Theo thống kê mô tả Đặc thù địa phương (bảng 4.10) cho thấy, khách du lịch đánh giá khá cao nhân tố Đặc thù địa phương. Cao nhất là biến quan sát DACTHU09 (Đặc sản địa phương hấp dẫn, mới lạ so với các nơi khác) với Mean là 3,77. Các biến quan sát còn lại cũng được khách du lịch đánh giá cao.
Bảng 4.10: Thống kê mô tả Đặc thù địa phương
Đặc thù địa phương N Minimu m Maximu m Mean Std. Deviation
Statistic Statistic Statistic Statistic Std. Error Statistic
DACTHU01 322 1 5 3,70 ,039 ,695 DACTHU02 322 1 5 3,54 ,051 ,914 DACTHU03 322 2 5 3,70 ,041 ,735 DACTHU04 322 2 5 3,68 ,041 ,728 DACTHU05 322 2 5 3,52 ,040 ,720 DACTHU06 322 1 5 3,56 ,043 ,780 DACTHU07 322 1 5 3,52 ,045 ,813 DACTHU08 322 2 5 3,63 ,042 ,751 DACTHU09 322 2 5 3,77 ,039 ,705
4.2.11 Sự hài lòng của khách hàng
Theo kết quả thống kê (bảng 4.11) cho thấy, biến quan sát HAILONG01 (Đà Lạt đáp ứng được các kỳ vọng của khách hàng đối với Đà Lạt) được đánh giá khá cao có Mean là 3,72. Hai biến quan sát còn lại là HAILONG02 (Anh/Chị hài lòng với các hoạt động dịch vụ du lịch của Điểm đến Đà Lat đang sử dụng) và HAILONG03 (Chất lượng dịch vụ du lịch tại Đà Lạt làm Anh/Chị hài lòng hơn so với nơi khác) cũng được khách hàng đánh giá khá cao có Mean lần lượt là 3,61 và 3,59.
Bảng 4.11: Thống kê mô tả Sự hài lòng của khách hàng
Sự hài lòng N Minimum Maximum Mean
Std. Deviation
Statistic Statistic Statistic Statistic Std. Error Statistic
HAILONG01 322 2 5 3,72 ,039 ,696 HAILONG02 322 2 5 3,61 ,036 ,643 HAILONG03 322 2 5 3,59 ,036 ,646
4.3 Kiểm định độ tin cậy của các thang đo
Việc kiểm định độ tin cậy các thang đo của nhân tố là cần thiết nhằm đo lường mức độ liên kết giữa các biến trong thang đo. Các nghiên cứu trước đã chỉ ra rằng, các biến có hệ số tương quan biến tổng lớn hơn 0,3 và có hệ số tin cậy Cronbach’s Alpha từ 0,6 trở lên mới được chấp nhận.
Hệ số tin cậy thang đo các nhân tố trong mô hình nghiên cứu thể hiện chi tiết như sau (bảng 4.12):
Bảng 4.12: Hệ số tin cậy thang đo các nhân tố
Biến quan sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến tổng
Hệ số Cronbach’s Alpha nếu loại
biến
ĐỘ TIN CẬY (N = 4) Cronbach’s Alpha = 0,707
TINCA01 10,14 3,219 0,576 0,597 TINCA02 10,13 3,310 0,660 0,566 TINCA03 10,15 3,438 0,557 0,616 TINCA04 10,37 3,076 0,314 0,811 SỰ ĐÁP ỨNG (N = 4) Cronbach’s Alpha = 0,87 DAPU01 10,48 3,378 0,648 0,862 DAPU02 10,48 3,073 0,810 0,799 DAPU03 10,45 2,952 0,781 0,809 DAPU04 10,43 3,287 0,658 0,859 SỰ ĐỒNG CẢM (N = 3) Cronbach’s Alpha = 0,633 DONGCA01 6,62 1,538 0,388 0,608 DONGCA02 6,69 1,323 0,543 0,388 DONGCA03 6,72 1,499 0,402 0,590
NĂNG LỰC PHỤC VỤ (N = 4) Cronbach’s Alpha = 0,832
NANGLU01 10,53 3,147 0,505 0,856 NANGLU02 10,48 2,724 0,759 0,743 NANGLU03 10,36 2,748 0,739 0,752 NANGLU04 10,25 2,926 0,655 0,790
