FORECASTING INBOUND TOURISM FLOW TO TÜRKİYE: BVAR APPROACH

Yıl 2023, Cilt: 7 Sayı: 2, 318 - 336, 31.12.2023

Kadir Karagöz

https://doi.org/10.46452/baksoder.1396835

Öz

The tourism sector is a significant revenue and growth source for Türkiye’s economy due to its foreign exchange provision and employment creation capacity and its connections with other sectors. Because of its increasing share and the potential it promises, it is expected that the sector will gain further importance in the following years. However, the growth potential depends on many factors, which are internal and external, as well as economic and social. Recognizing these factors as given, it is important to obtain realistic tourism demand forecasts for both the intra-sector players and political decision-makers. In this study, such a forecasting practice has been attempted. To this end, by using the Bayesian VAR method, forecasts obtained for the 2016–2023 period for the five most tourist sending countries to Türkiye and evaluation of the forecast success has been made depending on various criteria. Forecasts reveal that it is difficult to reach the government’s target of 60 million tourists in 2023. However, it is important not to ignore the impact of the COVID-19 pandemic, whose devastating impact has not yet been fully compensated, and the loss of purchasing power experienced all over the world.

Anahtar Kelimeler

Inbound Tourism, forecasting, Türkiye, Bayesian VAR.

TÜRKİYE’YE YÖNELİK TURİZM AKIMININ ÖNTAHMİNİ: BVAR YAKLAŞIMI

Öz

Turizm sektörü, sağladığı döviz geliri, yarattığı istihdam ve diğer sektörlerle olan bağlantıları ile Türkiye ekonomisi için önemli bir gelir ve büyüme kaynağıdır. Zaman içinde artan payı ve vaat ettiği potansiyel ile sektörün öneminin gelecek yıllarda daha da artması beklenmektedir. Ancak bu büyüme potansiyeli içsel ve dışsal, ekonomik ve sosyal birçok faktörle bağlantılıdır. Bu faktörleri veri kabul ederek geleceğe dönük gerçekçi turizm talep tahminlerinin elde edilmesi hem sektör içindeki oyuncular hem de politik karar alıcılar açısından önem arz etmektedir. Bu çalışmada, bu tür bir öntahmin denemesine girişilmektedir. Bu doğrultuda, Bayesyen VAR yöntemiyle Türkiye’ye en fazla turist gönderen beş ülke için 2023 dönemine ilişkin öntahminler elde edilmiş ve öntahmin başarısı için farklı ölçütlere dayalı değerlendirmeler yapılmıştır. Öntahminler, hükümetin 2023 yılında 60 milyon turist hedefine ulaşmanın zor olduğunu ortaya koymaktadır. Bununla birlikte henüz yıkıcı etkisi tam olarak telafi edilemeyen COVID-19 pandemisinin ve tüm dünyada yaşanan satınalma gücü kaybının etkisini göz ardı etmemek gerekmektedir.

