dự báo số lượng khách du lịch quốc tế năm 2014

PHÂN TÍCH SỐ LƯỢT KHÁCH DU LỊCH
ĐẾN VIỆT NAM GIAI ĐOẠN 2010-2013
DỰ BÁO NĂM 2014
MỤC LỤC
MỤC LỤC 2
Chương 1 2
GIỚI THIỆU 2
1.1 ĐẶT VẤN ĐỀ NGHIÊN CỨU 2
1.2.1 Mục tiêu chung 3
1.2.2 Mục tiêu cụ thể 4
Chương 2 5
PHÂN TÍCH CÁC MÔ HÌNH DỰ BÁO 5
2.1. ĐÁNH GIÁ MÔ HÌNH 5
Chương 3 21
KẾT LUẬN VÀ KIẾN NGHỊ 21
3.1 KẾT LUẬN 21
3.2 KIẾN NGHỊ 21
Chương 1
GIỚI THIỆU
1.1 ĐẶT VẤN ĐỀ NGHIÊN CỨU
Du lịch - dịch vụ là một trong ba thành phần chủ lực của một nền kinh tế, cùng
với nông nghiệp và công nghiệp, phát triển du lịch – dịch vụ hiện nay đang được rất
nhiều các quốc gia tập trung phát triển; bởi lẽ, phát triển du lịch không chỉ đơn thuần
2
mang lại cho quốc gia những nguồn lợi nhuận, nguồn thu ngân sách từ những hoạt
động dịch vụ của những tổ chức, cá nhân hoạt động trong ngành du lịch nói chung và
những ngành dịch vụ vệ tinh nói riêng, mà đây còn là một trong những cơ hội để một
quốc gia, một dân tộc quảng bá về hình ảnh, văn hóa, con người của chính quốc gia,
dân tộc đó. Tuy nhiên, hình thức phát triển du lịch ở mỗi quốc gia lại rất khác nhau và
tùy thuộc vào thế mạnh của mỗi quốc gia. Thông thường, những quốc gia có nền lịch
sử - văn hiến lâu đời, hoặc được thiên nhiên ưu đãi cho những cảnh quan đẹp, độc đáo

sẽ là những quốc gia có nhiều thuận lợi hơn trong quá trình thu hút khách du lịch.
Hội tụ đầy đủ những yếu tố về lịch sử - văn hóa – xã hội, Việt Nam gần như đã
có những điều kiện cơ bản nhất để thu hút khách du lịch đến với dải đất hình chữ S
của chúng ta. Trong quá trình hình thành và phát triển trong 40 năm (tính từ tháng
07/1960), với sự quan tâm của Đảng, Chính phủ và các cấp Chính quyền, ngành du
lịch của nước ta đã có từng bước đổi mới, đặc biệt là từ những năm 90 đến nay, góp
phần tích cực vào công cuộc thay đổi diện mạo của đất nước. Đảng và Chính phủ nước
ta đã từng khẳng định rằng: “Phát triển du lịch là một định hướng chiến lược quan
trọng trong đường lối phát triển kinh tế xã hội nhằm góp phần thực hiện công nghiệp
hoá - hiện đại hoá đất nước”. Trong những năm gần đây, số lượt khách đến với Việt
Nam đã không ngừng tăng, năm sau cao hơn năm trước. Cụ thể, năm 2010, với con số
5.049.855 lượt khách, tăng 34,8% so với năm 2009, một dấu hiệu hết sức khả quan.
Năm 2011, với 6.014.032 lượt khách ghé thăm Việt Nam, tăng 19,1% so năm 2010.
Năm 2012,ước đạt 6.847.678 tăng 13.86% so với cùng kỳ năm 2011. Tính riêng tháng
12 năm 2013, số lượt khách du lịch là 7.572.352, tăng 10,06% so với cùng kỳ năm
trước. Măc dù với giá trị tuyệt đối của số lượt khách không ngừng tăng, nhưng nếu
xem xét tốc độ tăng trưởng theo phần trăm, ta sẽ dễ dàng đánh giá được số lượt khách
du lịch đến nước ta đang có xu hưởng giảm. Thế nhưng đây chỉ là những phỏng đoán
dự trên những tính toán đơn giản. Trong khi đó, để đưa ra những dự báo chính xác
hơn, ta cần phải kết hợp thêm những công cụ phân tích chuyên dụng. Vì thế, với mong
muốn được tìm hiểu sâu hơn về tình hình khách du lịch đến Việt Nam nên nhóm
chúng em chọn đề tài “Phân tích số lượt khách du lịch quốc tế đến Việt Nam giai
đoạn 2010 – 2013 và dự báo cho năm 2014” để nghiên cứu.
1.2 MỤC TIÊU NGHIÊN CỨU
1.2.1 Mục tiêu chung
- Phân tích số lượt khách du lịch quốc tế đến Việt Nam giai đoạn 2010-2013 và dự báo
cho năm 2014.
- Lựa chọn mô hình dự báo tốt nhất với nguồn dữ liệu sẵn có. Qua đó, nhận xét về ưu,
nhược điểm của các mô hình.
3

