Revista: Turydes Revista Turismo y Desarrollo

---

COMPORTAMIENTO DE COMPRA DEL JOVEN TURISTA RESIDENTE EN CANARIAS. SUGERENCIAS PARA LA DIRECCIÓN DE LA EMPRESA TURÍSTICA

---

1.- INTRODUCCIÓN

Lograr la lealtad del turista es importante para las empresas turísticas debido a la elevada competencia de los mercados y por los beneficios que la fidelidad conlleva para las organizaciones (Sun, Chi y Xu, 2013). Numerosos trabajos de investigación en el contexto del turismo han examinado la lealtad en los destinos turístico (Nunkoo y Ramkissoon, 2011) y todas las metodologías de investigación se han aplicado en este campo (Diedrich y García, 2009). Entre las variables analizadas destacan la imagen del destino (Andreu, Bigné y Cooper, 2000; Hsu, Wolfe y Kang, 2004), la calidad percibida (Bolton y Drew, 1991a, 1991b), el valor percibido (Bigné, Font y Andreu, 2000), la reputación (Parkerson y Saunders, 2005; Tyler, Ambus y Davis-Case, 2007), la confianza (Kang, Jeon, Lee y Lee, 2005; Wu y Chang, 2006; Kim, Kim y Shin, 2009), el compromiso (Moorman, Zaltman y Deshpande, 1992; Ryssel, Ritter y Gemunden, 2004) y la satisfacción (Bigné, Currás y Sánchez, 2010; Wong y Wan, 2013). Los resultados han puesto de manifiesto que las percepciones positivas respecto a dichas variables conllevan, en general, efectos positivos para los residentes y para otros stakeholders (Gursoy, Jurowski y Uysal, 2002), del mismo modo que lo contrario también ha sido constatado (Yoon, Gursoy y Chen, 2001; Dyer, Gursoy, Sharma y Carter, 2007).

El estudio de la satisfacción y la lealtad del residente en el destino constituye un reto cada vez mayor porque es considerado un stakeholder muy importante, porque adopta un triple rol: el rol de turista-consumidor en el propio destino, el rol de residente que convive con los turistas y, por último, el rol de trabajador de una empresa turística local. En la literatura se constata que prestar una mayor atención al residente mejora la satisfacción de éste (Strong, Ringer y Taylor, 2001), aumenta los rendimientos empresariales (Margolish y Walsh, 2001) y facilita el desarrollo de ventajas competitivas (Becker, 2002; Laszlo, Sherman y Ellison, 2005). Es por ello que es muy beneficioso para los gestores y para los propios residentes investigar, conocer y comprender las percepciones y las conductas de la comunidad local respecto al fenómeno turístico (Bell y Morse, 2003, 2004; Macleod y Todnem, 2007).

Aunque en la literatura no es complicado hallar referencias al estudio de dichas variables en relación al desarrollo turístico en países desarrollados y en países en vías de desarrollo (Prayag, Dookhony-Ramphul y Maryeven, 2010), no es fácil hallar trabajos referidos a destinos turísticos que constituyan islas, como es el caso de las Islas Canarias (Scheyvens y Momsen, 2008). Generalmente estos destinos turísticos insulares se caracterizan por su reducida dimensión y el menor tamaño de su población, además de por los altos costes del transporte y por la escasez de mercado y de infraestructuras.

Por otra parte, se acepta en la literatura que el desarrollo turístico debe proveer, en un marco de responsabilidad social, cierta salvaguarda económica, social y ambiental en beneficio de las generaciones futuras (Romagosa, Priestley y Llurdés, 2011; Lee, 2013). Por este motivo y por las propias características de los jóvenes que formarán parte del relevo generacional, éste constituye un segmento debe ser identificado y consultado (Walsh, 2005; Timur y Getz, 2009). Los jóvenes que actualmente poseen entre 18 y 19 años constituyen un segmento de población que ha sido escasamente abordado en la literatura sobre turismo (Parker, Charles y Schaefer, 2004), algo verdaderamente sorprendente teniendo en cuenta que representan un elevado porcentaje de la población, y que posee unas características e influencias relevantes en su triple rol de población residente, de turistas en el propio destino o como futuros trabajadores en el sector (Leung, 2009).

2.- INVESTIGACIÓN

2.1.- Diseño

Esta investigación tiene como primer objetivo determinar las percepciones que los jóvenes residentes en Canarias poseen acerca de las siguientes variables: la imagen (IM), la calidad percibida (CP), el valor percibido (VP), la reputación (RE), la familiaridad (FA), la sostenibilidad (SO) (en tanto que constituye una preocupación por las generaciones futuras), la responsabilidad social (RS), la confianza (CF) y la orientación al mercado (OM). Todas estas variables tienen en común que contribuyen a clarificar la excelencia con la que los jóvenes perciben la gestión de las empresas y las instituciones turísticas, así como de los productos-servicios turísticos (incluido el propio destino turístico). El segundo objetivo es establecer el carácter causal o predictivo de las variables anteriormente mencionadas respecto de la satisfacción (SA) del joven residente en Canarias y su lealtad o comportamiento posterior a la compra (PC): repetición y recomendación.

