ARIMA모형을 적용한 외국인 이용객 호텔객실 수요예측모형 선정 : 서울 특1급 호텔을 중심으로 :서울 특1급 호텔을 중심으로

김태구; 송두석

추천

검색

질문

자료유형: 학술저널

저자정보: 김태구 송두석

저널정보: 한국호텔외식관광경영학회 호텔경영학연구 호텔경영학연구 제15권 제5호

발행연도: 2006.12

수록면: 97 - 118 (22page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 서울 특1급 호텔의 외국인 이용객 객실수요에 대한 예측모형으로 계절 ATIMA모형과 개입 ARIMA모형을 제시하였다. 가장 적합한 예측모형이 어느 모형인지 MAPE를 기준으로 분석되었는데, 두 모형 모두 예측오차 10% 내에서 예측을 하는 것으로 나타났다 (계절 ARIMA: 5.84%, 개입 ARIMA: 5.70%). 2003년 3월에 발생한 SARS와 2003년 12월에 발생한 조류독감의 개입을 반영한 개입 ARIMA모형이 개입 이후를 예측하는데 있어서 계절 ARIMA모형에 비하여 조금 더 우수한 것으로 나타났다. 또한, 1997년 1월부터 2005년 12월까지의 전체 자료를 적용한 예측에 있어서도 계절 ARIMA모형에 비하여 개입 ARIMA모형이 큰 차이는 없지만, 더 우수한 것으로 나타났다. 따라서, 본 연구에 있어서 전체적으로 개입 ARIMA모형이 계절 ARIMA모형에 비하여 예측력이 더 높은 것으로 나타났다.

This paper presents the use of time series seasonal ARIMA and ARIMA with intervention in forecasting room demand of foreigners. The most suitable forecasting model was investigated. With MAPE as the basis, the seasonal ARIMA and ARIMA with intervention were found to forecast at within 10% error (seasonal ARIMA: 5.84%, ARIMA with intervention: 5.70%). On one side, the ARIMA with intervention uses the March 2003 SARS (severe acute respiratory syndrome) and the December 2003 pathogenic avian influenza of interventions, and the error of forecasting for the time period afterwards, from March 2003 to December 2005, has been found to be lower by a narrow margin as compared to the seasonal ARIMA. In addition, it was founded that the error of the forecasting in the ARIMA with intervention was superior to the seasonal ARIMA for the entire sample analysis of the time period of January 1997 to December 2005. Hence, in this study, ARIMA with intervention was found to have higher accuracy.This paper presents the use of time series seasonal ARIMA and ARIMA with intervention in forecasting room demand of foreigners. The most suitable forecasting model was investigated. With MAPE as the basis, the seasonal ARIMA and ARIMA with intervention were found to forecast at within 10% error (seasonal ARIMA: 5.84%, ARIMA with intervention: 5.70%). On one side, the ARIMA with intervention uses the March 2003 SARS (severe acute respiratory syndrome) and the December 2003 pathogenic avian influenza of interventions, and the error of forecasting for the time period afterwards, from March 2003 to December 2005, has been found to be lower by a narrow margin as compared to the seasonal ARIMA. In addition, it was founded that the error of the forecasting in the ARIMA with intervention was superior to the seasonal ARIMA for the entire sample analysis of the time period of January 1997 to December 2005. Hence, in this study, ARIMA with intervention was found to have higher accuracy.

#객실수요예측 #시계열 #계절성 #개입 #계절 ARIMA #개입 ARIMA #Room demand forecasting #Time series #Seasonality #Intervention #seasonal ARIMA #ARIMA with intervention

참고문헌 (35)

참고문헌 신청

김석출 , 1999 , 단변량 시계열모형을 이용한 식음료 수요예측에 관한 연구 서울소재 특1급 H호텔 사례를 중심으로 5 (1) : 89 ~ 101

김영옥 , 2004 , ARIMA 모형을 이용한 호텔객실 수요예측에 관한 실증적 연구 서울시내 특1급 C 호텔을 중심으로

김영우 , 2006 , 계절 ARIMA Model을 이용한 경주방문객의 수요예측에 관한 연구 15 (1) : 309 ~ 326

김재석 , 2006 , 계절 ARIMA 모형을 이용한 호텔객실매출액의 예측 경주지역 특급 호텔을 중심으로 30 (2) : 381 ~ 398

김태구 , 2006 , 서울 특1급 관광호텔의 외국인 객실수요에 대한 구조변화 분석 CUSUM 검정 CUSUMSQ 검정 및 Chow 검정 적용 30 (5) : 51 ~ 70

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김태구

소속기관 한국호텔외식관광경영학회

주요연구분야 사회과학 > 관광학

논문수 8 이용수 1,726

김용겸

소속기관 한국호텔외식관광경영학회

주요연구분야 사회과학 > 관광학

논문수 4 이용수 492

이 논문과 함께 이용한 논문

계절 ARIMA Model을 이용한 경주방문객의 수요예측에 관한 연구

김영우 , 손은호 호텔경영학연구 2006 .02

계절 ARIMA 모형을 이용한 제주공항 여객 수요예측 및 효율적 운영에 관한 연구

김경범 , 황경수 한국산학기술학회 논문지 2012 .08

확산효과를 통한 고속철도의 여객수요 증가현상에 관한 연구

김정화 , 류인곤 , 최기주 외 1명 한국철도학회 논문집 2016 .08

다중회귀 분석을 이용한 영화 흥행 예측

정회윤 , 양형정 한국컴퓨터정보학회 학술발표논문집 2013 .07

범죄유형별 범죄발생 예측확률을 높일 수 있는 방법에 관한 연구

정영석 , 김진묵 , 박구락 한국컴퓨터정보학회논문지 2012 .04

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2015-320-002772169

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (35)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)