Giới thiệu
Mục tiêu nghiên cứu
Phân tích các yếu tố trong đại dịch đã ảnh hưởng đến các doanh nghiệp du lịch Việt Nam và mối quan hệ tác động qua lại giữa chúng.
Phương pháp nghiên cứu
Để hoàn thành nghiên cứu, nhóm tác giả áp dụng phương pháp Phân tích mô tả (Định lượng), một hình thức phân tích dữ liệu cơ bản nhằm tổng hợp và cung cấp thông tin có giá trị từ quá khứ Phương pháp này giúp mô tả những sự kiện đã xảy ra trong một khoảng thời gian xác định, trả lời câu hỏi “Cái gì đã xảy ra trong quá khứ” Qua đó, nó cung cấp dữ liệu một cách trực quan và sinh động, làm nền tảng cho các phân tích cao hơn.
Cơ sở lý thuyết và các nghiên cứu liên quan
Cơ sở lý thuyết
Hành vi của khách du lịch là một chuỗi hành động phức tạp và khó đoán, và để phân tích những hành vi này, cần xem xét động cơ ban đầu, vì chúng đóng vai trò quan trọng trong việc ảnh hưởng đến các hành vi đó Lý thuyết kéo và đẩy đã được áp dụng rộng rãi để nghiên cứu động lực đi lại của khách du lịch (Dann, 1977; Klenosky, 2002).
Trong lĩnh vực du lịch, các yếu tố thúc đẩy là động lực nội tại khuyến khích mọi người đi du lịch, phản ánh nhu cầu tâm lý xã hội của từng cá nhân Những động cơ này bao gồm việc thoát khỏi áp lực cá nhân và xã hội, tìm kiếm niềm tự hào và sự công nhận, xã hội hóa, nâng cao lòng tự trọng, học hỏi, khám phá sự mới lạ, cảm giác hồi hộp và tránh xa đám đông Việc đáp ứng những nhu cầu tâm lý này có thể giúp cá nhân phục hồi từ trạng thái mất cân bằng trở lại trạng thái ổn định (Botha và cộng sự, 1999).
Các yếu tố thúc đẩy và kéo đóng vai trò quan trọng trong quyết định du lịch Động lực đẩy từ bên trong khách du lịch thể hiện mong muốn đi du lịch, trong khi động lực kéo liên quan đến sự lựa chọn điểm đến, bao gồm danh lam thắng cảnh, di tích lịch sử, chất lượng dịch vụ, giá cả và chính sách Những yếu tố này ảnh hưởng đến hai quyết định chính: quyết định đi hay không và quyết định đi đâu.
Quyết định đi du lịch là sự tương tác giữa động lực bên trong và động lực kéo Động lực bên trong, hay yếu tố tâm lý, thúc đẩy khách du lịch tìm kiếm điểm đến, dẫn đến quyết định thực hiện chuyến tham quan Hành vi du lịch không thể xảy ra nếu thiếu động lực bên trong Đồng thời, động lực kéo có thể ảnh hưởng tích cực hoặc tiêu cực đến quyết định du lịch, tùy thuộc vào sự phù hợp của điều kiện tại địa điểm đến.
Các khái niệm liên quan
2.1.1 Phương pháp binh phương nhỏ nhất (OLS)
Phương pháp bình phương nhỏ nhất (OLS) là kỹ thuật phổ biến nhất để ước lượng tham số trong hồi quy, nhằm tối thiểu hóa tổng bình phương khoảng cách giữa dữ liệu thực tế và đường hồi quy Theo định lý Gauss – Markov, khi đáp ứng các giả thiết của mô hình hồi quy tuyến tính cổ điển, các ước lượng OLS sẽ là tuyến tính, không chệch và có phương sai nhỏ nhất Mặc dù có những phương pháp hồi quy khác, OLS vẫn được coi là tiêu chuẩn trong nghiên cứu nhờ vào độ chính xác cao và khả năng giảm thiểu sai số Tuy nhiên, phương pháp này yêu cầu các giả định và điều kiện về dữ liệu rất nghiêm ngặt.