Las hipótesis básicas del trabajo son tres: (H1) los jóvenes turistas residentes en Canarias poseen una percepción media-alta respecto a las variables independientes mencionadas; (H2) no existen diferencias de percepciones por razones de sexo, isla de residencia y cantidad de viajes realizados; y (H3) es posible predecir la satisfacción y la causalidad de la satisfacción y la lealtad a partir de constructos formados con las variables anteriores mediante el modelo de Rasch utilizado en combinación con otras herramientas diseñadas en el marco de la Teoría Clásica del Test.

La metodología utilizada se corresponde con el modelo de Rasch (Rasch, 1960), un modelo que proporciona una solución práctica para el análisis de datos en las ciencias sociales y constituye el modelo más eficaz para llevar a cabo una evaluación objetiva (Muñiz, 1990; Bond y Fox, 2001). El modelo de Rasch constituye una superación de algunas limitaciones de la Teoría Clásica del Test (Prieto y Delgado, 2003; Cecilio, 2011), cumple los requisitos de medición planteados por Campbell (1920, 1928), los parámetros de las personas y de los ítems se expresan en las mismas unidades y se localizan en el mismo continuo, posee objetividad específica, tiene propiedades de intervalo, se produce el ajuste de los datos al modelo, se presupone unidimensionalidad y tiene valor predictivo (Oreja, 2005; Sanfiel, García, Ramos y Oreja, 2006; Oreja, 2008).  (Oreja, 2005; Sanfiel, García, Ramos y Oreja, 2006).

Respecto al tamaño de la muestra, en el contexto del modelo de Rasch el investigador Linacre (1994, 1999, 2002) sugiere que el tamaño de la muestra debe oscilar entre un mínimo de 50 sujetos en estudios politómicos y con un nivel de confianza del 95%, hasta un total de 250 sujetos. En este trabajo los criterios mencionados se cumplen (N=678). Con el objeto de poder hacer comparaciones más precisas se seleccionó a conveniencia en Tenerife y Gran Canaria una muestra de estudiantes de primero y segundo curso del Grado en Administración y Dirección de Empresas, en ambas universidades canarias. La elección de los días y horarios para aplicar el instrumento se realizó al azar, una vez establecidas las alternativas y elegido el mes de marzo para obtener los datos en ambas islas. Las edades de los sujetos de la muestra fueron:

18 años: 66%
19 años: 23%
+19 años: 11%

La muestra final fue la siguiente:
El instrumento utilizado fue la escala diseñada ad hoc denominada Perceptur-36 (percepción sobre turismo, 36 ítems), que fue elaborado teniendo en cuenta la literatura existente y las recomendaciones al uso en el diseño de cuestionarios.  En el presente trabajo se ha utilizado el programa informático Winsteps 3.75, además del software SPSS-19, Excel, SmartPLS-2.0 y Word.
2.2.- Resultados
2.2.1.- Análisis del carácter dimensional de la escala y análisis factorial exploratorio

Uno de los requisitos del modelo de Rasch es que se analice una única dimensión cada vez, algo muy difícil de conseguir en la práctica real (Linacre, 2009). El análisis de la dimensionallidad de los ítems mediante el software Winsteps 3.75, siguiendo las indicaciones de Oreja (2010) y Linacre (2012), mostró la existencia de ciertas tensiones o perturbaciones a la unidimensionalidad. Tal y como proponen Linacre (2012) en estos casos y también como sugieren Wright (1994a, 1994b) y Wright (2000), y tal y como se ha constatado en la literatura (De Bruin, 2004; Siegert, Jackson, Tennant  y Turner, 2010; Jiménez y Montero, 2013), se llevó a cabo un análisis factorial exploratorio (especialmente debido a que los factores no correlacionan entre sí por encima de 0,475). Los criterios generalmente seguidos al desarrollar un análisis factorial en el marco de la Teoría clásica del Test (TCT) son los siguientes (Kaiser, 1960; Nunnally y Berstein, 1994; Ruiz, Navarro, Torrente y Rodríguez, 2005):
Alfa de cada factor debe ser superior a 0,70
El auto-valor de cada factor debía ser superior a 1
Cada factor debía explicar al menos el 5% de la varianza total
En los factores seleccionados, la carga factorial de los ítems debía ser de al menos de 0,30, por tratarse de una muestra elevada
Los ítems contenidos en cada factor debían presentar una consistencia interna adecuada (α>0,70)

El análisis factorial se realizó mediante rotación varimax, método de componentes principales y forzando el análisis a 6 factores, que constituyó la solución más adecuada. El parámetro KMO fue mayor que 0,500 y muy próximo a 1 (KMO=0,910), lo que demostró la adecuación muestral. La prueba de esfericidad de Bartlett fue inferior a 0,050 (p<0,000), lo cual permitió afirmar que el análisis factorial fue satisfactorio. El valor del determinante próximo a cero (VD= 4,08E-007) demostró que el análisis factorial es una técnica pertinente para analizar esas variables.

La tabla 2 recoge información relativa a la varianza explicada por cada factor, y también de la varianza total explicada por el conjunto de los componentes (54,96% tras la rotación).

En la tabla 3 se recoge el alfa de cada factor, la correlación de cada ítem con el total del factor al que pertenece, así como las comunalidades de cada ítem con su factor. Los factores resultantes han sido los siguientes:

Factor 1: denominado “satisfacción, familiaridad y fidelización”, incluye 9 ítems relativos la familiaridad del sujeto con el destino, el comportamiento posterior a la compra y la satisfacción. Constituye un factor de resultado. Este factor se descompondrá en el análisis de causalidad para aislar la satisfacción (SA) y la lealtad o comportamiento post-compra (PC).

