4.5.1. Chất lượng dịch vụ homestay và sự hài lòng của du khách nội địa:
Dựa vào mô hình nghiên cứu và các giả thuyết đƣợc đặt ra là có sự tƣơng quan giữa các yếu tố chất lƣợng dịch vụ du lịch homestay và sự hài lòng tác động đến ý định hành vi của du khách nội địa, tác giả sử dụng phƣơng pháp hồi quy để xác định sự tƣơng quan này có tuyến tính hay không và mức độ quan trọng của các nhân tố đo lƣờng chất lƣợng dịch vụ đối với sự hài lòng của du khách. Sau khi phân tích nhân tố, có 5 nhân tố đƣợc đƣa vào kiểm định tƣơng quan – hồi quy. Giá trị các nhân tố là trung bình của các biến quan sát thành phần thuộc nhân tố đó. Phân tích tƣơng quan Pearson đƣợc sử dụng để xem xét sự phù hợp khi đƣa các biến quan sát vào mô hình hồi quy.
Các biến độc lập đƣợc đƣa vào mô hình là: Mức đáp ứng (RE), Phƣơng tiện hữu hình (TA), Sự cảm thông (EM), Năng lực phục vụ (AS), Độ tin cậy (TR); một biến phụ thuộc là Sự hài lòng của du khách (SA). Phƣơng pháp hồi quy tổng thể các biến sẽ đƣợc sử dụng trên phần mềm SPSS 22.0 với mô hình hồi quy có dạng:
Y = βo + β1X1 + β2X2 + β3X3 + β4X4 + β5X5
Với: Hằng số hồi quy 0
Các hệ số hồi quy β1, β2, β3, β4, β5
Biến phụ thuộc: Y: Sự hài lòng của du khách Biến độc lập bao gồm:
X1: Mức đáp ứng (RE)
X2: Phƣơng tiện hữu hình (TA)
X4: Năng lực phục vụ (AS)
X5: Độ tin cậy (TR)
Phân tích tư ng quan:
Để có thể thực hiện phân tích hồi quy, tác giả cần xem xét mối tƣơng quan tuyến tính giữa các biến phụ thuộc và từng biến độc lập, cũng nhƣ là giữa các biến độc lập với nhau. Tác giả sẽ sử dụng hệ số tƣơng quan Pearson để xem xét các mối quan hệ tƣơng quan giữa các biến.
Tác giả thực hiện phân tích tƣơng quan với phần mềm SPSS 22.0 và nhận đƣợc kết quả nhƣ Bảng 4.11 (kết quả chi tiết đƣợc trình bày ở Phụ lục 09). Theo đó, hệ số tƣơng quan giữa biến Sự hài lòng của khách hàng (SA) với các biến độc lập RE, TA, EM, AS, TR đều lớn hơn 0.30 và có giá trị lần lƣợt là 0.504, 0.664, 0.753, 0.585, 0.524, và các Sig đều có giá trị 0.000. Nhƣ vậy, các biến độc lập RE, TA, EM, AS, TR đều tƣơng quan khá chặt với biến phụ thuộc SA và có thể đƣa vào mô hình để giải thích cho biến sự hài lòng.
Bảng 4.11. Ma trận tương quan giữa các biến SA TR RE AS EM TA SA Pearson Correlation 1 .524** .504** .585** .753** .664** Sig. (2-tailed) .000 .000 .000 .000 .000 N 205 205 205 205 205 TR Pearson Correlation 1 .335** .215** .409** .362** Sig. (2-tailed) .000 .002 .000 .000 N 205 205 205 205 RE Pearson Correlation 1 .267** .386** .355** Sig. (2-tailed) .000 .000 .000 N 205 205 205 AS Pearson Correlation 1 .282** .168* Sig. (2-tailed) .000 .016 N 205 205 EM Pearson Correlation 1 .426** Sig. (2-tailed) .000 N 205 TA Pearson Correlation 1 Sig. (2-tailed) N
** Tƣơng quan có ý nghĩa tại giá trị 0.01 (2-tailed)
* Tƣơng quan có ý nghĩa tại giá trị 0.05 (2-tailed)
Đ nh gi độ phù hợp của mô hình hồi quy tuyến tính bội:
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số xác định R2 đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình, càng đƣa thêm biến độc lập vào mô hình thì R2 càng tăng, điều này cũng đƣợc chứng minh rằng không phải phƣơng trình càng có nhiều biến sẽ phù hợp hơn với dữ liệu. Hệ số R2 điều chỉnh đƣợc sử dụng để phản ánh mức độ phù hợp của mô hình hồi quy tuyến tính bội một cách chính xác hơn. R2 điều chỉnh không nhất thiết tăng lên khi nhiều biến độc lập đƣợc thêm vào phƣơng trình, nó là thƣớc đo sự phù hợp đƣợc sử dụng cho tình huống hồi quy tuyến tính bội vì nó không phụ thuộc vào độ phóng đại của R2.
