donde d'l si el individuo I elige la alternativai,y cero en caso contrario; representa
los parmetros
B*
a estimar. Este modelo permite superar las incongruencias del Modelo
de Probabilidad Lineal (revisado
en el Captulo I), relativas a las estimaciones
probabilsticas fuera del rango (0,1) y al supuesto de cambios constantes en P,7 con
independencia del valor de la variable expcativa (Hay y McConnell
,
1979; Maddala,
i 983; Scot t , 1997).
2.2. Eleccin del Destino
La metodologa propuesta en la eleccin de los destinos difiere en funcin de
que los destinos se especifiquen en trminos de las divisiones administrativas o del tipo
de destino.
2.2.1. Divisiones Administrativas
Para el anlisis de la eleccin a nivel de unidades administrativas (comunidades
y provincias) se propone la estimacin de Modelos Logit con Coeficientes Aleatorios.
Ello obedece a que el gran nmero de destinos
-I7
para las comunidades autnomas y
50 para las provincias-, impide la utllizacin de los Modelos Logit Multinomiales,
debido a que la correlacin existente entre los atributos no observables de las distintas
alternativas conducira al incumplimiento de la hiptesis de Independencia de
Alternativas krelevantes. Tampoco resultara factible la estimacin de Modelos Probit
Multinomiales debido a las dificultades de estimacin a partir de cuatro altemativas
(McFadden, 1986). En suma, la funcin de utilidad del Logit de Coeficientes Aleatorios
viene definida por la expresin
u
,
=i
B,oz,n
+ e,
h=l
donde z represota el atributo h de la alternativa i,
f*
es el parmetro aleatorio del
individuo / referido a la variable h, y el trmino de error distribuido bajo una funcin
Gumbel. As, la probabilidad de eleccin de la alternativa i se expresa como (Train,
2002):
*r{EB.'.}
P, =l ^
'Pt
*' {, , , ' , n\
136
(8, l b, w)dp,
donde -/ es el nmero de alternativas y
Q
es la funcin de densida d de
8,,
asumiendo que
B
se distribuye como una Normal de media b y varianza W62.
Sin embargo, la integral anterior no proporciona una solucin cercada, por lo que
su estimacin requiere aplicar tcnicas de simulacin3 (Train, 2001a), con el fin de
optimizar la siguiente funcin de mxima verosimilitud simulada
I l +r^, tl
r r l , ^
expl
) , Fi r t , r l I
MVS@)=I I d kl *I
, **i
t =' j =t
l "
' ='
I r*pl l zi rt , rf l
[ =r l =r )
)
donde dtj:l si el individuo r elige la alternativa j, y cero en caso contrario; y R es el
nmero de extracciones de la funcin de densidad
ilfu.8n
este caso, el vector F{b,W
representa el estimador mximo verosmil simulado (MSLE, maximum simulated
likelihood estimator). Para la realizacin de las extracciones de la funcin de densidad
se utiliza el mtodo de las Secuencias de Halton (ver Apndice A), que resulta ser
superior al de las extracciones aleatorias al reducir el error cometido (Spanier y Maize,
1 99 1
;
Train, 1999
;
Munizaga y Alvarez-D aziano, 200 1
;
Hensher, 200 1
).
2.2.2. Intercambio Repeticin-Distancia
Este apartado pretende analizu el efecto moderador de la repeticin de un
destino sobre la relacin entre la distancia y la eleccin del destino (a nivel de
provincias)
uo.
Es decir, se trata de contrastar si el efecto de la distancia sobre la utilidad
obtenida al visitar un destino, vana en funcin de que dicho destino ya haya sido
visitado anteriormente (Hiptesis H.2.3). Con este propsito, la metodologa a seguir se
apoya en el procedimiento propuesto por Sharma et al. (1981), que implica determinar
si la interaccin entre la variable moderadora y la explicativa es significativa de cara a
explicar la variable dependiente: Si la interaccin es significativa, se puede afirmar que
existe un efecto moderador, siendo posible distinguir entre un
"efecto
cuasi-
moderador" y "moderador
puro" en funcin de que la variable moderadora explique
62
Train (2002) seala que cuando la estimacin de la varianza es significativa, implica una superioridad
del Modelo Logit de Coeficientes Aleatorios frente al Modelo Logit Multinomial, debido al
ilcumplimiento
de la propiedad IlA.
o'
Esta cicunstancia explica gue este modelo no haya sido ampliamente utilizado en Marketing hasta hace
relativamente poco tiempo (Erdem et al., 2002).
*
Con el fin de realuar mediciones precisas de la distancia, la definicin de destino utilizada debe ser lo
ms desagregada posible (Baxter y Ewing, 1981), en este caso a nivel de provincias.
t37
tambin por
s misma la variable
dependiente. Es decir, si adems la variable
moderadora (sin interaccin) es significativ4 se produce un
rtcto
cuasi-moderador; en
caso contrario, se trata de un efecto moderador puro.
En cambio, si la interaccin no es significativa, pero la variable moderadora lo
es, sta sera una variable determinante por s sola, rechazando la existencia de un
posible efecto moderador. Finalmente, en el caso de que ninguna de ellas (efecto
interaccin y variable moderadora) sea significativa" tambin se podra manifestar un
efecto moderador que se detectara dividiendo la muestra en dos partes (a partir de la
variable moderadora), y observando si existen diferencias significativas en la estimacin
de los modelos aplicados a ambas submuestras. Slo si estas difeencias se manifiestan,
se puede afirmar que existe un efecto moderador,
eu,
en este caso, acta sobre el
trmino de error.
En general, el procedimiento de Sharma et al. (1981) se aplica paralaregresin
lineal. Como novedad, el presente estudio propone su aplicacin a la estimacin de un
Modelo Logit de Coeficiente Aleatorios6s. Adems, este modelo tiene una gran
capacidad para recoger la estructura de preferencias de los individuos, lo que constituye
una ventaja sobre otros modelos, como el Logit y Probit Multinomial, ya que permite
ofrecer resultados en dos niveles: i) La medicin directa de la interaccin repeticin-
distancia. La estimacin de esta interaccin permite detectar la existencia de un efecto
moderador de acuerdo con el procedimiento de Sharma et al. (1981); y ii) Clculo de la
proporcin de individuos de la muestra que manifiestan unas preferencias positivas o
negativas hacia un atributo
-parmetros
mayores o menores que cero, respectivamente-,
a travs de la normalzacin b/W-N(0,7), propuesta por Train (199s); donde b y w son
la media y la vat'rarza de la distribucin Normai
M,nlb,Il),
siendo
Ftn
el parmetro del
individuo f que mide el efecto de un atributo /. En el caso concreto que nos ocupa, este
clculo permite
conocer el porcentaje de individuos que est dispuesto a recorrer,
nuevamente, largas distancias para llegar a destinos ya visitados anteriormente.
65
La expresin de la probabilidad de eleccin del destino i es la misma que la definida en el apartado
2.2.1 que utiliza el estimador simulado de rnlxima verosimilitud cor Secuencias de Halton.
138
2.2.3. Tipos de Destinos
La eleccin de los tipos de destinos pretende distinguir el carcter urbano y la
ubicacin del destino (Pueblo costero, Ciudad costera, Pueblo del interior y Ciudad del
interior), lo que presenta una novedad en la literatura de eleccin probabilstica de
destinos tursticos. La metodologa propuesta para la eleccin de estos tipos de destinos
se basa en la estimacin de un Modelo Logit Anidado, debido a que considera el
incumplimiento del supuesto IIA, derivado de los factores no observables comunes a
algunas alternativas. La estimacin de este modelo presenta la ventaja (frente a otros
modelos como eI MNL o el MNP) de que permite formar nidos de alternativas y recoger
la estructura de abol de las mismas. En este sentido, se pretende detectar la
especificacin ptima, comparando los nidos formados a partir del carcter urbano,
("pueblo costero y del interior" versus "ciudad costera y del interior"), y de la
dimensin ubcacin, ("pueblo y ciudad costeros" versus "pueblo y ciudad del
interior").
La funcin de utilidad en este caso se define como la suma de la utilidad de la
altemativa i y de la utilidad del nido que contiene a i (Train,2002):
( t -
\
( n
\
u,
=l2Br**
* t,,
l* I I
pnz,n
+ e,
I
\ * d
' )
\ )
donde el primer trmino entre parntesis representa las caractersticas particulares del
nido / que contiene a la alternativa i, y el segundo los atributos de i; y t, son
independientes de forma que 8, sigue una distribucin Gumbel con parmetro de escala
unitario, e,-G(}
, 4 ),
y t
t,
es tal que maxU
,
-
G(p,ry) .
'
i el ,
,
A partir de Train (2002),la probabilidad de eleccin de la alternatva i viene
definida por la expresin:
D_
r i
-
*'i
0,,,,\
*'{
F,xn.,'[i*'{I 0,,,,})l
f ' l , f *
( t , ( n
) l l
i*ot)
F oz
i, jl*rt} e ux,u.'*[I*ot; 0,,,1]
donde r es el parmetro asociado al valor inclusivo (que recoge la correlacin interna de
las alternativas contenidas en un nido, calculada como 1-r). Esta probabilidad P se
139
Captulo lll.Comportamiento de Eleccin del Turista Espaol
estimar por mxima verosimilitud, optimizando la funcin lufl/(q= dtlnPj,
t =t j =l
donde d,:I si el individuo / elige la alternativaj,y cero en caso contrario.
Precisamente, la estimacin del parmetro del valor inclusivo permite identificar
la especificacin ptima. En esta lnea, se deben considerar los siguientes aspectos
acerca de su valor (Train, 2002): I) Par,metro del
yalor
inclusivo unitario. Si este
parmetro es distinto de la unidad la especificacin del Modelo Logit Multinomial
Anidado es superior al Logit Multinomial (ntese que si rl, la expresin de P se
reduce al Logit Multinomial), porque recogera la estructura de correlaciones de las
alternativas contenidas en los nidos; 2) Rango del parmetro del valor inclusivo. Este
valor debe estar contenido en el intervalo (0,1), ya que en otro caso existira una mayor
correlacin entre las alternativas de distintos nidos que entre las del mismo nido, lo que
significara que la especificacin propuesta no es adecuada; y 3) Igualdad de los
parmetros de los distintos nidos. La flexibilidad de este modelo permite estimar un
parmetro del valor inclusivo para cada nido, lo que facilita la identificacin de patrones
de correlacin asimtricos entre los diferentes nidos. En este sentido, el rechazo de la
iguaidad de estos parmetros significa que el Logit Anidado con parmetros inclusivos
distintos para los diferentes nidos recoge mejor los patrones de sustitucin que el Logit
Anidado con un parmetro comn a todos los nidos.
2.3 Anlisis de Ia Eleccin y Gasto Turstico
La metodologa propuesta para analizar los factores determinantes de la eleccin
y gasto turstico se apoya en la estimacin de dos modelos, en lnea con Melenbert y
Van Soest (1996) y Eymann (1995), respectivamente. El primero examina la decisin
de salir fuera del lugar de residencia habitual y el gasto implicado en las actividades
tursticas, mientras que el segundo estudia la eleicin de los destinos junto
con los
gastos realizados en cada uno de ellos. Por tanto, ambos modelos consideran decisiones
previas que pueden contener informacin relevante para el proceso de decisin sobre el
gasto.
2.3.1. Anlisis Participacin-Gasto
El modelo "participacin-gasto" examina conjuntamente las decisiones de gasto
y de participacin en la actividad turstica, lo que permite testar las hiptesis propuestas.
140
Para ello, siguiendo a Melenberg y Van Soest (1996), se estima un sistema de dos
ecuaciones, donde la primera representa la decisin de salir de vacaciones con un
Modelo Probit Binomial (con variable dependiente (0,1)), y la segunda recoge el
comportamiento de gasto turstico con un modelo de regresin. As, el modelo a estimar
toma la forma (Heckman, 1978; 1979):
GF
donde U, es la utilidad que le reporta al individuo salir de vacaciones, G el gasto
realizado en actividades turstic&s,! x1 yx? las variables explicativas, que pueden ser
comunes o especficas de cada ecuacin. Asumiendo que las perfurbaciones tt y ur
siguen una distribucin Normal bivariante de media cero, varianzas ot, o,
respectivamente, y covariarza o*,la estimacin se realizar a travs de la funcin de
verosimilitud definida como
MV@)
=f{0,,1G,
tu, > 0)
.
lnp,
]+ e
-
d.
)L"tr
-
]}
t =1
donde dr,:l si el individuo I elige la alternatir-e i, y cero en caso contrari o.
Q(G/U,>0)
es
la funcin de densidad normal de Gt condicionada a los valores positivos de U1, y 0
representa el vector de parmetros
Fry /
a estimar.
2.3,2.Anlisis Eleccin del Destino-Gasto
El segundo modelo examina conjrurtamente la eleccin de los destinos y la
cantidad de productos tursticos que se consumen en cada uno de ellos. En este caso, y
siguiendo a Eymann (1995) se estima un sistema de -I+1 ecuaciones, donde la primera,
de variable dependiente cualitativa, representa la eleccin de un destino, y las ./
restantes, de variable dependiente cuantitativa, reflejan el volumen de gasto realizado en
cada destino. Este sistema de ecuaciones presenta la siguiente forma (Dubin y
McFadden, 1984; Eymann, 1995):
U,
K
: l Fr x, o
+ e,
k=l
f
f ror',0
+ u, si [/o
I
'='
I
I
No existe si U,<0
l 4t
K
tl ,
=19*x*
+ to.
k=,
K
G, , =I y k x +ut l
k=l
K
Gr t
=l yox, o
+uu
k=l
donde U defrne la utilidad que reporta la alternativa j al individuo l; GYj:\,...,J es el
gasto del individuo I en el destinoj;
f*y Trson
los coeficientes asociados a las variables
x*Y x
ir
definidas previamente. Asumiendo que stj y u se distribuyen, respectivamente,
bajo una Gumbel y una Normal, el sistema se puede estimar por mxima verosimilitud.
Sin embargo, dada la elevada complejidad de cmputo, se recune al mtodo de
estimacin en dos etapas propuesto por Dubin y McFadden (1984), que proporciona
estimaciones consistentes. Este procedimiento propone estimar, en primer lugar, los
parmetros de un Modelo Logit Multinomial66 para la primera ecuacin y, en segundo
lugar, construir un ndice corrector que se incluir en las ecuaciones de gasto como
variable explicativa adicional para ajustar sus parmetros; ecuaciones de gasto que se
estiman por mnimos cuadrados. Este ndice se define como
rcr=t+r,l*@,-o,l
j =t
L^
- n " )
donde p; representa la correlacin entre e
!
u,62 es la varianza de las caractersticas
individuales no observadas contenidas en et Vj;y d7toma el valor uno si el individuo
elige la alternativaj, y cero en caso contrario. El parmetro a estimar de este ndice,
T-
incluido como variable independiente adicional en la regresin del gasto es
!:L
p,.
En consecuencia, la ecuacin del gasto se expresa como:
K J .
G,
=l , . r r x, *
+7, l C, +u,
K= L
J = I
2.4. Anlisis de Ia Eleccin de la Duracin de la Estancia
La metodologa aplicada para examinar los factores determinantes de la duracin
de la estancia se apoya en la estimacin de un modelo fundamentado en la distribucin
Binomial Negativa, que no ha sido aplicado hasta la fecha en Turismo. Esta
uu
Dado que esta estimacin se apoya en un modelo MNL, se seleccionan las variables explicavas que
garant)zan el cumplimiento de la hiptesis de lndependencia de Alternativas lrrelevantes.
142
aproximacin supera los problemas de sesgo del anlisis de regresin (Hellerstein y
Mendelsohn, 1993) y de la ineficiencia
del Modelo Logit Multinomial (Cameron y
Trivedi, 1998), para medir el nmero de das que el turista pasa fuera de su lugar de
residencia habitual, tal y como se indicaba en el epgrafe 3.2.4.
Con el objeto de adaptar el Modelo Binomial Negativo al presente caso es
necesario realizar una modificacin adicional, puesto que el valor cero tiene un
significado cualitativo diferente de los demas valores. Cualquier valor mayor que cero
indica el nmero de das que un individuo ha decidido "salir de vacaciones", teniendo
en cuenta que previamente ha tomado la decisin de salir, mientras que el valor cero
representa la decisin cualitativa de no salir. En este caso, tiene sentido centrarse en
aquellas observaciones cuya variable dependiente es distinta de cero, truncando por
tanto la distribucin de dicha variable (Greene, 1999). Adems, la acumulacin de ceros
en proporciones mucho mayores que el resto de valores conducira a estimaciones
ineficientes (Gurmu y Trivedi, 1996). Por todo ello, conviene aplicar el modelo de la
distribucin Binomial Negativa a la muestra truncada en cero.
Teniendo en cuenta estas consideraciones, y siguiendo a Cameron y Trivedi
(1998), la expresin que representa las probabilidades de que el individuo I seleccione
un nmero de das, toma la forma siguiente:
P( y, l y, > o)
=
f(a-' )f(y, +1)
K
s p -
I LYk^. t
d- ^ + eoo
K
, Zg*x,r,
d- ' + er ='
x
I / ? . r .
. L. Fk^k \ n_l
I
-
( I + d' e^ =' ,
) '
Vy { 1, 2, . . . } .
donde f represental la funcin Gamma, rft eS la caractestica ft del individ vo t,
B
el
parmetro que indica el efecto de x sobre P(y,ly}), y el parmetro a recoge la
dispersin de las observaciones.
La estimacin de 0(0il se realizar por mxima verosimilitud, a partir de la
funcin
f ( a- t + y, )
X
LF.xt
er =' d , '
JI
]'I
_ t . .
I l ' Y t - t
MV@\
=
I i I
r=
Li =0
ln(,r +
q-' ) -ln(y,!) -
(y, +a-' )ln(l * o.
"fr' *

*
- f
prrn
,-
f Brr,,
-, I
+ y, l na + yFE ^-^
-
l n(l
-
(I + a
' el r-' '
)"
' )
|
)
t43
As pues, en este conte\to de eleccin se propone como novedad aplicar el
Modelo Binomial Negativo truncado en cero para el caso de la eleccin turstica,
definida por el nmero de das que el turista decide salir de vacaciones.
2.5. Segmentacin a travs de Estimaciones Bayesianas de Modelos de Eleccin con
Coefi cientes Aleatorios
La metodologa propuesta para segmentar el mercado turstico espaol a partir
de las elecciones individuales observadas se basa en el procedimiento de segmentacin
bayesiana propuesto por Revelt y Train (2002), que permite recoger cualquier
estructura de preferencias de los individuos y operar con informacin precisa relativa a
cada individuo (ver la seccin 3.2.5 del Captulo II). Ello representa una novedad en el
sector turstico.
Esta metodologa se desarrolla a travs del siguiente proceso en dos etapas
(Revelt y Train, 2002): i) estimacin bayesiana de los parmetros individuales a partir
de un Modelo Logit con Coeficientes Aleatorios (2.5.1); y ii) aplicacin de un anlisis
cluster a los coeficientes individuales estimados (2.5.2).
2.5.1. Estimacin de los Parmetros Individuales
Con el objeto de estimar los parmetros individuales de un Modelo Logit de
Coeficientes Aleatorios6T se aplican mtodos de estimacin bayesianos68. El
procedimiento de estimacin bayesiana toma como punto de partida el Teorema de
Bayes. Es decir, dados dos sucesos H y D, se cumple que
P( H l D) =
P(D t H)P(H)
P(D)
donde D es el conjunto de datos observados; l/ las
parmetros O, P(D,'H) la probabilidad de observar
hiptesis de partida del vector
los datos, condicionada a que
de
SE
ut
Este modelo se aplica a la seleccin de destinos definidos en trminos de provincias, ya que este nivel
-dS
desagregacin mayor permite obtener mediciones ms precisas de los atributos (Baxter y Ewing, 1981)
oo
Las ventajas de la estimacin Bayesiana han sido escasamente aprovechadas por los investigadores de
la eleccin, y slo a partir del trabajo de Albert y Chib (1993) se han desarrollado distintas tcnicas para
su aplicacin (Allenbl' y Ginter, 1995; Lenk et al., 1996). Train (2001b) seala que las ventajas
principales de los procedimientos Bayesianos frente a los clsicos son los siguientes: i) evitan los
problemas habituales de mximos globales y locales, dado que no se fundamentan en la maximizacin de
ninguna funcin de verosimilitud; y ii) obtienen estimaciones consistentes y eficientes bajo condiciones
ms flexibles.
t44
cumplan estas hiptesis (en la estimacin clasica sta scra la funcin de verosimilitud);
P(H) la probabilidad de que se cumpla ,I/ antes de la observacin de los datos,
denominada probabilidad a priori o probabilidad previa; P(H/D) es la probabilidad de
que ocrrra 1/ despus de observar los datos, denominada probabildad
a posteriori o
probablidad posterior; y P(D) es la probabilidad no condicionada de observar los datos
con independencia del cumplimiento de 1L Considerando que esta ltima probabilidad
P(D) es constante para H, se suele utilizar como factor de normalzacin, de forma que
P(H/D) se escribe como (Train, 2002):
P( Ht D) xP( Dt H) P( H)
donde x significa que P(H/D) es proporcional a P(D/H)P(H). Es decir, la probabilidad
de que los parmetros d tomen un determinado valor se expresa como el producto de la
verosimilitud de realizacin de las observaciones condicionada a los valores de
multiplicada por la probabilidad de que se den tales valores. Finalmente, la estimacin
de d es la media dela distribucin posterior.
Siguiendo el planteamiento formal de Train (2002),las definiciones anteriores se
pueden adaptar al caso turstico del siguiente modo. Partiendo de una funcin de
utilidad definida como
H
u,
=ZBuz, o
+ e,
h=l
donde z represefita el atributo h de la alternativa i, la verosimilitud de la eleccin
observada
lrpara el individuo r condicionada a los parmetros y W (mediay vananza
dd
B6respectivamente)
se expresa como
L(y, I b,W)
=
*r{
F,,',n}
a(B,
tb,w)
donde
Qesla
funcin de distribucin Normal.
I*' {
F"' ,0}
145
Captulo lll.Compoamiento de Eleccn del Turkla Espaol
Denominan do k(b,llt) a la distribucin previa de los parmetros
b y Lt'e, se
obtiene la distribucin posterior K(b,W,B,ty) para el conjunto de elecciones / de los
individuos de la muestra (t:1,..., T) como:
K(b,w,
B,
ly) nfr,r', I b,w)k(b,w)
Cabe destacar que la disn'ibucin posterior contiene tres tipos de parmetros a
estimar F{b,W,Bt}: la media b,lavananzaW,y los parmetros para cada individuo
p,,
con lo que se obtienen las funciones de utilidad de cada individuo, y por tanto, su
estructura de preferencias. La estimacin de los parmetros se obtiene a travs de la
expresin
0
=
l ê
. K(e
t nde
d
Esta integral carece de solucin cerrada, por lo que nuevamente se recurre a un
procedimiento de estimacin por simulacin, de modo que.0 se estima como la media
de las realizaciones simuladas. Sin embargo. la dstribucin posierior
("(g/I')
no
siempre toma la forma de una distribucin conocida de la que se puedan obtener las
extracciones de forma inmediata. Por ello, Train (2001a) sugiere para el caso de los
modelos de eleccin, la utilizacin de Cadenas de Markov de Monte Carlo y, il
concreto, los algoritmos de simulacin muestral de Gibbs y de Metropolis-HastingTo
para las extracciones de la funcin de densidad. (Vase Apndice A para una
descripcin de estos algoritmos). Asimismo, Train (2001b) tambin demuestra que el
estimador de la media simulada de la distribucin posterior es consistente,
asintticamente normal y equivalente al estimador de mxima verosimilitud.
2.5.2. Formacin de segmentos
Una vez obtenidas las estimaciones de los parmetros para cada individuo, se
procede a formar los segmentos que manifiestan preferencias similares. Con este fin se
aplica el anlisis cluster (algoritmo jerrquico
de la varianza mnima de Ward) a la
ue
En general, se asume que sigue una distribucinNormal y I//una distribucin Gamma Invertida (o
distribucin Wishart Invertida para el caso multivariante) de po
f(fl:IV-(v+
1)/2
w/2tt/ siendo v los grados
99
libertad y s un parmetro de escala a esfimar.
'"
En particular, el algoritmo de Metopolis-Hasting se utila para la estimacin de los parmetros
individuales.
r46
matnz de los parfunetros de cada individuo. El nmero final de segmentos se alcanza
cuando los segmentos observados expliquen al menos el 65% de la varianza global, y
cuando al aadir otro segmento el incremento enlavananza total explicada sea inferior
al5% (Lewis y Thomas, 1990). En opinin de Grande y Abascal (2000) y Gen (2002),
este mtodo es el ms adecuado cuando se utilizan variables derivadas de
procedimientos estadsticos previos.
Adicionalmente, se aplica un Anlisis de la
Yaianza, tanto univariante (ANOVA) como multivariante (MANOVA), para confirmar
los segmentos obtenidos; es decir, para validar que existen diferencias en la estructura
de preferencias de los individuos.
3. MUESTRA, FUENTES DE DATOS Y VARIABLES
Paru alcanzar los objetivos de investigacin propuestos, se ha utilizado la
informacin sobre el comportamiento de eleccin furstica, obtenida de una encuesta de
mbito nacional realizadapor el Centro de lnvestigaciones Sociolgicastt. Ello obedece
a las siguientes razones: i) La disponibilidad de informacin referida al comportamiento
turstico; ii) La encuesta va dirigida a una muestra de individuos (mayores de 18 aos),
obtenida en origen, que evita el sesgo de seleccin caractenstico de las muestras
recogidas en los destinos (descrito en el apartado 3.2.4.3.1 del Captulo tI), y permite la
incorporacin de los procesos de decisin de los individuos que no salen de vacaciones;
todo ello conduce a un anlisis ms preciso de la demanda turstica; y iii) La
inexistencia de investigaciones empricas previas que apliquen los modelos de eleccin
discreta al comportamiento individual de los turistas espaoles en un mbito nacional.
La muestra se extrae de una poblacin total de 30.820.626 individuos mayores
de edad, siguiendo un muestreo polietpico, estratificado por conglomerados, con
seieccin de las unidades primarias
-municipios-
y de las unidades secundarias
-
secciones censales- de forma proporcional. La recogida de la informacin se realiza en
octubre de 1995 mediante entrevistas personales en los domicilios con cuestionario
estructurado (ver Apndice C). La muestra final consta de 3.781 individuos
-de
los que
el 68,7204 sale de vacaciones (Tabla 1)-, siendo el error muestral de
+1,24Yo
para un
nivel de confianza del95.5%.
" En concreto, se tata del estudio "Comportamiento de los Espaoles ante las Vacaciones (III)"
r47
Tabla 1. Muestra y Proporciones de Sesmentos Vacacionales
Tamao muestral Salen de vacaciones No salen de vacaciones
378r
100%
2598
69,7204
1 183
3I,2g06
3.1. Definicin de Variables
Con el fin de hacer operativos los modelos de eleccin propuestos, a
continuacin se definen las variables utilizadas, distinguiendo las variables
dependientes y las independientes. Todas estas dimensiones se recogen el cuestionario
(ver Apndice C).
3.1.1. Variables Dependientes
Las variables dependientes empleadas en cada contexto de eleccin son las
siguientes: i) Eleccin del tipo de vacaciones. Lanaturaleza discreta de las decisiones
analizadas
-salir
de vacaciones, carcter internacional y carcter itinerante- permite
representar estas decisiones mediante variables dicotmicas, de modo que el valor 1
recoge para cada una de estas elecciones, la altemativa de salir de vacaciones, de
seleccionar un destino internacional y de elegir un viaje multidestino; mientras que el
valor 0 significa que el individuo no sale de vacaciones, opta por un destino nacional y
selecciona un viaje con destino fijo, respectivamente.
i|) Eleccin del destino. Para reflejar el destino que el turista visita, se utilizan 50
variables dummy para las provincias, 17 para las comunidades autnomas y 4 para el
tipo de destino seleccionado (pueblo de costa o de interior y ciudad de costa o de
interior). iii) Nivel de gasto turstico. Se mide con una variable cuantitativa que recoge
el gasto realizado en las vacaciones. Esta variable se recoge a partir de la estimacin
global realizada por el individuo, de los gastos extras incurridos en el perodo de
vacaciones. El hecho de que se considera el gasto extra, y no el gasto total (que incluira
los gastos de las partidas de bienes que se consumen normalmente en el lugar de
residencia habitual), permite analzar con mayor precisin el efecto de los determinantes
del gasto turstico (Melenberg y Van Soest, 1996). Y iv) Anliss de la duracin Con el
objeto de representar la demanda temporal de las vacaciones se obtiene informacin de
la duracin de la estancia, con una variable cuantitativa que recoge el nmero de das
148
Captulo lll.Comportamiento de Eleccn del Turista Espaol
que el turista ha pasado fuera de su lugar de residencia, en lnea con Mak y Moncur
(1979) y Silberman (198s).
3.1.2. Variables Independientes
A continuacin, se consideran las variables explicativas utilizadas, distinguiendo
entre los atributos de los destinos y las caractersticas de los individuos. Estas variables
se incluyen en cada contexto de eleccin de acuerdo con las hiptesis propuestas para
cada caso.
3.1.2.1. Variables Especficas de los Destinos
Entre las variables especficas del destino, se incluyen las siguientes:
i) Superficie del destino. Esta dimensin se mide a travs de la extensin del area
de destino (comunidades autnomas y provincias) en kilmetros cuadrados, ya que
permite reflejar los aspectos cuantitativos y cualitativos de este factor de atraccin
(wennergren y Nielsen, 1968; Siderelis y Moore, 1998; Train, 1998), sealados en el
Captulo tr. Esta informacin se obtiene del Anuario Estadstico del INE.
ll) Distanca al destino. Se mide a travs de los siguientes indicadores utilizados
habitualmente en la literatura (Wennergren y Nielsen, 1968; Stopher y Ergn, 1979;
Moutinho y Trimble, i981; Louviere y Hensher, 1983; Peterson et al., 1983; Perdue,
1986; Borgers et al., 1988; Fesenmaier, 1988; Adamowicz et a1.,1994; Dellaert et al.,
1997; Schoeder y Louviere, 1999; Kemperman et al., 2000), lo que facilita la
comparacin de los resultados con otros estudios internacionales: distancia en
kilmetros (Distancia 1) y tiempo invertido en el desplazamiento (Distancia 2). La
utilizacin de ambas variables implica la construccin de dos matrices origen-destino de
2.500 datos (de orden 50x50) cada una, en la que se recogen respectivamente, los
kilmetros y el tiempo que dista entre cada provincia de origen y destino. Esta
informacin sobre distancias y tiempos de desplazamiento entre los orgenes y destinos
se obtiene de la Gua Campsa Interactiva (tomando como puntos de referencia las
capitales de provincia). Estas variables se aplican en el modelo de eleccin de destinos
(provincias) que requiere informacin del destino elegido as como de los destinos
alternativos.
149
iii) Precios de los Destinos
@recios).
Siguiendo las recomendaciones de Eymann
y Ronning (1992), Morley (1994c) y Usach (1999), esta dimensin se mide a travs de
un indicador que incoqpora simultneamente medidas de los precios de los destinos
elegidos, de los mercados emisores y de los destinos competidores. Para el caso de las
CC.AA. y las provincias, el indicador del precio de los destinos viene dado por el
diferencial de los ndices de precios al consumo entre los distintos orgenes y destinos,
publicados por el INE para cada divisin administrativa, y que muestra los diferentes
costes de vida de los mismos. Con relacin a los precios de los tipos de destinos, se
aplica como proxy la propuesta de Eymann y Ronning (1997) presentada en el apartado
4.2.I de Captulo II, que plantea el siguiente procedimiento de estimacin del ndice de
coste especfico (ICE) para cada destino e individuo: i) se regresa para cada tipo de
destino los gastos tursticos Gr de cada individuo t sobre el nmero de das de estancia
en el tipo de destino (Xu(t) y sobre las caractersticas sociodemogrficas XrQ) de los
individuos (edad, edad al cuadrado e ingresosTz):
Gi,
=d
+ p,X::)
+y,X[t) + e,,
ii) Los parmetros estimados, d,F y
,
se utiiizan para construir los ndices de
coste especco ICE, para cada destino y cada individuo, a partir de la expresin
ICE,,
=
A, +
il,X[D
+
i,Xl')
donde X,ft) representa el consumo medio de la variable X{t) en el destino i.
3.1.2.2. Caractersticas de los Indiduos
Las variables utilizadas para describir las caractersticas de los individuos, se
presentan a continuacin, distinguiendo entre las relacionadas con el destino y las
caractersticas personales :
3,1.2.2.1. Caractersticas de los Individuos Relacionadas con el Destino
En este grupo de dimensiones se enmarcan aquellas caractersticas que, siendo
propias de cada decisor, estn condicionadas por el destino seleccionado, por lo que el
72
Se seleccionan estas variables porque proporcionan la combinacin ptima de acuerdo con el Criterio
de Informacin de Schwarz. La estimacin de estos parmetos se muesta en la Tabla 81 del Apndice.
150
valor de cada uno de estos rasgos vara entre los individuos y entre las altemativas. En
particular, las variables utilizadas para contrastar las hiptesis son las siguientes:
l) Repeticin del Destino. Para reflejar la asistencia a un destino en dos
ocasiones consecutivas se construye una variable dumrny que toma el valor uno si el
destino seleccionado en n y n-I conciden, y cero en caso contrario (Guadagni y Little,
1983; Moutinho y Trimble, 1991).
Li) Organizacin. La forma de organizar el viaje por los turistas se recoge con
una variable dummy que toma el valor uno si el turista utiiiza una agencia de viajes, y
cero si lo organiza por cuenta propia (Sheldon y Mak, 1987).
lll) Distancia entre origen y destto (Distancia 3/. Con el fin de incluir la
distancia en los modelos con variable dependiente cuantitativa (en particular, en la
ecuacin de los gastos), se construye una variable unidimensionalT3 que indica la
separacin fsica en kilmetros entre el lugar de origen del individuo y el destino
seleccionado. El procedimiento de medicin es el mismo que el seguido para la
obtencin de la variable Distancia 1 (Para el caso de destinos internacionales se utiliza
la distancia eucldea).
iv) Motivacin bsqueda de relajacin. Esta dimensin se mide a travs de una
variable dummy, donde el valor uno significa que el individuo considera esta
motivacin para la seleccin del destino, y cero en caso contrario (Mclntosh y
Goeldner, 1984; Eymann y Ronning,1997).
3,1.2.2.1. Caractersticas Personales.
En este gupo de dimensiones se incluyen aquellas caractersticas propias del
turista. Las variables utilizadas en el presente estudio son las siguientes:
i) Vacaciones continuas. El fraccionamiento del perodo vacacional es una
restriccin temporal a las actividades tursticas que se mide con una variable dummy
donde el valor I indica si el individuo ha tomado las vacaciones de forma continuada en
un solo perodo, y 0 en el caso de que las disfrute fraccionadamente en varios perodos a
lo largo del ao (Eymann y Ronning,l99Z).
" Ntese que la variable Distancia I (corstruida en el apartado 3.1.2.1) tiene una dimensin 50x50.
t 5t
Capnlo lll.Comportaniento de Eleccin del Turista Espaol
ii) Das de Vacaciones. Esta dimensin es otra restriccin temporal a
actividades tursticas que se mide a travs de la duracin en das del perodo
vacaciones que dispone el turista (Rugg, 1973; Morl ey, 1992; Eymann, 1995).
iii) Ingresos. Esta dimensin considera diferentes niveles de renta para observar
las posibles no linealidades existentes en su efecto (Eymann y Ronning, 1997). Los
distintos niveles de ingresos mensuales se fijan con las siguientes categoras: Ingresosl,
hasta 600 al mes; Ingresos2, ms de 600 y menos de 1200; Ingresos3, ms de 1200 y
menos de 240ffi; Ingresos4, ms de 2400 y menos de 4500; e Ingresos5, ms de
4500. Para su inclusin como variable explicativa se toma como referencia la catesora
Ineresosl.
las
de
iv) Tamao del Hogar. El tamao del
personas que viven en el mismo (Caswell y
1992;1997; Walsh et al., 1992).
hogar se mide a travs del nmero de
McConnell, 1980; Eyrnann y Ronning,
v) Nios. Recoge el nmero de nios menores de diecisis aos que realizan el
viaje (Moutinho, 1987).
vI) Edad. Esta dimensin se mide con una variable expresada en trminos
cuantitativos (nmero de aos). Con el objeto de contrastar posibles efectos no lineales,
se considera adicionalmente el cuadrado de esta variable
@dad)
(Hay y McConnell,
1979; Miller y Hay,1981). Asimismo, con el fin de flexibiiizar an ms el efecto de la
edad se construye la variable edad por tt'amos, en la que se definen cuatro variables
categricas del siguiente modo: Edadl, hasta 25 afros; Edad2, entre 26 y 45 aos;
Edad3, entre 46 y 65 arlos; y Edad4, ms de 65 arios. Como categora de referencia se
toma la Edad4. Esta ltima definicin de la edad permite representar cualquier patrn
de conducta en funcin de la misma (Eymarm y Ronning. 1992;1997).
vii) Sexo y Estado civil. Yanables dicotmicas con la siguiente codificacin:
hombre:l, mujer:O; y casado:l, soltero:0, respectivamente (Hay y McConnell,1979;
Eymann y Ronning, 1997).
virl) Estudios. Se establecen tres niveles de estudios a travs de tres variables
categricas: Estudiosl, Estudios primarios; Estudios2, Enseanza secundaria; y
152
Estudios3, Estudios universitarios. La categora Estudiosl se toma como referencia.
(Caswell y McConnell, i980; Eymann y Ronning, 1997; fuera, 2000).
ix) Situacin Laboral. Se establecen cinco situaciones, definidas por las
siguientes variables categricas: Sit. lab.I, empleado; Sit. lab.2,
jubilado;
Sit. Iab.3,
desempleado; ^lir. lab.4, estudiante; y St. lab.S, labores propias. Como categonabase se
tomala Sit. lab.5 (Rier4 2000; Walsh et al.,1992).
x) Tamao de la Ciudad. El tamao del lugar de residencia viene definido por
las siguientes variables categricas: Tmo. ciudadl, hasta i0.000 habitantes; Tmio.
ciudad2, entre 10.000 y 100.000 habitantes; Tmo. ciudad3, entre 100.000 y 1000.000
habitantes; Tmo. ciudad4, ms de 1.000.000 de habitantes. La categonaTmo. cudadl
se toma como referencia (Eymann y Ronning, 1997; Smith y Munley, 1978).
xi) Indicadores unidimensionales de aspectos internos del individuo. Se
incluyen las dos dimensiones siguientes: i) La opinin
favorable/desfavorable
del
individuo con respecto a salir de vacaciones al menos una vez al ao. Se mide con una
variable dicotmica que toma el valor uno si el individuo tienen una opinin favorable a
salir de vacaciones por 1o menos vna vez, y cero si la persona tiene una opinin
contraria (Plog, 1994). ii) El nters por conocer lugares nuevos y el nters por
ampliar cultura son dos dimensiones que se recogen con dos variables dummy,
respectivamente, que toman el valor uno si los individuos consideran estos aspectos a la
hora de planear las vacaciones (Hsieh et al., 1993).
La Tabla 2 presenta la estadstica descriptiva de cada una de las variables
utilizadas, detallando la media para las variables continuas y las proporciones
muestrales de las variables categricas, as como la desviacin estndar.
153
TABLA 2. ESTADSTICA DESCRIPTIVA DE LAS VARIABLES
VARIABLES DEPENDIENTES
Salir de vacacones
Destinos intemacionales
Destinos fijos
Tipo de destino (pueblo costero)
Tipo de destino (ciudad costera)
Tipo de destino (pueblo del interior)
Tipo de destino (ciudad del interior)
Gastos tursticos (en curos)
Duracin de la estancia
0,687
0,059*
0,733*
0,420*
0, I 96*
0,279*
0, I 03*
756,00'7*
21,050*
0,463
0,233
0,442
0,493
0,397
0,448
0,304
942,507
17,300
VARIABLES INDEPENDIENTES
Caracts. Individuo-Destino
Repeticin
Organizacin
Motivacin bsqueda de relajacin
0,419*
0,840*
0,095*
0,493
0,366
0,293
t565,280 Distancia 3 659.01
Caracts. Personales
Vacaciones continuas
Dias de vacaciones disponibles
Ingresosl
Ingresos2
Ingresos3
Ingresos4
Ingresos5
Tmo. hogar
Nios
Edad
Edad2
Edadl
EAaA)
Fdad3
Edad4
Sexo
Estado cil
Estudiosl
Estudios2
Estudios3
Sit. lab.l
Sit. Iab.2
Sit. lab.3
Sit. lab.4
Sit. lab.5
Tmo. ciudadl
Tmo. ciudad2
Tmo. ciudad3
Tmo. ciudad4
Opinin favorable hacia las vacacs.
Inters por ampliar cultura
0,828*
26,880*
0,279
0,484
0,19
0,037
0,004
3,440
0,430
43,570
2.209,250
0,190
n ?o?
0,277
0, r 4t
0,476
0,626
0,545
0,276
0,1 88
0,442
0, 180
0,980
0,087
0, 191
0,207
0,280
0,320
0,1 80
0,665
0,093
0,377
19,770
0,448
0,499
0,396
0, 1 88
0,063
1,440
0,770
17,520
1.700,400
n ?ot
0,488
0,447
0,348
0,499
0,483
0,497
0,447
0,390
0,496
0,384
0, 140
0,281
0,393
0,40s
0,449
0,466
0,384
0,471
0,290
0,467 Inters por congcer destinos nuevos 0,323
*Proporciones
calculadas sobre los individuos que
salen de r.acaciones.
4. RESULTADOS OBTENIDOS
Con carcter previo a la aplicacin de los distintos modelos, conviene realizar un
estudio ponnenorizado de la correlacin existente entre las variables explicativas con el
fin de evitar la posible multicolinealidad. La Tabla 3 muesfra las correlaciones entre las
variables, as como los niveles de significatividad. Su impacto sobre los resultados
finales se limita seleccionando las variables independientes no colineales, por lo que las
154
Captulo lll.Comportan,iento de Eleccin del Turista Espaol
ecuaciones presentadas para cada modelo constituyen diferentes combinaciones de
aqullas, diseadas para solventar colectivamente el problema de la multicolinealidad.
A continuacin, se presentan los resultados obtenidos referidos a los siguientes
contextos de eleccin: i) eleccin del tipo de vacaciones, que engloba la decisin de
salir fuera del lugar de residencia habitual en el perodo vacacional, la decisin de viajar
al extranjero frente a la alternativa de pemanecer en territorio nacional y la eleccin del
tipo de viaje en trminos de su carcter itinerante; ii) eleccin de destinos, considerando
la definicin de los mismos a partir de divisiones administrativas (CC.AA. y
provincias), y por tipo de producto (atendiendo al carcter urbano y su ubicacin).
Asimismo, se ofrecen los resultados relativos al efecto moderador de la repeticin sobre
la distancia; iii) eleccin y gasto turstico, teniendo en cuenta las dos perspectivas
propuestas (participacin y gasto, y eleccin del destino y gasto); iv) dwacin de la
estancia; y v) segmentacin con estimaciones bayesianas.
4.1. Identificacin de los Determinantes de la Eleccin del Tipo de Vacaciones
En este apafado se examinan los determinantes de la eleccin de salir de
vacaciones, de la eleccin de viajes internacionales y de los viajes multidestino,
contrastndose las hiptesis correspondientes sealadas en el Captulo II.
4.1.1. Determinantes de la Decisin de Salir de Vacaciones
La identificacin de los determinantes de ia decisin de salir de vacaciones en
trminos de las variables correspondientes al bloque de hiptesis H.1.1-H.1.6 (ingresos,
tamao del hogar, edad, situacin laboral, tamao de la ciudad y opinin sobre salir de
. 14,
vacaciones'*), implica la estimacin por mxima verosimilitud de un modelo Logit
Binomial que se ofrece en la Tabla 4.
7o
Adicionalmente, se controla el efecto del sexo v del estado civil.
t 55
- 8
3
v Y
c l
- d
s.
5:
- 9 i ?
s. EB=
Y O O O
- i i d < t d
^ l h - ! 3
: - h - 9
- . 4 : q o o Y
-
i i 9 d d g
^' s' * i ?-. n "a i
" 3 S5 3 5 - 3 =
- c . d i g 9 o . ?
^ : , i r r i s ' c : -
x l 9 a o o n N
v - d
c
q s o o
-
-
q J c . ?
do. oi
lbbFii?BEi
s" " E5si : : EE- e
- 9 9 ? i a : i d ? 9 9
^ : - 1 i ? . o r l " ^ h b q
- = H8 H3 8 3 1 3 3 3
-
j q o i q i i a q q d
3. ' s
b [ ?! i :
qg

-
d d q I
g d . i ? d c d
?gg33EsF.:3"g3"e?
3s3g=ggs:l5Bg-?
8" ' EESI EE3E: =. i g: : 3
- c ? d ? 9 9 + 9 i i i + d d c j
s:.ssBSg"gE-g33++s+9
?g3333-s3:l3+Ei=Blr
3g"s. H
I
F. i Et gS_q5i e5 E - ? + d o .
e c ' 4 q e { 9 9
= .
= , ; o o =
3}isE*gn3+is3:?3333gi
?3$
i3$3: 3
g"5BBB3
+s3: ?i
eAggBgli*gg?sBs"gFg3ssB*
t: iE = ; =; ,!=i EE
rt)
F
U
I
X
0
r-l
r.
a
Fl
tl
3
z
r-'t
z
U
J
r-'l
U
0
F
z
r-.t
U
U
ct;
I
3
Captulo lll.Comportauiento de Eleccin del Turista Espaol
Con relacin a la significatividad conjunta e individual de las variables
explicativas del modelo son destacables los siguientes aspectos. Por un lado, los tests de
ratio de verosimilitud (RV) de significacin conjunta de las variables permiten concluir,
en todas las ecuaciones,
Que
se obtiene informacin significativa al introducir
caractersticas individuales, en lnea con lo sugerido por varios autores (Eymann y
Ronning 1992;1997;Hay.y McConnell,IgTg; Milier y Hay, l98l; S.G.T., 1992; Walsh
et al., 1992). Es decir, las variables analizadas son colectivamente significativas a un
nivel inferior al},I%u Asimismo, con el fin de determinar la especificacin que mejor
representa el modelo se calcula el Criterio de lnformacin de SwcharzTs (CIS) para cada
ecuacin. En virtud del mismo, la Ecuacin 5 presenta la especificacin ptima, lo que
viene corroborado por alcanzar el mayor coeficiente p de McFadden (1,5,4oA), magnitud
considerada aceptable para este tipo de modelos (Hensher y Johnson, 1981). Este
resultado implica que la consideracin conjunta de las dimensiones incluidas en esta
especificacin 5 (ingresos, tamao del hogar, situacin laboral, tamao de la ciudad y la
opinin sobre salir de vacaciones) resultan determinantes de esta decisin.
Por otro lado, los tests de significatividad de los parmetros individuales
demuestran que las variables relativas a los ingresos, el tamao del hogar, la situacin
laboral, el tamao de la ciudad de residencia y la opinin sobre salir de vacaciones,
presentan una mayor influencia sobre esta decisin, siendo significativas a un nivel
inferior al 5oA en la totalidad de los casos. Las estimaciones de estas dimensiones
muestran resultados robustos en las distintas ecuaciones, puesto que las variables
presentan idnticos niveles de significatividad en todas ellas.
En particular, todas las variables relativas a los niveles de ingresos presentan un
signo positivo. Es decir, todos los parmetos sort significativamente mayores que el de
la categora de referencia de ingresos inferiores (Ingresosl), mostrando las dos
categoras de nivel superior el mayor impacto sobre la probabilidad de salir de
vacaciones. Ello confirma la hiptesis H.1.1 de que el consumo de productos tursticos
aumenta conforme se incrementan los ingresos, por Io que se evidencia que este tipo de
producto se comporta como vn bien normal (Hay y McCorurell, 1979; S.G.T., 1989a;
1992; 1993; Bardn, 1991
;
Walsh et al., 1992).
tt
Este criterio se define como CIS:I og(LM)-(H2)log(,{1), donde I representa la fimcin de
verosimilitud, M eltamaio muesal y el nmero de panimeuos. Esta medida, adems de considerar la
t57
TABLA 4. FACTORES DETERMINANTES DE SALIRVACACIONES CON LOGIT BINOMIAL
(l = sal i r de vcaci ones; 0= no sal i r de vacci ones Errores estndar entre parntesi s)
Variables
lo.p.oJt"r
Ecuacin 1 Ecuacin 2 Ecuacin 3 Ecuacin 4 Ecuacin 5
Ingresos2
Ingresos3
Ingresos4
Ingresos5
Tmo. hogar
Edad
Edad2
Edadl
Edad2
Edad3
Si t.l ab.l
Sit. lab.2
Sit. lab.3
Sit. lab.4
Tmo. ciudad2
Tmo. ciudad3
Tmo. ciudad4
Opinin Vacacs.
Constante
3 =
Sexo
= Y
. : = E
;
-

Esrado
0,744"
(0,1 l 4)
1,705u
(0, I 75)
2,681^
(0,480)
2, 1 83'
( l ,094)
-0,142
(0,038)
-0,006
(0,004)
0,823"
(0,r l 2)
1,900"
(0, I 70)
2,931
(0,476)
2,254'
(1, 086)
-0, 141"
(0,037)
-0,034
(0,017)
0,0002
(0,000t)
0,746u
(0,1 14)
1,70y
(0,1 75)
2,682'
(0,480)
2,17l ' ,
(1,094)
-0,14tr
(0,038)
-0,015
(0,0t 8)
9E-05
(0,000r
)
0,836u
(0,1 l 2)
I
,910.
(0, I 70)
2,93V
(0,476)
2,261'
( l , 085)
-0,13'7"
(0,037)
0,371
(0,1 99)
0,125
(0, I 53)
-0,234
(0,1 52)
-0,029
(0, l 33)
0,5Q7^
(0,132)
0,676
(0, r6l )
1, 1 68u
(0,097)
-0,619b
(0,1 88)
-0,1
89"
(0,095)
0,147
(0,1 1)
0,75lu
(0,1 l 4)
1, 712
(0,1 75)
2,678"
(0,480)
2,182c
(1,094)
-0,
I 35'
(0,0038)
0, 1 82
(0, 251)
0,129
(0,200)
-0,204
(0,173)
n ?n?c
(0,r40)
0, 1 86
(0,174)
-0,1
1 5
(0,1 88)
1
, 031u
(0,300)
-0,028
(0,134)
o s05s
(0,r34)
0,704u
( 0, 163)
1, 162
(0,0e7)
-0,878'
(0,242)
n ) ) 1
(0,120)
0,302'
(0,r40)
0,267
( 0, r 71)
-0,112
(0, I 88)
1,037
(0,290)
-0,034
(0, 133)
0,494'
(0, r 34)
0, 691"
(0, I 63)
1, 16t r
(0,097)
-0, 515
(0,304)
0,206
(0,1 l 5)
-0,035
(0,132)
0,501"
(0,132)
0,664'
(0, 161)
l , l 69u
(0,097)
0,364
(0,406)
-0,
I 89'
(0,095)
0,137
(0,1 r7)
0,306'
(0,140)
0,249
(0, r 75)
-0, 1
l 4
(0,1 89)
1,008u
(0,297)
-0,032
(0, I 33)
0,496'
(0,134)
0,694u
(0, I 63)
1, 16t r
(0,097)
-0,357
(0,455)
0,224
(0, 121)
Ivrv(4
CIS
RV
p
-
I .3 14,70
l , l I I
474,40"
Q,152
-
1. 330, 58
I l l t
463,21'
0, t 48
-
l .3 14,59
I , t 14
474,61
0 t i ?
- 1. 327, 67 - 1. 311, 99
1, 1 13 1, 1 15
469,04^ 47g,gl"
0, 150 0, 154
alrob<0, I %; b:prob< I %; c:prob<57o.
Por su parte, el tamao del hogar presenta un signo negativo, lo que significa
que los hogares con pocos miembros tienden a salir ms de vacaciones debido a la
mayor disponibilidad presupuestaria,
apoyando as la hiptesis H.1.2 en lnea con
funcin de verosimilitud tiene en cuenta la parsimonia del modelo al confiolar por el nmero de
parme[os. El modelo con mayor CIS representa la especificacin que mejor ajusta los datos.
158
Captulo lll.Comportantiento de Eleccin del Tutista Espaol
Crawford
y Godbey (1987) y Collins y Tidell (2002). Con relacin a la situacin
laboral, los signos positivos de las categoras I y 4, referentes a las personas ocupadas
(con mayores ingresos) y a los estudiantes (con mas disponibilidad de tiempo), sugieren
mayores probabilidades de viajar, siendo sus parmetros significativamente mayores
que los referidos a las otras tres categoras, lo que verifica la hiptesis H.1.4 de acuerdo
con los resultados obtenidos en otros estudios (S.G.T., 1989a; 1993; I.E.T., 2000).
Asimismo, el tamao de la ciudad de residencia muestra un signo positivo para
las ciudades con mayor nmero de habitantes (categoras 3 y 4), cuyos coeficientes son
significativamente mayores que los referidos a las categoras de tamaos menores
(niveles I y 2); lo que es indicativo de la existencia de una necesidad de "escapar" de
las grandes urbes (Eymann y Ronning, 1992), corroborando la hiptesis H.1.5. El signo
positivo de la variable relativa a la opinin favorable/desfavorable a salir de vacaciones
refrenda la hiptesis H.1.6 de que una opinin favorable fomenta las salidas de
vacaciones. Por tanto, las dimensiones psicogrficas de los individuos determinan las
decisiones vacacionales, en lnea con Plog (1994), Got:ulez y Daz (1996), Ashok et
al., (2002) y Seddighi y Theocharous (2002).
En cuanto a la edad, no se detecta influencia de esta variable en ningn caso
-
lineal, curvilnea o por niveles-, ya que los parmetros que la relacionan con la
probabilidad de salir de vacaciones no son significativos, lo que impide contrastar la
hiptesis H.1.3 de no linealidad. La no significatividad de la edad sugiere, en lnea con
Collins y Tisdell (2000; 2002a), que existen otros factores personales que empujan a un
individuo a salir de vacaciones con indeoendencia de su edad.
CuadTo 5. CONTRASTE DE LAS HIPTESIS EN I-T EI,TCCIN DE SALIR DE VACACIONES
Hiptesis AceDta Rechaza
H.l.l Mayores niveles de renta del individuo se asocian coil ma),ores probabilidades de
emp render viaj e s vacacional es.
H.1.2 Mayores lamaos de hogar reducen Ia propensin a realizar viajes vacacionales.
H.1.3 La edad eierce un efeclo no lineal sobre la probabilidad de salir de t'acaciones.
H.l.4 La situacin laboral incide en las probabilidades de realizar viajes wcacionales.
H.1.5 Un nrayor lamao de la ciudad de origen conlleva una mayor propensin a viajar
durante las vacaciones.
H.1.6 Las opinionesfavorables a ir de vacaciones de los individuos inciden positivamente
en la opcin de salir.fuera de su lugar de resdencia habitual.
X
X
X
X
X
X
r 59
Finalmente, con relacin a las variables de control, el sexo resulta significativo,
siendo el masculino el que parece influir negativarnente en la probabilidad de salir de
vacaciones; mientras que el estado civil no parece incidir en esta decisin. En suma, el
Cuadro 5 muestra el resultado final del contraste de las hiptesis de investigacin.
4.1.2. Determinantes de la Eleccin de Destinos Internacionales
La identificacin de los determinantes de la eleccin de un destino internacional
en trminos de las variables correspondientes al bloque de hiptesis H.1.7-H.1.11
(utilizacin de intermediarios, nmero de nios, nivel de estudios, inters del individuo
por la cultura y por conocer lugares nuevosTd) implica la estimacin, por mxima
verosimilitud, de un modelo Logit binomial que se ofrece en la Tabla 5.
TABLA 5. FACTORES DETERMINANTES DE SALIRDE VACACIONES
AL EXTRANJERO CON LOGIT BINOMIAL
(1= destino internacional; F destino nacional. Enores estandar entre parntesis)
Variables Independientes Ecuacin I Ecuacin 2
Organizacin
Nios
Estudios2
Estudios3
Inters cultural
Inters por destinos nuevos
Constante
Sexo
Estado civil
E Edad
U

Ingresos 2
a
F
Ingresos 3
Ingresos 5
1, 416 1,234^
(0, 190) (0, 231)
-0,253" -0,390u
(0,103) (0,142)
n ??7
(0,226)
1, 1 13"
(0,217)
0,839"
(0,217)
1
, 1
g3u
(0, I 81)
-3,754"
(0,243)
0,043
(0, 175)
-0, 159
(0, 187)
r,073u
(0,250)
0,998u
(0,220)
-3,089u
(0,477)
-0,005
(0,214)
-0,075
(0,261)
' -0, 008
' (0,008)
-0,122
(0, 341)
0, 5 l 5
(0,352)
0,708
(0,460)
1,908"
(0,77s)
M\(0
crs
RV
485, 13
0,457
208,06"
-338,00
0,470
134,3ff
p 0, 176 0, 165
alrob<0,1%; b-lrobcl %; c:prob<5%.
76
Adicionalmente, se controla el efecto del sexo, el estado civil, la edad y el nivel de ingresos.
160
En cuanto a la significatividad conjunta e individual de las variables explicativas
del modeloTT son destacables los siguientes Npectos. La estimaciones son globalmente
significativa al0,lTo, de lo que se deduce que las dimensiones analizadas parecen influir
en esta decisin. En particular,
el coeficiente p de McFadden se situa en tomo al l7Ya,
lo que significa que las variables independientes del modelo explican un porcentaje
aceptable de la probabilidad de seleccionar viajes internacionales.
Con relacin a los parmetros individuales se evidencia que el uso de
intermediarios, el nmero de nios menores de diecisis aos, el nivel de estudios y las
dimensiones psicogrficas son determinantes en la realizacin de viajes al extranjero, al
ser todas significativas a un nivel inferior al5o/o. En particular, el signo positivo de la
variable organizacin corrobora la hiptesis H.I.1, que vincula la utilizacin de
intermediarios con los viajes internacionales, es decir, productos de complejidad
elevada, ya que ello permite reducir la incertidumbre inherente en los mismos (Mak y
Mancw, 1980; Sheldon y Mak, 1987; Bote et al., 1991). El nrimero de hijos menores de
diecisis aos que realizan el viaje presenta un signo negativo, por lo hay una
preferencia por elegir un destino nacional cuando se viaja con ellos (S.G.T,, 1989b), 1o
que apoya la hiptesis H.1.8. Esto evidencia que los nios son considerados a la hora de
seleccionar un destino (Hsieh et al., 1993; Sheldon y Mak, 1987; Stemerding et a1.,
leee).
El signo positivo de la variable relativa al nivel de estudios universitarios
(Estudios3) sugiere que aquellos individuos con este tipo de estudios presentan una
mayor propensin a viajar al extranjero en relacin con estudios inferiores, verificando
as la hiptesis H.1.9. Ello implica que la cultua y el conocimiento del idioma
extranjero soh aspectos importantes en este contexto, en lnea con Eymann y Ronning
(T997). En cuanto a las dimensiones psicogrficas, los signos positivos confirman la
influencia del "inters por ampliar la cultura" y del "inters por conocer lugares nuevos"
en la decisin de viajar al extranjero (Anderson, 1970; Mayo y Jarvis, 1981; Santos,
1983), apoyando las hiptesis H.1.10 y H.1.11, respectivamente. Finalmente, las
variables de control "sexo", "estado civil" y "edad" no parecen influir en la decisin de
viajes internacionales, mientras que la categora superior de ingresos presenta un efecto
positivo sobre la realizacin de este tipo de viajes.
tt
En funcin de las hiptesis planteadas
se analizan las variables correspondientes, por lo que el nmero
161
CUAdTO 6. CONTRASTE DE LAS HIPTESIS EN LA ELECCIN DE LOS VIAJES INTERNACIONALES
H.1.8 El nmero de nios que realizan el viaje es una restrccin en la eleccin de los
viaj es nt er n a ciona I es
H.l.9 Un mayor nivel de estios del individuo incrementa la propensin a realizar viajes
internacionales.
H.1.10 El inters del individuo por conocer lugares nuevos incide positivamente en la
opcin de salir de
yacaciones
al exterior.
H.t.lt El ters del ndifiduo por ampliar su caltura incide positivament en la opcin de
salir de vacaciones al exterior.
X
X
X
X
4.1.2. Determinantes de la Eleccin de Viajes Multidestinos
La identificacin de los determinantes de la eleccin de viajes multidestinos en
trminos de las vaiables corespondientes al bloque de hiptesis H.l .12-H.1.I4
(utilizacin de intermediarios, el inters del individuo por la cultura y por conocer
lugares nuevosT8) implica la estimacin, por miixima verosimilitud, de un modelo Logrt
binomial que se ofrece en la Tabla 6.
La ecuacin estimada es globalmente significativa al 0,106 alcanzando un p de
McFadden igual al 10,606,lo que sugiere que las dimensiones analizadas parecen influir
en la decisin de los viajes multidestinos, explicando un porcentaje relativamente
aceptable de la variabilidad de la probabilidad de elegir este tipo de viajes.
TABLA 6. FACTORES DETERMINANTES DE LOS VIAJES ITINERANTES
CONLOGITBDIOMIAL
(l= aie multidestino; 0= viaje con destino fijo. Errores esrndar entre parntesis)
Variables Independientes Coeficientes
Organizacin
Inters cultural
Inters por Destinos nuevos
Constante
0,706'
(0, 12 1)
1,179"
(0,147)
1, 1 00u
(0, 101)
-1,714"
(0, 103)
n i ?r a
(0,0e7)
-0. 173
(0,099)
P F
Sexo
EE

Estado civit
IvrV(4
CIS
RV
p
-1. 306, 34
1. 056
3 10.86"
0, 106
a-prob<0,l %; b--prob<l 7o. cgob<S%.
de ecuaciones no colineales vara de un contexto de eleccin a otro.
78
Adicionalmeute, se contola el efecto del sexo v del estado civil.
r62
Captulo lll.Comportamicnto de Eleccin del Turista Espaol
Con respecto a los parmetros individuales, se evidencia que el modo de
orgarlizar el viaje y las dimensiones psicogrficas influyen en la eleccin de los viajes
multidestino, al ser significativas a un nivel inferior al 0,10lo. En concreto, la variable
organzacin presenta un coeficiente positivo, lo que apola la hiptesis H.l.l2 de que la
utilizacin de intermediarios se asocia con viajes a varios destinos debido a que los
turistas consiguen con mayor eficiencia la agregacin de mltiples componentes (Mak y
Moncur, 1980; Sheldon y Mak, 1987).
De igual modo, las dos dimensiones psicogrficas presentan un signo positivo, lo
que apoya las hiptesis H.1.13 y H.l.14 de que aqullas infiuyen positivamente en la
decisin del tipo de viaje multidestino. En particular, el rurista espaol que manifiesta
tener "inters por conocer lugares nuevos" e "inters por ampliar su cultura" se
comporta como visitante itinerante de acuerdo con Ia clasificacin de Mayo y Jarvis
(1981), por lo que parece que la necesidad intelectual de
"saber"
se satisface recorriendo
diversos destinos.
IPTES
En cuanto a las variables de control, el sexo resulta significativo, siendo el
masculino el que parece infiuir positivamente sobre la probabilidad de elegir un viaje
multidestino; mientras que el estado civil no parece incidir en esta decisin.
4.2. Determinantes de Ia Eleccin del Destino
Tal y como se indic anteriormente, la eleccin de los destinos considera tres
especificaciones diferentes del destino: comunidades autnomas, provincias y tipo de
destino (atendiendo
a su carcter urbano y su ubicacin).
4.2.1. Eleccin de Destinos por Comunidades Autnomas
La estimacin, por mxima verosimilitud simulada, del Modelo Logit con
Coeficientes Aleatorios, para el caso de destinos delimitados por comunidades
Cuadro 7. CONTRASTE DE LAS H IS EN LA ELECCION DE LOS MULTIDESTINO
Hiotesis Acepta Rechaza
H.1.12 La utlizacin de intermediarios se asocia con viajes muhidestinos.
H.1.13 El inters de los individuos por conocer destinos nue,-os incide positivamenfe en la
eleccin de los vajes multidestinos.
H.l.l4 El inters de los individuos por ampliar su cultura incide positivamente en la
.
eleccin de los viaies multidestinos.
x
X
X
r63
autnomas, y sobre las dimensiones disponiblesTe del bloque de hiptesis H.4
(superficie y precios) se ofrece en la Tabla 7. Las tcnicas de simulacin utilizadas,
indicadas en la seccin2.2.1, se describen en el Apndice A.
En esta lne4 y con el fin de detectar los parmetros que se deben incluir en el
modelo con carcter aleatorio, primero se estiman bajo el supuesto de que todos son
aleatorios (Ecuacin i), lo que permite observar si la estimacin de la varianza del
parmetro es estadsticamente distinta de cero (Train,
1998)80. Los resultados obtenidos
muestran que slo lavananza del parmetro de la extensin del destino es significativa.
Por ello, la Ecuacin 2 nicamente considera aleatorio este parmetro, manteniendo fijo
el que mide el impacto de los precios. Adems, el criterio del CIS indica que esta
segunda especi ficac in rcaliza un mej or aj uste.
TABLA 7. DETERMINANTES DE LA ELECCIN DE DESTINOS (CCAA)
CON LOGIT DE COEFICIENTES ALEATORIOS
(Errores
estndar enhe parntesis)
Variables
Independientes
B
Ecuacin 1 Ecuacin 2
8 Yzr(Bl Ya(Bl
Superficie
Precios
0,203u
(0,007)
-0,222"
(0,025)
0,r21"
(0,030)
0,203"
(0,007)
o r ? ? 8
(0,029)
0,001
-0,223"
(o,oo9) (0,025)
Mv(0
CIS
-5.444,24
-s.450.89
-5.444,10
-5.449.09
a=prob<0,l %; blrobcl %; c:prob<S%
Como resultado, se observa que las dos variables analizadas son significativas a
un nivel inferior aI 0,106, y presentan signos opuestos. El coeficiente que relaciona la
extensin del destino con l'a probabilidad de eleccin es positivo, lo que sugiere que la
superficie supone un mayor atractivo para el destino de acuerdo con Wennergren y
Nielsen (1968), Siderelis y Moore (1998) y Train (1998), en lnea con 1o planteado en la
hiptesis H.2.1. El hecho de que lavananza del parmetro sea significativa es indicativo
'
Se ha desestimado la iclusin de las variables explicativas de las motivaciones y de la distancia. En
particular, el elevado nmero de alternativas impide la inclusin de las motivaciones personales debido a
que generan problemas en la estimacin. Asimismo, la medicin de la variable distancia conlleva la
utilacin de cenhoides, por lo que su consideracin implicara incurrir en importantes errores de medida
para el caso de las comunidades autnomas. En este sentido, Baxter y Ewing (1980) sugieren que, para
analizar la distancia, la definicin de los destinos debe ser lo ms descgregada posible.
*o
La presencia de una varianza distinta de cero asociada a un parnretro eviencia su carcter aleatorio
(Trair 1998).