Factor 2: “percepción del destino turístico y de los productos y servicios turísticos”, incluyendo ítems relativos a la percepción de la sostenibilidad, reputación, imagen, valor percibido y calidad percibida.

Factor 3: “percepción de las instituciones públicas turísticas de Canarias”, incluyendo ítems relativos a la orientación al mercado, la confianza y la reputación percibida por los jóvenes respecto a dichas instituciones turísticas.

Factor 4: “percepción de los jóvenes acerca de las empresas turísticas canarias”, incluye 4 ítems relacionados con la confianza y 1 ítem asociado al valor percibido, éste último entendido como la percepción de la relación existente entre lo que las empresas turísticas aportan y lo que el joven turista aporta.

Factor 5: etiquetado como “orientación al mercado, a los jóvenes y al marketing por parte de las empresas turísticas”, incluye 4 ítems.

Factor 6: “responsabilidad social percibida respecto al desarrollo sostenible del turismo en Canarias”, incluye los ítems que tienen en cuenta la atribución de responsabilidad por parte de los diferentes agentes turísticos respecto a la sostenibilidad.

2.2.2.- Análisis de los factores e ítems en el marco del modelo de Rasch

A continuación se procedió a analizar cada uno de los seis factores resultantes a través del programa Winstep, en el marco del modelo de Rasch. El lector podrá apreciar que los datos de la tabla 4 consolidan la existencia de factores estadísticamente significativos, con una adecuada validez (MSQ en INFIT y OUTFIT comprendidos en el intervalo de máxima productividad, en torno a 1, y los valores de ZSTD en INIT y OUTFIT muy próximos a 0).
La fiabilidad de los distintos factores o dimensiones también es la adecuada (indicadores de fiabilidad en ítems y sujetos, así como alfa de cada factor, poseen valores superiores a 0,70).

En la tabla 5 se incluyen los ítems asociados a los seis factores. Se puede observar que los ítems poseen una adecuada correlación con su correspondiente factor, y que los niveles de MNSQ en INFIT y OUTFIT se encontraron en el intervalo productivo de ajuste o validez (0,5-1,5). Además, los errores fueron reducidos. El factor 1 (satisfacción, familiaridad y comportamiento posterior a la compra) y el factor 2 (percepciones acerca del destino y los productos turístico de Canarias) han obtenido los mejores resultados (entre 1,70 y -1,18 logits). Niveles medios alcanzaron los factores 4 (percepción de las empresas turísticas, con resultados comprendidos entre 0,52 y -0,57), el factor 5 (orientación al mercado y el marketing, con niveles comprendidos en el intervalo 0,66 y -0,76 logits) y el factor 6 (percepción de responsabilidad ante la sostenibilidad, con valores comprendidos entre -0,21 y -0,12). El factor 3 ha sido el menos valorado, referido a la percepción acerca de las entidades turísticas públicas y su gestión realizada, con valores comprendidos en el intervalo 0,66 y -0,73. Los ítems más valorados han sido los relativos a la familiaridad (FA27 y FA28), al comportamiento posterior a la compra, consistente en repetir viajes en Canarias y recomendar el destino turístico de Canarias (PC34 y PC 35), así como los ítems VP22 y RE17 asociados al destino turístico y los productos de Canarias.

2.2.3.- Análisis de diferencias por isla, sexo y cantidad de viajes declarados

Para determinar si existían diferencias en los resultados por razones de sexo, isla de residencia (Gran Canaria y Tenerife) o por la cantidad de viajes realizados en Canarias procedimos a realizar un análisis discriminante mediante el software SPSS-19 utilizando las medidas logits de los factores, tal y como han hecho otros autores (García, Oreja y González, 2004; Sanfiel, García, Ramos y Oreja, 2006).

Como se observa en la tabla 6 los auto-valores (AV) y las correlaciones canónicas (CC) han tenido unos valores próximos a cero, mientras que el estadístico Lambda de Wilks (LW) presenta un valor próximo a uno. Teniendo en cuenta que las pruebas M de Box en los tres casos han dado un resultado de p= 0,000 (p<0,05), podemos afirmar que no existieron diferencias significativas por razón de isla de residencia, por razones de sexo o por el número de veces que los jóvenes han viajado en el destino turístico de Canarias.

2.2.4.- Análisis predictivo-causal de la satisfacción y la lealtad

Los modelos de ecuaciones estructurales constituyen un avance respecto a las técnicas de regresión (Falk y Miller, 1992). En este trabajo de investigación se ha utilizado la técnica causal-predictiva denominada Partial Least Squares (PLS) (Wold, 1982) y el software SmartPLS 2.0. El empleo de mínimos cuadrados parciales (PLS) permite el uso de indicadores (ítems) reflexivos y formativos (Fornell y Bookstein, 1982) y constituye un potente método de análisis debido a sus mínimos requerimientos relativos a escalas de medidas de las variables, el tamaño muestral y las distribuciones residuales (Chin, Marcolin y Newsted, 2003). Se ha ejecutado el programa SmartPLS utilizando los logits obtenidos para los factores en el marco del modelo de Rasch, tal y como sugiere Linacre (según correspondencia con el autor).

