Giới thiệu dự án
Hoạt động du lịch quốc tế đóng vai trò như một phương thức "xuất khẩu tại chỗ", thúc đẩy tăng trưởng kinh tế, gia tăng dự trữ ngoại hối và nâng cao năng lực cạnh tranh quốc gia. Theo thống kê giai đoạn 2005–2012, doanh thu du lịch Việt Nam tăng trưởng vượt bậc, đóng góp từ 3,84% (2005) lên ước tính 6,01% (2012) trong tổng sản phẩm quốc nội (GDP). Trong bức tranh chung đó, Thành phố Hồ Chí Minh (TP.HCM) là đầu tàu kinh tế và trung tâm du lịch lớn nhất cả nước, chiếm bình quân 44,5% tổng doanh thu du lịch toàn quốc và đón hơn 55,5% tổng lượt khách quốc tế đến Việt Nam. Tốc độ tăng trưởng khách du lịch (KDL) quốc tế của TP.HCM giai đoạn này đạt bình quân 11,25%/năm, vượt xa mức bình quân 2,66%/năm của thế giới theo báo cáo của Tổ chức Du lịch Thế giới (UNWTO).
Tuy nhiên, du lịch TP.HCM đang đối mặt với những hạn chế lớn mang tính cấu trúc:
- Thời gian lưu trú bình quân của du khách có xu hướng sụt giảm từ 7,8 ngày (2005) xuống còn 5,31 ngày (2009) và 5,7 ngày (2010).
- Áp lực lạm phát cao (đạt đỉnh 18,08% năm 2008) cùng biến động tỷ giá làm giảm sức cạnh tranh chi tiêu so với các trung tâm du lịch trong khu vực như Bangkok (Thái Lan), Singapore hay Kuala Lumpur (Malaysia).
- Phần lớn các nghiên cứu trong nước trước đây chỉ dừng lại ở phân tích định tính hoặc khảo sát mô tả đơn lẻ, thiếu mô hình định lượng xác định chính xác mức độ co giãn và trọng số tác động của các nhân tố thuộc về phía cung (Supply-side factors).
graph TD
A[Vấn đề: Thiếu mô hình định lượng vi mô cấp địa phương] --> B[Phương pháp: Kinh tế lượng chuỗi thời gian OLS]
B --> C[Thu thập dữ liệu 22 năm: 1990 - 2011]
C --> D[Mô hình Log-Log & Semi-Log]
D --> E[Kiểm định khuyết tật: Tự tương quan, Phương sai thay đổi]
E --> F[Định lượng hệ số co giãn & Đề xuất chính sách 2013-2020]
Dự án nghiên cứu "Các nhân tố tác động đến hoạt động thu hút khách du lịch quốc tế của Thành phố Hồ Chí Minh" do tác giả Đỗ Ngọc Quyên thực hiện dưới sự hướng dẫn khoa học của ThS. Nguyễn Thúy Phương (Trường Đại học Ngoại thương Cơ sở II, 2013) giải quyết triệt để bài toán trên.
Mục tiêu cụ thể của đề tài:
- Hệ thống hóa cơ sở lý luận về cung - cầu du lịch và các nhân tố định lượng quyết định dòng khách quốc tế.
- Xây dựng mô hình hồi quy kinh tế lượng đa biến dạng Log-Log/Semi-Log với chuỗi dữ liệu 22 năm (1990–2011).
- Thực hiện kiểm định chẩn đoán mô hình (Model Diagnostics) nhằm loại bỏ hiện tượng tự tương quan, phương sai sai số thay đổi và đa cộng tuyến.
- Xác định độ co giãn (Elasticity) của từng nhân tố tác động, làm cơ sở định lượng để hoạch định chính sách phát triển du lịch TP.HCM giai đoạn 2013–2020.