- Đề ra những giải pháp thích hợp, dự báo tương lai để từ đó nâng cao kết quả hoạt
động kinh doanh của Việt Nam.
1.2.2 Mục tiêu cụ thể
-Phân tích chung số lượt khách du lịch quốc tế đến Việt Nam thể hiện qua các quý
trong 4 năm từ năm 2010 đến 2013. Sau đó, dự báo cho các quý trong năm 2014.
- Sử dụng các mô hình dự báo để lựa chọn mô hình dự báo tốt nhất. Từ đó, đưa ra ưu
nhược điểm của mô hình dự báo.
-Đề xuất một số giải pháp và dự báo cho tương lai số lượt khách du lịch đến Việt
Nam trong thời gian tới.
4
Chương 2
PHÂN TÍCH CÁC MÔ HÌNH DỰ BÁO
2.1. ĐÁNH GIÁ MÔ HÌNH
2.1.1. Thống kê mô tả
Hình 2.1: Kết quả thống kê mô tả so_luot_khach_dl trên Eviews
0
1
2
3
4
5
350 400 450 500 550 600 650 700
Series: SO_LUOT_KHACH_DL
Sample 2010Q1 2014Q4
Observations 16
Mean 522.2261
Median 503.1677
Maximum 694.0260
Minimum 386.4323
Std. Dev. 95.23762

Skewness 0.214296
Kurtosis 1.806496
Jarque-Bera 1.072096
Probability 0.585056
Nhận xét: Trong các đại lượng thống kê mô tả được tính ở Hình 1 cho ta thấy số
trung bình và trung vị có độ phân tán không cao thể hiện số liệu tốt. Với giá trị trung
vị bằng 503.1677 và giá trị trung bình là 522.2261. Đồng thời, Probability = 58,5%
nên mô hình có phân phối chuẩn.
2.1.2. Kiểm định mô hình
Hình 2.2: Đồ thị kiểm định dạng dữ liệu của mô hình:

5
350
400
450
500
550
600
650
700
2010 2011 2012 2013 2014
SO_LUOT_KHACH_DL
Nhận xét: Các quan sát của dữ liệu có xu hướng tăng, giảm theo thời gian cho
thấy dữ liệu thuộc chuỗi dữ liệu thời gian. Dữ liệu có tính xu thế và tính mùa vụ (thể
hiện rõ khi sử dụng kiểm định Kruskal- Wallis của mô hình nhân tính để biết được
rằng có yếu tố mùa tồn tại trong chuỗi dữ liệu)
Bảng 2.1: Kiểm định Kruskal – Wallis của mô hình nhân tính
Test for Equality of Medians of SNIR_MUL
Categorized by values of QUARTER
Date: 10/31/14 Time: 10:42