2.1.2 Giả định các yếu tố ngẫu nhiên
Có 5 giả thiết cơ bản, bao gồm:
Giả thiết 1: Quan hệ giữa Y và X là tuyến tính; Các giá trị Xi cho trước và không ngẫu nhiên.
Giả thiết 2 cho rằng các sai số Ui là đại lượng ngẫu nhiên với giá trị trung bình bằng 0 Theo giả thiết 3, các sai số Ui có phương sai không thay đổi Cuối cùng, giả thiết 4 khẳng định rằng không tồn tại sự tương quan giữa các sai số Ui.
Giả thiết 5: Không có sự tương quan giữa Ui và Xi.
2.1.3 Sự vi phạm giả định các yếu tố ngẫu nhiên
Sự xuất hiện khuyết tật trong mô hình hồi quy thường do vi phạm các giả thiết OLS Vi phạm giả thiết thứ nhất, liên quan đến việc các biến giải thích không có quan hệ cộng tuyến, dẫn đến hiện tượng đa cộng tuyến Ngoài ra, vi phạm giả thiết thứ ba gây ra khuyết tật trong phương sai sai số thay đổi, trong khi vi phạm giả thiết thứ tư dẫn đến hiện tượng tự tương quan.
Các nghiên cứu liên quan
Nghiên cứu của Nashirah Abu Bakarl và Sofian Rosbi (2020) đã chỉ ra rằng dịch Covid-19 đã gây ra những tác động nghiêm trọng đến ngành du lịch toàn cầu Bằng cách áp dụng mô hình cung và cầu, nghiên cứu đã phát hiện ra rằng sự hoảng loạn trong công chúng do dịch bệnh đã dẫn đến sự sụt giảm đáng kể về nhu cầu du lịch Kết quả này nhấn mạnh tầm quan trọng của việc hiểu rõ những thay đổi kinh tế trong ngành du lịch trong bối cảnh đại dịch.
Fatma Altuntas (2021) đã áp dụng phương pháp DEMATEL trong phòng thí nghiệm để hỗ trợ các quốc gia trong việc đưa ra quyết định kiểm dịch trong bối cảnh đại dịch COVID-19.
Nghiên cứu của Nguyễn, Hoàng Phan (2020) đã chỉ ra tác động của đại dịch Covid-19 đến kinh tế và ngành du lịch Việt Nam thông qua các phương pháp thống kê mô tả và phân tích Tác giả đã sử dụng số liệu thứ cấp để làm rõ ảnh hưởng của đại dịch đối với ngành du lịch, đồng thời nêu ra các giải pháp mà Chính phủ Việt Nam và các nước trong khu vực đã thực hiện Dựa trên những phân tích này, tác giả cũng đề xuất thêm một số giải pháp nhằm khôi phục ngành du lịch Việt Nam trong bối cảnh mới của đại dịch.
Tại Việt Nam, chưa có nghiên cứu chính thức nào về tác động của các yếu tố trong đại dịch Covid-19 đối với ngành du lịch Vì vậy, các tác giả đã quyết định thực hiện phân tích trong bài viết này.
Giả thuyết nghiên cứu
Báo cáo của Chính phủ tại kỳ họp thứ 10 Quốc hội khóa XIII đã nêu rõ các yếu tố ảnh hưởng đến sự phát triển của ngành du lịch Việt Nam, bao gồm nhận thức và tư duy về phát triển du lịch, thể chế chính sách của nhà nước, cơ sở hạ tầng và cơ sở vật chất kỹ thuật, chương trình xúc tiến quảng bá du lịch và nguồn nhân lực Bên cạnh đó, nghiên cứu từ khoa Du lịch và Khách sạn của trường Kinh tế quốc dân cũng chỉ ra rằng đại dịch Covid-19 đã có tác động mạnh mẽ đến ngành du lịch Việt Nam.
