dự báo số lượt khách quốc tế đến Việt Nam (dự báo kinh tế)

MỤC LỤC
Trang
CHƯƠNG 1 GIỚI THIỆU................................................................................. 1
1.1 LÝ DO CHỌN ĐỀ TÀI ............................................................................ 1
1.2 MỤC TIÊU NGHIÊN CỨU ..................................................................... 1
1.2.1 Mục tiêu chung................................................................................... 1
1.2.2 Mục tiêu cụ thể ................................................................................... 2
1.3 PHẠM VI NGHIÊN CỨU ....................................................................... 2
1.3.1 Đối tượng nghiên cứu ........................................................................ 2
1.3.2 Thời gian nghiên cứu ......................................................................... 2
1.3.3 Không gian nghiên cứu ...................................................................... 2
CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU ................................................ 3
2.1 PHƯƠNG PHÁP THU THẬP SỐ LIỆU ................................................. 3
2.2 PHƯƠNG PHÁP PHÂN TÍCH SỐ LIỆU................................................ 4
2.2.1 Dự báo bằng phương pháp phân tích ................................................. 4
2.2.2 Các loại kiểm định.............................................................................. 6
2.2.3 Các chỉ tiêu đánh giá độ chính xác .................................................... 6
CHƯƠNG 3 DỰ BÁO SỐ LƯỢT KHÁCH QUỐC TẾ ĐẾN VIỆT NAM
GIAI ĐOẠN TỪ THÁNG 04/2015 ĐẾN THÁNG 09/2015 ............................ 7
3.1 NHẬN DẠNG MÔ HÌNH VÀ MÔ TẢ SỐ LIỆU................................... 7
3.1.1 Vẽ đồ thị ............................................................................................. 7
3.1.2 Kiểm định tính mùa vụ ...................................................................... 7
3.1.3 Mô tả số liệu ....................................................................................... 9
3.2 PHÂN TÍCH TÍNH XU THẾ ................................................................. 10
3.2.1 Tách yếu tố mùa vụ .......................................................................... 10
3.2.2 Dự báo tính xu thế bằng hàm bậc nhất: LUOT_KHSAF=C+βT+ut .. 11
3.2.3 Dự báo tính xu thế bằng hàm bậc ba: UOT_KHSAF=C+β0T+β1T2+
β2T3 +ut ..................................................................................................... 14

i

Trang
3.2.4 Dự báo tính xu thế bằng hàm tăng trưởng mũ: LUOT_KHSAF=eC +
βT + ut Hay LnLUOT_KHSAF=C+ βT+ut .............................................. 188
3.3 DỰ BÁO LƯỢT KHÁCH QUỐC TẾ ĐẾN VIỆT NAM GIAI ĐOẠN
TỪ THÁNG 04/2015 ĐẾN THÁNG 09/2015. .......................................... 211
PHỤ LỤC I SỐ LIỆU TỔNG HỢP ............................................................... 244
TÀI LIỆU THAM KHẢO ............................................................................. 266

ii


CHƯƠNG 1
GIỚI THIỆU
1.1 LÝ DO CHỌN ĐỀ TÀI
Trong giai đoạn hội nhập, các nhà kinh tế, nhà hoạch định chính sách, đã
ngày càng chú ý nhiều hơn tới sự đóng góp của các ngành dịch vụ tới quá trình
phát triển kinh tế trên toàn thế giới. Người ta thấy rằng, trình độ phát triển kinh
tế của một nước càng cao thì tỷ trọng của dịch vụ - thương mại trong cơ cấu
ngành kinh tế nước đó càng lớn. Dịch vụ phát triển sẽ thúc đẩy phân công lao
động xã hội và chuyên môn hóa, tạo điều kiện cho lĩnh vực sản xuất khác phát
triển. Mặc dù được xếp vào nhóm các nước đang phát triển và luôn coi dịch vụ
là một hướng phát triển trọng tâm, nhưng hiện tỷ trọng của ngành dịch vụ của
Việt Nam mới chỉ chiếm khoảng 43,8% trong GDP.
Tổ chức Thương mại Thế giới (WTO) đã chia các hoạt động dịch vụ khác
nhau thành 12 ngành (trong đó gồm 155 tiểu ngành): Các dịch vụ kinh doanh;
dịch vụ bưu chính viễn thông; dịch vụ xây dựng và các dịch vụ kỹ thuật liên
quan khác; dịch vụ phân phối; dịch vụ giáo dục; dịch vụ môi trường; dịch vụ tài
chính; các dịch vụ xã hội và liên quan đến y tế; các dịch vụ du lịch và dịch vụ
liên quan đến lữ hành; các dịch vụ giải trí văn hoá, thể thao; dịch vụ vận tải và

các dịch vụ khác... Trong những năm qua, du lịch Việt Nam đang trên đà phát
triển, lượng khách quốc tế đến cũng như khách du lịch nội địa ngày càng tăng.
Du lịch Việt Nam ngày càng được biết đến nhiều hơn trên thế giới, nhiều điểm
đến trong nước được bình chọn là địa chỉ yêu thích của du khách quốc tế. Du
lịch đang ngày càng nhận được sự quan tâm của toàn xã hội. Chất lượng và tính
cạnh tranh của du lịch là những vấn đề nhận được nhiều sự chú ý và thảo luận
rộng rãi.
Các công ty du lịch ngoài việc đề ra chính sách phát triển, đổi mới loại
hình kinh doanh, tăng sức canh tranh. Cần phải dự báo số lượt khách trong từng
thời kỳ, hiểu rõ sự biến động trong từng giai đoạn nhầm phân tích và có những
chiến lược phù hợp hơn để phát triển ngành du lịch nói riêng và dịch vụ nói
chung. Hiểu được sự cần thiết của dự báo số lượt khách du lịch lên sự phát triển
ngành dịch vụ nhóm đã chọn đề tài “Dự báo số lượt khách quốc tế đến Việt
Nam từ tháng 04/2015 đến tháng 09/2015” để có cái nhìn tổng quát hơn thực
trạng cũng như dự báo trong thời gian sắp tới của du lịch Việt Nam.
1.2 MỤC TIÊU NGHIÊN CỨU
1.2.1 Mục tiêu chung
Dư báo số lượt khách quốc tế đến Việt Nam từ tháng 4/2015 đến tháng
9/2015 nhằm đưa ra kết quả dự báo về số lượt khách quốc tế đến Việt Nam từ
tháng 4/2015 đến tháng 9/2015.
1


