B: Nhận Xét Về Quá Trình Điều Tra, Xử Lý Số Liệu

82. Eagles, PF.J., J.W Cascagnette. 1995. "Canadian ecotourists: Who are they?",

Tourism recreation research, vol. 20, no. 1, pp. 22-28.

83. Eagles, P, B. Higgins. 1998. "Ecotourism market and industry structure", Ecotourism: A guide for planners and managers, vol. 2, The Ecotourism Society, North Bennington, Vermon.

84. Freeman III, A.M (1993), The Measurement of environmental and resouces value – theory and method, Washington D.C: Resource for Future.

85. Gujarati, Damodar N (1988), Basic econometrics, McGraw-Hill Book Company, Singapo.

86. (The) International Ecotourism Society - TIES (2006), TIES global ecotourism fact sheet, Washington, DC, USA.

87. Honey, M. (2008), Ecotourism and sustainnable development: who owns paradise ?, 2nd endition, Island Press, Washington, D.C., U.S.A.

88. Jonker, J. A (2004), Critical success factor, University of Pretorya, Chapter 3

89. Lindberg, K., R.M. Huber, Jr. (1993), "Economic issues in ecotourism management", Ecotourism: A guide for panners and managers, Vol. 1, The Ecotourism Society, North Bennington, Vermont.

90. Lindberg, K., J. Enriquez (1994), An Analysis of ecotoutism's economic conttibution to conservation and development in Belize, Vol. 2, World Wildlife Fund, Washington, D.C.

91. Meng Shiunn Lee, Ya Han San, and Yu Ru Hsu (2011), “A study of the key success factors of the ecotourism industry in Taiwan”, African Journal of business management, Vol. 5(2), pp. 627-640.

92. Mohd Nawayai Yasak (1998), "Development of ecotourism in Malaixia",

Report of department of wildlife and national park Malaixia, Malaixia.

93. Olsen, D (1998), Changing expectatioms for travel and tourism enterprises by the invertment community, Virginia, USA

94. Park, Hun Myoung (2010), Regression models for binary dependent variables using Stata, SAS, R, LIMDEP, and SPSS*, University information technology services, Indiana university, USA.

95. Ralf Knoll (2006), Critical success factor (CSF) analysis or the establishment

of home networks using Plastic Optical Fiber, VDE/ITG Fachgruppe 5.4.1, bfe Oldenburg, Germany.

96. Ricardo Manurung (2002), "Ecotourism in Indonesia", Linking green productivity to Ecotourism: Experiences in the Asia Pacific region, APO - Tokyo.

97. Roby Ardiwidjaja (2008), “Strategic sustainable tourism development in Indonesia”, publish of Ministry of Culture and Tourism of the Republic of Indonesia, Indonexia.

98. Rockart, John F. (1981), "A primer on critical success factors" published in The rise of managerial computing: The best of the center for information systems research, edited with Christine V. Bullen. (Homewood, IL: Dow Jones - Irwin).

99. Scott Parker & Anshuman Khare (2005), “Understanding success factors for ensuring sustainability in ecotourism development in Southern Africa”, Journal of ecotourism, Vol. 4, Issue 1.

100. Tsung-Wei Lai (2002), "Ecotourism in Australia", Linking green productivity to ecotourism: Experiences in the Asia Pacific region, APO - Tokyo.

101. VunsadetThavarasukha (2002)," Ecotourism case studies in Thailand", Linking green productivity to Ecotourism: Experiences in the Asia Pacific Region, APO - Tokyo.

102. Western, D. (1993), Defining ecotourism, The Ecotourist society, North Bennington, Vermont, USA.

103. Wooldridge, Jeffrey M. (2005), “Econometric analysis of cross section and panel data”, The MIT press Cambridge, Massachusetts, London, England.

104. World Tourism Organization – UNWTO (2001), Declaring the year 2002 as the International Year of Ecotourism, UNWTO.

105. World Tourism Organization - UNWTO (2010), Magazine of the World Tourism Organization, Issue 2/2010.

106. World Tourism Organization - UNWTO (2011a), UNWTO annual report 2010, 2011 edition, UNWTO publications department.

107. World Tourism Organization - UNWTO (2011b), UNWTO Tourism highlights, 2011 edition, UNWTO publications department.

Trang Internet tiếng Việt

108. http://www.nhandan.com.vn/cmlink/nhandandientu/thoisu/trang-tphcm/tin- chung/vi-sao-nhi-u-ng-i-thich-i-du-l-ch-n-c-ngoai-1.306014, Băng Châu (2011), “Vì sao nhiều người "thích" đi du lịch nước ngoài?” Báo Nhân dân điện tử, Hà Nội, truy cập ngày 29/9/2011.