Trong bối cảnh đại dịch Covid-19, ngành du lịch Việt Nam chịu ảnh hưởng bởi một số yếu tố cơ bản, bao gồm tỷ lệ tiêm vaccine, tỷ lệ tử vong, thu nhập của khách hàng và các chính sách của Chính phủ Những yếu tố này đóng vai trò quan trọng trong việc xác định khả năng phục hồi và phát triển của ngành du lịch trong thời gian khó khăn này.
Tỷ lệ tiêm vaccine là yếu tố quyết định ảnh hưởng đến sự phát triển của ngành du lịch Việt Nam và toàn cầu Theo Quyền Tổng thư ký UNCTAD Isabelle Durant, cần nỗ lực tiêm chủng toàn cầu để bảo vệ người lao động và giảm thiểu tác động tiêu cực đến xã hội cũng như ngành du lịch Trong giai đoạn 2020-2021, tỷ lệ tiêm vaccine ở nhiều quốc gia, bao gồm Việt Nam, còn hạn chế, dẫn đến khó khăn cho ngành du lịch nội địa Tuy nhiên, từ năm 2022 trở đi, tình hình tiêm chủng đã cải thiện, giúp ngành du lịch dần hồi phục và phát triển.
Tỷ lệ tử vong là một yếu tố nhạy cảm cần chú trọng bên cạnh tỷ lệ vaccine, phản ánh mức độ nghiêm trọng của dịch bệnh và an toàn cho người dân Tỷ lệ này, được hiểu là tỷ lệ người chết trong số những người xét nghiệm dương tính, càng cao cho thấy tình hình dịch bệnh càng nghiêm trọng, có thể làm giảm lượng khách du lịch Hiện nay, tỷ lệ tử vong do Covid-19 tại Việt Nam đã giảm xuống chỉ còn 0,2%, cho thấy ngành du lịch đang dần hồi phục Tuy nhiên, chính phủ cần tiếp tục thực hiện các chính sách bảo vệ sức khỏe người dân và chuẩn bị kế hoạch phòng dịch để duy trì sự ổn định.
Khách du lịch đóng vai trò quan trọng trong ngành du lịch, là mục tiêu chính mà ngành này hướng đến, tạo ra thu nhập từ việc chi tiêu cho các sản phẩm và dịch vụ Tuy nhiên, đại dịch đã ảnh hưởng nghiêm trọng đến thu nhập của khách hàng, dẫn đến mất việc làm, cắt giảm lương và giảm giờ làm, từ đó tác động đến nhu cầu tham quan du lịch Khi thu nhập cá nhân giảm mà chi tiêu không thay đổi, ngành du lịch phải đối mặt với nhiều khó khăn và tổn thất trong việc tiếp đón du khách quốc tế và nội địa, cũng như trong lợi nhuận từ bán vé, cho thuê và quảng bá.
Chính sách Nhà nước về du lịch đóng vai trò quan trọng trong việc định hướng phát triển ngành du lịch, tạo dựng môi trường pháp lý lành mạnh Trong bối cảnh đại dịch Covid-19, các chính sách như Chỉ thị 15 và Chỉ thị 16 đã có tác động mạnh mẽ đến ngành công nghiệp không khói và các ngành liên quan Nghiên cứu này xem xét các chính sách hạn chế du lịch nhằm ngăn ngừa dịch bệnh lây lan trong thời gian dịch diễn biến phức tạp, với biến chính sách được phân loại thành hai giá trị: “1” cho các tháng có hạn chế du lịch (3/2020, 4/2020, 5/2020, 6/2021, 7/2021, 8/2021, 9/2021) và “0” cho các tháng còn lại.
