¿CON QUÉ INFORMACIÓN CONTAMOS DEL TURISMO NACIONAL EN NUESTRO PAIS?
Introducción
Desde la Dirección Nacional de Mercados y Estadística del Ministerio de Turismo y Deportes de la Nación (DNMyE – MINTURDEP) nos proponemos seguir dando a conocer otra de las fuentes de información más importantes a nivel nacional del turismo en Argentina. En esta oportunidad nos ocuparemos de la Encuesta de Viajes y Turismo de los Hogares (EVyTH).
A partir de esta encuesta se obtiene información desagregada del comportamiento turístico de los hogares de nuestro país y permite tomar dimensión, en términos económicos, del peso del turismo interno en el conjunto del consumo de bienes y servicios turísticos en la Argentina. Con dicha información se pueden efectuar estudios analíticos de los diferentes determinantes de la actividad turística de los residentes en nuestro país y, por tanto, diseñar e implementar políticas públicas sectoriales con mayor eficacia y eficiencia.
Principales objetivos
Este operativo tiene como principales objetivos medir:
La evolución de los viajes realizados por los hogares en el periodo de referencia
Las características de los recorridos turísticos (lugares visitados, forma de alojamiento, estadías, utilización de paquete turístico, medios de transporte, etc.)
Los viajes a segundas viviendas
El gasto de cada uno de los viajes
Los aspectos socio-demográficos de los hogares viajeros (ingreso total del hogar, ocupación principal del jefe de hogar, etc.).
Marco conceptual: definición de viaje turístico
Siguiendo las definiciones habituales y las recomendaciones internacionales de la Organización Mundial del Turismo, a los efectos del relevamiento de la EVyTH, se define como viaje de turismo a todo aquel desplazamiento realizado por todos, algunos o al menos uno de los miembros del hogar fuera de su entorno habitual (las segundas viviendas por definición no forman parte). Debe tenerse en cuenta que:
Debe tener una duración inferior a un año y quien viajó no haber fijado su residencia en el lugar de destino.
Comprende los traslados, estancias y todas las actividades que las personas realizan en el lugar de destino.
Puede haber ido a un sólo destino o haber tenido varias etapas.
Unidades de análisis
El marco conceptual antes definido permite obtener conclusiones a partir de diversas unidades de análisis. A continuación, se las repasan junto con una breve descripción de cada una de ellas:
Hogar: es la persona o grupo de personas, parientes o no, que habitan bajo un mismo techo en un régimen de tipo familiar; es decir, comparten sus gastos en alimentación con cargo a un mismo presupuesto.
Persona: cada uno de los individuos integrantes de un hogar.
Turista: significa el desplazamiento que realiza una persona fuera del entorno habitual, con una duración inferior al año, pernoctando en el/los lugar/es de destino, por cualquier motivo excepto de ser empleado por una unidad residentes.
Visita de un día: es el recorrido de una persona fuera del entorno habitual sin pernoctar en el lugar de destino.
Pernoctación: se trata de una noche de alojamiento de una persona.
Principales características de la encuesta
La EVyTH es una encuesta por muestreo, cuya captación se lleva adelante bajo la metodología CATI (Computer Assisted Telephone Interviewing). El universo bajo estudio de la encuesta son los grandes aglomerados urbanos definidos en la EPH del INDEC. Por lo tanto, se consideran 32 aglomerados agrupados en 8 regiones (Ciudad Autónoma de Buenos Aires, Partidos del Gran Buenos Aires, Resto de la Provincia de Buenos Aires, Córdoba, región del Litoral, Norte, Cuyo y Patagónica).
El tamaño de muestra mensual es de 2.600 hogares distribuidos entre todos los aglomerados. La ventana de observación es bimensual, esto es, se indaga por los viajes realizados durante los últimos dos meses. De esta forma, con el mecanismo de períodos de referencia y ventanas de observación implementados se logra que, para un mes determinado, se disponga de 5.200 casos para realizar las estimaciones de ese mes.
Estos y muchos más aspectos se pueden profundizar en el recientemente publicado Documento Metodológico.
¿Cuántos viajes turísticos por año realizan las personas residentes en Argentina?