109. http://dulich.tuoitre.vn/Index.aspx?ArticleID=395992&ChannelID=100, “Miền Trung xây dựng điểm đến quốc tế - Bài toán khó nhân lực cho ngành du lịch”, truy cập 10/12/2010.

110. http://www1.thuathienhue.gov.vn/portal_ge/Views/LevDetail.aspx?OneID=10 &TwoID=34, Cổng thông tin điện tử Thừa Thiên Huế - Danh thắng, truy cập 16/7/2010.

111. http://www.vietnamtourism.com/v_pages/tourist/travel.asp, Du lịch - Di sản và danh lam thắng cảnh, truy cập từ 02 - 15/3/2010.

Trang Internet tiếng Anh

112. http://www.ecotourism.org, The international ecotourism Society - TIES,

Ecotourism explorer, truy cập từ tháng 1/2010 - 7/2011"

113. http://www.wttc.org/research/economic-impact-research, World Travel & Tourism – WTTC, Economic impact research, truy cập 10/3/2010.

114. http://www.wttc.org/research/au. World Travel & Tourism Council – WTTC (2009), Ecotourism Australia, London,UK, truy cập 6/6/2010.

115. http://www.wttc.org/research/economic-impact-research, World Travel & Tourism – WTTC, Economic impact research, truy cập 12/11/2011.

PHỤ LỤC

Phụ lục 1a: MÔ HÌNH HỒI QUY PHI TUYẾN LOGIT

Để phân tích ảnh hưởng của các nhân tố đến xác suất xảy ra một biến cố nào đó bằng phương pháp địn h lượng, phần lớn các nghiên cứu trước đây, người ta mô hình hóa mối quan hệ này bởi một mô hình xác suất tuyến tính và kiểm định nó bằng phương pháp bình phương bé nhất OLS. Trong một số điều kiện nhất định, phương pháp này không đảm bảo độ chính xác của mô hình (Damodar N. Gujarati (1988) [85]; Jeffrey M. Wooldridge (2005) [103]. Kết quả kiểm định có thể bị sai lệch nhiều do nhược điểm của kiểm định bằng phương pháp bình phương bé nhất OLS là mô hình phải thõa mãn 5 điều kiện của mô hình xác suất tuyến tí nh (BLUE). Để khắc phục vấn đề này, Halvorsen và Palmquist (1980) và Kennedy (1981)

(dẫn theo Jeffrey M. Wooldridge, 2005) [103] sử dụng mô hình xác suất phi tuyến tính Logit và sử dụng phương pháp ước lượng hợp lý tối đa MLE (Maximum Likelihood Estimates) để kiểm định mô hình đưa ra. Ưu điểm của mô hình và phương pháp kiểm định MLE này là mô hình phi tuyến tính Logit không cần phải thõa mãn 5 điều kiện BLUE của mô hình xác suất tuyến tính với kiểm định OLS. Tuy nhiên mối quan hệ giữa các yếu tố với xác suất xảy ra biến cố là loại quan hệ hai tính chất tùy thuộc vào đặc tính của vấn đề, tức là nếu không xảy ra biến cố thì kết quả nhận được là không hoặc bằng zero, còn nếu xảy ra biến cố thì kết quả nhận được là có hoặc bằng 1. Điều đó có nghĩa là trong trườ ng hợp này mô hình lựa chọn nhị nguyên là mô hình phù hợp nhất . (Jeffrey M. Wooldridge, 2005) [103].

Trên thế giới hiện nay, người ta sử dụng 3 kỹ thuật để phân tích định lượng vấn đề này là phân tích xác suất tuyến tính, phân tích probit và phân tích logi t. Tuy nhiên, khi biến phụ thuộc là nhị nguyên , các giả thuyết của mô hình OLS là không thõa mãn. Vì vậy, mô hình xác suất tuyến tính là không phù hợp và việc này có thể giải quyết thông qua việc phân tích logit hoặc phân tích probit, mà ở đó nó bảo đảm xác suất dự đoán đúng nằm trong khoảng tin cậy (Cramer, J.S., 2003) [78]. Trong khuôn khổ của luận án nhằm để xác định ảnh hưởng của các nhân tố tác động đến nhu cầu du lịch sinh thái (DLST), chúng tôi sử dụng mô hình logit nhị nguyên.

