Mục tiêu nghiên cứu nhằm phân tích các nhân tô ảnh hưởng đếnphát triển du lịch sinh thái tại Khu bảo tồn đất ngập nước Láng Sen và đề xuất cáchàm ý chính sách phát triển du lịch sinh thá
Mô hình nghiên cứu và thiết kế thang đo - 22-22 5222++2sz£z+zxzzs+ 23 2,5 1 NG hin Re HSH GU sua esskb6iaGi6ssuga066100422865588u666863061595093863839583839 6/0636 4085835490086 23 2 Cà ah 28 2.3 Quy trình và phương pháp nghiên cứu -+5255+5+2++<+x+<sx<s2 32 2.3.1 Quy trình DENIC CU coi esses eer aR 32 2.3.2 Phitong Phap NECN: cứu eeseieseekiikbskisieiieeusainogsuscideseiDocu BD
Phương pháp điều tra, thu thập dit liệu -25-szcse=s.-c
a Thu thập dữ liệu thứ cấp
Các dữ liệu về cơ cấu tổ chúc, các loại hình du lịch và tình hình hoạt động củaKhu bảo tồn đất ngập nước Láng Sen.
Các số liệu về đặc điểm và hoạt động của khu bảo tồn, cũng như thông tin về đa dạng sinh học và tác động của du lịch đến bảo tồn thiên nhiên, đã được thu thập từ các cơ quan liên quan tại huyện Tân Hưng, tỉnh Long An.
Đề tài này tổng hợp tài liệu và kết quả nghiên cứu đã công bố, bao gồm các luận văn và bài báo khoa học liên quan để hoàn thiện cơ sở lý luận Ngoài ra, việc thu thập dữ liệu sơ cấp cũng được thực hiện để tăng cường độ tin cậy của nghiên cứu.
Đề tài nghiên cứu sử dụng phương pháp chọn mẫu ngẫu nhiên và thuận tiện, tập trung vào việc lấy mẫu dựa trên sự dễ tiếp cận của khách du lịch Phương pháp này cho phép khảo sát các đối tượng nghiên cứu một cách hiệu quả, đảm bảo tính khả thi trong việc thu thập dữ liệu từ nhóm đối tượng chính.
Theo Hair và cộng sự (1998) kích cỡ mẫu được xác định dựa vào mức tối thiểu và sô lượng biên đưa vào mô hình.
P¡: Số biến quan sát của thang đo thứ j (j=1 đến t) k: Tỉ lệ của số quan sát so với biến quan sát (5/1 hoặc 10/1)
Thì n là: Nếu n < 50, chọn n = 50 (Số lượng mẫu tối thiểu)
Nếu n > 50, chọn qui mô mẫu là n
Dựa vào công thức tính số lượng mau, trong dé tài này số lượng mẫu: n = 5*38
Cỡ mẫu tối thiểu được xác định là 190 mẫu, với 190 phiếu phỏng vấn trực tiếp được thực hiện với du khách trên 18 tuổi tại Khu bảo tồn đất ngập nước Láng Sen, huyện Tân Hưng, tỉnh Long An Mục đích của khảo sát này là để đánh giá mức độ ảnh hưởng của các yếu tố đến sự phát triển du lịch sinh thái tại khu vực này.
2.3.2.2 Phương pháp phân tích dữ liệu
Số liệu, tài liệu thứ cấp thu thập được nhập và xử lý, tông hợp bằng phần mềm excel.
Số liệu, dữ liệu, sơ cấp được thu thập sau đó nhập và xử lý bằng phần mềm
SPSS.20. a Thống kê mô tả
Thông tin về đặc điểm cá nhân của người tham gia khảo sát cùng với số điểm trung bình của từng thang đo và biến quan sát đã được thống kê mô tả thông qua phần mềm SPSS 20.
Theo Ngô Thị Thuận cùng các cộng sự (2006), mức hai long cua đối tượng khảo sát được thể hiện như sau:
Gia trị khoảng cách = (Maximum - Minimum)/n = (5-1)/5 = 0,8 Ý nghĩa các mức như sau:
1,00 - 1,80: Rất không đồng ý/ Rất không hài lòng/ Rất không quan trọng 1,81 - 2,60: Không đồng ý/ Không hài lòng/ Không quan trọng
3,41 - 4,20: Đồng ý/ Hai lòng/ Quan trọng
4,21 - 5,00: Rất đồng ý/ Rat hai lòng/ Rat quan trọng b Phương pháp phân tích đánh giá độ tin cậy thang đo Cronbach’s Alpha
Hệ số Alpha của Cronbach’s là một công cụ thống kê quan trọng để đánh giá mức độ liên kết giữa các mục hỏi trong thang đo Để đảm bảo độ tin cậy của thang đo, hệ số này cần có giá trị từ 0,6 trở lên, với các mức phân loại cụ thể: từ 0,8 đến gần 1 cho thang đo tốt, từ 0,7 đến gần 0,8 cho thang đo sử dụng tốt Phân tích nhân tố khám phá EFA cũng là một phương pháp hữu ích trong việc đánh giá cấu trúc của các biến trong nghiên cứu.