Du lịch Việt Nam là một ngành phụ thuộc, với sự tăng trưởng hoặc trì trệ được thể hiện qua số lượng du khách tham quan, tham gia vào các hoạt động du lịch và lưu trú tại các cơ sở như nhà hàng, khách sạn Sự phát triển này có thể đo lường bằng số liệu du khách (đơn vị: nghìn người/lượt).
Hình 2.4 Mô hình nghiên cứu
Phương pháp thực hiện
Mẫu điều tra
Khảo sát sử dụng dữ liệu về tỷ lệ tử vong (%), tỷ lệ tiêm vaccine (%), thu nhập khách hàng (triệu/tháng) và lượng khách du lịch nội địa (nghìn người/lượt) trong khoảng thời gian 27 tháng từ tháng 01 năm 2020 đến tháng 03 năm 2022 Nhóm nghiên cứu xác định rằng không gian mẫu là đủ lớn và có độ tin cậy cao để phát triển các mô hình thống kê.
Khách du lịch nội địa (nghìn người/lượt)
Tỷ lệ tử vong (%) (cao nhất)
Thu nhập khách hàng (triệu/tháng)
Nguồn: Our world in Data
Bảng 3.1.2 Bảng thang đo liệt kê các nghiên cứu STT Các biến cần quan sát Mã hóa Nguồn sưu tầm
1 Tỷ lệ vaccine VC Nghiên cứu của nhóm tác giả
2 Tỷ lệ tử vong TV Nghiên cứu của nhóm tác giả
3 Thu nhập khách hàng TN Hoàng, 2020
Nghiên cứu của nhóm tác giả Nghiên cứu của nhóm tác giả
Thiết lập mô hình và giải thích ý nghĩa của các hệ số
Mô hình có dạng: DL = β 1 + β 2 VC i + β 3 TV i + β 4 TN i + β 5 Z i + Ui
Trong đó: β1: Hệ số tự do (hệ số chặn), cho biết giá trị trung bình của DL khi VC = TV = TN
Giá trị tối thiểu hay giá trị trung bình tự định của DL được ký hiệu là 0 Hệ số β2 đại diện cho biến độc lập tỷ lệ vaccine (VC), cho thấy khi VC tăng 1 đơn vị, DL sẽ tăng β3/100 đơn vị, do nhu cầu về DL tăng theo tỷ lệ vaccine Ngược lại, hệ số β3 liên quan đến tỷ lệ tử vong (TV), cho thấy khi TV tăng 1 đơn vị, DL sẽ giảm β2/100 đơn vị, vì nhu cầu về DL giảm khi tỷ lệ tử vong tăng Cuối cùng, hệ số β4 phản ánh ảnh hưởng của thu nhập khách hàng (TN), cho thấy sự thay đổi 1 đơn vị trong TN sẽ làm DL thay đổi tương ứng β4 đơn vị Theo lý thuyết kéo và đẩy của Dann và Klenosky, sự tương tác giữa các yếu tố này ảnh hưởng đáng kể đến nhu cầu về DL.
Khi TN tăng, nhu cầu về du lịch cũng gia tăng, dẫn đến hệ số β4 có giá trị dương Hệ số β5 biểu thị sự chênh lệch trung bình của biến phụ thuộc vào du lịch khi D=1 so với D=0, cho thấy rằng khi D=1, trung bình biến phụ thuộc vào du lịch thay đổi một lượng tương ứng với β5 đơn vị.
Ui: sai số trong quan sát thứ i.
Phân tích và xử lý số liệu
Chạy mô hình hồi quy trên Eviews 10 với bảng dữ liệu trên
Từ kết quả trên ta có mô hình hồi quy như sau:
Khi tỷ lệ vaccine tăng (giảm) 1%, lượng khách tham quan ở Việt Nam trung bình thay đổi tăng (giảm) 22.46042 nghìn người/lượt Ngược lại, khi tỷ lệ tử vong tăng (giảm) 1%, lượng khách giảm (tăng) 590.4055 nghìn người/lượt Nếu thu nhập tăng (giảm) 1 triệu đồng, lượng khách tham quan trung bình sẽ thay đổi tăng (giảm) 2906.345 nghìn người/lượt Đặc biệt, khi có chính sách đóng cửa du lịch, lượng khách tham quan ở Việt Nam giảm 2269.013 nghìn người/lượt.
3.3.1.1 Kiểm định sự phù hợp của mô hình và ý nghĩa của các biến thống kê
Kiểm định sự phù hợp của mô hình
H 1 : R 2 ≠0 ⇔ { H 0 : Hàm hồi quy không phù hợp
H 1: Hàm hồi quy phù hợp với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.000068 < α = 0.1 Bác bỏ H0, hàm hồi quy phù hợp
Kiểm định ý nghĩa của các biến thống kê
H 1 : β 1 ≠0 ⇔ { H 0 : β 1 không có ý nghĩa thống kê
H 1: β 1 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.0283 < α = 0.1 Bác bỏ H0, β1 có ý nghĩa thống kê
H 1 : β 2 ≠0 ⇔ { H 0 : β 2 không có ý nghĩa thống kê
H 1: β 2 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.0903 < α = 0.1 Bác bỏ H0, β2 có ý nghĩa thống kê
H 1 : β 3 ≠0 ⇔ { H 0 : β 3 không có ý nghĩa thống kê
H 1 : β 3 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.0566 < α = 0.1 Bác bỏ H0, β3 có ý nghĩa thống kê
H 1 : β 4 ≠0 ⇔ { H 0 : β 4 không có ý nghĩa thống kê
H 1 : β 4 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.0019 < α = 0.1 Bác bỏ H0, β4 có ý nghĩa thống kê
H 1 : β 5 ≠0 ⇔ { H 0 : β 5 không có ý nghĩa thống kê
H 1 : β 5 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.0103 < α = 0.1 Bác bỏ H0, β5 có ý nghĩa thống kê
H 1 : E(𝑢|X)≠ 0 ⇔ { H 0 : Không thiếu biến, dạng hàm đúng
H 1: Thiếu biến, dạng hàm sai với mức ý nghĩa α = 0.1
Hồi quy phụ: Thêm 01 biến
H 1 : β 6 ≠0 ⇔ { H 0 : β 6 không có ý nghĩa thống kê
H 1 : β 6 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.2582 > α = 0.1 Chấp nhận H0, β6 không có ý nghĩa thống kê, việc thêm biến là không cần thiết
Hồi quy phụ: Thêm 02 biến
H 1 : β 6 2 + β 7 2 ≠0 ⇔ { H 0 : β 6 và β 7 không có ý nghĩa thống kê
H 1 : β 6 và β 7 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.4930 > α = 0.1 Chấp nhận H0, β6 và β7 không có ý nghĩa thống kê, việc thêm biến là không cần thiết
3.3.1.3 Đa cộng tuyến, phương sai thay đổi và tự tương quan Đa cộng tuyến
Nhìn vào bảng, tất cả các hệ số tương quan đều nhỏ hơn 0.7 Vì vậy không có hiện tượng đa cộng tuyến xảy ra
Bên cạnh đó, cả 3 hệ số VIF đều nhỏ hơn 2 Vì vậy, chắc chắn không có hiện tượng đa cộng tuyến xảy ra đối với mô hình này
Ta dùng kiểm định White, kiểm định giả thiết:
{ H 0 : Mô hình không có phương sai thay đổi
H 1 : Mô hình có phương sai thay đổi
Ta thấy p-value = 0.5464 > α = 0.1 Chấp nhận H0, mô hình không có phương sai thay đổi
Ta thấy giá trị thống kê Durbin-Watson (DW) = 1.848671
So sánh với thang kiểm định, ta thấy 1 < 1.848671 < 3 Vì vậy, kết luận mô hình không xảy ra tự tương quan
Chạy mô hình hồi quy trên Eviews 10 với bảng dữ liệu trên
Từ kết quả trên ta có mô hình hồi quy như sau:
Khi tỷ lệ vaccine thay đổi tăng (giảm) 1%, trung bình lượng khách tham quan ở Việt Nam thay đổi tăng (giảm) 22.46056 nghìn người/lượt Ngược lại, khi tỷ lệ tử vong tăng (giảm) 1%, lượng khách tham quan giảm (tăng) 590.4044 nghìn người/lượt Ngoài ra, khi thu nhập tăng (giảm) 1 triệu đồng, lượng khách tham quan tăng (giảm) 2906.348 nghìn người/lượt Đặc biệt, chính sách đóng cửa du lịch dẫn đến lượng khách tham quan giảm 2269.012 nghìn người/lượt, cho thấy tác động tiêu cực của việc đóng cửa đối với ngành du lịch ở Việt Nam.
3.3.2.1 Kiểm định sự phù hợp của mô hình và ý nghĩa của các biến thống kê
Kiểm định sự phù hợp của mô hình
H 1 : R 2 ≠0 ⇔ { H 0 : Hàm hồi quy không phù hợp
H 1: Hàm hồi quy phù hợp với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.0001 < α = 0.1 Bác bỏ H0, hàm hồi quy phù hợp
Kiểm định ý nghĩa của các biến thống kê
H 1 : β 1 ≠0 ⇔ { H 0 : β 1 không có ý nghĩa thống kê
H 1: β 1 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.028 < α = 0.1 Bác bỏ H0, β1 có ý nghĩa thống kê
H 1 : β 2 ≠0 ⇔ { H 0 : β 2 không có ý nghĩa thống kê
H 1: β 2 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.090 < α = 0.1 Bác bỏ H0, β2 có ý nghĩa thống kê
H 1 : β 3 ≠0 ⇔ { H 0 : β 3 không có ý nghĩa thống kê
H 1 : β 3 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.057 < α = 0.1 Bác bỏ H0, β3 có ý nghĩa thống kê
H 1 : β 4 ≠0 ⇔ { H 0 : β 4 không có ý nghĩa thống kê
H 1 : β 4 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.002 < α = 0.1 Bác bỏ H0, β4 có ý nghĩa thống kê
H 1 : β 5 ≠0 ⇔ { H 0 : β 5 không có ý nghĩa thống kê
H 1 : β 5 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.010 < α = 0.1 Bác bỏ H0, β5 có ý nghĩa thống kê
H 1 : E(𝑢|X)≠ 0 ⇔ { H 0 : Không thiếu biến, dạng hàm đúng
H 1: Thiếu biến, dạng hàm sai với mức ý nghĩa α = 0.1
Hồi quy phụ: Thêm 01 biến
H 1 : β 6 ≠0 ⇔ { H 0 : β 6 không có ý nghĩa thống kê
H 1 : β 6 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.6418 > α = 0.1 Chấp nhận H0, β6 không có ý nghĩa thống kê, việc thêm biến là không cần thiết
Hồi quy phụ: Thêm 02 biến
H 1 : β 6 2 + β 7 2 ≠0 ⇔ { H 0 : β 6 và β 7 không có ý nghĩa thống kê
H 1 : β 6 và β 7 có ý nghĩa thống kê với mức ý nghĩa α = 0.1
Ta thấy p-value = 0.8917 > α = 0.1 Chấp nhận H0, β6 và β7 không có ý nghĩa thống kê, việc thêm biến là không cần thiết
3.3.2.3 Đa cộng tuyến, phương sai thay đổi và tự tương quan Đa cộng tuyến
Nhìn vào bảng, tất cả các hệ số tương quan đều nhỏ hơn 0.7 Vì vậy không có hiện tượng đa cộng tuyến xảy ra
Bên cạnh đó, cả 3 hệ số VIF đều nhỏ hơn 2 Vì vậy, chắc chắn không có hiện tượng đa cộng tuyến xảy ra đối với mô hình này
Ta dùng kiểm định White, kiểm định giả thiết:
{ H 0 : Mô hình không có phương sai thay đổi
H 1 : Mô hình có phương sai thay đổi
Ta thấy p-value = 0.4435 > α = 0.1 Chấp nhận H0, mô hình không có phương sai thay đổi
Ta thấy giá trị thống kê Durbin-Watson (DW) = 1.848671
So sánh với thang kiểm định, ta thấy 1 < 1.848671 < 3 Vì vậy, kết luận mô hình không xảy ra tự tương quan.
