Sau khi thu thập dữ liệu, tác giả sẽ tiến hành kiểm tra lại các phiếu khảo sát và loại đi những phiếu không hợp lệ, vi phạm yêu cầu như: các câu trả lời theo quy luật, điền thiếu các thông tin quan trọng. Sau đó, các câu hỏi sẽ được mã hóa, nhập liệu vào phần mềm SPSS 20.0, làm sạch dữ liệu và phân tích theo các bước sau:
Bước 1: Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Sử dụng Cronbach’s alpha để kiểm định độ tin cậy thang đo. Theo Nunnally & Burnstein (1994) [78]. thì các biến quan sát có hệ số tương quan biến tổng (item- total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbachs Alpha từ 0,6 trở lên là đạt yêu cầu. Ngoài ra, ta xét chỉ số Cronbach's Alpha sau khi loại biến (Cronbach's Alpha if Item Deleted), nếu chỉ số này của một biến lớn hơn chỉ số Cronbach's Alpha hiện tại thì ta loại biến này ra khỏi thang đo để thu được thang đo có độ tin cậy cao hơn
Bước 2: Kiểm định thang đo bằng phân tích nhân tố khám phá (EFA)
Phân tích Nhân tố khám phá (EFA) giúp xác định xem các biến quan sát dùng để đánh giá sự tác động của các yếu tố thành phần đến sự hài lòng của khách hàng có độ kết dính cao hay không.
Trong phân tích nhân tố khám phá (EFA) đòi hỏi phải thực hiện các nội dung sau (Nguyễn Đình Thọ, 2011 [27].):
Kiểm định tính thích hợp của EFA, sử dụng thước đo KMO (Kaiser - Meyer - Olkin measure), khi trị số KMO thỏa mãn điều kiện: 0,5 < KMO < 1 thì EFA phù hợp cho dữ liệu thực tế.
Kiểm định tương quan của các biến quan sát trong thước
đo đại diện, sử dụng
kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo. Khi mức ý nghĩa của kiểm định Bartlett nhỏ hơn 5% thì các biến quan sát có tương quan tuyến tính với yếu tố đại diện.
Hệ số tải nhân tố (Factor loading), nếu quy mô mẫu nhỏ hơn 100 thì hệ số tối thiểu là 0,75; mẫu từ 100 đến 350 thì hệ số tối thiểu là 0,55; mẫu trên 350 thì hệ số tải nhân tố chỉ cần tối thiểu bằng 0,3. Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố, sử dụng phương sai trích, trị số phương sai trích nhất thiết phải lớn hơn 50%.Số lượng nhân tố được chọn theo tiêu chí giá trị Eigenvalue tối thiểu bằng 1 với phép quay vuông góc Varimax.
Bước 3: Kiểm định mô hình nghiên cứu
Nghiên cứu sử dụng phân tính hồi quy tuyến tính để xác định mức độ tác động của các biến độc lập lên biến phụ thuộc, sau đó sẽ kiểm tra mức độ phù hợp của mô hình, xây dựng mô hình hồi quy bội và kiểm định các giả thuyết. Đánh giá mức độ tương quan trong phân tích hồi quy tuyến tính có thể sử dụng hệ số tương quan Pearson, hai biến tương quan chặt khi hệ số tương quan càng tiến đến 1 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008 [28].). Mô hình hồi quy bội biểu diễn mối quan hệ giữa biến độc lập với biến phụ thuộc định lượng như sau:
Yi = fa + ỊĩiXii + P2X2Ì + ... +PkXki + ... + PpXpi + si
Với: Yi là biến phụ thuộc; Xki là biến độc lập
i là số quan sát; k là số biến độc lập
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) [28]., để mô hình hồi quy đảm bảo khả năng tin cậy cần thực hiện một số kiểm định sau:
Thứ nhất, kiểm định F để xem xét mức độ phù hợp của mô hình hồi quy tổng thể. Khi mức ý nghĩa của hệ số hồi quy tổng thể có độ tin cậy ít nhất 95% (Sig.< 5%), kết luận mô hình hồi quy là phù hợp.
Thứ hai, mức độ phù hợp của mô hình thông qua hệ số tương quan R2. Nếu R2
càng lớn thì khả năng giải thích của các biến độc lập trong mô hình càng cao, mô hình càng phù hợp.
Thứ ba, hiện tượng đa cộng tuyến, để kiểm tra hiện
tượng này, ta sử dụng
thước đo độ phóng đại phương sai (Variance Inílation Factor - VIF), điều kiện là VIF < 10 để không có hiện tượng đa cộng tuyến.
Thứ tư, đánh giá mức độ tác động mạnh, yếu của biến độc lập đến biến phụ thuộc thông qua hệ số Beta.
Bước 4: Kiểm định giả thuyết
Dựa vào kết quả phân tích hồi quy bội, với giá trị Sig và dấu của hệ số hồi quy của từng biến để thực hiện kiểm định giả thuyết. Khi giá trị Sig < 0,05 và dấu của hệ số hồi quy cùng chiều với dấu mô hình nghiên cứu thì giả thuyết có thể được chấp nhận.
Bước 5: Kiểm định khác biệt trung bình
Kiểm định Independent T-test và kiểm định One-way ANOVA được dùng để xem xét ảnh hưởng của đặc điểm cá nhân của du khách (độ tuổi, giới tính, khu vực sinh sống, quốc tịch) đến các yếu tố cần cải thiện để nâng cao mức độ hài lòng của khách hàng đối với dịch vụ DLST.
Giả thiết cần kiểm định là: có sự khác biệt về điểm số trung bình của sự hài lòng khi so sánh giữa các du khách có đặc điểm cá nhân khác nhau. Nếu kết quả kiểm định có giá trị Sig.F < 5% thì chấp nhận giả thuyết cho rằng đặc điểm cá nhân có ảnh hưởng đến sự hài lòng và ngược lại.
Tóm tắt chương 3
Chương 3 trình bày thiết kế nghiên cứu gồm 2 giai đoạn: nghiên cứu định tính và nghiên cứu định lượng.
Giai đoạn nghiên cứu sơ bộ sử dụng phương pháp thảo luận nhóm để xây dựng thang đo các nhân tố ảnh hưởng đến sự hài lòng của khách du lịch. Kết quả giai đoạn này đã xác định có 6 thang đo với 29 biến quan sát có ảnh hưởng đến sự hài lòng của khách du lịch và 1 thang đo sự hài lòng của khách du lịch với 3 biến quan sát. Từ đó làm cơ sở cho nghiên cứu định lượng.
Nghiên cứu chính thức với cỡ mẫu 300, sử dụng các kỹ thuật kiểm định về độ tin cậy và giá trị của thang đo tương ứng là Cronbach’s Alpha, phân tích nhân tố
khám phá (EFA) và hồi quy bội được đề xuất thực hiện để
đảm bảo tính phù hợp
của mô hình. Kiểm định t-test trung bình 2 mẫu độc lập được sử dụng để kiểm định sự khác biệt về mức độ hài lòng theo đặc điểm cá nhân.
Chương 4
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN