Evolución anual del número de plazas hoteleras ofertadas en la ciudad de Sevilla: un análisis empírico con soporte econométrico

EVOLUCIÓN ANUAL DEL NÚMERO DE PLAZAS HOTELERAS OFERTADAS EN LA CIUDAD DE SEVILLA. UN ANÁLISIS EMPÍRICO CON SOPORTE ECONOMÉTRICO Camúñez Ruiz, José Antonio Pérez Hidalgo, Mª Dolores Jiménez Ros, Cristina Área temática: Economía y Empresa Facultad de Turismo y Finanzas. Universidad de Sevilla. Avda. San Francisco Javier, s/n 41018 Sevilla Tfno. 954557541 e-mail de contacto: cam[email protected] 21 EVOLUCIÓN ANUAL DEL NÚMERO DE PLAZAS HOTELERAS OFERTADAS EN LA CIUDAD DE SEVILLA. UN ANÁLISIS EMPÍRICO CON SOPORTE ECONOMÉTRICO RESUMEN Con el correspondiente “pico” en 1992, por razones obvias, y unproceso suavemente creciente en la última década,se analiza la evolución histórica del número de plazas hoteleras ofertadas por la ciudad de Sevilla en hoteles de tres, cuatro y cinco estrellas, en el periodo comprendido entre 1988 y 2011. En primer lugar, los análisis gráficos son bastante elocuentes de la evolución delas series y del cambio estructural que se produce en 1992. Modelos de regresión, tanto en escala de nivel como logarítmica, corrigiendo el efecto de la autocorrelación,propio de datos longitudinales, con estimaciones de tipo Prais-Winsten o Cochrane-Orcutt, son empleados para medir el grado de influencia de algunas magnitudes macroeconómicas de nuestro país o de los países del entorno que más visitantes proporcionan a la ciudad, sobre esa evolución temporal. También, modelos autorregresivos de orden 1 y modelos con tendencia definida describen bastante bien el fenómeno estudiado. Palabras claves: Plazas hoteleras, Sevilla, serie temporal, autocorrelación y autorregresión. ANNUAL EVOLUTION OF THE NUMBER OF HOTEL SQUARES OFFERED IN THE CITY OF SEVILLA. AN EMPIRICAL ANALYSIS WITH SUPPORTE ECONOMETRIC ABSTRACT Including the obvious root cause driven peak in 1992, and a smooth increase process along last decade, the yearly evolutionabout the numberof hotel roomsoffered bythe city of Sevilleinthree, fourand five star categorieswithin the periodbetween 1988and 2011 is analyzed. 22 First, the graphical analysis isclear enough showing the evolution of the series and of the structural change that takes place in 1992. Regression modelsboth inleveland logarithmicscale, correcting the autocorrelation effect typical for longitudinaldata, together with Prais-WinstenorCochrane-Orcuttestimation types, areused to measurethe degree ofinfluence from somehome land macroeconomicmagnitudes or the same from the closer countries providing more city visitors, along this temporary evolution. Order 1 autoregressiveanda definite trend models are adequately describing the analyzed phenomenon as well. Keywords:Hotel beds, Seville, time series,autocorrelationandautorregression. 23 EVOLUCIÓN ANUAL DEL NÚMERO DE PLAZAS HOTELERAS OFERTADAS EN LA CIUDAD DE SEVILLA. UN ANÁLISIS EMPÍRICO CON SOPORTE ECONOMÉTRICO 1. INTRODUCCIÓN La evolución del número de plazas hoteleras que oferta una ciudad o una provincia puede ser un buen indicador de la evolución turística asociada a la misma, que a su vez es un reflejo de la situación económica de la zona que, en mayor o menor medida, aporta su afluencia turística a esa ciudad o provincia. Situaciones de expansión o de crisis económica son las que generan crecimientos o decrecimientos de la demanda de ocio (en particular, de la demanda turística) y, por tanto, subidas o bajadas en la oferta hotelera. Magnitudes macro relacionadas con la situación económica pueden ser candidatas a variables explicativas (en lenguaje econométrico) de ese número de plazas hoteleras en cada instante temporal. Nos planteamos pues modelizar relaciones de tipo lineal que expliquen la evolución de la oferta hotelera a partir de magnitudes económicas influyentes y que están a nuestro alcance. Por otra parte, conocemos que una plaza hotelera tiene una determinada categoría, según la categoría del hotel que la oferta. En estetrabajo nos hemos centrado en plazas hoteleras correspondientes a tres, cuatro y cinco estrellas ubicadas en Sevilla ciudad y su provincia, donde hemos de tener en cuenta que unporcentaje