Giới thiệu dự án

Hoạt động du lịch quốc tế đóng vai trò như một ngành "xuất khẩu tại chỗ", đóng góp trực tiếp vào cán cân thanh toán, dự trữ ngoại hối và tăng trưởng Tổng sản phẩm trong nước (GDP - Gross Domestic Product). Tại Việt Nam, tỷ trọng doanh thu du lịch trong GDP đã tăng từ 3,43% (năm 2005) lên 6,01% (năm 2012), tương ứng quy mô doanh thu đạt 160.000 tỷ đồng. Trong đó, Thành phố Hồ Chí Minh (TP.HCM) là đầu tàu kinh tế, đóng góp tới 44,5% - 48,9% tổng doanh thu du lịch cả nước và tiếp nhận hơn 55% lượng khách quốc tế đến Việt Nam.

                    TĂNG TRƯỞNG DU LỊCH TP.HCM (2005 - 2012)
   4.0M ----------------------------------------------------------- [3.80M Khách]
   3.5M ---------------------------------------------- [3.10M] --- [3.50M]
   3.0M --------------------------------- [2.70M]
   2.5M ------------------- [2.35M] --- [2.65M]
   2.0M -- [2.00M Khách]
          2005      2006      2007      2008      2009      2010      2011      2012
   Doanh thu: 14.7k tỷ VND (2005) -----------------------------> 71.0k tỷ VND (2012)

Tuy nhiên, hiệu quả thu hút khách du lịch quốc tế (KDL) của TP.HCM đang đứng trước những điểm nghẽn nghiêm trọng:

  • Tăng trưởng số lượng chưa đi kèm tối ưu hóa giá trị gia tăng: Thời gian lưu trú trung bình sụt giảm từ 7,8 ngày/khách (năm 2005) xuống còn 5,7 ngày/khách (năm 2010).
  • Áp lực cạnh tranh khu vực gay gắt: Theo Báo cáo Năng lực Cạnh tranh Du lịch của Diễn đàn Kinh tế Thế giới (WEF - World Economic Forum) năm 2011, Việt Nam xếp hạng 80/130 quốc gia, tụt hậu đáng kể so với Singapore (hạng 10), Thái Lan (hạng 41) và Malaysia (hạng 35).
  • Thiếu hụt các mô hình định lượng vi mô cấp địa phương: Đa phần nghiên cứu trước đây chỉ dừng lại ở phân tích định tính hoặc khảo sát thống kê mô tả, chưa lượng hóa được mức độ đóng góp và độ co giãn của các yếu tố nguồn cung (hạ tầng, tài nguyên, chính sách visa).

Mục tiêu nghiên cứu của dự án được chuẩn hóa như sau:

  1. Hệ thống hóa cơ sở lý luận về các nhân tố tác động đến cầu và cung trong hoạt động thu hút khách du lịch quốc tế cấp đô thị.
  2. Xây dựng bộ dữ liệu chuỗi thời gian (Time-Series Data) giai đoạn 1990 - 2011 với 22 quan sát thực nghiệm.
  3. Thiết lập và ước lượng mô hình hồi quy đa biến dạng Log-log (Double-Log Regression) sử dụng phương pháp Bình phương Nhỏ nhất Cổ điển (OLS - Ordinary Least Squares).
  4. Thực hiện các kiểm định chẩn đoán kinh tế lượng (Eviews Diagnostic Tests) nhằm loại trừ hiện tượng tự tương quan (Autocorrelation), phương sai sai số thay đổi (Heteroskedasticity) và đa cộng tuyến (Multicollinearity).
  5. Đề xuất ma trận giải pháp điều hành chính sách giai đoạn 2013 - 2020 nhằm duy trì tốc độ tăng trưởng đón khách trên 8%/năm và chạm mốc 4,1 triệu lượt khách vào năm 2013.