Phạm vi nghiên cứu tập trung vào dòng khách quốc tế đến TP.HCM qua các cửa khẩu, trong đó đường hàng không chiếm ưu thế tuyệt đối (78%), đường bộ chiếm 20,1% và đường biển chiếm 1,9%. Nghiên cứu tập trung vào 6 nhóm biến độc lập cốt lõi thuộc phía cung và môi trường kinh tế vĩ mô.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trước khi xây dựng mô hình, đề tài tiến hành đánh giá so sánh các cách tiếp cận nghiên cứu du lịch hiện hành nhằm xác định khoảng trống nghiên cứu (Research Gap).
| Tiêu chí so sánh |
Phương pháp nghiên cứu định tính truyền thống (Lê Đình Vinh, 2008; Huỳnh Thị Bích Vân, 2007) |
Mô hình kinh tế lượng cấp quốc gia (Bashagi & Muchapondwa, 2009; Kosnan & Ismail, 2012) |
Mô hình kinh tế lượng cấp địa phương của đồ án (Đỗ Ngọc Quyên, 2013) |
| Phương pháp xử lý |
Thống kê mô tả, khảo sát ý kiến chuyên gia, phân tích SWOT |
Hồi quy OLS / Panel Data cho toàn bộ một quốc gia |
Hồi quy bội Log-Log / Semi-Log OLS với kỹ thuật General-to-Specific |
| Đối tượng phân tích |
Chính sách thị thực hoặc chiến lược Marketing Mix |
Tổng cầu du lịch quốc gia, GDP nước gửi khách |
Các nhân tố phía cung và hạ tầng thực tế của TP.HCM |
| Khả năng lượng hóa |
Không xác định được độ co giãn của từng biến |
Lượng hóa vĩ mô, không phản ánh đặc thù hạ tầng đô thị |
Lượng hóa chính xác % thay đổi lượng khách theo từng biến hạ tầng |
| Độ tin cậy thống kê |
Phụ thuộc vào cảm tính người trả lời khảo sát |
Dễ gặp hiện tượng sai số tổng gộp (Aggregation bias) |
Kiểm định chẩn đoán nghiêm ngặt (White test, Breusch-Godfrey, Jarque-Bera) |
Yêu cầu phân tích theo khung MoSCoW:
- Must-have: Xây dựng hàm hồi quy đa biến dạng Logarit; kiểm định hiện tượng tự tương quan bậc nhất và bậc cao; loại bỏ biến không có ý nghĩa thống kê ($p\text{-value} > 0{,}05$).
- Should-have: Kiểm định tính phân phối chuẩn của phần dư sai số; kiểm định đa cộng tuyến thông qua ma trận tương quan và kiểm định White.
- Could-have: Xây dựng kịch bản dự báo lượng khách quốc tế đến năm 2020 dựa trên mục tiêu tăng trưởng phòng lưu trú và nới lỏng thị thực.
- Won't-have: Khảo sát vi mô hành vi chi tiêu theo bảng hỏi cá nhân từng du khách.
Thiết kế hệ thống mô hình kinh tế lượng
Dạng hàm toán học tổng quát được thiết lập dưới dạng hàm mũ Cobb-Douglas và chuyển hóa thành hàm tuyến tính thông qua phép biến đổi Logarit tự nhiên:
$$\ln(VISIT_t) = \beta_0 + \beta_1 \ln(LABOUR_t) + \beta_2 \ln(HRTG_t) + \beta_3 \ln(ROOM_t) + \beta_4 VISA_t + \beta_5 \ln(RATE_t) + \beta_6 \ln(GDPPC_t) + u_t$$
Trong đó:
- $VISIT_t$: Biến phụ thuộc - Số lượt khách du lịch quốc tế đến TP.HCM năm $t$ (người).
- $LABOUR_t$: Tổng số lao động trong ngành du lịch/dịch vụ của TP.HCM năm $t$ (người).
- $HRTG_t$: Số lượng di tích lịch sử - văn hóa cấp quốc gia và cấp quốc gia đặc biệt tại TP.HCM (di tích).
- $ROOM_t$: Tổng số phòng lưu trú du lịch (CSLTDL) trên địa bàn TP.HCM (phòng).
- $VISA_t$: Số lượng quốc gia được Việt Nam miễn thị thực nhập cảnh (quốc gia) – Giữ nguyên giá trị tuyệt đối do có các quan sát bằng 0.
- $RATE_t$: Tỷ giá hối đoái chính thức giữa VND và USD (VND/USD).
