Entre las diversas actividades económicas globales que se desarrollan actualmente, pocos ejemplos existen de un sector que tengan mayor dinamismo y crecimiento como el turismo. A pesar de una cierta desaceleración a causa de las últimas crisis mundiales, hoy día el turismo vive un impulso sin precedentes en la historia y es indiscutible que constituye un motor esencial del progreso socioeconómico para muchas sociedades.

El sector turismo se ha convertido en un importante jalonador de la economía colombiana, las cifras así lo evidencian: desde 2015 el valor agregado turístico nacional ha crecido 31%, el sector subió siete puestos en el índice de Competitividad en Viajes y Turismo del Foro Económico Mundial entre 2017 (puesto 62 / 136) y 2019 (55 / 140), y generó más de 1,9 millones de empleos en 2018 (3,7% más que en 2017) y 8,8% del total de empleos del país. En el año 2019 el PIB creció 4,7% en alojamiento y servicios de comida (34.113 miles de millones de pesos) (DANE, 2019).

En el escenario local caucano, las empresas prestadoras de servicios turísticos son una importante fuente de empleo para la ciudad de Popayán. Así, la rama de actividad económica que mayor número de empleos generó en 2018 fue el comercio, hoteles y restaurantes, con 37.633 de la población payanesa en edad de trabajar. En 2016 la Cámara de Comercio del Cauca encuestó a 244 empresas, las cuales generaban alrededor de 1.308 empleos, es decir, un promedio de 5,36 empleados por cada establecimiento.⁵ Algunas cifras de CITUR en pandemia muestran que el flujo de turistas (flujo receptor) en el Cauca se redujo entre 2019 y 2020 en 71,5%, pero ya para 2021 había experimentado un crecimiento de 42,0%, debido a la apertura de fronteras, finalización del confinamiento, beneficios tributarios al sector, vacunación masiva y la flexibilización de protocolos de bioseguridad.

De otro lado, el turismo es un sector que dinamiza actividades conexas como las empresas del sector de gastronomía, que en ese mismo período empleaban un total de 462 personas y en promedio tienen 3,5 empleados por establecimiento; así mismo las empresas del sector de transporte superaban de lejos la media de empleos que generaba el sector; en promedio, por cada empresa de transporte 149 empleos; además, según cifras presentadas en el Informe de Coyuntura Económica Regional, ICER, la actividad de transporte, en promedio, generó 10,47% del total de puestos de trabajo de la producción caucana entre 2007 y 2014, ubicándola en el tercer lugar de las actividades más importantes para la generación de empleo dentro de la economía local. Vale la pena también mencionar que este sector tiene un alto impacto en el nivel de actividad económica regional, debido a su alta potencialidad y diversidad no solo por el ofrecimiento del turismo ancestral sino también el histórico, religioso y ecológico.

Es así como, antes del confinamiento causado por el Covid-19, Colombia y el departamento del Cauca venían reflejando el gran potencial que tiene esta industria. Después de casi 6 meses de confinamiento en el año 2020, decretado por el Gobierno Nacional, uno de los sectores más afectados y de los últimos que presentaron reapertura fue el sector turismo. Situación que preocupa a académicos, empresarios y autoridades locales que vieron aplazados los beneficios económicos y sociales que traería el escenario del posconflicto a este departamento.

En este sentido, la recuperación del sector se hace urgente y dependerá de varios aspectos tanto sociales como políticos, de salubridad y económicos. En este último grupo se encuentran las expectativas que se forman los oferentes de los servicios turísticos a mediano plazo. La perspectiva de los oferentes influye directamente en el desempeño futuro del sector ya que son ellos los encargados de buscar alternativas de manera conjunta con los gobiernos locales, para adaptarse a la nueva situación. Debe recordarse que uno de los determinantes de la oferta de cualquier bien o servicio son las expectativas que tienen las empresas (Nicholson, 2008). En este sentido, determinar cuáles son las esperanzas que ellas tienen ayuda a identificar dónde deben implementarse las políticas o medidas de choque para tratar de reactivar el sector.

En este orden de consideraciones, el presente estudio pretende indagar por la probabilidad de que la expectativa sobre el desempeño económico futuro de los establecimientos del sector turístico de la ciudad de Popayán mejore o empeore en tiempos de Covid-19. Para lograrlo se utiliza una modelación econométrica del tipo logit ordenado, a partir de la gran encuesta Pyme elaborada por la Asociación Nacional de Instituciones Financiera (ANIF, 2020) , la Cámara de Comercio del Cauca, el Banco de la República, Bancóldex, el Fondo Nacional de Garantías (FNG) y el Grupo Banco Mundial, para 120 establecimientos entre los meses de agosto y septiembre de 2020.

Los estudios recientes que tratan de capturar los vínculos entre el sector turismo y los impactos del Covid-19 a niveles nacional e internacional abordan esta temática desde diferentes perspectivas (demanda, oferta, gestión, empleo, crecimiento, sustentabilidad, entre muchos otros). Este documento busca aportar a esta discusión desde la perspectiva de las expectativas sectoriales en tiempos de pandemia desde la oferta turística, a través de una modelación estocástica.

