Phân tích nhân tố khám phá (EFA)
Mục đích đầu tiên của phân tích nhân tố là để từ một tập hợp lớn các biến quan sát đưa vào một số ít các biến tổng hợp hay được gọi là nhân tố mà mỗi biến tổng hợp trở thành đại diện cho một số biến quan sát. Trước khi thực hiện phân tích nhân tố cần đảm bảo rằng có đủ mối quan hệ tương quan trong số tập hợp lớn các biến. Trong nghiên cứu này, phân tích nhân tố được thực hiện để khám phá các thành phần cơ bản về các yếu tố hình ảnh điểm đến Đà Lạt.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (Component Matrix). Ma trận nhân tố chứa các hệ số tải nhân tố (factor loading) biểu hiện các biến chuẩn hoá bằng các nhân tố. Mặc dù ma trận nhân tố ban đầu (không xoay) cho thấy được mối quan hệ giữa các nhân tố và từng biến một nhưng nó ít khi tạo ra những nhân tố có thể giải thích được một cách dễ dàng bởi vì các nhân tố có tương quan với nhiều biến. Vì vậy, thông qua việc xoay các nhân tố thì
ma trận nhân tố sẽ trở nên đơn giản và dễ giải thích hơn (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Một số tiêu chuẩn cần được xem xét:
Hệ số KMO (Kaiser Meyer Oklin – xem xét sự thích hợp của phân tích nhân tố) phải từ 0,5 đến 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett (về xem xét giả thuyết độ tương quan giữa các biến quan sát bằng không trong tổng thể) có ý nghĩa thống kê tức là giá trị sig ≤ 0,05 thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tải nhân tố (Factor loading) > 0,3 là mức tối thiểu; > 0,4 là quan trọng; và ≥ 0,5 là có ý nghĩa thực tiễn. Nếu factor loading > 0,3 thì cỡ mẫu tối thiểu là 350; cỡ mẫu khoảng 100 thì factor loading nên > 0,55; nếu cỡ mẫu khoảng 50 thì factor loading > 0,75. (Hair & ctg., 1998). Trong nghiên cứu này sẽ chọn loại bỏ các biến có hệ số tải nhân tố “yếu” dưới 0,4; chỉ các biến với hệ số tải nhân tố lớn hơn hoặc bằng 0,4 là được giữ lại.
Tổng phương sai trích phải ≥ 50% thì mới có thể chấp nhận thang đo.
Các nhân tố với eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc nên chỉ những nhân tố với eigenvalue lớn hơn 1 được xem là có ý nghĩa và được giữ lại để phân tích.
Kiểm định độ tin cậy của thang đo (Cronbach’s Alpha) giúp loại đi những biến quan sát không đạt hay còn gọi là biến rác. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008, trang 24), “nhiều nhà nghiên cứu đồng ý rằng Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt; từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu”. Ngoài ra các biến quan sát phải có hệ số tương quan biến tổng > 0,3. Do vậy, tiêu chuẩn hệ số Cronbach’s Alpha được sử dụng để đánh giá trong nghiên cứu này là trên 0,6.
Thống kê mô tả
Thống kê mô tả được sử dụng với các giá trị trung bình để xem xét khuynh hướng đánh giá thuận lợi của du khách đối với các nhân tố và các thuộc tính về hình ảnh điểm đến Đà Lạt.
Bảng tần suất được thiết lập để xem xét phân phối của dữ liệu về đặc điểm nhân khẩu của du khách, đặc điểm hành vi du lịch Đà Lạt.
Kiểm định t (t-test)
Kiểm định t được dùng với mục đích so sánh đánh giá các nhân tố hình ảnh điểm đến Đà Lạt giữa các nhóm du khách có đặc điểm hành vi du lịch khác nhau. Ở nghiên cứu này, t - test dùng để so sánh sự khác biệt điểm số trung bình của các đánh giá về các nhân tố hình ảnh điểm đến Đà Lạt giữa nhóm du khách đi cùng gia đình và nhóm du khách không đi cùng gia đình, giữa nhóm đi theo tour và nhóm không đi theo tour. Kiểm định Levene sử dụng để đánh giá điều kiện thực hiện kiểm định t bởi vì kiểm định này cho thấy được có sự khác biệt phương sai giữa các cặp nhóm nghiên cứu hay không.
Phân tích ANOVA
Phân tích ANOVA thực chất là trường hợp mở rộng của kiểm định t nên cũng tương tự như kiểm định t. Trong nghiên cứu này, ANOVA được dùng với mục đích nghiên cứu sự khác biệt trung bình các nhân tố hình ảnh điểm đến Đà Lạt giữa các nhóm có đặc điểm hành vi khác nhau bao gồm số lần đến du lịch và thời gian lưu trú ở Đà Lạt khác nhau. Để xác định nhóm nào khác biệt một cách có ý nghĩa, thực hiện thủ tục đa so sánh bằng thực hiện hậu kiểm định (Post Hoc test).
Phân tích nhân tố khám phá, thống kê mô tả, kiểm định t, phân tích ANOVA đều sẽ được thực hiện bởi phần mềm SPSS.
TÓM TẮT CHƢƠNG 3
Chương 3 đưa ra mô hình nghiên cứu và trình bày phương pháp thực hiện nghiên cứu của luận văn này. Trên cơ sở phân tích các nghiên cứu đã có về hình ảnh điểm đến và những đề xuất cho nghiên cứu thực hiện việc đo lường hình ảnh điểm đến Đà Lạt ở chương 2, tác giả đã đề xuất mô hình mối quan hệ giữa hình ảnh điểm đến với các nhóm du khách và dựa vào đó, các giả thuyết nghiên cứu về sự khác biệt về hình ảnh điểm đến giữa các nhóm du khách cũng được phát triển ở chương này. Đồng thời, tác giả cũng đã phác thảo thiết kế nghiên cứu trong đó trình bày rõ quy trình nghiên cứu và phương pháp cụ thể được sử dụng trong giai đoạn nghiên cứu định tính và định lượng.
Chƣơng 4
KẾT QUẢ NGHIÊN CỨU