Giới thiệu dự án

Ngành du lịch đóng vai trò là động lực kinh tế mũi nhọn, đóng góp tỷ trọng lớn vào GRDP của nhiều địa phương trên toàn cầu. Tại Việt Nam, Quảng Ninh là trọng điểm du lịch phía Bắc, đón 11,6 triệu lượt khách vào năm 2022 với tổng doanh thu ước đạt 25.100 tỷ đồng. Tuy nhiên, tính chất mùa vụ thể hiện sự bất đối xứng nghiêm trọng: lượng khách dồn dập vào mùa hè (tháng 5 đến tháng 8) và sụt giảm sâu vào các tháng còn lại, gây lãng phí tài nguyên hạ tầng và đứt gãy chuỗi cung ứng dịch vụ.

Thực trạng này đặt ra yêu cầu cấp thiết về việc kích cầu phân khúc du lịch nội tỉnh (local staycation) — một thị trường với 1,415 triệu dân có GRDP bình quân đầu người đạt 197,6 triệu đồng/năm (đứng thứ 2 cả nước).

                      +------------------------------------------+
                      |         Thực trạng Du lịch Quảng Ninh    |
                      | - 11,6 triệu lượt khách (2022)          |
                      | - GRDP bình quân: 197,6 triệu VNĐ/người  |
                      | - Thách thức: Tính mùa vụ cao            |
                      +--------------------+---------------------+
                                           |
                                           v
                      +------------------------------------------+
                      |       Mô hình 7 Yếu tố Tác động (OLS)    |
                      | KN, DC, CN, DD, KH, CP, TT --> QD       |
                      +--------------------+---------------------+
                                           |
                                           v
                      +------------------------------------------+
                      |    Giải pháp Kích cầu Du lịch Nội tỉnh   |
                      | - Chính sách trợ giá & gói combo ngắn ngày|
                      | - Đa dạng hóa sản phẩm du lịch 4 mùa     |
                      | - Số hóa truyền thông đa kênh địa phương |
                      +------------------------------------------+

Vấn đề cốt lõi cần giải quyết là sự thiếu hụt các nghiên cứu định lượng chuyên sâu về hành vi tiêu dùng du lịch tại chỗ của cư dân bản địa. Mặc dù UBND tỉnh Quảng Ninh đã chi gần 200 tỷ đồng kích cầu sau đại dịch COVID-19, việc phân bổ nguồn lực vẫn chưa tối ưu do thiếu các mô hình toán học lượng hóa chính xác mức độ tác động của từng yếu tố đến quyết định của người dân.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định và lượng hóa hệ thống 7 nhóm nhân tố chính (bên trong và bên ngoài) ảnh hưởng đến quyết định chọn điểm đến du lịch nội tỉnh.
  2. Thu thập và xử lý bộ dữ liệu sơ cấp chuẩn hóa gồm $N = 250$ mẫu khảo sát hợp lệ từ cư dân tại 4 thành phố trực thuộc tỉnh (Hạ Long, Cẩm Phả, Uông Bí, Móng Cái) và các huyện lân cận.
  3. Kiểm định hệ thống giả thuyết nghiên cứu thông qua mô hình hồi quy tuyến tính bội (OLS), phân tích phương sai ANOVA và kiểm định độ tin cậy thang đo.
  4. Đề xuất hệ thống giải pháp phân tầng cho Sở Du lịch, UBND tỉnh và các doanh nghiệp lữ hành nhằm tối ưu hóa tỷ lệ chuyển đổi quyết định đi du lịch tại chỗ.

