CASOS Y ACTIVIDADES

MÉTODOS DE
INVESTIGACIÓN
CUANTITATIVOS PARA
PLANIFICACIÓN Y GESTIÓN
DE DESTINOS TURÍSTICOS

Antonio Fernández Morales

Departamento de Economía Aplicada (Estadística y
Econometría), Universidad de Málaga
Instituto Andaluz de Investigación e Innovación en
Turismo IATUR

ANTONIO FERNÁNDEZ MORALES

MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
1 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
CASO 1

What would you sacrifice for the ‘gram? POBLACIÓN:

Developing and testing the Social Media (USA)
Sacrifice Scale (SMSS)
“As people seek to manicure their online
presence within the current
“technomeritocracy,” there is a need to
understand what sacrifices people will
make to curate social media worthy travel
experiences. Hence, the Social Media
Sacrifice Scale was developed from the
literature on identity theory and
compensatory purchasing behavior to
conceptualize and measure these
sacrifices. The scale was purified using EFA
(and validated using CFA.”

“The sample of 503 social media using

travelers
PROFILE:
Respondents were split evenly between
female (49.6%) and male, with roughly
85% of respondents iden- tifying as
Caucasian, followed by African
American (8%), Hispanic/Latino (4%)
and Asian (2%). Respondent ages
ranged from 18 to 90 years old with an
average age of 53. Nearly half (49%) of
the sample held a bachelor’s degree or
higher with another 30% having some
level of secondary education.”

Zachary A. Russell & B. Bynum Boley (2024) What would you sacrifice for the ‘gram?
Developing and testing the Social Media Sacrifice Scale (SMSS), Journal of Travel &
Tourism Marketing, 41:5, 689-704, DOI: 10.1080/10548408.2024.2332274
ANTONIO FERNÁNDEZ MORALES
MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
2 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
CASO 2

Untangling the smart tourism POBLACIÓN:

(China)
technostress enigma: assessing the
effects of smart technology-related
stressors on smart tourism avoidance
behaviors in senior tourists
“This study employs the Stressor-Strain-
Outcome theory and investigates the
influence of senior tourist’s technostress,
travel stains, and their avoidance behaviors
towards smart tourism technologies (STTs).
Results indicated that four distinct types of
smart tourism technostressors have
significant impacts on the smart tourism
avoidance behaviors of senior tourists, and
these direct relationships were mediated by
travel anxiety, travel fatigue, and travel
technophobia. Furthermore, Smart device
literacy moderates the construction of smart
tourism avoidance behavior. “
“After the elimination of invalid surveys, such
as incompletion and failure to check
questions, 458 valid surveys were resulted
and analyzed in subsequent analysis.“

SAMPLE PROFILE
Variable %
Gender Male 54.59
Female 45.41
Marital status Unmarried 60.48
Married 39.52
Age 60-69 47.16
70-79 32.97
80 and above 19.87
Level of education Junior high school or below 36.46
High school 22.49
College or university 22.05
Graduate school or above 87 19.00

X. Chen, S. X., Zhang, Y. & Tse, S. W. T. (2024) Untangling the smart tourism
technostress enigma: assessing the effects of smart technology-related stressors on
smart tourism avoidance behaviors in senior tourists. Journal of Travel & Tourism
Marketing, 41:9, 1161-1176, DOI: 10.1080/10548408.2024.2404839
ANTONIO FERNÁNDEZ MORALES
MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
3 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
CASO 3

Use of E-marketing tools as

communication management in the
POBLACIÓN:
tourism industry (Lituania)
“The aim of this research is to define the
potential improvements of the e-marketing
within the tourism industry through the
characterization of the importance of tourism
innovation, evaluation of the key e-marketing
communication tool preferences from the
point of view of the Lithuanian tourism users.
Local tourism has not been receiving
sufficient attention lately, which subsequently
has been affecting the competitiveness of
the tourism sector. Meaning, enhanced
competition would not only encourage
foreign tourists to visit Lithuania, but it would
also inspire more Lithuanians to travel within
the country whilst simultaneously
contributing to the regional economic
development.”

“The simple random sample

methodology was used. Data were
collected from June to August 2018 by
means of a face-to-face structured
Actividad EXCEL questionnaire administrated by the
employees of tourism information
centres in Vilnius, Kaunas, Klaipeda to
Calcular el tamaño mínimo de la the tourists randomly selected in the
muestra aleatoria simple necesario tourist centre.“
para obtener una estimación del
“322 thousand local tourists visited
porcentaje de turistas locales que
Lithuanian tourism information centres
prefiere informarse on-line a hacerlo that year.”
en la oficina de turismo física con un
error máximo de +- 5%. ”The sample size was 384 local tourists
n = ___________ in Lithuania with the probability of 95%.”