164
Captulo lll.Comporamiento de Eleccin del Turista Espaol
de que efectivamente existe diversidad en las preferencias de la muestra estudiada. Por
su parte, el coeficiente del precio es negativo mostrando as la reduccin de utilidad que
suponen precios
elevados de los destinos (CC.AA.), lo que apoya la hiptesis H.2.4; y
ello permite defender, a su vez, que los productos tursticos son un bien ordinario
(precios elevados reducen la demanda) (Smith, 1995).
4.2.2, Eleccin de Destinos por Provincias
Para el caso de los destinos definidos en trminos de provincias, adems de la
extensin y los precios del destino tambin se considera el impacto de la distancia entre
los orgenes y los destinos, medida en kilmetros (Distancia 1) y en tiempo invertido en
el desplazamiento (Distancia 2)8r. La estimacin por mxima verosimilitud simulada del
Modelo Logit de Coeficientes Aleatorios se ofrece en la Tabla 8. Siguiendo el
procedimiento anterior, po determinar los parmetros que deben ser introducidos en el
modelo con carcter aleatorio se estiman las Ecuaciones I y 3, y se detecta que slo las
variables referidas a la distancia deben tener asociadas parmetros aleatorios.
TABLA 8. DETERMINANTES DE LA ELECCIN DE DESTINOS (PRO\TNCIAS)
(Enores estndar entre parntesis)
Variables Ecuacin 1 Ecuacin 2 Ecuacin 3 Ecuacin 4
lndependientes
0 Yar(Bt B Var(6 B Var(Bl B Yar(Bt
Di stanci a I
-0,380"
0,347"
-0,38l u
0,345"
(0,0r5) (0,014) (0,015) (0,014)
Distancia 2 -0,492'
0,663'
-0,493"
0,658.
(0,0t1) (0,027) (0,021) (0,026)
Precios
-0,232"
0,005
-0,232" - -0.223"
0,lOZ
-0,222"
(0,022) (0,017) (0,022) (0,024) (0,281) (0,023)
-
}4v(q
-7.339,09
-7.337,71
Superficie
-0,618u
0,003
-0,679u
(0,057) (0,053) (0,057)
cIS
-7.349,07
_7.344,36
- -0,513"
0,048
-0,542"
(0,0r) (0,130) (0,059)
-7. 251, 88
-1. 26t , 86
-7.251,46
-7.258,11
a:prob<0,l %; blrobcl %; c=prob<5%.
Por ello, se estiman las ecuaciones 2 y 4, para las que el criterio del CIS
nuevamente indica que son superiores a las precedentes. Adems, ambas ecuaciones
presentan resultados robustos al manifestarse significativas a un nivel inferior al0,1Yo, y
8r
Siguiendo la sugerencias de Baxter y Ewing (1981), la delimitacin de los destinos por provincias es la
definicin ms desagregada que se puede obtener a partir de la informacin disponible, para analizar la
165
Captulo lll.Comportanento de Eleccin del Turista Espaol
con el mismo signo todas las variables. Como cabna esperar los precios presentan un
signo negativo, lo que sugiere que los turistas tienden a seleccionar los destinos
(provincias) con menores precios, en lnea con Smith (1995) y Lanquar (2001). Este
resultado,
junto
con obtenido para
la eleccin de CC.AA., permite apoyar la hiptesis
H.2.4 para el caso de unidades administrativas. La distancia tambin es significativa a
un nivel inferior al0,106 y presenta un signo negativo, lo que conduce a caractenzar la
distancia como un factor disuasorio en la eleccin de la provincia de destino, en lnea
con Taylor y Knudson (1976). Por tanto, se evidencia la hipte sis H.2.2. Sin embargo,
el signo positivo de su varianza sugiere que la distancia ejerce un efecto diferenciado
entre la muestra (incluso mayores distancias no suponen menores utilidades para todos
los individuos de la poblacin), por lo que su efecto ser analizado con mayor detalle en
el apartado 4.2.3.
Con relacin a la extensin, resulta curioso que presente un coeficiente negativo
para el caso de las provincias, y positivo para las comunidades autnomas, lo que
impide sacar conclusiones acerca del signo de la hiptesis H.2.1 a nivel de unidades
administrativas. En linea con Ewing (1980), este resultado puede venir explicado por el
hecho de que los individuos tienden a desplazarse a regiones colindantes
-de
hecho,
como se ha observado en la Tabla 8, en general prefieren menores distancias-, por lo
que al definir los destinos en trminos de comunidades autnomas, aqullas que
presentan mayores extensiones necesariamente estarn en contacto con un mayor
nmero de orgenes y, en consecuencia, recibirn un mayor flujo de entradas. No se
debe olvidar que Usach (1998) y Martnez (2002) detectan, para el caso espaol, una
marcada tendencia arealizar viajes tursticos a las comunidades colindantes, sean stas
de interior o costeras. Este fenmeno de contigtiidad puede explicarse por el tipo de
furismo realizado, que encuentra su principal motivacin en el ocio o descanso en zonas
habituales, para las cuales el turista no necesita realizar grandes desplazamientos, lo que
tiene la ventaja de un menor coste de transporte (Usach, 1998). Por tanto, es posible que
la extensin no est recogiendo realmente la utilidad que supone para el turista una
mayor superficie, sino que simplemente refleja una nayor propensin a vialar a
regiones cercanas. En cualquier caso, un aspecto importante que se deriva de este
distancia. Al igual que en el caso anterior, el elevado nmero de alternativas impide la inclusin de las
mofivaciones personales.
166
Captulo lll.Comportamiento de Eleccin del Turkta Espaol
anlisis es que,
en lnea con Baxter y Ewing (1981),
el nivel de agregacin de los
destinos puede influir en los resultados.
4.2.3. An lisis del Intercambio Repeticin-Distan ci a
El anlisis del efecto moderador de la repeticin de un destino sobre el nexo
distancia-eleccin del destino a nivel de provinciassz
lHiptesis
4.3), implica la
estimacin, por mxima verosimilitud simulada, de un Modelo Logit de Coeficientes
Aleatorios y la aplicacin del procedimiento de Sharma et al. (1981) (ver Tabla 9). En
concreto, la Ecuacin I presenta, como referencia, la estimacin de la distancia sin
efecto moderador, cuyo coeficiente negativo y significativo permite corroborar los
resultados obtenidos en el apartado 4.2.2 de que la distancia parece ejercer un impacto
negativo sobre la eleccin de las provincias como destinos. Del mismo modo que en la
seccin 4.2.2, el coeficiente de la
ydnanzl
de este parmetro tambin es significativo, lo
que implica que mayores distancias no suponen menores utilidades para todos los
individuoss3. Este resultado evidencia la posible existencia de efectos moderadores.
Con la finalidad de analizar la repeticin como efecto moderador de la relacin
distancia-eleccin de destinos, se estima la Ecuacin 2, donde la interaccin repeticin-
distancia mide el impacto de la distancia en la seleccin de destinos (provincias) ya
visitados con anterioridad. En particular, esta interaccin resulta significativa, lo que
implica que la repeticin moderasa el impacto de la distancia, apoyando as la hiptesis
4.3 de acuerdo con Moutintro y Trimble (199i). Adems, se obtiene un parmetro
mayor en valores absolutos que en la Ecuacin | (fl:31,7; p<0,001), lo que significa
una prdida de utilidad al visitar nuevamente los destinos alejados (provincias) y, por
tanto, una reduccin en la probabilidad de que este destino ya visitado sea seleccionado
de nuevo. De hecho, slo un 4,3% (1-il-0,45810,266)) de la muestra obtendra utilidad
positiva al visitar nuevamente un destino lejano.
82
De acuerdo conBaxter y Eu'ing (1981), con el fin de obtener mediciones ajustadas de la distancia se
utilizan los destinos definidos por provincias, ya que representa la deiimitacin disponible de los destinos
ms desagregada.
83
En concreto, de acuerdo con la distribucin de probabilidad Nornrel de los parmetos, el 88,2oA de la
muestra obtiene una utilidad negativa ante incrementos de la distancia, mientas que el ll,8% obtiene
satisfaccin con las lareas distancias.
8a
Con el frn de deternJnar el tipo de efecto moderador, p uro o cuasi-moderador,se plante la estimacin
de la repeticin como variable independiente (sin interaccin), en lnea con Sharma et al. (1981). Sin
embargo, debido a problemas de singularidad, dicha estimacin no pudo ser llevada a cabo. Asimismo,
este problema impide la estimacin conjunta de la distancia y la interaccin.
r67
TABLA 9. EFECTO MODERADOR DE LA REPETICIN DE DESTINOS
(PROVTNCTAS) EN LA RELACTN DISTA{CrA-ELECCTN CON MODELOS
LOGIT MULTINOMIALES CON COEFICIENTES ALEATORIOS
Errores estndar ente
Variables Ecuacin 1 Ecuacin 2 Ecuacin 3
I ndependi e4l es PYz r ( f By ar ( gt Py ar ( f r |
Distancia
Rep*Distancia
(1-Rep)*Distancia
-0,346"
0,299"
(0,049) (0,044)
-0,458u
0,266"
(0,082) (0,055)
-0,255"
0,284u
(0,060) (0,060)
Mv(4
CIS
-464,59
-466,79
-480,44
-482,64
0,957
-501, 65
-503,85
0, 815 0.882
a=prob<0,l%; b=prob<l %; c=prob<5%
Con el fin de refinar el anlisis, se examina tambin el efecto de la no-repeticin
sobre la distancia (Ecuacin 3). Nuevamente se obtiene una interaccin significativa,
con un parmetro menor en trminos absolutos que en la Ecuacin t (Zi:74,1;
p<0,001), lo que significa que en esta ocasin, la distancia genera utilidad positiva
cuando no se visita nuevamente un destino (provincia) para un I8,5oA (l-il-
0,25510,284)) de los individuos.
En suma, aunque en general la distancia reduce la utilidad de los destinos
(provincias) para la mayora de los individuos, su efecto viene moderado por la
repeticin (o bsqueda de variedad) de los mismos, verificando as la hiptesis H.4.3.
Ello apoya la propuesta de "bsqueda de variedad del turista" de Moutinho y Trimble
(1991), relativa al menor (mayor) esfuerzo que un turista est dispuesto a realizar para
repetir (variar) la visita a un destino alejado.
4.2.4. Eleccin de Tipos de Destino
La identificacin de los determinantes de la eleccin del tipo de destino
(atendiendo a su carcter urbano y costero) en trminos de las dimensiones
correspondientes al bloque de hiptesis H.4 (precios del destino y motivacin de
bsqueda de relajacin)8s implica la estimacin, por maiima verosimilitud del Modelo
Logit Anidado que se ofrece en la Tabla 10. Este modelo considera los nidos "pueblo
costero y pueblo del interior" y "ciudad costera y ciudad del interior" en la Ecuacin 1
168
Captulo lll.Comportanento de Eleccin del Turkta Espaol
(carcter urbano), mientras que distingue los nidos "pueblo y ciudad costera" y "pueblo
y ciudad de interior" en la Ecuacin2 (carcter costero).
Con el objeto de detectar la especificacin ptima se aplican los siguientes
criterios descritos en la seccin de metodologa: i) Parmetro del valor nclusivo
unitario. En cualquiera de las dimensiones consideradas parala formacin de los nidos
(el carcter urbano en la Ecuacin 1 y la ubicacin enla Ecuacin 2), el coeficiente del
valor inclusivo es significativamente distinto de la unidad: 0,516 (t:3,78I; p<0,001) y
1,869 (t:L,988; p<0,05). Este resultado indica que el Modelo Logit Anidado es superior
al Logit Multinomial (no se debe olvidar que el Multinomial es un caso particular del
Anidado cuando r1). ii) Rango del parmetro del valor inclusivo. De acuerdo con este
criterio, se selecciona la especificacin 1, ya que su coeficiente 0,516 se encuentra
dentro del rango (0.1). En cambio, la Ecuacin 2 presenta un coeficiente igual a 1,869
que est fuera de dicho rango, 1o que implica que en esta Ecuacin 2 existe una mayor
correlacin entre las altemativas de distintos nidos que entre las del mismo nido. Es
decir, este resultado sugiere que las alternativas contenidas en los nidos "pueblo costero
y de interior" y "ciudad costera y de interior" estn correlacionadas, por lo que al ser
separadas en los nidos "pueblo y ciudad costera" y "pueblo y ciudad de interior", la
estimacin de la Ecuacin 2 detecta esta correlacin entre las alternativas de distintos
nidos, provocando que el parrnetro epresente un valor fuera de su rango. Esto conduce
a invalidar la estructura propuesta en esta segunda especificacin.
ii) Igualdad de los parmetros de los distintos nidos. IJna vez detectada la
estructura de nidos adecuada a este contexto de eleccin, y con el fin de flexibilizar los
patrones de sustitucin entre las alternativas de los diferentes nidos, se estima un
coeficiente del valor inclusivo distinto para cada nido (Ecuacin 3). A travs del test de
ratio de verosimilitud se obtiene un estadstico yl igual a 23,74 (p<0,001), lo que
conduce a rechazw la hiptesis de igualdad de dichos coeficientes. En particular, se
observa una conelacin moderada de 0,274 (l-rl-0,726) entre las alternativas del
nido "pueblo costero y de interior", mientras que las altemativas del nido "ciudad
costera y de interior" muestran una mayor correlacin (1-11-0,235:0,765), lo que
puede venir explicado por la existencia de un mayor nmero de atributos no observables
que son comunes a las ciudades costeras y de interior.
o'
Como se indic previamente, esta definicin de las alternativas, discontinua en el espacio, no permite
contrastar el efecto de la extensin y de la distancia.
169
Captulo lllComportamiento de Eleccin del Turista Espaol
En suma, la aplicacin de estos criterios permite detectar que el modelo anidado
que mejor recoge la estructura de los nidos y los patrones de sustitucin subyacentes
viene dado por la Ecuacin 3. Adems, esta especificacin presenta el mayor CIS, 1o
que apoya su seleccin.
TABLA 10. DETER\IINANTES DE LA ELECCION DE LOS TIPOS DE DESTINOS CON
Errores eslndar ente oarntesis
Variables
Independientes
Preci o (1)*
Precio (2)
Precio (3)
Precio (4)
l\{otivacin bsqueda de
relajacin (1)
Motivacin bsqueda de
relajacin (3)
Valor inclusivo comn
\alor inclusivo
{nido
1}
\alor inclusivo
{nido
2}
Logit Multinomial Anidado
con valor inclusivo comn a
todos los nidos
Ecuacin I Ecuacin 2
Nidos Nidos
vs.
Logit Multinomial Anidado
con valor inclusivo distinto
cada nido
Ecuacin 3
Nidos
1.3l vs.
0,440u
(0,057)
-0,094
(0,060)
0,084
(0,062)
-0, 169"
(0,083)
1,824"
(0,482)
2,656"
(0,434)
0,726"
(0,220)
0,235"
0,4ggu
(0,069)
-0,
I 65u
(0,034)
0,091
(0,052)
-0,366u
(0,073)
2, I 58u
(0,434)
2,879"
(0,434)
0, 516"
(0, 128)
0,958"
(0, 157)
-0,305"
(0,096)
0, 1 15
(0,125)
-0,657u
(0,1 13)
?
qi a
(1, 375)
5 4 4 l a
(1,403)
1, 86f
(0,437)
(0, 1 12)
MODELOS LOGIT A{IDADOS
I\fv(q
CN
-1.332,6' 7 -1.331.16
-1.343,29 -1.341.78
-l . 320, 80
-r.332-94
.
a=prob<O,I%; b-Tob<l%; c:prob<S%.
*Entre
parntesis se indica la alernativa de desdno (1. Pueblo costero; 2. Ciudad costera;
3. Pueblo de interior; 4. Ciudad de interior) an la que se incluye esta variable.
A partir de los parmetros estimados en esta especificacin 3, se obtienen los
siguientes resultados: Los precios de los destinos nicamente son significativos en las
alternativas 1 (pueblo costero) y 4 (ciudad del interior), pero con signo contrario;
mientras que no parecen influir en la utilidad de los destinos 2 (ciudad costera) y 3
(pueblo de interior). Este resultado apoya parcialmente la hiptesis 2.4, ya que los
precios no siempre inciden en la seleccin de todos los destinos. Por otro lado, los
precios no actuan necesariamente como un factor de disuasin en todos los destinos, lo
que apoya la idea de que los productos
fursticos no siempre se comportan como vn ben
ordinario (Morrison, 1996). De hecho, este ltimo resultado es explicado por Prez
r70
Capnlo lll.Comportamiento de Eleccin del Turista Espaol
(1995) y Usach (1999) para el caso espaol, por el hecho de que, en muchas ocasiones,
el turismo realizado por las familias dentro del territorio nacional viene afectado por
algunos elementos, como el entorno natural o cultural, que no se recogen en los precios
debido a que no se pueden evaluar econmicamente, pero que resultan decisivos a la
hora de elegir el destino.
Con respecto a la motivacin "bsqueda de relajacin", la significatividad y el
signo de los parmetros muestran que esta motivacin favorece la eleccin de los
destinos "pueblo costero" y "pueblo de interior", lo que apoya la hiptesis H.2.5 con el
argumento de que estos factores son determinantes en la seleccin del tipo de destino
(Calantone y Johar, 1984; Mckrtosh y Goeldner, 1984; Hu y Ritchie, 1993; Eymann y
Ronning, 1997; De Borja et al., 2002). En suma, el Cuadro 8 ofrece los resultados
alcanzados en el contraste de las hiptesis de la eleccin del destino.
4.3. Eleccin y Gasto Turstico
4.3.1. Anlisis de la Participacin-Gasto Turstico
El anlisis conjunto de las decisiones de participacin en actividades tursticas y
de gasto turstico implica la estimacin de un modelo con dos ecuaciones que
consideran ambas elecciones. La Ecuacin 1 (Probit Binomial) recoge la eleccin de
"salir de vacaciones" y la Ecuacin 2 (regresin con variable dependiente cuantitativa)
refleja la decisin de gasto turstico para aqullos individuos que deciden salir de
vacaciones. En particular, la Ecuacin I contrasta las hiptesis corespondientes al
bloque de hiptesis H.1.1-H.1.6 (ingresos, tamao del hogar, edad, situacin laboral,
CUAdTO 8. CONTR{STE DE LAS HIPTESIS DE LA ELECCIX NB LOS DESTN{OS
Hiptesis
CC.AA. Provincias Tipo de Destino
AceDta Rechaza Acepta Rechaza Aceota Rechaza
H.2.1 La extensin del rea cie un destino determina su
probabilidad de eleccin.
H.2.2 La dstancia deternina la eleccin de los
destinos.
H.2.3 La repeticin de un Cestino modera el efecto de
Ia distancia en la eleccin de los destinos
H.2.4 Los precios deterntinan la utilidad de los
destinos.
H.2.5 Las motivaciones de bsgueda de relajacin
inJluyen en la seleccin del tipo de destino
turstico
X
X
X
X
X
,|
t7l
Caprulo lll.Comportamiento de Eleccin del Tursta Espaol
tamao de la ciudad
'opinin
sobre salir de vacacioness6) relativas a la decisin de salir
de vacaciones, mienuas que la Ecuacin 2 contrasta las hiptesis planteadas en el
bloque H.3 con relacin a los determinantes del gasto
turstico (duracin, ingresos, edad
y el tamao de la ciudadsT). Los resultados obtenidos se ofrecen en la Tabla 11,
distinguiendo dos especificaciones alternativas para solventar problemas de
multicolinealidad. Aunque las estimaciones de ambos sistemas presentan resultados
robustos, el Sistema 2 muestra un mejor ajuste global atendiendo al criterio del CIS.
Las estimaciones obtenidas para la eleccin de salir de vacaciones (primera
ecuacin de cada sistema) ofrecen los mismos resultados
-en
trminos de
significatividad y signos de los parmetros- que los expuestos en la Tabla 4, verificando
las conclusiones obtenidas en la seccin 4.I.1. En cuanto a la eleccin del gasto turstico
(segunda ecuacin de cada sistema), las variables determinantes son la duracin, los
ingresos y la edad al ser significativas a un nivel inferior al5oA.
En particular, ia duracin presenta un signo positivo, lo que apoya la hiptesis
H.3.i de relacin entre estancias largas y mayores gastos vacacionales, en lnea con
Rugg (1973), Morley (1992) y el informe de la s.G.T. (1989c, 1993). Por su parte, los
ingresos presentan un signo positivo (y su magnitud aumenta para las variables que
definen mayores ingresos), lo que significa que mayores rentas conducen a gastos
tursticos superiores, confirmando la hiptesis H.3.2 en lnea con Van Soest y
Kooreman (1987) y Cai (1999); con ello, se corrobora de nuevo que se trata de un bien
normal (sirva de ejemplo que el coeficiente de la categora superior de ingresos es
425,7, aproximadamente siete veces mayor que el de la inferior, 64,8). En relacin con
la edad, su signo negativo indica que edades menores conllevan mayores gastos, en
lnea con Melenberg y Van Soest (1996), apoyando la hiptesis H.3.3. Sin embargo, la
edad no determina la eleccin de salir de vacaciones.
86
Adicionalmente, se conEola el efecto del estado civil. Para representar la decisin de salir se
seleccionan las dos especificaciones con mejor ajuste (segn el criterio del CIS) obtenido en la Tabla 4.
o'
Para esta decisin se consideran como variables de control el sexo, el estado civil, el carcter
internacional del destino v la distancia.
172
Capilo lll.Comportamicnto de Eleccin del Turista Espaol
TABLA 11. FACTORES DETERMINANTES EN EL ANLISIS PARTICIPACIN-GASTO
(Errores
estndar entre parntesis)
Variables Sistema 1 Sistema 2
Independientes Ecuacin Ecuacin Ecuacin Ecuacin
Participacin Gasto Participacin Gasto
Duracin
Ingresos2
Ingresos3
Ingresos4
Ingresos5
Tamao hogar
Edad
Edad2
Edadl
Edad2
Edad3
Sit. Lab. 1
Sit. Lab. 2
Si t . Lab. 3
Si t . Lab. 4
Tmo. ciudad2
Tmo. ciudad3
Tmo. ciudad4
Opinin Vacaciones
Constante
Sexo
f,
- Estado civil
O : '
.! 5 Destino
L C J
S
extranjero
-
Di stanci a 3
0, 451'
(0,077)
1,036"
(0, I 08)
1, 526
(0,227)
1, 505"
(0,649)
_o oo?a
(0,025)
0, 198
(0, 167)
0, 114
(0,140)
-0,086
(0, 123)
o ) ) 7c
(0,094)
0,147
(0,120)
0,047
(0,124)
0, 631u
(0, 173)
0,043
(0,089)
0,276
(0,088)
0,429u
(0, 106)
0, 685u
(0,064)
-0,807"
(0, 165)
45,544
(32,800)
0,773u
(0,249)
17,452
(14,670)
43,122"
(19,845)
67,104"
(27,811)
245,363^
(28,265)
-0,678"
(0, 315)
0,444u
(0,077)
1,028u
(0, 107)
I , 53 1o
(0,228)
1,502"
(0,644)
-0,0ggu
(0,025)
-0,005
(0,012)
0,000
(0,000)
0,220"
(0,094)
0,207
(0, 121)
0,041
(0,124)
0,643'
(0, 171)
0,040
(0,088)
n ) 7?8
(0,088)
0,423'
(0,106)
0,685"
(0,064)
-0.461
(0, 291)
o 14
(0, 081)
0,77y
(0,250)
18,452
(14,382)
45,071"
(r9,7r7)
69,486"
(27,493)
247,472'
(27,846)
-0,684"
(0, 314)
8,404
(18,604)
4,063
(17,32t)
29,650
(17, 383)
45,544
(32,800)
-10, 041
(9,463)
64,44V
(tt,672)
I { ? t s
(2s,526)
0, 019u
(0.003)
8, 513
( 1 8, 58 1)
4,454
(t7,248)
30,246
(17, 335)
42,211
(32,586)
-9,889
(9,466)
64,485"
(tt,644)
15, 33 I
(25,469)
0, 019u
(0.003)
I\IV(4
CIS
-8580, 57
-8633.27
-8582,08
-8633, 14
a:prob<O,l %; blrob<l %; c=prob<57o.
173
Capnlo lll.Comportamicnto de Eleccin del Turista Espaol
En cuanto al tamao de la ciudad de residencia, sta no parece influir en el nivel
de gasto turstico lo que conduce arechazar la hiptesis H.3.4. De hecho, se hata de una
variable con un efecto diferenciado para cada tipo de decisin; as, las ciudades de
residencia de mayor tamao (categoras 3 y 4) influyen positivamente en la decisin de
salir de vacaciones
@cuacin
1) confirmando la hiptesis H.1.5, pero esta necesidad de
"escapar" no conduce alarealizacin de mayores gastos (Ecuacin 2). Finalmente, con
respecto a las variables de control cabe indicar que el estado civil (personas casadas) y
la distancia influyen positivamente en los gastos
-un
mayor nmero de personas que
realizan el viaje y los desplazamientos a destinos lejanos incrementan el gasto
realizado-; mientras que el sexo y los destinos internacionales no parecen ejercer ningn
efecto.
CUAdTO 9. RESI]LTADOS DE LAS HIPTESIS DE LOS GASTOS TURSTICOS.
4.3,2. Modelo Eleccin del Destino-Gasto
El anlisis conjunto de la eleccin del destino y del gasto turstico en el mismo
implica la estimacin de un modelo que considera ambas elecciones a travs de un
proceso bietpico, donde la Ecuacin I recoge la eleccin del tipo de destino
(atendiendo a la tipologa pueblo costero, ciudad coster4 pueblo de interior y ciudad de
interiors8) con un Modelo Logit Multinomial; y las Ecuaciones 2,3, 4 y 5 representan la
decisin de gasto
en cada uno de estos destinos con regresin clsica.
Con carcter previo a la estimacin del sistema de ecuaciones anterior, y con el
fin de que pueda ser estimado el Logit Multinomial de la Ecuacin 1, se deben elegir
aquellas variables independientes (se toman como putto de partida las variables
utilizadas par testar la decisin de los tipos de dstinos de la seccin anterior) que
aseguren el cumplimiento de las hiptesis de lndependencia de Altemativas
H.3.1 Eslancias largas se asocian con mayores gasTos vacacionales.
H.3.2 Un mayor nivel de ingresos defermina unos gasfos tursticos superiores
H.3.3 Los gastos tursticos se reducen con la edad.
H.3'4 EI gasto turstico aumenla para los individuos residentes en ciudades de gran
tanwo.
X
X
X
X
t74
Irrelevantes, requerida en dicho modelo. Para ello, y siguiendo a Train (2002), se
estiman varios modelos Logit de Coeficientes Aleatorios para la eleccin de los tipos de
destino, seleccionando aquellas variables explicativas que presentan unos coeficientes
de la vanarza no significativos. En particular, este anlisis previo conduce a la
seleccin de las variables de motivacin de bsqueda de relajacin (1o que posibilita la
contrastacin de la hiptesis H.2.5) y la edad (que acta como variable de control) para
su inclusin en la Ecuacin 1 del sistema (ver la Tabla I2).
Por su parte, las ecuaciones 2, 3
,4
y 5 toman como punto de partida, en
principio, todas las lariables independientes utilizadas a la hora de explicar el gasto
turstico. Sin embargo, los problemas surgidos durante la estimacin llevan a considerar
nicamente diferentes subgrupos de aqullas, seleccionando finalmente las variables
que presentan un mejor ajuste.
En cuanto a los resultados obtenidos al estimar el sistema de ecuaciones de la
Tbla 12, cabe indica lo siguiente: Con relacin a la Ecuacin 1 (seleccin del tipo de
destino), la significatividad del parmetro asociado a la motivacin "bsqueda de
relajacin" evidencia que esta motivacin favorece la eleccin de los destinos "pueblo
costero" y "pueblo del interior", lo que coincide con el resultado obtenido en el epgrafe
4.2-3, veiftcando nuevamente la hiptesis H.2.5. Por su pflrte, la variable de control
"edad" influye negativamente en la seleccin de todos los tipos de destinos examinados.
Con respecto a las ecuaciones del gasto, cabe destacar los bajos niveles del R2
ajustado obtenidos en la mayora de las ecuaciones. Aunque Eynann y Ronning (1992)
alcanzan resultados similares en algunas ecuaciones, los resultados obtenidos aqu no
son los deseables. De hecho, la Ecuaciir 5 no es globalmente significativ4 1o que
puede venir justificado
por dos razones (Maddala, 1985; Greene, 1999): por un lado, el
reducido tamao muestral (tras ajustar los valores perdidos, slo 98 personas eligen el
destino ciudad de interior) afecta a los grados de libertad, lo que impide estimar las
ecuaciones de forma adecuada8e; y, por otro, el hecho de que esta estimacin no sea
globalmente signicativa y presente coeficientes individuales significativos puede
obedecer a problemas en los datos. En virtud de lo anterior, a continuacin se describen
88
Se analizan los "tipos de destinos" porque el moderado nmero de alternativas (cuatro frente a las
diecisiete comunidades autnomas y a las cincuenta provincias), permite asegurar un tamao suficiente de
individuos que optan por cada alternativa.
Ee
De hecho, la variable ingresos no puede ser estimada en la Ecuacin 5.
175
los resultados ms destacables de cara a explicar los gastos de cada destino, sin testar
hiptesis sobre las relaciones causales para todos los destinos simultaneamentes.
TABLA 12. DETERI\{DiANTES DE LA ELECCIN TIPO DE DESTINO.GASTO TURSTICO
CON EL MODELO DISCRETO-CONTINUO
(Errores estndar entre
parntesis)
Variables
Independientes
Relajacin (1,3)*
Edad (1)
Edad (2)
Edad (3)
Edad (4)
Tmo. ciudad2
Tmo. ciudad3
Tmo. ciudad4
Ingresos2
Ingresos3
Ingresos4
Ingresos5
ndice Correctorl
ndice Corrector2
ndice Corrector3
ndice Corrector4
Constante
Ecuacin I Ecuacin 2
Seleccin del Gasto en
tipo de pueblo
destino costero
7,994u
(0,429)
-11,67
5u
(0,087)
- 1
1, 923"
(0,222)
-11
,7
sgu
(0, 183)
-t2,007u
(0,257)
7,635
(21,447)
5,688
Ecuacin 3 Ecuacin 4 Ecuacin 5
Gasto en Gasto en Gasto en
ciudad pueblo de ciudad de
costera interior interior
4,762 3, 196
(31,552) (24,681)
14,116
-6,279
(20,768) (30,848) (22,996)
58,362" 51,441
(23,265) (35,177)
-10, 890
(25, 100)
-13,273
19, 606
(25,058)
41, 055
(23,905)
54,652"
(26,067)
15,902
( 21, 019)
66,377
(37,219) (19,526)
53,910' 99,326' 12,642
(23,402) (4t,276) (22,462)
119,880' 173,252b 31,606
(33,905) (56,876) (36,638)
197,4820 629,365 2,ggg
(89,932) (120,156) (91,046)
-240,249
t9.429,32 19.262,15u 6.841,669
(623,873) (21.936,38) (4.827,282) (4.505,905)
36t,tz7
-813,763 -1.95t,474" -2.460,553
(r.527
,s9s)
(733,083) (518,790) (l .498,395)
324,545
-6.921,725 -1.395,306"
'
4.283,775
(2.406,98) (5.111,381) (344,019) (2.512,913)
-793, 100
10. 963, 49 I 1. 586, 19" 917, 338
(939,615) (t4.673,67) (2.967,296) (692,425)
328,748 11.914,29 15.205,35"
-1.224,549
(2.298,464) (15.677,280\ (3.804,327) (729,563)
MV(4
CIS
F
R2 Ajustado
Tamao N{uestral
- 1. 352, 551
-1.369,473
1085
-3.046,492 -1.346,096 -1.887,715 -555,303
-3.083,37 -1.378,146 -1.921,888 -573,643
3,3108" 4,ggg" 2,224" 1,466
0,050 0,174 0,042 0,032
474 209 304 98
a=prob<O,I%; FTob<l%; c=prob<S%.
*
Enfe pantesis se indica la altemativa de riesino (1. Pueblo costero; 2. Ciudad costera;
3. Pueblo de interior; 4. Ciudad de interior) en la que se incluye esta variable.
m
Tanpoco se debe olvidar que las caractersticas parficulares de cada tipo de destino pueden incidir en el
impacto de las variables independientes, lo que dificulta el contrasre de hiptesis sobre las relaciones
causales para todos los destinos simultneamente.
176
As, los tests de significatividad individual permiten concluir que, para el caso
del destino
"pueblo
costero", las categoras superiores de ingresos (3, 4 y 5) y la del
tamao de ciudad mayor (categora 4), son determinantes del gasto incurrido, lo que
significa
que mayores ingresos y ciudades de residencia grandes conducen a niveles de
gasto mayores en este tipo de destino. De igual modo, en el caso del destino "ciudad
costera", las categoras de ingresos superiores (3, 4 y 5) constituyen los determinantes
del gasto. Adems, cabe resaltar que los individuos de la categora 5 gastan
aproximadamente tres veces ms en las ciudades costeras que en los pueblos costeros.
En cambio
, Pd
el destino "pueblo interior", nicamente son significativos los ndices
correctores del modelo. Finalmente, la significatividad de la categora superior del
tamao de la ciudad de origen para el caso del destino "ciudad del interior" sugiere que
los individuos que proceden de las ciudades ms grandes (categora 4) realizan ms
gastos en las "ciudades de interior".
En suma, estos resultados, considerados globalmente, permiten evidenciar la
existencia de diferencias en los patrones de gasto en los tipos de destino, atendiendo al
"tamao de la ciudad de residencia"
y
los "ingresos".