Show code
### Cargo librerías
library(comunicacion) # DNMyE - Comunicación, [github::dnme-minturdep/comunicacion] v0.0.0.9
library(tidyverse) # Easily Install and Load the 'Tidyverse', CRAN v1.3.1
library(ggrepel) # Automatically Position Non-Overlapping Text Labels with 'ggplot2', CRAN v0.9.1
library(gt) # Easily Create Presentation-Ready Display Tables, CRAN v0.6.0
library(gtExtras) # Extending 'gt' for Beautiful HTML Tables, [github::jthomasmock/gtExtras] v0.4.0
source("funciones.R")
# Saco notacion cientifica
options(scipen = 999)
##~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
## ~ Carga de la base de datos ----
##~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
url <- "http://datos.yvera.gob.ar/dataset/b5819e9b-5edf-4aad-bd39-a81158a2b3f3/resource/645e5505-68ee-4cfa-90f9-fcc9a4a34a85/download/evyth_microdatos.csv"
b_orig <- read_csv(url)
### Cargo operaciones de limpieza / armado de la base de datos
source("metadata.R", encoding = "UTF-8")
Este es uno de los principales objetivos a cumplir por el relevamiento de la EVyTH. Y para alcanzarlo se realizan entrevistas de forma mensual en aras de relevar si en los hogares se ha realizado algún viaje en los últimos dos meses. En caso de haberlo hecho, se indaga por las características del mismo como así también por las de las personas que han participado. Veamos algunos resultados en base a la base de microdatos disponible en el Portal de Datos Abiertos del Ministerio de Turismo y Deportes de la Nación
Cantidad de Turistas y Excursionistas por año. Años 2012 - 2021
Show code
### Tabla 1 - Cantidad de visitantes por tipo
tabla_1 <- b_evyth %>%
group_by(anio, tipo_visitante_etiq) %>%
summarise(cantidad = sum(pondera)) %>% ungroup()
### Gráfico - Cantidad de visitantes por tipo de visitante
tabla_1 %>%
ggplot(aes(x = anio, y = cantidad, group = tipo_visitante_etiq, colour = tipo_visitante_etiq)) +
geom_line() +
geom_point(data = . %>% filter(anio == max(anio)),
mapping = aes(x = anio, y = cantidad),
color = "red") +
geom_hline(data = . %>% filter(anio == max(anio)),
mapping = aes(yintercept = cantidad), linetype = 2) +
scale_color_dnmye(palette = "c2_contraste") +
scale_y_continuous(labels = scales::label_number(big.mark = "."),
breaks = seq(0, 45000000, 5000000),
limits = c(0, 40000000)) +
scale_x_continuous(breaks = c(min(b_evyth$anio):max(b_evyth$anio))) +
facet_wrap(facets = "tipo_visitante_etiq", nrow = 2) +
theme_minimal() +
theme(
legend.position = "none"
) +
labs(title = "",
subtitle = "32 aglomerados urbanos",
x = "", y = "",
caption = "Encuesta de Viajes y Turismo de los Hogares - Dirección Nacional de Mercados y Estadística")
En el año 2019, antes del colapso de la pandemia, 26.8 millones de turistas residentes viajaron a lo largo y ancho del país, mientras que para el año 2020 ese valor cayó a 12.3
Independientemente de la coyuntura, la cantidad de viajeros durante el año presenta una fuerte estacionalidad apreciable en el siguiente gráfico. Allí se puede ver cómo se comporta la cantidad de viajeros durante los trimestres bajo los cuales se releva información. Se ve también el comportamiento similar para todos los años, con las particularidades del 2020 y 2021, siendo el 2020 el año en el cual la pandemia impactó a partir del segundo trimestre y el 2021 un período de recuperación.
Cantidad de viajeros por trimestre. Comparación anual. Años 2012 - 2021.