PHƯƠNG TIỆN HỮU HÌNH (N = 6) Cronbach’s Alpha = 0,814
PHUONGT03 18,74 6,967 0,374 0,831 PHUONGT04 18,62 6,716 0,583 0,785 PHUONGT05 18,62 6,654 0,613 0,779 PHUONGT06 18,70 6,349 0,643 0,771
PHUONGT07 18,65 6,210 0,656 0,767 PHUONGT08 18,64 6,045 0,629 0,773
ĐẶC THÙ ĐỊA PHƯƠNG (N = 9) Cronbach’s Alpha = 0,859
DACTHU01 28,91 19,350 0,375 0,862 DACTHU02 29,07 17,459 0,502 0,855 DACTHU03 28,91 17,771 0,616 0,841 DACTHU04 28,93 17,435 0,685 0,834 DACTHU05 29,09 17,779 0,631 0,839 DACTHU06 29,06 17,417 0,629 0,839 DACTHU07 29,10 17,689 0,552 0,847 DACTHU08 28,98 17,601 0,629 0,839 DACTHU09 28,84 17,621 0,677 0,835
SỰ HÀI LÒNG (N = 3) Cronbach’s Alpha = 0,855
HAILONG01 7,20 1,529 0,608 0,913 HAILONG02 7,30 1,415 0,804 0,726 HAILONG03 7,33 1,429 0,784 0,745
Nguồn: số liệu điều tra và phân tích trên SPSS 20
Kết quả phân tích hệ số tin cậy Cronbach’s Alpha các thang đo trong mô hình nghiên cứu cho thấy, ngoại trừ 2 biến quan sát PHUONGT01 và PHUONGT02 có hệ số tương quan với biến tổng nhỏ hơn 0,3 (0,246; 0,231 <0,3), các biến quan sát đều có hệ số tương quan với biến tổng lớn hơn 0,3 và hệ số tin cậy của các nhân tố mới hình thành đều đạt ngưỡng cao từ 0,633 đến 0,87 đều lớn hơn 0,6, nên các thang đo Độ tin cậy, Sự đáp ứng, Sự đồng cảm, Năng lực phục vụ, Phương tiện hữu hình, Đặc thù địa phương và Sự hài lòngđều đạt yêu cầu. Để đảm bảo độ tin cậy cho các bước phân tích tiếp theo loại bỏ 2 biến quan sát PHUONGT01 và PHUONGT02.
4.4 Phân tích nhân tố khám phá của các thang đo
4.4.1 Thang đo các nhân tố ảnh hưởng đến sự hài lòng
Phân tích nhân tố khám phá các thang đo ảnh hưởng đến sự hài lòng khách hàng (bảng 4.13) cho thấy các biến quan sát có tương quan với nhau trên tổng thể. Bên cạnh đó, hệ số KMO khá cao 0,876 (0,876 > 0,5) và sig = 0,000 < 0,05 kết quả này chứng tỏ dữ liệu phù hợp để phân tích bước tiếp theo, phân tích nhân tố EFA.
Bảng 4.13: Kết quả định KMO và Bartlett’s
Đo lường độ xác thực của dữ liệu trong mẫu nghiên cứu (KMO) 0,876
Kiểm định Bartlett
Giá trị chi bình phương (ChiSquare) 4157,648 Bậc tự do (df) 276
Mức ý nghĩa 0,000
Trong nghiên cứu này, sử dụng kỹ thuật phân tích nhân tố (Factor analysis) nhằm rút gọn và gom các biến quan sát đó lại thành một nhân tố mới có ý nghĩa hơn, ít hơn về mặt số lượng. Xác định mối quan hệ phụ thuộc lẫn nhau giữa các biến thông qua phân tích nhân tố.
Trong công trình nghiên cứu của Hair và cộng sự (1999) có rất nhiều vấn đề cần phải xử lý trong việc phân tích nhân tố khám phá EFA. Trước tiên, cần phải xác định mục tiêu nghiên cứu, các biến trong mô hình phân tích nhân tố phải cụ thể. Phân tích nhân tố đòi hỏi người nghiên cứu phải xác định trước một số vấn đề như: số lượng các nhân tố cần phân tích, phương pháp sử dụng để đảo trục nhân tố, cũng như điều kiện hệ số tương quan ngưỡng để loại bỏ các nhân tố.