Anahtar Kelimeler

Turizm, Öntahmin, Türkiye, Bayesyen VAR modeli

Kaynakça

• Akın, M. (2015), A novel approach to model selection in tourism demand modeling, Tourism Management, 48, 64-72.
• Bahar, O. (2006), Turizm sektörünün Türkiye’nin ekonomik büyümesi üzerindeki etkisi: VAR analizi yaklaşımı, Yönetim ve Ekonomi, 13 (2), 137-150.
• Baldemir, E. & Bahar, O. (2003), Türkiye’ye yönelik turizm talebinin neural (sinir) ağları modelini kullanarak analizi, Ticaret ve Turizm Fakültesi Dergisi, 2, 152-168.
• Baran, G. (2010), Turizmde Talep Tahmini: Türkiye Turizm Talebinin Zaman Serileri Analizi ile Tahmini, T.C. Kültür ve Turizm Bakanlığı Uzmanlık Tezi, Ankara.
• Bozkurt, K., Pekmezci, A. & Tekin, H. A. (2022), Forecasting Tourism Demand By Box-Jenkins Method: The Case of Türkiye, Anatolia: Turizm Araştırmaları Dergisi, 33 (2), 77 – 86. (In Turkish)
• Cankurt, S. & Subaşı, A. (2015), Developing tourism demand forecasting models using machine learning techniques with trend, seasonal and cyclic components, Balkan Journal of Electrical and Computer Engineering, 3 (1), 42-49.
• Canlı, B. & Kaya, A. A. (2012), Türk Turizm Sektörünün Ekonomik Etkilerinin Girdi Çıktı Yaklaşımıyla Ölçülmesi, Anadolu Üniversitesi Sosyal Bilimler Dergisi, 12 (1), 1-12.
• Çakır, M. & Bostan, A. (2000), Turizm Sektörünün Ekonominin Diğer Sektörleriyle Bağlantılarının Girdi-Çıktı Analizi ile Değerlendirilmesi, Anatolia: Turizm Araştırmaları Dergisi, 11, Özel Sayı, 35-44.
• Çımat, A. & Bahar, O. (2003), Turizm sektörünün Türkiye ekonomisi içindeki yeri ve önemi üzerine bir değerlendirme, Akdeniz İ.İ.B.F. Dergisi, 6, 1-18.
• Çuhadar, M. (2006), Turizm Sektöründe Talep Tahmini İçin Yapay Sinir Ağları Kullanımı ve Diğer Yöntemlerle Karşılaştırmalı Analizi (Antalya İlinin Dış Turizm Talebine Uygulama), Doktora Tezi, S. Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, Isparta.
• Çuhadar, M., Çöğürcü, İ. & Kükrer, C. (2014), Modelling and forecasting cruise tourism demand to İzmir by different artificial neural network architectures, International Journal of Business and Social Research, 4 (3), 12-28.
• Çuhadar, M. (2014), Modelling and forecasting inbound tourism demand to Istanbul: A comparative analysis, European Journal of Business and Social Sciences, 2 (12), 101-119.
• Dilber, İ. (2007), Turizm Sektörünün Türkiye Ekonomisi Üzerindeki Etkisinin Girdi-Çıktı Tablosu Yardımıyla Değerlendirilmesi, Yönetim ve Ekonomi, 14 (2), 205-220.
• Dinç, H., Yayar, R. & Hekim, M. (2017). Estimation of Tourism Indicators by ANFIS Method in Turkey, International Journal of Eurasia Social Sciences, 8 (28), 1266-1289. (In Turkish)
• Gerakis, A. S. (1965), “Effects of Exchange-rate Devaluations and Revaluations on Receipts from Tourism, International Monetary Fund Staff Papers, 12, 365-383.
• Gerçek, S. (2017), Modeling Tourism Demand Forecasting with Artificial Neural Networks, Journal of Recreation and Tourism Research, 4 (2), 1-12.
• Giannone, D., Lenza, M. & Primiceri, G. E. (2012), Prior Selection for Vector Autoregressions, ECB Working Paper Series No. 1494.
• Goh, C. & Law, R. (2011) The Methodological Progress of Tourism Demand Forecasting: A Review of Related Literature, Journal of Travel & Tourism Marketing, 28 (3), 296-317.
• Gray, H. P. (1966), The Demand for International Travel by United States and Canada, International Economic Review, 7, 83-92.
• Guthrie, H. W. (1961), Demand for Tourists’ Goods and Services in a World Market, Papers and Proceedings of the Regional Sciences Association, 7, 159-175.
• Gündüz, L. & Hatemi-J, A. (2005), Is the Tourism-led Growth Hypothesis Valid for Turkey? Applied Economics Letters, 12, 499-504.
• İTO – İstanbul Ticaret Odası, (2007). Türkiye’de Turizm Ekonomisi, Haz. N. Oktayer vd., Yayın No. 2007 – 69, İstanbul.
• Jiao, E. X. & Chen, J. L. (2019), Tourism forecasting: A review of methodological developments over the last decade, Tourism Economics, 25 (3), 469–492.
• Kar, M. et al., (2004). Turizmin Ekonomiye Katkısı Üzerine Ampirik Bir Değerlendirme, Akdeniz İ.İ.B.F. Dergisi, 8, 87-112.
• Karagöz, K. (2016), Turist akımında oynaklığın ARCH modelleriyle ölçülmesi: Türkiye örneği, Niğde Üniversitesi İİBF Dergisi, 9 (1), 131-141.