muy importante están en la ciudad y su área metropolitana. Es conocida la atracción turística que ejerce la ciudad,no sólo por sus eventos importantes en determinados momentos del año (Semana Santa, Feria). Los datos empleados, que son de carácter anual, para desarrollar este estudio son proporcionados por el Instituto de Estadística y Cartografía de Andalucía, datos oficiales por lo tanto. La serie histórica en la que nos basamos cubre el periodo que va desde 1988 hasta 2011, debido a que es el periodo máximo de tiempo para el que se presentan datos. Por tanto, en la misma se incluye el año 92 de especial transcendencia en la ciudad de Sevilla y con previsiones de demanda hotelera para ese año desde la perspectiva de los años previos. 24 La relación entre variables a lo largo del tiempo, desde un aspecto econométrico, con modelos de tipo lineal, supone la aparición de problemas de autocorrelación y por tanto la pérdida de eficiencia de estimaciones de tipo Mínimos Cuadrados Ordinarios (MCO). Además del empleo en su lugar de aquellas más adecuadas para este contexto como Prais-WinstenoCochrane-Orcutt. Así se ha procedido en el trabajo que aquí se presenta. A continuación, en los siguientes epígrafes estudiamos la evolución para plazas hoteleras de tres, cuatro y cinco estrellas. Terminaremos con un epígrafe de conclusiones y con la bibliografía consultada. 2. EVOLUCIÓN DEL NÚMERO DE PLAZAS HOTELERAS PARA HOTELES DE TRES ESTRELLAS Como ya se ha comentado en la serie histórica nos encontramos el año 92 de especial relevancia turística para la ciudad de Sevilla. Es natural, entonces observar en la serie un crecimiento acelerado en los años previos al 92, un máximo en dicho año, y una caída en los años posteriores que además coincidieron con años de recesión económica aunque no tan acentuada como la actual. Este movimiento que creemos natural de la serie es mucho más tangible en los correspondientes a las plazas hoteleras de tres estrellas, principalmente demandadas por clase media y media-baja que suponen el mayor porcentaje de la población y que son las que sufren en mayor medida las consecuencias de una crisis económica.El gráfico 1 muestra la gráfica de esta serie y justifica ampliamente lo comentado. 25 1500 2000 2500 3000 3500 4000 4500 5000 1990 1995 2000 2005 2010 tres_estr Evolución del número de plazas hoteleras para hoteles de tres estrellas en Sevilla Gráfico 1. Evolución del número de plazas hoteleras para hoteles de tres estrellas en Sevilla en el periodo comprendido entre 1988 y 2011. Fuente: Elaboración propia a partir de los datos de estadísticas oficiales. A lo largo de ese periodo de 23 años el número medio anual de plazas hoteleras en hoteles de tres estrellas ha sido de 3584,8 con un mínimo de 1933 plazas correspondientes al primer año de la serie, 1988, y un máximo de 4656 plazas justamente las ofertadas en 1992. De igual forma, los datos para plazas en hoteles de cuatro estrellas son 9387,6 de media anual, con un mínimo en el año 1988 de 3496 plazas y un máximo de 14360 correspondientes al año 2011. Para cinco estrellas de media anual se han ofertado 1314,7 plazas con un mínimo de 280 plazas en 1988 y un máximo de 1912 en los años 2010 y 2011. Este resumen nos indica que las plazas más ofertadas han sido en todo este periodo las de cuatro estrellas y que los valores mínimos y máximos de las tres series casi coinciden en el tiempo. A primera vista, podemos pensar que las plazas hoteleras de tres estrellas presentan mayor “volatilidad”. Parece como si se hubiesen creado una gran cantidad de plazas de esta categoría con vistas a la Expo’92 y que, tras la conclusión de la misma, muchas de ellas desaparecieron produciéndose una tremenda caída en la serie de manera que, en el año actual, aún no se ha recuperado aquel máximo del 92. En 26 cambio, para las plazas de cuatro y cinco estrellas la evolución ha sido con menos altibajos, con crecimientos más constantes. La siguiente tabla resumen los estadísticos comentados sobre las tres series históricas. Media Mediana Mínimo Máximo tres_estrellas 3584,79 3648,00 1933,00 4656,00 cuatro_estrellas 9387,58 8796,50 3496,00 14360,0 cinco_estrellas 1314,67 1443,00 280,000 1912,00 Tabla 1. Estadísticos principales, usando las observaciones 1988 – 2012 de las tres series históricas. Fuente: Elaboración propia a partir de los datos de estadísticas oficiales. Mostramos los diagramas de cajas para las tres series con el objeto de efectuar una comparación visual (las cruces situadas en cada caja corresponde a los valores medios de las series). 