Análisis del RevPAR en Melilla: un caso singular

— 266 — ANÁLISIS DEL REVPAR EN MELILLA: UN CASO SINGULAR REVPAR ANALYSIS IN THE CITY OF MELILLA: A SINGULAR SITUATION Lorena Caridad y López del Río Universidad of Sevilla. España. [email protected] Dpt. de Economía financiera y Gestión de Operaciones 0000-0002-3406-9917 Nuria Ceular Villamandos Universidad de Córdoba, España. td[email protected] Dpt. de O. de Empresas Orlando Arencibia Montero VSB Ostrava. Republica Checa [email protected] Dpt. of Mathematical Methods in Economics Resumen Se analiza la rentabilidad del sector hotelero de Melilla a través del RevPAR, estableciendo una comparativa con diferentes regiones: Ceuta, Andalucía, y el territorio nacional (España). El RevPAR constituye uno de los principales parámetros empleados para medir la rentabilidad en el sector. Se realiza un análisis utilizando series temporales mensuales del RevPAR (en euros corrientes y ajustados por el IPC general), utilizando un enfoque de modelo clásico con tendencia y ciclo estacional, que nos permita establecer una comparativa entre los diferentes territorios. Se tiene en cuenta el efecto de la pandemia del COVID-19, durante los años 2020 y 2021. Del análisis efectuado se pone de manifiesto la singularidad de Melilla, que presenta unas características diferenciadas, incluso en comparación con la ciudad autónoma de Ceuta. Palabras clave: Sector hotelero, RevPAR, rentabilidad, modelos dinámicos 1. INTRODUCCIÓN En la gestión hotelera, el RevPAR (Revenue Per Available Room o ingresos por habitación disponible) es uno de los indicadores más utilizados (Lee et al., 2019; Walker & Walker, 2019), permitiendo a los establecimientos hoteleros, entre otras cosas, evaluar su política de precios y el rendimiento financiero La industria hotelera en el sur de España, así como el sector turístico español en general, ha experimentado fluctuaciones significativas en los ingresos en los últimos cinco años, principalmente debido al impacto de la pandemia de COVID-19 y los esfuerzos de recuperación posteriores. En 2019, el año anterior a la pandemia, registró sólidas cifras de turismo. España recibió 83,5 millones de turistas internacionales, generando un gasto de 84.500 millones de euros. El turismo contribuyó significativamente a la economía, representando el 12,4 por ciento del PIB total y proporcionando el 13,5 por ciento del empleo total. En 2020, la pandemia provocó una grave recesión. Las llegadas de turistas internacionales se desplomaron un 77,3%, hasta los 18,9 millones, y los ingresos procedentes de turistas internacionales cayeron hasta los 22.100 millones de euros, lo que supone un descenso del 73,9%. Esta drástica caída reflejó las restricciones de viaje a nivel mundial y la disminución general de la confianza en los viajes. En 2021: Hubo una recuperación parcial. Los turistas internacionales aumentaron hasta los 31,2 millones, un 65% más que el año anterior, pero todavía un 62,7% por debajo de los niveles de 2019. Los ingresos procedentes del turismo también experimentaron un patrón similar de recuperación parcial, pero las cifras siguieron siendo significativamente inferiores en comparación con los niveles anteriores a la pandemia. En 2022, los continuos esfuerzos de recuperación mostraron una mejora, con un aumento de los ingresos por turismo internacional a medida que el mundo se adaptaba a las nuevas normas de viaje. Sin embargo, los ingresos se mantuvieron por debajo de los niveles previos a la pandemia, y el número de turistas y el gasto siguen poniéndose al día. Luego, en 2023, se espera que el sector haya vuelto a niveles cercanos a los previos a la pandemia, impulsado por el repunte — 267 — del turismo tanto internacional como nacional. Las iniciativas financiadas por el Fondo Europeo de Recuperación y los esfuerzos nacionales han apoyado esta recuperación. La trayectoria de recuperación pone de manifiesto la resiliencia del sector turístico español y la importancia de las inversiones estratégicas y las políticas de apoyo para impulsar los ingresos turísticos tras la