• Karagöz, K. & Keskin, R. (2016), Impact of fiscal policy on the macroeconomic aggregates in Turkey: Evidence from BVAR model, Procedia – Economics and Finance, 38, 408-420.
• Karagöz, K. & Ergün, S. (2023), Damage Assessment for the Tourism Sector in Türkiye after the COVID-19 Pandemic: A Univariate Time Series Analysis, 6th International Symposium on Human, Social and Sustainable Development Research, May 2-6, 2023, Demmam, Tunusia.
• Karahan, M. (2015), A Case Study on Forecasting of Tourism Demand with Artificial Neutral Network Method, Süleyman Demirel University, The Journal of Faculty of Economics and Administrative Sciences, 20 (2), 195-209.
• Kaya, F. (2009), Türkiye’ye Yönelik Dış Turizm Talebinin Analizi, Uzmanlık Tezi, T.C. Kültür ve Turizm Bakanlığı, Tanıtma Genel Müdürlüğü, Mart 2009, Ankara.
• Li, G., Song, H. & Witt, S. F. (2005), Recent developments in econometric modeling and forecasting. Journal of Travel Research, 44 (2), 82-99.
• Li, G. & Song, H. (2007), New Forecasting Models, Journal of Travel & Tourism Marketing, 21 (4), 3-13.
• Litterman, R. B. (1980), A Bayesian procedure for forecasting with vector autoregressions, MIT Working Paper.
• Martin, C. A. & Witt, S. F. (1989). Forecasting tourism demand: A comparison of the accuracy of several quantitative methods. International Journal of Forecasting, 2, 15-39.
• MoCT – Ministry of Culture & Tourism (2007), Tourism Strategy of Turkey-2023 and Activity Plan for Tourism Strategy of Turkey 2007-2023, Republic of Türkiye - Ministry of Culture and Tourism Publication No. 3085, Ankara.
• Önder, E. & Hasgül, Ö. (2008), Yabancı ziyaretçi sayısının tahmininde Box-Jenkins modeli, Winters yöntemi ve yapay sinir ağlarıyla zaman serisi analizi, İ. Ü. İşletme İktisadı Enstitüsü Yönetim Dergisi, 20 (62), 62-83. Sheldon, P. J. & Var, T. (1985), Tourism Forecasting: A Review of Empirical Research, Journal of Forecasting, 4, 183-195.
• Song, H. & Guo, W. (2008), Tourism Demand Modelling and Forecasting, in Tourism Management: Analysis, Behaviour and Strategy, Ed. by A. G. Woodside and D. Martin, CAB International, USA, 113-128.
• Song, H., Smeral, E., Li, G & Chen, J. L. (2008), Tourism Forecasting: Accuracy of Alternative Econometric Models Revisited, WIFO Working Papers, No. 326. Austria.
• Song, H., Smeral, E., Li, G & Chen, J. L. (2013), Tourism Forecasting Using Econometric Models, in Trends in European Tourism Planning and Organisation, Eds. C. Costa, E. Panyik and D. Buhalis, Channel View Publications, USA, 289-309.
• Song, H. & Hyndman, R. J. (2011), Tourism Forecasting: An Introduction, Editorial, International Journal of Forecasting, 27, 817-821.
• Song, H. & Wu, H. (2023), Overview of Econometric Tourism Demand Modelling and Forecasting, in Econometric Modelling and Forecasting of Tourism Demand Methods and Applications, Eds: D. C. Wu, G. Li, H. Song, Routledge, UK.
• Soysal, M. & Ömürgönülşen, M. (2010), Türk turizm sektöründe talep tahmini üzerine bir uygulama, Anatolia: Turizm Araştırmaları Dergisi, 21 (1), 128-136.
• UNWTO – United Nations World Tourism Organization (2015), Tourism Highlights – 2015 Edition.
• UNWTO – United Nations World Tourism Organization (2023), Tourism Highlights – 2023 Edition.
• Ünlüönen, K. & Kılıçlar, A. (2004), Ekonomik yansımalarıyla Türk turizminin seksen yılı, Ticaret ve Turizm Eğitim Fakültesi Dergisi, 1, 131-156.
• Witt, S. F. & Witt, C. A. (1995). Forecasting tourism demand: A review of empirical research. International Journal of Forecasting, 11 (3), 447-475.
• Wong, K. K. F., Song, H. & Chon, K. S. (2006), Bayesian Models for Tourism Demand Forecasting, Tourism Management, 27, 773-780.
• Yıldırım, J. & Öcal, N. (2004), Tourism and economic growth in Turkey, Ekonomik Yaklaşım, 15, 131-141.
• Yılmaz, E. (2015), Forecasting tourist arrivals to Turkey, Tourism, 63 (4), 435-445.
• Yücel, A. G., Köksal, C., Acar, S. & Gil-Alana, L. A. (2022), The impact of COVID-19 on Turkey’s tourism sector: fresh evidence from the fractional integration approach, Applied Economics, 54:27, 3074-3087. Zhu, H. & Yan, J. (2007), Bayesian forecasting of China’s tourism demand with VAR Models, International Conference on Management Science and Engineering, August 20-22, 2007, Harbin, China.