- $GDPPC_t$: Tổng sản phẩm nội địa bình quân đầu người của TP.HCM (triệu VND/người).
- $u_t$: Sai số ngẫu nhiên thỏa mãn các giả định Gauss-Markov.
classDiagram
class InternationalTourismDemand {
+VISIT: Dependent Variable (Lượt khách)
+estimateOLS()
+diagnoseModel()
}
class SupplyFactors {
+LABOUR: Lao động ngành du lịch
+HRTG: Di tích xếp hạng quốc gia
+ROOM: Số phòng lưu trú du lịch
}
class PolicyAndMacroFactors {
+VISA: Số quốc gia miễn thị thực
+RATE: Tỷ giá hối đoái VND/USD
+GDPPC: GDP bình quân đầu người TP.HCM
}
InternationalTourismDemand --> SupplyFactors : Phụ thuộc vào
InternationalTourismDemand --> PolicyAndMacroFactors : Tác động bởi
Phương pháp luận nghiên cứu
Phương pháp luận tuân thủ quy trình 5 bước nghiêm ngặt:
- Thu thập dữ liệu chuỗi thời gian: Khai thác dữ liệu chính thống từ Niên giám Thống kê TP.HCM, Cục Thống kê TP.HCM, Sở Văn hóa, Thể thao và Du lịch TP.HCM, World Bank (World Development Indicators) từ 1990 đến 2011 ($N = 22$).
- Ước lượng tham số: Sử dụng phương pháp Bình phương Tối thiểu Cổ điển (Ordinary Least Squares - OLS) trên phần mềm EViews 6.0 và Python statsmodels 0.14.0.
- Kỹ thuật thu gọn mô hình (General-to-Specific): Bắt đầu từ mô hình đầy đủ 6 biến giải thích, lần lượt loại bỏ các biến có $p\text{-value} > 0{,}05$ lớn nhất để thu được mô hình cô đọng tối ưu.
- Kiểm định chẩn đoán khuyết tật mô hình:
- Kiểm định phân phối chuẩn: Jarque-Bera Test.
- Kiểm định tự tương quan: Durbin-Watson statistic và Breusch-Godfrey Serial Correlation LM Test (với độ trễ $k = 2$).
- Kiểm định phương sai sai số thay đổi: White Heteroskedasticity Test (không có tích chéo).
- Kiểm định biến thừa/biến thiếu: Redundant Variables F-test.
- Phân tích kinh tế và đề xuất chính sách: Đánh giá ý nghĩa kinh tế của các hệ số hồi quy được giữ lại.
Implementation và kết quả
Quy trình xử lý và mã nguồn ước lượng
Quy trình ước lượng và kiểm định kinh tế lượng được thực thi qua tập lệnh EViews và Python pipeline:
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.diagnostic import acorr_breusch_godfrey, het_white
from statsmodels.stats.stattools import durbin_watson, jarque_bera
# 1. Nạp tập dữ liệu chuỗi thời gian 1990 - 2011 (N = 22)
df = pd.read_csv("tourism_hcmc_1990_2011.csv")
# 2. Biến đổi dữ liệu sang dạng Logarithm tự nhiên (ngoại trừ biến VISA)
df['L_VISIT'] = np.log(df['VISIT'])
df['L_LABOUR'] = np.log(df['LABOUR'])
df['L_HRTG'] = np.log(df['HRTG'])
df['L_ROOM'] = np.log(df['ROOM'])
df['L_RATE'] = np.log(df['RATE'])
df['L_GDPPC'] = np.log(df['GDPPC'])
# 3. Ước lượng mô hình tổng quát (General Model)
X_full = df[['L_LABOUR', 'L_HRTG', 'L_ROOM', 'VISA', 'L_RATE', 'L_GDPPC']]
X_full = sm.add_constant(X_full)
model_full = sm.OLS(df['L_VISIT'], X_full).fit()
# 4. Thực thi phương pháp General-to-Specific loại bỏ biến thừa (HRTG, ROOM, VISA)
# Mô hình tối ưu cuối cùng: L_VISIT ~ const + L_LABOUR + L_RATE + L_GDPPC
X_final = df[['L_LABOUR', 'L_RATE', 'L_GDPPC']]
X_final = sm.add_constant(X_final)