0 2000 4000 6000 8000 10000 12000 14000 tres_estr cuatro_estr cinco_estr Gráfico 2. Diagramas de cajas de las variables “número de plazas hoteleras para hoteles de tres, cuatro y cinco estrellas en Sevilla en el periodo comprendido entre 1988 y 2012”. Fuente: Elaboración propia a partir de los datos de estadísticas oficiales. La tasa de variación del número de plazas hoteleras en hoteles de tres estrellas en la provincia de Sevilla presenta una media de crecimiento del4,45% anual. 27 Desde 1993 hasta 1999 se presenta una trayectoria oscilante, con predominio de caída, que comienza a estabilizarse a principios del siglo XXI, donde observamos una evolución estable y creciente, con una pequeña caída en los años 2009-2010 por motivo de la crisis económica originada en 2007 y de la que hoy día seguimos siendo testigos. A pesar de ello, el turismo no se ha visto fuertemente afectado, de manera que en el 2011 se volvió a observar un crecimiento del número de plazas hoteleras de esa categoría en Sevilla. Como ya se ha dicho, trabajando con series temporales encontramos la presencia de problemas de autocorrelación, debido a que resulta bastante frecuente que el término de perturbación en un instante dado siga una tendencia marcada por los términos de perturbación asociados a instantes anteriores. Para nuestra estimación, es importante detectar si la serie tiene una tendencia estocástica (si se trata de un camino aleatorio) en cuyo caso se rompe la idea de estacionariedad necesaria para una modelización econométrica clásica. Algunos contrastes han sido desarrollados para efectuar este diagnóstico. Son los conocidos como contrastes de raíz unitaria dado que, en ellos, la hipótesis nula es que la pendiente que relaciona una observación con la de su pasado inmediato es la unidad (la definición econométrica de paseo aleatorio). Para la serie que nos ocupa se ha llevado a cabo el “contraste de Dickey- Fulleraumentado” para modelos autorregresivos de orden 1, AR(1). Para el mismo, el estadístico asociado ha tomado el valor tau_c(1) = -3,38521, con un p-valor asintótico 0,0115, por lo que, al 5% de significación, se rechaza la hipótesis de raíz unitaria y, por tanto, nuestra serie es estacionaria, con lo que podemos proceder con la búsqueda de modelizaciones lineales adecuadas. 2.1. Usando el PIB español como variable explicativa. En primer lugar, modelizamos dicha serie a partir del PIB español (la variable está expresada en millones de euros corrientes). La producción, la creación de riqueza, es un factor influyente en el turismo. Vemos en nuestro caso particular como influye para la serie que comentamos. Por el método de Mínimos Cuadrados Ordinarios (MCO) consideramos como variable dependiente el número de plazas para hoteles de tres estrellas y como variable independiente el PIB. En dicha estimación el estadístico de Durbin–Watson toma el valor 0,58, por lo que se reconoce la presencia de autocorrelación positiva en el modelo. 28 Esta idea queda reforzada por el valor que toma el estadístico de Breusch-Godfrey de autocorrelación de orden 1 (14,8732, con p = 0,000915). Se ha aprovechado dicha estimación MCO para llevar a cabo el Contraste de Chow de cambio estructural justamente en el año 1992. El p-valor asociado a dicho contraste ha sido 0,000974337 por lo que, efectivamente a partir de 1992 se produce un cambio estructural en la evolución de la serie. Dada la presencia de autocorrelación procedemos a la estimación mediante el método de Prais-Winsten: Coeficiente Desv. Típica Estadístico t Valor p Constante 2031,3 683,74 2,9709 0,00705 *** PIB España 0,00217761 0,000919927 2,3672 0,02714 ** Tabla 2. Estimación del modelo lineal donde “número de plazas hoteleras para hoteles de tres estrellas en Sevilla” es explicada a partir del PIB español