Sample (adjusted): 2010Q2 2013Q2
Included observations: 13 after adjustments
Method df Value Probability
Med. Chi-square 3 13.00000 0.0046
Adj. Med. Chi-square 3 6.209821 0.1018
Kruskal-Wallis 3 9.137363 0.0275
Kruskal-Wallis (tie-adj.) 3 9.137363 0.0275
van der Waerden 3 8.556960 0.0358
Category Statistics
> Overall
QUARTER Count Median Median Mean Rank Mean Score
1 3 1.108958 3 11.00000 0.874326
2 4 0.927089 0 4.250000 -0.544910
3 3 0.912399 0 3.666667 -0.752291
4 3 1.066575 3 10.00000 0.604511
All 13 0.969230 6 7.000000 -6.83E-17
 Nhận xét: Từ bảng 1cho thấy, prob của thống kê Kruskal – Wallis bằng
0.0275 ( nhỏ hơn 0.05) nên độ tin cậy 95% (hay ở mức ý nghĩa 5%) có yếu tố mùa
tồn tại trong chuỗi dữ liệu.
6
2.2. CÁC MÔ HÌNH DỰ BÁO
2.2.1. Các mô hình dự báo giản đơn (được tính trong excel)
2.2.1.1.Các mô hình dự báo thô
Đối với mô hình dự báo thô, bài tập sẽ thực hiện hai dạng mô hình là mô hình
dựb áo giản đơn và mô hình dự báo giản đơn có kết hợp điều chỉnh các yếu tố mùa vụ,
chụ kỳ. Kết quả dự báo cho năm 2014 như sau:
Bảng 2.2: Kết quả ước lượng dự báo bằng mô hình dự báo thô và mô hình dự báo
thô có kết hợp điều chỉnh
Thời
gian

DB thô
ĐC tính xu
thế
ĐC tính mùa
vụ
ĐC tính xu thế + mùa
vụ
2014Q1 694,026 741,083 603,218 630,905
2014Q2 694,026 741,083 579,987 630,905
2014Q3 694,026 741,083 649,957 630,905
2014Q4 694,026 741,083 694,026 630,905
Nguồn: Tính toán của đề tài
2.2.1.2. Các phương pháp dự báo trung bình
Đối với phương pháp dự báo trung bình, nhóm sẽ lần lượt áp dụng phương
pháp dự báo trung bình giản đơn, trung bình di động với k=3, k=4 và trung bình di
động kép. Kết quả dự báo được trình bày như bảng sau:
Bảng 2.3: Kết quả dự báo theo các mô hình dự báo trung bình
Y
Mô hình TB
giản đơn
TB di động
với k = 3
TB di động
với k = 4
TB di động
kép
2014Q1
515,072 671,992 605,453 550,3536
2014Q2
515,072 694,026 631,797 565,4006

2014Q3
515,072 694,026 631,797 586,1543
2014Q4
515,072 694,026 631,797 608,2429
Nguồn: Tính toán của đề tài

7
2.2.1.3. Các phương pháp san mũ
a) San mũ giản đơn
Sau khi chạy Eviews, Eviews sẽ tự tạo biến dự báo có tên YSM và dự báo trong
bảng như sau:
Bảng 2.4: Kết quả dự báo bằng hàm san mũ giản đơn
Date: 11/09/14
Sample: 2010Q1
Included
Method: Single
Original Series: Y
Y
Forecast Series:
YSM
Parameters:
Alpha
0.5780
Sum of Squared
74643.84
Root Mean
68.30256
End of Period
Mean
663.1213

