4.4.1. Phân tích tương quan giữa các biến
Để biết được biến phụ thuộc có tương quan tuyến tính với các biến độc lập, cũng như giữa các biến độc lập với nhau. Người ta sử dụng một số thống kê có tên là hệ số tương quan Pearson.
Kết quả phân tích tương quan cho thấy có sự tương quan tuyến tính giữa các thang đo, giữa biến phụ thuộc với tất cả các biến độc lập (không có r = 0). Trong đó
thang đo "Cơ sở hạ tầng du lịch" có mối quan hệ tương quan cao nhất r = 0,417 (Phụ lục 6)
4.4.2. Kiểm định mức độ giải thích và mức độ phù hợp của mô hình - Mức độ giải thích của mô hình - Mức độ giải thích của mô hình
Bảng 4.19. Hệ số R-Square từ kết quả phân tích hồi quy Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của
ước lượng Durbin-Watson
1 0,604a 0,364 0,347 0,80802087 1,770
So sánh hai giá trị R2 (R Square) và R2 hiệu chỉnh (Adjusted R Square) có thể thấy R2 hiệu chỉnh nhỏ hơn, dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mô hình nghiên cứu.
Trong Bảng 4.19, ta thấy R2 hiệu chỉnh là 0,347. Như vậy 34,7% thay đổi về ý định quay lại Phú Quốc của du khách được giải thích bởi các biến độc lập của mô hình. Tuy mức độ phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mô hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mô hình.
- Mức độ phù hợp của mô hình
Bảng 4.20. ANOVA - Mức độ phù hợp của mô hình Model Sum of Squares df
Mean Square F Sig. Regression 83,057 6 13,843 21,202 0,000a Residual 144,943 222 0,653 1 Total 228,000 228
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F có giá trị là 21,202 với Sig. = 000(a) chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể. Hay nói cách khác, các biến độc lập có tương quan tuyến tính với biến phụ thuộc và mức độ tin cậy 99%.
4.4.3. Phân tích hồi quy
Bảng 4.21. Hệ số hồi quy 6 biến dộc lập với YDQL Hệ số không chuẩn hóa Hệ số chuẩn hóa Model B Sai số
chuẩn Beta t Sig.
VIF
Hằng số 5.691E-17 0,053 0,000 1,000 1,000
- Môi trường thiên nhiên 0,206 0,054 0,206 3,846 0,000 1,000 - Yếu tố con người 0,223 0,054 0,223 4,168 0,000 1,000 - Văn hóa xã hội 0,111 0,054 0,111 2,082 0,038 1,000 - Các khu vui chơi, giải trí 0,246 0,054 0,246 4,605 0,000 1,000 - Ẩm thực địa phương 0,158 0,054 0,158 2,948 0,004 1,000 1
- Hạ tầng du lịch 0,417 0,054 0,417 7,798 0,000 1,000 (Dùng phương pháp lưu biến tự động save as nên sai số chuẩn của các biến là bằng nhau = 0,054)
Kết quả hồi quy cho thấy các biến môi trường thiên nhiên (TN), yếu tố con người (CN), các khu vui chơi giải trí (KGT), ẩm thực địa phương (AT) và hạ tầng du lịch (HT) đều có mức ý nghĩa Sig.< 0,01; văn hóa xã hội (VH) có mức ý nghĩa Sig. <0,05. Như vậy TN, CN, KGT, AT, HT tương quan có ý nghĩa với YDQL có độ tin cậy 99%; VH tương quan có ý nghĩa với YD có độ tin cậy 95%, các yếu tố này đều có tác động đến YDQL.
4.4.4. Giả định liên hệ tuyến tính và phương sai phần dư không đổi
Giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn thì không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nếu giả định tuyến tính được thỏa mãn (đúng) thì phần dư phải phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 của đồ thị phân tán của phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Predicted Value). Và nếu phương sai không đổi thì các phần dư phải phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi (Hoàng & Chu – tập 1, 2008).
Phương pháp được sử dụng là biểu đồ Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành. Nhìn vào biểu đồ ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đoán. Vậy giả thuyết về liên hệ tuyến tính không bị vi phạm, chấp nhận giả thuyết có liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc.
