西班牙旅游业后疫情复苏：基于市场客源国视角的模拟与聚类分析

本研究针对西班牙旅游业后疫情时代恢复的结构性与韧性难题，采用需求侧视角展开创新探索。研究人员通过构建季节性自回归整合移动平均(Seasonal ARIMA)模型模拟无疫情反事实场景，结合k-means聚类算法解析客源市场行为分化。结果揭示复苏存在显著不对称性：英法等国呈现强劲反弹，而意大利、葡萄牙及北欧国家复苏迟缓。该研究为制定精准韧性策略提供了重要科学依据。

　　

西班牙旅游业在新冠疫情(COVID-19)后的复苏进程备受关注，但国际游客流动的结构与韧性仍存在关键问题。本研究从需求侧出发，通过月度面板数据构建季节性自回归整合移动平均模型(Seasonal ARIMA)，模拟未发生疫情的反事实场景，量化潜在游客流失量与实际抵达量的偏差。进一步采用k-means聚类分析解析国际旅游流动动态，识别不同客源市场的行为收敛与分化特征。研究发现复苏模式存在不对称性：英国(United Kingdom)、法国(France)等市场呈现早期强劲反弹，而意大利(Italy)、葡萄牙(Portugal)及北欧国家(Nordic countries)则显示缓慢复苏轨迹，甚至持续低于预期水平。这种融合不确定性预测与市场细分的整合方法，为理解后疫情时代旅游复苏复杂性提供了新视角，并通过重构旅游需求预期轨迹同时保留时间序列内在结构，揭示了COVID-19的持续影响。