Labanauskaitė, D., Fiore, M., Stašys, R. (2020). Use of E-marketing tools as communication
management in the tourism industry. Tourism Management Perspectives, 34,
https://doi.org/10.1016/j.tmp.2020.100652. ANTONIO FERNÁNDEZ MORALES
MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
4 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
Actividades 1 y 2

Actividad 1

Calcular el tamaño muestral necesario para realizar una estimación con un

grado de error poco exigente de +-9%. ¿Cuánto debe aumentar el tamaño
muestral si se desea acortar el error y como máximo se desea +-8,5%?

e=+-9,0% n= _____
e=+-8,5% n= _____ incremento = _______

Actividad 2

Calcular el tamaño muestral necesario para realizar una estimación con un

grado de error exigente de +-2%. ¿Cuánto debe aumentar el tamaño muestral
si se desea acortar el error y como máximo se desea +-1,5%?

e=+-2,0% n= _____
e=+-1,5% n= _____ incremento = _______

Calculador gráfico interactivo online

https://workingwithsamplesizes.on.drv.tw/SIZES/

ANTONIO FERNÁNDEZ MORALES

MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
5 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
 LFOM 1

TFM: Evaluación del impacto del turismo en XXXXX.

“Este estudio forma parte de una investigación realizada en 2022 entre amigos, familiares
y una muestra de individuos de la región de XXXXX. Su objetivo es explorar la
información sobre el impacto del potencial turístico de la región.”

FICHA TÉCNICA:
Método de recogida Por otro
Encuesta lado, se puedeen
o cuestionario observar
Googlesi todos
Formslosyencuestados
llamadas porque han ido de viaje por
de información teléfMerzouga,
ono. se pusieron en contacto con la población local. Asi y como podemos ver
en el (Grafico 9), que casi todos los encuestados han estado en contacto 88,9% con
Ámbito de estudio El impacto del turismo en XXXXXX
si y 11,1% con no.
Tamaño de la muestra 35 encuestados.
Tipo de la muestra La población local de XXXXXX, amigos, familiares.
Cuestionario estructurado con preguntas cerradas y algunas
Cuestionario
abiertas. Por otro lado, se puede observar si todos los encuestados qu
Fecha de trabajo de Merzouga, se pusieron en contacto con la población local. Asi
En cuantocampo Julio 2022
al tramo de edad de los encuestados y como en se ve en el 9),
el (Grafico (Grafico 2),todos los encuestados han estado en
que casi
enemos el rango de edad entre 18 y 25 años con 43,3%, entre 26 y 30
si y 11,1% conaños
no. siendo
stos un 23,3%, , el segmento La
RESULTADOS: entre 31 y 40de
mayoría años con 20%
la gente quey ha
el ultimo rangoacontiene
respondido la encuesta son estudiantes
3,3%. jóvenes internacionales y los ciudadanos del país XXXXX. El objetivo de la encuesta es la
recogida de la opinión del publico acerca del tema de nuestro trabajo para poder
investigar las características de la población.

Y en la penúltima pregunta, las personas que han podido disfrutar del turismo en
Merzouga evaluaron su experiencia. Se puede observar que tenemos (20 pax) que
ha seleccionado “Genial” con un equivalente de 66,7%. Muy buena, quiero repetirla
(5 pax) con un 16,7%,. “No sé” también (5 pax) la han elegido 16,7%. “No la hice,
pero me gustaría” fue votada por una persona 3,3% y por ultimo tenemos “Buena,
Pasable, “No me gusta nada” con 0. (Grafico 10)