Mô hình xác suất phi tuyến tính Logit có dạng:

Pi = E(Y = 1 | Xi) = β + Σβi.Xi

Trong đó: Xi (i=1÷n) là một véc tơ bao gồm các yếu tố ảnh hưởng đến xác suất xảy ra biến cố. Y = 1 có nghĩa là xảy ra biến cố. Ta có thể xem xét mô hình trên dưới dạng:

Pi  E (Y

 1 X i ) 

1  e

 (

i X i ) i  1

Trong đó: e là cơ số của Logarit tự nhiên;

Xi (i=1÷n) là véc tơ các nhân tố ảnh hưởng đến xác suất xảy ra đến nhu cầu

DLST của du khách

 và i (i=1÷n) là hệ số tự do và các hệ số của các nhân tố Xi;

Y = 1 có nghĩa là xảy ra biến cố tức du khách quyết định đi DLST. Ta đặt:

P i

1  e  Z i

(1)

Trong đó, Zi =  + i.Xi

Công thức (1) là hàm có phân phối logit. Zi nhận giá trị từ - đến +. Pi nhận giá trị từ 0 đến 1 và Pi có quan hệ phi tuyến với Zi (hàm của Xi ) và phi tuyến với các hệ số  và i.

Từ công thức (1) ta thấy, nếu Pi là xác suất xảy ra việc du khách quyết định đi DLST thì (1 - Pi) là xác suất không xảy ra việc đi DLST và:

1  P i

1  e Z i

(2)

Từ công thức (1) và công thức (2) ta có:

Pi 

1  e Z i

 e Z i

1  Pi

1  e  Z i

(3)

1  Pi

(4) được gọi một cách giản đơn là tỷ số xác suất của sự kiện

khách đi hay không có nhu cầu đi DLST (odds ratio).

Lấy Logarit của tỷ số (3) này ta có:

Li  ln(

Pi 1  Pi

)  Zi



i i  1

.Xi

(5)

Công thức (5) cho ta Li là Log của tỷ số 2 xác suất (4) trên và Log này không những tuyến tính với Xi mà còn tuyến tính với các hệ số i của chúng. Mô hình (5) được gọi là mô hình Logit.

- P nhận giá trị từ 0 đến 1 vì miền của Z là -∞ đến +∞ nên Logit của Li sẽ đi

từ -∞ đến +∞. Mặc dù Li là tuyến tính với Xi nhưng xác suất P của nó thì không.

Dựa vào công cụ tin học , chúng tối tiến hành xử lý số liệu trên chương trình LIMDEP phiên bản V8.0 với các biến độc lập để xem xét ảnh hưởng của chúng đối với sự phát triển khách DLST (nhu cầu DLST của du khách) .

Quá trình điều tra và quá trình xử lý số liệu đã được nhóm tư vấn của Thầy Thế Khải – Giảng viên Đại học Kỹ Thuật Louisiana góp ý (kèm theo mail xác nhận gửi từ mail của trường )

Phụ lục 1b: NHẬN XÉT VỀ QUÁ TRÌNH ĐIỀU TRA, XỬ LÝ SỐ LIỆU

(Hai mail xác nhận của nhóm tư vấn của Thầy Thế Khải – Giảng viên Đại học Kỹ

-------------------------------------------------

Thuật Louisiana, Mỹ gửi từ mail của trường)

Phụ lục 2a: KẾT QUẢ ƯỚC LƯỢNG HÀM LO GIT VỀ CÁC YẾU TỐ ẢNH HƯỞNG SỰ PHÁT TRIỂN KHÁCH DU LỊCH SINH THÁI ĐẾN VÙNG DU LỊCH BẮC TRUNG BỘ TRÊN PHẦN MỀM LIMDEP V8.0

----------------------------------------------------------------------------------------------------------------------

--> RESET

--> READ;FILE="D:QUYETTHANGDULIEUTHANGLUANVANTHANGdulieudieutraCHAYCHINH

...