Los resultados generales muestran una percepción negativa de los empresarios del sector turístico payanés sobre los efectos de la pandemia en su actividad económica, aunque afectando en mayor medida a aquellos negocios más antiguos, de tamaño mediano, que son dirigidos por hombres longevos con bajos niveles de educación, que pasaron pocos apuros en la pandemia y, por ende, no tomaron acciones decisivas para mitigar su impacto y además no utilizan TICs; estos son los que esperan un futuro igual o negativo en tiempos de Covid-19. Sin embargo, el empresario promedio de este sector es joven, casi repartido por igual entre hombres y mujeres, con niveles altos de calificación, interesados en certificar sus empresas bajo criterios ambientales, lo cual sentaría las bases hacia un turismo sostenible que permita una pronta y efectiva reactivación económica regional.

Este documento se divide en cinco secciones, la primera es esta introducción; la segunda esboza una revisión de la literatura, acompañada de la referenciación de algunos estudios empíricos a niveles nacional e internacional; la tercera se encarga de un análisis descriptivo de la información. En la cuarta se encuentra la presentación de la metodología econométrica y la discusión de los principales resultados. Por último, se esbozan algunas conclusiones.

El turismo como actividad económica es un sector que, como cualquier otro, promueve el crecimiento económico local, regional y nacional a través de la demanda, la inversión o el empleo, y que además afecta el mercado cambiario y genera demandas residuales a otros sectores relacionados (Su et. al., 2021; Brida et al., 2021). En la era de la globalización, este sector ha alcanzado un alto protagonismo en el PIB de los países a tal punto de convertirse en un sector de punta, como en España y otros a nivel mundial (Gutiérrez Campos, 2021).

A pesar de ello, no existe una clara definición consolidada del turismo. La Organización Mundial de Turismo (OMT) manifiesta que este se puede pensar como “el conjunto de relaciones y fenómenos producidos por el desplazamiento y permanencia de personas fuera de su lugar habitual de residencia, en tanto que dichos desplazamientos no estén motivados por una actividad lucrativa principal, permanente o temporal”. Esta definición ha sido refinada para tener en cuenta a los viajeros por motivo de negocios y/o trabajo; así, “el turismo comprende actividades que realizan las personas durante sus viajes y estancias en lugares distintos al de su entorno habitual, por un período de tiempo consecutivo inferior a un año con fines de ocio, por negocios y otros” (OMT, 1998).

El turismo no solo es analizado desde la economía, sino desde otras áreas del conocimiento como la geografía, la administración, la sociología o el medio ambiente, entre otras (Franco, et al., 2019; Danish & Wang, 2018). Sin embargo, independientemente del enfoque, el turismo como cualquier mercado en economía, en general puede analizarse desde la demanda y la oferta (Camilleri, 2018). Aunque aquí también se suman otros componentes relacionados con el espacio geográfico donde se realiza la actividad turística y los intermediarios u operadores del mercado (San Juan y González, 2016), son la oferta y la demanda sus principales áreas de análisis.

Desde el lado de la demanda, se considera el tradicional enfoque neoclásico que parte de una función de utilidad Cobb-Douglas, la cual incluye dos bienes, uno de ellos es el turismo. Dado un nivel de utilidad, se obtiene una curva de indiferencia, la cual es maximizada bajo una restricción presupuestaria (Salazar, 2012). De esta manera se obtiene la típica demanda turística a la Marshall, en función de los precios y el ingreso. Sin embargo, en este punto se reconoce que también existen otros factores que determinan la demanda asociados al marketing, las TICs y las redes sociales, que tienen un rol preponderante en la demanda turística en la era de la información. En efecto, ahora se habla del influencers marketing for tourism, la cual es una nueva faceta del mercadeo, que aprovecha a los internautas para influir en la toma de decisiones de consumo de sitios turísticos (Femenia-Serra & Gretzel, 2020).

Frente a los recientes avances teóricos de la demanda, estos se centran ya no tanto en los determinantes de la demanda como tal, sino en aprovechar las tecnologías de la visión artificial para mejorar la precisión del pronóstico en la demanda turística, basados en modelos deep learning con imágenes de series temporales (Bi, Li & Fan, 2021; Polyzos & Spyridou, 2021). Estos resultados permiten que los establecimientos turísticos y los gobiernos locales puedan tomar decisiones con mucha mayor anticipación y precisión frente a los ciclos expansivos o recesivos de la demanda. Sin embargo, siempre surgen fenómenos exógenos al mercado totalmente imprevistos que hasta los modelos más sofisticados no pueden prever. La actual pandemia por Covid-19 que azotó negativamente al sector turístico mundial y en especial al latinoamericano (Mulder, 2020) es un ejemplo de ello.

Del lado de la oferta, la situación no es equiparable con el caso de la demanda, toda vez que no se considera el marco neoclásico tradicional, sino que se reconoce que la oferta turística está imbuida en un conjunto de actividades conexas que desbordan las fronteras de la actividad turística misma y, por tanto, conforman un conjunto de eslabones en una cadena de valor conjunta, tourism supply chain (TSC), (Zhao & Hou, 2022). En general, la cadena está conformada por proveedores, distribuidores, competidores, gobierno-empresas y otras empresas. (González-Torres et al., 2021). Aunque en términos específicos, siguiendo a Mariño, et al. (2018), la cadena involucra al menos doce eslabones:

1. Agencias de viaje minoristas.

El inconveniente con las TSC radica en que precisamente al estar unidos varios eslabones y depender unos de otros, la falla de alguno de ellos impide el funcionamiento correcto de la cadena. En este sentido, la oferta del sector turístico es frágil y riesgosa porque queda expuesta a las consecuencias que choques exógenos o endógenos tengan sobre uno de sus componentes y su propagación a los restantes (González-Torres, et al., 2021); por ejemplo, de nuevo, el Covid-19.