Nghiên cứu sử dụng phương pháp tiếp cận định lượng kết hợp định tính, dựa trên nền tảng tích hợp mô hình hành vi người tiêu dùng của Woodside & Lysonski (1989) và Um & Crompton (1990). Phạm vi nghiên cứu giới hạn trên địa bàn tỉnh Quảng Ninh, tập trung vào đối tượng cư dân thường trú từ 18 tuổi trở lên có khả năng tự chủ tài chính.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình tiếp thị và nghiên cứu hành vi du lịch trước đây tại Việt Nam thường tập trung vào du khách quốc tế hoặc khách ngoại tỉnh, bộc lộ nhiều khoảng trống khi áp dụng cho thị trường nội địa tại chỗ:

Mô hình nghiên cứu Ưu điểm Nhược điểm / Hạn chế Mức độ phù hợp với du lịch nội tỉnh
Chapin, F.S (1974) Phân tích rõ khuynh hướng cá nhân và cơ hội hành động. Bỏ qua yếu tố giá cả, chi phí cơ hội và truyền thông số. Thấp (chỉ áp dụng phân tích hành vi không gian đô thị).
Mathieson & Wall (1982) Quy trình 5 giai đoạn ra quyết định bài bản, chi tiết. Thiếu các biến số tác động marketing thực tế và tiếp thị số. Trung bình (mang tính lý thuyết kinh điển).
Um & Crompton (1990) Tách bạch rõ yếu tố bên trong (Push) và bên ngoài (Pull). Chưa phân hóa sâu đặc tính địa phương và thói quen du lịch ngắn ngày. Cao (được chọn làm khung tham chiếu gốc).
Mô hình đề xuất (2023) Lượng hóa 7 yếu tố với 32 biến quan sát, tích hợp thói quen viễn du ngắn ngày. Yêu cầu kiểm định độ tin cậy nghiêm ngặt qua EFA và ANOVA. Rất cao (thiết kế chuyên biệt cho thị trường Quảng Ninh).

Yêu cầu nghiên cứu được phân loại theo ma trận MoSCoW:

  • Must have: Kiểm định độ tin cậy thang đo Cronbach's Alpha ($\ge 0.70$), phân tích nhân tố khám phá EFA (KMO $\ge 0.50$, tổng phương sai trích $> 50%$), phương trình hồi quy đa biến OLS với mức ý nghĩa $p < 0.05$.
  • Should have: Phân tích kiểm định phương sai One-way ANOVA để phát hiện sự khác biệt giữa các nhóm nhân khẩu học (độ tuổi, địa bàn cư trú, giới tính).
  • Could have: Pipeline tự động hóa xử lý và làm sạch dữ liệu khảo sát bằng Python.
  • Won't have: Mô hình hóa chuỗi thời gian dài hạn (Time-series forecasting) do giới hạn về nguồn dữ liệu cắt ngang (cross-sectional data).
graph TD
    A["Dữ liệu khảo sát thô (Google Forms N=260)"] --> B["Làm sạch & Mã hóa dữ liệu (N=250)"]
    B --> C["Kiểm định Cronbach's Alpha (32 biến quan sát)"]
    C -->|Loại biến rác| D["Phân tích Nhân tố Khám phá EFA (Varimax)"]
    D --> E["Trích xuất 7 Nhân tố Độc lập & 1 Phụ thuộc"]
    E --> F["Phân tích Tương quan Pearson (r > 0.3)"]
    F --> G["Hồi quy Tuyến tính Bội OLS & Kiểm định Giả định"]
    G --> H["Kiểm định Khác biệt Nhân khẩu học (ANOVA / Levene)"]
    H --> I["Đề xuất Chiến lược Tiếp thị & Quản lý"]

Thiết kế hệ thống

Hệ thống phân tích thống kê và lượng hóa dữ liệu nghiên cứu được thiết kế chuẩn mực nhằm đảm bảo tính toàn vẹn và khả năng tái lập (reproducibility) của các kết quả:

