CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.4. Phân tích tương quan và hồi quy
4.4.1. Phân tích tương quan
Mục đích của phân tích tương quan Pearson là để kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập. Trong nghiên cứu này, các biến độc lập là Động cơ đi du lịch (DCDL), Hình ảnh điểm đến (HADD), Khả năng tiếp cận (KNTC), Nguồn thông tin về điểm đến
(TTDD) và biến phụ thuộc là Quyết định chọn điểm đến (QDC).
Giá trị của hệ số Pearson càng tiến gần đến 1 thì có thể kết luận giữa các biến độc lập và biến phụ thuộc có mối tương quan càng chặt chẽ. Đây là điều kiện cần có trước khi thực hiện phân tích hồi quy tuyến tính. Hệ số tương quan khác 0 và giá trị Sig. nhỏ hơn 0,05 cho thấy hệ số tương quan giữa biến độc lập và biến phụ thuộc có ý nghĩa thống kê.
Hệ số tương quan dương biểu hiện mối quan hệ cùng chiều, hệ số tương quan âm thể hiện mối quan hệ ngược nhiều, hệ số tương quan giữa các nhân tố càng lớn thể hiện mối quan hệ giữa chúng càng chặt chẽ. Kết quả phân tích tương quan được tóm tắt như sau:
Bảng 4.6: Kết quả phân tích tương quan Correlations DCDL HADD KNTC TTDD QDC DCDL Pearson Correlation 1 0.014 0.146 0.039 0.567** Sig. (2-tailed) 0.868 0.092 0.654 0.000 N 237 237 237 237 237 HADD Pearson Correlation 0.014 1 0.049 0.042 0.375** Sig. (2-tailed) 0.868 0.571 0.626 0.000 N 237 237 237 237 237 KNTC Pearson Correlation 0.146 0.049 1 0.024 0.430**
Sig. (2-tailed) 0.092 0.571 0.784 0.000 N 237 237 237 237 237 TTDD Pearson Correlation 0.039 0.042 0.024 1 0.300** Sig. (2-tailed) 0.654 0.626 0.784 0.000 N 237 237 237 237 237 QDC Pearson Correlation 0.567** 0.375** 0.430** 0.300** 1 Sig. (2-tailed) 0.000 0.000 0.000 0.000 0.000 N 237 237 237 237 237
Nguồn: Kết quả từ phân tích SPSS
Từ bảng trên cho thấy được mối tương quan của các biến độc lập đối với biến phụ thuộc là tương đối. Trong đó biến độc lập Động cơ đi du lịch
(DCDL) có mối tương quan mạnh nhất (với hệ số là 0.567), tiếp theo là mối tương quan của biến độc lập Khả năng tiếp cận (KNTC) với hệ số là 0.430; tiếp theo là mối tương quan của biến độc lập Hình ảnh điểm đến (HADD) với hệ số là là 0.375 và cuối cùng là biến độc lập Nguồn thông tin về điểm đến
(TTDD) với hệ số là là 0.300.
Ta thấy hệ số tương quan giữa biến độc lập và biến phụ thuộc có ý nghĩa thống kê do các hệ số tương quan khác 0 và các giá trị Sig. đều nhỏ hơn 0,05. Như vậy, mối tương quan giữa các biến độc lập và biến phụ thuộc là tương quan cùng chiều.
4.4.2. Phân tích hồi quy
Phân tích hồi quy được thực hiện bằng xây dựng mơ hình hồi quy đa biến, nhằm thể hiện mối quan hệ tuyến tính giữa biến phụ thuộc vào các biến độc lập. Để xem xét tác động của các biến độc lập đến biến phụ thuộc, xây dựng mơ hình hồi quy đã chuẩn hóa như sau:
Y = β1X1 + β2X2 + β3X3 + β4X4
Trong đó:
Y: Quyết định chọn điểm đến (QDC) (biến phụ thuộc) - β1 , β2 , β3 , β4 : Các hệ số hồi quy ước lượng
- X1 : Động cơ đi du lịch (DCDL) - X2: Hình ảnh điểm đến (HADD) - X3: Khả năng tiếp cận (KNTC)
- X4: Nguổn thơng tin về điểm đến (TTDD)
Kết quả phân tích hồi quy đa biến được tóm tắt như sau :
Bảng 4.7: Độ phù hợp của mơ hình và kiểm định ANOVA
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin- Watson 1 .806a .650 .640 .26291 1.646 ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 16.707 4 4.177 60.428 .000b Residual 8.986 230 .069 Total 25.693 236
Nguồn: Kết quả từ phân tích SPSS
Bảng 4.8: Kết quả phân tích hồi quy đa biến cho mơ hình
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
B Std. Error Beta Tolerance VIF 1 (Constant) 0.803 0.239 3.363 0.001 DCDL 0.246 0.026 0.502 9.573 0.000 0.977 1.023 KNTC 0.178 0.028 0.332 6.326 0.000 0.976 1.024 HADD 0.324 0.046 0.363 6.993 0.000 0.996 1.004 TTDD 0.155 0.028 0.288 5.540 0.000 0.996 1.004
Nguồn: Kết quả từ phân tích SPSS
Như vậy, mơ hình hồi quy bao gồm một biến phụ thuộc Quyết định chọn điểm đến (QDC) và 4 biến độc lập: Động cơ đi du lịch (DCDL), Hình
ảnh điểm đến (HADD), Khả năng tiếp cận (KNTC), Nguổn thông tin về điểm
đến (TTDD) có hệ số xác định điều chỉnh (R2 hiệu chỉnh – Adjusted R Square) là 0,640. Điều này có nghĩa là mơ hình hồi quy được xây dựng phù hợp với tập dữ liệu đến 64,0% hay các biến độc lập trong mơ hình giải thích được 64,0% sự biến thiên của biến phụ thuộc.
Kết quả phân tích phương sai ANOVA cho biết giá trị F = 60.428 và mức ý nghĩa giá trị kiểm định t (Sig) = 0,000 bé hơn mức ý nghĩa α = 0,05. Như vậy kết luận mơ hình hồi quy tuyến tính mà ta xây dựng phù hợp với tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) hay có thể nói rằng mơ hình mà ta xây dựng là có ý nghĩa thống kê.
Từ kết quả phân tích hồi quy cũng cho thấy giá trị kiểm định Sig (của các hệ số β1, β2, β3, β4) đều đạt giá trị 0,000 < mức ý nghĩa α = 0,05. Kết luận: các hệ số hồi quy β1, β2, β3, β4 của các biến độc lập tương ứng đều > 0 và có ý nghĩa về mặt thống kê
Phương trình hồi quy chuẩn hóa giải thích sự ảnh hưởng của các nhân tố đến quyết định chọn huyện Cam Ranh tỉnh Khánh Hòa là điểm đến du lịch của du khách trong nước có dạng như sau :
QDC = 0.502*DCDL+ 0.332*HADD+ 0.363*KNTC+ 0.288*TTDD +e Như vậy, các nhân tố Động cơ đi du lịch (DCDL), Hình ảnh điểm đến (HADD), Khả năng tiếp cận (KNTC) và Nguồn thông tin về điểm đến
(TTDD) đều có tác động tích cực đến quyết định chọn Cam Ranh là điểm đến du lịch của du khách trong nước.