Trong nghiên cứu, thường số nhân tố sau khi xử lý ít hơn số biến ban đầu. Có nhiều cách để xác định số nhân tố phù hợp, chẳng hạn như:
Quyết định trước số nhân tố
Quyết định dựa vào phương sai tổng hợp của từng nhân tố (Eigenvalue), trong cách tiếp cận này có những nhân tố có phương sai tổng hợp lớn hơn 1 mới được đưa vào mô hình.
Quyết định dựa vào phần trăm phương sai của từng nhân tố. Số lượng nhân tố được chọn vào mô hình phải có tổng phương sai tích lũy giữa hai nhân tố ít nhất là 0,5 thì mới
xem là đạt yêu cầu và chỉ số 0,5 được xem là điểm ngưỡng để loại bỏ các câu hỏi khác trong phân tích nhân tố khám phá.
Kết quả phân tích nhân tố khám phá các thang đo ảnh hưởng đến sự hài lòng khách du lịch cho thấy các nhân tố mới này có giá trị Eigenvalue = 1,159 thỏa mãn điều kiện Kaiser lớn hơn 1, Phương sai trích 64,262 % > 50 %, đảm bảo hình thành nhân tố mới. Như vậy mô hình cuối cùng được hình thành từ kết quả phân tích nhân tố (bảng 4.14) bao gồm 5 nhân tố và 24 biến như sau:
Nhân tố thứ nhất bao gồm các biến quan sát DACTHU03, DACTHU04, DACTHU05, DACTHU06, DACTHU07, DACTHU08, DACTHU09 được đặt tên là “Đặc thù địa phương”.
Nhân tố thứ hai bao gồm các biến quan sát PHUONGT04, PHUONGT05, PHUONGT06, PHUONGT07, PHUONGT08, DACTHU01 được đặt tên là “Phương tiện hữu hình”.
Nhân tố thứ ba bao gồm các biến quan sát DAPU01, DAPU02, DAPU03, DAPU04 được đặt tên là “Sự đáp ứng”.
Nhân tố thứ tư bao gồm các biến quan sát NANGLU01, NANGLU02, NANGLU03, NANGLU04 được đặt tên là “Năng lực phục vụ”.
Nhân tố thứ năm bao gồm các biến quan sát TINCA01, TINCA02, TINCA03, được đặt tên là “Độ tin cậy”.
Bảng 4.14: Kết quả phân tích nhân tố EFA
Rotated Component Matrixa
Component 1 2 3 4 5 DACTHU06 ,826 DACTHU05 ,807 DACTHU04 ,728 DACTHU08 ,666 DACTHU07 ,622 DACTHU03 ,550 DACTHU09 ,533 PHUONGT06 ,797 PHUONGT05 ,772 PHUONGT07 ,729 PHUONGT08 ,724 PHUONGT04 ,691 DACTHU01 ,609 DAPU02 ,881 DAPU03 ,826 DAPU01 ,734 DAPU04 ,724 NANGLU02 ,808 NANGLU03 ,745 NANGLU04 ,723 NANGLU01 ,696 TINCA02 ,766 TINCA01 ,748 TINCA03 ,702
4.4.2 Thang đo Sự hài lòng khách hàng
Bảng 4.15: Kết quả kiểm định KMO và Bartlett’s
Đo lường độ xác thực của dữ liệu trong mẫu nghiên cứu (KMO) 0,675
Kiểm định Bartlett
Giá trị chi bình phương (ChiSquare) 537,322
Bậc tự do (df) 3
Mức ý nghĩa 0,000
Theo Hair và cộng sự (2006), KMO là chỉ số dùng để xem xét sự thích hợp của EFA với 0,5 ≤ KMO ≤ 1. Dựa vào kết quả đo lường độ xác thực của dữ liệu trong mẫu nghiên cứu (bảng 4.15), KMO = 0,675 do đó dữ liệu thích hợp để thực hiện phân tích nhân tố.