Sin embargo, el enfoque de la TSC ha avanzado y recientemente el análisis ha centrado la atención en la gestión de la cadena de valor turística o tourism supply chain management (TCSM), es decir, un conjunto de enfoques utilizados para gestionar las operaciones de la cadena. Este moderno enfoque ahora se centra no solo en las actividades de distribución y marketing, sino que incluye el rol de los diferentes proveedores involucrados en la provisión y consumo de productos turísticos. Además, valiéndose de la teoría de las restricciones y el pensamiento sistémico se considera que las empresas ya no compiten como entidades aisladas sino como cadenas de suministro en la industria del turismo (Zhao & Hou, 2022, Zhang, et al., 2009).

En resumen, el turismo como cualquier otro mercado en las economías capitalistas depende de la oferta y la demanda; sin embargo, factores exógenos como la pandemia por Covid-19, entre otros, lo afectan por ambas vías; fenómeno que es propio de esta industria por su operatividad en red.

En cuanto a los estudios empíricos más recientes a nivel mundial, existe una gran cantidad de literatura asociada al impacto del Covid-19 sobre la actividad turística desde diferentes perspectivas. Un ejemplo de ello es el trabajo realizado por Chang et al. (2020), quienes investigan cómo ha sido el proceso de recuperación de la industria turística y cómo puede lograrse que sea sustentable. Tomando como muestra varios países a nivel mundial, concluyen que las estrategias de sustentabilidad del sector deben ser varias: distanciamiento social, restricciones de viaje, equipo de protección personal, control médico, transformar cualquier crisis futura en una oportunidad para la sostenibilidad, en el transporte se deben imponer normas y reglamentos actualizados, entre otras.

En el caso de China, Hao et al. (2021) exploran cómo la pandemia ha influido en la disposición de las personas a viajar. A través de un enfoque cuantitativo (modelo de ecuaciones estructurales) y basados en la teoría cognitiva social, los resultados arrojan que las percepciones de severidad de la pandemia, los efectos negativos en las personas y sobre el medio ambiente, influirán en la disposición de las personas a viajar a ese país.

De otro lado, Duro et al. (2021) identifican para España algunos factores vulnerables del turismo frente al Covid-19 y además construyen un índice de vulnerabilidad tomando las 50 provincias de ese país. Los resultados muestran que para el primer objetivo los factores de vulnerabilidad son la dependencia del turismo, la estructura del mercado, la oferta de alojamiento rural y la incidencia sanitaria. Para el segundo objetivo, el índice encuentra que las Islas Baleares, Canarias, las provincias de la costa mediterránea y Madrid, presentan una mayor vulnerabilidad frente al Covid-19, aunque de manera discrecional. Finalmente, los autores consideran que los resultados pueden ser tomados por los policymakers para mitigar los impactos de la enfermedad en el sector.

Falcón et al. (2021) intentan medir el impacto de la pandemia en el turismo para Latinoamérica. Bajo una metodología descriptiva, los resultados muestran que México y República Dominicana fueron los menos afectados, mientras que Perú, Brasil, Chile, Ecuador y México sufrieron las peores consecuencias. En general, para la región las pérdidas en gran parte del año 2020 eran de USD 21 mil millones, como consecuencia de la caída de 40% en el flujo de pasajeros.

Los estudios empíricos tampoco han sido ajenos a la situación colombiana. Corzo (2021) plantea un estudio desde el impacto de la pandemia en la empleabilidad del sector turismo (alojamiento, agencias de viajes, transporte y subsectores relacionados) para el departamento de Santander en el primer semestre de 2020. Los resultados evidencian que la tasa de ocupación descendió considerablemente en los primeros meses del confinamiento (marzo-mayo) en general para el sector. El autor considera que este fenómeno está asociado a las medidas de choque gubernamentales para la protección de los empleos formales pero que desafortunadamente tuvieron daños colaterales en el sector hotelero y de agencias de viajes.

Desde la perspectiva de los restaurantes (alta cocina, comedor familiar, comidas informales y restaurantes de servicio rápido), Zapata-Cuervo et al. (2021) exploran para la ciudad de Bogotá y sus alrededores la resiliencia de dichos establecimientos frente a la pandemia. Bajo una encuesta incidental semi-estructurada aplicada en el periodo mayo-diciembre de 2020, los autores encuentran que los restaurantes tomaron diferentes estrategias de supervivencia, como la transformación operativa, apoyo gubernamental, responsabilidad social y prácticas de medición precautorias.

Finalmente, Suarez-Olivero (2022) analiza la situación en Colombia desde la caída de la demanda internacional por turismo en 2020. Bajo un enfoque cuantitativo-descriptivo, los principales resultados muestran que en promedio cada mes de pandemia arroja pérdidas en el sector hotelero superiores al billón de pesos. Las ciudades turísticas de la costa Atlántica y Bogotá y Medellín fueron las más afectadas, con caídas en la empleabilidad entre 35 y 50%. Otras regiones como Quindío, Magdalena, San Andrés, Caldas, Tolima y Boyacá presentaron las tasas de ocupación más bajas de su historia.