Giải pháp kỹ thuật cốt lõi là tiếp cận theo chiến lược mô hình hóa "Từ tổng quát đến cụ thể" (General-to-Specific Modeling Technique), cho phép bóc tách độ co giãn của từng biến số độc lập đối với lượng khách du lịch VISIT. Phạm vi nghiên cứu tập trung tại địa bàn TP.HCM trong chuỗi dữ liệu 1990 - 2011, định hướng chiến lược đến năm 2020. Giới hạn kỹ thuật của dự án là kích thước mẫu $N = 22$ do hạn chế thu thập số liệu lịch sử trước năm 1990 và loại bỏ một số biến môi trường (COD, PM10) do thiếu tính liên tục.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các công trình nghiên cứu tiền nhiệm tại Việt Nam và quốc tế bộc lộ những khoảng trống phương pháp luận rõ rệt khi áp dụng vào bài toán quản trị du lịch đô thị:

Nghiên cứu & Tác giả Phương pháp tiếp cận Ưu điểm Nhược điểm / Hạn chế
Lê Đình Vinh (2008) Thống kê mô tả, khảo sát định tính Đánh giá trực quan sự hài lòng về thủ tục visa Thiếu mô hình định lượng kiểm chứng tác động cận biên của visa
Huỳnh Thị Bích Vân (2007) Khung phân tích Marketing Mix (4P/7P) Chi tiết về cấu trúc sản phẩm và xúc tiến Định tính thuần túy, không đo lường được hệ số co giãn kinh tế
Yang, Ye & Yan (2011) Hồi quy tuyến tính OLS (Tứ Xuyên, TQ) Lượng hóa tài nguyên di tích và lao động cấp tỉnh Dạng hàm tuyến tính gốc, chưa chuẩn hóa logarit để tính độ co giãn
Mô hình đề xuất (Đỗ Ngọc Quyên) Hồi quy Log-log OLS & General-to-Specific Tính co giãn trực tiếp, kiểm định khuyết tật mô hình toàn diện Cần dữ liệu chuỗi thời gian chuẩn hóa cao

Phân tích khoảng trống (Gap Analysis) chỉ ra rằng việc xác định điểm đến của khách quốc tế phụ thuộc 78% vào đường hàng không và tập trung vào 10 thị trường trọng điểm (Hoa Kỳ, Nhật Bản, Đài Loan, Hàn Quốc, Úc, Trung Quốc, Singapore, Malaysia, Pháp, Canada). Do đó, yêu cầu kỹ thuật đặt ra là mô hình phải kiểm định được đồng thời 6 nhóm biến số: Nguồn nhân lực (LABOUR), Tài nguyên di tích (HRTG), Cơ sở lưu trú (ROOM), Chính sách thị thực (VISA), Tỷ giá hối đoái (RATE) và Thu nhập bình quân đầu người địa phương (GDPPC).

Ưu tiên phân loại yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have: Hàm hồi quy đa biến dạng Logarit tự nhiên; Kiểm định White kiểm tra phương sai thay đổi; Kiểm định Breusch-Godfrey LM kiểm tra tự tương quan bậc cao.
  • Should have: Quy trình loại biến có giá trị $p\text{-value} > 0.05$ theo phương pháp lặp General-to-Specific.
  • Could have: Ma trận tương quan kiểm tra đa cộng tuyến cục bộ giữa các biến kinh tế vĩ mô.
  • Won't have: Mô hình chuỗi dữ liệu bảng (Panel Data) liên tỉnh (giới hạn nghiên cứu đơn vị hành chính TP.HCM).

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng mô hình kinh tế lượng được tổ chức thành một quy trình 4 giai đoạn chuẩn hóa:

Ngăn xếp công nghệ (Technology Stack)

  • Econometric Engine: EViews version 6.0 (Quantitative Micro Software - QMS)
  • Data Processing & Tabulation: Microsoft Excel version 2010 (Build 14.0)
  • Statistical Estimation Method: Ordinary Least Squares (OLS) with White Heteroskedasticity-Consistent Standard Errors
  • Statistical Distribution Baseline: Student's t-distribution, Fisher's F-distribution, Chi-square ($\chi^2$) distribution

Thiết kế lược đồ dữ liệu (Data Dictionary Schema)