mediante el estimador de Prais-Winsten. Fuente: Elaboración propia a partir de los datos de estadísticas oficiales. La pendiente estimada del modelo, que es significativa al 5% (p=0,02714) nos informa que un crecimiento del PIB en euros corrientes de 1000 millones supone un crecimiento medio de dos plazas hoteleras de esta categoría. Además, se estima una autocorrelación positiva en estas variaciones de 0,70347. La siguiente gráfica compara valores observados y ajustados por el modelo. Observamos como nuestro modelo estimado detecta el cambio estructural del 92 aunque no con la misma intensidad. En el periodo final, desde 2000 a 2011, el ajuste es bastante aceptable con excepción de la caída recogida en el año 2010 que fue registrada por nuestro modelo un año después (la caída en los valores ajustados se produce en el año 2011). 29 Coeficiente Desv. Típica Estadístico t Valor p Constante 1548,08 1400,12 1,1057 0,28081 PIB España 0,0114104 0,00186228 6,1271 <0,00001 *** R-cuadrado 0,936652 R-cuadrado corregido 0,933773 Tabla 7. Estimación del modelo lineal donde “número de plazas hoteleras para hoteles de cuatro estrellas en Sevilla” es explicado a partir del PIB español mediante el estimador de Prais-Winsten.Fuente: Elaboración propia a partir de datos de estadísticos oficiales. Coeficiente Desv. Típica Estadístico t Valor p Constante -3,65515 2,53832 -1,4400 0,16395 l_PIBpc España 0,952352 0,190294 5,0046 0,00005 *** R-cuadrado 0,897348 R-cuadrado corregido 0,892682 Tabla 8. Estimación, en escala logarítmica, del modelo lineal donde “número de plazas hoteleras para hoteles de cuatro estrellas en Sevilla” es explicado a partir del PIB español mediante el estimador de Prais-Winsten.Fuente: Elaboración propia a partir de datos de estadísticos oficiales. 2000 4000 6000 8000 10000 12000 14000 16000 1990 1995 2000 2005 2010 cuatro_estr cuatro_estr observada y estimada estimada observada 36 Gráfico 6. Valores observados y ajustados del número de plazas hoteleras para hoteles de cuatro estrellas en Sevilla usando una estimación de tipo Prais-Winsten y el PIB español como variable explicativa.Fuente: Elaboración propia a partir de datos de estadísticos oficiales. La pendiente estimada en la Tabla 8 nos informa que un crecimiento del PIB de un 1% implica un crecimiento en la oferta hotelera de cuatro estrellas de casi un 1% (0,9523%), y entre ambas variables existe una relación significativa y directa. O sea, ambas magnitudes crecen porcentualmente casi a la par. 3.2. Usando otras variables explicativas para modelizar la evolución de las plazas ofertadas de cuatro estrellas. Empleando el mismo método de estimación que está siendo habitual en el desarrollo de este trabajo, se ha procedido a efectuar estimaciones con otras variables como explicativas. Para no alargar en exceso el discurso ponemos a continuación una tabla donde en la primera columna aparece la variable explicativa empleada en la regresión, en la segunda la estimación de la pendiente asociada a dicha variable, y en la tercera el p-valor asociado que muestra la significatividad de la variable en cuestión. En aquellas variables que aparecen en escala logarítmica se ha efectuado la estimación usando también la variable objetivo en esa misma escala, con el objeto de estimar elasticidades. Variable explicativa Estimación de la pendiente p-valor Consumo final agregado a precios corrientes en España, en millones de € 0,0149009 <0,00001 Logaritmo de “Consumo final agregado a precios corrientes en España” 0,9599280 0,00002 Consumo final agregado a precios corrientes en la Eurozona, en millones de € 0,0018556 <0,00001 Logaritmo de “Consumo final agregado a precios corrientes en la Eurozona” 0,891439 0,00002 Logaritmo de “Renta per cápita en la Eurozona” 0,908412 0,08850 37 Tabla 9. Variables explicativas propuestas junto la estimación de sus correspondientes pendientes y pvalores asociados mediante el estimador de Prais-Winsten.Fuente: Elaboración propia a partir de datos de estadísticos oficiales. Terminamos este apartado planteándonos si, en el caso de considerar el número de plazas de cuatro estrellas como “locomotora” del sector hotelero de la provincia, qué efecto