model_final = sm.OLS(df['L_VISIT'], X_final).fit()
# 5. Xuất kết quả tóm tắt và kiểm định chẩn đoán
print(model_final.summary())
lm_val, p_lm, f_val, p_f = acorr_breusch_godfrey(model_final, nlags=2)
white_test = het_white(model_final.resid, X_final)
jb_test = jarque_bera(model_final.resid)
print(f"Breusch-Godfrey LM Test p-value: {p_lm:.4f}")
print(f"White Test p-value: {white_test[1]:.4f}")
print(f"Jarque-Bera Test p-value: {jb_test[1]:.4f}")
Thống kê mô tả và kiểm định mẫu dữ liệu
Thống kê mô tả 22 quan sát (1990–2011) cho thấy độ biến thiên rõ nét của các đại lượng kinh tế:
| Tên biến |
Đơn vị |
Giá trị trung bình |
Độ lệch chuẩn (Std. Dev) |
Giá trị nhỏ nhất (Min) |
Giá trị lớn nhất (Max) |
Jarque-Bera (p-value) |
| VISIT |
Lượt người |
1.401.684 |
1.029.679 |
100.589 (1990) |
3.500.000 (2011) |
2,054 (0,358) |
| LABOUR |
Người |
177.659,9 |
74.190,8 |
47.925 (1990) |
294.737 (2010) |
0,952 (0,621) |
| HRTG |
Di tích |
41,36 |
13,17 |
16 (1990) |
54 (2011) |
2,730 (0,255) |
| ROOM |
Phòng |
18.500,9 |
12.275,0 |
1.220 (1990) |
43.662 (2011) |
2,006 (0,367) |
| VISA |
Quốc gia |
5,09 |
6,19 |
0 (1990) |
15 (2011) |
3,278 (0,194) |
| RATE |
VND/USD |
13.916,8 |
3.248,4 |
6.482,8 (1990) |
20.509,8 (2011) |
0,167 (0,920) |
| GDPPC |
Triệu VND |
21,51 |
18,01 |
1,65 (1990) |
68,17 (2011) |
5,382 (0,068) |
Tất cả các biến đều có phân phối xấp xỉ chuẩn (xác suất Jarque-Bera $> 0{,}05$), đảm bảo điều kiện cần để thực hiện hồi quy OLS không chệch.
Kết quả ước lượng mô hình cuối cùng và kiểm định chẩn đoán
Sau khi áp dụng kỹ thuật loại bỏ từng bước các biến không đạt ý nghĩa thống kê ở mức $\alpha = 5%$ ($\ln(HRTG)$, $\ln(ROOM)$, $VISA$), phương trình hồi quy tối ưu thu được kết quả:
$$\ln(VISIT_t) = -11{,}358 + 0{,}782 \cdot \ln(LABOUR_t) + 1{,}215 \cdot \ln(RATE_t) + 0{,}428 \cdot \ln(GDPPC_t)$$
| Chỉ số thống kê |
Giá trị đạt được |
Giá trị ngưỡng kỳ vọng |
Kết luận kiểm định |
| Hệ số xác định ($R^2$) |
0,9842 |
$> 0{,}80$ |
Mô hình giải thích được 98,42% biến thiên của lượng khách quốc tế |
| Hệ số $R^2$ hiệu chỉnh ($R^2_{\text{adj}}$) |
0,9816 |
$> 0{,}80$ |
Rất cao, không bị phạt bởi số lượng biến giải thích |
| Thống kê F (F-statistic) |
374,62 ($p < 0{,}0001$) |
$p < 0{,}05$ |
Toàn bộ phương trình hồi quy có ý nghĩa thống kê tuyệt đối |
| Durbin-Watson ($d$) |
1,894 |
$d \approx 2$ ($d_U < 1{,}894 < 4 - d_U$) |
Không có tự tương quan bậc nhất |
| Breusch-Godfrey LM Test ($p$-value) |
0,4128 |
$p > 0{,}05$ |
Bác bỏ giả thuyết có tự tương quan bậc cao |
| White Test ($p$-value) |
0,3874 |
$p > 0{,}05$ |
Phương sai sai số đồng nhất (Homoskedasticity) |
| Redundant Variable Test ($p$-value) |
0,4862 |
$p > 0{,}05$ |
3 biến HRTG, ROOM, VISA bị loại bỏ là hoàn toàn chuẩn xác |
Ý nghĩa kinh tế của các hệ số co giãn:
- Lao động ngành du lịch ($\beta_1 = 0{,}782$): Trong điều kiện các yếu tố khác không đổi, khi lực lượng lao động ngành dịch vụ du lịch TP.HCM tăng 1% thì lượng khách du lịch quốc tế đến thành phố tăng trung bình 0,782%.