Como sucede con todos los modelos de ecuaciones estructurales el modelo basado en PLS (algoritmos mínimo cuadrados parciales) consta de dos sub-modelo (Cepeda y Roldán, 2008; Rufín, Medina, Sierra y Rey, 2010; Gutiérrez, Bulchand, Díaz y Parra, 2013): el modelo de medida, que relaciona las variables observables (generalmente ítems) y su variable latente, y el modelo estructural, que relaciona unas variables latentes con otras.

Análisis del modelo de media
En este caso se trata de indicadores formativos, a tenor de los criterios sugeridos por Jarvis, MacKenzie y Podsakoff (2003) y MacKenzie, Podsakoff y Jarvis (2005). La evaluación del modelo de medida en el caso de indicadores formativos no requiere que la escala sea internamente consistente, por lo que los procedimientos tradicionales de análisis de la fiabilidad y validez de las escalas reflexivas no son los más adecuados (Bagozzi, 1994). En el caso de indicadores formativos es necesario verificar primero que no exista entre los constructos una alta multicolinealidad (Diamantopoulos y Winklhofer, 2001; Mathieson, Peacock y Chin, 2001). Para ello se calculó el índice de condición y el test del factor de inflación de la varianza (FIV). El Índice de condición (IC) es raíz cuadrada del autovalor más grande. El autovalor indica cuántos factores o dimensiones subyacen en el conjunto de variables independientes utilizadas. El índice de condición demostraría la existencia de multicolinealidad si alcanza valores iguales o superiores a 20, siendo 30 un resultado excesivamente elevado (Belsley, 1984).

Por otra parte, los valores del factor de Inflación de la varianza (FIV) deberían ser inferiores a 5 y la tolerancia superior a 0,100 para confirmar la ausencia de colinealidad (Kleinbaum, Kupper y Muller, 1988). El Índice de Inflación de la Varianza (FIV) es el inverso del Índice de tolerancia (IT). Éste último se define como el grado en el que la varianza de una variable independiente no está asociada ni depende de las demás. Se calcula restando 1 a R2, regresando la variable independiente sobre las demás. Si el IT es reducido indica que la variable puede ser explicada por las demás. Por último, los valores de los coeficientes de correlación entre variables latentes no deberían superar, en ningún caso, el valor 0.60 para confirmar la validez discriminante (MacKenzie, Podsakoff y Jarvis, 2005).

La tabla 7 incluye los resultados del índice de condición para las variables dependientes satisfacción y comportamiento posterior a la compra (lealtad). Se puede apreciar que los valores son inferiores a 20.

La tabla 8 recoge los resultados de los indicadores de tolerancia y del factor de inflación de la varianza (FIV), siendo superiores a 0,100 e inferiores a 5 en todos los factores y sub-factores, respectivamente. Los resultados de ambas tablas nos sugieren que no existe entre los constructos una alta multicolinealidad.

Las etiquetas resumidas de los factores en la tabla son las siguientes:
F1: Satisfacción, familiaridad y lealtad, con sub-factores satisfacción (SA), Familiaridad (FA) y lealtad (PC)
F2: Productos y destino turístico
F3: Instituciones turísticas públicas
F4: Empresas turísticas
F5: Orientación al mercado de la empresa
F6: Responsabilidad social

Por último, los resultados de la tabla 9 han puesto de manifiesto que no existe correlación superior a 0,600 entre las variables latentes o constructos. Este resultado junto a los anteriores indican que el modelo de medida es estadísticamente adecuado.

Análisis del modelo estructural de la formación de la lealtad

En el estudio del modelo estructural se analizan las relaciones de causalidad establecidas entre los distintos constructos o variables latentes dependientes e independientes del modelo teórico (Roldán, 2000; Real, Leal y Roldán, 2006). El análisis del modelo estructural requiere responder a dos cuestiones básicas:

a) ¿En qué medida las variables predictoras contribuyen a explicar la varianza de la variable endógena (en este caso la lealtad)? Para  dar respuesta a este primer interrogante se analizaron los coeficientes path (β) o pesos de regresión estandarizados. Según Chin (1998b) este coeficiente debería alcanzar al menos un valor de 0,20 (β ≥ 0,20), e idealmente situarse por encima de 0,30 (β > 0,30). También debe llevarse a cabo, mediante un análisis bootstrapping (en este trabajo con 500 sub-muestras y 200 casos) un análisis de la significatividad t-Student de las relaciones directas entre las variables (paths) (Gutiérrez, Bulchand, Díaz y Parra, 2013). La tabla 10 ofrece los indicadores resultantes del modelo estructural explicativo del comportamiento posterior a la compra, es decir, de la lealtad (repetir viaje y recomendar destino turístico).

Se destaca, en primer lugar, el hecho de que todos los coeficientes paths hayan sido superiores a 0,20 (β  ≥ 0,20), siendo seis de ellos superiores a 0,30 (β  ≥ 0,30). Por otra parte, todas las relaciones representadas por los coeficientes path (β) son altamente significativas (* P<0,001). La mayor parte de los efectos totales son superiores a 0,10  (β  ≥ 0,10), excepto en el caso de tres relaciones (15% del total de relaciones).