En conclusión, los estudios empíricos nacionales y mundiales también analizan el vínculo turismo-Covid-19 desde diferentes ópticas (demanda, oferta, sustentabilidad, entre otros). Sin embargo, ninguno ha abordado la problemática desde las expectativas de los oferentes frente a la recuperación del sector. Este documento pretende llenar este vacío analítico.

En la ciudad de Popayán para el año 2020 se llevó a cabo la Gran Encuesta Pyme con el fin de conocer la situación actual de las empresas, dentro de esta encuesta se presentan evidencias también sobre el financiamiento, las acciones de mejoramiento, capital social y comercio exterior. Esta encuesta es de gran ayuda para observar de qué manera se puede reactivar el turismo en la ciudad de Popayán desde una perspectiva sostenible. La encuesta se aplicó a 120 empresarios de los sectores industria, comercio y servicios, los cuales a su vez pertenecen a los 21 subsectores económicos de mayor participación de pequeñas y medianas empresas.

A partir de aquí, para hacer un análisis descriptivo a partir de la base de datos ANIF sobre los oferentes caucanos de servicios turísticos, identificando los posibles operadores que podrían ofrecer el servicio bajo los criterios de sostenibilidad, se tomó a las empresas del sector servicio, especialmente a las empresas que respondieron que su principal actividad era hotelería y restaurantes, ya que estas actividades son las que destacan en el sector.

Las empresas dedicadas a ofrecer servicios de hospedaje y alimentación son fundamentales para entender la dinámica del turismo, pues estos están conexos a este sector de la economía; según el movimiento de dichas actividades se puede determinar el flujo de la actividad turística dentro de un determinado territorio, para nuestro caso la ciudad de Popayán. De esta manera, nuestro análisis se ha centrado en 7 de las 120 empresas que fueron partícipes de la Gran Encuesta Pyme (GEP), que representan 5,8% del total de la encuesta; naturalmente dichas empresas están relacionadas con hotelería y restaurantes. Hemos optado por analizar estas empresas y determinar si tienen algún potencial para generar una reactivación del sector turismo atendiendo los principios de turismo sostenible, que se refieren básicamente a una relación armoniosa entre los aspectos ambientales, económicos y socioculturales.

A nivel general, 81,7% de las 120 empresas encuestadas son micro y pequeñas empresas, mientras que el restante 18,3% son empresas medianas. Estas también se caracterizan porque en su mayoría son empresas que tienen más de diez años de creación (68%), es decir, son empresas longevas.

Las empresas incluidas en la encuesta muestran una división bastante marcada en la expectativa económica del sector, ya que 50 % lo consideran favorable, mientras que el restante 50% al menos no comparte esta opinión (Figura 1).

Figura 1

Considerando el género de las personas encargadas/propietarias de estas empresas, se resalta el rol que tienen las mujeres dentro del sector, que representan 43%; si bien el porcentaje de los hombres es mayor (57%), la brecha no es tan alta si lo comparamos con otros sectores. Sumado a lo anterior, también se indica que la edad de las personas encargadas de las empresas en el sector servicios, especialmente los encaminados a la actividad de turismo, se encuentra entre 35 a 45 años, representando más de 40% de la población. Esto concuerda con estadísticas a nivel global, donde 43% de las empresas cuentan con un gerente en este rango de edad (Echeverry, 2017).

Adicionalmente, se pudo identificar que el nivel de educación más alto que recibieron estas personas fue el universitario completo, el cual representa 57% de las personas encuestadas, mientras 29% lograron un técnico/tecnológico incompleto y 14% técnico/tecnológico completo. Esto puede sugerir que existe la capacidad técnica de las personas que dirigen estas empresas para lograr avanzar hacia una reactivación tras la pandemia causada por el Covid-19.

De otro lado, indagando sobre la percepción de los efectos de la pandemia, el gráfico anterior muestra que la gran mayoría (80%) considera que la situación económica de sus empresas empeoró. Esto explicado por el bajo volumen de ventas, más aún teniendo en cuenta que dependían especialmente de la llegada de personas provenientes de otras ciudades de Colombia, pues solo 30% de sus ventas las originaba el mercado local, es decir, residentes de la ciudad de Popayán.

No obstante, y pese al panorama negativo en que quedaron inmersas las empresas del sector de alojamiento y alimentación, sorprende que más de la mitad (60%) no tomaron alguna medida, aunque el restante 40% manifestó realizar alguna acción; en este se encontraban quienes lanzaron un nuevo producto al mercado (10%) y los que obtuvieron un certificado de gestión ambiental (30%). Frente a estos últimos, se puede afirmar que existe un número importante de empresarios del sector interesados en ejecutar su actividad bajo criterios de sostenibilidad ambiental.

En ese sentido las empresas deberán tomar medidas efectivas, entre ellas incursionar en nuevos mercados para ampliar su volumen de ventas, generando un mayor impacto en lo social, a través de mayor demanda de empleo formal y lo ambiental, aprovechando responsablemente la dotación de recursos naturales atractivos con que cuenta el departamento del Cauca. En la siguiente sección se ahondará en la probabilidad de que la expectativa sobre el desempeño económico futuro de los establecimientos del sector turístico de la ciudad de Popayán mejore en tiempos de Covid-19.