4.4. Eleccin Temporal del Viaje
La identificacin de los factores determinantes de la eleccin temporal del viaje
en trminos de las dimensiones especificadas en el bloque de hiptesis H.6
(restricciones temporales, ingresos y tamao de la ciudad de residenciael) implica la
estimacin, por mxima verosimilitud, del Modelo Binomial Negativo Truncado, que se
presenta en la Tabla 13.
En primer lugar, bonviene destacar la significatividad al A,7oA del parmetro a,
cuya implicacin principal es la invalidacin del supuesfo bsico de los modelos de
Poisson de igualdad media-variatua,lo que favorece la utilizacin del modelo Binomial
Negativo (Cameron y Trivedi, 1998).
Con relacin a los factores determinantes, los resultados permiten concluir que
las restricciones temporales (perodo
continuo de vacaciones y los das disponibles) y el
tamarlo de la ciudad influyen en la eleccin del nmero de das a pemanecer fuera del
el
Adicionalmente, se contola el efecto del nmero de nios, edad, sexo, estado civil, carcter
intemacional del tipo de viaje y la opinin sobre salir de vacaciones.
177
Capulo lll.Comportamiento de Eleccin del Turista Espaol
lugar de residencia habitual. El signo positivo de la variables, vacaciones continuas y
nmero de das disponibles, sugiere que el nmero de as que el individuo sale de
vacaciones es mayor cuanto ms continuado y duradero sea el perodo vacacional. En
este sentido, las resticciones temporales inciden en la duracin de la estancia, de
acuerdo con los planteamientos de Rugg (1973) y Morlel'
0992),lo
que confirma las
hiptesis H.4.1a y H.41b.
TABLA 13. DETERMINANTES DE LADIIRACIN DE LA ESTANCIA
CON MODELO BINOML{L NEGATIVO TRTJNCADO
(Errores estndar enhe
parntesis)
Variables
Independientes
Coeficientes
Vacaciones continuas
Das vacaciones
disponibles
Ingresos2
Ingresos3
Ingresos4
Ingresos5
Tmo. ciudad2
Tmo. ciudad3
Tmo. ciudad4
Constante
Nios
Edadl
Edad2
Edad3
Sexo
Estado civil
Destino
extranjero
Multidestino
Opinin
Vacaciones
Mv(4 72,183.64
0,174"
(0,040)
0, 01y
(0,001)
0, 015
(0,065)
0,05,5
(0,066)
-0,061
(0, 1 19)
0,177
(0,192)
0,005
(0,039)
0,075
(0,043)
0, 1 l 3'
(0,047)
2,374n
(0, 101)
0,00_{
(0, 013)
-0, 31y
(0,077)
-0, 21e
(0,059)
-0,074
(0, 051)
-0,041
(0,034)
0,033
(0,037)
-0,037
(0,083)
-0,066
(0,041)
0,053
(0,034)
1,425'
(0.090)
Cn 72.150.)rl
a=prob<0, I %; b-Tmb<l %; c=prob<5%.
q
178
Captulo lllComportamiento de Eleccin del Turista Espaol
Por su parte, el signo positivo de la categona 4 de ciudades de mayor tamao
sugiere que las personas que viven en las grandes ciudades presentan una mayor
propensin a prolongar la estancia fuera de su lugar de residencia, lo que corrobora la
hiptesis H.4.3 en lnea con Eymann y Ronning (1997).
En cambio, el coeficiente no significativo de los ingresos evidencia que no existe
relacin entre los niveles de ingresos y la cantidad de
yacacones
contratad4 lo que
conduce a rechazar la hiptesis H.4.2. Este resultado viene justificado por Mak y
Moncur (1979) en el sentido de que el incremento de la renta disponible para el
consumo vacacional ejerce un impacto mayor en la calidad del tipo de producto
seleccionado que enla cantidad o duracin de la estancia. Adems, ello podra expiicar
el efecto diferenciado obtenido para esta variable, ya que los ingresos son determinantes
de la decisin de salir de vacaciones (ver Tabla 4), pero no explican el nmero de das
que el turista pasa fuera de su lugar de residencia habitual (Tabla 13).
Cuadro 10. CONTRASTE DE LAS TUPTTSIS DE LA EI,rccIN DE L{ DURAcIN nr LA ESTANCLA,.
Finaimente, slo la variable de control "edad" es significativa para los niveles de
edad inferiores (1 y 2), cuyo signo negativo sugiere que las personas ms
jvenes
realizan estancias ms cortas.
4.5. Formacin de Segmentos Ba1' esianos en el Mercado Turstico
Con el fin de segmentar la poblacin objeto de estudio, se aplica el
procedimiento descrito en el epgrafe 2.5 del presente capirulo.
En primer lugar, se estiman con procedimientos
bayesianos los coeficientes pra
cada individuo de las variables determinantes de la eleccin de destinos (definidos en
trminos de provincias), utilizando Modelos Logit de Coeficientes Aleatorios. Adems,
se proponen dos especificaciones distintas: i) Segmentacin I, que incluye los precios
Hiptesis Aceota Rechaza
H.4.la y:;"::;r:i:ero
de dias disponibles para las vacaciones disminn'e la duracin
H.4.lb
La
falla
de continuidad del perodo vacacional disminuye la duracin de la
es ancrc.
H.4.2 El nivel de ingresos influye en la duracin de Ia estancia
H,4.3 Grandes ciudades de origen conducen a estancias ns larpas.
X
X
X
X
t79
del destino y la distancia entre provincias en kilmetrosel; y i|) Segmentacin 2, que
considera los precios y la distancia entre provincias medida en tiempo invertido en el
desplazamiento. La Tabla 14 presenta la estimacin agregada para toda la muestrae3.
TABLA 14. ESTIMACIONES BAYESL{NAS
(Errores estndar ente parntesis)
Variables Ecuacin I Ecuacin 2
I ndependi ent es Var ( 4) f Var ( O
Superficie
-0,674u
0,249o
-0,619'
0,248"
(0, 058) (0, 107) (0, 0-i 0) (0, 111)
-0,390u
0,128u
(0, 014) (0, 011)
Precios
-0.248"
-0,502"
0,469"
(0,022) (0,044)
0,072
-0,213
0,105u
(0,021) (0,014) (0,021) (0,027)
a=prob<O,1 %; b=probcl%; c=prob<5o.
En segundo lugar, se aplica el mtodo cluster de Ward a la matriz de las
estimaciones de los parrnetros individuales. Aplicando el doble criterio de explicacin
de un mnimo del 65% de la varianza total, y de ganancia de al menos un 5% de la
vananza al aadir un nuevo segmento, se seleccionan es segmentos. La Tabla i5
resume los resultados de la aplicacin de ambos criterios, donde la franja en negrita
representa el nmero de segmentos seleccionados en cada criterio.
TABLA 15. DETERMINACIN DEL NMERO DE SEGI\ENTOS
N' de
Segmentacin 2
mentos
ot &tv" L
Distancia I
Distancia 2
10
9
8
7
6
r
4
3
)
I
19, 41i
21,5M
24,030
26,9E1
30,95i
39, 101
49,826
65,823
149,50
524.U
3,704 0,398
4,103 0,482
4,585 0,564
5, 149 0, 756
5, 906 1, 554
7,461 2,046
9,508 3,052
12.560 15,969
28,529 71,470
100 0
*Varianza
Inra-grupo.
e:
Se seleccionan estas dos dimensiones
-precios
y distancia- debido a los efectos diferenciados sobre la
seleccin de destinos que, de acuerdo con la literatua, pueden ejercer en los distintos segmentos (Vase
apartados B y C del epgrafe 3.2.2.2.1.1del Captulo II).
" Con el objeto de hacer comparable la estimacin Bayesiana con la obtenida en el epgrafe 4.2.2 por
mxima verosimilitud, tambin se incluye la variable superficie. Los resultados ofrecen estimaciones
similares, a pesar de que se han obteaido a travs de procedimientos completamente distintos, lo que
coincide con las conclusiones obtenidas por Train (2001b).
6,565 5,472 0,492
7,144 5,955. 0,944
8, 158 6, 80q 1, 590
10, 066 9, 391 1, 955
12,291 10,246 2,109
t4,82t 12,354 4,t66
19,819 16,521 4,274
24,947 20,795 ll,g73
-19,310 32,769 67,231
180
Adems, los segmentos identificados son significativamente distintos a un nivel
del 0,106, en virtud de los valores obtenidos en los tests F para todas las variables
consideradas aislada (ANOVA) y simultaneamente (MANOVA), en los anlisis de la
vananza aplicados a los valores medios de dichas variables (ver Tabla 16). Esto
confirma la existencia de diferencias en la estructura de preferencias de los individuos.
TABLA 16. ANOVA Y MANOVA DE LOS SEGMENTOS
Variable
5.710,70 0,000
10. 187, 09
0,000 10. 191
MANOVA 0,000
Finalmente, las Tablas 17 y 18 caractenzanlos segmentos detectados atendiendo
a los criterios utilizados en la segmentacin (precio y distancia) y, a las caractersticas
demogrficas (edad y estado civil) y psicogrficas de los individuos (inters por conocer
lugares nuevos y opinin sobre salir de vacaciones). En el caso de la Segmentacin 1, se
obtienen grupos heterogneos con elacin a su tamao. El segmento I consta de 840
individuos, claramente reacios a precios elevados y con una postura "moderada" frente
a la distancia (-0,246>-0,390:valor
medio muestral). Son los que ms valoran el
conocer lugares nuevos y tienen una opinin favorable a salir de vacaciones.
El segmento II es el ms numeroso (1090 personas) y el que ms rechazo
presenta a las largas distancias, adoptando una postura intermedia respecto a los precios;
de hecho, se trata del grupo que menos importancia otorga a conocer lugares nuevos.
Finalmente, el segmento III es el grupo menos numeroso, caracteizado por manifestar
una preferencia positiva hacia las iargas distancias y por ser los menos afectados ante
subidas en los precios. Se trata del grupo de mayor edad, con mayor proporcin de
casados,
1'considera
importante conocer lugares nuevos.
Segmentacin I
F Prob.
Segmentacin 2
Prob.
Distancia I
Distancia 2
Precios
I 840
-0,2463 -0,2547
II 1090
-0,5792 -0,2422
m 197
0,000
0.000
Segmentos Tamao
Segmentacin I
Distancia I Precios
segmentos Tamao
segmentacin 2
Distancia 2 Precios
A
B
c
0,i598
-0,2406
-0,9939 -0,2524
522
895
710
TABLA T7. CARACTERIZACIN DE LOS SEGMENTOS
Valores Promedio
l 8l
Valores Promedio
Capnlo lll.Comportamiento de Eleccin del Turisu Espaol
TABLA 18. CARACTERSTICAS DEMOGRFICAS Y
PSICOGRAFICAS DE LOS SEGMENTOS
Segmentos Edad
Estado Destinos OPinin
civil* nuevos* favorable*
I
tr
m
42,2
42,0 0,63 0,20 0,75
43,2 0,69 0,30 0,71
0,63 0,31 0,75
Segmentacin I
Segmentacin 2
0, 67 0, 31
0, 63 0, 18
A
B
c
43,2
42,3
0,7-l
0,7-i
41,3 0,62 0,30 0,7L
Valor Promedio 42.2 0.64 0.25 0,7-l
rEstos
datos representan los por-entajes.
En el caso de la Segmentacin 2, los grupos obtenidos son ms homogneos en
trminos de tamaio. El segmento A (522 individuos) maniesta una utilidad positiva
derivada de los viajes de larga duracin (0,159>-0,502='alor medio muestral) y una
postura relativamente negativa frente a los precios. Es el gnrpo que ms valora conocer
lugares nuevos. El se-smento B representa el gupo ms numeroso, mostrando una
prdida de utilidad mu)'superior a la media de la muestra ante las largas distancias (-
0,993<-0,502:valor medio muestral) as como ante incrementos en los precios. De
hecho, no manifiestan un especial inters por la "novedad". Por ltimo, el sesnento C,
formado por 710 indiriduos, se caracteriza por una postura moderadamente negativa
ante las distancias elevadas y por quedar menos afectados por precios altos. Se trata del
gupo ms
joven y con menor proporcin de casados.
En resumen, de ias dos dimensiones analizadas
-distrncia
y precios-, la distancia
muestra una mayor dispersin entre los segmentos con respecto a la media de la muestra
en cualquiera de las dos medidas empleadas. Adems, algunos segmentos obtienen
mayor utilidad de un destino por el hecho de ser lejanos, en lnea con las propuestas de
Wolfe (19701'1972); Beaman
Q97 ;
1976) y Baxter (1980) de que el propio viaje puede
proporcionar satisfaccin en s mismo. Por su parte, la postura negativa hacia los
precios presenta sensibilidades distintas en funcin del segmento, aunque las diferencias
no son tan marcadas como en la distancia, siendo sus valores muy similares
-y
en todos
los casos negativos- en los dos criterios de segmentacin utilizados.
r 82
CAPITULO IV
COi\CLUSIOI\ES
Y
r,xnrs FUTURAS DE rl\vnsrrcActx
Captulo IV. Conclusiones y Lneas Futuras de Investigacin
La eleccin del consumidor es un rea que ha despertado gran inters entre los
investigadores de Marketing y, n especial en Marketing Turstico, debido a que la
determinacin de los factores que conducen a un individuo a seleccionar una alternativa
especfica proporciona informacin explotable acerca de los patrones de conducta de los
consumidores, facilitando el desarrollo de las polticas de producto, precio, distribucin
y comunicacin
(Caswell y McConnell, 1980; Louviere y Hensher, 1983; Phelps, 1986;
Haider y Ewing, 1990; Gartner,1993; Carmichael,1994; Louviere, 1994; Creel,1997),
as como los anlisis de segmentacin del mercado (Louviere, 1994; Revelt y Train,
2000; Huber y Train, 2001), de la demanda (Ben-Akiva y Lerman, 1985), y de la
competencia (Anderson et al., 1992), entre otros.
En general, los modelos de eleccin han fatado de formalizar el proceso de
decisin que siguen los individuos a travs del anlisis de las preferencias,
distinguiendo dos aproximaciones (Borgers et al., 1988), en funcin de que los
individuos revelen o declaren sus preferencias: a) enfoque de preferencias reveladas,
que toma como punto de partida las elecciones reales efectuadas por los individuos.
Asume la existencia de preferencias, que el analista no observa, pero que los individuos
consideran implcitamente para efectuar la ordenacin de alternativas, y
Que
nicamente
revelan a travs de la eleccin reai de compra. Esta corriente ha desarrollado modelos
fundamentados en algunas de las hiptesis de la Teora Econmica Neoclisica como de
la Teora de la Eleccin Discreta. La Teora Econmica Neoclsica asume conjuntos de
eleccin continuos y racionalidad perfecta en orden a maximizar una funcin objetivo
-
o utilidad- sujeta a restricciones presupuestarias y temporales. En cambio, la Teora de
la Eleccin Discreta asume conjuntos de eleccin discretos y racionalidad limitada.
Precisamente, las violaciones de los axiomas bsicos en que se basa la racionalidad de
los individuos (como la no transitividad de las elecciones) unida a la existencia de
soluciones esquina (que imposibilita la aplicacin de mtodos clsicos de
maximizacin), conducen al desarrollo de la Teora de la Eleccin Discreta. En este
sentido, y con el fin de representar las inconsistencias manifestadas en el
comportamiento de los individuos, la eleccin discreta incorpora un componente
aleatorio en la modelizacin, 1o que permite considerar la seleccin en trminos
orobabilsticos.
184
Captulo IV. Conclusiones y Lneas Fururss de Investigacin
A panir de la eleccin discreta se han derivado multitud de modelos de eleccin.
Por su sencillez, el lvfodelo de Probabilidad Lineal supone una primera aproximacin
intuitiva, aunque las incoherencias encontradas en su aplicacin
-probabilidades
fuera
del rango (0,1) y cambio lineal y constante en las probabilidades ante variaciones en
factores explicativos- propician el desanollo de otros modelos que permiten representar
con mayor
-erado
de fiabilidad la realidad. As, asumiendo que el componente aleatorio
del modelo de eleccin sigue una distribucin Normai se desarrolla el Modelo Probit
Multinomial (MNP), pero presenta importantes dificultades de cmputo.
Alternativamente se propone el Modelo Logit Multinomial (MNL), que supera los
problemas de clculo del MNP as como los tericos del Modelo de Probabilidad
Lineal, aunque queda restringido al cumplimiento de la propiedad de Independencia de
Alternativas Inelevantes (IIA). Para aquellas situaciones en las que se incumple esta
propiedad han aparecido diversas extensiones del IvfNIL, entre las que destacan los
Modelos Anidados y sus derivaciones, as como el Dogit y el de Valor Extremo
Generalizado. Desarrollos recientes han planteado nuevas aproximaciones que permiten
representar la heterogeneidad en las preferencias de los consumidores y evitar al mismo
tiempo la IIA; en ellos se incluyen el Modelo Logit Hbrido, el Modelo Logit de
Coeficientes Aleatorios v de Clases Latentes.
b) El enfoque de las prefereneias declaradas toma como punto de partida la
ordenacin o puntuacin manifestada por los individuos acerca de sus preferencias
sobre alternativas hipotticas. Esta aproximacin se apoya en la Teora de la lntegracin
de la Informacin y en la Teora de los Juicios Sociales, y asume que el decisor es capaz
de ordenar las alternativas de acuerdo con sus preferencias. Al contrario del caso
anterior, el analista no observa la eleccin real de compra, puesto que el individuo slo
efecta wn declaracin de intenciones acerca de sus preferencias. Los modelos ms
destacados en este enfoque son los de Preferencias Multiatributo de Composicin, de
Descomposicin y los Hbridos. Los modelos de composicin asumen que la
preferencia global hacia un bien se puede obtener mediante la combinacin de
valoraciones parciales asociadas a los atributos que posee dicho bien, teniendo en
cuenta las ponderaciones subjetivas referidas a la importancia que cada atributo tiene
para el individuo. Por su parte, los modelos de descomposicin utilizan las evaluaciones
globales de las alternativas multiatributo realizadas por el individuo, para estimar
posteriormente los valores que asigna implcitamente a los niveles de los atributos.
185
Captulo IY. Conclusiones y Lneas Futuras de Investigacin
Finalmente, los modelos hbridos surgen para superar las desventajas de los modelos de
composicin y de descomposicin, y aprovechar las ventajas de ambos. En particular,
combinan la simplicidad
y rapidez de los de composicin con el realismo y mayor
generalidad de los modelos de descomposicin.
Sin embargo, desarrollos recientes defendidos por la Teora de la Eleccin
Discreta cuestionan los planteamientos
centrados en las preferencias declaradas
(Louviere, 1994), al criticar su capacidad para representar la realidad, ya que los
individuos no ordenan ni puntan una lista de alternativas, sino que tras evaluarlas,
eligen una de ellas. En su lugar, se propone examinar directamente la eleccin
declarada en cuanto que es una forma mas inmediata y realista para estudiar la decisin
del consumidor (Zwerina, 1997), 1o que ha dado lugar a los Modelos de Eleccin
Discreta Experimental. Esta aproximacin probabilstica supone una fusin de los
modelos de preferencias reveladas y declaradas, puesto que se configura a partir de un
diseo experimental (al igual que en los modelos de preferencias declaradas), donde los
individuos no efectuan ordenaciones sino que realizan elecciones (como en los modelos
de preferencias reveladas).
El anlisis de la eleccin en Turismo resulta de vital importancia tanto para las
empresas tursticas, en la medida en que stas toman como punto de partida el proceso
de decisin de los turistas para adecuar su oferta; como para las instituciones pblicas,
en tanto en cuanto las decisiones individuales de los turistas sirven de gua para la
elaboracin de polticas tursticas. Ello
justifica
que el anlisis de la eleccin del turista
constituya una de las reas que ms predicamento ha tenido en la investigacin turstica.
En el mbito especfico del Turismo, el comportamiento individual de eleccin viene
explicado a travs de adaptaciones y extensiones de la Teora de la Eleccin Neoclsica
y de la Funcin de Produccin Domstica, propuestas en los trabajos de Rugg (1973),
Morey (198a; 1985), Morley (1992) y Eymann (1995). Con respecto a los modelos
utilizados, el estudio de la eleccin en Turismo se apoya originariamente en la
lnteraccin Espacial, obteniendo resultados agregados a travs de los distintos modelos
incluidos en esta aproximacin: gravitacionales, de distribucin de viajes, de generacin
de viajes y simultaneos de generacin y distribucin de viajes. Sin embargo, las
caractersticas propias de los productos tursticos y la necesidad de obtener informacin
ms precisa mediante el anlisis de elecciones individuales, inducen el paso de un
186
Capnlo IV. Conclusiones y Lneas Futuras de Investigacin
enfoque agregado de la eleccin a otro desagregado fundamentado en formulaciones
probabilsticas de la Teora de la Eleccin Discreta.
La literatura de eleccin en Turismo aplica estos modelos probabilsticos para
detectar los factores determinantes de distintas elecciones que caracterizan el proceso de
decisin turstica, lo que permite distinguir diferentes lneas de investigacin, entre las
que destacan las siguientes: i) Modalidad de vacaciones. Esta corriente de investigacin
examina las decisiones bsicas, como la de salir fuera del lugar de residencia habitual
durante el perodo de vacaciones o las relativas al tipo de viaje a realizar (turismo
nacional vs. internacional, de destino fijo o multidestino, etc.) (Morley, 1992;1995; Lue
et al., 1996; McGinle 1999; Seddighi y Theocharous, 2002). La identificacin de los
factores determinantes constituyen los principales problemas terico-empricos de esta
corriente de investigacin. En esta lnea, esta tesis propone diversas hiptesis de
investigacin acerca del impacto de las caractersticas personales relacionadas con el
destino seleccionado (forma de organizar el viaje a un destino), de las restricciones
personales (ingresos, tamario del hogar y nmero de nios), de las caractersticas
sociodemogrficas (edad, sexo, estado civil, estudios, situacin laboral y tamao de la
ciudad de residencia) y de las dimensiones psicogrficas (intereses y opiniones). La
formalizacin operativa para contrastar estas hiptesis ha seguido la modelizacin
binomial, de aplicacin inmediata cuando se trata de elecciones con alternativas
excluyentes
i1) Seleccin de destinos. La eleccin de los destinos representa la lnea de
investigacin ms fructfera (Fesenmaier et a1., 2002), que ha analizado los siguientes
aspectos: a) definicin y formacin de destinos como alternativas de eleccin (Baxter y
Ewing, 1981; Fotheringham y O'Kelly, 1989; Cramer y Rider, 1991; Siderelis y Moore,
1998); b) los atributos de los destinos y las caractersticas personales que explican la
visita a un destino, as como sus factores moderadores (Mak y Moncur, 1980; Borocz,
1990; Gartner, 1993; Sirakaya et al., 1996; Seddighi y Theocharous, 2002); c) los
problemas de medicin de determinadas dimensiones, como la distancia y los precios
(Wolfe, 1972; Beaman, 1974, 1976; Taylor y Knudson, 1976i Baxter y Ewing, 1979;
Baxter, 1980; Ewing, 1980; Mayo y Jarvis, 1986; Moutinho y Trimble, 1991; Smith,
1995; Prez, 1995; Usach, 1 999).
187
Captulo IV. Conclusiones y Lneas Futuras de Investigacn
d) Excedente del consumidor. Los modelos de eleccin discreta constituyen un
instrumento adecuado
para estimar el valor econmico (a travs del Excedente del
Consumidor) derivado de la mejora o creacin de un destino (area geogrfica o
infraestructura turstica),
ya que permiten superar los problemas de recogida de
informacin existentes en las metodologas disponibles. En particular, se evitan los
problemas de medicin de la Valoracn Contingente (para el caso de las empresas
privadas) (Loomis, 1988; Creel, lggT), y supera los problemas de agregacin y de falta
de realismo del mtodo del Coste de Desplazamento (para el caso de las reas de
propiedad pblica) (Smith, 1995; Dubin, 1998).
e\ Anlisis de la demanda turstica. La estimacin de la funcin de demanda
turstica, tanto a nivel de destinos como de empresas tursticas, puede ser realizada a
travs de modelos de eleccin (Gat, 1998; Train, 2002). Sin embargo, este anlisis
queda afectado por el tratamiento del efecto de la
'ho
participacin", derivado de
disear muestreos en destino que pueden provocar sesgos en las estimaciones (Cosslett,
1981; Morley, 1994a; Riera,2000).
En consecuencia, esta tesis propone estudiar, a partir de una muestra en origen,
los determinantes de la eleccin de las comunidades autnomas, de las provincias y de
los tipos de destinos (definidos atendiendo a su carcter urbano y ubicacin), en
trminos de la extensin, distancia y precios de los destinos, as como de las
motivaciones personales. Para ello, se mide la distancia en kilmetros y tiempo de los
desplazamientos, mientras que los precios se recogen mediante el diferencial de precios
entre los orgenes y los destinos
-para
las comunidades autnomas y las provincias- y a
travs de la propuesta de Eyrnann y Ronning (1997)
-para
los tipos de destinos-.
Asimismo, se analiza el efecto moderador de la repeticin de un destino en la relacin
distancia-probabilidad de seleccin de un destino.
La mayora de los trabajos empricos han tomado como punto de partida el
modelo de Luce para aplicar los modeios Logit Binomial y Multinomial con el fin de
modelizar la eleccin de destinos. Sin embargo, para dar cumplimiento a los objetivos
propuestos, en el anlisis de seleccin de destinos se propone, en lnea con Eymarur y
Ronning (1992) y Train (1998), la estimacin de los Modelos Logit Multinomial
Anidado y de Coeficientes Aleatorios con el objeto de controlar las correlaciones entre
los distintos destinos.
188
irr) El gasto turstico. La literatura de eleccin ofrece dos lneas de investigacin
que vinculan el gasto turstico con la decisin de salir de vacaciones y con la eleccin
del destino, respectivamente. En este sentido, esta tesis propone analizar estos procesos
de decisin a tavs de sistemas de ecuaciones (en lugar de modelos de variable
dependiente censurada
-modelos
Tobif), que permiten relacionar las distintas
decisiones, siendo sus dimensiones explicativas las caractersticas del viaje (duracin),
las restricciones (ingresos) y las caractersticas sociodemogrficas del viajero (edad y
tamao de la ciudad de residencia).
iv) Decisin temporal. La decisin temporal"
-o
duracin de la estancia-
representa la "cantidad de vacaciones" contratada por el turista (Mak y Moncur, 1979;
Silberman, 1985). Bsicamente, la literatura ha tratado de relacionar esta demanda de
vacaciones con determinadas variables explicativas de inters. Sin embargo, este
anlisis ha sido desarrollado tradicionalmente con modelos clsicos de regresin, que
generan importantes sesgos en las estimaciones debido al carcter discreto de la variable
dependiente (nmero de das). Como novedad, esta tesis propone aplicar el modelo
Binomial Negativo Truncado para superr dichos inconvenientes y recoger las
particularidades de esta eleccin. En particular, la estimacin de un Modelo Binomial
Negativo Truncado para analizar los factores que inducen a un individuo a elegir un
nmero determinado de das fuera de su lugar de residencia habitual, presenta las
siguientes ventajas: i) La naturaleza discreta de la variable dependiente (nmero de das)
permite obtener estimaciones insesgadas (Hellersteing y Mendelsohn, 1993), lo que
representa un claro argumento a favor de este modelo frente a las estimaciones de la
demanda desarrolladas a partir de los modelos clsicos de regresin; ii) La utilizacin
de un modelo truncado en cero permite, por un lado, representar con mayor fiabilidad
la duracin de la estancia, ya que el valor cero presenta un significado cualitativo
diferente (Greene, 1999), y por otro, alcanzar estimaciones eficientes de lg5 parmetros
(Gurmu y Trivedi, 1996); y iii) Permite detectar la existencia de heterogeneidad en las
preferencias de los turistas, mediante el contraste del supuesto de igualdad media-
vananza del Modelo de Poisson (Cameron y Trivedi, 1998).
Este modelo se aplica de cara a estimar los determinantes de la duracin,
trminos de las restricciones del individuo (das de vacaciones disponibles,
en
su
189
Capnlo IV. Conclustones y Lneas Futuras de Investigacin
continuidad e ingresos)
y de las caractersticas sociodemogrficas (tamao de la ciudad
de residencia).
v) Segrnentacin
de mercados. Los modelos de eleccin discreta se presentan
como una alternativa eficiente para el desarrollo de estrategias de segmentacin
(Louviere et al., 1992). Sin embargo, la literatura de eleccin en Turismo se ha basado
en la aplicacin de modelos de eleccin discreta que definen a priori los segmentos a
partir de las caractersticas de los turistas. Como novedad, esta tesis propone la
aplicacin en Turismo del procedimiento bayesiano de segmentacin en dos etapas de
Revelt y Train (2002), que mejora las aplicaciones anteriores realizadas en Turismo ya
que opera sobre estimaciones individuales de los parmetros. En la primera etapa se
realizan estimaciones Bayesianas de los Modelos Logit de Coeficientes Aleatorios que
permiten obtener las funciones de utilidad individuales. En concreto, se utiliza el
procedimiento propuesto por Train (2001a) fundamentado en los algoritmos de
simulacin de Cadenas de Markov de Monte Carlo. En la segunda etapa, se forman
grupos de individuos aplicando anlisis cluster a los parmetros individuales obtenidos
en la etapa precedente.
A partir de los resultados obtenidos de estos anlisis, aplicados al caso particular
de una muestra de mbito nacional que integra a 3.681 individuos, se han alcanzado las
siguientes conclusiones:
l.- Eleccin del tipo de vacaciones.La aplicacin de un Modelo Logit Binomial,
ha permitido identificar los factores claves de las siguientes elecciones analizadas: a)
Decisn de salir de vacaciones. Las dimensiones que parecen ejercer un efecto sobre
esta decisin son los ingtesos, el tamao del hogar, la situacin laboral, el tamao de la
ciudad de origen y la opinin sobre salir de vacaciones. En concreto, se puede concluir
que una mayor propensin a salir de vacaciones viene asociada con un nivel elevado de
renta (es decir, el producto turstico es un bien normal), con un menor tamao del hogar
(debido a la restriccin monetaria de los hogares con muchos miembros), con una
situacin laboral en activo (determina un mayor presupuesto disponible), con la
condicin de estudiante (al disponer de ms tiempo de ocio), con una residencia en
ciudades de gran tamao (por la necesidad de "escapar"), y con una opinin favorable a
salir de vacaciones (dimensin psicogrfica). Por su parte, no se detecta ninguna
influencia
-lineal,
cun'ilnea o por niveles- de la edad. b) Eleccin de destinos
190
internacionales. Los factores determinantes
de la seleccin de destinos extranjeros son
el modo de organizar el viaje, el nmero de nios menores de diecisis aos, el nivel de
estudios y el inters del turista por ampliar su cultura y por conocer lugares nuevos. Es
decir, la eleccin de destinos intemacionales se vincula con la utilizacin de agencias de
viajes (para facilitar la organizacin de los viajes complejos), con un menor nmero de
nios, con un nivel de estudios universitarios (que supone mayor nivel cultural y
conocimiento de idiomas), y con un mayor inters por ampliar la cultura y por conocer
lugares nuevos (dimensiones psicogrficas).
c) Viajes multidestino. Las variables
explicativas de este tipo de viajes son el modo de organizarlo y el inters del turista por
ampliar su cultura
y por conocer lugares nuevos. Ello significa que los productos
tursticos de mayor complejidad se asocian, una vez ms, con el uso de intermediarios
(ya que facilitan la organizacin de un viaje complejo) y que las dimensiones
psicogrficas influyen en la seleccin de este tipo de viaje multidestino.
2.- Eleccin de destinos tursticos. La aplicacin de un Modelo Logit de
Coeficientes Aleatorios evidencia la influencia de la extensin, la distancia y los precios
sobre la seleccin de destinos definidos a partir de las divisiones administrativas. En
particular, para el caso de las comunidades autnomas, se observa un efecto positivo de
la superficie del destino y un efecto negativo de los precios, mientras que para las
provincias se obtiene un efecto disuasorio tanto de la superficie como del precio. En
este sentido, se pueden resaltar dos conclusiones importantes: Por un lado, los precios
elevados reducen la demanda de los destinos, por lo que los productos tursticos se
comportan como un bien ordinario; y, por otro lado, el nivel de agregacin de los
destinos (comunidades autnomas o provincias) influye notablemente en el efecto de la
superficie del destino. Ello puede ser explicado porque la superficie no recoge la
utilidad del destino, sino la mayor propensin de los furistas espaoles a viajar a
regiones cercanas.
Asimismo, la inclusin de la distancia en los modelos de eleccin de los destinos
definidos por provincias, ejerce un efecto disuasorio sobre su utilidad. Sin embargo, un
porcentaje de los individuos (11,8%) obtiene utilidadpositiva de las distancias largas.
Por tanto, mayores distancias implican mayor resistencia a emprender el viaje, pero el
carcter recreativo de los viajes tursticos tambin puede conducir a que el individuo
obtenga satisfaccin del propio desplazamiento. Finalmente, se evidencia que la
l 9l
repeticin de un destino modera el impacto de la distancia, de modo que un turista est
dispuesto arealzar un menor (mayor) esfuerzo por repetir (variar) la visita a un destino
alejado. En este ltimo anlisis, la estimacin de un Modelo Logit con Coeficientes
Aleatorios, que permite recoger la estructura de preferencias de los individuos, ha
resultado ser especialmente til en la identificacin de dicho efecto moderador de la
repeticin de destinos sobre el efecto de la distancia. Ello obedece a que, por un lado,
posibilita la medicin directa de la interaccin repeticin-distancia, en lnea con el
procedimiento propuesto por Sharma et al. (1981) y, por otro, facilita el clculo de las
proporciones muestrales con preferencias positivas o negativas hacia la distancia
-con
y
sin efecto moderador-, de acuerdo con Train (1998). En suma, la aplicacin de este
modelo ofrece resultados en trminos absolutos
-a
travs de los parmetos estimados- y
relativos
-a
partir de las proporciones de individuos para los que este parmetro es
mayor o menor que cero-.