pandemia. El sur de España es una importante zona turística de Europa; con costa tanto al Atlántico como al Mediterráneo; Alberga estaciones de esquí, un patrimonio cultural muy grande y un sector en crecimiento en turismo rural. Más de 34 millones de visitantes llegaron a la región en 2023, con un aumento del 10,8% respecto al año anterior y del 5,2% respecto a 2019; de los cuales cerca del 30,8% eran extranjeros (Encuesta de Coyuntura Turística en Andalucía, ECTA, 2023), con una tendencia al alza desde junio. Aún así, hay un claro componente estacional debido a los visitantes de verano. Algunos autores, como Simon (2020), Johnson (2020) abordan el impacto de las primeras etapas de la pandemia; los últimos pronostican pérdidas en los ingresos para España por debajo de los 10.000 millones de dólares, que están claramente subestimados como mostramos aquí para el sur del país. Otros se centran, como se intenta aquí, en analizar el período completo hasta 2021 y más allá, como Hollander (2023) o Lucas (2023). Radivojevic et al. (2023), estiman el impacto financiero en varias grandes empresas hoteleras antes y después del periodo de recuperación. El turismo interno regresó tan pronto como se eliminó el confinamiento, en junio de 2020, mientras que los visitantes salientes regresaron más tarde; Arbulú et al. (2021) y Duro et al. (2022) consideran que el turismo interno tuvo un papel limitado en este aumento de visitantes durante estos años. Allan et al. tratan la distribución del gasto del turismo interno y receptivo utilizando un modelo de equilibrio general. El trabajo de Sigala(2020) proporciona una visión general del tipo y la escala de los impactos turísticos de COVID-19 y sus implicaciones para la investigación turística En 2020, la pandemia de Covid provocó una fuerte caída en el número de visitantes durante ese año. La recuperación se inicia durante el segundo semestre de 2021, (Deloitte, 2021). En 2022 la ocupación volvía a la normalidad y en 2023 alcanzó el nivel de 2019, con casi todas las habitaciones de hotel vendidas durante la temporada de verano. Otros aspectos de la pandemia en el sector hotelero han sido analizados por Vávrová (2022) relacionados con aspectos de Responsabilidad Social Empresarial, y por Liu et al. (2023), quienes analizan el efecto derrame en varios mercados bursátiles y la interconexión con la respuesta de los gobiernos. El impacto en el empleo y los ingresos fue muy importante en 2020, con una leve recuperación el año siguiente, y, algunos autores, como Rivera (2020), comentan el impacto del Covid-19 en diferentes aspectos de la sociedad, incluido el turismo. En marzo de 2020 la actividad cayó casi a cero, con algunos movimientos durante el verano siguiente. La recuperación de 2021 se debió principalmente al aumento del número de turistas nacionales, y esto afectó el número de empleados del sector. No fue hasta los meses de verano de 2022 que el empleo alcanzó niveles normales. Los ingresos de un hotel se pueden dividir en tres partes (Sheela, 2002): ingresos ordinarios por alojamiento, venta de alimentos y bebidas y otros cargos (suplementos por utilización de gimnasio o piscina, lavandería y otros servicios). Son los ingresos ordinarios los que se tratan aquí. El pago por parte de los huéspedes por alojamiento (ingresos ordinarios) muestra un claro componente estacional, y sigue un patrón similar, al igual que otras variables de gestión; Las cifras de 2020 y 2021 se vieron afectadas por las restricciones a los viajes debido a la pandemia; La recuperación ha alcanzado niveles anteriores solo en 2023. Algunos autores, como Denizi y Chu (2021), trataron la gestión de los ingresos en hotelería durante la pandemia, y Calero (2022) analizaron los efectos en la ciudad de Guayaquil. La Asociación Americana de Hoteles y Alojamiento (AHLA, 2022), estimó una disminución superior al 50% en los ingresos en Estados Unidos para 2020, superando la situación de 1933 durante la Gran Depresión, alcanzando una tasa — 268 — de ocupación del 38%, casi la mitad que el año anterior, y el 70% de los