Show code
### Tabla - Conteo de visitantes por año y trimestre
tabla_2 <- b_evyth %>%
group_by(anio, trimestre) %>%
summarise(cantidad = sum(pondera)) %>%
ungroup() %>%
mutate(anios_relevantes = case_when(anio == 2019 ~ "2019",
anio == 2020 ~ "2020",
anio == 2021 ~ "2021",
TRUE ~ NA_character_))
### Gráfico - Estacionalidad de visitantes por año y trimestre
tabla_2 %>%
ggplot(aes(x = trimestre, y = cantidad, group = anio, colour = anios_relevantes)) +
geom_segment(
data = tibble(y = seq(0, 30000000, by = 5000000), x1 = 1, x2 = 4),
aes(x = x1, xend = x2, y = y, yend = y),
inherit.aes = FALSE,
color = "grey91",
size = .6) +
geom_line(size = ifelse(is.na(tabla_2$anios_relevantes), 1, 2)) +
geom_text_repel(
data = tabla_2 %>%
filter(trimestre == 4),
aes(color = anios_relevantes, label = anios_relevantes),
size = 5, direction = "y", xlim = c(4.1, NA), hjust = 0,
segment.linetype = "dotted", fontface = "bold") +
coord_cartesian(
clip = "off",
ylim = c(-0, 25000000)) +
scale_colour_manual(values = c("2019" = dnmye_colores("azul verde"),
"2020" = dnmye_colores("rosa"),
"2021" = dnmye_colores("naranja")),
na.value = "#d3d3d3") +
scale_x_continuous(expand = c(0, 0),
limits = c(1, 4.5),
breaks = seq(1, 4, by = 1)) +
scale_y_continuous(labels = scales::label_number(big.mark = "."),
breaks = seq(0, 30000000, 5000000),
limits = c(0, 30000000)) +
labs(x = "Trimestre", y = "") +
theme_minimal() +
theme(
axis.title.x = element_text(size = 11, color = "grey40", margin = margin(t = 5)),
axis.text = element_text(color = "grey40"),
axis.text.x = element_text(size = 10, margin = margin(t = 5)),
axis.text.y = element_text(size = 10, margin = margin(r = 5)),
axis.ticks = element_line(color = "grey91", size = .5),
axis.ticks.length.x = unit(1.3, "lines"),
axis.ticks.length.y = unit(.7, "lines"),
panel.grid = element_blank(),
plot.margin = margin(20, 40, 20, 40),
plot.background = element_rect(fill = "transparent", color = "grey98"),
panel.background = element_rect(fill = "transparent", color = "grey98"),
legend.position = "none"
)
Ranking de destinos más visitados
La EVyTH permite dar cuenta de los principales destinos elegidos con pernocte por los y las residentes turistas de los 32 principales aglomerados urbanos.
Show code
### Tabla - Ranking de localidades más visitadas - 2019
rank_2019 <- b_evyth %>%
filter(anio == 2019 & tipo_visitante == 1) %>%
group_by(localidad_destino) %>%
summarise(cantidad = sum(pondera)) %>%
top_n(25) %>%
mutate(ranking_2019 = rank(-cantidad))
### Tabla - Ranking de localidades más visitadas - 2021
rank_2021 <- b_evyth %>%
filter(anio == 2021 & tipo_visitante == 1) %>%
group_by(localidad_destino) %>%
summarise(cantidad = sum(pondera)) %>%
top_n(25) %>%
mutate(ranking_2021 = rank(-cantidad))
### Gráfico - Ranking de localidades más visitadas - 2019_2021
rank_2019 %>%
left_join(rank_2021, by = "localidad_destino") %>%
filter(ranking_2019 <= 10) %>%
#filter(ranking_2019 %in% c(1:10) | ranking_2021 %in% c(1:10)) %>%
mutate(dif = ranking_2019 - ranking_2021) %>%
select(localidad_destino, cantidad_2019 = cantidad.x, ranking_2019,
cantidad_2021 = cantidad.y, ranking_2021, dif) %>%
arrange(ranking_2019) %>%
gt() %>%
cols_label(
localidad_destino = md("**Localidad**"),
cantidad_2019 = md("**Cant. de Turistas - 2019**"),
ranking_2019 = md("**Ranking - 2019**"),
cantidad_2021 = md("**Cant. de Turistas - 2021**"),
ranking_2021 = md("**Ranking - 2021**"),
dif = md("**2019 vs 2021**")
) %>%
cols_align(align = "center", columns = 2:6) %>%
fmt_number(columns = 2:6, sep_mark = ".", dec_mark = ",", decimals = 0) %>%
gt_fa_rank_change(dif, font_color = "match") %>%
tab_header(title = md("**Ranking de localidades más visitadas. Años 2019 y 2021**"))
| Ranking de localidades más visitadas. Años 2019 y 2021 | |||||
|---|---|---|---|---|---|
| Localidad | Cant. de Turistas - 2019 | Ranking - 2019 | Cant. de Turistas - 2021 | Ranking - 2021 | 2019 vs 2021 |
| Mar del Plata | 1.668.083 | 1 | 490.640 | 1 | 0
|
| Ciudad de Buenos Aires | 723.968 | 2 | 419.905 | 3 | -1
|
| Córdoba | 658.052 | 3 | 215.567 | 17 | -14
|
| Villa Carlos Paz | 618.833 | 4 | 399.102 | 5 | -1
|
| San Carlos de Bariloche | 612.560 | 5 | 442.626 | 2 | 3
|
| Pinamar | 515.412 | 6 | 329.838 | 7 | -1
|
| San Clemente del Tuyú | 507.279 | 7 | 204.400 | 21 | -14
|
| Mar de Ajó | 502.324 | 8 | 219.819 | 14 | -6
|
| Salta | 490.117 | 9 | 217.607 | 15 | -6
|
| Santa Teresita | 461.911 | 10 | 204.787 | 20 | -10
|
Caracterización de los viajes
Otro de los aspecto que indaga la Encuesta de Viajes y Turismo de los Hogares refiere a las características del viaje, tal como lo son el motivo del mismo, el transporte utilizado para llegar al destino o el tipo de alojamiento elegido para pasar la o las noches en el destino.