  • Công cụ & Phiên bản phần mềm:
    • IBM SPSS Statistics 26.0 (Môi trường phân tích thống kê đa biến chính thức).
    • Python 3.10.12 / Pandas 2.0.3 / Statsmodels 0.14.0 / Scikit-learn 1.3.0 (Xử lý dữ liệu, trực quan hóa và kiểm định đối chiếu).
    • Google Forms API v1 (Thu thập dữ liệu sơ cấp trực tuyến).
  • Đặc tả dữ liệu khảo sát (Schema):
    • 32 biến quan sát định lượng đo lường trên thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
    • Nhóm nhân khẩu học: Giới tính (Nhị phân), Độ tuổi (4 nhóm: $<20$, $20-30$, $31-45$, $>45$), Nơi sinh sống (TP. Hạ Long, Cẩm Phả, Uông Bí, Móng Cái, TX. Quảng Yên, Đông Triều, và các huyện).
  • Yêu cầu an toàn dữ liệu & Hiệu năng:
    • Mã hóa ẩn danh 100% danh tính người phản hồi.
    • Tỷ lệ hoàn thành câu hỏi bắt buộc 100% qua Google Forms để loại bỏ giá trị khuyết thiếu (Missing Values).

Methodology

Quy trình nghiên cứu áp dụng mô hình lai (Hybrid Approach) kết hợp hai giai đoạn:

  1. Giai đoạn nghiên cứu định tính: Tiến hành phỏng vấn sâu cá nhân ($N_1 = 20$) với các nhóm đối tượng dân cư đa dạng tại Quảng Ninh để sàng lọc ngữ nghĩa, điều chỉnh thang đo phù hợp với đặc tính địa phương.
  2. Giai đoạn nghiên cứu định lượng: Triển khai khảo sát diện rộng ($N_2 = 260$, thu về 250 mẫu hợp lệ).
  3. Quản trị rủi ro nghiên cứu:
    • Rủi ro sai lệch chọn mẫu (Sampling Bias): Khắc phục bằng cách phân bổ đường link khảo sát đa kênh qua mạng xã hội địa phương và các doanh nghiệp dịch vụ du lịch tại 4 thành phố trọng điểm.
    • Rủi ro đa cộng tuyến (Multicollinearity): Kiểm soát chặt chẽ thông qua chỉ số phóng đại phương sai $VIF < 2.0$ và hệ số chấp nhận $Tolerance > 0.5$.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được mô hình hóa bằng các thuật toán thống kê chuẩn xác, đảm bảo kiểm soát nghiêm ngặt các tham số toán học.

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho tập biến quan sát."""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1)
    total_score_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances.sum() / total_score_variance))
    return float(alpha)

def calculate_vif(X: pd.DataFrame) -> pd.DataFrame:
    """Kiểm tra hiện tượng đa cộng tuyến bằng chỉ số VIF."""
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    return vif_data

# Mô hình toán học hồi quy tuyến tính bội OLS:
# QD = beta_0 + beta_1*KN + beta_2*DC + beta_3*CN + beta_4*DD + beta_5*KH + beta_6*CP + beta_7*TT + epsilon

Testing và validation

Kết quả kiểm định độ tin cậy thang đo qua hệ số Cronbach's Alpha và phân tích nhân tố khám phá EFA đạt độ tin cậy thống kê cao:

  1. Kiểm định Cronbach's Alpha:
    • Tất cả 8 thang đo (7 biến độc lập, 1 biến phụ thuộc) đều đạt độ tin cậy $\alpha \ge 0.768$.
    • Toàn bộ các biến quan sát có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.35$, không có biến nào bị loại ở vòng đánh giá thứ hai.
  2. Phân tích Nhân tố Khám phá (EFA):
    • Hệ số $KMO = 0.884 > 0.5$, kiểm định Bartlett có giá trị $\text{Sig.} = 0.000 < 0.001$, chứng minh các biến quan sát có tương quan chặt chẽ với nhau.
    • Tổng phương sai trích (Total Variance Explained) đạt $68.45% > 50%$ tại điểm dừng Eigenvalue $= 1.218 > 1.0$.
    • Ma trận xoay nhân tố (Varimax Rotation) phân tách rõ ràng 7 nhóm nhân tố với hệ số tải nhân tố (Factor Loading) đều vượt ngưỡng $0.55$.
==============================================================================
                      KẾT QUẢ KIỂM ĐỊNH MÔ HÌNH HỒI QUY OLS
==============================================================================
Dep. Variable:            QD (Quyết định)   R-squared:                   0.642
Model:                    OLS               Adj. R-squared:              0.631
Method:                   Least Squares     F-statistic:                 61.87
No. Observations:         250               Prob (F-statistic):       1.24e-48
Df Residuals:             242               Durbin-Watson:               1.912
==============================================================================
                 coef   std err          t      P>|t|      [0.025      0.975]  VIF
------------------------------------------------------------------------------
const          0.214     0.118      1.814      0.071      -0.019       0.447    -
KN (Kinh nghiệm)0.185    0.042      4.405      0.000       0.102       0.268  1.32
DC (Động cơ)   0.241     0.045      5.356      0.000       0.152       0.330  1.41
CN (Cảm nhận)  0.158     0.039      4.051      0.000       0.081       0.235  1.28
DD (Đặc điểm)  0.286     0.048      5.958      0.000       0.191       0.381  1.52
KH (Kế hoạch)  0.124     0.038      3.263      0.001       0.049       0.199  1.22
CP (Chi phí)   0.192     0.041      4.683      0.000       0.111       0.273  1.35
TT (Truyền thông)0.147   0.036      4.083      0.000       0.076       0.218  1.19
==============================================================================

Kết quả đạt được

Phương trình hồi quy tuyến tính chuẩn hóa thu được:

$$QD = 0.286 \cdot DD + 0.241 \cdot DC + 0.192 \cdot CP + 0.185 \cdot KN + 0.158 \cdot CN + 0.147 \cdot TT + 0.124 \cdot KH$$

  • Hệ số xác định mô hình: $R^2 = 0.642$, nghĩa là 7 nhân tố trong mô hình giải thích được $64.2%$ sự biến thiên của quyết định lựa chọn điểm đến của cư dân địa phương.
  • Thứ tự mức độ tác động:
    1. Đặc điểm của điểm đến ($DD$) ($\beta = 0.286$): Tác động mạnh nhất, cho thấy tài nguyên thiên nhiên, hạ tầng và tính đa dạng dịch vụ là yếu tố tiên quyết.
    2. Động cơ đi du lịch ($DC$) ($\beta = 0.241$): Nhu cầu thư giãn, tái tạo năng lượng sau tuần làm việc chi phối mạnh hành vi.
    3. Chi phí chuyến đi ($CP$) ($\beta = 0.192$): Tính nhạy cảm về giá và các ưu đãi cục bộ tác động trực tiếp đến quyết định.
    4. Kinh nghiệm điểm đến ($KN$) ($\beta = 0.185$): Trải nghiệm tích cực trong quá khứ tạo xu hướng quay lại cao.
    5. Cảm nhận về điểm đến ($CN$) ($\beta = 0.158$).
    6. Truyền thông về điểm đến ($TT$) ($\beta = 0.147$).
    7. Kế hoạch của chuyến đi ($KH$) ($\beta = 0.124$).
  • Kiểm định giả định ANOVA:
    • Không có sự khác biệt có ý nghĩa thống kê về quyết định chọn điểm đến theo Giới tính ($p = 0.428 > 0.05$).
    • Có sự khác biệt có ý nghĩa thống kê theo Nhóm tuổi ($p = 0.012 < 0.05$) và Địa bàn sinh sống ($p = 0.003 < 0.05$). Nhóm cư dân trẻ tuổi ($20 - 30$ tuổi) và cư dân tại các khu vực đô thị công nghiệp (Cẩm Phả, Móng Cái) có xu hướng du lịch trải nghiệm nội tỉnh cao hơn rõ rệt.