empleados despedidos. Amrik y Corsun (2023) consideran que la demanda es relativamente inelástica en el sector hotelero, en caso de cambios bruscos en las condiciones externas, y recomiendan utilizar la gestión de precios para mantener los ingresos. Coutinho Dos Santos et al., (2023), analizan el impacto del COVID-19 en el sector hotelero y de apartamentos en Portugal, en este caso para el periodo 2020-21, estimando una pérdida de ingresos inferior a 1.300 millones de euros, centrándose en los problemas de liquidez, y en varios datos procedentes de una muestra del balance de los hoteles. Ceular et al. (2024) tratan sobre el efecto de la pandemia en el rendimiento profesional. Suchácek et al. (2021), analizan el impacto de la crisis en la eurozona. Las ganancias se vieron afectadas, aunque el sector respondió con una disminución del empleo y de los costos variables, complementándolo con subsidios públicos. La pérdida de ingresos se estimará teniendo en cuenta la evolución de la industria hotelera en la región, y variables de gestión. La previsión de la demanda es una herramienta importante para estimar la evolución de las magnitudes económicas y financieras de un hotel. Pulina y Biagi, B. (2010) utilizan diferentes técnicas econométricas para detectar diferentes factores que influyen en la evolución del turismo en una región y cuantificar la evolución del sector. En este caso, se estimará la pérdida de ingresos durante el período de pandemia. Otro enfoque ha sido utilizado por Gunter et al. (2022) utilizando un modelo de datos de panel sobre países de la Unión Europea, analizando las pérdidas del PIB de 2020 y las importaciones turísticas, y proponiendo previsiones hasta 2025, para dos escenarios. A la hora de realizar un análisis de la rentabilidad a través de RevPAR, también hay que hay que considerar aspectos relacionados con el área de Marketing (Kotler et al., 2017), de Recursos Humanos (Baum, 2015; Kandampully, 2016), así como la Dirección Estratégica (Enz, 2010), junto con el impacto de la tecnología en el sector de la hostelería y del turismo en general (Law et al., 2014) Por otro lado, en ciudades autónomas como Ceuta y Melilla en las que existen limitaciones al crecimiento por sus especiales características, resulta especialmente relevante la toma en consideración de la sostenibilidad del sector turístico (Gössling et al., 2012; Sloan et al., 2013) Desde el punto de vista geográfico, Melilla es una ciudad autónoma española situada en la costa norte de África, con una superficie de aproximadamente 12 kilómetros cuadrados. La ciudad está rodeada por Marruecos y separada de la península ibérica por el mar de Alborán. Este enclave presenta una mezcla de paisajes costeros y montañosos, con una notable influencia histórica de culturas como la fenicia, romana y bereber. La rica herencia cultural de Melilla la convierte en un destino interesante desde el punto de vista turístico. Por otro lado, en el plano económico, Melilla cuenta con un régimen fiscal atractivo que facilita la inversión y el desarrollo empresarial, complementado con medidas específicas para sectores estratégicos. Por todo lo anterior, la ciudad autónoma de Melilla es un enclave muy peculiar en el territorio español, siendo estas peculiaridades extensibles al plano turístico, y más en concreto al análisis de la rentabilidad hotelera que abordamos en el presente trabajo 2. GESTIÓN HOTELERA Y PRODUCTIVIDAD Los ingresos por habitación disponible, o RevPAR (Revenue per Available Room) son una métrica fundamental en la gestión hotelera, que sirve como piedra angular para evaluar el rendimiento — 269 — financiero y la eficiencia operativa de un hotel. Este ensayo profundiza en la evolución del RevPAR tanto en Melilla como en Ceuta, Andalucía y en el conjunto de España. El RevPAR es una métrica de rendimiento que se utiliza para evaluar la capacidad de generación de ingresos de un hotel, posada u otras instalaciones de alojamiento. Combina los elementos de la ocupación de las habitaciones y la tarifa media diaria (ADR) para proporcionar una imagen