Para capturar la probabilidad de que la expectativa sobre el desempeño económico futuro de los establecimientos del sector turístico de Popayán mejore o empeore en tiempos de Covid-19, se utiliza un modelo estocástico del tipo logit ordenado.⁶

La utilización de esta modelación se justifica por dos razones. En primer lugar, la información suministrada por la encuesta hecha por ANIF está diseñada con una pregunta que explícitamente indaga por la expectativa de recuperación a través de una escala Likert, es decir, no es una construcción de los autores. Teniendo en cuenta esto, se desprende la segunda razón. Si la expectativa que se recoge en la variable endógena del modelo está definida mediante cuatro categorías ordenadas, es obligatorio hacer un modelo logit ordenado porque se debe respetar la jerarquía de la respuesta. La utilización de otros modelos como mpl, probit o logit multinomial (donde el orden de la respuesta no importa y/o la distribución de probabilidad es diferente) sesgaría estadísticamente los resultados (Cameron & Trivedi, 2005).

De otro lado, para estimar el modelo se cuenta con 120 observaciones, es decir, se considera una muestra grande ya que es mayor que 30 (Llinás, 2018). Debido a que la estimación del modelo se realiza por Máxima Verosimilitud (MV) y no por Mínimos Cuadrados Ordinarios (MCO), no se requiere una gran cantidad de observaciones porque no hay necesidad de agrupar los datos para hallar las probabilidades de éxito (Gujarati, 2021).

Finalmente, vale también mencionar que este modelo estocástico está apoyado más en la percepción o intuición que en la teoría misma. Sin embargo, como lo manifiesta Wooldridge (2015), este tipo de modelaciones son tan válidas como las teóricas. Teniendo en cuenta todo lo anterior, el modelo estocástico es el siguiente:⁷

Y i * = Z i β + + W i γ + X i δ + S i θ + ε i       1         ;   Y i = 1                                   s i   Y i * ≤ ω 1 2           s i     ω 1 < Y i * ≤ ω 2 3         s i     ω 2 <   Y i * ≤ ω 3 4         s i     ω 3 <   Y i * ≤ ω 4  

Donde Y i * es una variable inobservable que puede ser capturada por Y _i , la cual mide la expectativa sobre el desempeño general de la empresa a través de una escala Likert de cuatro alternativas: 1. favorable, 2. igual, 3. desfavorable y 4. incierto. Las ω_i son los puntos finales de las categorías observables impuestos externamente.

En cuanto a las covariables, el vector Z incluye un conjunto de variables asociadas al background del gerente como el género (gen), la edad (edad) y el nivel de educación (edu). De otro lado, el vector W contiene las características del negocio como el tamaño (tam), los ingresos (ing), la antigüedad (ant), las ventas (ven) y la capacidad de operación (cap). Seguidamente, el vector X da cuenta de variables ligadas a la discriminación de género como la propiedad de la empresa por una mujer (promuj) o las políticas de equidad de género en el interior de la empresa (eqgen).

El vector S incluye varios aspectos relacionados con la experiencia de la empresa bajo la pandemia por Covid-19. Aquí se contempla cuáles fueron las mayores dificultades experimentadas por la empresa (dif); las diferentes acciones tomadas por la empresa (acc), y el uso de TICs para reducir costos y contagios, como el comercio electrónico (e-com), la banca electrónica (e-ban) y la página web (web).⁸ De otro lado, el modelo es controlado por el subsector al que pertenece la empresa (subsec) para capturar los fenómenos en el interior de cada industria. En último lugar, los errores aleatorios son representados por ε i y se asumen normales ruido blanco; es decir, ε_i ~ N (0,1).

A continuación, en la Tabla 1 se muestran los resultados (efectos marginales) del modelo estocástico por escenarios, discriminando la probabilidad de éxito, de acuerdo con la categoría de la variable dependiente. Dentro de cada categoría se han explorado tres escenarios: el primero (1) que muestra la probabilidad de éxito si los valores que asumen las covariables son iguales a sus valores promedio. El segundo escenario (2), que hace lo mismo, pero ahora las covariables dicotómicas asumen el valor de 1 y las cuantitativas el valor promedio. Finalmente, el último escenario (3), explora lo mismo que el anterior con la diferencia de que las dicotómicas ahora son iguales a 0. Por tal razón se muestran doce resultados, tres por cada una de las cuatro categorías que asumen expectativa sobre el desempeño general de la empresa ( Y _i ). Para clarificar los resultados, se opta por comparar los escenarios denotados como (1) para las cuatro categorías, después los escenarios denotados como (2) de nuevo para todas las categorías, y así sucesivamente hasta el escenario (4).

En general, se puede afirmar que la modelación es estadísticamente robusta ya que, como se muestra al fondo de la Tabla 1, para cada escenario propuesto el p-valor de la prueba chi-2 de Log-verosimilitud es cero, lo que traduce que todas las covariables en conjunto explican con suficiencia la variable dependiente con sus categorías. Esto está en consonancia con el pseudo-R², el cual es 0.376; valor que es relativamente alto si se considera la heterogeneidad de la información existente en los cortes transversales. En términos de la significancia estadística individual, la mayoría de las covariables son significativas a 5% y a 1%. De manera específica, en el escenario (1) para la primera categoría (favorable), existe una probabilidad de 54.15% que los establecimientos comerciales del sector turismo payanés manifiesten como favorable la expectativa del desempeño de la empresa en tiempos de Covid-19. En este mismo escenario, pero en la categoría igual, esta expectativa es menor y alcanza 14,91%; mientras que para los restantes escenarios (desfavorable e incierto), la posibilidad es 24,54% y 6,40%, respectivamente.