1.2.2 Mục tiêu cụ thể
Mô tả dữ liệu và xác định dạng mô hình
Thực hiện dự báo lượt khách quốc tế đến Việt Nam bằng phương pháp
phân tích.
Lựa chọn mô hình và đánh giá mô hình dự báo.
1.3 PHẠM VI NGHIÊN CỨU
1.3.1 Đối tượng nghiên cứu

Đề tài chủ yếu nghiên cứu về lượt khách quốc tế đến Việt Nam.
1.3.2 Thời gian nghiên cứu
Thời gian thu thập số liệu từ ngày 02/02/2015-02/03/2015.
Thời gian thực hiện đề tài từ ngày 20/01/2015-10/04/2015.
1.3.3 Không gian nghiên cứu
Đề tài được thực hiện ở phạm vi nền kinh tế của Việt Nam.

2


CHƯƠNG 2
PHƯƠNG PHÁP NGHIÊN CỨU
2.1 PHƯƠNG PHÁP THU THẬP SỐ LIỆU
Số liệu được thu thập từ trang web của tổng cục du lịch
( từ tháng 01 năm 2008 đến tháng 03 năm 2015.
Bảng số liệu
Năm
2008

2009

2010

Tháng
1
2
3
4
5
6

7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12

Lượt khách Năm
420000
2011
441000
424954
411000
382000
210333
330000
339000
315000
296742
279904
375995
370000
2012
342913
303489
305430
292842
279150
277998
314915
294000
227859
387871
376400
416249
2013

446323
473509
432608
350982
375707
410000
427935
383463
440071
428295
449570

Tháng
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5

6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12

Lượt khách Năm
506424
2014
542671
475733
460000
480886
446966
460000
490000

286618
518477
611864
593408
630000
2015
681849
561877
620000
456749
417429
466000
525292
460238
495576
655701
614673
651812
570476
587366
613919
558751
567291
658325
676719
614827
628695
731034
722349

Nguồn: Tổng cục du lịch năm 2014

3

Tháng
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3

Lượt khách
776174
842026
709725
745980
674204
539776
564756
618588

590881
559002
608617
657304
700692
756000
617895


2.2 PHƯƠNG PHÁP PHÂN TÍCH SỐ LIỆU
2.2.1 Dự báo bằng phương pháp phân tích
 Nếu là mô hình nhân tính
Dữ liệu được điều chỉnh theo mùa:
- Tính trung bình di động (gồm T và C):
CMAt = (0.5Yt+6 +…+ Yt + …+0.5Yt-6)/12
CMAt = (0.5Yt-2 +Yt+1+Yt+Yt-1+0.5Yt-2)/4
- Tính tỷ lệ Y/CMAt (gồm S và I)
- Loại I bằng cách tính chỉ số mùa vụ cho từng quý hoặc cho từng tháng (gồm S).
- Điều chỉnh chỉ số mùa để trung bình nhân của chúng bằng 1.
 Nếu là mô hình cộng tính
Dữ liệu được điều chỉnh theo mùa:
- Tỷ lệ trung bình di động:
CMAt = (0.5Yt+6 +…+ Yt + …+0.5Yt-6)/12
CMAt = (0.5Yt-2 +Yt+1+Yt+Yt-1+0.5Yt-2)/4
- Tính hiệu số Y - CMAt
- Tính giá trị theo mùa vụ cho từng quý hoặc cho từng tháng.
 Các bước tiến hành
Bước 1: Nhận dạng
Nếu là mô hình nhân tính: Khi nối các đỉnh và các đáy lại thì đường thẳng của đỉnh
và đáy có xu hướng mở rộng ra, như hình sau:

Doanh thu
240

200

160

120

80

40
I

II

III

2003

IV

I

II

III

IV

2004

I

II

III

2005

4

IV

I

II

III

2006

IV


Nếu là mô hình cộng tính: Khi nối các đỉnh và các đáy lại thì đường thẳng của
đỉnh và đáy song song với nhau. Như hình sau:
DOANH_SO
10,000

9,000

8,000

7,000

6,000

5,000

4,000
1996

1997

1998

1999

2000

2001

2002

Bước 2: Tách yếu tố mùa
- Tại cửa sổ biến X, chọn proc\Seasonal Adjustment\ Moving Average Method
Bước 3: Chạy hàm xu thế phù hợp (Mô hình dự báo xu thế).
Bước 4: Kết hợp yếu tố xu thế và yếu tố mùa vụ để đưa ra kết quả dự báo.
Kiểm định tính mùa vụ: nếu đồ thị không thể hiện tính mùa vụ rõ rệt.

- Dùng kiểm định Kruskal Wallis để thực hiện.
- Giả thuyết cần kiểm định:
+ H0: Chuỗi không có yếu tố mùa.
- Nếu không có yếu tố mùa, hạng và phân phối của chuỗi trên sẽ giống nhau ở các
tháng hoặc quý.
Trình tự thực hiện kiểm định Kruskal Wallis:
+ Tính chuỗi trung bình di động CMA
+ Tạo chuỗi: S I = Yt/ CMAt (mô hình nhân)
+ Tạo chuỗi: S+I=Yt-CMAt (mô hình cộng)
Dùng lệnh: view/descriptive stastistics and test/equality tests by classification.