completa del éxito operativo de un hotel. A diferencia de las métricas de ingresos simples, el RevPAR tiene en cuenta tanto las tarifas que se cobran como el porcentaje de habitaciones vendidas, encapsulando así la eficacia de la estrategia de precios y la gestión del inventario de un hotel. El RevPAR puede calcularse para distintos intervalos de tiempo: RevPAR = Ingresos totales de ocupación / Número de habitaciones disponibles si los ingresos se refieren a un día; si se calcula en una base mensual, el número de habitaciones disponibles se obtiene sobre las disponibles durante todo el período, o bien, habría que multiplicar el número medio de habitaciones disponibles cada día por el número de días en que ha estado abierto el hotel en el mes correspondiente a los ingresos. La tarifa media diaria (Average Daily Rate o ADR ) es la tarifa media de todas las tarifas del hotel, e incluso se puede aplicar por segmentos, para tener siempre presente a qué precio se está vendiendo, diferenciando los distintos canales de venta empleados, así como el general del hotel, y se puede calcular como sigue: ADR = Ingresos totales de ocupación / Número de habitaciones ocupadas Ambas magnitudes están relacionadas, pues es RevPAR = ADR x Tasa de Ocupación La tasa de ocupación (OR) es la relación entre el número de habitaciones ocupadas y el número total de habitaciones disponibles en el hotel (generalmente se expresa en porcentaje). De nuevo, si se consideran ingresos en un período de tiempo superior al día, por ejemplo un mes, el número de habitaciones ocupadas serían las agregadas sobre el total del mes. Cabe utilizar otros períodos de tiempo, como un período vacacional, o un fin de semana, que pueda ser de especial interés. 3. DATOS SOBRE LA INDUSTRIA HOTELERA Existen varias fuentes de datos con datos estadísticos del sector hotelero español. Los principales los recoge el Instituto Nacional de Estadística (INE, 2024a), que realiza encuestas periódicas, obteniendo datos mensuales de la industria turística. El Instituto Andaluz de Estadística y Cartografía (IECA, 2024), proporciona información regional más precisa para algunas de las series. El Instituto Nacional de Estadística (en adelante, INE) utiliza varias encuestas mensuales con diferentes temas: los gastos de los turistas (EGATUR), de los residentes en España, de la ocupación hotelera, sobre los precios y varios indicadores de rentabilidad y un índice de precios en los hoteles activos, y otros datos sobre los alquileres de apartamentos. El IECA realiza, entre otras, la encuesta de la situación del turismo en Andalucía, así como del empleo, aunque los datos son trimestrales o anuales (INE, 2024a; IECA, 2024) No se publican datos estadísticos sobre otros tipos de ingresos, lo que proporciona sólo una visión parcial sobre el tema. Si atendemos a los gastos, se dispone de información sobre el coste de los empleados, pero no de otros gastos asociados a los servicios prestados. Por tanto, el análisis de la evolución de estas diferentes cifras es limitado. Sólo se pueden utilizar algunos datos indirectos; por ejemplo, Tapia (2013) aporta algunos datos que pueden servir de referencia, con las correspondientes restricciones sobre su variabilidad: en el TRI Research Stats, de un ingreso diario total de 92,08 €, — 270 — sólo 51,09 corresponden a ingresos ordinarios; por tanto, los ingresos totales son casi un 80,2% superiores a los de las ventas ordinarias. Por supuesto, esta cifra variaría entre los distintos hoteles, pero, en cualquier caso, estas ventas extraordinarias suponen una parte importante de los ingresos totales. El Dr. Tapia fue consultado, como experto en el tema, y actualizó esta información, agregando a esta cifra del 80%, un rango de variación para diferentes tipos de hoteles, pero, como aquí se presentan datos agregados, este exceso de ingresos aumentará. ser mantenido. Además de esto, los costes variables asociados a la prestación de estos servicios forman una parte importante de los costos de estos servicios, y disminuirán casi totalmente cuando estos servicios no