Por su parte, la estimacin de un Modelo Logit Anidado para la eleccin del tipo
de destino
-atendiendo
al carcter urbano y su ubicacin- ha permitido extraer las
siguientes conclusiones: a) Las alternativas'?ueblo costero", "Ciudad costera", "Pueblo
del interior" y "Ciudad del interior" se agrupan con una estructura de rbol. En este
sentido, la existencia de factores no observables comunes a algunas alternativas
conduce al incumplimiento del supuesto de Independencia de Alternativas [relevantes,
1o que implica que el lvfodelo Logit (no anidado) no debe utilizarse en este contexto; b)
Los grupos de alternativas con caractersticas similares vienen definidos por los nidos
{pueblo
costero y de interior} y
{ciudad
costera y de interior}; c) Los patrones de
sustitucin intra-nido difieren entre s, obtenindose una mayor correlacin entre las
altemativas ciudad costera y de interior que la existente entre pueblo costero y de
interior, lo que puede explicarse por la existencia de un mayor nmero de atributos no
observables que son comunes a las ciudades costeras y de interior; d) El precio de estos
destinos no siempre actua como factor de disuasin, lo que evidencia que existen otros
elementos decisivos de la eleccin de los destinos (como el entorno natural o cultural)
que no se pueden evaluar econmicamente, y que por tanto no son recogidos por los
precios; y e) La motivacin de la "bsqueda de relajacin" resulta determinante de cara
a elegir los destinos "pueblo costero" y "pueblo de interior".
192
Captulo IY. Conclusiones y Lneas Futuras de Investigacin
En suma, como conclusin general para las dimensiones analizadas en los
distintos contextos de eleccin de destinos estudiados
-comunidades,
provincias y tipos
de destinos-, cabe destacar lo siguiente: i) el efecto de la extensin parece estar
fuertemente afectado por el nivel de agregacin de los destinos; ii) el precio se
comporta como un elemento disuasorio en general, pero su impacto difiere cuando se
especifica el tipo de destino; iii) el efecto disuasorio de la distancia no es comn para
todos los individuos y, adems, est moderado por la repeticin del destino; y iv) las
motivaciones ('bsqueda de relajacin" en este caso) son determinantes para elegir el
tipo de destino.
3.- Eleccin y Gasto turstico. El examen conjunto de la eleccin de salir de
vacaciones y del gasto turstico revela que la duracin de la estancia, los ingresos y la
edad determinan el nivel de gasto realizado en las salidas vacacionaies. Es decir, los
niveles elevados de gasto turstico manifestados por los individuos que deciden salir de
vacaciones se asocian con estancias mas largas, con unos mayores ingtesos (en lnea
con la consideracin del Turismo como vrt bien normal), y con una edad inferior. En
cambio, el tamao de la ciudad de residencia no determina el nivel de
.qasto.
Por otro lado, el anlisis conjunto de la eleccin del tipo de destino (atendiendo
al carcter urbano y su ubicacin) y del gasto nrstico evidencia la existencia de
diferencias en los patrones de gasto en los distintos tipos de destinos, atendiendo al
tamao de la ciudad de residencia y a los ingresos. Sin embargo, las importantes
limitaciones detectadas en la estimacin implican que este resultado se debe tomar con
cautela.
4.- Eleccin tenporal del viaje. La estimacin de un Modelo Binomial Negativo
Truncado, por primera vez en el sector turstico, permite evidenciar que las variables
determinantes de la duracin de la estancia son las restricciones temporales del perodo
vacacional (fraccionamiento y disponibilidad de das de vacaciones) y el tamao de la
ciudad de residencia. En otras palabras, la mayor propensin a prolongar la estancia
fuera del lugar de residencia se vincula con la continuidad del perodo vacacional y con
el nmero de das de vacaciones disponibles, as como con la residencia en ciudades de
gran tamao. En cambio, el nivel de ingresos no parece ser determinante de la duracin
de la estancia. Finalmente, cabe indicar que la aplicacin del Modelo Binomial
Negativo ha permitido detectar la existencia de heterogeneidad en las preferencias de
193
Captulo IV. Conclustones y Lneas Fururas de Investigacin
los turistas, mediante el contraste del supuesto de igualdad media-varianza, lo que
evidencia que este modelo es ms adecuado que el de Poisson para realizar este tipo de
anlisis.
5.- Segntentos del mercado turstico. Una aportacin importante de este trabajo a
la investigacin twstica es la aplicacin del procedimiento de segmentacin de Revelt
y Train (2002), que combina la estimacin Bayesiana de un Modelo Logit de
Coeficientes Aleatorios
para la eleccin de destinos (provincias) y el anlisis cluster.
Este procedimiento ha permitido detectar tres segmentos en el mercado turstico espaol
que poseen caractersticas distintivas. En concreto, estos segmentos difieren en la
sensibilidad hacia la distancia y los precios, siendo la primera dimehsin la que presenta
una mayor dispersin en las preferencias. En consecuencia, este resultado apoya la idea
de que la distancia y ios precios ejercen un efecto diferenciado en la eleccin de los
destinos (provincias) en funcin de la sensibilidad hacia las mismas de los segmentos de
mercado. Asimismo, los resultados empricos obtenidos permiten evidenciar que la
estimacin bayesiana de los parmetros es, en gran medida, similar a la obtenida
mediante los procedimientos clsicos de mxima verosimilitud, lo que reafirma las
propiedades asintticas de la estimacin Bayesiana, y garantiza la abilidad de la
estimacin de los parmetros individuales.
Finalmente, esta tesis quiere dejar constancia de la importancia del anlisis
emprico integral de los cinco aspectos anteriores del comportamiento de eleccin del
turista, frente al enfoque parcial adoptado por la literatura emprica hasta la fecha. El
anlisis global planteado en la aplicacin emprica constituye una primera aproximacin
a la demanda turstica nacional mediante modelos de eleccin discreta, a partir de datos
individuales. Bsicamente, este tipo de investigacin integral de distintas decisiones
relacionadas con los viajes tursticos permite observar el efecto diferenciado que ejercen
las dimensiones utilizadas en cada una de las elecciones, sin riesgo de introducir sesgos
derivados de la utilizacin de muestras distintas para cada decisin. En esta lnea, y para
el caso que nos ocup4 la utilizacin de una nica muestra de individuos para examinar
la decisin del tipo de vacaciones, la eleccin de destinos, los patrones de gasto
turstico, la duracin de la estancia y la segmentacin del mercado en la eleccin
turstica, ha permitido recoger el impacto diferenciado de algunas dimensiones en
funcin, no slo del tipo de decisin, sino tambin del nivel de agregacin de los
t94
Captulo IV. Conclusiones y Lneas Futuras de Investigacin
destinos, de la presencia de efectos moderadores, y del segmento analizado. Por ello, el
desarrollo de estrategias de Marketing (a nivel de destinos) debe fundamentarse en la
implementacin de un anlisis integral que permita obtener un conocimiento global de
la demanda.
Entre las limitaciones de este estudio cabe mencionar la carencia de informacin
sobre ciertas variables que seran de gran utilidad en la modelizacin de la eleccin. En
particular, un conocimiento completo del proceso de eleccin que siguen los turistas
para seleccionar un destino implicara poseer informacin acerca de las actividades de
Marketing desarrolladas por los propios destinos. Igualmente, las percepciones de los
propios indiduos sobre los atributos de los desnos tambin pueden proporcionar
informacin relevante a la hora de elegir un lugar recreativo.
Asimismo, la investigacin se ha centrado en un anlisis emprico de carcter
esttico acerca de los determinantes de la eleccin turstica. En este sentido, un anlisis
longitudinal con datos de panel habra permitido efectuar aportaciones relevantes sobre
la evolucin del efecto de las variables explicativas. En particular, el impacto de los
atributos de los destinos que varan de ao en ao (como el precio) y de las
caractersticas personales, explicaran los motivos que empujan a los individuos a elegir
el destino seleccionado en cada perodo.
En cualquier caso, el trabajo emprico ha demostrado que la aplicacin de los
modelos de eleccin discreta ha sido particularmente til para analizar los factores
determinantes de las mltiples decisiones examinadas, evidenciando su facilidad de
adaptacin a diversos contextos de eleccin. Entre las extensiones posibles o lneas de
investigacin futuras se pueden orientar hacia los aspectos siguientes:
a) La aplicacin de los modelos de eleccin a destinos definidos de forma ms
precisa, bien a nivel de reas tursticas (p. ej., destinos especficos de sol y playa o
rurales) o bien en el mbito de las empresas tursticas (p. ej., empresas de alojamiento o
de entretenimiento). En el primer caso, el anlisis integral de las diversas elecciones
permitira alcanzar un conocimiento completo del perfil del turista que actualmente
visita un destino especfico, lo que facilitara la elaboracin de estrategias conducentes a
mantener ese perfil de cliente o a atraer nuevos tipos de turistas. En el segundo, las
empresas prestatarias de servicios tursticos podran emplear los modelos de eleccin
195
para analizar la competencia desde la perspectiva
de los clientes. Por ejemplo, la
identificacin de los atributos de los principales parques temticos permitira conocer
las caractersticas ms valoradas en cada uno de ellos, y determinar su importancia en la
decisin final.
b) La estimacin Bayesiana de las funciones de utilidad para cada individuo con
informacin longitudinal. Ello permitira analizar la evolucin temporal de sus
preferencias hacia los atributos de cada alternativa, ante las modificaciones realizadas
en ellos, o ante los cambios en las percepciones derivados de las polticas de
comunicacin. Adems, la disponibilidad de datos longitudinales mejorara
.ias
estimaciones de esta tcnica por la mayor cantidad de informacin que utilizara.
,
c) En relacin con el procedimiento de segmentacin utilizado sera interesante
observar su capacidad para identificar segmentos con un mayor nmero de atributos y
en distintos niveles de decisin (eleccin de destinos, de alojamiento, de tipo de
intermediario, de las actividades recreativas, etc.).
d) La realizacin de un anlisis integral de diferentes decisiones en otros
contextos de eleccin permitira identificar los distintos patrones de conducta que
diferencian el consumo de productos tursticos de otro tipo de bienes.
Por ltimo, cabe decir que se ha abordado un tema de vital importancia para el
desarrollo de las actividades de Marketing como es el anlisis de la eleccin del
consumidor, cuya pretensin ltima ha consistido, a favs de una contribucin
fundamentalmente emprica, en proveer ai sector twstico de un instrumento objetivo de
anlisis que permita afrontar con mayor rigor la toma de decisiones y, al mismo tiempo,
crear un punto de partida para el desarrollo de futuras investigaciones.
t96
REFEREI\CIAS BIBILIO GRFICAS
Refe rencias B ib lio grfi c as
Adamowicz, W., Bocal, P., Williams, M. y Louviere, J. (1998), "Stated Preference
Approaches for Measuring Passive Use Values: Choice Experiments and
Contingent Valuation", American Journal of Agricultural Economics, 80,
febrero,64-75.
Adamowicz, W'., Louviere, J. y Williams, M. (1994) "Combining Revealed and Stated
Preference Methods for Valuing Environmental Amenities", Journal of
Envir onmental E co nomics and Management, 26, 27 |
-292.
Akaah, I.P. y Korgaonkar, P.K. (1983), "An Empirical Comparison of the Predictive
Validity of Self-Explicated, Huber-Hybrid, Traditional Conjoint and Hybrid
Conjoint Models", Journal of Marketing Research,Z0, mayo, 187-I97.
Albert, J. y Chib, S. (1993) "Bayesian Analysis of Binary and Polychotomous Response
Data", Journal of the American Statistical Association, 38, 669-679.
Allenby, G.!f. y Giner, J.L. (1996) "Using Extremes to Design Products and Segment
Markets", Journal of Marketing Researclt, 32, 392-403.
Allenby, G.M. y Rossi, P.E. (1999) "Marketing Models of Consumer Heterogeneity'',
Jountal of Econometrcs, 89, 57
-7
8.
Allenby, G.M., Arora, N. y Ginter, J.L. (1998) "On the Heterogeneity of Demand",
Jounwl of Markegng Research,35, agosto, 384-389.
Alpert, M.I. (1971), "Identification of Determinant Atributes: A Comparison of
Methods", Journal of Marketing Research, vol. 8, mayo, 184-19i.
Alts, C. (1995) Marketing y Turismo. Madrid: Sntesis.
Anderson, J.R.L.
(1970) The Ulysses Factor. Neva York: Ed. Harcourt Brace
Johanovich, Inc.
Anderson, N.H. (1970), "Functional Measurement and Psychological Judgement",
Psychological Review, 77, 153-17 0.
Anderson, N.H. (1981), Foundations of Integration Infonnation Theory. Nueva York:
Academic Press.
Anderson, S.P., de Palma, A. y Thisse, J-F. (1992). Discrete Choice Theory of Product
Dffirentation. Carctbridge: MIT Press.
Anderson, T.R. (1956) "Potential Models and the Spatial Dsitribution of Population",
Papers of the Regional Science Asociation,2, !75-L82.
Andrews, R.L. y Currim, I.S. (2002) "Identifoing Segments with Identical Choice
Behaviors across Product Categories: An Intercategory Logit Mixture Model",
International Journal of Research in Marketfug, 19,65-79.
Ariely, D. y Levav, J. (2000) "Sequential Choice in Group Settings: Taking the Road
less Traveled and less Enjoyed", Journal of Consumer Research,27, diciembre,
279-290.
Ashok, K., Dillon, W.R. y Yuan, S. (2002), "Extending Discrete Choice Models to
lncorporate Attitudinal and Other Latent Variables", Journal of Marketing
Research, 34, febrero, 3l
-46.
Bardon, E. (i991) "Resumen del Estudio sobre el Grado de Satisfaccin de la Demanda
Turstica Nacional y Extranjera en relacin con el Producto Turstico Espaol",
Estudios Tursticos, I 1 0, 65-123.
Barron, F.H. (1977), "Axiomatic Conjoint Measurement", Decision Sciences, 8, 548-
559.
B.A.T. Freizeit-Forschungsinstitut
(1989), Wie Arbeiten wir Nach dem Jar 2000?
Freizeit-Impulse
fir
die Arbeitswelt von Morgen, Hamburgo.
B.A.T. Freizeit-Forschungsinstitut
(1990), Urlaub 89/90. Die Grenzen Grenzenlosen
Reis ens : Trendrv ende im url aubsv erhalt en?, Hamburgo.
198
Refer enc i as B ib lio grfi c as
Batsell, R.R. y Louviere, J.J. (1991),
"Experimental Choice Analysis", Marketing
Letters, 2,799-214.
Batty, M. (1976), Urban Modelling: Algorithms, Calibrations, Predictions. Cambridge
University Presss, London.
Baxter, M. y Ewing, G. (1981), "Models of Recreational Trip Disfibution", Regional
Studies, vol. 15, 5, p. 327-344.
Baxter, Ivf.J. y Ewing, G.O. (1979) "Calibration of Production-Constrained Trip
Distributon Models and the Effect of lntervening Oppornrnities", Journal of
Regional Science,
Beaman, J. (1974) "Distance and the
'Reaction'
to Distance as a Function of Distance",
Jountal of Leisure Research,6, verano, 220-231.
Beaman, J. (1976) "Corrections Regarding the Impedance of Distance Functions for
Several g(d) Functions", Journal of Leisure Research, 49-52.
Beaman, J., Cheung, H.K. y Do, N.H. (1977), "A Model of Visitor Flows considering a
Basic Participation Function and an Alternative Factor: Simulation and
Parameter Estimation", Canadian Outdoor Recreation Demand Study, 2, 133-
155.
Becker, G. (1965). "A Theory of the Allocation of Time" Economical Journal,75,493-
5r 7.
Becker, c. (1992) "Lebenbslanges Urlaubsreiseverhalten: Erste Ergebnisse einer
Pilotstudie"
,
Materilisen zur Fremdenverkehrgeographie, 25
,
7 0-82.
Ben-Akiv4 M. (1973). Structure of Passenger Travel Demand Models, Tesis Doctoral,
Depafment of Civil Engineering, MIT.
Ben-Akiva, M. (1977).
"Choice Models with Simple Choice Set Generating Processes",
Working Paper, Centre for Transportation Studies, lvIIT.
Ben-akiva, M. y Bierlaire, M. (1999), "Discrete Choice Methods and their Applications
to Short Term Travel Decisions", en R. Hall, ed., Handbook of Transportations
Science,Intemational Series in Operations Research and Management Science,
vol. 23, Kluwer.
Ben-Akiva, M. y Boccara, B. (1995), "Discrete Coice Models with Latent Choice Sets",
International Journol of Research in Marketng, 12.9-24.
Ben-Akiva, M. y Bolduc, D. (1999), "Multinomial Probit with a Logit Kernel and a
General Parametric Specifications of the Covariance Structure", Working Paper,
MIT.
Ben-Akiva, M. y Lerman, S.R.
(1979) "Disaggregate Travel Demand and Mobility
Choice Models and Measures of Accessibility'', en Hensher, D. y Stopher, P.,
eds., Behavioural Travel Modeling, Londres: Croom Helm.
Ben-Akiva, M. y Lerman, S.R. (1985) Disuete Choice Models:Theory and Application
to Travel Demand. Cambridge: MIT Press.
Bettman, J.R. (1979) An Informaton Processing Theory of Consumer Choice, Reading,
Massachussets: Addison Wesley.
Bierlaire, M. (1998). "Discrete Choice Models" en Labb, M., Laporte, G., Tanczos, K.
y Toint, Ph., eds., Operations Research in Trffic and Trasportation
Management, Berln: Springer Verlag.
Bign, E. y Zono, M. (1989)
'Marketing
Turstico: El Proceso de Toma de Decisiones
Vacacional es", Revista de Economa y Empresa,23, l, 9l-LI2.
Bign, E., Font, X. y Andreu, L. (2000) Markettng de Destinos Turstcos: Anlisis y
Estrategias de Desarrol/o, Madrid: Esic.
Black, W.C., Ostlund, L.E. y Westbrook, R.A. (1985) "Spatial Demand Models in a
Intrabrand Context", Journal of Marketing,49, verano, 106-113.
r99
Referencias B iblio gr fi c as
Block, H.D. y Marschak, J. (1960) "Random Orderings and Stochastic Theories of
Response"en Okin, I., ed., Contributions to Probability and Statistics, Standford:
Stanford University Press.
Bordas, E. y Araya, A. (1992) "Los Planes de Marketing Turstico: La Nueva
Henamienta Clave para el Desarrollo", Revista Valenciana d'Estudis
Autonmics, no 13.
Borgers, A.W. J., Van der Heijden, R.E.C.M. y Timmermans, H.J.P. (1989) "A Variety
Seeking Model of Spatial Choice-behaviour", Environment and Planning A,2I,
1037- 1048.
Borocz, J. (1990) "Hungary as a Destination 1960-1984", Annals of Tourism Research,
17
,
l , 19- 35.
Bote, V., Huescar, A. y Vogeler, C. (1991) "Concentracin e Integracin de las
Agencias de Viajes Espaolas ante el Acta nica Europea", Papers de Turisme,
5, 5- 43.
Boyd, J. y Mellman, (1990) "The Effect of Fuei Economy Standars on the U.S.
Automotive Market: A Hedonic Demand analysis", TransporTation Research,
14", 5-6,367-378.
Buhalis, D. y Licata, M.C. (2002) "The Future e-Tourism Intermediaries", Tourism
Management, 23, 3, 207
-220.
Cai, L.A. (1999) "Relationship of Houshold Characteristics and Lodging Expenditure
on Leiusure Trips", Journal of Hospitality & Leisure Marketing,6,2, 5-L8.
Calantone, R.J. y Johar, J.S. (1984) "Seasonal Segmentation of the Tourism Market
Using a Benefit Segmentation Framework", Journal of Travel Research, 23,
otoo, 14-24.
Cals, J. (1996) "La Rentabilidad Social de los Proyectos Tursticos", en Valds,L. y
Ruiz Vega, A., eds., Turismo y Promocin de Destnos Tursticos: Implcaciones
Empresariales, Gijn: Univesidad de Oviedo.
Cameron, a.C. y Trivedi, P.K. (1998) "Regression Analysis of Count Data", Nueva
York : Cambridge University Press.
Cardell, N. y Dumbil, F. (1980), "Measuring the Societal Impacts of Automobile
Downsizing", Trasportaton Research, I4", 5-6, 423-434.
Carmichael, B. (1994) "Using Conjoint Modelling to Measure Tourist Image and
Analyse Ski Resort Choice", en Johnson, P. y Thomas, B. eds., Choice and
Demand in Tourism, Londres: Mansell Publishing Ltd.
Carrothers, G.A.P. (1956), "An Historical Review of the Gravity and Potential Concepts
of Human Interaction", Journal of Amercan Insttute of Planners, 22,94-L02.
Cascetta, 8., Nuzzolo, 4., Russo, F. y Vietta, A. (1996), "A Modified Logit Route
Choice Model Overcoming Path Overlapping Problems. Specification and Some
Calibration Results for Interurban Netw'orks". Proceedtgs of the I3'h
International Symposium on the Theory of Road Traffc Flow, Lyon, France.
Caswell, M.F. y McConell, K.E. (1980). "Simultaneous Estimation of Jointly
Dependent Recreation Participation Function", Journal of Environmental
Economics and Management, 7, 65-7 6.
Cattin, P. y Wittink, D.R. (1982), "Commercial Use of Conjoint Analysis: A Survey",
Journal of Marketing, 46, verano, 44-53.
Cavero, S. y Cebollada, J. (1999) "Buscando Segmentos Latentes en el Mercado. Una
Aplicacin Emprica con Datos de Eleccin de Marct', X Encuentro de
P r ofe s or e s Univ er s i t ari o s d e M ar kering, Vallado lid.
200
R efe r en c ias B i b I i o grfi c as
Cebollada, J. (1997) "Modelizacin del Proceso de Compra. La Eleccin", Mgica, J.M
y Ruiz, S. (eds.), E/ Comportamiento del Consumidor,
Barcelona: Ariel
Economa.
Cesario, F.J. (1976), "Value of Time in Recreation Benefit Studies", Land Economics,
52,32-4r.
Cesario, F.J. y Knetsch, I.L. (I976), "A Recreation Site Demand and Benefit Estimation
Model", Regional Studies, vol. 10, p.97-I04.
Cheung, H. K. (1972), "A Day-use Park Visitation iv{odel", Journal of Leisure
Research, 4,139-156.
Chas, J. (i995). Marketing Pblico. Por un Gobiento y uila Admnistracin al Servicio
del Piblico. Madrid: McGraw Hill.
Chintagunta, P.K., Jain, D.C. y Vilcassim, N.J. (1991) "lnvestigating Heterogeneity in
Brand Preferences in Logit Models for Panel Data", Journal of Marketing
Research,
28, 4, 417
-428.
Cichetti,. C.J. y smith, V.K. (1973) "Congestion,
Quality
Deterioration and Optimal
Use: Wilderness and Recreation in the Spanish Peaks Primitive Area", Social
Sciences Research, 2, l5-30.
Clawson, M.C. y Knetsch, J.L. (1966) Economics of Outdoor Recreation, Maryland:
Johns Hopkins Press.
Cohen, S.V. (1997). "Unin Perfecta: El CBCA Rene lo Mejor del Anlisis Conjunto y
los Modelos de Eleccin Discreta". Investitgacin y Marketing, no 58, 23-29.
Collins, D. y Tisdell, C. (2002a) "Aged-Related Lifecycles: Purpose Variations",
Annals of Tourism Research, 29, 3, 801-8 1 8.
Coliins, D. y Tisdell, C. (2002b) "Gender Differences in Travel Life Cycles", Journal of
Travel Research.
Collins, D. y Tisdell, C. (2000) "Changing Travel Pattems with Age: Australian
Evidence and the Need to Modify Cunent Theories", Australian Journal of
Hosptality Management; 7
,
l, 15-25 .
Cook, R.L. y McClearly, K.W. (1983) "Redefining Vacation Distances in Consumer
Minds", Journal of Travel Res earch, 22, 2, 3 I
-34.
Corfrnan, K.P.y Lehman, D. (1993) "The Importance of Others' Welfare in Evaluating
Bargaining Outcomes", Journal of Consumer Research, 20,
junio,
124-137.
Cosenza, R.M. y Davis, D.L. (1981) "Family Vacation Decision Making over the
Family Life Cycle: A Decision and Influence Structure Analysis", Journal of
Travel Research, 20, 2, otoo, 17
-23.
Cosslet, S.R. (1981) "Efficient Estimation of Discrete Choice Models" en Structural
Analysis of Discrete Data with Econometrics Applications. Manski Ch.F. y
McFadden, D., eds, Cambridge: MIT Press.
Cramer, J.S. y Ridder, G. (1991) "Pooling States in the Multinomial Logit Model",
Journal of Econometrics, 47, 267
-272.
Crampon, L.J. (1966), "A New Technique to Analyze Tourist Markets", Journal of
Marketing, vol. 30, enero, p.27-3I.
Crawford, D.W. y Godbey, G. (1987) "Reconceptualizing Barriers to Family Leisure",
Leisure Sciences, 9, I L9
-128.
Creel, M. (1997) "Why Do Simple Logit CVM Models Often Work Well in spite of
Misspecification?", Working Paper, Universitat Autnoma de Barcelona.
Crompton, l.L. (1979) "An Assessment of the Image of Mexico as a Vacation
Destination and the Influence of Geographic Location upon that Image", Journal
of Travel Research, L'l,4,18-23.
201
R efer enci as B i b lio grfi c as
Currim, I.S. (1981) "Using Segmentation Approaches for Better Prediction and
Understanding from Consumer Mode Choice Models", Journal of Marketing
Research, I 8, agosto, 301
-309.
Daganzo, C., Bouthelier, F. y Sheffi, Y. (1977).
"Multinomial
Probit and
Qualitative
Choice: A Computationally Efficient Algorithm", Transportation Science, ll,
338- 358.
Dalen, E. (1989) "Research into Values and Consumer Trends in Norway'', Tourism
Management, 10, I 83- 1 86.
De Borja, L., Casanovas, J.A. y Bosch, R. (2002) El Consumidor Turstico, Esic
Editorial: Madrid.
De Rus, G. y Len, C. (1997) "Economa del Turismo. Un Panoramt', Revista de
Economa aplicada,15, 5, 7I-109.
Deacon, J.A., Pigman, J.G. y Deen, R.C. (1972), "Travel to Outdoor Recreation Areas
in Kentucky'', Journal of Leisure Ressearch, 4,312-332.
Debbage, K. (1991) "Spatial Behaviour in a Bahamian Resort", Annals of Tourism
Research, 18,251-268.
Debreu, G. (1960).
"Review of R.D. Luce, Individual Choice Beharior: A Theoretical
Analysis"", American Economic Review, 50, 1 86- 1 88.
Dellaert, B., Borgers, A. y Timmermans, H. (1995) "A Day in the Ciry: Using Conjoint
Choice Experiments to Model Urban Tourists' Choice of Activity Packages",
Tourism Management, 16, 5, 347
-353.
Dellaert, B.G.C., Borgers, A.W.J. y Timmermans, H. J.P. (1997) "Conjoint Models of
Tourist Portfolio Choice: Theory and Illustration", Leisure Sciences, 19, 31-58.
Daz, A. e Iglesias, V. (2000) "El Uso de las Expectativas de los Clientes como Criterio
de Segmentacin en los Mercados Tursiticos", en Blanquer, D., ed., Turismo:
Comercalizacin de Productso, Gestin de Organzaciones, Aeropuertos y
Proteccin de la Naturaleza,Yalencia: Tirant lo Balnc.
Dubin, J.A. (1998) "The Demand for Recreations Fishing in Montana" en Dubin, J.A.,
ed., Studies in Consumer Demand-Econometric Methods Applied to Market
Data, Boston: Kluwer Academic Publishers.
Dubin, J.A. (i995) "Estimating Logit Models with Spatial Dependence" en Anselin, L.
y Flora, R.J.G.M., eds., New Directions in Spatial Econometrics, Berln:
Springer.
Dubin, J.A. y McFadden, D. (1984) "An Econometric Analysis of Residential Electric
Appliance Holdings and Consumption", Econometrica, 52, 3 45
-362.
Edwards, S.L. y Dennis, S.J. (1976) "Long Distance Day-tripping in Great Britain",
Journal of Transport Economics and Policy, 10,237-256.
Engel, J.F., Blackwell, R.D. y Miniard, P.W. (1990) Consumer Behavior, The Dryden
Press.
Engel, J.F., Kollat, d.T. y Blackwell, R.D. (1969), Consumer Behavior, Nueva York,
Holt, Rinehart y Winston.
Erdem, T., Swait, J. y Louviere, J. (2002) "The Impact of Brand Credibility on
Consumer Price Sensitity", Internatonal Journal of Research in Marketing,
19, 1- 19.
Ewing, G. (1980) "Progress and Problems in the Development of Recreational Trip
Generation and Trip Distribution Models", Leisure Sciences, vol. 3, l,p.l-24.
Ewing, G.O. (1983), Forecasting Recreation Trip Distribution Behavior, en Lieber, S.R.
y Fesenmaier, D.R., eds., Recreaton Planning and Management, Oxford:
Venture Publications.
202
R efer encias B i b lio gr fi c a s
Eymann, A. y Ronning, G. (1,992) "Discrete
Choice Analysis of Foreign Travel
Demand" en Vosgerau, H.J., ed., European Integration in the W'orld Economy.
Studies in Int ernati onal E c onomics and Ins tituto ns, Berlin: Springer.
Eymann, A. (1995) Consumers' Spatial Choice Behavior, Heidelberg: Physica-Verlag.
Eymann, A. y Ronning, G. (1997)'Microeconometric Models of Tourists' Destination
Choice", Regional Science and Urban Economics, 27, 735-7 61.
Esteban, A. (1996) "Planificacin Estratgica y Marketing Turstico", Boletn de
Estudios Econmicos, 5I, 157
,89-106.
Esteban, A., Milln, A. y Molina, A. (2000) "La Comercializacin de Productos
Tursticos en Internet: Implicaciones para las Agencias de Viaje", Cuadernos de
Ciencias Econmicas y Empresariales, 39, 15-35.
Falkenstein, H. (1997) "Nuevos Medios y Tecnologas de Distribucin en el Sector
Turstico.
Amenazas
u Oporfunidades para las Agencias de Viajes
Minoristas?", E s tudio s Turs tic os, 13 4, 23
-3
4.
Ferguson, M.R. y Kanaroglou, P.S. (1995) "Utility Variablity with Aggregate Spatial
Units and its Relevance to Discrete Choice Models of Destination Choice" en
Anselin, L. y Flora, R.J.G.M., eds., New Directions in Spatial Econometrics,
Berln: Springer.
Fesenmaier, D.R. (1988) "Integrating Activity Pattems into Destination Choice
Models", Journal of Leisure Res es arch, 20, 3, 17 5
-19
l.
Fesenmaier, D.R. (1994). "Traveler Use of Visitor Information Centers: lmplications
forDevelopment in lllinois", Journal of Travel Researclt, verano, 44-50.
Fesenmaier, D.R., Yeong, H., Pan, B. y Gretzel,U. (2002) "Behavioral Foundations for
Travel Destination Recommendation Systems", Working Draft, National
Laboratory for Tourism and e-Commerce, Universidad de Iilinois (Urbana-
Champaign).
Fesenmaier, D.R., Goodchild, M.F. y Lieber, S.R. (1980), "Correlates of Day Hiking
Participation: the Effects of Aggregation",Journal of Leisure Research,12,2I3-
228.
Fesenmaier, D.R. y Jeng, J. (2000) "Assessing Structure in the Pleasure Trip Planning
Process", Tourism Analysis, 5
,
13-27 .
Figuerola, M. (1990) Teora Econmica del Turismo, Madrid: Alianza Editorial.
Fishbein, M. (1967a), "Attitude and the Predictors of Behavior", en M. Fishbein, ed.,
Readings in Attitude Theory and Measurement. Nueva York: John Wiley &
Sons, lnc.
Fishbein, M. (1967b), "A Behavior Theory Approach to the Relations between Beliefs
about an Object and the Attitude toward the Object", en M. Fishbein, ed.,
Readings in Attitude Theory and Measurement. Nueva York: John Wiiey &
Sons, lnc.
Fodness, D. (1992) "The Impact of Family Life Cycle on the Vacation Decision-making
Process", Journ al of Travel Res earch,3 l, 2, 8-13.
Fotheringham, A.S. (i983) "A New Set of Spatial lnteraction Models: The Theory of
Competing Destinations", Environment & Plannng A, 15, 15-36.
Fotheringham, A.S. (1985) "Spatial Competition and Agglomeration in Urban
Modelling", Environment and Planning A, t7,213-230.
Fotheringham, A.S. y O'Kelly, Ivf.E. (1989), Spatial Interaction Models: Formulations
and Applicatorts, Dordrecht (The Nederlands): Kluwer Academic Publishers.
Gallarza, M.G., Gil, I. y Caldern, H. (2002) "Destination Image: Towards a
Concepfual Framework", Annals of Tourism Rerearch, 29, 1, 56-78.
203
Referencias B ibliogrf c as
Gartner, W.C. (1993) "Image Formation Process", en Communication
and Channel
Systems in Tourism Marketing, Uysal, M. y Fesenmaier, D.R., eds., Nueva York:
The Harworth Press.
Gat, D. (1998) "Toward a Theory of the Intraurban Market for Hotel Services", Journal
of Real State Finance and Economics,17,2,199-211.
Gaudry, M.J.I. y Dagenais, M.G. (1979).
"The Dogit Model", Transportation Research,
138, 105- 111.
Gaudry, M.J.I. y Wills, M.J. (1979).
"Testing the Dogit lvfodel with Aggregate Time-
series and Cross-sectional Travel Data", Transportation Research, 13b,155-166.