Y en la penúltima pregunta, las personas que han podido dis

Merzouga evaluaron su experiencia. Se puede observar que t
ha seleccionado “Genial” con un equivalente de 66,7%. Muy b
(5 pax) con un 16,7%,. “No sé” también (5 pax) la han elegid
pero me gustaría” fue votada por una persona 3,3% y por ult
Por otro lado, respecto al país de origen de los encuestados que podremos
Pasable, “No me gusta nada” con 0. (Grafico 10)
bservar en el siguiente (Grafico 3), una gran mayoría (17 pax) de nacionalidad
marroquí con 56,7%¨, los españoles (5 pax) con 16,6%. Francia, Bélgica, China, Cuba
Ecuador cada país contiene (1 pax) con 3,3%, lo cual nos indica un total de (5pax)
on 16,5% y por ultimo, tenemos (3 pax) de Italia con un porcentaje de 10%.
CONCLUSIONES: Como conclusión de este trabajo, podemos destacar la importancia del
turismo de XXXXXX que se dirige a todo tipo de clientes, especialmente al intervalo de
edad entre 18 y 25 años. Y en la ultima pregunta en el (Grafico 11), que trata el punto principal de nuestro
proyecto que es el impacto del turismo en Sahara marroquí. Y contiene varios
comentarios.
39 ANTONIO FERNÁNDEZ MORALES
MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
6 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
LFOM 1

Discutir en grupo las siguientes cuestiones:

1. ¿Cuál es la población objetivo correcta para este estudio?

2. ¿Consideras adecuado el tamaño muestral seleccionado?

3. ¿Detectas algún tipo de sesgo en el estudio?

ANTONIO FERNÁNDEZ MORALES

MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
7 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
LFOM 2

TFM: Análisis de la proyección de la imagen del destino turístico XXXXXX

Imagen que sostiene al destino turístico en

XXXXXX.
“Visitar XXXXXX puede ser una experiencia
N= Tamaño de la población (25.244 hab) (INEC) fenomenal,Nivel de posee
ya que, Z alfa.una flora y fauna
E= error de las muestra (5%) 0,0025 únicas en confianza
el planeta.
XXXXXX atrae alrededor de 150.000 turistas al
P= Proporción de éxito (0.50) año. 99% 2.58

Q= Proporción de fracaso (0.50) Con base lo manifestado por los datos del censo
97% cuenta
2015, XXXXXX 2.25
con 25.244 habitantes. “
Z= Valor de confianza (95%) 1.96
95% 1.96

93% 1.85
Tamaño de la muestra n= 378,42
Se redondea a 378 personas encuestadas.

“… encuestas realizadas a visitantes y

futuros turistas extranjeros y nacionales de
XXXXXXX.” “Perfil de la muestra: Nacionalidad.
Datos relevantes de las encuestas.
De 378 encuestados, el 43% es de
“Este trabajo consistió́ en encuestas nacionalidad XXXXXX, quedando en
digitales mediante un banco deTabla
10 17. Preguntas y análisis
segundo lugar los procedentes de otros
de encuesta.
preguntas cerradas, tipo test en enero de destinos con el 33% y el 24% de la totalidad
2023 a través de google forms.” corresponde a la población española.”
Pregunta Análisis

1. Indique su género. De los 378 encuestados el 63% es de género femenino el

35% de género masculino el 2% prefiere no indicar su
ORIGEN DE LOS VISITANTES 2019
género.

2. ¿Cuál es su grupo de edad? El rango de edad de mayor porcentaje en esta encuesta es

de 25 a 35 años con 47%, seguido por los de 15 a 25 años
33% con un 27%, quedando en tercer lugar con el 23% los de
29%
35 a 45 años, se estima que la población mas joven busca
destinos de naturaleza ya que muchos de estos requieren
5% 5% 4%
de tener buena condición física para
3% realizar
2% diferentes
2% 2% 1%
clases de deportes.
XXX
X
3.Indique su Nacionalidad. De 378 encuestado abarco el 43% la población de
XX
nacionalidad ecuatoriana, quedando en segundo lugar los
7
procedentes de otros destinos con el 33% 5y el 24% de la
Fuente:
Fuente: Observatorio
Elaboración propia a partir de
totalidad de laTurismo
corresponde Dirección dede
UsoXXXXX
a la población Público de la Dirección del Parque Nacional Galápagos y el
española.
Observatorio de Turismo de Galápagos (2019).

4. Antes de leer la introducción Se obtuvo el resultado del 78% de los encuestados que ya
de esta encuesta. ¿Conocía el tenían conocimiento acerca del concepto de turismo
sostenible y a pesar de que 22% de los encuestados
Gráfico 9. Turistas que arribaron a las Islas Galápagos en el 2021.

53 ANTONIO FERNÁNDEZ MORALES

MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
8 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
Llegadas 2021
LFOM 2

Discutir en grupo las siguientes cuestiones:

1. Identifique la población objetivo correcta para este estudio y su tamaño

2. ¿Consideras adecuada la fórmula utilizada para calcular el tamaño de la muestra?

3. ¿Detectas algún tipo de sesgo en el estudio?

ANTONIO FERNÁNDEZ MORALES

MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
9 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
 pancy rate of Ryokan at less than 0.01 p-valu
CASO 4 Regresión
Table 1
Results of Hotel
Var. Dep. random effect Model
occupancy rate estimation (depen

Variables (1) (2)

Impact of Airbnb on the hotel industry
Whole Hotel City
in Japan
“The main aim of this paper is to find out Airbnb Listings 0.00 (0.89) −0.
whether the occupancy rate of the hotels Exchange Rate 0.022*** (0.00) 1.9
would increase or decrease with the number Tourist Number 0.001*** (0.00) 0.0
of listings in Airbnb in Japan. It employs a Expenditure −0.005** (0.01) −0.
panel data gathered from annual Airbnb’s GDP 0.002*** (0.00) 0.0
listings and hotel occupancy rates, covering Natural Disaster −0.021*** (0.00) −3.
all 47 prefectures in Japan and 5 Visa −0.039*** (0.00) −0.
accommodation types for 7 years. The Constant 0.295*** (0.00) 46.
findings indicate that the number of Airbnb
listings did not have a statistically significant Note:
Note:Standard
Standard errors are in
errors are inparentheses,
parentheses,***,***, **,
impact on the overall hotel occupancy rates.” All
**, columns report
* represents the results
significance at pof<random
0.01, p <effect mo
0.05, p < 0.1 respectively.

1. ¿Cuáles de las siguientes son preguntas de investigación de este estudio?

O Cómo afecta la expansión de Airbnb a la ocupación de los hoteles existentes en Japón
O Cómo afecta el grado de ocupación hotelera a la entrada de Airbnbn en Japón
O ¿Hay diferencia de impacto en la tasa de ocupación dependiendo del tipo de hotel?
O Cómo afecta el gasto turístico por persona a la expansión de Airbnb en Japón

2. La técnica estadística utilizada (regresión) es de

O Dependencia O Interdependencia

3. La variable dependiente es
O Cuantitativa O Cualitativa

4. ¿Cuántas variables independientes tiene el modelo? _______

5. ¿Es significativo el efecto del número de anuncios en Airbnb sobre la tasa de

ocupación hotelera?

Impact of Airbnb on the hotel industry in Japan

Satoka Nakamuraa, Angathevar Baskarana,b,c, Sonia Kumari Selvarajana,
Journal of Destination Marketing & Management 31 (2024)
100841https://doi.org/10.1016/j.jdmm.2023.100841
ANTONIO FERNÁNDEZ MORALES
MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
10 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS
 Caso 2 SEM
JOURNAL OF TRAVEL & TOURISM MARKETING

Figure 1. Results of path analysis.

1. ¿Cuáles de las siguientes son hipótesis de este estudio?

Table 6. Estimating results of indirect paths.
O La tecno-complejidad del smart tourism afecta 95% positivamente la ansiedad de viaje
confidence intervals
O La tecno-complejidad
Indirect paths del smart tourism
Indirect effect afecta positivamente
Lower bound la tecnofobia
Upper bound de viajeResults
O La familiaridad con los dispositivos
STTC–>TA–>STAB 0.14**** tiene efecto moderador en el0.17
0.03 impacto de laH6a
tecnofobia
supported de
viaje sobre el comportamiento
STTC–>TF–>STAB 0.19* negativo frente0.17
el Smart tourism 0.28 H7a supported
STTC–>TTP–>STAB 0.07** −0.07 0.06 H8a supported
O La tecnofobia de viajes afecta
STTI–>TA–>STAB 0.22*
positivamente a0.05
la tecno-complejidad
0.15
del smart H6b
tourism
supported
STTI–>TF–>STAB 0.09** 0.06 0.21 H7b supported
2. La técnica estadística utilizada
STTI–>TTP–>STAB 0.27** (SEM) es de
0.14 0.29 H8b supported
STTO–>TA–>STAB 0.03*** −0.11 0.16 H6c supported
O Dependencia
STTO–>TF–>STAB O Interdependencia
0.36* 0.02 0.17 H7c supported
STTO–>TTP–>STAB 0.05** 0.04 0.22 H8c supported
STTU–>TA–>STAB 0.33*** 0.17 0.27 H6d supported
3. La variable tecnofobia
STTU–>TF–>STAB de0.25*
viaje −0.13 0.09 H7d supported
STTU–>TTP–>STAB
O Cuantitativa 0.16**
O Cualitativa 0.08 0.19 H8d supported
*p < 0.05; **p < 0.01; ***p < 0.001.