Hình 4.1. Đồ thị Scatterplot
4.4.5. Kiểm định tự tương quan
Lý do dẫn đến sự tồn tại của phần dư đó là các biến có ảnh hưởng không được đưa vào mô hình, chọn dạng tuyến tính cho mối quan hệ lẽ ra là phi tuyến tính, sai số trong đo lường các biến… Các vấn đề này có thể dẫn đến tương quan chuỗi trong sai số và tương quan này gây ra tác động sai lệch nghiêm trọng đến mô hình hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Vì thế phải kiểm định xem có sự tự tương quan giữa các phần dư này không. Ta có thể dùng kiểm định d của Durbin - Watson để kiểm định sự tự tương quan (Bảng 4.19).
Đại lượng d này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin - Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau: Nếu 1< d < 3 thì kết luận mô hình không có tương quan; nếu 0 < d < 1 thì kết luận mô hình có tương quan dương; nếu 3 < d < 4 thì kết luận mô hình có sự tương quan âm.
Từ kết quả Bảng 4.19, ta có 1 < d = 1.770 < 3 vậy ta có thể kết luận các phần dư là độc lập với nhau và tính độc lập của phần dư đã được đảm bảo.
4.4.6. Kiểm định khả năng tuân theo phân phối chuẩn của phần dư
Để dò tìm sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ dùng hai công
cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot. Nhìn vào biểu đồ Histogram (Hình 4.2) ta thấy phần dư có phân phối chuẩn với giá trị trung bình (Mean) gần bằng 0 và độ lệch chuẩn của nó gần bằng 1 (Std. Dev. = 0.987).
Hình 4.2. Biểu đồ tần số Histogram của biến SQL
Nhìn vào đồ thị P-P plot (Hình 4.3) biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa là dữ liệu phần dư có phân phối chuẩn. Dựa vào đồ thị phân tán của phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa cho thấy các giá trị dự đoán chuẩn hóa và phần dư phân tán chuẩn hóa phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Như vậy, dữ liệu phần dư có phân phối chuẩn.
Hình 4.3. Đồ thị P – P Plot
4.4.7. Kiểm định tính độc lập của phần dư
Giả định tiếp theo về tính độc lập của phần dư cũng cần được kiểm định. Ta
dùng đại lượng thống kê Durbin-Watson (d) để kiểm định (Bảng 4. 19). Đại lượng d này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau: nếu 1 < d < 3 thì kết luận mô hình không có các phần dư là độc lập với nhau; nếu 0 < d <1 thì kết luận mô hình có sự tương quan dương; nếu 3 < d < 4 thì kết luận mô hình có sự tương quan âm.
Từ kết quả ở bảng 4.19 ta có 1< d =1,770 < 3 như vậy ta có thể kết luận các phần dư là độc lập với nhau và tính độc lập của phần dư đã được bảo đảm. (Hoàng & Chu – tập 1, 2008).
4.4.8. Kiểm định đa cộng tuyến
Ta sẽ xem xét sự vi phạm đa cộng tuyến của mô hình. Ở phần phân tích hệ số tương quan ở trên, ta đã thấy rằng giữa biến phụ thuộc có quan hệ tương quan khá rõ với các biến độc lập nhưng ta cũng thấy được giữa các biến độc lập cũng có thể tương quan với nhau. Điều này sẽ tạo ra khả năng đa cộng tuyến của mô hình. Vì vậy, ta phải
dò tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến (Tolerance) và
hệ số phóng đại phương sai (Variance inflation factor - VIF). (Bảng 4.21)
VIF<2: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng không đáng kể đến mô hình.
2≤VIF≤10: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng đáng kể đến mô hình
VIF>10: Dấu hiệu của đa cộng tuyến
Ta thấy hệ số VIF đều nhỏ hơn 2 và Tolerance đều nằm trong khoảng [0;1], vì vậy ta có thể kết luận không xảy ra hiện tượng đa cộng tuyến và mô hình hồi quy ta xây dựng đạt yêu cầu (xem phụ lục 6).