Es de destacar también el peso que la percepción de los jóvenes residentes acerca de la orientación al mercado de las empresas tiene en la formación de la percepción de los productos y del destino turístico (β = 0,229), así como en la percepción de la empresa (β = 0,407). Es la percepción sobre la orientación al mercado la variable que origina el modelo (ver figura 1), que termina en la formación de la satisfacción y la lealtad.

A su vez, la percepción que los jóvenes poseen sobre la empresa influye notablemente en la formación de la percepción de los productos (β = 0,488), y ésta en la formación de la satisfacción (β = 0,351) y de la familiaridad (β  = 0,410). El constructo familiaridad a su vez influye en la formación de la satisfacción (β = 0,347). Por último, la satisfacción posee un elevado peso en la explicación del comportamiento posterior a la compra o lealtad (β = 0,650).

Se destacan también dos cuestiones más. En primer lugar, la influencia que la percepción de la responsabilidad en el desarrollo turístico sostenible ejerce sobre la formación de la percepción que los jóvenes poseen de la empresa turística (β = 0,270). En segundo lugar, la ausencia en el modelo del factor 3, relativo a la percepción que de la gestión de las instituciones turísticas públicas poseen los jóvenes residentes.

b) La segunda cuestión a resolver es la siguiente: ¿qué cantidad de la varianza de las variables endógenas es explicada por los constructos que las predicen? Para dar respuesta a esta cuestión se analizó el índice básico R2, que indica la cantidad de varianza del constructo que es explicada por el modelo. Según Falk y Miller (1992) el indicador R2 debe ser mayor o igual a 0,10, pues valores por debajo de 0,10, aunque continúen siendo estadísticamente significativos, proporcionan muy poca información. El modelo también se evalúa observando la relevancia predictiva (Q2) de los constructos. Según Riquel y Vargas (2013) el cross-validated redundancy index (Q2), o test de Stone-Geisser (Stone, 1974; Geisser, 1975), puede ser medido utilizando procedimientos del tipo blindfolding, incluidos en el programa estadístico SmartPLS. El test Q2 es una medida de hasta qué punto los valores obser­vados son reproducidos por el modelo y por sus parámetros estimados (Chin, 1998b). Si Q2 >0 el modelo tiene relevancia predictiva, mientras que si Q2 < 0 indica que el modelo carece de dicha relevancia predictiva.

La tabla 11 incluye los resultados de los indicadores R2 y Q2 para el modelo explicativo de la lealtad. La tabla muestra que el indicador R2 es superior a 1 para todas las variables latentes o constructos incluidos en el modelo, y que el indicador Q2 es positivo, también en todos los casos. Por tanto, el modelo A explica adecuadamente la formación de la lealtad (repetir y recomendar).

La figura 1 que sigue corresponde al modelo explicativo del comportamiento posterior a la compra o lealtad. Sólo se incluyen los Path (β) iguales o superiores a 0,20 (β ≥ 0,20). Cuando se dio entrada en el modelo a relaciones entre variables latentes en un marco menos exigente (β ≥ 0,10) se generó un modelo mucho más complejo y rico en el que todos los constructos de este trabajo estuvieron incluidos. La complejidad del mismo y su relativa significatividad estadística fueron criterios decisivos para excluirlo de este trabajo.

3.- CONCLUSIONES
Se confirma la primera hipótesis, pues en general y salvo las percepciones de la gestión realizada por las instituciones turísticas, los jóvenes de ambos sexos y residentes en las dos islas valoran con niveles medio-altos las diferentes variables incluidas en este trabajo. No obstante, las percepciones positivas aún pudieran serlo más, mediante una gestión de marketing empresarial e institucional más adecuada y dirigida a los jóvenes residentes en Canarias.

Se confirma la segunda hipótesis, pues no existen diferencias significativas en las percepciones de los jóvenes respecto al sexo, la cantidad de viajes realizados o la isla de residencia, lo cual sugiere que las características de los jóvenes residentes, al menos en un mismo destino turístico, son homogéneas y universales, confirmando el aspecto socio-generacional del análisis. Esta conclusión permite plantear similares actuaciones en cuanto a sexo y residencia, asociadas a la mejora de las percepciones de los jóvenes y al aumento de su satisfacción y lealtad.

Se confirma la tercera hipótesis, pues SI es posible predecir la satisfacción y el comportamiento posterior a la compra de los jóvenes residentes en Canarias (repetir viajes en Canarias y recomendar el destino turístico de Canarias) mediante las variables y constructos utilizados. En primer lugar se concluye que el modelo de medida correspondiente a la formación de la lealtad es estadísticamente significativo, válido y fiable. También se constata que el modelo estructural generado relativo a la formación de la lealtad es válido y que las relaciones más significativas son las siguientes.

La percepción de los jóvenes acerca de la orientación al mercado que llevan a cabo las empresas turísticas de canarias, así como la percepción de responsabilidad social, influyen en la percepción de la confianza y del valor comercial de la empresa turística. A su vez, esta percepción sobre las empresas turísticas repercute en la percepción que los jóvenes posen sobre el valor, la calidad y la imagen del destino y los productos turísticos, lo que a su vez repercute sobre la familiaridad percibida por el joven turista residente. La percepción sobre el producto y el destino turístico, así como la familiaridad, influyen en la formación de la satisfacción percibida. Por último, es la satisfacción la única variable latente que influye directamente sobre la lealtad. Cuando en el modelo causal se permite la existencia de relaciones con paths superiores a 0,100 (β ≥ 0,100), tal y como proponen algunos autores referenciados en este trabajo, se pone en evidencia que todos los constructos - y no sólo los mencionados anteriormente - ejercen alguna influencia sobre la formación de la lealtad.