CREATE TABLE tourism_econometric_dataset (
    year_observation INT PRIMARY KEY,              -- Giai đoạn 1990 - 2011 (N = 22)
    visit_count INT NOT NULL,                      -- Biến phụ thuộc: Lượt khách quốc tế (VISIT)
    heritage_sites INT NOT NULL,                   -- Biến độc lập: Di tích cấp QG & QG đặc biệt (HRTG)
    room_capacity INT NOT NULL,                    -- Biến độc lập: Số phòng lưu trú du lịch (ROOM)
    labour_force INT NOT NULL,                     -- Biến độc lập: Lao động ngành du lịch (LABOUR)
    visa_exemption_countries INT NOT NULL,         -- Biến độc lập: Số quốc gia miễn visa (VISA)
    exchange_rate_vnd_usd NUMERIC(10,2) NOT NULL,  -- Biến độc lập: Tỷ giá trung tâm VND/USD (RATE)
    gdppc_million_vnd NUMERIC(10,4) NOT NULL       -- Biến độc lập: GDP bình quân đầu người TP.HCM (GDPPC)
);

Phương pháp nghiên cứu (Methodology)

Phương trình tổng quát dạng Log-log được thiết lập:

$$\ln(VISIT_t) = \beta_0 + \beta_1 \ln(LABOUR_t) + \beta_2 \ln(HRTG_t) + \beta_3 \ln(ROOM_t) + \beta_4 VISA_t + \beta_5 \ln(RATE_t) + \beta_6 \ln(GDPPC_t) + u_t$$

Trong đó:

  • $\beta_0$: Hệ số tự do (Intercept).
  • $\beta_1, \beta_2, \beta_3, \beta_5, \beta_6$: Hệ số co giãn (Elasticity Coefficients), phản ánh khi biến độc lập tăng 1% thì lượt khách $VISIT$ thay đổi $\beta_k%$.
  • $\beta_4$: Bán co giãn (Semi-elasticity) của biến giả định lượng $VISA$, phản ánh khi miễn visa thêm 1 quốc gia thì $VISIT$ thay đổi $(\beta_4 \times 100)%$.
  • $u_t$: Sai số ngẫu nhiên thỏa mãn giả định phân phối chuẩn $u_t \sim \mathcal{N}(0, \sigma^2)$.

Implementation và kết quả

Quá trình thực thi và thuật toán hồi quy

Thuật toán ước lượng OLS cực tiểu hóa tổng bình phương phần dư:

$$\min \sum_{t=1}^{N} \hat{u}t^2 = \min \sum{t=1}^{N} \left( \ln(VISIT_t) - \hat{\beta}0 - \sum{j=1}^{k} \hat{\beta}j X{jt} \right)^2$$

Chương trình EViews 6.0 thực thi mã lệnh ước lượng theo quy trình:

'====================================================================
' EViews 6.0 Script: Estimation & Econometric Diagnostics
' Project: Determinants of International Tourist Inflow to HCMC
'====================================================================

' 1. Khởi tạo phương trình hồi quy tổng quát (General Model)
equation eq_general.ls log(visit) c log(labour) log(hrtg) log(room) visa log(rate) log(gdppc)

' 2. Bóc tách biến không có ý nghĩa thống kê (RATE có p-value = 0.4243 > 0.05)
' Tinh chỉnh mô hình rút gọn (Specific Model)
equation eq_final.ls log(visit) c log(labour) log(hrtg) log(room) visa log(gdppc)

' 3. Kiểm định khuyết tật mô hình
' a. Kiểm định tự tương quan Breusch-Godfrey Serial Correlation LM Test (Bậc 2)
eq_final.auto(2)

' b. Kiểm định phương sai thay đổi White Heteroskedasticity Test (No cross terms)
eq_final.white

' c. Kiểm định thừa biến Redundant Variables Test (F-test cho HRTG, ROOM, VISA)
eq_final.redundant log(hrtg) log(room) visa

==============================================================================
                KẾT QUẢ ƯỚC LƯỢNG MÔ HÌNH HỒI QUY GỐC (LẦN 1)
==============================================================================
Dependent Variable: LOG(VISIT)
Method: Least Squares | Sample: 1990 - 2011 | Included observations: 22
------------------------------------------------------------------------------
Variable       Coefficient    Std. Error      t-Statistic       Prob.
------------------------------------------------------------------------------
C              -1.402184      1.674392        -0.837428         0.4155
LOG(LABOUR)     0.321458      0.114210         2.814622         0.0131
LOG(HRTG)       0.412890      0.187452         2.202643         0.0437
LOG(ROOM)       0.354120      0.121540         2.913608         0.0108
VISA            0.041280      0.018240         2.263157         0.0389
LOG(RATE)       0.124510      0.151740         0.820548         0.4243  <-- Loại bỏ
LOG(GDPPC)      0.284150      0.102140         2.781965         0.0139
------------------------------------------------------------------------------
R-squared: 0.985128 | Adjusted R-squared: 0.979179 | S.E. of regression: 0.1202
F-statistic: 165.84 (Prob = 0.0000) | Durbin-Watson stat: 1.8601
==============================================================================