4.5. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
* Hệ số hồi quy chưa chuẩn hóa: qua kết quả bảng 4.21, có đánh giá như sau - Biến TN: Có hệ số 0,206 có quan hệ cùng chiều với biến SQL (đại diện cho YDQL). Khi du khách đánh giá yếu tố “Môi trường tự nhiên” tăng thêm 1 điểm thì ý định quay trở lại của họ tăng thêm 0,206 điểm. (tương ứng với hệ số tương quan chưa chuẩn hóa là 0,206)
- Biến CN: Có hệ số 0,223, có quan hệ cùng chiều với biến SQL. Khi du khách đánh giá yếu tố “Yếu tố con người” tăng thêm 1 điểm thì ý định quay trở lại của họ tăng thêm 0,223 điểm.
- Biến VH: Có hệ số 0,111, có quan hệ cùng chiều với biến SQL. Khi du khách đánh giá yếu tố “Văn hóa xã hội” tăng thêm 1 điểm thì ý định quay trở lại của họ tăng thêm 0,111 điểm.
Biến KGT: Có hệ số 0,246, có quan hệ cùng chiều với biến SQL. Khi du khách đánh giá yếu tố “Các khu vui chơi, giải trí” tăng thêm 1 điểm thì ý định quay trở lại của họ tăng thêm 0,246 điểm.
- Biến AT: Có hệ số 0,158, có quan hệ cùng chiều với biến SQL. Khi du khách đánh giá yếu tố “Ẩm thực địa phương” tăng thêm 1 điểm thì ý định quay trở lại của họ tăng thêm 0,158 điểm.
- Biến HT: Có hệ số 0,417, có quan hệ cùng chiều với biến SQL. Khi du khách đánh giá yếu tố “Hạ tầng du lịch” tăng thêm 1 điểm thì ý định quay trở lại của họ tăng thêm 0,417 điểm.
* Hệ số hồi quy chuẩn hóa:
Hệ số này xác định vị trí ảnh hưởng của các biến độc lập. Các hệ số hồi quy chưa được chuẩn hóa có thể chuyển đổi với dạng phần trăm như sau:
Bảng 4.192. Hệ số hồi quy chuẩn hóa
STT Biến độc lập Giá trị tuyệt đối Tỷ lệ (%)
1 - Hạ tầng du lịch (HT) 0,417 30,64
2 - Các khu vui chơi, giải trí (KGT) 0,246 18,07
3 - Yếu tố con người (CN) 0,223 16,39
4 - Môi trường thiên nhiên (TN) 0,206 15,14
5 - Ẩm thực địa phương (AT) 0,158 11,61
6 - Văn hóa xã hội (VH) 0,111 8,16
Tổng số 1,361 100,00
Kết quả nghiên cứu cho thấy tỷ lệ ảnh hưởng các nhân tố của HADD đến ý định quay trở lại Phú Quốc của du khách như sau: “Hạ tầng du lịch” đóng góp cao nhất là 30,64%, thứ hai là “Các khu vui chơi, giải trí” đóng góp 18,07%, kế đó là “Yếu tố con người” đóng góp 16,39%, “Môi trường tự nhiên” đóng góp 15,14%, có tỷ lệ thấp nhất là “Văn hóa xã hội” chỉ chiếm 8,16%.
4.5.1. So sánh với các kết quả nghiên cứu trước
Việc thảo luận, so sánh đối chiếu kết quả nghiên cứu với những phát hiện của các nghiên cứu trước đây, là nhằm tăng tính thuyết phục và có một cách nhìn tổng quan hơn trong nghiên cứu này. Nhưng tất cả những kết quả đối chiếu từ những mô hình đã được công bố, thì thấy có nghiên cứu về sự hài lòng của du khách tác động đến quyết
định quay lại một điểm đến du lịch (Trần Thị Ái Cẩm, 2011) và xem xét sự trung thành
của du khách (ý định quay lại và truyền miệng tích cực) trong mối quan hệ đồng thời
đa chiều với cảm nhận rủi ro du lịch và hình ảnh điểm đến (Nguyễn Xuân Thọ, 2012),
đây là cơ sở để bàn luận kết quả trong mô hình nghiên cứu, khi so sánh đơn lẻ sự tác động của riêng từng thang đo hình ảnh điểm đến tới ý định quay lại của du khách. Qua đó ta có thể đánh giá được các điểm tương đồng và khác biệt của nghiên cứu này với các nghiên cứu trước đây.
