문화 · 관광부문 타당성조사를 위한 중력모형의 개선방안

이혜진

doi:https://doi.org/10.32599/apjb.15.1.202403.319

추천

검색

자료유형: 학술저널

저자정보: 이혜진 (강원대학교 농업자원경제학전공)

저널정보: 강원대학교 경영경제연구소 아태비즈니스연구 아태비즈니스연구 제15권 제1호

발행연도: 2024.3

수록면: 319 - 334 (16page)

DOI: https://doi.org/10.32599/apjb.15.1.202403.319

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Purpose - The purpose of this study is to examine the gravity model commonly used for demand forecasting upon the implementation of new tourist facilities and analyze the main causation of forecasting errors to provide a suggestion on how to improve. Design/methodology/approach - This study first measured the errors in predicted values derived from past feasibility study reports by examining the cases of five national science museums. Next, to improve the predictive accuracy of the gravity model, the study identified the five most likely issues contributing to errors, applied modified values, and recalculated. The potential for improvement was then evaluated through a comparison of forecasting errors. Findings - First, among the five science museums with very similar characteristics, there was no clear indication of a decrease in the number of visitors to existing facilities due to the introduction of new facilities. Second, representing the attractiveness of tourist facilities using the facility size ratio can lead to significant prediction errors. Third, the impact of distance on demand can vary depending on the characteristics of the facility and the conditions of the area where the facility is located. Fourth, if the distance value is below 1, it is necessary to limit the range of that value to avoid having an excessively small value. Fifth, depending on the type of population data used, prediction results may vary, so it is necessary to use population data suitable for each latent market instead of simply using overall population data. Finally, if a clear trend is anticipated in a certain type of tourist behavior, incorporating this trend into the predicted values could help reduce prediction errors. Research implications or Originality - This study identified the key factors causing prediction errors by using national science museums as cases and proposed directions for improvement. Additionally, suggestions were made to apply the model more flexibly to enhance predictive accuracy. Since reducing prediction errors contributes to increased reliability of analytical results, the findings of this study are expected to contribute to policy decisions handled with more accurate information when running feasibility analyses.

#Forecasting Error #Gravity Model #Tourism Demand

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

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 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)