Atıf Sayısı
3
Görüntüleme
11
İndirme
3
Turizmde turist sayısı odaklı talep tahmini çalışmaları, sosyal bilimlerin iktisat, finans ve turizm literatüründe detaylı incelenen konular arasında gelmektedir. Bu çalışmada AB ülkeleri içerisinde Akdeniz Bölgesi'nde önemli destinasyon merkezlerine sahip Türkiye’yi konaklama amacıyla en çok tercih eden Alman turist sayısı tahmin edilmeye çalışılmıştır. Çalışmada geleneksel bir yöntem olan çoklu doğrusal regresyon yöntemi ile önemli öğrenme tekniklerinden olan yapay sinir ağı ve destek vektör regresyonu teknikleri kullanılarak bu üç yöntemle oluşturulan modellerin tahmin gücü karşılaştırılmıştır. Araştırmada turist talebinde bulunan Almanya’nın literatürde de kullanılan makro ekonomik ve nüfus bilgileri bağımsız değişkenler olarak kullanılmıştır. 1998-2019 dönemini kapsayan bu araştırmada diğer tekniklere göre yapay sinir ağı tekniği ile kullanılan tahmin modelinin en yüksek tahmin gücüne sahip olduğu sonucuna ulaşılmıştır. Bu yöntemi tahmin gücü açısından sırasıyla çoklu doğrusal regresyon ve destek vektör regresyonu teknikleri ile kullanılarak yapılan tahmin modelleri izlemektedir.
The number of tourists in tourism is one of the topics that are studied in detail in the economics, finance and tourism literature of social sciences. In this study, the EU countries have tried to estimate the number of most preferred German tourists for the purpose of staying in Turkey with important destinations in the Mediterranean region. The study compared the predictive power of the models created by these three methods, using the artificial nerve network and support vector regression techniques, which are key learning techniques with the multi-linear regression method, which is a traditional method. Makroeconomic and population information used in the literature of Germany, which is in tourist demand in the study, was used as independent variables. This study, covering the period 1998-2019, concluded that the predictive model used by artificial nerve network technology, according to other techniques, has the highest predictive power. This method follows predictive power models made using multiple linear regression and support vector regression techniques respectively.
Demand forecasting studies focused on the number of tourists in tourism are among the topics that are examined in detail in the economics, finance, and tourism literature of social sciences. In this study, it has been tried to estimate the number of German tourists among EU countries, who prefer one of the most important destination centers in the Mediterranean Region, Turkey for accommodation purposes. In the study, the predictive power of the models created by these three methods using multiple linear regression method and artificial neural network and support vector regression techniques, which are important learning techniques, were compared. Macroeconomic indicators and population, which are widely used in the literature, were used as independent variables in determining the German tourist demand. In this study covering the period of 1998-2019, it was concluded that the prediction model used with the artificial neural network technique has the highest predictive accuracy compared to other techniques. This method is followed by prediction models using multiple linear regression and support vector regression techniques, respectively.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