Sau khi phân tích độ tin cậy bằng Cronbach’s Alpha và loại bỏ các biến không đạt yêu cầu, phân tích nhân tố được thực hiện để nhóm các biến lại với nhau, đánh giá mức độ hội tụ và giá trị phân biệt của các nhân tố Cần chú ý đến hệ số KMO (Kaiser-Meyer-Olkin), với giá trị từ 0,5 đến 1 cho thấy sự phù hợp của phân tích nhân tố Kiểm định Bartlett (Bartlett’s test of sphericity) cần có ý nghĩa thống kê với Sig < 0,05 để khẳng định các biến quan sát có mối tương quan Hệ số tải nhân tố (Factor Loading) cho biết mức độ tương quan giữa các biến và nhân tố, với giá trị lớn hơn 0,5 cho thấy mối quan hệ chặt chẽ, còn những biến có hệ số tải < 0,5 sẽ bị loại Phân tích nhân tố sử dụng phương pháp Principal Component Analysis với phép xoay Varimax và dừng lại khi trích các yếu tố có trị số Eigenvalue lớn hơn 1, vì các yếu tố có Eigenvalue < 1 không cung cấp thông tin tốt hơn biến gốc.
1 Thang do được chấp nhận khi tổng phương sai trích > 50% (Hair và cộng sự, 1988).
Các factor scores sẽ được lưu lại để phục vụ cho việc xây dựng mô hình hồi quy ở bước tiếp theo. d Phương pháp hồi quy
Sau khi kiểm định và ước lượng các yếu tố khảo sát, kết quả được sử dụng để ước lượng mô hình hồi quy tuyến tính bằng phương pháp tông bình phương nhỏ nhất (OLS) với phương pháp Enter Theo Nguyễn Đình Thọ (2011), phương pháp Enter là lựa chọn phù hợp hơn cho các nghiên cứu kiểm định.
Phân tích hồi quy xác định mối quan hệ giữa biến phụ thuộc và các biến độc lập, giúp dự đoán giá trị của biến phụ thuộc dựa trên giá trị của biến độc lập Đây là phương pháp phổ biến nhất trong nghiên cứu thống kê, với phương trình mô tả hình thức của mối liên hệ.
Yi = Bo + Bi* TNi + Bo*CNi + Bs*HTi + Ba* ANi + Bs#CS¡ + Bo-CPi+ ei
Yi : Biến phụ thuộc (Phát triển DLST)
Các biến độc lập bao gồm:
TNi: Tai nguyên thiên nhiên
CN:: Tài nguyên con người
HT;: Cơ sở vật chất và hạ tầng
AN:: An ninh trật tự
CS¡: Chính sách quản lý du lịch
CP;: Chi phi du lịch
Bi, Ba Bs, Ba, Bs, Bo: là các hệ số hồi quy. ei: Sai SỐ.
Phương pháp kiểm định vi phạm và đánh giá mô hình hồi quy:
Kết quả phân tích hồi quy
Kiểm định F là một phương pháp kiểm tra giả thuyết nhằm đánh giá độ phù hợp của mô hình hồi quy tuyến tính, xác định xem biến phụ thuộc có mối liên hệ tuyến tính với tất cả các biến độc lập hay không Giá trị thống kê F của mô hình hồi quy đạt Sig = 0,000 (< 0,05), cho thấy mô hình phù hợp với tập dữ liệu và các biến đều đạt tiêu chuẩn chấp nhận (Tolerance > 0,0001).
Hệ số R² thể hiện tỷ lệ phần trăm biến động của biến phụ thuộc (Y) được giải thích bởi các biến độc lập (X) trong mô hình Khi R² = 1, mô hình hồi quy hoàn toàn phù hợp, trong khi R² = 0 cho thấy không có mối quan hệ giữa X và Y Hệ số xác định R² không giảm khi thêm biến độc lập vào mô hình, dẫn đến R² điều chỉnh (Adjusted R Square) được sử dụng để phản ánh chính xác hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến, vì nó không bị ảnh hưởng bởi sự tăng lên của R² Giá trị R² điều chỉnh thể hiện độ thích hợp của mô hình.
Kiểm định vi phạm các giả định cơ bản của mô hình hồi quy tuyến tính là rất quan trọng Để nhận diện hiện tượng đa cộng tuyến, ta có thể sử dụng hệ số phóng đại phương sai (VIF) Khi chỉ số Tolerance nhỏ, điều này cho thấy VIF sẽ lớn, từ đó chỉ ra sự tồn tại của đa cộng tuyến trong mô hình.
Để nhận diện hiện tượng đa cộng tuyến, có thể sử dụng hệ số phóng đại phương sai (VIF) Khi chỉ số Tolerance nhỏ, VIF sẽ lớn, và nếu VIF vượt quá 10, đó là dấu hiệu rõ ràng cho thấy sự tồn tại của đa cộng tuyến.
Kiểm định phương sai của sai số không đổi (Heteroskedasticity) Đặt Ho: Mô hình không vi phạm gia định phương sai sai số thay đôi
Tra bảng Chi bình phương có +? a, (k-1) nếu:
W