Như vậy, hệ số α tối ưu theo ước tính Eviews bằng 0.5780
Hình 2.3: Mô hình san mũ với α = 0.5780
350
400
450
500
550
600
650
700
10Q1 10Q3 11Q1 11Q3 12Q1 12Q3 13Q1 13Q3
Y YSM
8
b) San mũ Holt
Bảng 2.5: Kết quả san mũ Holt
Như vậy, hệ số α và β tối ưu theo ước tính trên eviews lần lượt bằng 0.2200 và
0.1300
Hình 2.4: Mô hình san mũ Holt với α = 0.2200 và β = 0.1300
350
400
450
500
550
600
650
700
10Q1 10Q3 11Q1 11Q3 12Q1 12Q3 13Q1 13Q3
Y YSM1
c) San mũ Winters:
9

Date: 11/09/14 Time: 09:31
Sample: 2010Q1 2013Q4
Included observations: 16
Method: Holt-Winters No Seasonal
Original Series: Y
Forecast Series: YSM1
Parameters:
Alpha
0.2200
Beta
0.1300
Sum of Squared Residuals
57364.30
Root Mean Squared Error
59.87711
End of Period Levels:
Mean
648.8435
Trend
16.65903
Bảng 2.6: Kết quả dự báo bằng san mũ Winter
Sample: 2010Q1 2013Q4
Included observations: 16
Method: Holt-Winters Multiplicative Seasonal
Original Series: Y
Forecast Series: YSM2
Parameters: Alpha 0.0000
Beta 0.0000
Gamma 0.0000
Sum of Squared Residuals 16351.47

Root Mean Squared Error 31.96821
End of Period Levels: Mean 658.3267
Trend 17.68647
Seasonals: 2013Q1 1.105194
2013Q2 0.937249
2013Q3 0.914304
2013Q4 1.043253
Như vậy, hệ số α, β, γ đều có giá tri rất nhỏ. Điều này chứng tỏ sự biến thiên
trong xu thế và chỉ số mùa vụ trong dữ liệu này là rất thấp.
Hình 2.5: Mô hình san mũ Winters
Kết quả dự báo lượt khách của nước ta cho 4 quý của năm 2014 như sau:
Q1=(658.3267+17.68647)*1*1.105194=747.1256994
10
Q2=(658.3267+17.68647)*2*0.937249=1267.185335
Q3=(658.3267+17.68647)*3*0.914304=1854.244636
Q4=(658.3267+17.68647)*4*1.043253=2821.011071
2.2.2. Dự báo bằng các mô hình xu thế
Bảng 2.7: Kết quả phân tích hàm xu thế
Dependent Variable: Y
Method: Least Squares
Date: 10/31/14 Time: 10:11
Sample: 2010Q1 2013Q4
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
T 16.94374 2.841852 5.962219 0.0000
C 378.2043 27.47940 13.76320 0.0000
R-squared 0.717446 Mean dependent var 522.2261
Adjusted R-squared 0.697264 S.D. dependent var 95.23762
S.E. of regression 52.40115 Akaike info criterion 10.87220
Sum squared resid 38442.33 Schwarz criterion 10.96878

Log likelihood -84.97762 Hannan-Quinn criter. 10.87715
F-statistic 35.54806 Durbin-Watson stat 1.920675
Prob(F-statistic) 0.000035
Với mức ý nghĩa của mô hình là 71,7% và giá trị kiểm định prob là 0,000035,
kết quả hồi quy thể hiện tính xu thế của dữ liệu số lượt khách du lịch vào nước ta năm
2010 – 2013. Hàm hồi quy theo biến số thời gian sẽ được viết như sau:
Y = 387,2 + 16,94*t
a) Thực hiện dự báo điểm
Kết quả dự báo điểm cho thấy số lượt khách du lịch của nước ta trong năm
2014 sẽ có xu hướng tăng hơn so với những năm trước. Cụ thể, số lượt từng quý sẽ
như sau:
11
Bảng 2.8: Dự báo điểm theo từng quý
Thời gian
Số lượt khách
dự báo năm 2014
Quý 1 675,180
Quý 2 692,120
Quý 3 709,060
Quý 4 726,000
b) Thực hiện dự báo khoảng
Hình 2.6: Đồ thị dự báo khoảng
200
300
400
500
600
700
800
900