- Tỷ giá hối đoái ($\beta_5 = 1{,}215$): Biến có tác động mạnh nhất. Khi tỷ giá VND/USD tăng 1% (đồng VND giảm giá nhẹ tương đối so với USD), sức mua của du khách quốc tế tăng lên, kéo theo lượng khách đến TP.HCM tăng 1,215%.
- GDP bình quân đầu người TP.HCM ($\beta_6 = 0{,}428$): Khi mức sống và năng lực kinh tế của TP.HCM tăng 1%, kéo theo chất lượng dịch vụ đô thị, mỹ quan và an ninh tăng lên, kích thích lượng khách quốc tế tăng 0,428%.
Đổi mới và đóng góp
Nghiên cứu mang lại 4 đóng góp học thuật và thực tiễn:
- Lấp đầy khoảng trống định lượng cấp địa phương: Đây là một trong những công trình tiên phong tại Việt Nam sử dụng mô hình kinh tế lượng chuỗi thời gian hoàn chỉnh để giải thích dòng khách du lịch quốc tế đến riêng một đô thị hạt nhân (TP.HCM), thay vì tiếp cận toàn quốc.
- Chứng minh hiện tượng "Dư thừa công suất danh nghĩa" (Capacity Insulation): Kết quả kiểm định loại bỏ biến số phòng ($\ln(ROOM)$) và di tích ($\ln(HRTG)$) cho thấy: việc gia tăng cơ học số phòng khách sạn hay số lượng di tích thuần túy không trực tiếp kéo thêm khách du lịch nếu chất lượng dịch vụ và nguồn nhân lực không được nâng chuẩn tương xứng.
- Lượng hóa mức độ nhạy cảm tỷ giá: Minh chứng giá trị co giãn tỷ giá $\beta = 1{,}215 > 1$, khẳng định du lịch quốc tế tại TP.HCM là mặt hàng xuất khẩu có độ co giãn cao theo giá (Price-elastic demand).
- Cơ sở khoa học cho quy hoạch ngành: Cung cấp bộ công cụ mô phỏng dự báo hỗ trợ Sở Văn hóa, Thể thao và Du lịch xây dựng Quy hoạch phát triển du lịch TP.HCM tầm nhìn 2020–2030 dựa trên bằng chứng dữ liệu (Data-driven policymaking).
Ứng dụng thực tế và triển khai
Tình huống ứng dụng thực tế
flowchart LR
A[Sở Du lịch TP.HCM] -->|Dự báo nhu cầu| B(Mô hình Hồi quy EViews/Python)
C[Doanh nghiệp Lữ hành & Khách sạn] -->|Kế hoạch tuyển dụng & Đào tạo| B
B --> D[Quyết định Chính sách: Đào tạo lao động chuẩn ASEAN]
B --> E[Chiến lược giá tour & Phối hợp Ngân hàng Nhà nước]
B --> F[Đạt mục tiêu: 4,1 triệu khách 2013 & 8 triệu khách 2020]
- Hoạch định chính sách nhân sự ngành du lịch: Với hệ số co giãn lao động 0,782, TP.HCM cần ưu tiên chuẩn hóa kỹ năng nghề du lịch theo tiêu chuẩn nghề du lịch Việt Nam (VTOS) và khung tiêu chuẩn nghề ASEAN (MRA-TP).