Sau khi thực hiện phân tích hồi quy cho mô hình bằng phần mềm SPSS 22.0, tác giả nhận đƣợc kết quả nhƣ Bảng 4.12. Theo đó, hệ số R2 = 0.865, R2 điều chỉnh = 0.862, có nghĩa là có khoảng 86,2% phƣơng sai sự hài lòng của du khách đối với du lịch homestay đƣợc giải thích bởi 5 biến độc lập Mức đáp ứng (RE), Phƣơng tiện hữu hình (TA), Sự cảm thông (EM), Năng lực phục vụ (AS), Độ tin cậy (TR). Điều này cho thấy mô hình hồi quy tuyến tính phù hợp với tập dữ liệu ở độ tin cậy 95%.
Bảng 4.12. Kết quả đánh giá độ phù hợp của mô hình hồi quy
Mô hình R R2 R2 điều chỉnh Độ lệch chuẩn của ước lượng
1 .930a .865 .862 .19689
Nguồn: Từ kết quả phân tích SPSS
Bên cạnh đó, để kiểm định độ phù hợp của mô hình này, tác giả sử dụng kiểm định F trong phân tích phƣơng sai ANOVA nhằm xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Đặt giả thuyết Ho là Tất cả các hệ số hồi quy riêng phần = 0 (có nghĩa là β1 = β2 = β3 = β4 = β5 = 0). Theo Bảng 4.12, sig = 0.000, nhỏ hơn mức ý nghĩa 5%, nên giả thuyết Ho bị bác bỏ. Điều này có nghĩa là các biến độc lập trong mô hình có thể giải thích sự biến
thiên của biến phụ thuộc, hay nói cách khác là mô hình tác giả xây dựng phù hợp với tập dữ liệu.
Bảng 4.13. Kết quả kiểm định F – ANOVA của biến phụ thuộc sự hài lòng của du khách
Mô hình Tổng độ lệch
nh phư ng df phư ng nh quân Độ lệch nh F Sig.
Hồi quy 49.475 5 9.895 255.246 .000b
Phần dƣ 7.714 199 .039
Tổng 57.189 204
Nguồn: Từ kết quả phân tích SPSS
Theo kết quả trên, mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tập dữ liệu và có thể sử dụng đƣợc.
Hệ số hồi quy
Kết quả phân tích hồi quy trong Bảng 4.14 bên dƣới cho thấy, 5 nhân tố của chất lƣợng dịch vụ homestay tác động đến sự hài lòng cùa du khách, đó là Mức đáp ứng (RE), Phƣơng tiện hữu hình (TA), Sự cảm thông (EM), Năng lực phục vụ (AS), Độ tin cậy (TR) đều có ảnh hƣởng cùng chiều đến sự hài lòng của du khách với các hệ số >0. Điều này có nghĩa là khi mức đáp ứng của dịch vụ, sự cảm thông, năng lực phục vụ, độ tin cậy tăng, chất lƣợng phƣơng tiện hữu hình tăng, thì đều khiến cho sự hài lòng của du khách tăng lên và ngƣợc lại.
Bảng 4.14. Kết quả phân tích hồi quy mô hình 1
Mô hình Hệ số chưa điều chỉnh Hệ số điều chỉnh t Sig. Dung sai VIF B Độ lệch chuẩn Beta Hằng số .110 .105 1.045 .297 RE - X1 .050 .019 .080 2.685 .008 .764 1.308 TA - X2 .278 .024 .353 11.712 .000 .748 1.337 EM - X3 .305 .023 .421 13.434 .000 .689 1.452 AS - X4 .267 .021 .360 12.999 .000 .885 1.129 TR - X5 .094 .023 .120 4.024 .000 .763 1.311
Dựa theo Bảng 4.13, 5 nhan tố thuộc chất lƣợng dịch vụ homestay gồm X1- Mức đáp ứng (RE), X2- Phƣơng tiện hữu hình (TA), X3- Sự cảm thông (EM), X4- Năng lực phục vụ (AS), X5- Độ tin cậy (TR), đều có tác động đến lòng trung thành SA của du khách với mức ý nghĩa Sig<0.05 (lần lƣợt là 0.008, 0.000, 0.000, 0.000, 0.000). Vì vậy tất cả các giả thuyết H1, H2, H3, H4, H5 đƣa ra ở Chƣơng 3 đều đƣợc chấp nhận, hay nói cách khác, các nhân tố X1, X2, X3, X4, X5 tác động tỷ lệ thuận đến Sự hài lòng SA của du khách.