Đổi mới và đóng góp

  1. Khung lý thuyết thích ứng đặc thù cho Du lịch tại chỗ (Staycation): Thay vì áp dụng nguyên mẫu các nghiên cứu khách du lịch ngoại tỉnh, đề tài đã tinh chỉnh các biến số để phản ánh đặc tính của khách bản địa — nhóm đối tượng vốn đã quen thuộc với địa lý nhưng đòi hỏi các giá trị trải nghiệm mới lạ.
  2. Cải thiện độ chính xác định lượng:
Tiêu chí so sánh Nghiên cứu Nguyễn Thục Anh (2016) Nghiên cứu Nguyễn Hoàng Đông (2020) Khóa luận này (2023)
Đối tượng mẫu Khách nội địa liên tỉnh đến Quảng Bình Khách quốc tế Hàn Quốc tại miền Trung Người dân địa phương tỉnh Quảng Ninh
Quy mô mẫu ($N$) 200 mẫu 220 mẫu 250 mẫu chuẩn hóa
Hệ số $R^2$ hiệu chỉnh $52.4%$ $58.1%$ $\mathbf{63.1%}$ (Tăng $5.0% - 10.7%$)
Kiểm định sâu nhân khẩu học Chỉ kiểm định T-test đơn giản ANOVA cơ bản Levene test + ANOVA đa chiều (Tuổi & Địa bàn)
  1. Đóng góp học thuật và thực tiễn:
    • Cung cấp bộ thang đo gồm 32 biến quan sát đã được chuẩn hóa qua kiểm định thực nghiệm tại Quảng Ninh.
    • Minh chứng khoa học cho việc tái phân bổ ngân sách xúc tiến: Giảm tỷ trọng quảng cáo truyền thông đại chúng truyền thống, tăng ngân sách cho chính sách trợ giá cục bộ và phát triển sản phẩm du lịch vệ tinh.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Use Cases)

+-----------------------------------------------------------------------------------+
|               KỊCH BẢN KÍCH CẦU DU LỊCH NỘI TỈNH QUẢNG NINH                      |
+-----------------------------------------------------------------------------------+
|  Tác nhân kích hoạt: Mùa thấp điểm du lịch biển (Tháng 10 đến Tháng 4 năm sau)    |
|                                                                                   |
|  [Sở Du lịch & UBND Tỉnh]                                                         |
|         |                                                                         |
|         +---> Ban hành thẻ "Quang Ninh Citizen Pass" (Giảm 30-50% phí thắng cảnh) |
|                                                                                   |
|  [Doanh nghiệp Lữ hành / Lưu trú]                                                 |
|         |                                                                         |
|         +---> Ra mắt gói "Weekend Getaway 2N1Đ" (Bình Liêu, Tiên Yên, Yên Tử)    |
|                                                                                   |
|  [Kênh Phân phối & Truyền thông]                                                  |
|         |                                                                         |
|         +---> Micro-targeting trên Zalo/Facebook theo vị trí cư dân Quảng Ninh    |
+-----------------------------------------------------------------------------------+

Chiến lược triển khai phân tầng

  1. Dành cho Cơ quan Quản lý Nhà nước (Sở Du lịch Quảng Ninh):
    • Chính sách thẻ cư dân: Ban hành cơ chế phát hành thẻ ưu đãi tích hợp số "Quảng Ninh Citizen Pass" trên nền tảng VNeID hoặc ứng dụng định danh địa phương, giảm $30% - 50%$ vé tham quan Vịnh Hạ Long, Yên Tử cho người có hộ khẩu thường trú.
    • Quy hoạch sản phẩm giảm mùa vụ: Phát triển chuỗi sản phẩm du lịch mùa đông như: Suối khoáng nóng Yoko Onsen Quang Hanh, du lịch dù lượn và săn mây mùa lúa chín Bình Liêu, du lịch văn hóa ẩm thực biên giới Móng Cái.
  2. Dành cho Doanh nghiệp Kinh doanh Du lịch:
    • Gói sản phẩm viễn du cuối tuần (Weekend Micro-tour): Thiết kế tour ngắn $1 - 2$ ngày trọn gói với chi phí linh hoạt ($1.000.000 - 2.500.000$ VNĐ/khách) hướng vào nhóm khách hàng trẻ tuổi và gia đình.
    • Tối ưu hóa tiếp thị đa kênh (Hyperlocal Marketing): Tận dụng các hội nhóm cộng đồng Facebook/TikTok tại Hạ Long, Cẩm Phả, Móng Cái thay vì chi ngân sách vào tiếp thị diện rộng toàn quốc.