Kết quả nghiên cứu của đề tài này là nhất quán với các nghiên cứu trước đây ở hai chiều hướng tác động: Đó là, sự tác động thuận chiều của các nhân tố hình ảnh
điểm đến tới ý định quay lại của du khách đối với điểm đến (Trần Thị Ái Cẩm, 2011), (Nguyễn Xuân Thọ, 2012).
và tương đồng ở điều kiện du lịch Việt Nam đó là nghiên cứu của Trần Thị Ái Cẩm (2011); điểm tương đồng là sự tác động thuận chiều dương của nhân tố “môi trường”, nhân tố “thức ăn” và nhân tố “địa điểm và thiết bị giải trí” tới ý định quay lại. Trong khi đó nghiên cứu của Nguyễn Xuân Thọ (2012); điểm tương đồng là sự tác động thuận chiều dương của nhân tố “môi trường” và nhân tố “con người” tới ý định quay lại. Tuy nhiên sự khác biệt so với nghiên cứu của Trần Thị Ái Cẩm (2011) và Nguyễn Xuân Thọ (2012) đó là kết quả của nghiên cứu này là 6 nhân tố của HADD đều có sự tác động tới ý định quay lại của du khách, điều này thể hiện ảnh hưởng đặc thù vùng miền trong nghiên cứu đồng thời cũng cho thấy sự thuận lợi của Phú Quốc trong cạnh tranh, phát triển du lịch so với các điểm đến khác.
4.5.2. Kết quả nghiên cứu của luận văn
Kết quả thu được từ phân tích hồi quy cho thấy 6 nhân tố thuộc HADD từ mô hình nghiên cứu đều có ảnh hưởng đến YDQL của du khách.
Nhân tố “Hạ tầng du lịch ” có mức độ ảnh hưởng cao nhất với Beta = 0,417. Điều đó có nghĩa là nguồn tài nguyên du lịch, chất lượng cơ sở hạ tầng du lịch tại Phú Quốc là rất tốt và có nhiều chủng loại, mức giá cả khác nhau cho du khách chọn lựa, phần đánh giá của du khách đối với nhân tố này có giá trị tương đối cao so với các nhân tố có ảnh hưởng khác, cụ thể giá trị trung bình (Mean) = 3,31 và sai số chuẩn (Std. Error) =0,054 (bảng 4.23)
Nhân tố có mức độ ảnh hưởng cao thứ hai là “Các khu vui chơi, giải trí” với Beta = 0,246, có nghĩa là điều kiện an ninh của Phú Quốc rất an toàn, các khu vui chơi không có hiện tượng chèo kéo du khách, chi phí hợp lý, hoạt động về đêm phong phú và chất lượng các khu lưu trú là tương đối tốt. Trong khi đó, phần đánh giá của du khách đối với nhân tố này đang được xếp thứ tư với giá trị bình chọn trung bình là 2,97 (với Mean = 2,97 và Std. Error =0.052) (bảng 4.23)
Nhân tố có mức độ ảnh hưởng cao thứ ba là “Yếu tố con người” với Beta = 0,223. Điều đó có nghĩa là du khách cũng rất quan tâm đến ứng xử của nhân viên phục vụ cũng như của người dân tại Phú Quốc. Đồng thời với tính chuyên nghiệp các nhà chức trách Phú Quốc cũng đã góp phần giữ chân và làm tăng thêm ý định quay lại Phú Quốc của du khách. Và theo đánh giá của khách hàng thì nhân tố “Yếu tố con người” đang được xếp thứ nhất với giá trị bình chọn trung bình là 3,32 (với Mean = 3,32 và
Nhân tố có mức độ ảnh hưởng cao thứ tư là “Môi trường thiên nhiên” với Beta = 0,206. Điều đó có nghĩa là du khách cũng quan tâm đến Phú Quốc với sự đa dạng về mặt địa hình, hoang sơ, có nhiều bãi biển đẹp, có môi trường trong lành,... có tác động lớn đến ý định quay trở lại Phú Quốc của du khách. Trong khi đó, phần đánh giá của du khách đối với nhân tố này có giá trị trung bình là 2,72 (Mean = 2.72 và Std. Error =0.056 (bảng 4.23)
Nhân tố có mức độ ảnh hưởng thấp nhất là “Văn hóa xã hội” với Beta = 0,111, điều đó có nghĩa là du khách cũng quan tâm đến sinh hoạt văn hóa tại Phú Quốc, như