Tabla 1

Categoría	Favorable			Igual			Desfavorable			Incierto
Escenarios	(1)	(2)	(3)	(1)	(2)	(3)	(1)	(2)	(3)	(1)	(2)	(3)
Probabilidad	54.15%	98.68%	6.70%	14.91%	0.62%	5.25%	24.54%	0.59%	35.11%	6.40%	0.11%	52.95%
gen•	0.390***	0.053**	0.211**	-0.057**	-0.024**	0.090**	-0.235***	-0.024**	0.0541*	-0.097**	-0.004**	-0.356**
	(0.111)	(0.065)	(0.099)	(0.031)	(0.029)	(0.036)	(0.081)	(0.031)	(0.166)	(0.039)	(0.007)	(0.139)
edad•	-0.235**	-0.008**	-0.040**	0.0381**	0.003**	-0.030**	0.1431**	0.0037**	-0.149**	0.054**	0.000**	0.220**
	(0.117)	(0.012)	(0.032)	(0.025)	(0.005)	(0.020)	(0.076)	(0.005)	(0.080)	(0.032)	(0.001)	(0.102)
educ•	0.5057***	0.412**	0.732***	-0.146**	-0.137**	0.031**	-0.278***	-0.219**	-0.253**	-0.080***	-0.055**	-0.509***
	(0.071)	(0.328)	(0.148)	(0.048)	(0.071)	(0.087)	(0.056)	(0.199)	(0.188)	(0.031)	(0.076)	(0.181)
size•	0.571***	0.187**	0.506***	0.051**	-0.077**	0.091**	-0.233**	-0.091**	-0.125**	-0.389**	-0.014**	-0.472**
	(0.099)	(0.225)	(0.169)	(0.044)	(0.078)	(0.068)	(0.111)	(0.122)	(0.172)	(0.200)	(0.030)	(0.184)
ing•	-0.523***	-0.012**	-0.062**	0.111***	0.005**	-0.048**	0.302***	0.005**	-0.303***	0.1093**	0.001**	0.4140***
	(0.100)	(0.018)	(0.048)	(0.031)	(0.008)	(0.033)	(0.084)	(0.008)	(0.088)	(0.047)	(0.002)	(0.142)
ant•	-0.528***	-0.012**	-0.064**	-0.116**	0.005**	-0.050**	0.015**	0.005**	-0.330***	0.628***	0.001**	0.445**
	(0.083)	(0.019)	(0.051)	(0.047)	(0.009)	(0.036)	(0.168)	(0.009)	(0.114)	(0.234)	(0.002)	(0.179)
ventas•	0.298**	0.030**	0.130**	-0.032**	-0.014**	0.067**	-0.1837**	-0.014*	0.084**	-0.082**	-0.002**	-0.282**
	(0.145)	(0.042)	(0.090)	(0.023)	(0.019)	(0.041)	(0.096)	(0.020)	(0.130)	(0.053)	(0.004)	(0.146)
capinst•	0.412***	0.063***	0.240**	-0.069**	-0.028**	0.096***	-0.246***	-0.029**	0.038**	-0.096**	-0.005**	-0.375**
	(0.121)	(0.076)	(0.130)	(0.031)	(0.032)	(0.036)	(0.088)	(0.037)	(0.175)	(0.044)	(0.007)	(0.152)
	(0.124)	(0.076)	(0.130)	(0.032)	(0.032)	(0.036)	(0.089)	(0.038)	(0.175)	(0.044)	(0.008)	(0.152)
promuj	-0.007***	-0.000**	-0.001**	0.001**	0.000**	-0.001**	0.0046**	0.000**	-0.004**	0.001**	0.000**	0.007**
	(0.003)	(0.001)	(0.001)	(0.001)	(0.000)	(0.001)	(0.002)	(0.000)	(0.003)	(0.001)	(0.000)	(0.003)
eqgen•	0.363***	0.049**	0.198**	-0.070**	-0.020**	0.087**	-0.2155**	-0.023**	0.060**	-0.077**	-0.004**	-0.346***
	(0.119)	(0.066)	(0.173)	(0.038)	(0.028)	(0.035)	(0.083)	(0.032)	(0.196)	(0.030)	(0.007)	(0.119)
dif	1.711**	0.089**	0.430**	-0.238**	-0.041**	0.294**	-1.060**	-0.040**	0.992**	-0.413**	-0.007**	-1.717**
	(1.298)	(0.152)	(0.526)	(0.244)	(0.070)	(0.312)	(0.832)	(0.070)	(0.852)	(0.311)	(0.014)	(1.400)
acc	4.052***	0.212**	1.019**	-0.564**	-0.098**	0.697**	-2.509***	-0.096**	2.349**	-0.978***	-0.017**	-4.066***
	(0.893)	(0.301)	(0.722)	(0.343)	(0.139)	(0.360)	(0.746)	(0.138)	(1.526)	(0.357)	(0.028)	(1.202)
e-com•	-0.012***	-0.000**	-0.003**	0.001**	0.000**	-0.002**	0.0076***	0.000**	-0.007**	0.002***	0.000**	0.012***
	(0.003)	(0.001)	(0.002)	(0.001)	(0.000)	(0.001)	(0.002)	(0.000)	(0.005)	(0.001)	(0.000)	(0.004)
e-ban•	0.482**	0.025**	0.122**	-0.067**	-0.011**	0.083**	-0.301**	-0.011**	0.282**	-0.117**	-0.002**	-0.488**
	(0.238)	(0.037)	(0.102)	(0.052)	(0.017)	(0.060)	(0.155)	(0.017)	(0.245)	(0.068)	(0.003)	(0.296)
web•	0.779**	0.040**	0.196**	-0.108**	-0.018**	0.134**	-0.483**	-0.018**	0.452**	-0.188**	-0.003**	-0.782**
	(0.421)	(0.066)	(0.189)	(0.099)	(0.031)	(0.121)	(0.277)	(0.030)	(0.330)	(0.097)	(0.006)	(0.464)
subsec	Si	Si	Si	Si	Si	Si	Si	Si	Si	Si	Si	Si
cut1_cons	-10.849***	-10.849***	-10.849***	-10.849***	-10.849***	-10.849***	-10.849***	-10.849***	-10.849***	-10.849***	-10.849***	-10.849***
cut2_cons	-10.213***	-10.213***	-10.213***	-10.213***	-10.213***	-10.213***	-10.213***	-10.213***	-10.213***	-10.213***	-10.213***	-10.213***
cut3_cons	-8.333***	-8.333***	-8.333***	-8.333***	-8.333***	-8.333***	-8.333***	-8.333***	-8.333***	-8.333***	-8.333***	-8.333***
No. de Obs.	120	120	120	120	120	120	120	120	120	120	120	120
Log-L	-88.089	-88.089	-88.089	-88.089	-88.089	-88.089	-88.089	-88.089	-88.089	-88.089	-88.089	-88.089
P-valor chi-2	0.000	0.000	0.000	0.000	0.000	0.000	0.000	0.000	0.000	0.000	0.000	0.000
Pseudo-R2	0.376	0.376	0.376	0.376	0.376	0.376	0.376	0.376	0.376	0.376	0.376	0.376