--> LOGIT;Lhs=Y;Rhs=ONE,MD,TTIN,ANINH,GIA,LHINH,CSHT,TGIAN,TTET,BVMT,SPDT;Pds

;Margin$

Normal exit from iterations. Exit status=0.

+---------------------------------------------+

| Multinomial Logit Model |

| Maximum Likelihood Estimates |

| Model estimated: Aug 28, 2011 at 03:59:28PM.|

| Dependent variable Y |

| Weighting variable None |

| Number of observations 721 |

| Iterations completed 9 |

| Log likelihood function -92.82782 |

| Restricted log likelihood -462.7547 |

| Chi squared 739.8538 |

| Degrees of freedom 10 |

| Prob[ChiSqd > value] = .0000000 |

| Hosmer-Lemeshow chi-squared = 18.91135 |

| P-value= .00082 with deg.fr. = 4 |

+---------------------------------------------+

+---------+--------------+----------------+--------+---------+----------+

+---------+--------------+----------------+--------+---------+----------

Characteristics	in numerator of	Prob[Y =	1]
Constant	-12.1926522	2.72622144	-4.472		.0000
MD	2.27764876	.45542903	5.001	.0000	1.17737258
TTIN	1.98144127	.51225298	3.868	.0001	1.22427111
ANINH	3.02481621	.43998927	6.875	.0000	1.07924286
GIA	-.60097220	.33555717	-1.791	.0733	6.47792002
LHINH	-.00061415	.00270919	-.227	.8207	-5.94777529
CSHT	2.67372121	.48252100	5.541	.0000	1.10739714
TGIAN	1.47610359	.37620019	3.924	.0001	1.07359125
TTET	2.38549806	.41567272	5.739	.0000	.66019417
BVMT	3.58578038	.46630484	7.690	.0000	.71983356
SPDT	.71575304	.35910208	1.993	.0462	.77209836

-92.82782	-462.75473	-499.75912 \|
\| LR Statistic vs. MC	739.85381	.00000	.00000 \|
\| Degrees of Freedom	10.00000	.00000	.00000 \|
\| Prob. Value for LR	.00000	.00000	.00000 \|

Entropy for probs.	92.82782	462.75473	499.75912	\|
\|	Normalized Entropy	.18575	.92596	1.00000	\|
\|	Entropy Ratio Stat.	813.86259	74.00878	.00000	\|
\|	Bayes Info Criterion	251.46204	991.31585	1065.32463	\|
\|	BIC - BIC(no model)	813.86259	74.00878	.00000	\|
\|	Pseudo R-squared	.79940	.00000	.00000	\|
\|	Pct. Correct Prec.	95.00693	.00000	50.00000	\|
\|	Means: y=0 y=1	y=2 y=3	yu=4 y=5,	y=6 y>=7	\|
\|	Outcome .3412 .6588	.0000 .0000	.0000 .0000	.0000 .0000	\|
\|	Pred.Pr .3412 .6588	.0000 .0000	.0000 .0000	.0000 .0000	\|

.33020032	.07515862	4.393	.0000	.47176280
TTIN	.28725787	.08066704	3.561	.0004	.42675816
ANINH	.43852032	.07575377	5.789	.0000	.57430315
GIA	-.08712547	.04884329	-1.784	.0745	-.68487765
LHINH	-.890354D-04	.00039253	-.227	.8206	.00064261
CSHT	.38762060	.07313733	5.300	.0000	.52088583
TGIAN	.21399694	.05593908	3.826	.0001	.27879105
TTET	Marginal effect .42098506	for dummy variable is P\|1 .07969847 5.282		- P\|0. .0000	.33726453
BVMT	Marginal effect .66575581	for dummy variable is P\|1 .07104902 9.370		- P\|0. .0000	.58153967
SPDT	.10376573	.05213999 1.990		.0466	.09722073

ONE	\|	-1.76762	\|
\|	MD	\|	.33020	\|
\|	TTIN	\|	.28726	\|
\|	ANINH	\|	.43852	\|
\|	GIA	\|	-.08713	\|
\|	LHINH	\|	-.00009	\|
\|	CSHT	\|	.38762	\|
\|	TGIAN	\|	.21400	\|
\|	TTET	\|	.42099	\|
\|	BVMT	\|	.66576	\|
\|	SPDT	\|	.10377	\|