Kiểm định Barlett xem xét giả thiết Ho: độ tương quan giữa các biến quan sát bằng 0 trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05) có nghĩa là các biến quan sát có tương quan với nhau trong tổng thể. Kết quả kiểm định cho thấy, các biến số trong mô hình nghiên cứu sự hài lòng khách hàng có tương quan với nhau với mức ý nghĩa thống kê Sig = 0,000 < 0,05.
Bảng 4.16: Tổng phương sai trích
Component
Initial Eigenvalues Extraction Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2,345 78,164 78,164 2,345 78,164 78,164 2 ,495 16,504 94,668 3 ,160 5,332 100,000
Extraction Method: Principal Component Analysis.
Kết quả phân tích (bảng 4.16) cho thấy tổng phương sai trích bằng 78,164% (>50%), có nghĩa 78,164% biến thiên của dữ liệu được giải thích bởi 1 nhân tố. Qua đó cho ta thấy kết quả phân tích trên đều rất phù hợp.
Bảng 4.17: Ma trận thành phần (Component Matrixa)
Component Matrixa
Biến quan sát Nhân tố 1
HAILONG02 ,927
HAILONG03 ,919
HAILONG01 ,800
Kết quả phân tích ma trận thành phần cho thấy có một nhân tố được hình thành và đặt tên là “Sự hài lòng của khách hàng”.
4.4.3 Mô hình nghiên cứu tổng quát
Sau khi tiến hành phân tích dữ liệu thu thập được thông qua các bước phân tích độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA, mô hình nghiên cứu được điều chỉnh gồm 5 biến độc lập. Mô hình được khái quát như sau:
Hình 4.5: Mô hình nghiên cứu tổng quát
Đặc thù địa phương Độ tin cậy
Sự đáp ứng
Phương tiện hữu hình
Năng lực phục
4.5 Phân tích hệ số tương quan Pearson
Người ta sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữ hai biến định lượng. Nếu giữa hai biến có sự tương quan chặt chẽ thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy.
Đa cộng tuyến là trạng thái các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến đến biến phụ thuộc.
Đa cộng tuyến làm tăng độ lệch chuẩn của hệ số hồi quy và làm giảm trị thống kê của kiểm định nên các hệ số có khuynh hướng kém ý nghĩa.
Thực hiện tạo các biến mới đại diện cho từng nhóm biến (giá trị trung bình) với:
X1 đại diện cho: DACTHU03, DACTHU04, DACTHU05, DACTHU06, DACTHU07, DACTHU08, DACTHU09
X2 đại diện cho: PHUONGT04, PHUONGT05, PHUONGT06, PHUONGT07, PHUONGT08, DACTHU01.
X3 đại diện cho: DAPU01, DAPU02, DAPU03, DAPU04.
X4 đại diện cho: NANGLU01, NANGLU02, NANGLU03, NANGLU04. X5 đại diện cho: TINCA01, TINCA02, TINCA03.
Y đại diện cho: HAILONG01, HAILONG02, HAILONG03.
Gọi phương trình hồi quy chưa chuẩn hóa của mô hình có dạng như sau: Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5
Thực hiện phân tích hệ số tương quan Pearson thể hiện trong bảng 4.18. Kết quả như sau:
Bảng 4.18: Phân tích tương quan Correlations Y X1 X2 X3 X4 X5 Y Pearson Correlation 1 ,777** ,426** ,538** ,575** ,606** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 322 322 322 322 322 322 X1 Pearson Correlation ,777** 1 ,353** ,457** ,482** ,546** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 322 322 322 322 322 322 X2 Pearson Correlation ,426** ,353** 1 ,342** ,378** ,384** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 322 322 322 322 322 322 X3 Pearson Correlation ,538** ,457** ,342** 1 ,442** ,438** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 322 322 322 322 322 322 X4 Pearson Correlation ,575** ,482** ,378** ,442** 1 ,524** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 322 322 322 322 322 322 X5 Pearson Correlation ,606** ,546** ,384** ,438** ,524** 1 Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 322 322 322 322 322 322 **. Correlation is significant at the 0,01 level (2tailed).
Từ bảng 4.18, ta thấy mức độ quan hệ giữa các biến độc lập đối với biến phụ thuộc là khá cao, tất cả đều lớn hơn 0,3. Trong đó, biến X1 giải thích mạnh nhất với mức độ giải thích 0,777 và X2 giải thích yếu nhất với mức độ giải thích 0,426.