- Phƣơng trình hồi quy tuyến tính với hệ số Beta chƣa chuẩn hóa có dạng:
Y = 0.11 + 0.05X1 + 0.278X2 + 0.305X3 + 0.267X4 + 0.094X5 (4.1)
Qua phƣơng trình 4.1, tác giả thấy rằng, sau khi kiểm định và phân tích nhân tố khám phà EFA, kết quả hồi quy cho thấy chất lƣợng dịch vụ du lịch homestay gồm 5 nhân tố Mức đáp ứng (RE), Phƣơng tiện hữu hình (TA), Sự cảm thông (EM), Năng lực phục vụ (AS), Độ tin cậy (TR) đều có tác động tích cực đến sự hài lòng của du khách. Trong đó, nhân tố Mức đáp ứng (RE) có ảnh hƣởng ít nhất so với 4 nhân tố còn lại và Yếu tố Sự cảm thông (EM) có ảnh hƣởng mạnh nhất đến Sự hài lòng của du khách nội địa. Kết quả này trùng hợp với đánh giá mô tả biến quan sát đƣợc tác giả thực hiện ở Mục 4.2 của nghiên cứu này. Điều này cho thấy mô hình và dữ liệu nghiên cứu đạt đƣợc độ chính xác và tin cậy tốt hơn.
Ki m định các giả định hồi quy
Phân tích hồi quy không chỉ là việc mô tà dữ liệu quan sát đƣợc mà còn phải suy rộng cho mối liên hệ giữa các biến trong tổng thể từ các kết quả quan sát đƣợc trong mẫu đó (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 211). Kết quả của mẫu suy rộng ra cho giá trị của tổng thể phải đáp ứng các giả định cần thiết:
- Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc l p cũng như hiện tượng phư ng sai thay đổi: giả định này đƣợc kiểm tra bằng biều đồ phân tán Scatter cho phần dƣ chuẩn hóa và giá trị dự đoán chuẩn hóa. Kết quả tại hình 4.3 cho thấy phần dự đoán phân tán ngẫu nhiên qua đƣờng thằng qua điểm 0, không tạo thành một dạng nào cụ thể. Nhƣ vậy giá trị dự đoán và phần dƣ độc lập nhau và phƣơng sai của phần dƣ không thay đổi. Nhƣ vậy mô hình hồi quy phù hợp.
Hình 4.3: Đồ thị Scatterplot
Nguồn: Từ kết quả phân tích SPSS
- Giả định về phân phối chuẩn của phần dư: Để thực hiện kiểm định này, tác giả vẽ đồ thị Histogram của phần dƣ chuẩn hóa, theo đó, đồ thị nhận đƣợc có dạng đƣờng cong phân phối chuẩn đƣợc đặt chồng lên biểu đồ tần số. Do những chênh lệch do lấy mẫu, có thể thấy phân phối phần dƣ xấp xỉ chuẩn (trung bình mean xấp xỉ bằng 0.00 và độ lệch chuẩn Std.Dev = 0.988, gần bằng 1). Từ đó, có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm
Hình 4.4: Đồ thị Tần số Histogram
Nguồn: Từ kết quả phân tích SPSS
Kết quả từ biểu đồ tần số P-P plot (Hình 4.5) cho thấy các điểm quan sát không phân tán quá xa đƣờng thẳng kỳ vọng, nên ta có thể kết luận là giả định về phân phối chuẩn không bị vi phạm.
Hình 4.5: Đồ thị Tần số P-P plot
- Giả định không có mối quan hệ tư ng quan giữa các biến độc l p:
Đa cộng tuyến là trạng thái mà các biến độc lập có tƣơng quan chặt chẽ với nhau. Hiện tƣợng này mang đến cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hƣởng cũa từng biến một đến biến phụ thuộc, ngoài ra nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa khiến cho các hệ số kém ý nghĩa hơn dù R2 vẫn rất cao. Để xác định hiện tƣợng này, tác giả dựa trên hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor), nếu VIF của một biến độc lập lớn hơn 10 thì biến này không có giá trị giải thích sự biến thiên của biến phụ thuộc trong mô hình MLR (Hair và cộng sự 2006 trích trong Nguyễn Đình Tho, 2011).
Theo Bảng 4.14, ta thấy hệ số phóng đại phƣơng sai VIF có giả trị lớn nhất là 1.452 cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tƣợng đa cộng tuyến xảy ra. Mối quan hệ giữa các biến độc lập không ảnh hƣởng đáng kể đến kết quả giải thích của mô hình hồi quy
4.5.2. Sự hài lòng của du h ch và ý định hành vi:
Dựa vào mô hình nghiên cứu và các giả thuyết đƣợc đặt ra là có sự tƣơng quan giữa sự hài lòng của du khách khi trải nghiệm du lịch homestay và ý định hành vi của họ trong tƣơng lai đối với loại hình du lịch này. Biến độc lập đƣợc đƣa vào mô hình là Sự hài lòng của du khách nội địa (SA); biến phụ thuộc là Ý định hành vi của du khách (IN).