se presten. Pereira (2016), comentó varios métodos de previsión de ingresos hoteleros, y, Weatherford y Kimes (2003) presentan una comparación para la previsión de ingresos. Amat y Campa Planas (2011), proponen varios indicadores para incluir en la gestión hotelera: los vinculados al mercado (no dependen directamente de la actividad hotelera), ratios financieros, como en cualquier empresa, y otros indicadores, para controlar cómo está evolucionando la empresa, como algunos propuestos. Ozdemir et al. (2021) tratan el impacto de la pandemia en la industria hotelera estadounidense, pero para 2021, observando una caída de la tasa de ocupación del 74% y del 86% en el RevPAR. Los datos utilizados para la modelización realizada son de naturaleza pública, recogidos de forma sistemática en las bases de datos del Instituto Nacional de Estadística. De las diferentes informaciones estadísticas sobre hostelería y turismo difundidas por el INE (INE, 2024a), hemos utilizado, fundamentalmente, los referentes a los indicadores de rentabilidad del sector hotelero (INE, 2024b), tomando las series de ingresos por habitación disponible (RevPAR) por comunidades autónomas y provincias y teniendo en cuenta las notas metodológicas al respecto (INE, 2024c; INE s.f.) 4. ANÁLISIS DEL REVPAR EN ANDALUCÍA, MELILLA Y CEUTA. COMPARACIÓN CON EL TOTAL DE ESPAÑA El RevPAR es la métrica más utilizada para evaluar la rentabilidad de un establecimiento hotelero. Se plantean diversos modelos temporales para comparar la evolución de esta variable en las ciudades de Ceuta y Melilla, Andalucía y España en su conjunto. Se consideran las series del RevPAR tanto en euros corrientes, como deflactadas con el IPC general. Para representarlas se emplean modelos temporales clásicos: se introduce una tendencia representada en función de la variable t = 1, 2, …, 196, siendo t = 1 en el mes de enero de 2008, y t = 196 en el mes de abril de 2024, siendo este el período analizado. Una forma funcional puede ser la lineal, aunque cabe emplear otras representaciones, e incluso estimaciones que no presupongan una tendencia determinista como, por ejemplo, la siguiente: Tendenciat = α0 + α1t Un ciclo estacional de tipo determinista se representa con el uso de 11 variables artificiales asociadas a cada mes para cada año: xit igual a 1 en el més i-ésimo, igual a -1 en el mes de diciembre, e igual a 0 en los otros 10 meses, Ciclot = β1x1t + β2x2t + … + β11x11t La perturbación aleatoria del modelo, εt, puede estar autocorrelada. Se toman en consideración modelos aditivos de la forma: RevPARt = Tendenciat + Ciclot + εt Para cada una de las regiones consideradas se estimará, usando el método de máxima verosimilitud, el correspondiente modelo, para poder considerar estructuras de autocorrelación, lo que no sería posible con estimaciones mínimo cuadráticas, debido a la falta de datos, así como con datos anormales; en los procesos de estimación se excluyen los dos años en los que los efectos de la — 271 — pandemia se muestran más claros, es decir desde marzo de 2020 a febrero de 2022, y se realizan las predicciones para este período con el modelo asociado, como método de imputación de datos. 4.1 Modelo para España El programa econométrico EViews se usa en la estimación de diversos modelos; el correspondiente a todo el sector hotelero nacional es el siguiente. Para modelos sucesivos se evita presentar listados de salida del programa, y se presentan todos ellos incorporando el cálculo de la estacionalidad en el mes de diciembre. Tabla 1. Estimación del RevPAR de España Dependent Variable: RPESPANA Variable Coefficient Std. Error t-Statistic Prob. c 33.59228 2.565626 13.09321 0.0000 t 0.184255 0.022254 8.279800 0.0000 x1 -12.84556 1.069133 -12.01492 0.0000 x2 -7.150829 0.938198 -7.621876 0.0000 x3 -6.045076 0.762050 -7.932649 0.0000 x4 -3.643743 0.679963 -5.358741 0.0000 x5 -3.630964 0.641094 -5.663695 0.0000 x6 4.372986 0.588158 7.435055 0.0000 x7 15.08806 0.590030 25.57168 0.0000 x8 24.48637 0.652274 37.54002 0.0000 x9 9.497221 0.708262 13.40920 0.0000 x10 -1.274347 0.756107 -1.685405 0.0939 x11 -7.031120 0.844161 -8.329122 0.0000 AR(1) 0.927624 0.025209 36.79685 0.0000 R-squared 0.984021 Mean dependent var 49.28959 Adjusted R-squared 0.982596 S.D. dependent var 16.39512 S.E. of regression 2.162938 Akaike info criterion 4.486747 Sum squared resid 734.4931 Schwarz criterion 4.761237 Log likelihood -370.8602 Hannan-Quinn criter. 