Thực thi kỹ thuật bóc tách, biến LOG(RATE) có $p\text{-value} = 0.4243 > 0.05$ bị loại bỏ. Sau khi tái ước lượng, tất cả các hệ số còn lại đều đạt mức ý nghĩa thống kê cao ($p < 0.05$).

Kiểm định và đánh giá mô hình (Testing & Validation)

Hệ thống kiểm định chẩn đoán kinh tế lượng khẳng định độ vững chắc của kết quả:

  1. Kiểm định Breusch-Godfrey Lagrange Multiplier (LM Test):

    • Giả thuyết $H_0$: Không có tự tương quan chuỗi bậc 2.
    • Thống kê kiểm định: Obs*R-squared có xác suất $p\text{-value} = 0.412 > 0.05$.
    • Kết luận: Chấp nhận $H_0$, mô hình không bị tự tương quan.

  2. Kiểm định White Heteroskedasticity:

    • Giả thuyết $H_0$: Phương sai sai số đồng nhất (Homoskedasticity).
    • Thống kê kiểm định: Obs*R-squared có xác suất $p\text{-value} = 0.368 > 0.05$.
    • Kết luận: Chấp nhận $H_0$, không có hiện tượng phương sai thay đổi.

  3. Kiểm định thừa biến (Redundant Variables Test):

    • Kiểm định ràng buộc đồng thời 3 biến: LOG(HRTG), LOG(ROOM) và VISA.
    • Thống kê Fisher: $F\text{-statistic} = 12.45$ với $p\text{-value} = 0.0002 < 0.01$.
    • Kết luận: Bác bỏ $H_0$, cả 3 biến số trên đều có ý nghĩa giải thích thực sự và bắt buộc phải duy trì trong mô hình.
==============================================================================
                   BẢNG THỐNG KÊ MÔ TẢ CÁC BIẾN (SAMPLE: N=22)
==============================================================================
Chỉ số            VISIT         HRTG        ROOM        LABOUR       VISA
------------------------------------------------------------------------------
Trung bình      1,401,684       41.36      18,500.8     177,659.9    5.09
Trung vị        1,180,500       45.00      13,418.0     180,035.5    2.00
Giá trị Max     3,500,000       54.00      43,662.0     294,737.0   15.00
Giá trị Min       100,589       16.00       1,220.0      47,925.0    0.00
Độ lệch chuẩn   1,029,679       13.17      12,274.9      74,190.7    6.19
Jarque-Bera        2.054        2.730       2.006         0.952      3.278
Xác suất (Prob)    0.357        0.255       0.366         0.621      0.194
==============================================================================

Kết quả đạt được

Hàm hồi quy kinh tế lượng cuối cùng được xác lập:

$$\ln(\widehat{VISIT}) = -1.685 + 0.342 \ln(LABOUR) + 0.435 \ln(HRTG) + 0.368 \ln(ROOM) + 0.043 \cdot VISA + 0.291 \ln(GDPPC)$$

                                HỆ SỐ TÁC ĐỘNG CỦA CÁC NHÂN TỐ
   0.50 -------------------------------------------------------------------------
   0.40 ---------------------------- [0.435] ------------------------------------
   0.30 -------- [0.342] ------------------------ [0.368] -------------- [0.291]
   0.20 -------------------------------------------------------------------------
   0.10 --------------------------------------------------- [0.043] -------------
   0.00 -------------------------------------------------------------------------
              LOG(LABOUR)     LOG(HRTG)     LOG(ROOM)       VISA       LOG(GDPPC)
  • Hệ số xác định $R^2 = 0.9851$ ($98.51%$): Các biến độc lập trong mô hình giải thích được 98,51% sự biến động của lượng khách quốc tế đến TP.HCM giai đoạn 1990 - 2011.
  • Tài nguyên di tích (HRTG) có tác động mạnh nhất: Hệ số co giãn $\beta = 0.435$. Khi số lượng di tích cấp quốc gia/quốc gia đặc biệt được trùng tu, xếp hạng tăng 1%, lượng khách quốc tế tăng tương ứng 0,435%.
  • Hạ tầng lưu trú (ROOM): Hệ số $\beta = 0.368$. Tăng 1% số lượng phòng đạt chuẩn giúp thu hút thêm 0,368% lượng khách.
  • Lực lượng lao động (LABOUR): Hệ số $\beta = 0.342$. Đóng vai trò then chốt trong việc bảo đảm chất lượng phục vụ và công suất vận hành.
  • Chính sách miễn thị thực (VISA): Hệ số $\beta = 0.043$. Khi Việt Nam ký kết miễn thị thực thêm cho 1 quốc gia, lượng khách quốc tế đến TP.HCM tăng trung bình 4,3%.

Đổi mới và đóng góp

  • Chuyển đổi phương pháp luận: Đồ án tiên phong xây dựng mô hình định lượng vi mô cấp địa phương tại Việt Nam thay vì dựa trên phán đoán định tính.
  • Lượng hóa chính sách miễn thị thực: Cung cấp bằng chứng thực nghiệm ($p = 0.0389$) chứng minh việc mở rộng miễn thị thực cho các thị trường trọng điểm (Nhật Bản, Hàn Quốc, ASEAN) tạo lực đẩy tức thì 4,3%/quốc gia.
  • Khám phá độ trễ của tỷ giá: Chứng minh biến tỷ giá RATE không có ý nghĩa thống kê ngắn hạn ($p = 0.4243$), bác bỏ giả định truyền thống cho rằng phá giá tiền tệ sẽ kích thích ngay lập tức dòng khách quốc tế đô thị.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  1. Hoạch định chính sách xuất nhập cảnh: Sử dụng hệ số co giãn $VISA$ để Bộ Ngoại giao và Bộ Văn hóa, Thể thao và Du lịch xây dựng danh mục miễn visa song phương/đơn phương cho các thị trường Tây Âu và Bắc Mỹ.
  2. Quy hoạch cơ sở hạ tầng lưu trú: Sử dụng hệ số $ROOM$ để Sở Du lịch TP.HCM cấp phép phát triển khách sạn 3 - 5 sao, tránh tình trạng dư thừa phân khúc bình dân hoặc thiếu hụt buồng phòng cao cấp trong mùa cao điểm.
  3. Phân bổ ngân sách bảo tồn di sản: Căn cứ hệ số tác động lớn nhất của $HRTG$ ($\beta = 0.435$) để ưu tiên vốn đầu tư công cho 54 di tích cấp quốc gia trên địa bàn thành phố.

Lộ trình triển khai chiến lược (Roadmap 2013 - 2020)

                            LỘ TRÌNH TRIỂN KHAI 2013 - 2020
2013 - 2014: Tối ưu hóa thủ tục nhập cảnh & Xúc tiến 10 thị trường trọng điểm
             [Target: 4.10M lượt khách - Doanh thu 81.000 tỷ VND]
2015 - 2017: Quy hoạch nâng cấp 15.000 phòng lưu trú 4-5 sao & Số hóa 54 di tích lịch sử
             [Target: 5.50M lượt khách - Thời gian lưu trú tăng lên 6.5 ngày]
2018 - 2020: Đào tạo chuẩn hóa 350.000 lao động du lịch theo chuẩn MRA-TP ASEAN
             [Target: 8.00M lượt khách - Đóng góp > 10% GRDP thành phố]

Hạn chế và hướng phát triển

  • Hạn chế mẫu dữ liệu: Kích thước mẫu chuỗi thời gian $N = 22$ (1990 - 2011) tương đối hẹp, có thể làm giảm bậc tự do trong các ước lượng đa biến phức tạp.
  • Thiếu hụt biến số môi trường: Chưa tích hợp được các chỉ số chất lượng không khí (PM10, CO2) và nước thải do dữ liệu quan trắc đô thị giai đoạn 1990 - 2000 không đầy đủ.
  • Hướng phát triển kỹ thuật:
    • Ứng dụng mô hình Vectơ Hiệu chỉnh Sai số (VECM - Vector Error Correction Model) để phân tích tương quan đồng tích hợp dài hạn.
    • Tích hợp thuật toán học máy (Random Forest, LSTM) để dự báo dòng khách quốc tế theo tuần/tháng dựa trên dữ liệu lớn (Big Data) từ lượt tìm kiếm hàng không.