Gen, J. (2002) "Construccin de una Tipologa y Caracterizacin. Aplicacin a los
Turistas de la Costa Dorada", Investigacin y Marketing,74,50-55.
Gensch, D. H. y Ghose, S. (1992) "Elimination by Dimensions", Journal of Marketing
Res earch, 29, noviembre, 417
-429.
Ghosh, a. y Mclafferty, S.L. (1982) "Locating Stores in Uncertain Environments: A
.
Scenario Planning Approach", Journal of Marketing,58,4, invierno, S-22.
Gotulez, A.M. y Daz, A.M. (1996) "Anlisis del Comportamiento del Turista a partir
de las Variables de Estilos de Vida", en Valds, L. y Ruiz Vega, A., eds.,
Turismo y Promocin de Destinos Tursticos: Inrplicaciones Empresariales,
Gijn: Universidad de Oviedo.
Gonzlez, A.M. y Bello, L. (2002) "The Construct "Lifestyle" in market Segmentation:
The Behavious of Tourist Consumers", European Journal of Marketing,36,
y2,
51- 85.
Gotutlez, A.M. y Esteban, A. (2000) Valores y Estlos de Vida en el Anlisis de la
D emanda Turs tic a, Madrid: Fitur.
Gonzlez Benito, O.
(1999) Anlisis Espacial de la Demanda en la Estructura
Comercial Intraurbana: Modelizacin de la Competencia Inter- e Intra-Formato
del Hipermercado Espaol en el Marco de la Estrategia de Localizacin,Tesis
Doctoral, Universidad de Salamanca.
Gorzlez Benito, O. y Santos, L. (2000) "Buscando Segmentos Latentes en el Mercado:
Aplicacin en el Contexto de Seleccin de Establecimiento Minonsta", .ill
Encuentro de Profesores Universitarios de Marketing, Santiago de Compostela.
Goodrich, J.N. (1978). "The Relationship between Preferences for and Perceptions of
Vacation Destinations: Application of a Choice Model", Journal of Travel
Research, 17, otoo, 8-13.
Goodwin, P.B. (1976) "Human Effort and the Value of Travel Time", Journal of
Transport Economics and Policy, 10, 3-15.
Goytia, A. (1998) "Nuevas Tendencias de Ocio y Turismo", Papers de Turisme,23,89-
97.
Gramann, J.H., Boruricksen, T.M., Albrecht, D.E. y Kurtz, W.B. (1985) "Recreational
Access to Private Forests: The Impact of Hobby Farming and Exclusivity'',
Journal af Leis ure Res esarch, 17, 3, 234-240.
Grande, I. (1996) Marketing de los Servicios, Esic Editorial, Madrid.
Grande, I. y Abascal, E. (2000) Fundamentos y Tcnicas de lnvestigacin Comercial,
Madrid: Esic.
Green P.E., Goldberg, S.M. y Montemayor M. (1981).
"A
Hybrid Utility Estimation
Model for Conjoint Analysis", Journal of Marketing45, invierno, 33-41.
Green, P.E. (1974).
"On
the Design of Choice Experiments Involving Multifactor
Alternatives",Journal of Consumer Reearch, l, 61-68.
Green, P.E. y Rao, V.R. (1971), "Conjoint Measurement for
Quantifying
Judgmental
Data", Journal of Marketing Research, 8, 355-363.
204
Refe r en ci a s B i b lio gr fi c a s
Green, P.E. y Srinivasan, V. (1978),
"Conjoint Analysis in Consumer Research: Issues
and Outlook"
,
Journal of Marketng Researcfr, 5, septiembre, 103-123.
Green, P.E. y Srinivasan, V. (1990).
"Conjoint Analysis in Marketing: New
Developments with Implications for Research and Practice", Journal of
Marketing Research, 54, 3-19.
Greene, W.H. (1999) Anliss Economtrico, Madrid: Prentice Hall.
Guadagni, P.M y Little, J.D. (1983) "A Logit Model of Brand Choice Calibrated on
Scanner Data", Marketing Science, 2, 3, 203
-238.
Gurmu, S. y Trivedi, P.K. (1996) "Excess Zeros in Count Models for Recreational
Trips", Journal of Business and Economic Statistics,14,469-477.
Guttman, L. (1944) "A Basis for Scaling
Qualitative
Data", American Sociological
Revi ew, 9, 139- 150
Haider, W. y Ewing, G.O. (1990) "A Model of Tourist Choices of Hypothetical
Caribbean Destinations", Lesure Sciences, 12,33-47 .
Hajivassiliou, V., McFadden, D. y Ruud, P. (1996) "Simulation of Multivariate Normal
Rectangle Probabilities and their Derivatives: Theoretical and Computational
Results", Journal of Econometrics, 7 2, 85
-134.
Halperin, W.C. (1988) "Current Topics in Behavioral Modelling of Consumer Choice",
en Golledge, R.G. y Timmermans, H.J.P, eds., Behavioural Modellng in
Geography and Planning, Nueva York: Croom Helm.
Halperin, W.C. y Gale, N. (1984).
"Towards Behavioural Models of Spatial Choice:
Some Recent Developments", en Pitfield, D.E., ed., Discrete Choice Models in
Regional Science, Londres: Pion Limited.
Hammond, K.R. (1955) "Probabilistic Functioning and the Clinical Method",
Psychological Review, 62, 25 5
-262.
Hannermann, W.M. (1978) A Methodical and Empirical Study of the Recreation
benefits form Water
Quality
Improvement, Tesis Doctoral, Harvard University.
Hay, M.J. y McConnell, K.E. (1979) "An Analysis of Participation in Nonconsumptive
Wildlife Recreation", Land E conomics, 5 5, 4, 460-47 L.
Heckman, J. (1978) "Dummy Endogenous Variables in a Simultaneous Equation
System", E c onometrica, 46, 93 t
-959.
Heckman, J. (1978) "Sample Selection Bias as a Specification Error", Econometrica,
47, 153-162.
Heckman, J. y Singer, B. (1984) "A Method for Minimizing the Impact of
Distributional Assumptions in Econometric Models for Duration Data",
Econometrica, 52, 27 l-320.
Heilerstein, D. y Mendelsohn, r. (1993) "A Theorietical Foundation for Count Data
Models", American Journal of Agricultural Economics, 7 5, 3, 604-6I I .
Hensher, D. (2001) "The Valuation of Commuter Travel Time Savings for Car Drivers
in New Zealand: Evaluating Alternative Model Specifications", Trasnportation,
28, t 0i - 118.
Hensher, D.A. y Johnson, L.W. (198I) Applied Discrete-Choice Model/ing, Nueva
York: John Wiley & Sons, [nc.
Hensher, D., Louviere, J.J. y Swait, J. (1999).
"Combining Sources of Preference Data",
Journal of Econometrics, 89, 197
-221.
Hensher, D.A. y Louviere, J.J. (1984) "Towads an Approach to Forecasting Attendance
at Unique Events Using a Discrete choice Model and Experimental Design
Data" en Pitfield, D.E., ed., Discrete Choice Models in Regional Sciences,
Londres: Pion Ltd.
205
Refe r en ci as B ib lio gr fi c as
Hol J.G. y Rosenthal, D.H. (1987) "Valuing Opportunity Cost of Travel Time in
Recreation Demand Models: An Application to Aggregate Data", Journal of
Lesure Research, 19, 3, 1 74-1 88.
Horowitz, J. (1979).
"Confidence Intervals for Choice Probabilities of the MNL
Model", Trasp ortation Res earch Record, 728, 23
-29.
Howard, J.A. (1989) Consumer Behavior in Marehing Straregy, Nueva Jersey: Prentice
Hall.
Howard, J.A. y Sheth, J.N. (1969) The Theory of Buyer Behavor, Nueva York: John
Wiley.
Hsiao, C. (1986) "Analysis of Panel Data", Cambridge, Cambridge University Press.
Hsieh, S., O'Learly, J.T., Morrison, A. M. y Chang, P-H. S. (i993) "Modelling the
Travel Mode Choice of Australian Outbound Travellers", The Journal of
Tourism Studies,4, 1, 51-6i.
Hu, Y. y Ritchie, R.B.
(1993) "Measuring Destination Atfactiveness: A Contextual
Approach",Journal of Travel Research, otoo, 25-34.
Hua, C-I. y Porell, F. (1979) "A Critical Review of the Development of the Gravity
Model", International Regional Science Review, 4, 97
-126.
Huber, G.P., Daneshgar, R. y Ford, D.L. (1971,
"An Empirical Comparison of Five
Utility Models for Predicting Job Preferences", Organizational Behavior and
Human P erformanc e, 6, 267
-282.
Huber, J. y Train, K. E. (2001) "On the similarity of Classical and Bayesian Estimates
of Individual Mean Partworths"
,
Marketing Letters, 12, 3
,
257
-267
.
Huff D. L. (1963) "A Probabiiistic Analysis of Shopping Center Trade Areas", Land
Economi cs,39, 81-90.
I.E.T. (2000), Movimentos Tursticos de los Espaoles en 1999, Madrid: Instituto de
Estudios Tursticos.
Jain, D.C., Vilcassim, N.J. y Chintagunta, P.K., (1994) "A Random-Coefficients Logit
Brand-Choice Model Applied to Panel Datt', Jounnl of Business & Economics
Statistics, 12, 3, 3I7
-328.
Jarque, C (1987) "An aplication of LDV Models to Houshold Expenditure Analysis in
Mexico'', Journal of Econometrcs, 36, 32-54.
Jefferson, A. y Lickorish, L. (1991) Marketng Tourism, Essex: Longman.
Jeng, J-M. y Fesenmaier, D.R. (1996) "A Neural Network Approach to Discrete Choice
Modeling", Journal of Travel & Tourism Marketng,5,ll2,Il9-144.
Johnson, P. y Thomas, B. (1994) "The Analysis of Choice and Demand in Tourism" en
Johnson, P. y Thomas, B., eds., Choice and Demand in Tourism, Londres:
Mansell Publishing Ltd.
Jones, P.M. (1978) Destination Choice and travel Attributes, en Hensher, D.A. y Dalvi,
W., eds., Determinants of Travel choice, Farnborough: Saxon House.
Kamakura, W.A. y Russell, G.J. (1989) "A Probability Choice Model for Market
Segmentation and Elasticity Structure", Journal of lv[arketing Research,26,379-
390.
Keeney, R.L. y Raiffa, H. (1976), Decsions wh Multiple Objectives: Preferences and
Value Tradeoffs. Nueva York: John Wiley.
Kemperman, A.D.A.M., Borgers, A.W.J., Oppewal, H. y Timmerrnans, H.J.P. (2000)
"Consumer Choice of Theme Parks: A Conjoint Choice Model of Seasonality
Effects and Variety Seeking Behavior", Leisure Sciences,22,l-18.
Kim, S. y Lee, Ch. (2002)
'?ush
and Pull Relationships", Annals of Tourism Research,
29,1,257-260.
206
Refer e nc ias B ib I io gr fi c as
Kinberg, Y. y Sudit, E. (L979). "Country/Service Bundling in International Tourism:
Criteria for the Selection of an Efficient Bundle Irfix and Allocation of Joint
Revenues", Journal of Internatonal Business Studies, 10, otoo, 51-63.
Koppelman, F.S. y Wen, C. H. (2000), "The Paired Combinatorial Logit Model:
Properties, Estimations and Applications", Transportation Research B, 34,75-
89.
Kotler, P., Bowen, J. y Makens, J. (1996) Marketing
for
Hospitality and Tourism,
Prentice Hall, Nueva Jersey
Kotler, Ph. (1997) Marketing Management. Analysis, Planning, Implementation and
Control, Nueva Jersey: Prentice Hali.
Kloes, E.P. y Sheldon, R.J. (1988).
"Stated Preference Nlethods: An Introduction",
Jountal of Transport Economcs and Policy, 20,11-25.
Kruskal, J.B.
(196aa),
"Multidimensional Scaling by Optimizing Goodness of Fit to a
Nonmetric Hy,pothesis ",
P sy clt o m etri c a, 29, I
-27
.
Kruskal, J.B. (1964b),
" Nonmetric Multidimensional Scaling: A Numerical method",
Psychometrca, 29, I 15-129.
Kruskal, J.B. (1965),
"Analysis of Factorial Expperimetns by Estimating Monotone
Transformations of the Data", Journal of the Royal Statistcal Society, Series B,
27,251-263
Lancaster, K.J. (1966),
"A New Approach to Consumer Theory", Journal of Political
Economy, 14,132-157.
Lanquar, R. (2001) Marketing Turstico, Barcelona: Ariel Turismo.
Lawson, R. (1991) "Pattems of Tourist Expenditure and Types of Vacation Across the
Family Life Cycle", Journal of Travel Res earch, 29, 4, 1 2- I 8.
Lehman:r, D.R. (1993) hwestigaciny Anlisis de Mercado,Mxico: Cecsa.
Lenk, P.J., DeSarbo, W.S., Green, P.E. y Young, M.R. (1996) "Hierarhical Bayes
Conjoint Analysis: Recovery of Parr'worth Heterogeneity from Reduced
Experimental Desings", Marketing Scence, I 5, 2, 17 3-t9 I.
Lerman, S.R. y Manski, Ch. F. (1981) "On the Use fo simulated Frequencies to
Approximate Choice Probabilities", en Structural Analysis of Discrete Data with
Econometrics Applications. Manski Ch.F. y McFadden, D., eds, Cambridge:
MIT Press.,198-272.
Lewis, P. y Thomas, H. (1990) "The Linkage between Strategy, Strategic Groups, and
Performance in the UK Retail Grocery Industry", Strategic Management
Journal, 1 1, 1990, 385-397.
Lilien, G., Kotler, P. y Moorthy, K. S. (1992) Marketing Models, Nueva Jersey:
Prentice Hall.
Loomis, J.B. (1988) "Contingent Valuation Using Dichotomous Choice Models",
Journal of Leisure Res earch, 20, 1, 46-56.
Louviere, J.J. (1988a). Analyzing Decision Making: Metric Conjoint Analysis. Sage
University Paper Series on
Quantitative
Applications in the Social Sciences,
series n" 07-067. Newbury Park, CA: Sage.
Louviere, J.J. (1988b). "Conjoint Analysis Modeling of Stated Preferences. A Review
of Theory, Methods, Recent Developments and External Validity", Journal of
Transport Economics and Policy, 20, 93-119.
Louviere, J.J. (1994), "Conjoint Analysis", enBagozzi, R., ed., Advanced Methods of
Marketing Research, Cambridge, MA: Blacwell Publishers, 223-259.
Louviere, J.J. y Hensher, D.A. (1983). "Using Discrete Choice Models with
Experimental Design Data to Forecast Consumer Demand for a Unique Cultural
Event", Journal of Consumer Research, 10, diciembre, 348-361.
207
Referencias B iblio grfi c as
Louviere, J.J. y Timmermans, H.J.P. (1990),
"Stated Preference and Choice Models
Applied to Recreation Research: A Review", Leisure Sciences, vol.lZ,9-32.
Louviere, J.J. y Woodworth, G. (1983),
"Design and Anallsis of Simulated Consumer
Choice or Allocation Experimetns: An Approach Based on Aggregate Data",
Journal of Marketing Research, 20, 350-367 .
Louviere, J.J., Fox, M. y Moore, W. (1992) "Cross-task Comparison of Logit Models
Estimated form Different Sources of Stated Preference Data", Working Paper,
Department of Marketing, Eccles School of Business, University of Utah.
Luce, R.D. (1959),Individttal Choice Behavior. Nueva York: John Wiley & Sons, Inc.
Luce, R.D. y Raiffa, H. (i957),
"Games and Decisions: Introduction and Critical
Survey". Nueva York: John Wiley & Sons, Inc.
Luce, R.D. y Suppes, P. (1965).
"Preference, Utility, ana Subjectve Probability" en Luce
R.D., Bush, R.R. y Galanter, E., eds., Handbook of Mathematical Psychology,
.I//. Nueva York: wiley, 249-4t0.
Luce, R.D. y Tukey, J.W. (1964),
"Simultaneous Conjoint Measurement: A New Type
of Fundamental Measurement", Journal of Mathematical P sychology, l, 1
-27
.
Lue, Ch., Crompton, J.L.y Stewart, W.P. (1996). "Evidence of Cumulative Attraction
in Multidestination Recreational Trip Decisions", Journal of Travel Research,
verano, 41-49.
Mackie, D.M. y Goethals, G.R. (1987) "Individual and Group Goals" en Hendrick, C.,
ed., Review of Personality and Social Psychologlt: Group Processes, Newbury
Park, CA: Sage.
Maddala, G.S. (1983) Limited-dependent and
Qualitative
Variables in Econometrics,
Nueva York: Cambridge University Press.
Maddala, G. S. ( 1 985) E c on om etr a, Mxico : McGraw Hill.
Mak, J. y Moncur, J.E.T. (1979) "The choice of Journey Destinations and Lengths of
Stay: A Micro Anal.vsis", The Review of Regional Studies, 10, 2, 38-48.
Mak, J. y Moncur, J.E.T. (1980) "The Demand for Travel Agents", Journal of
Transport Economics and Policy, mayo, 221-231.
Malhotra, N.K. (1984) "The Use of Linear Logit Models in Marketing Research",
Journal of Marketing Research, XXI, febrero, 20-31.
Manrai, A.K. y Sinha, P. (1989) "Elimination-by-Cutoffs", Marketng Science, 8,2,
r33-t52.
Manski, C. (1977),
"The
Structure of Random Utility Models", Theory and Decision, 8,
229-254.
Manski, C. y Lerman, S (1977) "The Estimation of Choice Probabilities from Choice-
Based Sample", Econometrica, 45, 1977
-1988.
Martnez,E. (2002) "Flujos Regionales del Turismo Domstico en Espaa", Documento
de Trabajo, Universidad de Genrona.
Mayo, E.J. y Jarvis, L.P. (1981) Th" Psychologlt of Leisure Travel, Boston: CBI
Publishing Co.
McAllisster, D. M. y Klett, F.R. (1976), "A Modified Gravity Model of Recreational
Recreation Activiqv with an Application to Ski Trips", Journal of Leisure
Research, vol. 8, 1, p. 2t-34.
McCollum, D.W., Gilbert, A.H. y Peterson, G.L. (1990) "The Net Economic Value of
Day Use Cross Country Skiing in Vermont: A Dichotomous Choice Contingent
Valuation Approach", Journal of Leisure Research,22, 4,341-352.
McFadden, D. (1974), "Conditional
Logit Analysis of
Qualitative
Choice Behavior", en
Zarembka, P., ed., Frontiers in Econometrics, Nueva York: Academic Press,
r05-142.
208
Refer enci as B ib lio gr fi c as
McFadden, D. (1978).
"Modelling the Choice of Residential Location", en Karlvist, A.,
Lundqvist, L., Snickars, F. y Weibull, J, eds., Spatial Interaction Theory and
P lannng Models. Amsterdam: North-Holland, 7 5
-96.
McFadden, D. (1981). "Econometric Models of Probabilistic Choice", en Structural
Analysis of Discrete Data with Econometrics Applications, Manski Ch.F. y
McFadden, D., eds, Cambridge: MIT Press., 198-271.
McFadden, D. (1986). "The Choice Theory Approach to lUarket Research", Marketing
Science, vol. 5, 4, 27 5-297.
McFadden, D. (1989), "A Method of Simulated Moments for Estimations of Discrete
Response Models without Numerical lntegration"; Econometrica, 57, 5, 995-
1026.
McFadden, D. y Train, K. (1998), "Mixed Multinomial Logit Model for Discrete
Response", Technical report, University of California, Berkeley, Ca.
McGinley, C. (1999) "Measuring Cumulative Atnactiv'ity in Vacation Travel: A
Discrete Choice Approach", CAUTHE National Research Conference.
Mclntosh, R.W. y Goeldner, C.R. (1984) Tourism Principles, Practices, Philosophies,
Columbia: Grid Publishing krc.
Melenberg, B. y Van Soest, A. (1996) "Parametric and Semi-parametric Modelling of
Vacation Expenditur es", Journal of Applied E cononrctrics, ll, 59
-7
6.
Middelton, V. (1995) "Managing the Marketing Mix", en Witt, S. F. y Moutinho, L.,
eds., Tourism Marketing and Management Handbook, Prentice Hall,
Hertfordshire.
MieczkowskJ,Z. (1990) "World Trends in Tourism and Recreation", en Amercian
University Studies Series XXV Geography, vol. 3. Nueva York: Peter Lang.
Miller, J.R. y Hay, M.J. (1981). "Determinants of Hunter Participation: Duck Hunting
in the Mississippi Flyway'', American Jountal of Agricultural Economics, 63,
677-684.
Monfort, V.M., Morant, A. e lvars, J. (1996) "LA Demanda Turstica", en Pedreo, A.,
ed,Introduccin a la Economa del Turismo en Espaa, Madrid: Civitas.
Morey, E.R. (1984) "The Choice of Ski Areas: Estimation of a Generalized CES
Preferencie Ordering with Characteristics", Review of Economics and Statistics,
66, 584-590.
Morey, E.R. (1985) "Characteristics, Consumer Surplus and New Activities", Journal
of Publc Economics, 26, 221-236.
Morey, E.R., Shaw, W.D. y Rowe, R.D. (1991) "A Discrete Choice Model of
Recreational Participation Site Choice, and Activity Valuation when Complete
Trip Data are not Available", Journal of Environmental Economics and
Management, 20, I 81
-201.
Morley, C.L. (1992) "A Microeconomic Theory of International Tourism Demand",
Annals of Tourism Research, 19, 250-267
Morley, C.L. (1993. "An Experiment to lnvestigate the Effect of Prices on Tourism
Demand", RMIT Graduate School of Business, Working Paper, Melbourne,
Australia.
Morley, C.L. (1994a). "Experimental Destination Choice Anaylsis", Annals of Toursnt
Research, 21, 4, 7 80-791.
Morley, C.L. (1994b) "Discrete Choice analysis of the Impact of Tourism Prices",
Journal ofTravel Research, otoo, 8-14.
Morley, C.L. (1994c) "The Use of CPI for Tourism Prices in Demand Modelling",
Tourism Management, t5, 5, 342-346.
209
Referencias B iblio gr fi cas
Morley, C.L. (1995) "Tourism Demand: Characteristics, Segmentation and
Aggregatio n", Tourism E c on omi cs, l, 4, 3 I 5-3 2 8.
Morrison, A.M. (1996) Hospitality and Travel Marketing, Nueva York: Delmar
Publishers.
Moscardo, G., Morrison, A.M., Pearce, Ph. L., L*g, Ch-T. y O'Learly, J.T. (1996)
"Understanding Vacation Destination Choice Through Travel Motivation and
Activities", Journa I of Vacaton Marketing, 2, 2, 109
-122.
Moutinho, L. (1987) "Consumer Behaviour in Tourism", European Journal of
Marketing, 21, 10, l-44.
Moutinho, L. y Trimble, J. (1991) "A Probability of Rerisitation Model: The Case of
Winter Visits to the Grand Canyon", The Semice Indstries Journal,11,4,439-
457.
Mgica, J.M. (1989),
"Los Modelos Multiatributo en Marketing: El Anlisis Conjtrnto",
IP-MARK, 324, (16-28 febrero), 63-7 1.
Mgica, J.M. y Ruiz, S. (1997) El Comportamiento del.Consumidor,Barcelona: Ariel.
Muller, T.E. (1991) "Using Personal Values to Define Segments in an International
Tourism Market", Int ernational Marketing Review, 8, 57
-7
0 -
Muoz, F. (1994) Marketing Turstico, Madrid: Centro de Estudios Ramn Areces.
Muth, R. (1966). "Household Production and Consumer Demand Functions",
Econometrica, 34, 699-7 08.
Munizaga, M. y lvarez-Daziano, R. (2001) "Mixed Logit versus Nested Logit and
Probit", Working Paper, Departamento de Ingeniera Civil, Universidad de
Chile.
Nahab, S. (1975) Tourism il[anagemenf, Londres: Tourism International Press, Londres.
Nakanishi, M. y Cooper, L.G. (1974) "Parameter Estimation for a Multiplicative
Competitive Interaction Model-Least Squares Approach", Journal of Marketing
Research, 1 l, agosto, 303-31 1.
Von Neumman, J. y Morgenstem, O. (1944) Theory of Games and Economic Behavior,
Nueva Jersey: Princeton University Press.
Nicosia, F.M. (1966) Consumer Decision Processes: Marketing and Advertsing
Implications, Nueva Jersey, Prentice Hall.
Nez de Cela, J.A. (1998)
'Nuevas
Tendencias Tursticas en la Sociedad Global y su
Influencia en el Turismo de Sol y Playa", Papers de Turisme,23,99-lll.
OMT (1991) International Conference on Travel and Tourism: Resolutiorzs, Madrid:
Organizacin Mundial del Turismo.
Opaschowski, H.W. (1990) "Turismo de lvfasas o Turismo a Medida? Lmites
Econmicos, Ecolgicos y Psicolgicos", Papers de Turisme, 4, 68-80.
Oppermann, M. (1995) "Travel Life Cycle",Annals of Tourism Research,22;535-552.
Ortzar, J.D. y Willumsen, L. (1995) Modelling Transport, Chichester: John Wiley &
Sons.
Payne, A. (1993) The Essence of Services Marketing, Hemel Hempstead: Prentice Hall.
Perdue, R.R. (1986) "Traders and Nontraders in Recreational Destination Choice",
Journal of Leisure Research, 18, l, 12-25.
Prez, J.M. (1995) Una Aproximacin a la Demanda de Turismo de los Espaoles con
Datos Microeconncos. Tesis Doctoral, Universidad de Valencia.
Peterson, G. L., Dwyer, J.F. y Darragh, a. J. (1983) "A Behavioral Urban Recreation
Site Choice Model", Leisure Sciences,6, 1, 61-81.
Phelps, A. (1936) "Holiday Destination Image. The Problem of Assessment: An
Example Developed in Menorca", Tourism Management,7
,3,
168-180.
Pindyck, R.S. y Rubinfeld, D.L. (2001) Microeconoma, Madrid: Prentice Hall.
210
Refer encias B ib lio gr fi c as
Pitts, R.E. y Woodside, A.G. (1980) "Personal Values and Travel Decisions", Journal
of Travel Resesarch,25, verano, 20-25.
Plog, S.C. (1994) "Developing and Using Psychographics in Tourism Research" en
Travel, Tourism and Hospitality Research, Nueva York: John Wiley & Sons.
Quandt,
R.E. (1956). "A Probabilistic Theory of Consumer Behavior",
Quaterly
Journal
of economics, 70, 507-536.
Revelt, D. y Train, K.E. (2002) "Customer-Specific Taste Paameters and Mixed Logit:
Houshold' Choice of electricity Supplier", Working Paper, Universidad de
Califomia, Berkeley.
Richards, M. (1982)
"Disagregate Demand Models: Promises and Prospects",
Transportation Res earch A, 16, 339
-344.
Riera, A. (2000) "Modelos de Eleccin Discreta y Coste del Viaje. Los Espacios
Naturales Protegidos en Mallorca", Revista de Economa Aplicada,8,24, l8I-
20t .
Roehl, S.W., Ditton, R.B., Holland, S.M. y Perdue, R.R. (1993) "Developing New
Tourism Products: Sport Fishing in the South-East United States", Tourism
Management, agosto, 27 9
-288.
Rosenberg, M.J. (1956), "Cognitive structure and Attitudinal Effect", Journal of
Abnormal and Socal P sychologlt ",
53, 367
-37
2.
Rossi, P.E. y Allenby, G.M. (1993) "A Bayesian Approach to Estimating Household
Parameters", Journal of Marketing Research, 30, mayo, l7l-182.
Rotondo, J (1986) "Price as an Aspect of Choice in EBA", Marketing Science,5, otoo,
39r-402.
Rugg, D. (1973) "The Choice of Joumey Destination: A Theoretical and Empirical
Analysis", The R.w-iew of Economics and Statistics,55, 1, 64-72.
Ryan, C. (1995) Researching Tourist Satisfaction: Issues, Concepts and Problems,
Londres: Routledge.
Snchez, M. (2000) "El Anlisis de Clases Latentes como Tcnica de Segmentacin de
Mercados: Ei Caso de la Demanda Turstica Nacional", en Blanquer, D., ed.,
Turismo: Comercializacin de Productso, Gestin de Organizaciones,
Aeropuertos y Proteccin de la Naturaleza, Tirant lo Balnc, Valencia.
Santos, J.L. (1983) "La Decisin de Compra del Turista-Consumidor", Estudios
Tursticos,79,39-53.
Schroeder, H.W. y Louviere, J. (1999) "Stated Choice Models for Predicting the Impact
of User Fees at Public Recreation Sites", Journal of Leisure Research,3l, 3,
300-324.
Scott Long, J. (1997) Regression Models
for
Categorical and Limited Dependent
V ariabl e s, S age Pub lications, California.
Seddighi, H.R. y Theocharous, A.L.( 2002), "A Model of Toursim Destination Choice:
A Theoretical an Empirical analysis", Tourism Management,
Sen, A. y Smith, T.E. (1995) Gravity Models of Spatial Interaction Behavior, Berln:
pringer Verlag.
Sen, A. y St, S. (1981) "Selected Procedures for Calibrating the Generalized Gravity
Model", Papers of the Regional Science Association, 48,165-176.
Serra, A. (2002) Marketing Turstico, Madrid: Ed. Pirmide.
S.G.T. Informe de la Secretara General de Turismo, (1989a) "Vacaciones de los
Espaoles en 1987", Estudios Tursticos, 102, l-36.
S.G.T. Informe de la Secretara General de Turismo, (1989b) "Los Viajes de los
Espaoles al Extranjero en 1987", Estudios Tursticos,I02,37-73.
2tl
Referen cias B ib lio gr fi c as
S.G.T. Informe de la Secretara General de Turismo, (l9E9c) "El Gasto en Turismo de
los Espaoles", Estudios Tursticos, 102, 1 l 3- 1 3 8.
S.G.T. Informe de la Secretara General de Turismo, (1992) "Las Vacaciones de los
Espaoles en 1992", Estudios Tursticos, 116,87-112.
S.G.T. Informe de la Secretara General de Turismo, (1993) "Las Vacaciones de los
Espaoles", Es tudio s Turs tico s, I 19
-120,
| 53
-17
7 .
Sharma, S., Durand, R.M. y Gur-Arie, O. (1981) "Identification and Analysis of
Moderator Variables"
,
Journal of Marketing Research, I 8, agosto, 291-300.
Sheldon, P.J. y Mak, J. (1987) "The Demand for Package Tours: A Mode Choice
Model" Journal of Travel Research, inviemo, I3-L7.
Sherii M., Sherif, K. y Negergall, R. (1965) Anitude and Attitude Change: The Social
Judgmenrlnvolventent Approach, Filadelfia: Saunders.
Shih, D. (1986) "VALS as a Tool of Tourism Market Research: The Pennsylvania
Experience"
,
Journal of Travel Research, 24, 4, 2-ll.
Silberman, J. (1985) "A Demand Function for Lenght of Stay: The Evidence from
Virginia Beach", Journal of Travel Research, primavera, 16-23.
Siderelis, Ch. y Moore, R.L. (1998) "Recreation Demand and the Influence of Site
Preference Variables", Journal of Leisure Res earch, 3 0, 3, 30 1
-3
1 8.
Simon, H. (1957). Models of Man, Nueva York: Wiley.
Sirakaya, E. (1992) Modeling Vacation Destination Choice Decisions: Development of
an Instrument, Clemson University Masters Thesis, South Carolina: Clemson
University.
Sirakaya, E., Mclellan, R.W. y Uysal, M. (1996) "Modeling Vacation Destinations
Decisions: A Behavioural Approach", Journal
fo
Travel & Toursim Marketing,
5, 112, 57- 75.
Slovic, P. y Lichtenstein, S. (1971), "Comparison of Basyesian and Regression
Approaches to the Study of Information Processing in Judgement",
Organzational Behavior and Human Performance, 6, 649-744.
Smith, S.L.J. (1995). Tourism Analysis: A Handboo&, Reino Unido: Longman Group
Limited.
Smith, V.K. y Munley, V.G. (1978) "The Relative Performance of Various Estimators
of Recreation Participation Equations", Journal of Leisure Research,l0, 3, 165-
t 76.
Spanieer, J. yMaize, E. (1991) "Quasi-Random Methods for Estimating Integrals Using
Relatively Small Samples", SIAM Review, 36, I 8-44.
Stemmerdiog, M., Oppewal, H. y Timmernans, H. (1999) "A Constrained-Induced
Model of Park Choice", Leisure Sciences,2l, 145-158.
Stopher, P.R. y Ergn, G. (1979) "Population Segmentation in Urban Recreation
Choices", Transportation Research, 59-65.
Stopher, P.R. y Ergn, G. (1982) "The Effects of Location for Urban Recreation Trips",
Transportation Res earch I 64, 25-34.
Strotz, R. (1975) "The Empirical Implications of aUtilityTree", Econometrica,25,269-
280.
Stynes, D.J. (1983a), An Introduction to Recrreation Forecasting, en Lieber, S.R. y
Fesenmaier, D.R., eds., Recreaton Planning and Managemerzr,Oxford: Venture
Publications.
Stynes, D.J. (1983b) "Time Series and Struchral Models for Forecasting Recreation
Participation", en Lieber, S.R. y Fesenmaier, D.R., eds., Recreation Planning
a n d M an a g e m e n t,Y enture P ub lic ations, Oxford.
212
Referen c as B ib lio gr fi c a s
Swait, J.D. y Ben.Akiva" ME. (1986) "Analysis of the Effects of Captivity on Travel
time and Cost Elasticities" en Behavioural Resesach for Trasnport Policy, VNU
Science Press, Utrecht.