4.598115 F-statistic 690.5789 Durbin-Watson stat 1.607081 Prob(F-statistic) 0.000000 Como se puede ver, el grado de ajuste es muy elevado, R2 = 0.984, y tanto la tendencia como el ciclo son significativos, con probabilidades límite, p, muy bajas. En algún punto, el ciclo estacional puede estar próximo a la tendencia, lo que puede originar algún parámetro estacional con probabilidad límite más alta. Así el modelo finalmente estimado, para el sector hotelero español, es decir, el RevPAR de España en euros corrientes es: RevPARt = 33.592 + 0.184255t – 12.846Ene – 7.151Feb – 6.045Mar – 3.644Abr – – 3.631May + 4.371Jun + 15.088Jul + 24.486Ago + 9.497Sep – 1.274Oct – – 7.031Nov – 11.823Dic + et et = 0.9276 et – 1 + at — 272 — siendo la serie final at sin estructura estocástica, es decir, tipo ruido blanco, y la serie et los residuos, que representan la componente aleatoria de la serie, y las variables con el nombre de cada mes, son binarias que toman el valor 1 en el mes correspondiente (cada año) y 0 en el resto. La relación entre estas variables binarias y las xi del modelo se pueden resumir en la expresión siguiente: xi = Mesi – Dic, para i = 1, 2,…, 11. La estacionalidad en el mes de diciembre se obtiene a partir de los 11 coeficientes del ciclo estacional en el modelo, teniendo en cuenta que la suma de los 12 parámetros debe ser nula. En el modelo anterior, el coeficiente de enero, -12.846 indica que el RevPAR correspondiente al mes de enero toma un valor 12.846 € (se ha mantenido la tercera cifra decimal, aunque se podía haber redondeado a 12.85 €) por debajo del valor tendencial en los meses de enero; en el mes de agosto, es de 24.48 € por encima del valor de tendencia. Así se observa que, en los meses de mayor demanda, los precios, y la rentabilidad de los hoteles sube por encima del valor tendencial, y lo opuesto ocurre en los meses de invierno, e incluso en los de primavera (en los que existe un efecto positivo parcial en los días correspondientes a la Semana Santa) y otoño. En el caso de obtener un modelo para los datos deflactados del RevPAR de España, se tiene el modelo: RevPARt = 41.811 + 0.113365t – 13.036Ene – 6.9887Feb – 5.965Mar – 3.950Abr – – 3.996May + 4.157Jun + 15.741Jul + 25.577Ago + 9.953Sep – 1.586Oct – – 7.480Nov – 12.428Nov + et et = 0.9276 et – 1 + at Representando ahora RevPARt la serie con datos mensuales de RevPAR de España deflactada mediante el IPC La metodología va a ser la siguiente: para cada serie se realizarán las predicciones del RevPAR (en euros corrientes), para los dos años de pandemia (2020 y 2021). 30 40 50 60 70 80 90 100 III III IV III III IV I 2020 2021 2022 RPESPANAF ± 2 S.E. Forecast: RPESPANAF Actual: RPESPANA Forecast sample: 2020M03 2022M02 Included observations: 24 Root Mean Squared Error 31.93865 Mean Absolute Error 28.53852 Mean Abs. Percent Error NA Theil Inequality Coefficient 0.333112 Bias Proportion 0.798417 Variance Proportion 0.069489 Covariance Proportion 0.132094 Theil U2 Coefficient NA Symmetric MAPE 76.78369 Figura 7. Predicciones del RevPAR de España para los dos años de pandemia 4.2 Modelo para Andalucía En el caso de Andalucía, obtenemos el siguiente modelo de RevPAR a partir de los datos deflactados con el IPC: RevPARt = 38.244 + 0.107521t – 21.219Ene - 14.757Feb – 10.279Mar – 1.710Abr + — 273 — + 0.268May + 6.486Jun + 2.389Jul + 39.090Ago + 14.61Sep – 0.267Oct – – 15.556Nov – 19.056Dic + et et = 0.887597 et – 1 + at representado ahora RevPARt el RevPAR de Andalucía deflactado con el IPC para cada período mensual Con respecto al modelo obtenido, cabe destacar que la bondad del ajuste (R2) tiene un valor de 0.9856. Los meses de mayo y octubre los valores correspondientes al ciclo estacional no son