Fuente: Elaboración propia con información de CCC y ANIF.

Estos resultados muestran que la expectativa general tiende a ser más optimista que pesimista, pues la suma de las probabilidades en las categorías diferentes a favorable no supera 50%.

En el escenario (1) bajo la categoría favorable, las variables de mayor incidencia positiva son aquellas relacionadas con el vector S . En efecto, si una empresa ha enfrentado muchas dificultades (dif) en la pandemia (financiación, escasez de materia prima o falta de demanda, entre otras), pero ha tomado acciones correctivas para lidiar con la problemática (renegociar deudas, contratos con proveedores, salarios, entre otros) y además ha utilizado TICs como las páginas web para aminorar gastos y evitar contagios, la posibilidad de ver hacia futuro un escenario próspero es creciente. Sin embargo, si el/la gerente tiene una edad avanzada (edad), el negocio es antiguo (ant) y los ingresos son bajos (ing), la posibilidad de esperar un escenario favorable cae.

Vale la pena mencionar en cuanto al género (gen), que las mujeres que conducen la empresa (gen) son más optimistas que los hombres frente a la situación venidera; y en este mismo sentido, si la empresa tiene políticas encaminadas a la equidad de género (eqgen), también se impulsa marginalmente la probabilidad a favor de manifestarse una expectativa próspera.

De otro lado, como era de esperarse en los restantes escenarios (1) para las categorías más conservadoras y pesimistas, los signos de los efectos marginales son contrarios, en concordancia con el escenario de favorabilidad. Esto es, la edad del empresario y los ingresos bajos ahora incrementan la posibilidad de manifestar expectativas de igualdad, desfavorabilidad e incertidumbre en la situación futura de la empresa, mientras que si ha enfrentado dificultades o ha tomado acciones de algún tipo para atenuar la crisis, la probabilidad de manifestar lo anterior disminuye. Así mismo, la variable género muestra en general que, si el gerente es mujer o si la empresa tiene políticas de equidad de género, la posibilidad de que ocurra una expectación conservadora o pesimista disminuye.

Los escenarios (1) incluyen los promedios de variables tanto cuantitativas como cualitativas, pero como el promedio de una variable dicotómica no tiene mucho sentido económico, a continuación se exploran los escenarios denotados como (2) y (3) que igualan las dicotómicas a 1 y 0, respectivamente, en cada una de las 4 categorías, manteniendo el promedio de las variables cuantitativas.

A pesar de esta modificación, los resultados del escenario (2) replican de manera más profunda los resultados obtenidos en los escenarios (1). En efecto, para la primera categoría (favorable), la probabilidad de éxito es muy elevada (98.68%) y, por tanto, las categorías igual, desfavorable e incierta no superan en conjunto 2%. Como también es de esperarse, las covariables que incrementan o disminuyen la probabilidad de manifestar optimismo son las mismas que en el escenario previo, y en el caso del género las cosas también permanecen iguales. Vale la pena mencionar que en las categorías igual y desfavorable los efectos marginales de cada covariable son iguales o muy similares, con excepción de la educación, lo que significa que quienes manifiestan estos escenarios son personas y establecimientos que presentan características muy similares.