Swait, J.D. y Ben-Akiva, M. (1987), "Incorporating Random Constraints in Discrete
Models of Choice Set Generation, Transportations Research 8,21,2.
Taylor, Ch. E. y Knudson, D.M. (1976) "Area Preferences of Midwestern Campers",
Journal of Leisure Research, primavera, 39-48.
Thill, J-C. y Horowitz, J. L. (1997) "Travel-Time Consraints on Destination-choice
Sests", Geographical Analysis, 29, 2, 108-123.
Thurstone, L.L. (1927), " Law of Comparative Judgment", Psychological Review, 4,
273-286.
Thurstone, L.L. (1945). "The Prediction of Choice", Psychometrica, I0,237-253.
Timmermans, H. y Golledge, R.G. (1989), "Application of Behavioral Research on
Spatial Problems II: Preference and Choice". Progress in Human Geography,
14,3tt-354.
Timmermans, H.J.P. (1984),
"Descompositional Multiatibute Preference Models in
Spatial Choice Analysis: A Review of Some Recent Developments", Progress in
Human Geography, vol. 8, 2, 189-221.
Timmermans, H.J.P. (1987). "Hybrid and Non-Hybrid Evaluation Models for Predicting
Outdoor Recreation Behavior: A Test for Predictive Ability'', Leisure Sciences,
9, 67- 76.
Train, K.E. (1998) "Recreation Demand Models with Taste Differences over People",
Land Economics,74,2.
Train, K.E. (2001a) "Halton Sequences for Mixed Logit", Documento de Trabajo,
Universidad de California, Berkeley.
Train, K.E. (2001b) "A Comparison of Hierarchical Bayes and Maximum Simulated
Likelehood for Mixed Logit", Documento de Trabajo, Universidad de
California, Berkeley.
Train, K.E. (2002) Discrete Choice Methods with Simulafion, Nueva York: Cambridge
University Press.
Tversky, A. (1967a), "4 General Theory of Polynomnial Conjoint Measurement",
Journal of Mathentatical Psychology, 4,l-20.
Tversky, A. (1967b), "Additivit Utility and Subjective Probability", Journal of
Mathematical Psl'chology, 4, 17 5
-20I.
Tversky, A. (1969). "Intransitivity of Preferences", Psychological Revian, 76,31-48.
Tversky, A. (1972a).
"Elimination by Aspects: A Theory of Choice", Psychological
Rqi ew,79,28l -299.
Tversky, A. (1972b). "Choice by Eliminaton", Journal of Mathematical Psychologlt",
9,341-367.
Tversky, A. y Sattath, S. ( 1979). "Preference Trees", Psychological Review,86, 542-
573.
Uriel, E., Monfort, V.M., Ferri, J. y Fernandez de Guevara, J. (2001) El Sector Turstico
en Espaa, Valencia: IVIE-CAM.
Usach, J. (1998) "Anlisis de los Flujos Intenegionales de la Demanda Turstica Interna
Espaola", Estudios Tursticos, 136, 27
-43.
IJsach, J. (1999) "Un Modelo de Demanda Turstica lnterna para la Economa
Espaola", Papers de Turisme,25, 59-100.
Van Soest, A. y Kooreman, P. (1987) "A Micro-Econometric Analysis of Vacation
Behaviour", Journal of Applied E conometrcs, 2, 21 5-226.
213
Refer an c ias B ib lio gr fi c as
Yzquez Casielles, R. (1990),
"Investigacin de las Preferencias del Consumidor
mediante el Anlisis Conjunto. Importancia para el Diseo de Nuevos
Productos", Inftrmacin Comercial Espaola,julio, I 49- I 63.
Yzquez Casielles, R. (2000) "Estrategias de Marketing de Relaciones para el
Desarrollo de la Oferta y Distribucin de Productos Tursticos", en Blanquer, D.,
ed., Turismo: Comercializacin de Productso, Gestin de Organizaciones,
Aeropuertos y Proteccin de Ia Naturaleza, Valencia: Tirant lo Blanc.
Yuquez, R., Daz, A. y Ruiz, A. (1997) "Planificacin de las Actividades de Marketing
para Empresas de Servicios Tursticos: La Calidad como Soporte de la Estrategia
Competitiva", Documento de Trabajo 143197, Facultad de Ciencias Econmicas
y Empresariales, Universidad de Oviedo.
Villar, A. (1996). Microeconoma Avanzada. Barcelona: A. Bosch.
Vovsha, P. (1997). "Cross-nested Logit Model: An Application to Mode Choice in the
Tel-Aviv Metropolitan Area". Transportation Research Board, 76th annual
Meeting, Washington DC.
Wall, G. (1978) "Competition and Complementarity: A Study In Park Visitation",
International Journal of Environmental Studies, 13, 3 5-4 1 .
Walsh, R.G., John, K.H.; McKean, J.R. y Hof, J.G. (1992) "Effect of Price on Forecasts
of Participation in Fish and Wildlife Recreation: An Aggregate Demand Model",
Journal of Leisure Res earch, 24, 2, 140- 1 56.
Wells, W. y Gubar, G. (1966) "The Life Cycle Concept in Marketing Research",
Journal of Marketing Research,3, 355-363.
Wennerglen, E.B. y Nielsen, D.B. (1968) "A Probabilistic Approach to Estimating
Demand for Outdoor Recreation", Working paper, Utah State University.
Wennergren, E.B. y Nielsen, D.B. (1970) "Probability Estimates of Recreation
Demands", Journal of Leisure Res earch, 2, l I2-I22.
Whitehead, J.I. (1965), "Road Traffic Growth and Capacity in a Holiday District
(Dorset). Proceedings of the Institute of Civil Engineers, 30, 589-508.
Williams, H. y Ortuzar, J. (1982) "Behavioral Theories of Dispersion and
Misspecification of Travel Demand Models", Transportation Research B, T6B.,
3, 167- 2t 9.
Williams, H.C.W.L.
(1977) "On the Formation of Travel Demand Models and
Economic Evaluation Measures of User Benefit", Etwironment and Planning,9,
285-344.
Wilson, A.G. (1967) "Statistical Theory of Spatial Trip Distribution Models",
Transportation Res earch, l, 253
-269.
Wilson, A.G. (1970) Entropy in
(Jrban
and Regional Planning, Londres: Pion Limited.
Wilson, A.G. (1971) "A Family of Spatial lnteraction Models and Associated
Developments", Environment and P lanning A, 3, l
-32.
Witt, S. F. y Moutinho, L. (1995), Tourism Marketing and Management Handbook,
Hertfordshire: Prentice Hall.
Witt, S.F. y Martin, C.A. (1987) "Econometric Models for Forecasting Intemational
Tourism Demand", Journal of Travel Research,25, invierno,23-30.
Wittink, D.R.y Cattin, P. (1989), "Commercial Use of Conjoint Analysis: An Update",
Journal of Marketing, 53,julio, 9 I
-96.
Wolfe, R.I. (1970),
Communication,
Journal of Leisure Research,2,l,85-87.
Wolfe, R.I. (1972), "The Inertia Model", Journal of Leisure Research, 4,73-76.
Wrigley, N. (1982). "Quantitative Methods: Developments in Discrete Choice
Modeling", Progres in Human Geography, 6, 547
-562.
214
Refer en cias B i b lio gr fi c as
Wyckham, R.G., Fitzroy, P.T. y Mandry, G.D. (i975)
"Marketing
of Services. An
Evaluation of the Theory", European Journal of Marketing, 59-67.
Yepes, V. (2000) "Incorporacin de la Gestin de Calidad en las Empresas y los
Destinos Tursticos", en Blanquer, D., ed., Turismo: Comercializacin de
Productso, Gestin de Organizaciones, Aeropuertos y Proteccin de la
Naturaleza, Valencia: Tirant lo Balnc.
Yoon, K.P. y Hwang, Ch.L. (1995) Multiple Attribute Decision Making: An
lntroduction, Sage University Paper Series on
Quantitative
Applications in the
Social Sciences, 07-104, Thousand Oaks, CA: Sage.
Zimmermans, K.F. (1992) "Discrete Choice Analysis of Foreign Travel Demand:
Comments" en Vosgerau, H.J., ed., European Integration in the World
Economy. Studies in International Economics and Institutions, Berlin: Springer.
Zins, A.H. (1996) "Psychographic Tools in Tourism Behaviour Models: A Cross
Validation", Conference of the European Marketing Academy-EMAC, l29l-
131 1.
Zwenna, K. (1997). Discrete Choice Experiments in Marketing. Heidelberg: Physica-
Verlas.
215
API\DICE
Apndice
APENDICE A. ALGORITMOS DE SI]VIULACIN
1. Secuencias de Halton
Este mtodo pretende obtener una secuencia de nmeros, con el fin de
infroducirlos posteriormente en una funcin de distribucin inversa,ft.Paru ello, toma
como punto de partida un nmero primo cualquiera, por ejemplo 3, y crea una secuencia
al dividir un intervalo unitario en tantas partes como indica el nmero primo. Para este
caso, las tres divisiones dan lugar a dos puntos de corte, ll3 y 213, que conforman los
primeros trminos de la secuencia de Halton. A continuacin, se subdividen los tres
segmentos obtenidos en tres partes iguales, y los nuevos puntos de corte se aaden a los
ant er i or es: I 13, 213, 119, 419, 719, 219, 519, 8/ 9. Est e pr ocedi mi ent o se r epi t e
sucesivamente. Finalmente, a la serie obtenida se aplica la funcin de distribucin
inv ersa;
f
I
(r l
r, f
I
e
B),
f
I
(u
g),
f
I
+l
9,... etc.
2. Algoritmo de Gibbs
Sean
f7
y (2 dos variables aleatorias, cuya funcin de densidad conjunta es
f&,)
y las tunciones de densidad condicionadas respectivas
f(fi/$)
y
f(lil.81
algoritmo de Gibbs obtiene de forma iterativa extracciones de las funciones de densidad
condicionadas, mediante el siguiente proceso: 1) Se parte de un valor inicial
S0;2)
se
extrae un valor de (2, que se denota como
ro,"lafuncinf(52/(19;3)se
obtiene un
nuevo valorde
,, ,tde
la funcinf(t/I;4) se extrae
-r'
d"lafunci6nf(/tt);y
as sucesivamente. Para un nmero suficiente de extracciones. las funciones
condicionales convergen a la funcin de densidad conjunta.
) 1 1
Apndice
3. Algoritmo de Metropolis y Hastings
El algoritmo de Metropolis-Hasting se utiliza para la estimacin de los
parimetros individuales, y consiste en realizar exftacciones de una funcin de densidad
f()
a partir del siguientes proceso:
1) Se toma un valor inicial
f;
2) Se selecciona un valor posible para (, tal como
ot:(*q
donde
ry
es
una extraccin de una distribucin g(q) con media cero (habitualmente se utiliza un
Normal).
3) Se calcula la funcin de densidad en el punto de prueba
ot
y
""
compara
con la densidad del valor inicial
(.Siot)4(9 se toma el valor (ot como valor de
4 ,
y t" sigue con el paso 4.
Sif(pt) <f(9 se toma
{ot
como valor de
( conprobabilidad
fgllllf* v
se rechaza con probabilidad l-f(pt)/fe). Para determinar si se acepta o rechaza se
rcalizaun extraccin de una variable uniforme p. Si p<fcot)/fe) se acepta (ol
como valor de
I ;
"ncaso
contrario, se rechaz a
$ot ,
utilizndose
f
como valor d"
I
.
4) Se selecciona un nuevo valor de prueba (, tal que
p2:1*ry,
donde 17 es
una nueva extraccin de
S(d.
5) Se aplica la regla de seleccin del paso 3.
6) Este proceso se repite iterativamente.
218
Apndice
.PNucE B. REGRESIN AUXILIAR.
TABLA Br. EsrIMAcroNES rn,vs DEL MoDEr,o cr,sIco DE REGREsTN ur r,os
pARMETRos
A INcLUTR EN r,os xucns DE cosrn ESpEcFrco
Variables Producto
Indenendientes
?ueblo
'
uostero
Producto
Ciudad
Costera*
Producto Producto
Pueblo del Ciudad del
Interior Interior
Duracin estancia 0.458 1.699
Edad
Edad2
Ingresos 2
Ingresos 3
Ingresos 4
Ingresos 5
Constante
(0,433)
5,793'
(2,592)
-0,062"
(0,028)
10,656
(2r,269)
51, 594"
(23,&6)
113, 69
(34,005)
t87,71"
(89,933)
-29,113
(0,957)
8, 901o
(3,009)
-0,089b
(0,031)
72,633b
(26,359)
0,807"
(0,403)
9,830"
(2,416)
-0,105u
(0,027)
-12,086
(26,4t9)
1,490"
(0,567)
4,152
(2,975)
-0,056
(0,035)
23,192
(20,759.)
66,2350
(22,909)
79,390
(44,613)
-30,193
(59,349)
l 00, 6l gu 8, 657
(26,5t3)
190, 331"
(74,906)
635,845"
(253,75)
-155,934"
(56,814) (67,464) (41,595)
(31,267)
33,408
(40,682)
-9,378
(3 1, 589)
-t34,2ggb
MV(4
SIC
F
-3049,86
12,972
4.232"
-1344,62
13, 071
8,52tr
12,567
3, 661"
11, 558
? 5 ? l b
t J L
-t887,325 -550,340
Rt Ajustado 0,045 0,2 0,135
a=prob<O,I%; b:prob<l%o; cTob<5%.
*El
producto "Ciudad costera" presenta heteroscedasticidad por lo que
los niveles de significatividad han sido conegidos por la matriz de varianzas y covarianzas de White. Nota: El
parmetro de la variable Ingresos 5 no se ha estimado para el producto "ciudad del inieriod' debido a la ausencia
de individuos de esta categora que eligen este producto.
2t9
APNDICE C. CUESTIONARIO
af
Cenn'o de lwesligaciones Sociolgicas
cciu8R! 1995
. cvi nci a
I ' Jn i . i pi o
(rf f Err f , ri ci pi o)
eet rvi sl a6er
cvisi onr'i os i rci v idua I cs so des t'i dos i iedi atarcnte.
I r i s: r ol O
i r
'
c
j - '
,lilElu,
( 1 0 ) ( 1 1 )
( 1 ) ( 1 )
( i ) ( 1 5 ) ( i )
( ' r 7) ( r 8)
( : 9) ( 3C)
(21>(22)(?3,
(2) (45
)
(2) ( 27)
gurcs
das/trCs. t, Centro Ce l nvesti gaci mes Soci otgi cas est real ,i :ando $ estLdi c sobre l enas de i nters geaef1,. Por
es::,rc!i vo so,,i ci tffi s su l ci boraci n y se !e agradecms ani i ci pc{| Ete. Este Yi vi enda Ia si do setl cci cnec at ar rECi anl
r:crs al ectori os, Le gafa:i rcs t
qbsoi uto anoni mtc Y
sacre:o de sus respq"sas a e[ ns cstri ctc c' i rpl i ai an:c de l as
Leves scbre se.rcl c esi adi s:i c y protecci n de dtos persceates. una vcz grbda l a i nformci n de fomn mni n, [cs
?-.j 3 Cui es et mqi vo Dri nci oal
por cl qj ? vd' ns ha
i l Co ni sai cr de su l war de resi derci dl rante tas
yacaci cn!s?. i ffS,H]tJAj ,,
-
Pqr oue s e des c ans ns . . . . . . . . . . . . . . 01
-
v i v e m un i ugar Cc v er neo . . ' . . , ' . - 02
'
Por mi v os ec c nni c os . ' . . . . . - . . - . - . 0l
-
Pr q l l s a s d t a l o i n i c n t c . . . ' . . ' . . . . 0
-
Prcbl sas de stLd (P.opi os o fffi i -
| | ares ) . , . . , . . . . . . . . . , . . . . . . . . . . . . . 05
i Probl ffi s de trabj c (Propi os o f9
r mi t i a r e s . . . . . . . . . . 0
- por
ra:cnes de esi l i o (proptas O
f a i L i . e s ) . . . . ' . . 0 2
-
| o ( e
9usi 3
sl i r i e c sa . . . . ' , . . . . . 06
t - ' b , Es el .
gr i mer Qse
por mt i vos : cmoi cos no
i Ge i ar ; : cc vacaci cr cs o Y
Le hab a ccu r cc m
a os ant et i or as?
! s el Pr i Rr
o
Ya l e h ocu. r i do
I
pijt
: r ij i
oe mcaci ones ha di sfru:ao o di si rutaf vd. tc tafgp
o 1995, si n cotar l ss BJetes
y fi fi es de sal ana?
(35) (34
)
valas hablar, ahora, de sus y!"Eggg!g!__gtilgj!91$, cs
deci ., d! aqre' r peci oco e myor durci n. c si se trata de
pri cdcs
de [ ni sm dqfaci n, cl
q]e Vd, cnsi drre fi s
i mr:ante. (Si i o Lo ha di si rutadc \i n, csrstecc se!n tss
pcnscti vas qe l ega i sra
l ,os
meses quc ql edan c 1995).
9-a
DCe
suete vC. pasr norml mente sus vaci ones
prj nci gtes?
-
Iodcs tos as en rl oi stno puebLc o cj Jdad, de
f o r n a f i j a . . . . , . . . . . . . . . . , . . . 1
-
Todss l o os en l i w
Fueb.c o ci ucad, pero
procure hci s vi aj e d"ntro c fue.a i el pai s. ?
.
aasi t cdos l os acs en el ni sm I , ugai ,
con al gc' ( 35)
t a e x c e t c d n . . . . , . , . . . . ' . . , . . 5
-
Pr ocur o i r a si i cs di f er ent es odos c casi t o-
d o s l , o s a o s . . . . . . ' . . . . . . . . . . 4
-
N . C , . . . . . . . . . . . , , . . , . . , . . . , . . . 9
L1
f concretrcnte es:e ao
de
qu fcffi ps (pasr) rl d'
sJS vac ci ses Fr i nci pa. es?.
l i ' as: a: :
- 2: ! ' !
' : .
-
En m l u g a r f i i c a r Es p a . . . . , . . . . . , . . . . . . , . . . 1
-
L Eyor perte q
o l ugar fi j o de Esoari , ms
h v i a j e d s t o c e t
p i s
. . . . . . . . . . . . . . . . . . . . . , e
-
!a Eyar pari e en Lugar fi j o Ce Esp, ns
u v j e at c x i r anj c r o . . . . . . . 3
-
Rcccri endo ai gsas onas de Espa, si r l ugar (3)
f i j o . . . , , . - . . . . . , . . . . . . . . . . ' . 4
' En
w t u g a . f i j o e i , e r t . a n j e r o , " . . . . . , , . . . ' , . ' 5
-
Reccr r i endo di s: i . t : s t ugr es ce' . e. l r nj er c . . .
-
otra aespuesta, ast? -..-._-
?,2 i l i i 6xi o o :qFr vd' tas Yactc\anes
i ri rul c (cn vn sl c Deri odo), dos peri dos de
o ci l gr ent e Cu. 3ci n o m vr i os pcr odos p r l i dos?
t e t or r ccnt i nuod . . . ' l
r var i cs
Pcr i ooos
. . ' . ' 3
r . c . . . , . , . . , . , . . . - , . . . , 9
220
P. 5 our at e su3 vacaci ons pr i c pai es
cut as
di s
sat i co ( o st dr ) vd. f ul r e de su l uger de r r si deci ?
( 37) ( 5E) di as
l r , c . . . . . . . . . 9 9
L EL ti efFo que vd. he pasdo fuer dc su l ugar d
r esi cet r i a dur nt sus vec ci ones pr i nci pt s, h si Co ( ser )
d! nayor duraci n, de i gut duraci n c de mnor duraci n que
en acs ani eri ores?
-
{ ay c . Cur Ec i n. , . .
-
1 9 u 4 1 . . . . . . . , . . . . .
- Ll enoi c u ac i n. . . .
-
l { . c , . . . - . . . . . . . , . .
( 19)
e. En
qJ res de( ao di sfrut (i si rl tar) vd. de estos
di as de vacaci ri es?. ' J.qi 7i 5rAi , S: se ;,' , ai ,ses
ai . : : : i 5. r eaa; r t 5 i a: l t s)
( . 0) ( l
)
i e - D e l _ d e - a i _
l . c . . . . . . . . . . . . . , 9 9
p. 9
Podr i a ceci r ne en qr pr ovi nci a de Espa b en qu
Fa s
dei . extrnj ero pas (pasf) vC.
i _gE!_:3l :g
de sus
vacaci ones or nci oat es?
Prcvi nc i
Er ! f an j er o
(, r)({5)
0tras respuestas
t { . 4. . . . . . . . . , , . . , . . . . . _ t 9
e-:3
Por !o oue respecta [ l ugar dcnde Vd. pas
(pasr) l
nvcr pai t e
dg ss
yacaci ones
Sr i ni ?l es,
se
t r at e F
pue3l o de l a cst o cercano a
(a
ccsi a, de ua ei \dad
cesi era, de s puecl o rn ei campo o ta nontaa o de na ci udai
dei , i t er i of o de i n vi aj e i t j ner i l e?
" Puebi c de t a ccst o cer canc a ! ccst . . , 1
.
Ci t i c a d c c s t e r a . . . . , . . . . . . 2
' Pu e b i o
e n e t c a l F c o l a @t a a . . . . - , , , . . . 3
" c i s c a c . i l i n r e r j o r - , . . . . 1
( 4 )
-
v a j e i t i n e r a n t e . . . . . . . , - . . . . . . , " . . . . . , . , . 5
-
Ct r espuesi a. cut ? _-
6
- * f f i g
p. 11
ar l es sr n l s r es r ct i vcs pr i nci pal , es quc ( e han
LLcvadc a. i egi . est a cn par a sus vacaci or cs?. l j f f a]
::;-t:' : ) '?t.',':i
:,iis i.j;tij:."ij
j.
-
i - c u r i c s i s a d . , . . , . . . . . . . . . . . . . , 0 l
-
l ec c nenc ado pc r f mi i i a o ami gc s . , , . . . , . . ?
- : t p a j s j e . . . , . . , . . . . . . . , . . . . C 3
-
t c l i n a . . . . . . , . . 0 4
" L pr ox; mi cad a mi esi denci hbi t ua' . . . . 05 ( 47) ( 18)
-
L Ns t r s c ! o s
( e s s s b a r s l o ) . . . ' . . . . , . . , . . 0 6
- ' . 4
t r ai quj l i Cad Cc L l ugar . , . . . ' . . . . . . . . . . 07
-
L a p u b l . c i d a d . . . . . . . . . . . . 0 8
-
Los i sr l ci ones hoi e[ er s 09 ( 49) ( 50)
-
Ls i ^ s t al ac i ones depor l i v as . . . . . , , . . . . . . l 0
- P o s e c u a c : s a o p i s o a t t . . . . . . , . . . . . . " . 1 i
' v e r
a l a f a n t a y s i l i g o s , . . ' . . . . . . . . , . . . 1 2
_
! as
j i v er s i c es ,
r oi ent e Ur i . l i c i os o. . . . . l l { 51) ( 52)
-
l . t ot i vcs p. ot esi cnal es ( " st l di o c l r abaj o) . 1
.
L a c c s l mt e , , , , " . , . . . . . . l 5
-
E s ! d e F d . . , . . . . . . . , . . . , . . . . . . . . . , . . . . ,
1 6
-
ap c nder o pr ac t i c r un i oi m , . . . . . , . . . .
' 17
-
v i s i : r r c ns " r t os
y c br s ar ! s t i c as . . . .
18
-
i r c as a oe f ami t i ar es o m gos . . , . . . . . . 19
-
L a s ( w i . . . . . . . . , . . . . . . . . o
- x . c . . . . . . . . . , .
. . . . . . , . , . . , . . . . . . 9 9
i "f
Si;tC:f /aC{:.' r-tr-: !2 en P.;:
e.1?
Ci l b catfi cl ri Vd. [ z.n en que ha casdo sus
vacci cnes: bu$a. r ct ul ar o ma[ a, m cuant o , . . ?.
Re-
3uea
qul ar l ai a l S NC
.
P eci os
-
Pt o y a s , p i s a j e s . - . . . , . . . . , , . .
.
I ns t at ac i c nes hol e. t : s . - . . - - ,
-
Sec v i c i os s aoi t ar i s
-
0i versi ones, (ug?s
ce espar-
c i n i e n l o . . . . . . . .
-
Estc de ;onservaai s de( fi e-
di o r i ! n! e ( t i r cr r : i , poi sg
j e,
z c r as v er des ) . . . . , . . . . . . ,
-
I nst a . aci cnes dcpc: : : vl s
" , . , . .
-
Cmr c i os , t i endas , c : c . . . . . - -
-
Rcst auf ant es, baf es, et c. . , . . ,
-
! at r os, cj nes. el c.
-
carretcfas y l frsF.i
pbti
ccs . . . . . . . . - . . . .
8 9 ( $ )
I 9 ( 51)
6 t ( 55)
I I ( 5)
I 9 ( 57)
.I
1
,|
I
1
-
0e ct i a f or m,
: uL?
( 55)
P. 15
0u r udi c/ s d. : i sspor t e ut i t i z
( ut i l i ar ) Vd- par a
tl astCarse l l ugar s.!c ha pasdc (p3s8r) sus vaaaci ces
pr i nc pr i es?.'
:!;.r
:.e : : : : i i j .eLf S;,-c.' .
I 9
( 58)
g
I ( 59)
e 9 ( 0)
I I
( 1)
8 9
( 2)
8 I ( 6i )
?.13
Le ha pai eci da qi c en esta :c* l s cosas, en gercral ,
esl aban f,s caras, ns !ri as o i gual que en !a zona c:l que
vi v Vd. habi t ua[ r un: e- .
- t 5 $
c a r a s . , . . . . - . . 1
- { s ar at as . . . . . . . ( 5- )
. : i s t , " . , . . . . . . . . .
.
r " : . , , . " . . . . , . . , - . 9
-
P o r c u e n t a p r s s i . . , . . , . . . . , . . . . . . . . . . . . . . . ' i
.
A t r av s de $a s gei a de v i aj es . . , . . , . . . . 2
-
tfavs i e l a mresa, organi l aci ones prc-
f esi onal es, as ci aci ones. cl ubs, et c, . . . . . 3
1
)
- u ( c c J r . . . . . . . . . . . 5
-
r v i n r egul . ar . . , . . 4 ( ) ( 67)
" r u l o c h r i e r . . . . . 5
. r . - . 6
-
L' r r o, c! 1, _
7
-
r:::-::::;::::: t
p. 16
Cm
ql i n l l a pJco (pasar) Vc. esi s vcci ones?
i
P, 1 d
-
S c . . , , , . , . . . - - . , - , . , , . . , 1
-
C . = s u f i l i l i a . , . . . . , . . .
-
Ci i Ln gf upo de Mi sca o
c,ffiaels . , , . . . , . , . . . . 3
-
a: s grt Jpo organi : do
(a)
cut si ones t cur s) , , , a
-
C: : a . espuest ,
c! l ?
-
i i - : . . , , . . . . . . , . . . . . . . . . . 9
22r
r l
!=l !g
gi sti nguendo str! ni os/as rnores dc 1 .os
y drttos, cunrs
p.rsmes, i rcl uyrose vd.' re(i '
r r m
( r e [ i r n) el vi aj e?
-
tar d personas de 1 acs y ni s ..
-
(9)(70)
-
r t de r enor es Ce i os
_
( 7i ) ( 72)
r c r L . .
_
( n) ( ?i )
.
r . c . . , . . , . , . . . , . . . . . . , . . 9 9
P-18
l l ene
v, un i ta, aurtr se groi tda, de .uni o se
ha gastado en sts vcci ones?. f,tos refri ms a :os gastos
' r ex: r as"
ccasi onaccs por I as vacaci ones
( cespi . ni ent o,
t oj e ent o, exi r aor ci N. i os) , desccnt ar do I ' o gue yC.
hu i er e
gas t ai o s n el c as o: e: c
gi i l
c e v ac c i c nes ,
' ,ri Ll s DE PrAs.
' , r,
r-i : i
pt ES-(.
J! . : 9. 2t . 21 22
23 |
,{A
x . c . . . . - . . , . . . . 999
, 17 ?r ef er en! emnt e, ?J a al o; ui ent o ut i t i z c
( ut i ' i z ar )
f,i n:"
"ste
vi al e' .
r' l i j l al -l l l L1..
'
l c : e t , p r a d o r . h o s : a t . . . . . . . - . . . ' . ' . . Ci
-
Persi d, cas Ce husads o fre .... 02
-
! st abt eci mi en os esi ai . i zdos ( can'
l aml os, bat ng r i cs, bf cos, el c. ) . , 03
-
Cwi ngs, ca.vanas
y [oj ml entos cc'
L e c t i i o s . . . . . . . . . . . . . ' . . 0
-
t : al t ; par l e: o c oi so pr cpi o . . . . . 05
-
at ai el , aDar t 3nl o c pi so a[ q! i i C0 3
. r i i c ul s r es ' . . . . . . ' 0
( 75) ( ?6)
-
af l et , apaf t af f i ni o c pi so al qt i l do
trgan zac r' cnas, agenc i as , . . . . . . . . . . . . 0
-
Cas a de f ani t i ar es Yl o mi gos ' " . . . . . ' . 08
-
c m d a L i b e , . . . . - - . . . . . . . . . . . . . . . . . 0 9
.
i bi t ci n aLqui t ada m casa pa' : i r u'
i ar , . . . . , . , , . - . . . . . . , . , , . , , . . . , . . . . . , 1 0
" 5 t . c s i o j a mi e n i o s - . . . . , . . . . . . . . . . . ' , , 1 l
-
r . c , . . . . . . . . . . . , . . . . . , 9 9
e:l : Consi der
q.-e eL ci ste gi obat ce sq esi nc:a i urr' si i c
l e i r a i esut t ado. . . ?
-
l { u y c a i c . . . . . . - . I
-
c a r c . . . . . , . . . . . , ?
-
N c r c i . . . . . . . , , , i
_
8 a f i c . . , . . . . . - . i ( 8 0 )
-
l Ly bai El o . . . . . , 5
-
f r . s . . . . . . . . . . . . . 8
-
f { . c . . . . . . . , . . , . . 9
! =?9 f d r a Vd. que cs: e ao se ha vi st o cb! i gad" a r * uci
sus Eastcs de vacaciws con respec'i a aos anteij'3ies?
-
| c . . . . . . ( o t ,
-
r . c , . . , . 9
P-20a Concretamn:e, en crL c!l .es de
' .cs
si gui eni es
apari dcs ha reduardc vd. sus gas:cs?
Si [ o ! C
-
: e L a t o j a f t i e n ! 3 . , . , . . . , . , . - . . . .
-
: n coma, cenr i l gi a de cass . . . -
-
En sat i r de ccpas, d ver si ces . . .
-
i a hecho Ln
rrvcrasr'
n5 ccf i c , .
-
l i a v i a j B d a r e r o s . . . . . . . . . . . . . , . . ,
/ q i !
( t )
( 86)
p. l
i ef i r i ndcnos a su vi aj e gr nci 9 l Ce vcci cces ce esi e ao, de t as di ver sas ac: i vi aci es que voy 3 ci t r l e, ci gm,
Por
i i i i r, cul es r eLaco i on frecuenci a, de for ccsi oma o rc h reati ado dui ani e ai vi aj e ds vacc' i ones.
Y
cu[es
f a! i : i ccn l r ecur ci a, ce f cr r ocsi on t c do r eal i a hbi t ut f f i l e cur ant e ei l est o CL ao?
vcc:cti s HA8:ul l tl fF
C.n Dc toro Cn 0e l cr l {o
frecvwi ccasi cna! reati z RC ar*uenci a ocasi cnal :gi j f3.g.q!
-
l i sr : s a r usecs, ca! r al es, r cn#nl cs,
: : , , . . , , . - - . . . .
-
r j saenci a a l esi i vai . es e espcc! cl t os de
r usl c , dan: , l el r o, cl ne
-
s : s : e c i a a c c g . e s c s . s mi n a i o s , c u r s i '
i r c s . , . . , . . . . , " .
-
P a s e . . . . , . , . .
'
i cr ei sol , baar se
.
LPer l i b. os, escuchar r usi ca
-
v e r l , a t e L e , t e d i a i c s , . e v i 5 ! a s , o i i ' i a
r a i o . . . . . , . . . . .
'
Aa: i vi ddes mJal es, cer ni c, t abo es,
p i n i a r , d i b u j r
' f c e r
f o t o g r a f a o f i [ n a p e ( i : u t o s . ' . . . . . .
'
, j u s g c s d e c r : 3 s , d a i t , o l r o 6 . . ' . . . . . - . . .
'
l . par ques ce at r acai cnes. vl r especi cu-
' . os
depcr! t vcs
-
i ocEr f ogt i ng
-
{ cn: 3r cn bi cr cl ei 3
-
sc r . ar mf ai as, set l der i sm, 4l c.
( at i vi -
i d c s e n t a r c : a a ) . ' . , . . .
'
l . a c z a r o F e s c g f
. . . . - . .
' pr c: i ca.
r l esqu cu : i cc, el sur t n9 o
l a vet , depor t ?s nul i cos e gener l ' . . - .
'
er t es d. r er c: a
( i t o1. , bal ot cesl o, ba'
l gCvCl ea, t eai s, sql asi )
.
! : - . s d e p q r t e s . a 3 : : ' ' ' : : '
l
)
j
l
J
2
2
z
?
9 ( E7)
9
( e8)
9
( 89)
9 ( 9C)
I
( 9 1 )
9 ( 93)
9 ( 95)
9 ( 9)
9 ( 97)
9 ( 98)
9 ( 99)
o r t q T \
9 ( 1 0 3 )
I ( 1 0 )
9 ( 1 1 3 )
9 ( ' i 1 )
t ( 1 1 5 )
9 ( 1 r 6 )
( l 1 E)
( 1 1 9 )
( 1 j )
e ( i 2)
t ( i J l
9 ( i . )
9 ( 1 2 5 )
9 ( ' , ! 2)
9 ( 1 7)
9 ( 1 2 3 )
9 ( 129)
222
.
v si t . a t i Eos o f i I i . cs
-
Acudi r a di scot ecEs o bai Les, sol i r a cemr .