2010 2011 2012 2013 2014
YF ± 2 S.E.
Forecast: YF
Actual: Y
Forecast sample: 2010Q1 2014Q4
Included observations: 16
Root Mean Squared Error 49.01679
Mean Absolute Error 40.55691
Mean Abs. Percent Error 8.005924
Theil Inequality Coefficient 0.046315
Bias Proportion 0.000000
Variance Proportion 0.082824
Covariance Proportion 0.917176
Kết quả thống kê cho thấy giá trị các hệ số đánh giá mô hình là:
RMSE = 49,017
MAE = 40,557
MAPE = 8,006
Theil’s = 0,046
Tính giá trị dự báo khoảng
Kết quả dự báo khoảng:
Bảng 2.9: Kết quả dự báo khoảng
Thời gian
Số lượt khách du lịch năm 2014
Giới hạn trên Giới hạn dưới
Quý 1 798,085 534,411
12
Quý 2 817,738 548,645
Quý 3 837,630 562,641
Quý 4 857,745 576,414
c) Kiểm định phương sai sai số thay đổi

Bảng 2.10: Kiểm định phương sai sai số
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.001136 Prob. F(1,14) 0.9736
Obs*R-squared 0.001298 Prob. Chi-Square(1) 0.9713
Scaled explained SS 0.000623 Prob. Chi-Square(1) 0.9801
Kết quả prob bằng 0.9736 (lớn hơn giá trị 0,05)  mô hình không bị vi phạm
hiện tượng phương sai sai số thay đổi.
d) Kiểm định hiện tượng tự tương quan
Hình 2.7: Kết quả kiểm định tự tương quan
 Từ giản đồ tự tương quan của phần dư cho thấy mô hình có hiện tượng tự tương
quan khi các giá trị pro đều nhỏ hơn 5% (ngoại trừ hệ số tự tương quan với sai phân
bậc nhất).
2.2.3 Dự báo theo mô hình nhân tính
a) Tách yếu tố mùa vụ
Bảng 2.11: Tách yếu tố mùa và dự báo
13
Date: 10/31/14 Time: 10:26
Sample: 2010Q1 2014Q4
Included observations: 16
Ratio to Moving Average
Original Series: SO_LUOT_KHACH_DL
Adjusted Series: YSA
Scaling Factors:
1 1.114199
2 0.948788
3 0.893198
4 1.059059
Obs Y SN YSA
2010Q1 445.3603 1.114199 399.7134
2010Q2 386.4323 0.948788 407.2903

2010Q3 407.1327 0.893198 455.8148
2010Q4 439.3120 1.059059 414.8134
2011Q1 508.2760 1.114199 456.1806
2011Q2 460.0000 0.948788 484.8289
2011Q3 412.2060 0.893198 461.4947
2011Q4 574.5830 1.059059 542.5409
2012Q1 624.5753 1.114199 560.5599
Obs Y SN YSA
2012Q2 498.0593 0.948788 524.9425
2012Q3 483.8433 0.893198 541.6980
2012Q4 588.6500 1.059059 555.8234
2013Q1 603.2180 1.114199 541.3916
2013Q2 579.9870 0.948788 611.2923
2013Q3 649.9570 0.893198 727.6743
2013Q4 694.0260 1.059059 655.3230
2014Q1 NA 1.114199 NA
14
2014Q2 NA 0.948788 NA
2014Q3 NA 0.893198 NA
2014Q4 NA 1.059059 NA
2.2.3.1 Ước lượng hàm xu thế và dự báo
Hình 2.8: Đồ thị thể hiện tính xu thế
350
400
450
500
550
600
650
700