De otro lado, las variables asociadas al género y a la equidad revelan también los resultados previos, ya que, al ser los efectos marginales negativos en todas las categorías pesimistas, las mujeres revelan aquí también que tienen una buena expectativa en cuanto al futuro de la empresa.

Finalmente, en los escenarios (3) la categoría favorable e igual ocurren con una probabilidad baja (6.7% y 5.25%), mientras que las categorías más pesimistas como desfavorable e incierto ocurren con una alta posibilidad (35.11% y 52.9%, respectivamente). Las covariables de mayor impacto tanto positivo como negativo en las dos primeras categorías son similares. Del lado positivo, la educación, el tamaño, las dificultades enfrentadas y las acciones tomadas frente a la pandemia. Mientras que del lado negativo figuran la edad, los ingresos y la antigüedad. Para la categoría desfavorable e incierta, la probabilidad y los efectos marginales revelan lo contrario, es decir, una alta posibilidad de manifestar escenarios pesimistas. Por ende, las variables explicativas con mayor incidencia tanto positiva como negativa son contrarias a los escenarios inmediatamente anteriores.

Finalmente, el género y las políticas de equidad de género acentúan aquí el patrón mostrado previamente, es decir, muestran efectos marginales altos y negativos. Específicamente, ambas covariables muestran que la probabilidad de revelar una expectativa incierta se reduce en 35% aproximadamente si el gerente es mujer y existen políticas encaminadas a la igualdad de género.

Este estudio intenta indagar, entre otras cosas, por los determinantes de las expectativas hacia futuro en tiempos de Covid-19 para los establecimientos del sector turismo en la ciudad de Popayán, a través de un modelo de elección discreta del tipo logit ordenado.

El estudio revela que la crisis económica surgida a causa del Covid-19 no afectó por igual a los establecimientos del sector turístico payaneses en el segundo período de 2020 y, por tanto, la expectativa creada hacia futuro no es homogénea y depende de un conjunto de factores que van desde el background de la gerencia, pero también desde las características del negocio, pasando por el género y la experiencia enfrentada en el pico mundial por Covid-19. Sin embargo, debido a que la encuesta utilizada de ANIF no tiene un suficiente nivel de desagregación, no se puede establecer de manera más concisa cómo se han afectado los subsectores dentro de la industria. Solo se puede mencionar que el subsector gastronómico- hoteles (están registrados como uno solo en la encuesta) 67% tiene la percepción de que el negocio empeoró su situación en el primer semestre de 2020 comparado con el segundo semestre de 2019 en cuanto a la situación económica general, el volumen de ventas, ganancias, órdenes de servicio y costos de operatividad.

A pesar de ello, con los resultados del modelo estocástico se puede afirmar que existe un patrón definido en cuanto a las expectativas frente a la pandemia. Aquellos establecimientos del sector turístico en Popayán caracterizados por ser modernos y pequeños, que son dirigidos por mujeres jóvenes con altos niveles de educación, que han padecido dificultades frente al Covid-19 pero han tomado acciones para enfrentarlo y utilizan tecnologías de la información para ofrecer sus servicios y evitar contagios, son los que esperan un futuro prometedor en medio de la emergencia sanitaria mundial. Por vía contraria, aquellos negocios más antiguos, de tamaño mediano, que son dirigidos por hombres longevos con bajos niveles de educación, que pasaron pocos apuros en la pandemia y, por ende, no tomaron acciones decisivas para mitigar su impacto y además no utilizan TICs, son los que esperan un futuro igual o negativo en tiempos de Covid-19.

Se advierte que estos resultados deben tomarse con precaución ya que si bien el Covid-19 ahora tiene menos propagación a causa del autocuidado, las políticas gubernamentales, los protocolos de bioseguridad y especialmente las vacunas, este aún no se ha erradicado. Además, la arremetida de mutaciones del virus como las variantes delta y ómicron encienden las alarmas en el sector por posibles cierres de aeropuertos, destinos y fronteras, lo cual puede cambiar la expectativa de los establecimientos locales que promueven el turismo a mediano y largo plazos.

Con lo anterior, la política por seguir es apoyar desde varios aspectos (económico, financiero, impositivo, educativo, entre otros) a los establecimientos del sector turismo de la ciudad que tienen una mejor expectativa en el futuro cercano, ya que serán los que generarán empleo y crecimiento económico en medio de la pandemia que aún no termina. Esto implica aunar esfuerzos desde la alcaldía, la Cámara de Comercio y los gremios, Ministerio de Comercio, Industria y Turismo, gobernación, e incluso desde la misma academia (Universidad del Cauca) para que el sector se fortalezca a mediano y largo plazos.

Finalmente, y a manera de recomendación, es fundamental contar con un sistema de información turística (SIT) integrado que migre la información en tiempo real recopilada directamente en un establecimiento turístico a una base de datos central que pueda procesar y analizar dicha información, para generar valor agregado como sucede, por ejemplo, en España. Si bien los costos de implementar el sistema serían elevados, esto ayudaría a conocer más de cerca la dinámica del sector y, por tanto, propiciar que las políticas gubernamentales puedan tener una mayor eficacia o estar más enfocadas a la hora de ser implementadas.