significativos, lo que no quiere decir que no exista dicho ciclo, sino que los valores de la serie se encuentran en el nivel de la tendencia, por lo que se mantienen las variables x5 y x10 en el modelo. La estacionalidad para el mes de diciembre es -19.06 €, obtenida, como se señalaba anteriormente, teniendo en cuenta que la suma de los 12 parámetros estacionales del modelo debe ser nula. Al tratarse de una serie deflactada, los valores se consideran en euros constantes. En la siguiente figura se refleja la proyección de los valores de RevPAR de Andalucía en términos nominales, es decir, en euros corrientes (Figura 8) 20 30 40 50 60 70 80 90 100 110 III III IV III III IV I 2020 2021 2022 RPANDALUCIF ± 2 S.E. Forecast: RPANDALUCIF Actual: RPANDALUCIA Forecast sample: 2020M03 2022M02 Included observations: 24 Root Mean Squared Error 30.36301 Mean Absolute Error 25.28609 Mean Abs. Percent Error NA Theil Inequality Coefficient 0.315744 Bias Proportion 0.673627 Variance Proportion 0.054807 Covariance Proportion 0.271566 Theil U2 Coefficient NA Symmetric MAPE 76.11816 Figura 8. Predicciones de RevPAR de Andalucía (euros constantes) 4.3 Modelo para Melilla En el caso de la ciudad autónoma de Melilla, el modelo de RevPAR que se plantea a partir de los datos deflactados con el IPC, es el que sigue: RevPARt = 40.645 + 0.015308t – 11.182Ene – 4.351Feb – 2.255Mar – 0.542Abr - – 0.750May + 5.450Jun + 1.643Jul + 9.464Ago + 6.459Sep – 0.769Oct + + 0.591Nov – 5.295Dic+ et et = 0.425279 et – 1 + at El modelo estimado es menos preciso que los anteriores, pues el comportamiento es más irregular. Prácticamente no se detecta tendencia (no significativa), y la estacionalidad es menos marcada, de modo que en marzo, abril, mayo, julio, octubre y noviembre, no se detecta. En diciembre es -5.30 €, y todavía menor en enero, -11.18 €, posiblemente asociada a la peculiar composición de la población melillense, que en el período navideño disminuye la demanda de plazas hoteleras. En los meses de verano es cuando se aprecia un incremento de la demanda hotelera, lo que puede inducir a programar actividades como la realización de congresos o eventos fuera de estos períodos, para incentivar la desestacionalización del turismo entrante. — 274 — Las predicciones de RevPAR (euros corrientes) realizadas con el modelo se muestran a continuación (Figura 9) 10 20 30 40 50 60 70 III III IV III III IV I 2020 2021 2022 RPMELILLAF ± 2 S.E. Forecast: RPMELILLAF Actual: RPMELILLA Forecast sample: 2020M03 2022M02 Included observations: 24 Root Mean Squared Error 18.29111 Mean Absolute Error 16.45144 Mean Abs. Percent Error NA Theil Inequality Coefficient 0.258888 Bias Proportion 0.808961 Variance Proportion 0.052250 Covariance Proportion 0.138788 Theil U2 Coefficient 2.274290 Symmetric MAPE 52.76919 Figura 9. Predicción del RevPAR de Melilla 4.4 Modelos para Ceuta En el caso de la ciudad autónoma de Ceuta, el modelo de RevPAR que se plantea a partir de los datos deflactados con el IPC, es el que sigue: RevPARt = 47.745 – 0.069086t – 4.544Ene – 3.691Feb – 3.923Mar – 0.419Abr – – 0.719May + 3.988Jun + 7.402Jul + 12.098Ago + 1.496Sep – 3.571Oct – – 1.134Nov – 6.982Dic + et et = 0.605807et – 1 + at Al analizar el modelo, se observan diferencias con respecto al de Melilla, siendo este modelo más preciso, lo que muestra mayor regularidad. La tendencia ligeramente a la baja en Ceuta (prácticamente inexistente —estancada—, en Melilla), y la estacionalidad más marcada, aunque al nivel tendencial en abril, mayo, septiembre y noviembre; en diciembre es de 6.98 € por debajo de la tendencia. 5. PREDICCIONES DEL REVPAR DURANTE LA PANDEMIA Durante la pandemia del COVID-19 se produce una enorme caída en los indicadores de rentabilidad hotelera. A continuación, se muestra una comparativa de las diferentes predicciones de RevPAR para las cuatro regiones (España, Andalucía Ceuta y Melilla). Los valores previstos son, lógicamente, por encima de los reales, que cayeron ostensiblemente, y vienen expresados en euros corrientes (¡Error! N o se encuentra el origen de la referencia.)