-
Cbsar var o gr t ct i car ac! i vi d des t r adi ci on'
l [ ocaI es ( ar t esani a, f er i as, aci i vi dad. s
Er ar
j
as )
-
Vi si t as a ( ugar s de especl t beue: a o va-
l or
pai s aj s t i c o
-
Vi si t as a espaci os Fr ci l gi ci os
( pr qur s nat u-
r a l e s , a c i o n l e s ) . . . . . . - - - - - " .
-
o b s e r v a c i n d e f a a y l l o r a
" . . . . . . , . . . . , . . .
-
l Jt j l i aci n de [ o. i af i i ent o o acnEdss en
l sgar es que per ni t m ei , ccnt act o di r ect o
c c n [ a n a t u r a [ e z a . . . . , . . . - . - - . ,
vAcc r oNEs
Con 0c {orrna lao
! r ccuenci a casi o at r ea( i NC
t 1 )
t a J
1 l
t a J
l 3
1 3
raRr?UAt ! i E! { E
cm De l ct m r o
f r ecuenc a ocasi cn l
eal , i r a NC
9 ( 1C5)
I ( 10)
? ( 1C?)
? ( ' 1Ct )
9 ( 1 t 0 )
? ( i f i )
9 ( 1 0 )
9 ( 1 3 1 )
I ( 1 3 ! )
9 ( ! 51)
9 ( i i a)
9 ( i 35)
9 ( 136)
l
)
2
)
)
3
?. 22 ! . l con unt o. 4est
vd. w sat i si echo, bast ani e
sa: i sf cho, pocc n i s t j sf echo de l f cr r o que ps sus
vacci ones pr i ci pa! s?
.
I ' l u v s a t i s f e c h o . , . . , , . . . . . . 1
- ges t r nt e
s t i s f ec ho . , . . . . . 2
- p o c o
s a t i s f e c h o . . , . . . , . . . . 3
( 1 3 7 )
-
l a d a s a t i s f e c h o . - , . . , . , . . .
-
N . c . . . . . . . , . , . " . . . . . . , . , . - 9
p. l
Y cr t Vd. ni s s i . i sf ecno, i gual o mnos sat i sf echo de
sus vcaci Snes cue
"t
ao Fasadc?
-
l 1 s s a t i s { e c h o . , , . , , . , . . , . 1
-
g u a l . . . , . . . . . , . , . . , . . . . . .
-
t { e n o s . . . . . . . . . . . , . . . " . . . . . J
-
x . c . . . . . , . . . . . . , . - , . . , . , . . 9
( 1t 8)
?. 2i vd. r e di j o, [ csi ec de t * t r evi s: a.
guc hb a
tcmdc sus vcaci cnes m dos c fts peai odos.
Cu[ es et
mi i v pr i nci pal pof l sc vd. a ci vi d do sus vacaci cnas?.
il'{j_:l:'rl'.r-:
j.
-
Po r c u c s t i o n e s c e ! r a b a j c . . - . . . . - . . . . . . . . 1
-
Po r c u s t i c n e s f | . i r e s . . . . . . . . . . . . . , . . 2
-
?or que c unden Fs , . . . . . . . 3
-
Pof que es
pr ef er i bl o gl ar car mss di as' pa'
r a oi f a pca ccL . o , . . 4 ( 119)
-
Peesl c que vi ve gn un [ugai oe ve.ano no
n e c e s i i a i f f i . i 0 s s o g u i d a s . . . . . , . . . . - . , . 5
?ti l . oe
qu fcru pasd (pasaf) vd. ase segFdo Ferodo de
vaccions?. ,'9j-li?.-;:;1.j.r.
-
E n u l u g a r i i j o d e l s p a a . , . . . . . . . . . . . . . . . . " . . 1
-
L naycr parte c 6
(ugar
fi j c ci e Espaa, tri s
m v i a j c d 6 t r o d c l
F a s . , . . . . . . . . . . . . . . . , . . . . 2
' La
ycr partc !n 6 tugar fi j o dc Espaa, ns
r v i aj at e t r n er o . . , . , . . . 5
'
Recor r i endo al ghas ucnes de Espaa, s' i n i ugar ( i 1. )
f i
j
o . . . . . . . . . . . . . . , -
"
. . . . . . . . . 4
' E n
m [ Wa r f i j o d i e x t r a n j e r c . , . . , . . , . . - . , . . , 5
'
Recor r i ?nCo di si i nt cs l gr es Cet ext r anj er o . . .
-
Otra raspues:a,
cat?
Lg! po' dra dsi r n q-- pfavi nci d! espaa o en qu pai s
ci L dtfanj e.o 3as
(psr) vc..!-_!gy!!--E9-$g de cs:e
prgdq de vcaci ones?
Provi nci a
rt ranj era
( 1q5) ( l ( 6)
( r 47) ( 18)
Otras resBstas
9.,?9
po
!o que respec: [ tugar d.de vd. pas (pasarl I' a
i l ayor Parte de ests vacl ci ones,
s
trata de m puebLo de ta
costa o cecano a La ci s!, de 6 ci udad cosl er, de un
puebLo en et cepo o l mnta c de una ci l dad no ccstera o
de 6 vi aj e i l i ne. ani ?
'
Puebt c Ce t a 3ast a o cef cao a i , a cos: E . - . I
.
C i u c c i c o s ( e r a . . . . . . . , . . . . . . , . . . . ' . . . . . ' . , 2
' puecl o
en cl caEo o l a snta 3 (11.9)
'
Ci wa c d e l i n t e l r o r - . . - . . -
-
v i a j c
j t i e r a n t
. . . . . . . . . . , . . . , . . - " . " . . ' . '
5
'
0t i a r essest a, au1, ?
P. 30 Cr c r eai i r
( . esi i zr )
l a or gani acj n de est e
vi aj e2. :.i f ' !U StL: i ;S,ti ri i ;4,).
r . c . . . . . . . - - . . . . .
"
. , . . . - . , . . . . . . . . .
gg
1
( 1 5 0 )
?* 11 Ou r ci c/ s de : . anspot t e qt i l i : ( ut i t i zar ) Vl . p' a
l rsl darsE [ l gar dondc h. sado
(tasar)
qrte
Peri ode
de
vacaci ones?. :vA :| fr D!i : i i Sl ti 5 J.
-
C o c h e .
" . . . , . . .
. . . . I
.
I c n . . . . . . , . . , . . , . Z
-
A u t o c r . , . . . . . , . . . 3
-
A v i c n r e g u l a r . . . . . 4
( ' 1 5 1 ) ( 1 5 2 )
.
Vuel o c r a t r r . , . , , 5
-
B a r c o . . . . . - . . . . . . .
-
ot . o, . cl t -
7
-
Hlllllllllllllll s
' 0 t r a
r g n , c u l ?
!."3! cY
cuntos di s h soti do (sal "df) Vd. de su i .uga. ce
i esi cenci a cura^te su segundo percco da vcaci cnes?.
t i i - - - i ; j j - ! , l i . . zar . 3: ' : t + 3e i r t i ae! : : ; ! nl c i er i aaa
:F7]-Fl -Ii r:i :rces
' .
i e pt*1!as a ;nes l snn).
Ni n g u n o . . , . . - . Ol * ? s r i . i 5
. - * -
d as ( 143) ( 11)
t . c . . . . . . . . . 9 9
t - ?5
i r
qu r es deL E, dr sf r qt ( di sf r l r r ) vd' Ce cst . s
l Gi ce vacaci cnest.
' !j !!!i l !!!!
S: 5e :.i i ce Fs.i
j J . : ; _' - ' j . - 4aac a- i J
' t : ' a: .
( 12)
( 1. 3 )
.
Pcr cust a prcpr a . . ,
.
A i . vs
ql e un egenci de vi ai es
'
A : r avs d i a er F. esa, or gani zaci ones
pr c-
f e s i o n a t e s , a s o c i a c i o n e s , c l , u b s , e t a . . . . . .
.
De o t . a f o mo , c a ( ?
223
?.]? Con
qui n ha pasado (psf) vd. rsts vacaci ons?
-
S o i o . . , . . . . . . . . . . . . ' , . . . I
-
C J n s u f a n i t i a . . . . . , , , . ,
-
Con
.J: grwo de mi gos o
c c r g e 0 s , . . . . . . . . . . . . 5
-
Ccn Lq g.!Do orgai rado
(153)
( e : Jr si ones, t ocr s) . , , a
-
Ct.a i es:sest. aui i t:
-
f t . c , , , . . , . . . . . . . . . . . . . . , t
;:!j
0i sti ngui erdo en:re ni cs/as rotorQs ce i aos
,u
rottos, cui ntas
*.sotas, i ral wr-{ose vc" rel i '
: 3. cn ( f eat Ar n) e' ' vi aj e?
-
\ r de per scnr s de : cs y r i s ' .
-
( i 54) ( 155)
- l i r de f , enor es de : r cs
( : 5) ( 157)
f o i a r . .
_
( 1 5 8 ) ( 1 5 9 )
-
x . c . . . . , , . . . , . . . . - . . . , . . 9 9
p. 3
r ei er ent "f i ent e, s
al oi mi enl o st i l , i a
( ui i t i : er )
f,i n:" .r:e vi a.e?. l [i -]11-1..
-
: i c : e i , p a r a d c r , h o 5 i 3 i ' . ' . . . . . . ' . ' . . . . 0 1
-
Persi r, casa de huscds o fcrca .... 02
" ! st bl c mi et cs est l ai l 8dos
( cn'
anl nt cs, b( neaf i as, cr cos, ei c. ) ' . i
.
Cami ngs, cr vanas y : t cj ami ent cs cc-
l e c t i v o s . . . . . . . . . . . . ' . . . . ' C 4
-
c i l et , apar : mni o t s i s c pr c pi o ' . . ' . 05
" c i al t , par : f f i : o: 9i s c t qui i ac c a
paf r r c u( af es
" " " . '
0
( 10) ( 11)
-
Cl ' i e: , aFr : r en: c ; or s c a( qui . aa
r ; a n i z e : i c c e s , a g e - c : a s . ' . . . . . ' . . . . . 0 7
-
Cas a c e f am l i ar es y , ' 3 aFi os . . - - . . . . . c 8
'
a c a p d a
(
i b r e . ' . . . . . . . . . . , . . . . . . . . - - - 0 9
.
: ab: : aci n aLcui i ad3 en aaso of : i au'
I ar . ' ' . ' , . . , . ' ' ' ' ' ' ' ' '
"
' ' ' ' ' ' ' ' ' ' ' ^ ' ' 1 0
-
o i r c s a i o a n i e n t o s . . . . . . . ' . . . - ' . . . ' . . . i i
. t . 3 . . . . , . , , . . . . - . . , , , 9 9
p-J.
Ti ene
vd. una i e, sunque sea aoroxi mda, de.cun:3 se
i u ges:adc (gastar) en es:as vacaci ones?. l l s aeferi mcs a [3s
Eosi os
' r x' r as' r
ocesi onados
pcr l 5 vac c1cns
( dspi : f f i ent o, ai o
j i i r t o. e t r oi oi nar i os ) , desccnt ado t c
: ue t C. huDi er a gasi 3i J f l cl c so ce no saLi r Ce vacacl ones.
r r i L: s 0g
pf As.
( ' i E2) ( i 1, \ ( i 4)
. c . . . . . - . . . , . . 999
p, 55
: t
gQneral . e i . e: cedi eni nen: Ce que' Jd. hYa sal i do
de vaacj o. es o i 9, a
13 hor a d p{ ae r sus vac cl ones,
qu
t r4s asec: cs de i o5
ql e f i gLrn en est a i f j el a scn ms
' l i t:ntes
pafa v.?. !' 3si ?t?' :i :!1
i ).
-
Oe d : c a r wi s i i e F p o a i f i t i . ' - . ' - . . ' . C1
-
o e s c a n $ a r ' , . . " . - . ' . . ' . . , C !
-
0 i s f r u t a r l e i s o t
y e ; ' a i e t i b e - . . . . - ' . . Cj
-
0 s i f er s e, di v er t i r s e
. - ' 0
( 15) ( 15)
-
l n : e f e s c u l i u r a l Y a ' : i s ! c o . ' . . . . . . , . . . . ' 0 5
-
Ccnc. er l ugar cs r ucvcs . - . 06
( 1i ) ( 1S)
'
Pi a c : i c r d s p . r i e s . , . . , . . . . , - . - . . " . 0 7
-
ver f smi t i ar es v ei Ees 08
( 19) ( 170)
?-l
Es
vd. dr i a ori i on de que todos
(os
aos hay que
st i r e caci mcE, pcr i o rcs 6a ve, aumw ci [c s:pongl
sacr i f i ci os cmsi det abl ca cn l a ccanmi { i l i t i ar o, For t l
:mrrari o, ctr que sal :r d? vacaci cnes no eg tn i [portante?
'
Nay que sl i r dc v4sci cnes i dos [os acs,
! t r qJ e el l c s uoc ; a s ac r i f i c ar s e . ' . . ' . . . ' . :
'
S t i r de
yacaci r l s
no ss t an i r per i ant e . . ' 2 ( 171)
-
r { . s - . . . . . . , , , , . . . . . . . . . . . , 3
-
f . i . . . . . . . . . . . . . , . , . . , . . . . 9
t . t
l os gust ar a sbr , a cant i nu ci , en q! ccnsi St en,
p3r vd, , t s vacaci or cs i ceal es. Paf et Lc Le voy a l eef 63
seri e de frases ccn:i al ?si , y par crda par ce el ' !s re
gctai i
+i e
m di j era cul se ace:a ts a su fom de
csat .
.
l l e Eusi a
i l sho vi aj r. voy a al i w pai te
s c u a n t o
F e d o
. . . . . . . . , . . . . . , . . . . . ' . . . . . . - . ' !
-
No m gusi vi aj ar , si t sgo r i emo Li br e pr g ( 172)
f i c r o a u e d a r m m c a 5 . . . . . . . . . , . . . ' . . ' . . . . . 2
-
. c . . . . . . . . . . . . . , . . , . . . . . . , . 9
. pr el i e. o
i . a s i i t i :
y quedar r c * t , . - ' . . 1
-
i f ef i er o r ccr i er di ver scs l ugar as, i r de un ( 1?3)
s i i i o o t r c - . . . . . , . . . , . . . .
-
r . c . . , . . . . . . . , , - . . . . , , , . - . . . ?
-
En vacaci ones rc gJsi a ccnocl r gei te nceva.
h a c e r v i d 3 s o c i a L . , . . . . . . . , . . . , . . , . . . . ' . - . . . i
-
Pr cf i er c cst r co i f ei l a o ani 3os de c6! ( ' l l )
f i a n z a . , . , . . . . . . . . . . " . . . . ' e
-
i l . c . , . , . . , . . , , , . . . , . . . . . . . . . 9
.
!l gustn tcs esFci cs Ebi erl cs, esi ar en cc!
t c : o c c n [ a n a t ? r a i : a . . . . . , - . . . . . . . ' , . . . . . !
-
trefi ero l os l ugres urbani zaqos, :enef l cdes (175)
t o s s e r Yi c i J s , . ' . . . ' . . . . . . .
-
x , c . , . . . . . . . . . . , . - - . . . - . . . . . s
-
! { e gJst ? or gai ar t s vacaci ones or i : l en
i . a i l f f i nr r a . . . . . . . . . . " . l
- pr cl i er o
r e q gr r po cf gani : acc y no pr eo- ( 17)
c ' J p t r d e C . . . . , . . . . . . . . . - . . . . . . ' . ' . . . ' .
-
r { . t . . . . . . . . . . . . . . . , . - - . . . . . . - ?
.
Ani es de sat i de vac ci cncs t as pr pof c cc!
c i r n v d o e n t e . . . . . . . . . - . . . ' 1
-
sotaaerl e presfo l c i FFresci di bl e, re gust l i i T)
i r a ! a a v e n i u r a " . . . . ' . - . . .
?
-
i . c _ . . . . . - . . . . . . , . . . . 9
-
Ei
yaca oes r e di cg l t ur sno csl t l r a{
( ver r cnwnt cs, $r cs, ar t i gedads. el c. ) - i
.
: n vcai ones
gr ef i er c esl Jr t r ar , ql i l o y i c ( 173)
E c r r r a d . - . . - . . . . . . . ' . . ' -
-
r l , c . - . . . , . . . . . . . . . - . . - . . . . . . . . . 9
-
l { e gust an l as f i est as y bai t es poN! ' ar es . ' . . ^ 1
-
P: e: i er c t s Ci s c c r e: 35 c s at as Ce f i es t , ' . ' ? ( ' : ; / 9)
.
N . : . , . . . , . . . . . . . . . - , . . . - . . . . . 9
-
Pref i rc veraneat M3s i i ci l po y i enel s (3
j a n i e n i o c c i i c r i a b i e . . . . . . . . . . . . . . ' . ' . . .
" . .
1
.
Pr ef i er c sa[ i r r i s ai s de v. l caci cr es y gr es' ( i EC)
c i r di r de i Ss as ! 3r c di dad, es , . . . ' ' ' . . ' . . - " .
-
. c . . , , . . . . . , . . . . , . . , . . , . - . . . . . . . . t
.
Cui do r ucho t i s gasi : s dur ant e Las vac: ci cr es,
t f a : a . o a i e t o
F s a r u
d e L o p r e v i s t c . . - . . . . I
, - -
. l o e pr s, . Fc 3e t c! t as: gs en v caci cnes
y ( i 81)
h a g o ' r o q J e i e a p e : * a . ' . . . . . ' . . . ' . ' . ' . . - . . - e
-
L . ! . . , . . . - . . . . . . . . , , . . . . . . . . . . . . . . . 9
I
224
I
'
En vacci on$
m di cc, sobre todo, l eerr
oi r ni s i c a, y c r t ?; . ev i s i n, et c , . . . . . . . . . . . . 1
-
n vacaci ons
t r r c cc hace. cj er ci ci o f si cc, ( 182)
d e p o r i o ,
mv e r r c Ec : r c . . . . . . . . . . . . . , . . . , , . . .
.
f , t . c . . . . . , . . . . . . . . . . . , . . . . . , . 9
- pefi e.!
i c de vacaci cncs a l usares doi Ce hy
t r n a g e t e ,
a s i i i r s a n i r u d o s . . . , . . . , . . . . . .
1
' er cl i er o
i . un si t i o t r anoui l o Cor ce no h - ( 181)
y a t u c i r g e t e . . . . . , . . . . . . . . . . . . . . , . . . . . . . . , 2
-
x - c . , .
. . . , . . . , . . . . . . . . . . , . . . 9
9. j ! Cm Vd. sab! , cda vc: es ms f recueni e que l gent e se
oesol . cr de t l gar ct i 3, dvl ant e La Sf f i na Sang, f vi dsd
9
" * cr E5' t ' i ar gas. Vc. ca sr et af t nl e, suel e ss[ r , al mnos
l r es o; sa: l i di os: cnSeCUi . i vOS, dc SU l U9 r de r esi denci a por
mt vns Q" ^ o Sc n dE i r a* j o, dur ant e l S&na S nt ?. 1
ucan g s f i es: s
de \ avi dad?. y t gncs s punt e o f i n
c! se{a i.argo?
- '
S . st spf c ae t r r ede
. . .
-
i { a, nl c
a q si unss . .
-
, : . , . - . .
p- i a
Ner Fl mnt e,
c! t es el r ct i vo pr i ni pat cc s!
v r r e ,
S. Sanr a Navi Cad
( i 87) f i 88)
'
Pas r $o9 di as ccn i a f f , i l ,
- : +sa r sar
cn 9i car cc, r cni i
I t t a y a . , . , . . . , ,
.
f i aer u vi j c de pt acer por
i s i a . . , . . . , . . ,
" . er 6 yi , j e
de pl acer por
c. ct : . l e.
-
t - ac: i ca' ; i g; ' ; ; ; ; . i ; ' : : : : . : :
,
'
C: i a eal : n
. 3e5 Y, cocr et aneni e, gs s
i s ( 1995) ,
ha st i dc o
sai :i Vd. dc vcaci ones en tguna de cstas f?chas?
2
8
Nvi dad Pue. t e
( , t 91
)
( i 9)
1 i
i . l ! g
. - l uai es el r c: i vo cr i nci Dat , por e[ al e vi . no
i a s i ' ' h o i o Si dr Cur ant ssi e o?
vidd
&S!:S
( i 9a)
( 195)
1
t
6
9
S..!gS
xavidad 4g!:S
( r e4) ( 165) ( 18)
1 1 1
, r )
9 9 9
'l
l
a
2
3
t
1
a 8
1
2
L!
Cuado 5! hab(a de
FpLi ti ca
5e ul i Ii an nomi :l Ente tas
cxDrusi onas i Squi rd y dcrh.. n esta i arj eta hay ua se.i e
dc casi I t as oJe van de i : q i er da a dcr echa. En
qJe csi ( [ a sc
cct ca. l . vd. ?. ( 5, i i : ' - i t l - i i i i .
( ?t i ! i
. ; u
?\iR!/:s'iACt ?.:a i,lralJ:Iil;-FTetE :i :iLicAliA r
irj'Cli1tAR lL ltUl'.RC iiiiS:t!'0ii,Vft).
l i ; t i i i
01 c2 03 0a 5 0 07 c3 09 10
t c . HS NC
98 99
t . 0
RccucrCa
Vd, a q! parl i do vot en Las el ecci ones
gRraLes i e
j 6i o de i 995?
-
c o s . . , . , . , , 0 1
û
-
t 5 0 . . . . . , . c a
-
i A - n u . . . . . 0 5
-
H3 . . . . . . . . . c
-
P V . . . . . . . , 0 7
- r i i l n
-
B X 6 . . , . . . . . 1 0
' / ( . . , . , ! . . . . . . , . . t
-
a : , . . , . , . . . . . , . . . . 1 5
-
! r y . , . . . , . . . " . . . , . . l
- : : r o ,
c u [ ? _
1 5
( : ? g ) ( : 9 1 )
-
to i i a edad pra
par vot a. . , . . . . , 9t
-
n ! nc a . , , . . , , . . 9
-
! o s t . . - . . . . . . . . 9 7
.
o r ( Er da . . . , . . . ' 98
-
) q cst est a . . , , . . - 99
::jt!
sexo:
-
o $r . . . . . 1
-
l l uj er . . . . . , ( 2C0)
L Cuni cs
aos cs, pl i vo. en su i , l i rc cFt eai cs?
( ?01
) ( 0)
P. . 3
csl cs su est ec ci vi t ?
t - a
Cr nr os
h i cs t i se vi . ?
I
3!1 cu Cua: cs
Ce ei l cs vi ven con vC. t
, i ngso . . , . . . . , . . 97
. . . . . . . . , - . . . 9 9
I j i g u . s , . . . . . . . . . t 7
t !
I
p" b
1 * h i ; o
t ! i i i
3 e : h i j c
: h i j o
( 2as )
(2c9 )
( 1 0 ) ( 2 i 1 i
( 14) ( ?15 )
( ?i ) ( ?1 r )
2 . ; 9 a
225
I
p- : a
cut es son l ' 6 csl udi 6 i . nj s at t o i vt l t f ci ai $e
il-i" cursco (co^ iKicp"ndmci cle qJe los haY icmrnaco c
i i j l .
eo" favor, cspeci fi que Io i s pcsi bl e, di ci ndm ct
"t"ao
- qu" cstabt cua.o tos teri n
(o
l os i ni errupi ),
y
ffi i *r .i dr{]l g
qu i mi rn entoftcs esos est"i 3s:
(ej ' : 3
. cs de Esi i 6f Pr ' . f i os. Pi i ur e. 5r de Sachi l t r t c,
aes! r r dLr t r i i ,
Pr eui ver si t er i c, i ! dc 63,
Li cenci at : r e, Coci gr acs'
F?1. et c. ) .
xar gRE ( de l os s: t : cs)
Ni vEL
( Codi f i car scs T. ESI UoI CS) -
( el 9) ( ?0)
l,!:: rcuin as [a Persom
qur port ms ingresos al hogaf?
-
l ent r ev i s : ado - . . . - . . . . - - - ' . . . . 1
-
C t r a p e r s o n a . ' . . ' . . . . . . . . . , . . . . .
-
, W l . ; i , Et st . cvi si aca v ot a
( 21)
per sona casi a pact es i gt Ei ' es
"
3
-
N . C . . , , . . . . - . . . " . . . . , . . . . . . . . . ' .
9
; . i : : : n cut i e t 3s si gui ent es s t ; ci mes s et r cr en: i a vd'
I l i . . _" nt " ?.
( , 4j - : : i
- . : t - S:
; ) .
| ) 2) \
s
.
r . c , , . , . . . . . . . . . . . . . . . . . ' . ' . " . . . . - .
9
: ; J : ' : i f n: r 5
i , i ; 9, i
/
i i . a' ; r r . ' i i s: l
p, : S
. Y cut es/ er a su ac: ual / t r i t r ocupaci n u cf i ci o?' s
;:' .- en aue ccnsi si e/ti a es89!j -e-Q!g!-9 su traxj o?'
(precrsa-r 1o f;ds pcsi bi e l as
"ctl i j Ei i i l i i fl i s,
!' i sxpl c:
i l ec:.tco reparal o de uomvi l e5, ayucani e de odontg' l ogi ,
pr gi ! sor de enseana
p. i r or i i , ei c, ) - { os r ef er r r cs a s
ocu: gci n ' i ci cl . ; a* t l o por l e que vd. ( o et cace: a ce
f am i i ) oot r s! 1ni a r ayor es l ngr esos.
l22t)G4)(?25>
l . i . . . . . . . . - . . . 9 9 9
t i baj
( o
t rab i ab )
- z
.f.9a l rabaj /ba
vd. (o ei cabea d fmi i ' i a) en
( d'
ni ni strci on P6ti ca, cn l epres P:btc,
n ha af,'
' presa pri vd. m m ol g8ni aci n pri vada si n fi ros d.
,tucro o d\ t[ seni ci o ddl sti eo?
-
ACni ni s r r c i n
pbl . i c a
. . - . . . . . .
-
En p r e s a
g - b l i c a . . . . , . , . . . . " . . .
-
Er c r e s a c r i v 3 c a . . . . . . . . . . , ' . . - .
-
cr gani zaci dl si n f i nes d i . uc c.
-
sr vi ci o i qt st i cc
-
ct i cs
( esci f i car )
i ti es/.-(i .r;l l . S' s: :., ce.n. f;f;ati nr::.
.,rai :
; n - 3
i ; . 3. : . : . i )
_t
r vt t c. l i t e; : . , ? : '
P. t o A au act i vi dao se dei ca pr i nci pal mr : e La
gr Fr csa u
ga-ni i aci c doce vcj . () ct cabea de fai l i l i ) trab
j al ba?'
(EJgl pl cs: Fbi ca de ar:i cutss de ceportc. ccrreos. aLqui Iei
Cc coches. l ectri si Cad, rcparaci oncs, i rEusrri a del cuero.
(Anotar
)
r ; > f , ! / t ) g l
F. 51 Act ui l ment e, e. : i e l cdos t os mi err?s cj et hogr
i j i i t ui c er, ent . ryi s: xo)
y pof t cccs l os ccncept os, de
cun: os i nl f es3s oet os : i sconen por t dt ri no l egi c en se hoi a'
al , f t s?. t o [ e Pi c
q- c r c i ndi que ( a cant l aad exm: a' s] r o
+?
f , . seat e m est a t arj et a en qu
i rarc de L--9s: -3r9. : i -r. 1?
caf i cr er di Cos l cs i ngi escs se sq hegar .
( ' r -
- : 1 ' ; : /
j rnj r: : LJ
).
" en6 d! i 0. 00 Pt s . , . . ' . ' . - - 0i
.
l ? 50, 001 a 100' 000 pt s . . . ' . . 02
-
De 1C0. OCi 150. 000 pt s . . . ' . 0J
-
De l 5O. 0Ci ?00. 0C0 Dt s . ' . . ' C'
-
c e ?! 0. CO' t 300. 000 ei 5. . . . . ! 5
.
De: c 0. c 0i 00. 000 pr s , . . " 03
( 25C) ( 31)
-
Ce 4CO, OOI 500. 000
Pt s.
. - . . C7
.
0e 540. 001 a 750. 000 pt s. . . . . 08
-
De 80. 00' 1 1 Hi l . l . n de pt s. . 09
-
t s : s t l l i l t n de pl s . . . . ' - .
19
.
r . c . . . . , . . . . . . , . . . . . . . . . . . . . .
9 9
P,5 n totat. 3unrs Pel sonss
vi vs Sctqatnen' e m es:e
i og r ( i cl ' Ji Cc e! en: . ?vr st ado) ?
226
L::
dei s de (a r..i dsi dondc vi ve hbi tul ml e todo Gt
ao, posaa
vd. (la
sgt .ealdertia?
-
s i . . . . . . , . r
-
r o . . . . , . . . ?
( 1)
-
. c . . . - . . . 9
L,:,:,! A
qu di stanci dc su rcsi denci a habi tut?
k. ( 35) ( 36) ( 257)
Le
i rPortr! di * su nr da te.i ono?
<itrp i|STAJC?: IgtrCAF l:5 5 P,arl C!: L C:S,ti:i t/i rM
SiEEBfiEet,'t! E:i:,','jia aE i u Stiii;r.'sr r,1 sit,
i - i:-a
j;
) .
-
Ti sc t ct f ono y da nt t ar o . , .
' l
t el f ono
-
l o t i m t e l f 0 n o . . . . . . . . . , . . 2
.
Ti e* t et f ono v no d ni rcro. 5
(JE)
-
. c . . . , . . . . . . . . . . . . - , . . - . . . . . 9
227
A RELLENAR POR TL EIIREVISTAOOR
i l { ct DExcl , l s i xi l \ , l sr r :
i .l {unc.c dc ordcn 6c ertrl vi sr (Fr i l Jsi ra)
_
(239}(2{0)
! , 2 ?or t t es en l os ql " c . l por t er o i r pi de ent r ar ( 24i 121
t . 3 Vi vi er das en l as
qu( i c h y nadi c ( 213) ( 244)
t , { Vi v i endas en l s a| " e s e n egan, f ec i bi r ni ng$a ex c l i c ac n. . . . . . . . . . . , . . . . . ( 25) ( 2)
t . 5 f , i egi t i vas de vr Ms a r eat i r l ent r evi st a
-
( 217) Qr , 8)
, t { egi i vas de t uj er es r cal i ar [ ent r l vi st e
- _
( 219) ( 250)
1, 7 Coni ac l os i al t i dos pc r o c ur pl . i r c uot a . . . . , . . . . . . ( 251) ( 252)
I . 8 Conr aci os
t aLl . i dos par n er i st i r vi vi e das ( cdi f i ci os pubLi cos, of i ci cas, ct c. )
_
( 253) ( 291)
:!TtEr/i s: r5,1t i ,1C :
an!reYi sa ccnsegvda :
( c al l e
o ol a)
!.1 Fecho c feal i ci :
TET_
_l Gs)_ _f)
( 255) ( 25) ( 57) ( 53 ( 259) ( ?0)
i . 2 D a de t ser n qj e se r eai i a t ent r evi st : L. Jl cs ' . . . , . . . , . I
I a r : e s , . . , , , . . . 4
: f . o t s . . . , . . 3
J a e s . . - . , , . , . 4
Y i e me s , , . . , . . . 5
S5aCo . . , . . . . . . 5
D d t i n g c , . , . , , . . 7
. 1 oqr aci n de [ a s?! i si a:
_
( cn ni nut cs)
( 5) ( ] ) { 24)
. 4 Sor a de eat i ac i n: La ms na ( 9- ! 2) . . . . . . . . . , i
( n! ) ( pi s c ) ( p! a, )
(21
)
l edi odi a ( l - ) . . , . . . . . . . 2
I a r ( - 8 ) . . . . . . . . . , . . . . , l
Nc c h !
( 8 - i 0 )
. . . . , . , . , , . . . . 4
i . 2 Si nccr i dac del en: : wi st ado:
(
)
. I h
. . . . . . . 1
.
East anr e . . . . Z
( 7)
.
P o c a . . . . . . . . 3
.
l i n g u n a . . , . .
A RILI.EIAR TN CCOIFICACI
C o . r e c i a . . . . . . . , , . , , . . . , . . . I
- n c r r c i a . ' . ' . ' . . . . . . ' . . ' . Z
C. : r t t o; : VC;
( ?9) ( 27C)
c.l
!!!u!j99-4!a!,
En r r wi s t o v t i d . . . . , . . . , . . . , , . . . . I ( 2 )
i n t . * i s ! . t u l &d a . . . . . . . . . . . . . , . . .
c. vALcRAcl Ot 0 ! l {sPccl Oi l :
Et r ev ; s t a no r s gc c c i oda, . . , . . . . . 1
i *
nspecci n *;sri ca ? (e?l )
F- l s pec c i n per s : na[ . . . . . , . . . . - . . . ' . . ]
F
l nspecci n t et r f si ca y
Fer scnai
. . . . 4
C.2 Rsuttado i nscai dn:
Ent r ev i s l a c or i c s : a . . . . . , . . . . - . . - . . 1 <277,
i -
Ent r s i s t i ns c r r * l a . , . . , . . . . . . . . , Z
c.2b r{oirvo:
(2nr(7! , \
228

Elección turística probabilística del turista español

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Elección turística probabilística del turista español

Uploaded by

Copyright:

Available Formats

Eleccin de turismo: aplicacin probabilstica al turista espaol.

Juan Luis Nicolau Gonzlbez

You might also like