Queda constatado que la lealtad del turista residente se consigue de forma directa aumentando su satisfacción, e indirectamente a través de la satisfacción (variable mediadora). Esta influencia indirecta sobre la lealtad a través de la satisfacción se consigue haciéndole sentir al turista más familiar, aumentando la calidad percibida y el valor percibido, mejorando la imagen del destino, desarrollando la orientación al mercado, mejorando la confianza y mejorando la reputación a través de la responsabilidad social en el desarrollo turístico sostenible. Por tanto, es la satisfacción la variable que mejor predice la lealtad, bien de manera directa o mediando entre otras variables, como la calidad o el valor percibido.

Bibliografía

Andreu, L., Bigné, E. y Cooper, C. (2.000). Imagen proyectada y percibida de España como destino turístico para viajeros ingleses. Journal of Travel & Tourism Marketing, 9(4), 47-67.
Bagozzi, R. P. (1994). Structural Equation Models in Marketing Research: Basic Principles. Principles of Marketing Research, 3: 1, 7-385.
Becker, B. (2002). The alignment conference: A stakeholder’s way to create a competitive advantage. Strategic Business Resources, 11, 115–121.
Bell, S. y Morse, S. (2003). Measuring sustainability: Learning from doing. London: Earthscan publications.

Bell, S. y Morse, S. (2004). Experiences with sustainability indicators and stakeholders participation: a case study relating to a “blue plan” project in Malta. Sustainable Development, 12, 1-14.
Belsley, D. A. (1984). Demeaning conditioning diagnostics through centering. The American Statistician, 38(2), 73-93. 
Bigné, E., Currás, R. y Sánchez, I. (2010). Consecuencias de la insatisfacción del consumidor: un estudio en servicios hoteleros y de restauración. Universia Business Review, 28, 78 – 100.
Bigné, E., Font, X. y Andreu, L. (2000). Marketing de destinos turísticos. Análisis y estrategias de desarrollo. Madrid: ESIC.
Bolton, R. y Drew, J. (1991a). A multistage model of customers’ assessments of service quality and value. Journal of Customer Research, 17, 375-384.
Bolton, R. y Drew, J. (1991b). A longitudinal analysis of the impact of service changes on customer attitudes. Journal of Marketing, 55, 1-9.
Bond, T. G. y Fox, C. M. (2001). Applying the Rasch model, fundamental measurement in the human ciences. Nueva Jersey: Lawrence Erlbaum Editors.
Campbell, N. R. (1920). Physics: The elements. Cambridge University Press.
Campbell, N. R. (1928). An account of the principles of measurement and calculation. London: Logmans.
Cecilio, D. (2011). Construcción de un test informatizado transmodal de memoria de reconocimiento. Tesis doctoral. Salamanca: Universidad de Salamanca.
Cepeda, G. y Roldán, J. (2008). Aplicando en la práctica la técnica PLS en la administración de empresas. Sevilla: Universidad de Sevilla.
Chin, W. W. (1998a). The Partial Least Approach to structural equation modelling. En G.A. Marcoulides (Ed.): Moderm methods for business research. Mahwah: Lawrence Erlbaum Associates, pp. 295-336.
Chin, W. W. (1998b). Issues and opinion on structural equation modeling. MIS Quarterly, 22(1), 7-16.
Chin, W. W., Marcolin, B. L. y Newsted, P. R. (2003). A partial least squares latent variable modeling approach for measuring interaction effects: results from a Monte Carlo simulation study and an electronic mail emotion/adoption study. Information Systems Research, 14(2), 189-217.
De Bruin, G. (2004). Problems with the factor analysis of items: solutions based on item response theory and item parceling. Journal of Industrial Psychology, 30(4), 16-26
Diamantopoulos, A. y Winklhofer, H. M. (2001). Index construction with formative indicators: An alternative to scale development. Journal of Marketing Research, 38, 269-277.
Diedrich, A. y García, E. (2009). Local perceptions of tourism as indicators of destination decline. Tourism Management, 30(4), 512-521.
Dyer, P., Gursoy, D., Sharma, B. y Carter, J. (2007). Structural modeling of resident perceptions of tourism and associated development on the Sunshine Coast, Australia. Tourism Management, 28, 409-422.
Falk, R. F. y Miller, N. B. (1992). A primer for soft modeling. Akron, Ohio: The University of Akron.
Fornell, C. y Bookstein, F. L. (1982). A Comparative analysis of two structural equation models: Lisrel and PLS applied to market data. En C. Fornell (Ed.): A second generation of multivariate analysis. New York: Praeger Publishers.
García, A. M., Oreja, J. R. y González, E. (2004). La calidad en la cadena de valor del producto agroalimentario. Diferencias percibidas entre el agricultor individual y el asociado. Investigaciones Europeas de Dirección y Economía de la Empresa, 10(1), 69-91.
Geisser, S. (1975). A predictive sample reuse method with applications. Journal of the American Statistical Association, 70, 320-328.
Gursoy, D., Jurowski, C. y Uysal, M. (2002). Resident attitudes e a structural modeling approach. Annals of Tourism Research, 29(1), 79-105.
Gutiérrez, D., Bulchand, J., Díaz, R. y Parra, E. (2013). Antecedentes del uso de los medios sociales por el turista: motivación, oportunidad y capacidad. Cuadernos de Turismo, 31, 153-173.

