Xây dựng mô hình dự báo tốt nhất về số lượt khách dulịch quốc tế đến Việt Nam giai đoạn từ tháng 1/2009 đến 12/2015

Error t-Statistic Prob.. Mô hình có năng lực trong dự báo các giá trị của Y.. Error t-Statistic Prob... Mô hình có năng lực trong dự báo các giá trị của Y.. Chuỗi giá trị có tính xu thế

Bài tập: Xây dựng mô hình dự báo tốt nhất về số lượt khách du lịch quốc tế đến Việt Nam giai đoạn từ tháng 1/2009 đến 12/2015

Nhóm 17

Danh sách thành viên nhóm

Phần 1: Giới thiệu

Dưới đây là số liệu số lượt khách du lịch quốc tế đến Việt Nam giai đoạn từ tháng 1/2009 đến tháng 12/2015

Tổng số quan sát: 84

lượt

lượt)

lượt) 2009M01 370.000 2011M05 480.886 2013M09 614.827 2009M02 342.913 2011M06 446.966 2013M10 628.695 2009M03 303.489 2011M07 460.000 2013M11 731.034 2009M04 305.430 2011M08 490.000 2013M12 722.349 2009M05 292.842 2011M09 286.618 2014M01 776.174 2009M06 279.150 2011M10 518.477 2014M02 842.026 2009M07 277.998 2011M11 611.864 2014M03 709.725 2009M08 314.915 2011M12 593.408 2014M04 745.980 2009M09 294.000 2012M01 630.000 2014M05 674.204 2009M10 227.859 2012M02 681.849 2014M06 539.776 2009M11 387.871 2012M03 561.877 2014M07 564.736 2009M12 376.400 2012M04 620.000 2014M08 618.588 2010M01 416.249 2012M05 456.749 2014M09 590.881 2010M02 446.323 2012M06 417.429 2014M10 559.002 2010M03 473.509 2012M07 466.000 2014M11 608.617 2010M04 432.608 2012M08 525.292 2014M12 657.304 2010M05 350.982 2012M09 460.238 2015M01 700.692 2010M06 375.707 2012M10 495.576 2015M02 756.000 2010M07 410.000 2012M11 655.701 2015M03 617.895 2010M08 427.935 2012M12 614.673 2015M04 690.440

2010M09 383.463 2013M01 651.812 2015M05 576.868 2010M10 440.071 2013M02 570.476 2015M06 529.445 2010M11 428.295 2013M03 587.366 2015M07 593.566 2010M12 449.570 2013M04 613.919 2015M08 664.985 2011M01 506.424 2013M05 558.751 2015M09 626.324 2011M02 542.671 2013M06 567.291 2015M10 649.099 2011M03 475.733 2013M07 658.325 2015M11 732.740 2011M04 460.000 2013M08 676.719 2015M12 760.798 Trong đó:

X là biến độc lập

Y là biến phụ thuộc (Nghìn lượt)

Nguồn số liệu: http://vietnamtourism.gov.vn/index.php/cat/1205

Phần 2: Mô tả số liệu

200

300

400

500

600

700

800

900

2009 2010 2011 2012 2013 2014 2015

Y

(ĐVT: Nghìn lượt)

Hình 1: Đồ thị mô tả số lượt khách du lịch quốc tế đến Việt Nam giai

đoạn 1/2009 - 12/2015

300

400

500

600

700

I II III IV I II III IV I II III IV I II

Y

(ĐVT: Nghìn lượt)

Hình 2: Đồ thị mô tả số lượng khách du lịch quốc tế đến Việt Nam

giai đoạn 1/2009 – 4/2012

 Nhận xét

- Đồ thị có tính xu thế và tính thời vụ khá rõ rệt, đường mô tả số lượt khách du lịch quốc tế đến Việt Nam có xu hướng tăng qua các năm

- Số lượt khách du lịch quốc tế đến Việt Nam có xu hướng biến động tăng mạnh ở khoảng thời gian từ tháng 12 đến tháng 2

- Số lượt khách du lịch quốc tế đến Việt Nam biến động giảm mạnh vào khoảng thời gian tháng 7 đến tháng 9

1

2

3

4

5

6

7

8

9

250 300 350 400 450 500 550 600 650 700 750 800 850

Series: Y Sample 2009M01 2015M12 Observations 84

Mean 531.3505 Median 550.7110 Maximum 842.0260 Minimum 227.8590 Std Dev 140.5885 Skewness -0.145234 Kurtosis 2.229425 Jarque-Bera 2.373553 Probability 0.305204

Hình 3: Đồ thị tần suất mô tả số lượt khách du lịch quốc tế đến Việt

Nam giai đoạn 1/2009 đến 1/2015

 Nhận xét:

- Sample 2009M01 2015M12: Mẫu từ tháng 1 năm 2009 đến tháng

12 năm 2015

- Observations (Số quan sát): 84

- Mean: Trung bình lượt khách du lịch quốc tế đến Việt Nam từ tháng 1/2009 đến tháng 12/2015 là 531.3505 nghìn lượt người