Phân tích Hiệu quả Kinh tế (ROI Projection)

  • Chi phí dự kiến: Chiết khấu trực tiếp và hỗ trợ truyền thông ước tính 15 tỷ VNĐ/năm từ nguồn liên kết công - tư.
  • Doanh thu kỳ vọng: Thu hút thêm 600.000 lượt khách nội tỉnh trong các tháng mùa đông (chi tiêu trung bình 1.200.000 VNĐ/người/chuyến) $\rightarrow$ Mang lại dòng tiền bổ sung khoảng 720 tỷ VNĐ cho các đơn vị kinh doanh dịch vụ.
  • ROI ước tính:

$$\text{ROI} = \frac{720 - 15}{15} \times 100% \approx 4.700%$$

Hạn chế và hướng phát triển

  • Hạn chế về phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu phi xác suất (thuận tiện qua Internet), có thể tạo ra độ lệch nhẹ về tỷ lệ người tham gia trong độ tuổi $20 - 30$ sử dụng mạng xã hội nhiều hơn.
  • Giới hạn thời gian khảo sát: Dữ liệu cắt ngang (Cross-sectional) thu thập tại một thời điểm (Tháng 5/2023), chưa phản ánh hết sự biến động tâm lý du khách qua các chu kỳ kinh tế vĩ mô khác nhau.
  • Hướng nghiên cứu mở rộng:
    • Mở rộng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để đánh giá các biến trung gian như "Sự gắn kết địa phương" (Place Attachment).
    • Tích hợp kỹ thuật phân tích dữ liệu lớn (Big Data Analytics) từ mạng xã hội để phân tích cảm xúc (Sentiment Analysis) theo thời gian thực của cư dân địa phương đối với các điểm đến.

Đối tượng hưởng lợi

+-------------------+---------------------------------------------------------+
| Nhóm đối tượng    | Giá trị nhận được cụ thể                                |
+-------------------+---------------------------------------------------------+
| Sinh viên /       | Bộ khung lý thuyết chuẩn hóa, tài liệu tham khảo        |
| Học viên          | phương pháp luận nghiên cứu định lượng (OLS, EFA, ANOVA)|
+-------------------+---------------------------------------------------------+
| Doanh nghiệp      | Dữ liệu về mức độ nhạy cảm chi phí (beta = 0.192),      |
| Du lịch           | căn cứ xây dựng gói combo ngắn ngày chuẩn hóa           |
+-------------------+---------------------------------------------------------+
| Nhà hoạch định    | Căn cứ khoa học đề xuất chính sách trợ giá,             |
| Chính sách        | kích cầu du lịch 4 mùa bền vững                         |
+-------------------+---------------------------------------------------------+
| Cư dân            | Tiếp cận các sản phẩm du lịch địa phương chất lượng     |
| Địa phương        | với mức chi phí hợp lý và dịch vụ cá nhân hóa           |
+-------------------+---------------------------------------------------------+

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn cỡ mẫu N = 250 và cỡ mẫu này có đủ tính đại diện thống kê không?

Theo công thức kinh nghiệm của Bollen (1989) và Hair et al. (2014), cỡ mẫu tối thiểu cho phân tích nhân tố EFA là 5 mẫu cho 1 biến quan sát ($5 \times k$). Với 32 biến quan sát trong nghiên cứu, cỡ mẫu tối thiểu cần thiết là $32 \times 5 = 160$ mẫu. Nghiên cứu thu thập 260 phiếu và sàng lọc được 250 mẫu hợp lệ ($250 > 160$), đảm bảo kích thước mẫu đạt chuẩn để phân tích EFA và hồi quy đa biến OLS với lực kiểm định thống kê (Statistical Power) $> 80%$.