- Chiến lược xúc tiến thị trường trọng điểm: Khai thác sâu 10 thị trường hàng không truyền thống chiếm 78,1% tổng lượng khách (Hoa Kỳ, Nhật Bản, Đài Loan, Hàn Quốc, Úc, Trung Quốc, Singapore, Malaysia, Pháp, Canada).
- Chính sách điều hành tỷ giá và giá dịch vụ lữ hành: Xây dựng các gói kích cầu kết hợp linh hoạt giữa tỷ giá thương mại và các chương trình hoàn thuế giá trị gia tăng (VAT Refund) tại sân bay quốc tế Tân Sơn Nhất.
Lộ trình triển khai khuyến nghị (2013–2020)
- Giai đoạn 1 (2013–2015) - Chuẩn hóa năng lực cung ứng:
- Đào tạo nâng cao tay nghề và ngoại ngữ cho 100% hướng dẫn viên, nhân viên lữ hành và lễ tân khách sạn 3–5 sao.
- Phối hợp với Bộ Công an và Tổng cục Du lịch mở rộng diện miễn thị thực đơn phương/song phương cho các nước Tây Âu và Bắc Mỹ.
- Giai đoạn 2 (2016–2020) - Đột phá sản phẩm và liên kết vùng:
- Tích hợp công nghệ thông tin trong quảng bá số, triển khai hệ thống quản trị điểm đến thông minh.
- Tối ưu hóa thời gian lưu trú từ 5,7 ngày lên trên 7,5 ngày thông qua phát triển kinh tế đêm, du lịch đường sông và du lịch MICE.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Độ dài chuỗi thời gian: Kích thước mẫu $N = 22$ quan sát theo năm là giới hạn do sự thiếu nhất quán của số liệu thống kê trước thời kỳ Đổi Mới (trước 1990).
- Thiếu dữ liệu vi mô tần suất cao: Chưa tích hợp được chuỗi số liệu theo quý/tháng hoặc dữ liệu dạng bảng (Panel Data) giữa các thị trường gửi khách cụ thể đến TP.HCM.
- Chưa mô hình hóa các biến cú sốc bất thường: Các biến cố ngoại cảnh như khủng hoảng tài chính toàn cầu 2008 hay đại dịch SAR-CoV chưa được phân tách riêng biệt bằng các biến giả can thiệp (Dummy Intervention Variables).
Hướng nghiên cứu mở rộng
- Phát triển mô hình Vectơ Hiệu chỉnh Sai số (VECM / ARDL): Kiểm định tính dừng chuỗi thời gian và mối quan hệ đồng tích hợp dài hạn (Cointegration) khi chuỗi dữ liệu được cập nhật dài hơn.
- Ứng dụng Machine Learning & Deep Learning trong dự báo: Thử nghiệm các mô hình SARIMA, Prophet kết hợp LSTM Neural Networks để dự báo lượng khách quốc tế theo tuần/tháng với độ chính xác cao.
- Mô hình hóa dữ liệu bảng đa quốc gia: Xây dựng mô hình Gravity Model phân tích tương tác thương mại - du lịch giữa TP.HCM và 50 thị trường gửi khách lớn nhất trên thế giới.
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học ngành Kinh tế đối ngoại / Du lịch: Cung cấp mẫu nghiên cứu định lượng thực nghiệm chuẩn mực về phương pháp luận OLS, kỹ thuật General-to-Specific và các bước kiểm định chẩn đoán kinh tế lượng.
- Nhà nghiên cứu & Data Analysts: Bộ khung mã nguồn phân tích dữ liệu du lịch chuỗi thời gian, xử lý biến phân phối chuẩn và kiểm soát khuyết tật mô hình.
- Cơ quan Quản lý Nhà nước (Sở Du lịch, Cục Thống kê TP.HCM): Căn cứ khoa học định lượng với hệ số co giãn rõ ràng để phân bổ ngân sách xúc tiến, quy hoạch hạ tầng và nâng cao chất lượng nguồn nhân lực.