Hsu, C., Wolfe, K. y Kang, S. (2004). Image assessment for a destination with limited comparative advantages. Tourism Management, 25, 121-126.
Jarvis, C. B., MacKenzie, S. B. y Podsakoff, P. M. (2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30(2), 199-218.
Jiménez, K. y Montero, E. (2013). Aplicación del modelo de Rasch en el análisis psicométrico de una prueba de diagnóstico en matemática. Revista digital Matemática, Educación e Internet, 13(1), 34-46.

Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20, 141-151.

Kang, I., Jeon, S., Lee, S. y Lee, C. K. (2005). Investigating structural relations affecting the effectiveness of service management. Tourism Management, 26(3), 301-310.
Kim, H., Kim, T. y Shin, S. W. (2009). Modeling roles of subjective norms and eTrust in customers’ acceptance of airline B2C eCommerce websites. Tourism Management, 30(2), 266-277.
Kleinbaum, D. G., Kupper, L. L. y Muller, K. E. (1988). Applied regression analysis and other multivariate analysis methods. Boston: PWS-Kent Publishing Company.
Laszlo, C., Sherman, D. y Ellison, J. (2005). Expanding the value horizon: how stakeholder value contributes to competitive advantage. Journal of Corporate Citizenship, 20, 65–76.
Lee, T. H. (2013). Influence analysis of community resident support for sustainable tourism development. Tourism Management, 34, 37-46.
Leung, L. (2009). User generated content on the internet: an examination of gratifications, civic engagement and psychological empowerment. New Media & Society, 11(8), 1.327-1.347.
Linacre, J. M. (1994). Sample Size and Item Calibration Stability. Rasch Measurement Transactions, 7(4), 328-336.
Linacre J. M. (1999) Investigating rating scale category utility. Journal of Outcome Measurement, 3(2), 103-122.
Linacre J. M. (2002) Understanding Rasch measurement: Optimizing rating scale category effectiveness. Journal of Applied Measurement, 3(1), 85-106.
Linacre J. M. (2009). Unidimensional models in a multidimensional world. Rasch Measurement Transactions, 23(2), 1209-1217.
Linacre, J. M. (2012). A user's guide to Winstep/Ministep. Rasch-Model Computer Programs. Program Manual 3.75 (http://www.winsteps.com/a/winsteps-manual.pdf).
MacKenzie, S. B., Podsakoff, P. M. y Jarvis, C. B. (2005). The problem of measurement model misspecification in behavioral and organizational research and some recommended solutions. Journal of Applied Psychology, 90, 710-730.
Macleod, C. y Todmen, R. (2007). Performance, conformance and change: towards a sustainable tourism strategy for Scotland. Sustainable Development, 15, 329-342.
Margolish, J. D. y Walsh, J. P. (2001). People and profits? The search for a link between a company’s social and financial performance. Boston: Lea organization and management series.
Mathieson, K., Peacock, E. y Chin, W. W. (2001). Extending the technology acceptance model: The influence of perceived user resources. Data Base for Advances in Information Systems, 32(3), 86-112.
Moorman, C., Zaltman, G. y Deshpandé, R. (1992). Relationship between providers and users of market research: The Dynamics of Trust Within and Between Organizations. Marketing Research, 24, 314-328.
Muñiz, J. (1990). Teoría de respuesta  a los ítems: Un nuevo enfoque en la  evolución psicológica y educativa. Madrid: Pirámide.
Nunkoo, R. y Ramkissoon, H. (2011). Developing a community support model for tourism. Annals of Tourism Research, 38(3), 964-988.
Nunnally , J. C. y Berstein, I. J. (1994). Psychometric theory. Nueva York: McGraw Hill.
Oreja, J. R. (2005). Introducción a la medición objetiva en Economía, Administración y Dirección de empresas: el Modelo de Rasch. Serie Estudios 2005/47. La Laguna: IUDE-Universidad de La Laguna, 1-78.
Oreja, J. R. (2008). La paradoja de Rasch, medidas y errores. Serie Estudios 2008/68. La Laguna: IUDE-Universidad de La Laguna, 1-20.
Oreja, J. R. (2010). Análisis de la dimensionalidad en el modleo de Rasch. Estudio comparativo de dos casos. En Oreja, J. R. y Febles, J. (Coord.): Modelos de Rasch en Administración de Empresas: Nuevos desarrollos. Colección E-BOOKS, 4. Santa Cruz de Tenerife: FYDE-CajaCanarias. Pág. 23-47.
Parker R., Charles, M. y Schaefer A. D. (2004). Fashion consciousness of Chinese, Japanese and American teenagers. Journal of Fashion Marketing and Management, 8(2), 176-186.
Parkerson, B. y Saunders, J. (2005). City branding: can goods and services branding models be used to brand cities? Place Branding, 1(3), 242-264.
Prayag, G., Dookhony-Ramphul, K. y Maryeven, M. (2010). Hotel development and tourism impacts in Mauritius: Hoteliers’ perspectives on sustainable tourism. Development Southern Africa, 27(5), 697-712.
Prieto, G. y Delgado, A. R. (2003). Análisis de un test mediante el modelo de Rasch. Psicothema, 15(1), 94-100
Rasch, G. (1960). Probabilistic models for some intelligence and attainment tests. Copenhagen: Danish Institute for Educational Research.
Real, J. C., Leal, A y Roldán, J. L. (2006). Information technology as a determinant of organizational learning and technological distinctive competencies. Industrial Marketing Management, 35(4), 505-521.
Riquel, F. J. y Vargas, A. (2013). Las presiones institucionales del entorno medioambiental: aplicación a los campos de golf. Revista Europea de Dirección y Economía de la Empresa, 22, 29–38.
Roldán, J. L. (2000). Sistemas de información ejecutivos EIS. Génesis, implantación; repercusiones organizativas. Tesis Doctoral. Universidad de Sevilla.
Romagosa, F., Priestley, G. y Llurdés, J. C. (2011). El turismo en el marco de una estrategia de planificación sostenible general en Cataluña. Boletín de la Asociación de Geógrafos Españoles, 57, 267-293.
Rufín, R., Medina, C., Sierra, G. y Rey, M. (2010). La medida de la imagen de los destinos turísticos y sus consecuencias. Estadística Española, 52(173), 31-65.