- Median (Số trung vị): 550.7110

- Maximum (Số lượt khách du lịch quốc tế đến cao nhất): 842.0260

- Minimum (Số lượt khách du lịch quốc tế đến thấp nhất): 227.8590

- Std Dev (Độ lệch chuẩn): 140.5885

- Skewness (Độ bất đối xứng): - 0.145234 < 0 chứng tỏ phân phối này gần như đối xứng

- Kurtosis (Độ nhọn): 2.229425 < 3 cho thấy các giá trị phân phối này xuất hiện 2 bến ít hơn

- Jarque-Bera: Kiểm định chuỗi có phân phối chuẩn hay không Thống kê J-B càng tiến tới 0 thì càng dễ có phân phối chuẩn

- Probability: 0.305204 < 0.05 chứng tỏ chuỗi không có phân phối chuẩn

Phần 3: Xây dựng mô hình dự báo

3.1Mô hình xu thế tuyến tính

Dạng mô hình: Y t = β0 + β1 TIME t

Trong đó: Y t là số lượt khách du lịch quốc tế đến Việt Nam

β0, β1 là các hệ số của mô hình

Bảng hồi quy:

Dependent Variable: Y

Method: Least Squares

Date: 05/25/16 Time: 16:41

Sample: 2009M01 2015M07

Included observations: 79

Variable Coefficient Std Error t-Statistic Prob.

C 323.3892 18.14221 17.82524 0.0000 TIME 4.953084 0.394024 12.57053 0.0000

R-squared 0.672366 Mean dependent var 521.5126 Adjusted R-squared 0.668111 S.D dependent var 138.6248 S.E of regression 79.86148 Akaike info criterion 11.62345 Sum squared resid 491095.0 Schwarz criterion 11.68344 Log likelihood -457.1265 Hannan-Quinn criter 11.64749 F-statistic 158.0182 Durbin-Watson stat 0.818043 Prob(F-statistic) 0.000000

- Mô hình xu thế tuyến tính: Y = 323.389 + 4.953*TIME

- Kiểm định:

Ta có: Prob(F – statistic) = 0.000000 < 0.05 → Mô hình có tính xu thế

R2 = 0.672366 độ tin cậy tương đối cao, mô hình ước lượng giải thích được 67.2% biến động của biến phụ thuộc Y Mô hình có năng lực trong

dự báo các giá trị của Y

3.2Mô hình xu thế bậc 2

Dạng mô hình: Y t = β0 + β1 TIME t + β2TIME t2

Bảng hồi quy:

Dependent Variable: Y

Method: Least Squares

Date: 05/25/16 Time: 16:45

Sample: 2009M01 2015M07

Included observations: 79

Variable Coefficient Std Error t-Statistic Prob.

C 256.5808 25.91540 9.900707 0.0000

TIME 9.901855 1.495073 6.622990 0.0000 TIME2 -0.061860 0.018109 -3.415886 0.0010 R-squared 0.715972 Mean dependent var 521.5126 Adjusted R-squared 0.708498 S.D dependent var 138.6248 S.E of regression 74.84478 Akaike info criterion 11.50594 Sum squared resid 425732.3 Schwarz criterion 11.59592 Log likelihood -451.4848 Hannan-Quinn criter 11.54199 F-statistic 95.78985 Durbin-Watson stat 0.943234 Prob(F-statistic) 0.000000

- Mô hình xu thế bậc 2: Y = 256.581 + 9.901*TIME – 0.062*TIME2

- Kiểm định:

Ta có: Prob(F – statistic) = 0.000000 < 0.05 → Mô hình có tính xu thế

R2 = 0.715972 độ tin cậy tương đối cao, mô hình ước lượng giải thích được 71.6% biến động của biến phụ thuộc Y Mô hình có năng lực trong

dự báo các giá trị của Y

3.3Mô hình xu thế dạng mũ

Không có mô hình xu thế dạng mũ

→ Nhận xét

Mô hình xu thế tuyến tính

Mô hình xu thế bậc 2

S.E or regression 79.86148 74.84478

Durbin – Watson stat 0.818043 0.943234

Ta thấy: R – squared mô hình bậc 2 lớn nhất, AIC mô hình bậc 2 nhỏ nhất, Durbin – Watson stat mô hình bậc 2 lớn nhất và SIC mô hình 2 nhỏ nhất → Mô hình xu thế bậc 2 là mô hình có khả năng dự báo xu thế tốt nhất Chuỗi giá trị có tính xu thế phi tuyến