tiene sobre la oferta de plazas de tres estrellas. Podemos pensar en un efecto retardado, o sea, la aparición de nuevas plazas de cuatro estrellas un determinado año incita a la creación de plazas de tres estrellas para el año siguiente: con este planteamiento proponemos una estimación autorregresiva con un retardo, usando el método de Cochrane-Orcutt para evitar los errores de autocorrelación. El resultado de la misma se muestra en la tabla 10. Coeficiente Desv. Típica Estadístico t Valor p Constante 2246,25 659,474 3,4061 0,00280 *** cuatro_estr_1 0,161279 0,0632674 2,5492 0,01911 ** R-cuadrado 0,624956 R-cuadrado corregido 0,606204 Tabla 10. Estimación autorregresiva usando las plazas hoteleras de cuatros estrellas retardadas un año como explicativas de las plazas ofertadas de tres estrellas.Fuente: Elaboración propia a partir de datos de estadísticos oficiales. Por cada 100 plazas nuevas de cuatro estrellas que se ofertasen un año, al año siguiente se ofertarían 16 plazas nuevas de tres estrellas. 4. EVOLUCIÓN DEL NÚMERO DE PLAZAS HOTELERAS PARA HOTELES DE CINCO ESTRELLAS La evolución en el tiempo del número de plazas en hoteles de cinco estrellas presenta una trayectoria muy particular y diferente a las dos categorías estudiadas anteriormente, por tanto, es necesario analizar el gráfico detenidamente. Empezamos por decir que dicho número es bastante menor, con una media anual para el periodo considerado de 1314 plazas. El gráfico 7 nos muestra esta evolución tan particular. Nos encontramos un largo periodo donde el número de plazas que se oferta es constante (11 años en total, desde 1992 hasta 2003). Un crecimiento de pendiente pronunciada, previo al 92. Una caída que se mantiene entre 2004 y 2006, iniciándose a partir de esa fecha un crecimiento con pendiente tan pronunciada como la previa al 92. 38 Podemos afirmar que, para los últimos 6 años esta serie es, de las tres estudiadas, que tiene mayor tasa media de crecimiento acumulado, un 9,45% anual. Usando las mismas variables que en los apartados anteriores, las estimaciones de las pendientes mediante Prais-Winsten nos da los resultados de la tabla 11. Variable explicativa Estimación de la pendiente p-valor PIB español 0,00121421 0,03158 Logaritmo del “PIB español” 1,24020 0,00740 Consumo final agregado a precios corrientes en España, en millones de € 0,0016864 0,02152 Logaritmo de “Consumo final agregado a precios corrientes en España” 1,38251 0,00540 Consumo final agregado a precios corrientes en la Eurozona, en millones de € 0,0018556 <0,00001 Tabla 11. Variables explicativas propuestas junto la estimación de sus correspondientes pendientes y pvalores asociados mediante el estimador de Prais-Winsten.Fuente: Elaboración propia a partir de datos de estadísticos oficiales. 200 400 600 800 1000 1200 1400 1600 1800 2000 1990 1995 2000 2005 2010 cinco_estr Evolución del número de plazas hoteleras para hoteles de cinco estrellas en Sevilla 39 Gráfico 7. Evolución del número de plazas hoteleras para hoteles de cinco estrellas en Sevilla en el periodo comprendido entre 1988 y 2012.Fuente: Elaboración propia a partir de los datos de estadísticas oficiales. 40 5. CONCLUSIONES El uso de la econometría en la modelización de series temporales es un tópico para esta disciplina. En este caso nos encontramos con tres series muy cercanas al sector turístico de nuestra provincia, con datos anuales, lo que evita el análisis estacional de las series (no es habitual crearse plazas hoteleras en esta provincia con una perspectiva de uso estacional). Al tratarse de series estacionarias hemos podido aplicar todo el aparato econométrico sobre los datos originales, o sea, sin necesidad de calcular primeras o segunda diferencias. Las plazas ofertadas de tres estrellas son las que mejor reflejan la subida acelerada previas a la expo y la caída casi tan acelerada como la subida en los años posteriores. Nos merece especial atención la modelización de la serie correspondiente a las plazas hoteleras de cuatro estrellas, tanto por su magnitud como por su evolución creciente sostenible. Un crecimiento de la renta per cápita de la Eurozona (la que ofrece más visitantes a nuestra