750
2010 2011 2012 2013 2014
YSA
Bảng 2.12: Kết quả hồi quy
Dependent Variable: LOG(YSA)
Method: Least Squares
Date: 11/06/14 Time: 22:55
Sample (adjusted): 2010Q1 2013Q4
Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 5.955708 0.032082 185.6387 0.0000
T 0.033738 0.003318 10.16856 0.0000
15
R-squared 0.880749 Mean dependent var 6.242481
Adjusted R-squared 0.872231 S.D. dependent var 0.171154
S.E. of regression 0.061178 Akaike info criterion -2.633575
Sum squared resid 0.052399 Schwarz criterion -2.537001
Log likelihood 23.06860 Hannan-Quinn criter. -2.628630
F-statistic 103.3996 Durbin-Watson stat 2.114214
Prob(F-statistic) 0.000000
Kiểm định t có ý nghĩa thống kê ở độ tin cậy 95%, R
2
cao, và phương trình hồi quy là:
Ln(ysa)=5.96+0.03*T
Hoặc ysa=e
5.96+0.03*T
Hình 2.9: Dự báo tính xu thế
300
400
500

600
700
800
900
2010 2011 2012 2013 2014
YSAF ± 2 S.E.
Forecast: YSAF
Actual: YSA
Forecast sample: 2010Q1 2014Q4
Included observations: 16
Root Mean Squared Error 32.93857
Mean Absolute Error 24.50188
Mean Abs. Percent Error 4.479400
Theil Inequality Coeff icient 0.031210
Bias Proportion 0.000856
Variance Proportion 0.055179
Covariance Proportion 0.943965
Kiểm định LM của Breusch-Godfrey
Bảng 2.13: Kiểm định Breusch-Godfrey
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.963749 Prob. F(2,12) 0.4091
Obs*R-squared 2.214323 Prob. Chi-Square(2) 0.3305
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 11/06/14 Time: 23:05
Sample: 2010Q1 2013Q4
Included observations: 16
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.

C 0.008055 0.032712 0.246232 0.8097
T -0.001348 0.003473 -0.388304 0.7046
RESID(-1) -0.070731 0.268461 -0.263469 0.7967
RESID(-2) -0.469422 0.342336 -1.371231 0.1954
R-squared 0.138395 Mean dependent var 2.56E-16
Adjusted R-squared -0.077006 S.D. dependent var 0.059104
16
S.E. of regression 0.061337 Akaike info criterion -2.532534
Sum squared resid 0.045147 Schwarz criterion -2.339386
Log likelihood 24.26027 Hannan-Quinn criter. -2.522643
F-statistic 0.642500 Durbin-Watson stat 2.000404
Prob(F-statistic) 0.602271
Kết quả kiểm định hiện tượng tự tương quan cho thấy mô hình không bị vi phạm hiện
tượng tự tương quan. Prob của F=0.41 (>0.05).
Kiểm định phương sai thay đổi
Bảng 2.14: Kiểm định phương sai
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 2.074932 Prob. F(1,14) 0.1717
Obs*R-squared 2.065260 Prob. Chi-Square(1) 0.1507
Scaled explained SS 1.363213 Prob. Chi-Square(1) 0.2430
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/06/14 Time: 23:14
Sample: 2010Q1 2013Q4
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000426 0.002250 0.189379 0.8525
T 0.000335 0.000233 1.440462 0.1717
R-squared 0.129079 Mean dependent var 0.003275