Phần 4: Kiểm định tính thời vụ

4.1 Mô hình không ràng buộc

Dependent Variable: Y

Method: Least Squares

Date: 05/25/16 Time: 17:16

Sample: 2009M01 2015M07

Included observations: 79

Variable Coefficient Std Error t-Statistic Prob TIME 10.34092 1.066692 9.694377 0.0000 TIME2 -0.066121 0.012929 -5.114196 0.0000 D1 324.7555 25.73178 12.62079 0.0000 D2 338.0746 25.86365 13.07142 0.0000 D3 268.1587 25.98444 10.31997 0.0000 D4 282.8675 26.09422 10.84024 0.0000 D5 209.7260 26.19307 8.006926 0.0000 D6 171.2276 26.28116 6.515224 0.0000 D7 205.7728 26.35870 7.806637 0.0000 D8 239.2025 28.14820 8.497968 0.0000 D9 163.3826 28.26200 5.780998 0.0000 D10 198.2074 28.36388 6.988019 0.0000 D11 285.5059 28.45394 10.03397 0.0000 D12 279.0400 28.53230 9.779793 0.0000 R-squared 0.879557 Mean dependent var 521.5126 Adjusted R-squared 0.855468 S.D dependent var 138.6248 S.E of regression 52.70143 Akaike info criterion 10.92653 Sum squared resid 180533.7 Schwarz criterion 11.34643 Log likelihood -417.5980 Hannan-Quinn criter 11.09476 Durbin-Watson stat 1.139895

4.2 Mô hình có ràng buộc

Dependent Variable: Y

Method: Least Squares

Date: 05/25/16 Time: 17:18

Sample: 2009M01 2015M07

Included observations: 79

Variable Coefficient Std Error t-Statistic Prob.

C 256.5808 25.91540 9.900707 0.0000 TIME 9.901855 1.495073 6.622990 0.0000 TIME2 -0.061860 0.018109 -3.415886 0.0010 R-squared 0.715972 Mean dependent var 521.5126 Adjusted R-squared 0.708498 S.D dependent var 138.6248 S.E of regression 74.84478 Akaike info criterion 11.50594 Sum squared resid 425732.3 Schwarz criterion 11.59592 Log likelihood -451.4848 Hannan-Quinn criter 11.54199 F-statistic 95.78985 Durbin-Watson stat 0.943234 Prob(F-statistic) 0.000000

Áp dụng công thức:

F qs = (SSR R−SSR UR)/m

SSR /(T −k)

Thay số liệu ta có:

F qs = (425732.3−180533.7)/11180533.7 /(79−14 ) = 8.026

F m,(T −k) = F11,65 = 1.917

So sánh: F qs > F trabảng → Bác bỏ H0, vậy mô hình có tính thời vụ

Phần 5: Dự báo cho 5 quan sát cuối cùng, tính các sai số

Mô hình dự báo:

Y = 10.34092*TIME – 0.066121*TIME2 + 324.7555*D1 + 338.0746*D2 + 268.1587*D3 + 282.8675*D4 + 209.7260*D5 + 171.2276*D6 + 205.7728*D7

+ 239.2025*D8 + 163.3826*D9 + 198.2074*D10 + 285.5059*D11 + 279.0400*

D12 + ε t

 Khoảng tin cậy p = 1 – α, với α = 5% của Y^T +h là:

[Y^T +h - Z α/2 σ^ ; Y^T +h + Z α/2 σ^] Trong đó: Y^T +h là giá trị dự báo tại thời điểm T+h

Z α/2 là giá trị tới hạn tra ở bảng tuần hoàn

σ^ là sai số chuẩn của hồi quy xu thế

h là tầm xa của dự báo

Ta có: Z0.05/ 2 = 1.96 ; σ^ = 52.70143

Bảng số liệu:

E TIME

2 Dự báo điểm (^Y )

Cận trên Cận dưới b1 10.340

9 2015M0

8

664.98

5

80 6400 643.302 746.597 540.007 b2 -0.0661

2015M0

9

626.32

4

81 6561 567.177 670.472 463.882 b8 239.20

3 2015M1

0 649.099 82 6724 601.565 704.860 498.270 b9 163.383 2015M1

1 732.740 83 6889 688.295 791.589 585.000 b10 198.207 2015M1

2

760.79

8

84 7056 681.128 784.422 577.833 b1

1

285.50 6 b1 2

279.04 0

 Tính sai số

Năm Giá trị dự báo Giá trị thực tế Sai số

2015M10 601.565 649.099 47.534

 Đồ thị

2015M080 2015M09 2015M10 2015M11 2015M12

100

200

300

400

500

600

700

800

900

Đồ thị thể hiện kết quả của dự báo 5 tháng cuối năm 2015

Thực tế

Dự báo Cận trên Cận dưới

 Nhận xét

Dựa vào đồ thị và bảng số liệu ta thấy số lượt khách du lịch quốc tế đến Việt Nam của 5 tháng cuối năm 2015 có sự khác biệt so với dự báo Nguyên nhân chính có thể là do nhu cầu, sở thích đã tác động đến

sự thay đổi của lượng khách du lịch quốc tế đến Việt Nam Từ thực tế trên có thể rút ra nhận xét, sự thay đổi của số lượng khách du lịch không những phụ thuộc vào thời gian, mùa vụ mà đôi khi nó còn phụ thuộc vào yếu tố khác như: khủng hoảng kinh tế toàn cầu,… Từ đó đòi hỏi nhà kinh tế khi làm dự báo cần tìm hiểu nhiều thông tin, nắm chắc

về kiến thức như vậy mới có mô hình chính xác để dự báo, đạt được hiệu quả cao