2. Yếu tố nào có tác động chi phối mạnh nhất đến quyết định của người dân Quảng Ninh?

Kết quả hồi quy chuẩn hóa cho thấy biến Đặc điểm của điểm đến ($DD$) có hệ số $\beta = 0.286$ ($p < 0.001$), là biến có sức ảnh hưởng mạnh nhất. Điều này chứng minh rằng dù là cư dân bản địa, người dân vẫn đòi hỏi điểm đến phải có cảnh quan hấp dẫn, cơ sở vật chất đồng bộ và trải nghiệm mới lạ mới quyết định chi trả cho chuyến đi.

3. Có sự khác biệt nào về hành vi du lịch nội tỉnh giữa nam và nữ không?

Kết quả kiểm định T-test mẫu độc lập (Independent Samples T-test) chỉ ra giá trị $\text{Sig. Levene's Test} = 0.762 > 0.05$ và $\text{Sig. t-test} = 0.428 > 0.05$. Do đó, không có sự khác biệt có ý nghĩa thống kê về quyết định lựa chọn điểm đến du lịch tại địa phương giữa du khách nam và nữ tại Quảng Ninh.

4. Doanh nghiệp vừa và nhỏ (SMEs) tại địa phương có thể ứng dụng kết quả này như thế nào?

Các doanh nghiệp lữ hành và lưu trú vừa và nhỏ nên tập trung vào hai biến số có hệ số tác động cao là Động cơ ($DC, \beta = 0.241$) và Chi phí ($CP, \beta = 0.192$). Cụ thể: thiết kế các gói nghỉ dưỡng ngắn ngày "Staycation Weekend" tập trung vào trải nghiệm xả stress, ẩm thực bản địa với mức giá trọn gói cạnh tranh thay vì đầu tư vào quảng cáo quy mô lớn.

5. Làm thế nào để giải quyết bài toán du lịch mùa vụ tại Quảng Ninh dựa trên nghiên cứu này?

Cần kích hoạt đòn bẩy Truyền thông ($TT$) và Kế hoạch chuyến đi ($KH$) kết hợp với Đặc điểm điểm đến ($DD$): Tỉnh và doanh nghiệp cần tổ chức các sự kiện văn hóa, lễ hội ẩm thực vào mùa thu - đông (như Lễ hội hoa sở Bình Liêu, Lễ hội Yên Tử mùa xuân, tuần lễ ẩm thực hải sản mùa đông) để tạo động cơ mới cho người dân trải nghiệm quanh năm.

Kết luận

Nghiên cứu của tác giả Nguyễn Khánh Linh đã giải quyết trọn vẹn bài toán xác định và lượng hóa các yếu tố tác động đến quyết định lựa chọn điểm đến du lịch tại địa phương của người dân tỉnh Quảng Ninh. Với mô hình hồi quy đa biến đạt độ giải thích $R^2 = 64.2%$, đề tài cung cấp luận cứ thực nghiệm vững chắc chứng minh tầm quan trọng vượt trội của 7 nhóm yếu tố: Đặc điểm điểm đến, Động cơ du lịch, Chi phí chuyến đi, Kinh nghiệm điểm đến, Cảm nhận cá nhân, Truyền thông và Kế hoạch chuyến đi.

Các kết quả phân tích ANOVA đã làm sáng tỏ sự khác biệt hành vi theo nhóm tuổi và địa bàn cư trú, mở ra cơ sở khoa học để chính quyền tỉnh Quảng Ninh và cộng đồng doanh nghiệp địa phương chuyển dịch từ tư duy du lịch mùa vụ sang chiến lược du lịch 4 mùa bền vững. Khai thác hiệu quả thị trường nội tỉnh với 1,4 triệu dân chính là chìa khóa củng cố nội lực kinh tế, nâng cao hiệu suất khai thác tài nguyên và tạo đà phục hồi vững chắc cho ngành du lịch địa phương trong giai đoạn mới.