Evaluating the Relative Efficiency of Iran's Tourism Industry: A Non-Parametric Approach
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 146
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IER-23-2_007
تاریخ نمایه سازی: 21 مهر 1402
چکیده مقاله:
T ourism is one of the most invaluable industries in the world, attracting millions of foreign tourists every year. In terms of historical and cultural attractions, Iran is among top ۱۰ countries, however, it has a small share of foreign tourist's arrival. Iran's tourism boom depends on providing the suitable conditions for the arrival of tourists, included service elements (i.e. hotels and travel agencies) and infrastructure for aviation, rail, road and naval. Inefficient use of these fundamental factors is known as the major obstacles to growth and development of tourism industry. Accordingly, we evaluate the tourism efficiency of Iran provinces along with their full ranking, based on a data envelopment analysis. The results from the weighted model indicate that Khorasan Razavi, Qom, West Azarbaijan, East Azarbaijan, Kurdistan and Isfahan provinces have the highest efficient scores. North Khorasan, South Khorasan, Golestan, Chaharmahal and Bakhtiari, Semnan and Bushehr also have the lowest scores, respectively.
کلیدواژه ها:
Keywords: RelativeEfficiency ، Iran Tourism ، Full Ranking ، Data Envelopment Analysis. JEL Classification: O۱۱ ، O۲۴ ، P۲۵ ، P۲۶
نویسندگان
Ali Rahnama
Department of Tourism Economics, Iranian Academic Center for Education, Culture and Research (ACECR), Khorasan-e-razavi, Iran
Morteza Yaghoubi
Department of Agricultural Economics, Faculty of Agriculture, University of Torbat Heydarieh, Khorasan-e-razavi, Iran
Hamide Khaksar Astaneh
Department of Tourism Economics, Iranian Academic Center for Education, Culture And Research (ACECR), Khorasan-e-razavi, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :