Các nghiên cứu liên quan trƣớc đây về các nhân tố tác động đến hiệu quả hoạt động thu hút KDL quốc tế, đến cầu du lịch quốc tế, lƣợng KDL quốc tế hay thu nhập từ KDL quốc tế của một địa phƣơng/đất nƣớc đƣợc nghiên cứu đƣợc giới thiệu trong khóa luận này đều sử dụng mô hình hồi quy tuyến tính bội có dạng:
∑
Trong đó:
: Biến phụ thuộc của quan sát i
: Biến độc lập : Hệ số tự do : Hệ số hồi quy : Sai số hồi quy
Dựa vào các nhân tố đã đƣợc lựa chọn, mô hình xem xét các nhân tố tác động đến hoạt động thu hút KDL quốc tế của TP.HCM cụ thể nhƣ sau:
VISITt = f (LABOURt, HRTGt, ROOMt, VISAt, RATEt, GDPPCt )
Trong đó:
VISIT: số lƣợt KDL quốc tế đến TP.HCM vào năm t
LABOUR: tống số lao động trong ngành du lịch của TP.HCM trong năm t
HRTG: số lƣợng di tích cấp quốc gia và cấp quốc gia đặc biệt trên địa bàn TP.HCM trong năm t
ROOM: số phòng trong các CSLTDL trên địa bàn TP.HCM trong năm t VISA: số quốc gia mà công dân đƣợc miễn thị thực trong năm t
RATE: tỷ giá hối đoái bình quân giữa đồng Việt Nam và đô la Mỹ trong năm t GDPPC: tổng sản phẩm trong nƣớc bình quân đầu ngƣời của TP.HCM trong năm t
Ngoài ra, theo nghiên cứu của Tsounta (2008), các mô hình hồi quy lô-ga-rít là loại mô hình đƣợc sử dụng phổ biến trong các nghiên cứu về du lịch. Nghiên cứu này cũng trích dẫn thống kê trong nghiên cứu của Witt và Witt (1995), theo đó 75% các mô hình đƣợc hai tác giả này tham khảo trƣớc đó sử dụng mô hình lô-ga-rít, trong đó 18% là mô hình dạng bán lô-ga-rít. Nguyên nhân của việc loại mô hình này đƣợc sử dụng phổ biến là do kết quả đƣợc thể hiện dƣới dạng tốc độ tăng trƣởng –
đây là điều mà các nhà nghiên cứu, kinh doanh và chính phủ quan tâm tới đối với các chỉ tiêu về kinh tế. Chính vì thế mà ngƣời viết cũng chọn xây dựng mô hình dƣới dạng lô-ga-rít với biến phụ thuộc VISIT và các biến độc lập LABOUR, HRTG, ROOM, RATE và GDPPC đƣợc thể hiện dƣới dạng lô-ga-rít, biến VISA do có nhận giá trị 0 trong một vài quan sát nên vẫn đƣợc thể hiện dƣới dạng giá trị tuyệt đối. Mô hình nghiên cứu cụ thể dƣới dạng lô-ga-rít đƣợc thể hiện nhƣ sau:
Trong đó:
β0 là hệ số tự do tự do của mô hình
β1, β2, β3, β4, β5, β6: là các hệ số hồi quy của mô hình ut là sai số
Phƣơng pháp hồi quy đƣợc sử dụng để ƣớc lƣợng tham số của mô hình là phƣơng pháp bình phƣơng nhỏ nhất (OLS). Phƣơng pháp đƣợc dùng để lựa chọn ra mô hình hồi quy cuối cùng là phƣơng pháp đi từ tổng quát đến cụ thể (The general to specific modelling technique), từng đƣợc sử dụng trong nghiên cứu của Small và Sweetman (2009). Theo phƣơng pháp OLS, một trong những cách để kiểm định ý nghĩa thống kê của biến độc lập chính là xem xét giá trị p (p_value) của nó. Giá trị p đƣợc định nghĩa là mức ý nhĩa thấp nhất mà giả thiết H0 (giả thiết biến độc lập đang xét không có ý nghĩa đối với biến phụ thuộc) có thể bị bác bỏ. Nhƣ vậy, giá trị p càng thấp thì khả năng chấp nhập giả thiết H0 càng khó có khả năng xảy ra và kết
quả càng có ý nghĩa thống kê. Với mức ý nghĩa 5% , một biến độc lập có ý nghĩa thống kê khi giá trị p của nó nhỏ hơn 0,05.
Áp dụng phƣơng pháp từ tổng quát đến cụ thể để lựa chọn đƣợc mô hình hồi quy cuối cùng, mô hình nghiên cứu ban đầu đƣợc định lƣợng để ra đƣợc hàm hồi quy ban đầu. Biến độc lập có giá trị p lớn nhất và lớn hơn 0,05 (với mức ý nghĩa là 5%) sẽ bị loại bỏ khỏi mô hình. Mô hình mới sẽ tiếp tục đƣợc hồi quy và loại bỏ dần biến giải thích có giá trị p lớn nhất cho đến khi mọi biến độc lập đều có giá trị p
nhỏ hơn 0,05. Đó là khi mọi biến độc lập trong mô hình đều có ý nghĩa thống kê
Giả thiết quan trọng của phƣơng pháp OLS chính là không có sự tƣơng quan giữa các sai số ngẫu nhiên do đó sau khi xác định đƣợc mô hình hồi quy với các biến độc lập đều có ý nghĩa thống kê, ngƣời viết sẽ tiến hành các kiểm định để phát hiện các bệnh của mô hình. Trong đó có kiểm định Durbin-Watson cho tự tƣơng quan bậc một cũng nhƣ kiểm định Breusch-Godfrey Lagrange cho tự tƣơng quan bậc cao hơn, cũng nhƣ các kiểm định khác cho các bệnh nhƣ đa cộng tuyến, phƣơng sai thay đổi. Khi mô hình bị phát hiện có bệnh, ngƣời viết sẽ tiến hành khắc phục các bệnh cho mô hình để rút ra đƣợc mô hình hồi quy tối ƣu cuối cùng.