Modelação e previsão da procura turística em Moçambique: um estudo comparativo entre os modelos de redes neuronais artificiais e regressão linear múltipla
Conference Paper
Overview
Research
View All
Overview
abstract
O principal objetivo do presente trabalho assenta num estudo comparativo entre
o modelo de Regressão Linear Múltipla e de Redes Neuronais Artificiais, para prever
a procura turística em Moçambique. Utilizou-se para tal o número de dormidas
mensais registadas nos estabelecimentos hoteleiros, para o período de Janeiro de
2004 a Dezembro de 2013. Para tal, foram selecionadas as variáveis explicativas: índice
Harmonizado de Preços ao Consumidor, Produto Interno Bruto e Taxa de Câmbio para
os principais mercados emissores: África Sul, Estados Unidos da América, Moçambique,
Portugal e Reino Unido.
O principal objetivo do presente trabalho assenta num estudo comparativo entre o modelo de Regressão Linear Múltipla e de Redes Neuronais Artificiais, para prever a procura turística em Moçambique. Utilizou-se para tal o número de dormidas mensais registadas nos estabelecimentos hoteleiros, para o período de Janeiro de 2004 a Dezembro de 2013. Para tal, foram selecionadas as variáveis explicativas: Índice Harmonizado de Preços ao Consumidor, Produto Interno Bruto e Taxa de Câmbio para os principais mercados emissores: África Sul, Estados Unidos da América, Moçambique, Portugal e Reino Unido. A partir dos resultados obtidos pôde-se observar que o modelo de Redes Neuronais Artificias produziu melhores resultados, ou seja, apresentou uma qualidade estatística de ajuste bastante satisfatória. Assim, o mesmo permitiu efetuar previsões para a procura turística em Moçambique, apresentando um coeficiente de correlação de Pearson de 0,696 e um erro percentual absoluto médio de 6,5%.
The main objective of this study is based on a comparative study of the model of Multiple Linear Regression and Artificial Neural Networks to predict the demand for tourism in Mozambique. We used for that the number of registered monthly overnight stays in hotels within the period from January 2004 to December 2013. Aiming to reach that end, the explanatory variables were selected: Harmonized Index of Consumer Prices, GDP and exchange rates for the main markets: South Africa, United States of America, Mozambique, Portugal and the UK. From the results it was observed that the artificial neural networks model produced better results, ie presented a statistical quality quite satisfactory adjustment. Thus, it allowed make forecasts for tourism demand in Mozambique, with a Pearson correlation coefficient of 0,696 and a mean absolute percentage error of 6.5%.