4. ¿Cuántas variables independientes tiene la ecuación del modelo estructural que

explica la tecnofobia de viaje? _______
a deeper understanding of how STT-induced stressors antecedents of travel anxiety (TA), technology fatig
influence senior tourists. Overall, this study addresses (TF), and travel technophobia (TTP). Specifically, th
5. ¿Es significativo el efecto de la sobrecarga tecnológica del smart tourism, sobre la
the need to recognize the negative aspects of STT- findings are consistent with Nimrod’s (2018) and Ch
tecnofobia de viaje?
induced technostress and emphasizes the importance et al.’s (2020) conclusion that older adults may exp
of meeting senior tourists’ needs and desires. ence negative emotions (e.g. anxiety and technop
First, our findings empirically extended the four bia) due to the complexity, uncertainty, and lack
ANTONIO FERNÁNDEZ MORALES
types of technostressors to the smart tourism technol- human interaction associated with information te
MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
ogy context: STTC, STTI, STTO, and STTU. These find-
11 nologies. Our results also align withTURÍSTICOS
PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS Loureiro’s et
ings echo those of previous studies connecting (2020) assertion that seniors may feel fatigued wh
 1612 Journal of Travel Research 63(7)
Caso 5 Cluster analysis
2011 to 2012 season to 9.5 thousand in the following season Table 1. Descriptive Statistics (2019).
subsequently, gradually recovering to the level of 2008 to
Variable Mean Std. dev. Min Max
2009. In 2020, the COVID-19 crisis led to the program being
Is Social
cancelledTourism a Vector
for the 2020/2021 season for
by decree of the Spanish EMP 5.64 7.79 0.11 34.99
Government. Consequently,
Destination Resilience to External 372,495 trips were cancelled ERV 46.08 29.87 7.41 95.87
(Imserso, 2020). Alongside the pandemic recovery in the ORV 39.85 16.44 14.03 73.82
Shocks?
program Evidence
was reactivatedFrom Spain
for the 2021 to 2022 season, offer- ORM 82.48 6.66 60.32 92.75
“Social tourism
ing 816,029 is an
places effective
of which stimulus
673,926 to
were in destinations on HRV 35.93 27.01 2.38 92.98
the peninsular and Island coasts
destination economies and ameliorates (Imserso, 2021b). BPA 275.32 193.60 39.37 700.59
IMH 3.28 6.27 0 32
some negative effects of seasonality, but IMR 5.41 8.97 0 39.58
thereRegional
is littleand Local Dynamics
evidence on its contributions to SND 37.84 25.76 2.69 90.30
greater
Imserso trips take place in six We
destination resilience. Spanishestablish
coastal aregions: STD 44.14 24.53 5.49 90.86
conceptual
Andalucía,link between
Murcia, seasonality
Comunidad Valenciana and and Cataluña, GN 0.22 0.14 0.03 0.50
located through
in the peninsular Mediterranean coastal, and Islas GND 0.27 0.12 0.05 0.49
resilience a holistic multivariate GNI 0.22 0.14 0.03 0.54
Baleares and Islas Canarias which
analysis of supply, demand and employment are island regions. A first
GT 0.19 0.13 0.03 0.43
analysis of all the coastal puntos turísticos in these regions
patterns. GTD 0.22 0.11 0.06 0.41
revealsAn an empirical study examines
important heterogeneity in general, even within
resilience longitudinally using municipal-level GTI 0.21 0.13 0.03 0.51
regions. Table 1 shows descriptive statistics of the indicators
data,inapplying multivariate
2019. Additionally, motivatedanalysis and in the poten-
by an interest Note. N = 46.
innovative visualization techniques, andresilience, we
tial for Imserso to contribute to destination
initiallyhow,
assesses mapped changes
where andin the
to statistics
what degree for these variables
in 2008 in addition to 2019, and found only minimal differ- where the hospitality sector plays a key role in the local
the Imserso social
ences, therefore wetourism
focus onlyprogram
on the 2019has data here. Cluster
economy analysis
through (AI Self-Organizing
its importance in employment, suchMap)as
contributed to the greater resilience
The distribution of hotels participating in ofthe Imserso pro- Sant LLorenç (35%), Pájara (24%), Yaiza (21%), or
C5
Spanish
gram isdestinations.”
not uniform across all the destinations in each region. Capdepera (21%). All of these have resident populations
Maps in Figure 1 shows their distribution in 2008 and 2019. below 60,000, some even below 10,000 (Sant Llorenç). It is
S.Llorenc
Capdepera
Nijar
Mojacar