5


2.2.2 Các loại kiểm định
 Kiểm định phân phối chuẩn:
Giả thuyết:

H0: Mô hình có phân phối chuẩn
H1: Mô hình không có phân phối chuẩn

 Kiểm định phương sai sai số (PSSS):
Giả thuyết:

H0: PSSS không đổi

H1: PSSS thay đổi
 Kiểm định tự tương quan:
Giả thuyết:

H0: Không có hiện tượng tự tương quan

H1: Có hiện tượng tự tương quan

Bác bỏ H0 khi Prob(F-statistic)vi phạm một trong số các giả định trên thì mô hình chỉ dùng để dự báo điểm.
2.2.3 Các chỉ tiêu đánh giá độ chính xác
 Cân bậc hai của sai số bình phương trung bình (Root Mean Squared Error)
RMSE=√

2
∑n
t=1 et

n

RMSE cùng đơn vị tính với chỉ tiêu mà mình dự báo. Giống như là độ lệch chuẩn,
RMSE cho biết mức độ đồng đều, phân tán, RMSE càng nhỏ thì sự đồng đều càng cao.
 Hệ số không ngang bằng Theil’s U
Hệ số không ngang bằng Thei’s U là tỷ số giữa RMSE của mô hình dự báo và RMSE
của mô hình dự báo thô giản đơn.

U=

√∑(Yt − Ŷt )2
√∑(Yt − Yt−1 )2

Nếu giá trị U càng tiến về không thì mô hình dự báo càng chính xác. Có thể có ba
trường hợp sau đây. Thứ nhất, nếu U<1 thì mô hình dự báo tốt hơn mô hình dự báo thô
giản đơn. Thứ hai, nếu U=1 thì mô hình dự báo cũng như mô hình dự báo thô. Thứ ba, nếu

U>1 thì mô hình dự báo còn xấu hơn mô hình dự báo thô. Trong thực tế giá trị của U<0,55
được đánh giá là rất tốt.

6


CHƯƠNG 3
DỰ BÁO SỐ LƯỢT KHÁCH QUỐC TẾ ĐẾN VIỆT NAM
GIAI ĐOẠN TỪ THÁNG 04/2015 ĐẾN THÁNG 09/2015
3.1 NHẬN DẠNG MÔ HÌNH VÀ MÔ TẢ SỐ LIỆU
Luot khach
900,000
800,000
700,000
600,000
500,000
400,000
300,000
200,000
2008

2009

2010

2011

2012

2013

2014

2015

3.1.1 Vẽ đồ thị
Nhìn vào đồ thị trên ta thấy số lượt khách du lịch đến Việt Nam giai đoạn tháng 01
năm 2008 đến tháng 03 năm 2015 có xu hướng tăng, vì vậy nó có tính xu thế.
Tính mùa vụ được thể hiện ở chổ tăng ở những tháng 01, tháng 12 và giảm ở những
tháng 06 và tháng 09.
 Có thể sử dụng phương pháp phân tích để dự báo số lượt khách quốc tế đến Việt Nam
giai đoạn sáu tháng tiếp theo.
3.1.2 Kiểm định tính mùa vụ
Để biết chính xác hơn chuỗi dữ liệu có tính mùa vụ hay không thì phần này sẽ kiểm
định điều đó để việc sử dụng phương pháp phân tích có hiệu quả hơn.
Giả thiết:

H0: Không có tính mùa vụ
H1: Có tính mùa vụ

 Bước 1: Tính CMA và S+I
 Cách tính CMA:
CMA=(luot_khach(-6)*0.5+luot_khach(-5)+luot_khach(-4)+luot_khach(-3)+
luot_khach(-2)+luot_khach(-1)+luot_khach+luot_khach(6)*0.5+luot_khach(5)+luot_
khach(4)+luot_khach(3)+luot_khach(2)+luot_khach(1))/12.
7


 Tạo biến S+I=luot_khach-CMA. Kết quả tính CMA và S+I (xem phụ lục 1).
Dựa vào biến S+I thực hiện kiểm định Kruskal-Wallis

 Bước 2: Kiểm định Kruskal-Wallis
Kết quả kiểm định Kruskal-Wallis trên eviews:
Dựa vào biến SNIR_ADD ta thực hiện kiểm định Kruskal-Wallis và cho ra kết quả
như sau:
Test for Equality of Medians of SNIR_ADD
Categorized by values of MONTH
Date: 04/18/15 Time: 09:05
Sample (adjusted): 2008M07 2014M09
Included observations: 75 after adjustments
Method

df

Med. Chi-square
Adj. Med. Chi-square
Kruskal-Wallis
Kruskal-Wallis (tie-adj.)
van der Waerden

11
11
11
11
11

Value Probability
43.18482
28.15834
50.14622
50.14622

47.49148

0.0000
0.0031
0.0000
0.0000
0.0000

Category Statistics
MONTH
1
2
3
4
5
6
7
8
9
10
11
12
All

Count
6
6
6
6
6

6
7
7
7
6
6
6
75

Median
66417.60
73831.19
19970.44
17138.19
-38913.35
-50411.54
-34569.58
-7653.417
-51732.58
-38085.27
37018.48
42437.85
-4907.042

> Overall
Median Mean Rank Mean Score
6 64.50000 1.098597
5 60.83333 1.123392
4 48.66667 0.419092
6 51.83333 0.522674

2 24.16667 -0.585907
0 12.66667 -1.110431
1 23.28571 -0.598972
2 34.85714 -0.106499
0 13.71429 -1.039974
1 23.16667 -0.608512
4 51.00000 0.580706
6 54.33333 0.596743
37 38.00000 -3.55E-17

Ta thấy Prob(Kruskal-Wallis)=0,00<0,05, cho nên với độ tin cậy 95%, ta bác bỏ giả
thiết H0, vậy lượt khách quốc tế đến Việt Nam có yếu tố mùa vụ.