Kết quả nghiên cứu và hàm ý
Mô hình cuối cùng
Khi tỷ lệ vaccine thay đổi 1%, lượng khách tham quan ở Việt Nam thay đổi trung bình 22.46042 nghìn người Ngược lại, khi tỷ lệ tử vong tăng 1%, lượng khách tham quan giảm trung bình 590.4055 nghìn người Ngoài ra, nếu thu nhập tăng 1 triệu đồng, lượng khách tham quan sẽ tăng trung bình 2906.345 nghìn người Đặc biệt, chính sách đóng cửa du lịch dẫn đến sự giảm sút lượng khách tham quan trung bình 2269.013 nghìn người.
Mô hình cho thấy lượng khách tham quan tại Việt Nam bị ảnh hưởng bởi các yếu tố như tỷ lệ tiêm vaccine, tỷ lệ tử vong và thu nhập của khách hàng.
Mô hình đạt hệ số R² = 0.654921, tương ứng với 65.49%, cho thấy độ phù hợp cao (> 50%) Điều này có nghĩa là tỷ lệ vaccine, tỷ lệ tử vong, thu nhập khách hàng và chính sách giải thích được 65.49% sự thay đổi trung bình của lượng khách tham quan tại Việt Nam.
Các thống kê
Trong lĩnh vực kinh doanh du lịch, các loại hình chủ yếu bao gồm kinh doanh du lịch lữ hành, lưu trú, ăn uống, vận chuyển và dịch vụ bổ sung Kinh doanh du lịch lữ hành được xem là đặc trưng của kinh tế du lịch Tại Việt Nam, hiện có hơn 2500 công ty lữ hành với nhiều hình thức khác nhau như công ty cổ phần (963), doanh nghiệp liên doanh (28), công ty trách nhiệm hữu hạn (1.516) và doanh nghiệp tư nhân (05) Đồng thời, các cơ sở lưu trú trong khu du lịch ngày càng đa dạng, bao gồm khách sạn (9.460), nhà nghỉ du lịch (3.927), homestay (847) và căn hộ du lịch (214), phù hợp với nhiều loại địa hình khác nhau.
Kết quả nghiên cứu và hàm ý
Kết quả phân tích từ Bảng ma trận tương quan cho thấy, lo ngại về những thay đổi Chính sách (Z) là vấn đề được quan tâm hàng đầu, tiếp theo là sự thay đổi về Thu nhập (TN), Tỷ lệ vaccine (VC) và Tỷ lệ tử vong (TV), với mức độ quan trọng giảm dần Dữ liệu cũng chỉ ra rằng quyết định về Chính sách (Z) và sự suy giảm Thu nhập (TN) là nguyên nhân chính tác động đến các vấn đề khác Trong đó, rủi ro về chính sách (Z) có ảnh hưởng lớn nhất đến các rủi ro khác, dẫn đến hệ quả nghiêm trọng nhất là sự suy giảm lượng khách du lịch (DL) đến tham quan tại Việt Nam.
Mô hình nghiên cứu cho thấy độ phù hợp cao và không gặp phải các vấn đề như tự tương quan, đa cộng tuyến hay phương sai thay đổi Do đó, số liệu mà nhóm nghiên cứu thu thập đáp ứng các yêu cầu của phương pháp ước lượng OLS, dẫn đến việc xây dựng một mô hình hồi quy chính xác và hợp lý.