dự báo số lượt khách quốc tế đến Việt Nam, kết quả được thực hiện trên phần mềm Eview bằng các phương pháp: phân tích, Arima. Dành cho các bạn viết luận văn, bài tập nhóm, chuyên đề về dự báo kinh tế. 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 042015 đến tháng 092015” để có cái nhìn tổng quát hơn thực trạng cũng như dự báo trong thời gian sắp tới của du lịch Việt Nam
Trang 1MỤC LỤC
Trang
CHƯƠNG 1 GIỚI THIỆU 1
1.1LÝ 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
2.2PHƯƠNG PHÁP PHÂN TÍCH SỐ LIỆU 4
2.2.1 Dự báo bằng phương pháp phân tích 4
2.2.2Các 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
Trang 2Trang
3.2.4 Dự báo tính xu thế bằng hàm tăng trưởng mũ: LUOT_KHSAF=eC +
βT + ut Hay LnLUOT_KHSAF=C+ βT+ut 1883.3 DỰ BÁO LƯỢT KHÁCH QUỐC TẾ ĐẾN VIỆT NAM GIAI ĐOẠN
TỪ THÁNG 04/2015 ĐẾN THÁNG 09/2015 211PHỤ LỤC I SỐ LIỆU TỔNG HỢP 244TÀI LIỆU THAM KHẢO 266
Trang 3CHƯƠNG 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
Trang 41.2.2 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
Trang 5CHƯƠNG 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 (http://www.vietnamtourism.gov.vn/) từ tháng 01 năm 2008 đến tháng 03 năm 2015
Trang 62.2 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:
Trang 7Nếu 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:
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
Trang 82.2.2 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)<mức ý nghĩa người dự báo chọn Nếu
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=√∑ et
2 n t=1 nRMSE 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− Ŷ )t 2
√∑(Yt− Yt−1)2Nếu 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
Trang 9Nhìn 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
Trang 10 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
Trang 113.1.3 Mô tả số liệu
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
Mean 494656.6 Median 473509.0 Maximum 842026.0 Minimum 210333.0 Std Dev 144537.7 Skewness 0.154341 Kurtosis 2.194586 Jarque-Bera 2.696911 Probability 0.259641
Trang 123.2 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:
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
Trang 13 Nhìn vào đồ thị của biến LUOT_KHSA ta thấy:
+ Có xu hướng tăng lên như một đường thẳng tuyến tínhDạng hàm bậc nhất: 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴̂ 𝐹=C+𝛽T+ut
+ Có dạng hình cong parapol Dạng hàm bậc hai: 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹̂ =C+𝛽0T+𝛽1T2+ut
+ Có dạng hình lên xuống Dạng hàm bậc ba: 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹̂ =C+𝛽0T+𝛽1T2+𝛽2T3+ut
+ Có dạng hình lên xuống, tăng dần Dạng hàm tăng trưởng mũ: 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹̂ =𝑒𝐶+𝛽𝑇+ut Hay Ln𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹̂ =C+ 𝛽T+ut
3.2.2 Dự báo tính xu thế bằng hàm bậc nhất: 𝐋𝐔𝐎𝐓_𝐊𝐇𝐒𝐀𝐅̂ =C+ 𝛃T+u t
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 281881.3 12676.39 22.23671 0.0000
T 4791.548 250.2136 19.14983 0.0000 R-squared 0.811829 Mean dependent var 492709.4 Adjusted R-squared 0.809615 S.D dependent var 134324.1 S.E of regression 58609.84 Akaike info criterion 24.81791 Sum squared resid 2.92E+11 Schwarz criterion 24.87460 Log likelihood -1077.579 Hannan-Quinn criter 24.84074 F-statistic 366.7159 Durbin-Watson stat 0.880127 Prob(F-statistic) 0.000000
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_𝐾𝐻𝑆𝐴𝐹̂ được giải thích bởi biến T
Hệ số R2=0,8118, tức là có 81,18% sự biến động của 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹̂ được giải thích bởi biến T
Từ bảng trên ta có phương trình hàm xu thế bậc nhất: 𝐿𝑈𝑂𝑇_𝐾𝐻𝑆𝐴𝐹=281.881,3+4.791,55T
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
Trang 14 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:
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 0.094700 Prob F(1,85) 0.7590 Obs*R-squared 0.096820 Prob Chi-Square(1) 0.7557 Scaled explained SS 0.058302 Prob Chi-Square(1) 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 3.14E+09 8.24E+08 3.803665 0.0003
T 5007684 16272801 0.307733 0.7590 R-squared 0.001113 Mean dependent var 3.36E+09 Adjusted R-squared -0.010639 S.D dependent var 3.79E+09 S.E of regression 3.81E+09 Akaike info criterion 46.98329 Sum squared resid 1.23E+21 Schwarz criterion 47.03998 Log likelihood -2041.773 Hannan-Quinn criter 47.00612 F-statistic 0.094700 Durbin-Watson stat 1.827893 Prob(F-statistic) 0.759038
Mean 2.13e-10 Median -137.1364 Maximum 127330.6 Minimum -135246.8 Std Dev 58268.09 Skewness -0.019148 Kurtosis 2.261670 Jarque-Bera 1.981419 Probability 0.371313
Trang 15Ta 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 20.53774 Prob F(2,83) 0.0000 Obs*R-squared 28.80156 Prob Chi-Square(2) 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 t-Statistic Prob
C 1712.379 10495.90 0.163147 0.8708
T -57.51764 207.3148 -0.277441 0.7821 RESID(-1) 0.433007 0.109445 3.956405 0.0002 RESID(-2) 0.224239 0.109532 2.047241 0.0438 R-squared 0.331052 Mean dependent var 2.13E-10 Adjusted R-squared 0.306874 S.D dependent var 58268.09 S.E of regression 48510.64 Akaike info criterion 24.46184 Sum squared resid 1.95E+11 Schwarz criterion 24.57522 Log likelihood -1060.090 Hannan-Quinn criter 24.50749 F-statistic 13.69183 Durbin-Watson stat 1.983765 Prob(F-statistic) 0.000000
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