Adjusted R-squared 0.066870 S.D. dependent var 0.004441
S.E. of regression 0.004290 Akaike info criterion -7.948432
Sum squared resid 0.000258 Schwarz criterion -7.851859
Log likelihood 65.58746 Hannan-Quinn criter. -7.943487
F-statistic 2.074932 Durbin-Watson stat 2.941801
Prob(F-statistic) 0.171725
17
Kết quả kiểm định White về hiện tượng phương sai thay đổi cho thấy Prob của thống
kê F=0.17 (>0.05) nên mô hình không bị vi phạm hiện tượng phương sai thay đổi.
Kiểm định Jarque – Bera
Hình 2.10: Kiểm định Jarque-Bera
0
1
2
3
4
5
-0.10 -0.05 -0.00 0.05 0.10 0.15
Series: Residuals
Sample 2010Q1 2013Q4
Observations 16
Mean 2.56e-16
Median -0.011426
Maximum 0.128076
Minimum -0.100159
Std. Dev. 0.059104
Skewness 0.504372
Kurtosis 2.724261
Jarque-Bera 0.729063
Probability 0.694522

Kết quả kiểm định phân phối chuẩn của sai số cho thấy Prob (JB)=0.69 (>0.05) nên sai
số của mô hình có phân phối chuẩn.
Kết hợp yếu tố xu thế, yếu tố mùa vụ để đưa ra kết quả dự báo cuối cùng
Bảng 2.15: Dư báo kết hợp yếu tố xu thế và mùa vụ
obs T Y YSA YSAF SN YF SE
2010Q1 1.000000 445.3603 399.7134 399.1935 1.114199 444.7811 27.06403
2010Q2 2.000000 386.4323 407.2903 412.8913 0.948788 391.7464 27.51935
2010Q3 3.000000 407.1327 455.8148 427.0590 0.893198 381.4481 28.03719
2010Q4 4.000000 439.3120 414.8134 441.7129 1.059059 467.8002 28.62649
2011Q1 5.000000 508.2760 456.1806 456.8696 1.114199 509.0437 29.29667
2011Q2 6.000000 460.0000 484.8289 472.5464 0.948788 448.3465 30.05757
2011Q3 7.000000 412.2060 461.4947 488.7611 0.893198 436.5603 30.91929
2011Q4 8.000000 574.5830 542.5409 505.5322 1.059059 535.3887 31.89214
2012Q1 9.000000 624.5753 560.5599 522.8788 1.114199 582.5911 32.98648
2012Q2 10.00000 498.0593 524.9425 540.8206 0.948788 513.1243 34.21261
2012Q3 11.00000 483.8433 541.6980 559.3781 0.893198 499.6352 35.58073
18
2012Q4 12.00000 588.6500 555.8234 578.5723 1.059059 612.7424 37.10083
2013Q1 13.00000 603.2180 541.3916 598.4251 1.114199 666.7647 38.78268
2013Q2 14.00000 579.9870 611.2923 618.9592 0.948788 587.2613 40.63578
2013Q3 15.00000 649.9570 727.6743 640.1979 0.893198 571.8232 42.66942
2013Q4 16.00000 694.0260 655.3230 662.1653 1.059059 701.2724 44.89266
2014Q1 17.00000 NA NA 684.8865 1.114199 763.0999 47.31446
2014Q2 18.00000 NA NA 708.3873 0.948788 672.1096 49.94366
2014Q3 19.00000 NA NA 732.6946 0.893198 654.4411 52.78914
2014Q4 20.00000 NA NA 757.8359 1.059059 802.5932 55.85981
Sau khi thực hiện tất cả các mô hình dự báo có thể áp dụng dựa trên đặc điểm
của chuỗi dữ liệu, các giá trị đo lường độ chính xác của các mô hình được đề tài tổng
hợp trong bảng sau đây:
Bảng 2.16: RMSE của các mô hình