Indeed, up until this point it has been difficult to understand in these destinations where Imserso trips can contribute sig-
Peniscola

1. La the
técnica
impact ofestadística utilizadasuch as(cluster
Gandia
social tourism programs this at the localC6 nificantly to maintaining employment in the low season, C3
Roquetas

level. The figures suggest a notable level of concentration of alleviating the vulnerability derived of the combined effects
Salou

analysis) es de
Cambrils Tarifa Cartagena
Calvia Denia

participating hotels, slightly higher in 2019 than in 2008. On of a high seasonal demand with a high intensity and depen-
O the
Dependencia
one hand, for 2019,O57% Interdependencia
Lloret

of the destinations have no par- dence of the tourism activity (Batista E Silva et al., 2018).
Seasonality also shows a very important degree of variation
Almeria
ticipating hotels, while 50% of the participating hotels are Palma P.S.Maria

2. ¿Cuántas
located in a variables sedestinations
small fraction of ha utilizado
(9%): for example, across the puntos turísticos, a more detailed analysis of the
Torremolinos Estepona Tarragona

para realizar la clasificación? and Salou. The

Benidorm, Puerto de la Cruz, Lloret de Mar seasonality indicators follows (section 4.4).
Benalmadena
Sitges

first two account for 34% of the participating Imserso hotels Marbella

_________
in our sample. Castellon

Multivariate Analysis of the Puntos Turísticos

Cadiz

The hotel sector also shows important differences between

3. Laspuntos
variables
turísticos utilizadas
within regions.sonWe identified destinations The previous analysis depicts a complex set of indicators
Fuengirola
Nerja Alicante Elche

O with
Cuantitativas O Cualitativas
Algeciras

an average number of bed-places by hotel (BPA) below with a notable degree of heterogeneity which can be studied
Benidorm Mogan
Valencia Palmas GC
Pajara

100 and others above 500 in three regions, Andalucía, using multivariate techniques to obtain more complete and
S.Bartolome
Arona Malaga
Torrevieja

4. ¿Cuántos
Cataluña and clusters tiena
Islas Canarias. Similar findings are obtainedC2
la solución more useful results for analysis. In a first step, by means of a C1
P.delaCruz
Tias

for the market composition. The domestic overnights share hierarchical cluster analysis, we develop a natural grouping
representada en el SOM?______
Adeje
Yaiza Teguise Barcelona S.C.Tenerife

(SND) ranges from 20% to 81% in Andalusian destinations, of the puntos turísticos.
C4 This was performed with the 2008
34% to 90% in Comunidad Valenciana and 7% to 59% in and 2019 dataset and suggests that a six-group solution could
Islas Canarias. These differences can have an important represent the destinations, supported by the Calinski-Harabsz
effect over the resilience of each destination, recent studies criterion and the Duda/Hart statistic.
have pointed out that a focus on domestic markets should Regarding seasonality, clusters 5 and 6 represent destina-
result in higher resilience (J.Duro et al., 2022; Falk et al., tions with higher seasonal concentration indexes. In both
2022b). clusters most destinations have hotels with Imserso supply.
The importance of employment in the hotel sector, mea- Destinations in cluster 6 show very high employment in
sured by its percentage in relation to the total resident popu- hotels per capita (EMP) ratios (with an average of 13.9%),
lation (EMP), shows a general range from 0.1% to 35%, with while this ratio is moderate in cluster 5 destinations (an aver-
large differences in regions including Islas Canarias (0.2%– age of 4.1%). Moreover, cluster 5 shows the highest domes-
23.8%) or Baleares (1.4%–35.0%). But there are destinations tic demand share (an average of 67.5% SND) and high Gini

Fernández-Morales, A., McCabe, S., & Cisneros-Martínez, J. D. (2024). Is Social Tourism

a Vector for Destination Resilience to External Shocks? Evidence From Spain. Journal of
Travel Research, 63(7), 1606-1625. https://doi.org/10.1177/00472875231200493
ANTONIO FERNÁNDEZ MORALES
MÉTODOS DE INVESTIGACIÓN CUANTITATIVOS
12 PARA PLANIFICACIÓN Y GESTIÓN DE DESTINOS TURÍSTICOS