Phƣơng pháp hồi quy tổng thể các biến sẽ đƣợc sử dụng trên phầm mềm SPSS 22.0. Mô hình hồi quy có dạng sau:
Y2= 0 + iY1
Trong đó: 0 là hằng số hồi quy,
là hệ số hồi quy
Biến phụ thuộc: Y2 là ý định hành vi của du khách;
Biến độc lập: Y1 là sự hài lòng của du khách khi trải ngiệm homestay.
Tác giả thực hiện phân tích tƣơng quan với phần mềm SPSS 22.0 và nhận đƣợc kết quả nhƣ Bảng 4.15 (kết quả chi tiết đƣợc trình bày ở Phụ lục 9). Theo đó, hệ số tƣơng quan giữa biến Ý định hành vi (IN) với biến độc lập Sự hài lòng của du khách (SA) lớn hơn 0.30 và có giá trị là 0.774 và Sig = 0.000. Nhƣ vậy, biến độc lập SA tƣơng quan chặt chẽ với biến phụ thuộc IN và có thể đƣa vào mô hình để giải thích cho biến Ý định hành vi.
Bảng 4.15. Ma trận tương quan giữa các biến
IN SA
IN
Pearson Correlation 1 .774**
Sig. (2-tailed) .000
N 205 205
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn: Từ kết quả phân tích SPSS
Độ phù hợp của mô hình hồi quy tuyến tính
Sau khi thực hiện phân tích hồi quy cho mô hình bằng phần mềm SPSS 22.0, tác giả nhận đƣợc kết quả nhƣ Bảng 4.16. Theo đó, hệ số R2 = 0.599, R2 điều chỉnh = 0.597, có nghĩa là có khoảng 59.7% phƣơng sai Ý định hành vi của du khách đối với du lịch homestay đƣợc giải thích bởi biến độc Sự hài lòng (SA). Điều này cho thấy mô hình hồi quy tuyến tính phù hợp với tập dữ liệu ở độ tin cậy 95%.
Bảng 4.16. Kết quả đánh giá độ phù hợp của mô hình hồi quy
Mô
hình R R
2 R2 điều
chỉnh Độ lệch chuẩn của ước lượng
1 .774a .599 .597 .36026
Nguồn: Từ kết quả phân tích SPSS
Bên cạnh đó, để kiểm định độ phù hợp của mô hình này, tác giả sử dụng kiểm định F trong phân tích phƣơng sai ANOVA nhằm xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Đặt giả thuyết Ho là Hệ số hồi quy = 0. Theo Bảng 4.16, sig = 0.000, nhỏ hơn mức ý nghĩa 5%,
nên giả thuyết Ho bị bác bỏ. Điều này có nghĩa là biến độc lập trong mô hình có thể giải thích sự biến thiên của biến phụ thuộc, hay nói cách khác là mô hình tác giả xây dựng phù hợp với tập dữ liệu.
Bảng 4.17. Kết quả kiểm định F – ANOVA của biến phụ thuộc Ý định hành vi
Mô hình Tổng độ lệch
nh phư ng df
Độ lệch nh
phư ng nh quân F Sig.
Hồi quy 39.292 1 39.292 302.736 .000b
Phần dƣ 26.347 204 .130
Tổng 65.639 204
Nguồn: Từ kết quả phân tích SPSS
Theo kết quả trên, mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tập dữ liệu và có thể sử dụng đƣợc.
Hệ số hồi quy
Kết quả phân tích hồi quy trong Bảng 4.18 bên dƣới cho thấy, Sự hài lòng của du khách có ảnh hƣởng cùng chiều đến Ý định hành vi của họ với các hệ số hồi quy >0. Điều này có nghĩa là khi Sự hài lòng của du khách tăng sẽ khiến Ý định hành vi của du khách có hƣớng tích cực hơn.
Bảng 4.18. Kết quả phân tích hồi quy mô hình 2
Mô hình
Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Dung sai VIF B Độ lệch chuẩn Beta Hằng số .700 .178 3.920 .000 SA - Y1 .829 .048 .774 17.399 .000 1.000 1.000
Nguồn: Từ kết quả phân tích SPSS
Dựa theo Bảng 4.18, nhân tố Sự hài lòng của du khách tác động đến Ý định hành vi (IN) của họ với mức ý nghĩa Sig = 0.000 < 0.05. Vì vậy tất cả các giả thuyết H6 đƣa ra ở Chƣơng 3 đều đƣợc chấp nhận, hay nói cách khác, các nhân tố Y1 tác động tỷ lệ thuận đến Ý định hành vi IN của du khách.