Ruiz, J. A., Navarro, J. M., Torrente, G. y Rodríguez, Á. (2005). Construcción de un cuestionario de creencias actitudinales sobre el comportamiento suicida: el CCCS-18. Psicothema, 17(4), 684-690.
Ryssel, R., Ritter, T. y Gemunden, H. (2004). The impact of information technology development on trust, commitment and value creation in business markets. Journal of Business and Industrial Marketing, 19(3), 197-207.
Sanfiel, Mª. A., García, A. M., Ramos, A. y Oreja, J. R. (2006). El tamaño de las empresas condicionante en las distintas configuraciones de vínculos inter-organizativos. Colección E-BOOKS, nº 1. Santa Cruz de Tenerife: FYDE- CajaCanarias, 203-216.
Scheyvens, R. y Momsen, J. (2008) Tourism and poverty reduction: Issues for small island states. Tourism Geographies, 10(1), 22–41.
Siegert, R. J., Jackson, D. M., Tennant, A. y Turner, L. (2010). Factor analysis and Rasch analysis of the zarit burden interview for acquired brain injury career research. Journal of Rehabilitation Medicine, 42, 302–309.
Stone, M. (1974). Cross-validatory choice and the assessment of statistical predictions (with discussion). Journal of the Royal Sstatistical Society, Ser. B, 36, 111–133.
Strong, K. C., Ringer, R. C. y Taylor, S. A. (2001). The ruled of stakeholder satisfaction (timeliness, honesty, empathy). Journal of Business Ethics, 32(3), 219-231.
Sun, X., Chi, Ch. y Xu, H. (2013).  Developing destination loyalty: the case of Hainan Island. Annals of Tourism Research, 43, 547-577.
Timur, S. y Getz, D. (2009). Sustainable tourism development: How do destination stakeholders perceive sustainable urban tourism? Sustainable Development, 17(4), 220-232.
Tyler, S., Ambus, L. y Davis-Case, D. (2007). Governance and management for small forest tenures in British Columbia. BC. Journal of Ecosystems and Management, 8(2), 68–79.
Walsh, J. P. (2005). Book review essay: Taking stock of stakeholder management. Academy of Management Review, 30, 426–438.
Wold, H. (1982). Systems under indirect observation using pls. En C. Fornell [ed.]: A Second Generation of Multivariate Analysis, pp. 325-347. New York: Praeger.
Wong, I. A. y Wan, Y. K. P. (2013). A systematic approach to scale development in tourist shopping satisfaction: linking destination attributes and shopping experience. Journal of Travel Research, 52(1), 29-41.
Wright, B. D. (1994a). Applications of probabilistic conjoin measurement. International Journal of Educational Research, 21(6), 557 – 664.
Wright, B. D. (1994b). Comparing factor analysis and Rasch measurement. Rasch Measurement Transactions, 8(1), 350-357.
Wright, B. D. (2000). Conventional  factor analysis vs. Rasch residual  factor analysis. Rasch Measurement Transactions, 14(2), 753.
Wu, J. J. y Chang, Y. S. (2006). Effect of transaction trust on e-commerce relationships between travel agencies. Tourism Management, 27(6), 1253–1261.
Yoon, Y., Gursoy, D. y Chen, J. S. (2001). Validating a tourism development theory with structural equation modeling. Tourism Management, 22(4), 363-372.

Recibido: 8/11/2014 Aceptado: 10/11/2014 Publicado: Diciembre de 2014

---

Nota Importante a Leer:

Los comentarios al artículo son responsabilidad exclusiva del remitente.

Si necesita algún tipo de información referente al articulo póngase en contacto con el email suministrado por el autor del articulo al principio del mismo.

Un comentario no es mas que un simple medio para comunicar su opinion a futuros lectores.

El autor del articulo no esta obligado a responder o leer comentarios referentes al articulo.

Al escribir un comentario, debe tener en cuenta que recibirá notificaciones cada vez que alguien escriba un nuevo comentario en este articulo.

Eumed.net se reserva el derecho de eliminar aquellos comentarios que tengan lenguaje inadecuado o agresivo.

Si usted considera que algún comentario de esta página es inadecuado o agresivo, por favor,pulse aqui.