8


3.1.3 Mô tả số liệu
9

Series: LUOT_KHACH
Sample 2008M01 2015M03
Observations 87

8
7
6
5
4
3

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

494656.6
473509.0
842026.0
210333.0
144537.7
0.154341
2.194586

Jarque-Bera
Probability

2.696911
0.259641

2
1
0
200000

300000

400000

500000

600000

700000

800000

Từ bảng kết quả trên ta có thể đưa ra nhận xét:
+ Mean = 494.656,6: lượt khách quốc tế trung bình đến Việt Nam trong giai đoạn
này đạt 494.656,6 lượt khách.
+ Median = 473.509,0: có nghĩa là giá trị trung vị của lượt khách quốc tế đến Việt
Nam đạt 473.509,0 lượt khách.
+ Maximum = 842.026,0: giá trị lớn nhất của lượt khách quốc tế đến Việt Nam
đạt 842.026,0 lượt khách.
+ Minimum = 210.333,0: giá trị nhỏ nhất của lượt khách quốc tế đến Việt Nam
đạt 210.333,0 lượt khách.
+ Std. Dev. = 144.537,7: sai số chuẩn đạt 144.537,7 lượt khách.
+ Skewness = 0.1543>0: Phân phối lệch phải (đuôi phía phải dài hơn, và phần lớn
số liệu tập trung ở phía trái của phân phối).
+Kurtosis = 2,1946<3: phân phối không có dạng nhọn.
+Probability của kiểm định Jarque-Bera-Test=0,25>0,05. Chưa đủ điều kiện bác
bỏ giả thuyết Ho (Mô hình có phân phối chuẩn). Vậy với =5% thì mô hình có phân
phối chuẩn.

9


3.2 PHÂN TÍCH TÍNH XU THẾ

3.2.1 Tách yếu tố mùa vụ
Kết quả tách yếu tố mùa vụ trên eviews:
Date: 04/17/15 Time: 23:17
Sample: 2008M01 2015M03
Included observations: 87
Difference from Moving Average
Original Series: LUOT_KHACH
Adjusted Series: LUOT_KHSA
Scaling Factors:
1
2
3
4
5
6
7
8
9
10
11
12

69211.58
78239.58
21955.65
29258.23
-35432.92
-71018.35
-37345.18
-8695.256

-75636.14
-42071.10
34781.62
36752.29

Lúc này Eviews sẽ cho ra kết quả gồm chỉ số mùa vụ 12 tháng và biến LUOT_KHSA
(tức là đã loại đi yếu tố mùa vụ). Biến LUOT_KHSA lúc này còn lại ba yếu tố, đó là T(Xu
thế), C(Chu kỳ) và I(Ngẫu nhiên).
Biễu diễn biến LUOT_KHSA trên đồ thị: Lúc này ta thấy tính xu thế thể hiện rõ hơn
so với biến LUOT_KHACH chưa loại yếu tố mùa vụ.
LUOT_KHSA
800,000

700,000

600,000

500,000

400,000

300,000

200,000
2008

2009

2010

2011

10

2012

2013

2014

2015


 Nhìn vào đồ thị của biến LUOT_KHSA ta thấy:
+ Có xu hướng tăng lên như một đường thẳng tuyến tínhDạng hàm bậc nhất:
̂
𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴
𝐹=C+𝛽T+ut
+
Có
dạng
hình
̂
𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
=C+𝛽0 T+𝛽1 T2+ut

cong

+
Có

dạng
hình
lên
̂
𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
=C+𝛽0 T+𝛽1 T2+𝛽2 T3+ut

parapol

Dạng

hàm

bậc

hai:

xuống

Dạng

hàm

bậc

ba:

+ Có dạng hình lên xuống, tăng dần Dạng hàm tăng trưởng mũ:
̂
̂

𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
=𝑒 𝐶+𝛽𝑇+ut Hay Ln𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
=C+ 𝛽T+ut
̂
3.2.2 Dự báo tính xu thế bằng hàm bậc nhất: 𝐋𝐔𝐎𝐓_𝐊𝐇𝐒𝐀𝐅
=C+𝛃T+ut
 Kết quả chạy hồi quy theo thời gian của hàm bậc nhất:
Dependent Variable: LUOT_KHSA
Method: Least Squares
Date: 04/17/15 Time: 23:35
Sample: 2008M01 2015M03
Included observations: 87
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
T

281881.3
4791.548

12676.39
250.2136

22.23671
19.14983

0.0000
0.0000

R-squared
0.811829
Adjusted R-squared 0.809615
S.E. of regression
58609.84
Sum squared resid 2.92E+11
Log likelihood
-1077.579
F-statistic
366.7159
Prob(F-statistic)
0.000000

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

492709.4
134324.1
24.81791

24.87460
24.84074
0.880127

Ta có: Prob(F-statistic)=0,00<0,05, vậy với mức ý nghĩa 5%, mô hình hồi quy có
̂
ý nghĩa, tức là biến 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
được giải thích bởi biến T.
̂
Hệ số R2=0,8118, tức là có 81,18% sự biến động của 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
được giải
thích bởi biến T.
Từ bảng trên ta có phương
𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹=281.881,3+4.791,55T

trình

hàm

xu

thế

bậc

nhất:

Hệ số C=281.881,3, có nghĩa là trung bình mỗi tháng có 281.881,3 lượt khách
đến Việt Nam.
Hệ số 𝛽=4.791,55, tức là trong một tháng thì số lượt khách sẽ tăng 4.791,55 lượt

khách.

11


 Kiểm định phân phối chuẩn:
Giả thuyết:
H0: Mô hình có phân phối chuẩn
H1: Mô hình không có phân phối chuẩn
Kết quả trên eviews:
9

Series: Residuals
Sample 2008M01 2015M03
Observations 87

8
7
6
5
4
3

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

2.13e-10
-137.1364
127330.6
-135246.8
58268.09
-0.019148
2.261670

Jarque-Bera
Probability

1.981419
0.371313

2
1
0
-120000

-80000

-40000

0

40000

80000

120000

Ta thấy, Probability của mô hình bằng 0.37>0,05, vậy ta chấp nhận H0 với mức ý
nghĩa 5%, mô hình xu thế bậc nhất có phân phối chuẩn.
 Kiểm định phương sai sai số:
Giả thuyết:
H0: Phương sai sai số không đổi
H1: Phương sai sai số thay đổi
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS

0.094700
0.096820
0.058302

Prob. F(1,85)
Prob. Chi-Square(1)
Prob. Chi-Square(1)

0.7590
0.7557
0.8092

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 04/18/15 Time: 09:56
Sample: 2008M01 2015M03

Included observations: 87
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
T

3.14E+09
5007684.

8.24E+08
16272801

3.803665
0.307733

0.0003
0.7590

0.001113
-0.010639
3.81E+09
1.23E+21

-2041.773
0.094700
0.759038

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

12

3.36E+09
3.79E+09
46.98329
47.03998
47.00612
1.827893


Ta có Prob(F-statistic)=0,75>0,05, vậy ta chấp nhận H0 với mức ý nghĩa 5%, mô hình

không bị phương sai sai số thay đổi.
 Kiểm định tự tương quan:
Giả thuyết:
H0: Không có hiện tượng tự tương quan
H1: Có hiện tượng tự tương quan
Kết quả của kiểm định:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared

20.53774
28.80156

Prob. F(2,83)
Prob. Chi-Square(2)

0.0000
0.0000

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 04/18/15 Time: 10:15
Sample: 2008M01 2015M03
Included observations: 87
Presample missing value lagged residuals set to zero.
Variable

Coefficient

Std. Error

C
T
RESID(-1)
RESID(-2)

1712.379
-57.51764
0.433007
0.224239

10495.90 0.163147
207.3148 -0.277441
0.109445 3.956405
0.109532 2.047241

R-squared
0.331052
Adjusted R-squared 0.306874
S.E. of regression
48510.64
Sum squared resid 1.95E+11
Log likelihood
-1060.090
F-statistic
13.69183
Prob(F-statistic)
0.000000

t-Statistic

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

Prob.
0.8708
0.7821
0.0002
0.0438
2.13E-10
58268.09
24.46184
24.57522
24.50749
1.983765

Ta có Prob(F-statistic)=0,00<0,05, vậy ta bác bỏ giả thuyết H0 với mức ý nghĩa 5%,
mô hình có hiện tượng tự tương quan.
 Kết luận: Hàm xu thế bậc nhất vi phạm giả định của mô hình hồi quy tuyến tính,
cho nên hàm chỉ sử dụng để dự báo điểm.

13


 Dự báo lượt khách quốc tế đến Việt Nam theo hàm xu thế bậc nhất:

Kết quả dự báo trên eviews:
900,000

Forecast: LUOT_KHSAF
Actual: LUOT_KHSA
Forecast sample: 2008M01 2015M09
Included observations: 87
Root Mean Squared Error
57932.24
Mean Absolute Error
48595.01
Mean Abs. Percent Error
10.86459
Theil Inequality Coefficient 0.056926
Bias Proportion
0.000000
Variance Proportion
0.052069
Covariance Proportion
0.947931

800,000
700,000
600,000
500,000
400,000
300,000
200,000
100,000
2008

2009

2010

2011

2012

LUOT_KHSAF

2013

2014

2015

± 2 S.E.

Theo kết quả dự báo bằng hàm xu thuế bậc nhất trên eviews thì ta có số lượt khách
quốc tế đến Việt Nam từ tháng 04/2015 đến tháng 09/2015 như sau:
T LUOT_KHSAF
2015M04 88
703537.5
2015M05 89
708329.0
2015M06 90
713120.6
2015M07 91
717912.1

2015M08 92
722703.7
2015M09 93
727495.2
Các tiêu chí của mô hình:
Tiêu chí
Giá trị
RMSE
57932,24
Theil’s U
0,056926
̂
3.2.3 Dự báo tính xu thế bằng hàm bậc ba: 𝑳𝑼𝑶𝑻_𝑲𝑯𝑺𝑨𝑭
=C+𝜷𝟎 T+𝜷𝟏 T2+ 𝜷𝟐 T3
+ut
 Kết quả chạy hồi quy theo thời gian của hàm bậc ba:
Dependent Variable: LUOT_KHSA
Method: Least Squares
Date: 04/18/15 Time: 11:10
Sample (adjusted): 2008M01 2015M03
Included observations: 87 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

C

T
T^2
T^3

377182.9
-7646.055
347.8640
-2.617663

21974.73 17.16439
2150.247 -3.555896
56.60343 6.145636
0.422956 -6.188975

R-squared
Adjusted R-squared
S.E. of regression

0.871313
0.866662
49049.15

Mean dependent var
S.D. dependent var
Akaike info criterion
14

Prob.
0.0000
0.0006

0.0000
0.0000
492709.4
134324.1
24.48392


Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

2.00E+11
-1061.051
187.3253
0.000000

Schwarz criterion
24.59729
Hannan-Quinn criter. 24.52957
Durbin-Watson stat
1.276735

̂
Ta có: Prob(F-statistic)=0,00<0,05, vậy với mức ý nghĩa 5% thì biến 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
được giải thích bởi ít nhất một trong các biến T, T2, T3.
Xét các hệ số Prob trong thống kê t của từng biến: Ta có Prob(T), Prob(T2), Prob(T3)
đều bằng 0,00, nhỏ hơn 0,05, vậy với mức ý nghĩa 5% thì các biến T, T2, T3 đều có ảnh
̂
hưởng đến sự biến động của 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹

.
̂
Hệ số R2=0,8713, tức là có 87,13% sự biến động của 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
được giải thích
2
3
bởi các biến T, T , T .
Từ bảng trên ta có phương trình hàm xu thế bậc ba: 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹=377182,97646,06T+347,86T2+2,62T3.
Hệ số C=377.182,9, có nghĩa là trung bình mỗi tháng có 377182,9 lượt khách đến
Việt Nam.
Hệ số 𝛽= -7.646,055, tức là trong một tháng số lượt khách sẽ giảm 7.646,055 lượt
khách.
 Kiểm định phân phối chuẩn:
Giả thuyết: H0: Mô hình có phân phối chuẩn
H1: Mô hình không có phân phối chuẩn
Kết quả trên eviews:
9

Series: Residuals
Sample 2008M01 2015M03
Observations 87

8
7
6
5
4
3

Mean

Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

-1.92e-11
2256.096
108247.9
-136746.5
48186.05
-0.389269
2.771054

Jarque-Bera
Probability

2.387202
0.303128

2
1
0
-120000

-80000

-40000

0

40000

80000

Ta thấy, Probability của mô hình bằng 0.30>0,05, vậy ta chấp nhận H0 với
mức ý nghĩa 5%, mô hình xu thế bậc ba có phân phối chuẩn.

15


 Kiểm định phương sai sai số:
Giả thuyết: H0: Phương sai sai số không đổi
H1: Phương sai sai số thay đổi
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS

1.080464
3.269906
2.635450

Prob. F(3,83)
Prob. Chi-Square(3)
Prob. Chi-Square(3)

0.3620
0.3519

0.4513

Prob.

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 04/18/15 Time: 11:13
Sample: 2008M01 2015M03
Included observations: 87
Variable

Coefficient

Std. Error

C
T
T^2
T^3

2.30E+09
-1.01E+08
3968503.
-34083.09

1.37E+09 1.675951
1.34E+08 -0.752573
3540387. 1.120924
26454.70 -1.288357

0.037585
0.002799
3.07E+09
7.81E+20
-2021.850
1.080464
0.361992

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

t-Statistic

0.0975
0.4538
0.2656
0.2012

2.30E+09
3.07E+09
46.57127
46.68465
46.61693
2.141821

Ta có Prob(F-statistic)=0,36>0,05, vậy ta chấp nhận H0 với mức ý nghĩa 5%, mô hình
không bị phương sai sai số thay đổi.
 Kiểm định tự tương quan:
Giả thuyết:
H0: Không có hiện tượng tự tương quan
H1: Có hiện tượng tự tương quan
Kết quả của kiểm định:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared

6.776492
12.47036

Prob. F(2,81)
Prob. Chi-Square(2)

0.0019
0.0020

Test Equation:
Dependent Variable: RESID
Method: Least Squares

Date: 04/18/15 Time: 11:14
Sample: 2008M01 2015M03
Included observations: 87
Presample missing value lagged residuals set to zero.
Variable

Coefficient

Std. Error
16

t-Statistic

Prob.


C
T
T^2
T^3
RESID(-1)
RESID(-2)

287.6748
-46.59104
1.554040
-0.013541
0.313531
0.127826

R-squared
0.143337
Adjusted R-squared 0.090457
S.E. of regression
45955.01
Sum squared resid 1.71E+11
Log likelihood
-1054.321
F-statistic
2.710597
Prob(F-statistic)
0.025745

20589.82 0.013972
2014.963 -0.023123
53.04828 0.029295
0.396436 -0.034156
0.110901 2.827132
0.111607 1.145322
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

0.9889
0.9816
0.9767
0.9728

0.0059
0.2554
-1.92E-11
48186.05
24.37519
24.54525
24.44366
2.001917

Ta có Prob(F-statistic)=0,00<0,05, vậy ta bác bỏ giả thuyết H0 với mức ý nghĩa 5%,
mô hình có hiện tượng tự tương quan.
 Kết luận: Hàm xu thế bậc nhất vi phạm giả định của mô hình hồi quy tuyến tính,
cho nên hàm chỉ sử dụng để dự báo điểm.
 Dự báo lượt khách quốc tế đến Việt Nam theo hàm xu thế bậc ba:
Kết quả dự báo trên eviews:
800,000

Forecast: LUOT_KHSAF3
Actual: LUOT_KHSA
Forecast sample: 2008M01 2015M09
Included observations: 87
Root Mean Squared Error
47908.31
Mean Absolute Error
39433.08
Mean Abs. Percent Error
8.606043
Theil Inequality Coefficient 0.047028
Bias Proportion
0.000000

Variance Proportion
0.034425
Covariance Proportion
0.965575

700,000

600,000

500,000

400,000

300,000

200,000
2008

2009

2010

2011

2012

LUOT_KHSAF3

2013

2014

2015

± 2 S.E.

Theo kết quả dự báo bằng hàm xu thuế bậc ba trên eviews thì ta có số lượt khách
quốc tế đến Việt Nam từ tháng 04/2015 đến tháng 09/2015 như sau:
2015M04
2015M05
2015M06
2015M07
2015M08
2015M09

T LUOT_KHSAF3
88
643583.6
89
571311.1
90
527442.2
91
552114.1
92
571029.3
93
493604.4

17

Các tiêu chí của mô hình:
Tiêu chí
RMSE
Theil’s U

Giá trị
47908,11
0,047028

̂
3.2.4 Dự báo tính xu thế bằng hàm tăng trưởng mũ: 𝑳𝑼𝑶𝑻_𝑲𝑯𝑺𝑨𝑭
=𝒆𝑪+𝜷𝑻+𝐮𝐭
̂
Hay Ln𝑳𝑼𝑶𝑻_𝑲𝑯𝑺𝑨𝑭
=C+ 𝜷T+ut
 Kết quả chạy hồi quy theo thời gian của hàm tăng trưởng mũ:
Dependent Variable: LOG(LUOT_KHSA)
Method: Least Squares
Date: 04/18/15 Time: 11:35
Sample (adjusted): 2008M01 2015M03
Included observations: 87 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
T

12.62276
0.010128

0.028624
0.000565

440.9783
17.92501

0.0000
0.0000

R-squared
Adjusted R-squared

0.790798
0.788337

Mean dependent var
S.D. dependent var

S.E. of regression

0.132346

Sum squared resid

1.488821

Log likelihood
F-statistic
Prob(F-statistic)

53.50701
321.3059
0.000000

13.06838
0.287666
Akaike info criterion 1.184069
Schwarz criterion
1.127382
Hannan-Quinn criter. 1.161243
Durbin-Watson stat
0.993148

Ta có: Prob(F-statistic)=0,00<0,05, vậy với mức ý nghĩa 5%, mô hình hồi quy có ý
̂
nghĩa, tức là biến 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
được giải thích bởi biến T.
̂
Hệ số R2=0,7908, tức là có 79,08% sự biến động của 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹
được giải thích
bởi biến T.

̂
Từ bảng trên ta có phương trình hàm tăng trưởng mũ: 𝑳𝑼𝑶𝑻_𝑲𝑯𝑺𝑨𝑭
=e12,62+0,01T hay
̂
Ln𝑳𝑼𝑶𝑻_𝑲𝑯𝑺𝑨𝑭
=12,62+0,01T
Hệ số C=12,62, có nghĩa là trung bình mỗi tháng có 12,62% lượt khách đến Việt
Nam.
Hệ số 𝛽=0,01, tức là trong một tháng số lượt khách sẽ tăng 0,01%.
 Kiểm định phân phối chuẩn:
Giả thuyết:
H0: Mô hình có phân phối chuẩn
H1: Mô hình không có phân phối chuẩn

18


Kết quả trên eviews:
12

Series: Residuals
Sample 2008M01 2015M03
Observations 87

10

8

6

4

2

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

1.16e-15
0.007857
0.268484
-0.339648
0.131575
-0.469601
2.758500

Jarque-Bera
Probability

3.409039
0.181860

0
-0.3

-0.2

-0.1

0.0

0.1

0.2

Ta thấy, Probability của mô hình bằng 0,18>0,05, vậy ta chấp nhận H0 với mức ý
nghĩa 5%, mô hình tăng trưởng mũ có phân phối chuẩn.
 Kiểm định phương sai sai số:
Giả thuyết:
H0: Phương sai sai số không đổi
H1: Phương sai sai số thay đổi
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS

7.461487
7.020755
5.892443

Prob. F(1,85)
Prob. Chi-Square(1)
Prob. Chi-Square(1)

0.0077
0.0081

0.0152

Prob.

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 04/18/15 Time: 11:37
Sample: 2008M01 2015M03
Included observations: 87
Variable

Coefficient

Std. Error

C
T

0.028408
-0.000257

0.004761 5.966745
9.40E-05 -2.731572

R-squared
Adjusted R-squared

0.080698
0.069883

S.E. of regression

0.022013

Sum squared resid

0.041188

Log likelihood
F-statistic
Prob(F-statistic)

209.5678
7.461487
0.007664

19

t-Statistic

Mean dependent var
S.D. dependent var

0.0000
0.0077

0.017113
0.022825
Akaike info criterion 4.771673

Schwarz criterion
4.714985
Hannan-Quinn criter. 4.748846
Durbin-Watson stat
1.976057


Ta có Prob(F-statistic)=0,00<0,05, vậy ta bác bỏ H0 với mức ý nghĩa 5%, mô hình bị
phương sai sai số thay đổi.
 Kiểm định tự tương quan:
Giả thuyết:
H0: Không có hiện tượng tự tương quan
H1: Có hiện tượng tự tương quan
Kết quả của kiểm định:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared

16.72448
24.99000

Prob. F(2,83)
Prob. Chi-Square(2)

0.0000
0.0000

Test Equation:
Dependent Variable: RESID
Method: Least Squares

Date: 04/18/15 Time: 11:38
Sample: 2008M01 2015M03
Included observations: 87
Presample missing value lagged residuals set to zero.
Variable

Coefficient

Std. Error

t-Statistic

C
T
RESID(-1)
RESID(-2)

0.003518
-0.000118
0.375366
0.251890

0.024464 0.143798
0.000483 -0.244457
0.107754 3.483529
0.107983 2.332675

R-squared
Adjusted R-squared

0.287241
0.261479

S.E. of regression

0.113072

Sum squared resid

1.061170

Log likelihood
F-statistic
Prob(F-statistic)

68.23666
11.14965
0.000003

Prob.
0.8860
0.8075
0.0008
0.0221

Mean dependent var
S.D. dependent var

1.16E-15
0.131575

Akaike info criterion 1.476705
Schwarz criterion
1.363330
Hannan-Quinn criter. 1.431052
Durbin-Watson stat
2.027594

Ta có Prob(F-statistic)=0,00<0,05, vậy ta bác bỏ giả thuyết H0 với mức ý nghĩa 5%,
mô hình có hiện tượng tự tương quan.
 Kết luận: Hàm tăng trưởng mũ vi phạm giả định của mô hình hồi quy tuyến tính,
cho nên hàm chỉ sử dụng để dự báo điểm.

20


 Dự báo lượt khách quốc tế đến Việt Nam theo hàm tăng trưởng mũ:
Kết quả dự báo trên eviews:
1,100,000

Forecast: LUOT_KHSAFTT
Actual: LUOT_KHSA
Forecast sample: 2008M01 2015M09
Included observations: 87
Root Mean Squared Error 59994.34
Mean Absolute Error
50340.16
Mean Abs. Percent Error
10.89997
Theil Inequality Coefficient 0.059104
Bias Proportion

0.003435
Variance Proportion
0.027356
Covariance Proportion
0.969209

1,000,000
900,000
800,000
700,000
600,000
500,000
400,000
300,000
200,000
2008

2009

2010

2011

2012

LUOT_KHSAFTT

2013

2014

2015

± 2 S.E.