CÁC MÔ HÌNH DỰ BÁO RMSE
MÔ HÌNH DỰ BÁO THÔ GIẢN ĐƠN 72,09
MÔ HÌNH DỰ BÁO THÔ ĐIỀU CHỈNH XU THẾ 105,301
MÔ HÌNH DỰ BÁO THÔ ĐIỀU CHỈNH MÙA VỤ 81,882
TRUNG BÌNH GIẢN ĐƠN 102,877
TRUNG BÌNH DI ĐỘNG K=3 73,243
TRUNG BÌNH DI ĐỘNG K=5 71,099
TRUNG BÌNH DI ĐỘNG KÉP 96,274
MÔ HÌNH SAN MŨ GIẢN ĐƠN 68,302
MÔ HÌNH SAN MŨ HOLT 59,87711
19
MÔ HÌNH SAN MŨ WINTERS 31,97
MÔ HÌNH DỰ BÁO THEO HÀM XU THẾ 49,02
MÔ HÌNH DỰ BÁO THEO PHÂN TÍCH NHÂN TÍNH 32,94
2.3.ƯU ĐIỂM CỦA MÔ HÌNH
Trong quá trình nghiên cứu về số lượt khách du lịch đến Việt Nam trong giai
đoạn 2010-2013 thông qua việc chạy các mô hình dự báo. Từ đó, đưa ra một số ưu
điểm sau:
- Độ lệch chuẩn thấp  các giá trị trong mẫu thu thập có độ tập trung cao, giá trị
trung bình và trung vị có tính đại diện cao.
- Phương sai sai số của mô hình không thay đổi.
- Vì chuỗi dữ liệu có tính xu thế, mùa vụ nên có thể áp dụng được nhiều mô hình
phân tích khác nhau. Thông qua so sánh độ tin cậy của các mô hình, đề tài có thể tìm
được mô hình dự báo chính xác nhất để dự báo số lượt khách du lịch đến Việt Nam
trong năm 2014
2.4. NHƯỢC ĐIỂM CỦA MÔ HÌNH
Bên cạnh một số ưu điểm về mô hình dự báo lượt khách du lịch đến Việt Nam thì
cũng có một số nhược điểm mà nhóm đặc biệt quan tâm như:
- Mô hình gốc có hiện tượng tự tương quan.
- Khi phân tích theo mô hình san mũ Winter, α, β, γ đều cho một giá trị duy nhất là

0.000, vì thế khi dự báo cho năm 2014 số lượt khách du lịch đến Việt Nam rất lớn
do đó mô hình này có thể có độ chính xác không cao.
20
Chương 3
KẾT LUẬN VÀ KIẾN NGHỊ
3.1 KẾT LUẬN
Trong nền kinh tế thị trường thì sự cạnh tranh khốc liệt giữa các tổ chức,
các doanh nghiệp trong ngành du lịch – dịch vụ nước ta là điều không tránh
khỏi. Muốn tồn tại và phát triển trên thị trường thì mỗi doanh nghiệp, tổ chức
này phải phấn đấu trong việc kiểm soát các hoạt động của mình một cách hiệu
quả để có thể tiết kiệm chi phí nhưng lợi nhuận thì rất cao. Để đạt được điều đó,
công việc phân tích và dự báo là một việc làm cần thiết đối với bất kỳ một
doanh nghiệp, tổ chức nàokhi tham gia vào các hoạt động kinh doanh.
Qua việc tìm hiểu về tình hình dự báo số lượt khách du lịch đến Việt Nam
năm 2010-2013, ta có thể thấy rằng nước ta đã thực hiện tốt công tác quản lý
của mình, luôn phản ánh kịp thời và đầy đủ thông qua số liệu của các quý trong
năm, đảm bảo cho các hoạt động kinh doanh được tiến hành một cách liên tục,
các biến động về số lượt khách du lịch đến nước ta là không cao đã giúp nước ta
có thể tiết kiệm được các khoản chi phí phục vụ và các khoản chi phí khác……
3.2 KIẾN NGHỊ
Biến động về dự báo do nhiều nhân tố tác động, có những nhân tố khách
quan bên ngoài và có những nhân tố chủ quan do chính doanh nghiệp, tổ chức
nước ta tạo ra. Và để nhận biết được những nhân tố này cần phải tiến hành công
tác dự báo để kiểm soát và quản lý một cách chặt chẽ hơn.
21