En los siguientes cuadros se presenta cómo ha evolucionado la participación de cada una de las categorías de estos indicadores, pudiendo así evaluar cambios y posibles causas que los estén propiciando:
Show code
### Tabla - Evolución de las categórías para Tipo de transporte
tabla_transporte <- b_evyth %>%
filter(tipo_visitante == 1) %>%
group_by(anio, transporte) %>%
summarise(cantidad = sum(pondera)) %>% ungroup() %>%
group_by(anio) %>%
mutate(porcentaje = round(cantidad / sum(cantidad) * 100, 1)) %>%
filter(transporte != "Ns./ Nr.")
### Gráfico - Tipo de transporte
tabla_transporte %>%
tufte_sort(x="anio", y="porcentaje", group="transporte", method="tufte", min.space=0.05) %>%
transform(x=factor(x), y=round(y,1)) %>%
plot_slopegraph(fontsize = 2.3) +
labs(
title = str_wrap("Evolución de la participación de los medios de transportes utilizados para viajar",60),
subtitle = "Años 2012 - 2021",
caption = str_wrap("Fuente: Encuesta de Viajes y Turismo de los Hogares - Dirección Nacional de Mercados y Estadística - MINTURyDEP", 80)) +
theme_slope()
Show code
### Tabla - Evolución de las categórías para Motivo del viaje
tabla_motivo <- b_evyth %>%
filter(tipo_visitante == 1) %>%
group_by(anio, motivo) %>%
summarise(cantidad = sum(pondera)) %>% ungroup() %>%
group_by(anio) %>%
mutate(porcentaje = round(cantidad / sum(cantidad) * 100, 1)) %>%
filter(motivo != "Ns./ Nr.")
### Gráfico - Motivo del viaje
tabla_motivo %>%
tufte_sort(x="anio", y="porcentaje", group="motivo", method="tufte", min.space=0.05) %>%
transform(x=factor(x), y=round(y,1)) %>%
plot_slopegraph(fontsize = 2.3) +
labs(
title = str_wrap("Evolución de la participación de los motivos de viaje",60),
subtitle = "Años 2012 - 2021",
caption = str_wrap("Fuente: Encuesta de Viajes y Turismo de los Hogares - Dirección Nacional de Mercados y Estadística - MINTURyDEP", 80)) +
theme_slope()
Show code
### Tabla - Evolución de las categórías para Tipo de alojamiento
tabla_alojamiento <- b_evyth %>%
filter(tipo_visitante == 1) %>%
group_by(anio, tipo_alojamiento) %>%
summarise(cantidad = sum(pondera)) %>% ungroup() %>%
group_by(anio) %>%
mutate(porcentaje = round(cantidad / sum(cantidad) * 100, 1)) %>%
filter(tipo_alojamiento != "Ns./ Nr.")
### Gráfico - Tipo de alojamiento
tabla_alojamiento %>%
tufte_sort(x="anio", y="porcentaje", group="tipo_alojamiento", method="tufte", min.space=0.05) %>%
transform(x=factor(x), y=round(y,1)) %>%
plot_slopegraph(fontsize = 2.3) +
labs(
title = str_wrap("Evolución de la participación de los tipos de alojamiento elegidos para hospedarse",60),
subtitle = "Años 2012 - 2021",
caption = str_wrap("Fuente: Encuesta de Viajes y Turismo de los Hogares - Dirección Nacional de Mercados y Estadística - MINTURyDEP", 80)) +
theme_slope()
¡Quiero más!
Esta información y mucho más vas a poder encontrarla en el Sistema de Información Turística de la Argentina. Algunas cosas que vas a poder encontrar…
Informes:
Sobre EVyTH y el Turismo Interno: son los documentos que publica la DNMyE-MINTURDEP de forma trimestral. Tanto la última publicación como la de los períodos anteriores las encontrarás en el siguiente enlace.
Tablero de turismo interno
Desde acá se puede acceder a la información del turismo interno en formato web para que puedas cruzar los datos por diferentes variables de interés.
La EVyTH en formato abierto:
La EVyTH en el marco de la ARMONIZACION ESTADÍSTICA
Documento Metodológico de la EVyTH