Researchers have adopted online dat

Researchers have adopted online data such as search engine query volumes to forecast tourism demand for a destination, including tourist numbers and hotel occupancy. However, the massive yet highly correlated query data pose challenges when researchers attempt to include them in the forecasting model. We propose a framework and procedure for creating a composite search index adopted in a generalized dynamic factor model (GDFM). This research empirically tests the framework in predicting tourist volumes to Beijing. Findings suggest that the proposed method improves the forecast accuracy better than two benchmark models: a traditional time series model and a model with an index created by principal component analysis. The method demonstrates the validity of the combination of composite search index and a GDFM.

ผลลัพธ์ (ไทย) 1:

นักวิจัยได้นำข้อมูลทางออนไลน์เช่นค้นหาเครื่องยนต์แบบสอบถามปริมาณการคาดการณ์อุปสงค์การท่องเที่ยวปลายทาง ที่พักโรงแรมและตัวเลขนักท่องเที่ยวรวมทั้ง อย่างไรก็ตาม ที่ใหญ่ยังสูงมีความสัมพันธ์แบบสอบถามข้อมูลก่อให้เกิดความท้าทายเมื่อนักวิจัยพยายามที่จะรวมไว้ในแบบจำลองการคาดการณ์ เรานำเสนอกรอบและขั้นตอนการสร้างดัชนีค้นหาคอมโพสิตนำมาใช้ในรูปแบบทั่วไปแบบไดนามิกปัจจัย (GDFM) งานวิจัยนี้ทดสอบกรอบเชิงประสบการณ์ด้วยในการทำนายปริมาณนักท่องเที่ยวปักกิ่ง ผลการวิจัยแนะนำว่า วิธีการเสนอปรับปรุงความคาดการณ์แม่นยำยิ่งกว่าสองมาตรฐานรุ่น: แบบชุดเวลาแบบดั้งเดิมและรูปแบบที่ มีดัชนีที่สร้างขึ้น โดยการวิเคราะห์ส่วนประกอบหลัก วิธีการอธิบายความถูกต้องของการรวมกันของดัชนีการค้นหาคอมโพสิตและการ GDFM

ผลลัพธ์ (ไทย) 2:

นักวิจัยได้นำข้อมูลออนไลน์เช่นปริมาณของเครื่องมือค้นหาที่จะคาดการณ์ความต้องการท่องเที่ยวจุดหมายปลายทางรวมทั้งตัวเลขนักท่องเที่ยวและการเข้าพักโรงแรม อย่างไรก็ตามข้อมูลแบบสอบถามยังมีความสัมพันธ์สูงขนาดใหญ่ความท้าทายเมื่อนักวิจัยพยายามที่จะรวมไว้ในรูปแบบของการคาดการณ์ เราเสนอกรอบการทำงานและวิธีการในการสร้างดัชนีการค้นหาของคอมโพสิตนำมาใช้ในรูปแบบปัจจัยทั่วไปแบบไดนามิก (GDFM) การวิจัยครั้งนี้สังเกตุการทดสอบกรอบในการทำนายปริมาณการท่องเที่ยวไปยังกรุงปักกิ่ง ผลการวิจัยชี้ให้เห็นว่าวิธีที่นำเสนอช่วยเพิ่มความแม่นยำการคาดการณ์ที่ดีกว่าสองรุ่นมาตรฐาน: รูปแบบอนุกรมเวลาแบบดั้งเดิมและรูปแบบที่มีดัชนีที่สร้างขึ้นโดยการวิเคราะห์องค์ประกอบหลัก วิธีการที่แสดงให้เห็นถึงความถูกต้องของการรวมกันของดัชนีการค้นหาของคอมโพสิตและ GDFM แขก

ผลลัพธ์ (ไทย) 3:

นักวิจัยได้ใช้ข้อมูลออนไลน์เช่นแบบสอบถามเครื่องมือค้นหาไดรฟ์เพื่อการพยากรณ์อุปสงค์การท่องเที่ยวสำหรับปลายทางรวมทั้งตัวเลขท่องเที่ยวและการโรงแรม อย่างไรก็ตาม ใหญ่ยังระดับสูงข้อมูลแบบสอบถามก่อให้เกิดความท้าทายเมื่อนักวิจัยพยายามที่จะรวมไว้ในการพยากรณ์ . เรานำเสนอและขั้นตอนสำหรับการสร้างดัชนีการค้นหาที่ใช้ในการประกอบแบบไดนามิกตัวปัจจัย ( gdfm ) การวิจัยครั้งนี้ใช้แบบทดสอบกรอบในการทำนายปริมาณท่องเที่ยวปักกิ่ง พบว่าวิธีที่เสนอปรับปรุงการคาดการณ์ความถูกต้องดีกว่า 2 มาตรฐานแบบดั้งเดิมรูปแบบอนุกรมเวลาและรูปแบบกับดัชนีที่สร้างขึ้นโดยการวิเคราะห์องค์ประกอบหลัก วิธีการแสดงให้เห็นถึงความถูกต้องของการค้นหาและดัชนี คอมโพสิต gdfm .