Các giá trị Sig. đều nhỏ hơn 0,05 do vậy các cặp biến đều tương quan và có ý nghĩa thống kê. Hệ số tương quan của một số cặp biến tương tác với nhau cũng khá lớn nên khi phân tích hồi quy cần chú ý đến hiện tượng tương quan của các biến độc lập.
4.6 Phân tích hồi quy
Phân tích hồi quy là một phân tích thống kê để xác định các biến độc lập quy định biến phụ thuộc như thế nào. Qua đó, xác định đo lường và đánh giá mức độ ảnh hưởng của nhân tố đến sự hài lòng của khách hàng mà trong nghiên cứu này là khách du lịch. Chúng tôi sử dụng phương pháp hồi quy tuyến tính bội giữa 5 nhân tố thu được từ phân tích nhân tố khám phá ở trên bao gồm:
Đặc thù địa phương Phương tiện hữu hình Sự đáp ứng
Năng lực phục vụ Độ tin cậy
Đặt giả thuyết về những nhân tố tác động đến sự hài lòng của khách du lịch:
Giả thuyết Nội dung
H1 Đặc thù địa phương không ảnh hưởng đến sự hài lòng của khách du lịch H2 Phương tiện hữu hình không ảnh hưởng đến sự hài lòng của khách du lịch H3 Sự đáp ứng không ảnh hưởng đến sự hài lòng của khách du lịch
H4 Năng lực phục vụ không ảnh hưởng đến sự hài lòng của khách du lịch H5 Độ tin cậy không ảnh hưởng đến sự hài lòng của khách du lịch
Phương pháp được lựa chọn trong phân tích hồi quy là phương pháp Enter. Bảng tổng hợp kết quả phân tích hồi quy được trình bày theo bảng 4.19 như sau:
Bảng 4.19: Model Summary Model Summaryb
Mẫu R R 2 R 2 hiệu chỉnh Ước lượng sai số chuẩn Durbin-Watson
61 a. Biến độc lâp: (Hằng số), X5, X2, X3, X4, X1 b. Biến phụ thuộc: Y
Kết quả này cho giá trị R2 = 0,692, điều này có nghĩa là các biến độc lập trong mô hình có thể giải thích được 69,2% sự thay đổi của biến phụ thuộc. Như vậy, mô hình đưa ra giải thích được thực tế ở mức độ “khá tốt”. Hệ số Durbin – Watson (0 < 1,711 < 3) – điều này có nghĩa mô hình hồi quy không vi phạm giả định về tính độc lập của sai số.
Bảng 4.20: Phân tích phương sai ANOVAa
Nguồn biến đổi Tổng các độ lệch
bình phương df Trung bình bình phương F Ý nghĩa Regression 77,561 5 15,512 145,139 ,000b Residual 33,774 316 ,107 Total 111,335 321 a. Predictors: (Constant), X5, X2, X3, X4, X1 b. Dependent Variable: Y
Kết quả từ bảng 4.20 cho thấy mô hình hồi quy tuyến tính là phù hợp với giá trị F = 145,139 và giá trị Sig. = 0,000.
Bảng 4.21: Kết quả phân tích hồi quy tổng hợp
Biến Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Ý nghĩa Hệ số B Std.
Error Beta Tolerance VIF
(Hằng số) ,299 ,164 1,822 ,069 X1 ,566 ,042 ,535 13,453 ,000 ,608 1,645 X2 ,089 ,040 ,077 2,211 ,028 ,782 1,279 X3 ,138 ,038 ,136 3,667 ,000 ,694 1,441 X4 ,162 ,042 ,152 3,873 ,000 ,624 1,602 X5 ,146 ,041 ,145 3,568 ,000 ,583 1,716 a. Dependent Variable: Y
Từ bảng 4.21 ta thấy các biến đều đạt mức ý nghĩa Sig. < 0,05. Hệ số VIF của từng nhân tố nhỏ hơn 10 chứng tỏ mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến
Như vậy với các giả thuyết đặt ra:
Bác bỏ các giả thuyết H1, H2, H3, H4, H5 có nghĩa là “Đặc thù địa phương”, “Phương tiện hữu hình”, “Sự đáp ứng”, “Năng lực phục vụ”, “Độ tin cậy” có ảnh hưởng đến sự hài lòng của