Đối tượng hưởng lợi

  • Cơ quan quản lý Nhà nước: Sở Du lịch, Sở Kế hoạch & Đầu tư TP.HCM có căn cứ khoa học để xây dựng chiến lược phát triển ngành đến năm 2020.
  • Doanh nghiệp lữ hành và khách sạn: Tối ưu hóa chiến lược định giá, dự báo công suất phòng và xây dựng sản phẩm tour gắn liền với 54 di tích lịch sử.
  • Nhà nghiên cứu kinh tế lượng: Tham khảo khung phân tích mẫu về xử lý số liệu chuỗi thời gian và kiểm định khuyết tật mô hình trong kinh tế dịch vụ.
  • Sinh viên chuyên ngành Kinh tế đối ngoại: Nắm vững quy trình kết hợp lý thuyết thương mại dịch vụ với công cụ phân tích EViews thực chiến.

Câu hỏi thường gặp

  1. Tại sao biến tỷ giá hối đoái (RATE) bị loại khỏi mô hình cuối cùng?
    Trong lần ước lượng đầu tiên, biến LOG(RATE) có giá trị $p\text{-value} = 0.4243 > 0.05$. Điều này chỉ ra rằng biến động tỷ giá VND/USD không tác động trực tiếp mang tính quyết định đến quyết định chọn TP.HCM làm điểm đến, do chi phí tour quốc tế thường được định giá trọn gói bằng ngoại tệ từ trước.

  2. Làm thế nào để xử lý nguy cơ tự tương quan khi dữ liệu có $N = 22$?
    Mô hình áp dụng kiểm định Breusch-Godfrey Lagrange Multiplier (LM Test) với 2 bậc trễ thay vì chỉ dựa vào thống kê Durbin-Watson. Kết quả kiểm định cho thấy giá trị xác suất $p = 0.412 > 0.05$, bảo đảm mô hình không vi phạm giả thiết OLS.

  3. Ý nghĩa kinh tế của hệ số $\beta = 0.435$ của biến HRTG là gì?
    Đây là hệ số co giãn: khi TP.HCM bảo tồn, trùng tu và được công nhận thêm 1% số lượng di tích văn hóa - lịch sử cấp quốc gia, lượng khách quốc tế đến thành phố sẽ tăng trưởng 0,435% trong điều kiện các yếu tố khác không đổi.

  4. Kỹ thuật General-to-Specific hoạt động như thế nào trong nghiên cứu này?
    Quy trình bắt đầu bằng việc đưa toàn bộ 6 biến độc lập vào hồi quy. Biến có $p\text{-value}$ lớn nhất vượt ngưỡng 0.05 sẽ bị loại bỏ tuần tự, sau đó mô hình được tái ước lượng cho đến khi tất cả các biến đều đạt $p < 0.05$.

  5. Mô hình có thể mở rộng cho các địa phương khác như Đà Nẵng hay Hà Nội không?
    Hoàn toàn khả thi. Khung mô hình Log-log và quy trình kiểm định EViews có thể áp dụng nguyên bản cho các tỉnh/thành phố khác bằng cách thay thế bộ dữ liệu chuỗi thời gian cục bộ tương ứng.

Kết luận

Đồ án khóa luận đã giải quyết bài toán định lượng các nhân tố tác động đến hoạt động thu hút khách du lịch quốc tế tại TP.HCM với độ chính xác kinh tế lượng đạt $R^2 = 98.51%$. Nghiên cứu chỉ ra rằng tài nguyên di sản văn hóa (HRTG), hạ tầng buồng phòng (ROOM), chất lượng nguồn nhân lực (LABOUR) và chính sách nới lỏng thị thực (VISA) là 4 trụ cột cốt lõi tạo nên sức hút du lịch của thành phố. Kết quả này cung cấp luận cứ định lượng vững chắc cho các cơ quan điều hành chính sách và doanh nghiệp lữ hành trong việc hoạch định chiến lược phát triển du lịch bền vững giai đoạn 2013 - 2020.