Theo kết quả dự báo bằng hàm tăng trưởng mũ trên eviews thì ta có số lượt khách
quốc tế đến Việt Nam từ tháng 04/2015 đến tháng 09/2015 như sau:
T LUOT_KHSAF
2015M04 88
768955.0
2015M05 89
711793.4
2015M06 90
683814.1
2015M07 91
725170.8
2015M08 92
761582.5
2015M09 93
702482.5
Các tiêu chí của mô hình:
Tiêu chí
Giá trị
RMSE
59994,34
Theil’s U 0.059104
3.3 DỰ BÁO LƯỢT KHÁCH QUỐC TẾ ĐẾN VIỆT NAM GIAI ĐOẠN TỪ THÁNG
04/2015 ĐẾN THÁNG 09/2015.
Bảng tổng hợp các tiêu chí lựa chọn mô hình:
Tiêu chí

RMSE
Theil’s U

Hàm bậc nhất
57932,24
0,056926

Hàm bậc ba
Hàm tăng trưởng mũ
47908,11
59994,34
0,047028
0.059104

Qua bảng trên ta thấy, các tiêu chí RMSE, Theil’s U của hàm bậc ba đều thấp hơn so
với hai hàm còn lại. Tiêu chí RMSE của hàm bậc ba bằng 47908,11 lượt khách, tức là số
liệu dự báo phân tán so với thực tế chênh lệch khoảng 47908,11 lượt khách. Hệ số không
ngang bằng Theil’s U của hàm bậc ba bằng 0,047028, cho thấy dự báo bằng hàm bậc ba
chính xác hơn mô hình thô giản đơn và theo lý thuyết thì giá trị U của hàm bậc ba nhỏ hơn
0,55, nên dự báo bằng hàm bậc ba được cho là rất tốt.

21


Do đó ta chọn hàm bậc ba để tiến hành dự báo cho số lượt khách quốc tế đến Việt
Nam giai đoạn tháng 04/2015 đến tháng 09/2015.
Theo đó, Lượt khách dự báo=lượt khách dự báo bằng hàm xu thế+Chỉ số mùa.
 Bảng kết quả dự báo:
CHISOMUA
2015M04

29258.23
2015M05
-35432.92
2015M06
-71018.35
2015M07
-37345.18
2015M08
-8695.256
2015M09
-75636.14

LUOT_KHSAF3 LUOT_KHACH_DUBAO3
614325.3
643583.6
606744.0
571311.1
598460.5
527442.2
589459.3
552114.1
579724.5
571029.3
569240.5
493604.4

 Đồ thị biến LUOT_KHACH_DUBAO3
LUOT_KHACH_DUBAO3
800,000

700,000

600,000

500,000

400,000

300,000

200,000
2008

2009

2010

2011

2012

2013

2014

2015

 Nhận xét:
Theo kết quả dự báo thì số lượt khách từ tháng 04 sẽ có xu hướng giảm dần đến
tháng 09, từ 643583.6 lượt khách vào tháng 04 sẽ giảm xuống 493604.4 lượt khách vào

tháng 09. Do đó cần phải có những chiến lược chung cho các công ty và cho ngành du lịch
ở nước ta, từ đó có thể cải thiện được tình trạng giảm sút số khách quốc tế đến Việt Nam.
 Giải pháp
+ Đẩy mạnh hoạt động truyền thông, tăng cường công tác xúc tiến, quảng bá du lịch
ra nước ngoài; miễn, giảm thị thực cho khách quốc tế, đồng thời quan tâm tạo ra các sản
phẩm du lịch đặc thù của riêng địa phương mình… là những giải pháp cần thiết để thu hút
nhiều hơn nữa du khách quốc tế đến Việt Nam trong thời gian tới. Đẩy mạnh hoạt động
truyền thông và xúc tiến, cần tăng cường việc tác động tích cực vào tâm lý du khách qua
các kênh truyền thông, các cơ quan báo đài, website của các hãng lữ hành và đơn vị cung
22


ứng dịch vụ về hình ảnh các thành phố, biển xinh đẹp, người dân luôn thân thiện và mến
khách.
+ Việc đảm bảo môi trường du lịch trong thời gian tới hết sức cần thiết, nhất là tuyên
truyền nâng cao ý thức của đội ngũ taxi, người bán hàng, hướng dẫn viên… về cách ứng
xử lịch sự và văn minh, không kỳ thị với bất kỳ khách quốc tế nào. Đồng thời, ngành du
lịch cần tăng cường công tác quản lý văn hóa, môi trường, ẩm thực… một cách quyết liệt
hơn nữa, không để xảy ra bất cứ điều gì gây phiền hà cho du khách, làm ảnh hưởng xấu
đến hình ảnh du lịch của địa phương.
+ Tăng cường quảng bá các sản phẩm du lịch, sự kiện du lịch và các chương trình
khuyến mại du lịch trên các phương tiện thông tin đại chúng, các trang thông tin điện tử
trong và ngoài nước, tham gia một số Hội chợ du lịch trong nước và Quốc tế nhằm mở
rộng thị trường khách du lịch, tạo cơ hội cho các doanh nghiệp tìm kiếm đối tác trong và
ngoài nước.
+ Tiến hành xử lý nghiêm các hình thức quảng cáo sai sự thật về hoạt động kinh
doanh du lịch, đặc biệt là tình trạng giả mạo thương hiệu quảng cáo trong giao dịch điện
tử; kiên quyết xử lý không để xảy ra các hành vi xâm hại khách du lịch...

23