Factores determinantes de la satisfacción con el viaje a España y sus distintas dimensiones de los turistas no residentes

Resumen

Turespaña ha realizado una encuesta de satisfacción entre turistas no residentes a su salida de España en 2022. En este artículo se analizan algunas de las relaciones entre diversas variables recogidas en la encuesta con el objeto de averiguar qué factores pueden haber influido más en el nivel de satisfacción general con el viaje y con las distintas dimensiones del mismo que se investigan en la encuesta. Para ello se han utilizado dos técnicas de análisis estadístico multivariante: se han examinado los coeficientes de correlación de Spearman entre las distintas variables y se han calculado regresiones logísticas sobre una variable binaria de satisfacción.
La principal conclusión de este análisis es que casi todas las dimensiones examinadas (alojamiento, restauración, oferta de ocio, entorno, infraestructuras y transporte en destino) parecen tener una relación similar con la satisfacción global; pero hay una dimensión estudiada (sostenibilidad) que parece estar más desconectada en la mente del turista en relación con su satisfacción global con la experiencia viajera.

Palabras clave:

satisfacción turística, drivers de satisfacción, correlaciones de Spearman, regresión logística

Citas

Agresti, A (2007). An introduction to Categorical Data Analysis. John Wiley and Sons

Instituto de Turismo de España – Turespaña (2018). Encuesta de Hábitos Turísticos de los Turistas Internacionales (HABITUR) 2016. https://www.tourspain.es/es-es/ConocimientoTuristico/InformesHabitur/Informe%20Habitur%202016%20para%20publicacion.pdf.

Instituto de Turismo de España – Turespaña (2023). Encuesta de Satisfacción de los Viajeros No Residentes 2022. https://conocimiento.tourspain.es/export/sites/conocimiento/.content/Informes/encuesta-satisfaccion/encuesta-satisfaccion-viajeros-no-residentes_v7.pdf

Kennedy, R., Riquier, C. y Sharp. B. (1996). Practical applications of correspondence analysis to categorical data in market research. Journal of Targeting, Measurement and Analysis for Marketing 5(1), 56-70. https://www.researchgate.net/publication/259197416_Practical_Applications_of_Correspondence_Analysis_to_Categorical_Data_in_Market_Research

Matas, A. (2018). Diseño del formato de escalas tipo Likert: un estado de la cuestión. Revista Electrónica de Investigación Educativa, 20(1), 38-47. https://doi.org/10.24320/redie.2018.20.1.1347

Powers, D. A. y Xie, Y. (2000). Statistical Methods for Categorical Data Analysis. Academic Press, Inc.

Rohrer, J.M. (2018). Thinking clearly about correlations and causation: graphical causal models for observational data. Advances in Methods and Practices in Psychological Science 1(1), 27-42. https://psycnet.apa.org/record/2018-67155-004

Tutz, G. (2021). Hierarchical models for the analysis of Likert scales in regression and item response analysis. International Statistical Review, 89(1), 18-35. https://onlinelibrary.wiley.com/doi/full/10.1111/insr.12396