provincia) de un 1% ha significado un crecimiento de un 0,9% en el número de plazas ofertadas de cuatro estrellas. Así, usando otras variables explicativas hemos visto como esas magnitudes macro a las que hemos tenido acceso influyen sobre las evoluciones de cada una de las tres series usando procesos de estimación adecuados para un contexto de autocorrelación. Podemos añadir, por último, que la evolución de las plazas en hoteles de cinco estrellas tiene un comportamiento más peculiar. El empresario hotelero es mucho más tímido a la hora de ofertar este tipo de establecimientos. Probablemente las condiciones exigidas y los riesgos que hay que asumir sean factores determinantes de dicha timidez. 41 BIBLIOGRAFÍA - Alcaide, A., Álvarez, N. (1992).Econometría. Métodos deterministas y estocásticos. (Teoría y Aplicaciones).Madrid: Centro de Estudios Ramón Areces, S.A. - Alonso, A., Fernández, J., Gallastegui, I. (2004). Econometría. PearsonPrentice Hall. - Buitrago Esquinas, Eva Mª. “Medición y análisis de los impactos macroeconómicos del turismo en la economía española: 1982-2006”. Investigaciones Turísticas. Una perspectiva multidisciplinar, 2008,p. 173-197. - Camúñez Ruiz, J. A, Pérez Hidalgo, M. D., Ortega Irizo, F. J. (2011). “Econometría práctica con datos reales: un enfoque integral e individualizado”. En Buitrago, E. M. y Sánchez Franco, M. J. (editores). Espacio Europeo de Educación Superior (EEES) Innovaciones Metodológicas en la Economía y la Empresa. Sevilla: Digital@tres, S. L. pp. 183-194. - Caridad, J.M. (1998).Econometría: Modelos econométricos y series temporales. Madrid:Reverté. - Esteban, M. V., Moral, M. P., Orbe, S., Regúlez, M., Zarraga, A., Zubia, M, (2008): Econometría Básica Aplicada con GRETL. http://www.sarrikoonline.com/cas/fichas/2009/08-09.pdf (20 Oct. 2012). - F.J.Blancas Peral y E.M. Buitrago Esquinas (2005). Estructura y política turística de Sevilla. Edición electrónica a texto completo en www.eumed.net/libros/2005/bpbe/ - Greene W.(1998). Análisis Econométrico. (3ª ed.). Madrid: Prentice Hall. - Griffiths, W. E., Carter, R., Judge, G. G. (1993).Learning and Practicing Econometrics.New York: John Wiley & Sons, Inc. - Gujarati, D. y Porter D. (2010).Econometría (5ª ed). México D. F.: McGraw-Hill. - Gujarati, D. (1997): Econometría. México: McGraw-Hill. - Johnston, J., Dinardo, J. (2001). Métodos de Econometría. Madrid: Vicens-Vives. - Maddala, G.S. (1996). Introducción a la Econometría. Madrid: McGraw-Hill. 42 - Méndez Rodríguez, Luis. “Andalucía: una imagen en Europa”. Investigaciones Turísticas. Una perspectiva multidisciplinar, 2008,p. 197-214. - Novales, A. (1998). Econometría (4ª ed.). Madrid: McGraw-Hill. - Pérez. C. (2006): Econometría. Problemas resueltos paso a paso. Madrid: Thomson. - Pindyck, R.S., Rubinfeld, D.L. (2001). Econometría. Modelos y pronósticos.Madrid: McGraw-Hill. - Pazos Casado, Manuel Luis. “Comportamiento estratégico y mejora del desempeño en el sector hotelero ante los nuevos retos del sector”. Investigaciones Turísticas.. Una perspectiva multidisciplinar, 2008, p. 29-46. - Pulido, A., López, A. J. (1999).Predicción y Simulación aplicada a la economía y gestión de empresas.Madrid: Pirámide. - Pulido, A., Pérez, J. (2001). Modelos Econométricos. Madrid: Pirámide. - Ramanathan, R. (2002). Introductory Econometrics with Applications.Fort Worth: Harcourt College Publisher. - Rey Moreno, Manuel. “Beneficios relacionales y calidad de relación en el sector turístico”. Investigaciones Turísticas. Una perspectiva multidisciplinar, 2008, p.90-105. - Schmidt, S. J. (2005). Econometría.México D. F.: McGraw-Hill. - Stock, J. H., Watson, M. M. (2012).Introducción a la Econometría (3ª ed.). Madrid: Pearson Education. - Trívez, F. J. (2004). Introducción a la Econometría.Madrid: Pirámide. - Uriel, E., Contreras, D. Moltó, M.L. Peiró, A. (1990).Econometría. El modelo lineal. Madrid: AC. - Uriel, E., Gea, I. (1997).Econometría Aplicada. Madrid: AC. - Wooldridge, J.M. (2005).Introducción a la Econometría. Un enfoque moderno. Madrid: Thomson. - Zabala Aguayo, F. “Estudio de la oferta hotelera sevillana”. Investigaciones Turísticas.Una perspectiva multidisciplinar, 2008, p. 9-28. 43