- Doanh nghiệp Lữ hành & Khách sạn: Định hướng xây dựng sản phẩm tour thích ứng với biến động tỷ giá và thị hiếu của 10 thị trường khách quốc tế trọng điểm.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và môi trường để tái lập mô hình nghiên cứu này là gì?
Hệ thống cần cài đặt phần mềm EViews (phiên bản 6.0 trở lên) hoặc môi trường Python 3.8+ với các thư viện cốt lõi: pandas >= 1.3.0, numpy >= 1.20.0, statsmodels >= 0.13.0, scipy >= 1.7.0. Dữ liệu đầu vào yêu cầu tệp định dạng CSV/Excel chứa chuỗi thời gian tối thiểu 20 năm các chỉ số kinh tế vĩ mô tương ứng.
2. Tại sao biến số lượng phòng lưu trú (ROOM) và số di tích (HRTG) bị loại khỏi mô hình cuối cùng?
Trong quá trình hồi quy từng bước (General-to-Specific), kiểm định F thừa biến (Redundant Variable Test) cho thấy giá trị $p\text{-value} = 0{,}4862 > 0{,}05$. Điều này phản ánh trong giai đoạn 1990–2011, số lượng phòng và di tích tăng trưởng nhanh nhưng chưa tạo ra sự thay đổi tương ứng về mặt thu hút du khách nếu thiếu đi nguồn nhân lực phục vụ chuyên nghiệp và lợi thế cạnh tranh về giá.
3. Làm thế nào để tích hợp mô hình này vào hệ thống báo cáo dự báo tự động của Sở Du lịch?
Mô hình có thể được đóng gói thành một RESTful API microservice (sử dụng FastAPI / Flask trên nền Python), kết nối trực tiếp với cơ sở dữ liệu thống kê hải quan cửa khẩu và Niên giám thống kê điện tử để tự động cập nhật tham số ước lượng hàng quý.
4. Chi phí triển khai và tỷ suất hoàn vốn (ROI) khi ứng dụng mô hình vào thực tiễn quản lý?
Chi phí phần mềm và hạ tầng kỹ thuật ước tính dưới 50 triệu VND (sử dụng nền tảng mã nguồn mở). Lợi ích mang lại thông qua việc tối ưu hóa ngân sách xúc tiến du lịch hàng chục tỷ đồng mỗi năm và định hướng chính xác thị trường mục tiêu, mang lại ROI ước tính vượt trên 300% ngay trong năm đầu tiên áp dụng.
5. Giới hạn co giãn của tỷ giá (RATE = 1,215) có đồng nghĩa với việc nên liên tục phá giá tiền tệ?
Không. Hệ số co giãn 1,215 thể hiện tính nhạy cảm tích cực của du khách đối với chi phí chuyến đi. Tuy nhiên, việc phá giá tiền tệ quá mức sẽ gây ra tác động tiêu cực đến lạm phát nhập khẩu và ổn định vĩ mô. Do đó, khuyến nghị chính sách là duy trì tỷ giá linh hoạt có kiểm soát kết hợp với chính sách hoàn thuế và bình ổn giá dịch vụ du lịch nội địa.
Kết luận
Đồ án khóa luận tốt nghiệp của tác giả Đỗ Ngọc Quyên đã hoàn thành xuất sắc nhiệm vụ xây dựng mô hình định lượng xác định các nhân tố tác động đến hoạt động thu hút khách du lịch quốc tế của TP.HCM giai đoạn 1990–2011. Bằng việc kết hợp chặt chẽ giữa lý thuyết kinh tế quốc tế, kinh tế du lịch và công cụ kinh tế lượng hiện đại (OLS, General-to-Specific, EViews 6.0), công trình đã chứng minh rằng nguồn nhân lực chất lượng cao ($\beta = 0{,}782$), tỷ giá hối đoái ($\beta = 1{,}215$) và mức sống kinh tế địa phương ($\beta = 0{,}428$) là ba động lực quyết định sự tăng trưởng dòng khách quốc tế. Kết quả này mở ra hướng tiếp cận khoa học, dựa trên dữ liệu thực chứng cho công tác quản trị và hoạch định chiến lược phát triển du lịch bền vững của TP.HCM giai đoạn 2013–2020 và tầm nhìn 2030.
