Căn cứ vào hệ thống lý thuyết cũng như nghiên cứu sơ bộ đã thực hiện bên trên, tác giả tiến hành đánh giá độ tin cậy của các thang đo bằng hệ số Cronbach’s Alpha với 200 quan sát.
Kết quả phân tích Cronbach’s Alpha của các thang đo như sau:
Thang đo “Tính đáng tin cậy” gồm có 5 biến quan sát, phần mềm SPSS cho kết quả hệ số Cronbach’s Alpha = 0,887> 0,6 và hệ số tương quan biến tổng của các biến quan sát > 0,3 nên đảm bảo độ tin cậy.
Bảng 4. 6 Độ tin cậy của thang đo “Tính đáng tin cậy”
Cronbach’s Alpha = 0,887
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại biến
TC1 14,9950 12,045 0,842 0,836
TC2 14,9250 13,024 0,639 0,883
TC3 14,7400 12,706 0,746 0,858
TC4 15,0500 12,309 0,797 0,846
TC5 15,1100 13,103 0,623 0,887
Với kết quả này, thang đo “Tính đáng tin cậy” là phù hợp để phân tích nhân tố EFA.
Bảng 4. 7 Độ tin cậy của thang đo “Sự đáp ứng”
Cronbach’s Alpha = 0,938
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại biến
DU1 14,0300 12,863 0,842 0,922
DU2 14,0900 13,168 0,829 0,925
DU3 14,0700 13,131 0,840 0,923
DU4 14,0050 13,080 0,850 0,921
Hệ số tin cậy Cronbach’s Alpha của thang đo này là 0,938 (> 0,6) và hệ số tương quan biến tổng đều lớn hơn 0,3. Do đó, độ tin cậy của thang đo này đạt yêu cầu.
Bảng 4. 8 Độ tin cậy của thang đo “Năng lực phục vụ”
Cronbach’s Alpha = 0,856
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại biến
PV1 10,5300 6,512 0,697 0,818
PV2 10,6050 6,924 0,681 0,825
PV3 10,7150 6,255 0,746 0,797
PV4 10,8250 6,979 0,676 0,827
Tương tự, thang đo “Năng lực phục vụ” cũng đạt yêu cầu về độ tin cậy với các chỉ tiêu trên.
Thang đo “Sự đồng cảm”, với hệ số Cronbach’s Alpha = 0,841, không có biến nào có hệ số tương quan biến tổng nhỏ hơn 0,3.
Bảng 4. 9 Độ tin cậy của thang đo “Sự đồng cảm”
Cronbach’s Alpha = 0,841
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại biến
DC1 10,3950 5,979 0,611 0,826
DC2 10,6250 5,552 0,779 0,751
DC3 10,8750 6,361 0,653 0,808
DC4 10,6750 5,718 0,665 0,803
Yếu tố “Yếu tố hữu hình” với 4 biến quan sát, hệ số tương quan biến tổng đều lớn hơn 0,3. Đồng thời, Cronbach’s Alpha lớn hơn 0,6. Do đó, thang đo này đủ độ tin cậy để tiến hành phân tích tiếp theo.
Cronbach’s Alpha = 0,850
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại biến
HH1 8,3100 7,331 0,698 0,806
HH2 8,1000 7,276 0,747 0,784
HH3 8,0200 7,165 0,698 0,806
HH4 7,8800 8,257 0,619 0,838
Thang đo “Sự hài lòng” có hệ số Cronbach’s Alpha = 0,869. Hệ số tương quan biến tổng không nhỏ hơn 0,3 nên độ tin cậy của thang đo này đạt yêu cầu.
Bảng 4. 11 Độ tin cậy của thang đo “Sự hài lòng”
Cronbach’s Alpha = 0,869
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại biến
HL1 13,4100 15,188 0,624 0,858
HL2 13,3950 13,728 0,695 0,841
HL3 13,3600 14,010 0,722 0,835
HL4 13,3250 12,713 0,748 0,828
HL5 13,4100 14,042 0,687 0,843
Như vậy, tất cả các thang đo đều có Cronbach’s Alpha lớn hơn 0,6 và toàn bộ hệ số tương quan biến tổng lớn hơn 0,3. Do vậy, tất cả các biến quan sát trên đều được sử dụng để tiến hành phân tích nhân tố khám phá EFA phía sau.
4.3. Phân tích nhân tố khám phá EFA 4.3.1. Phân tích EFA cho các biến độc lập 4.3.1. Phân tích EFA cho các biến độc lập
Với trình tự thực hiện như nghiên cứu sơ bộ, cùng với phần mềm SPSS 23, tác giả mô tả kết quả tính toán tuần tự như bên dưới:
Bảng 4. 12 Kiểm định hệ số KMO và Bartlett’s Test biến độc lập
Kiểm định Kaiser-Meyer-Olkin về sự thích hợp của mẫu 0,858
Kiểm định Bartlett's về cấu hình của mẫu
Tương đương Chi-Bình phương 2697,164
Df 231
Sig. 0,000
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả)
Bảng 4. 13 Tổng phương sai giải thích của biến độc lập
Thành phần
Giá trị Eigenvalue ban đầu Tổng trọng số nhân tố bình phương trích Tổng trọng số nhân tố bình phương xoay Tổng % của phương sai Tích lũy % Tổng % của phương sai Tích lũy % Tổng % của phương sai Tích lũy % 1 6,909 31,404 31,404 6,909 31,404 31,404 4,014 18,244 18,244 2 2,667 12,125 43,529 2,667 12,125 43,529 3,509 15,950 34,195 3 2,603 11,834 55,363 2,603 11,834 55,363 2,832 12,873 47,068 4 2,166 9,847 65,209 2,166 9,847 65,209 2,790 12,682 59,750 5 1,561 7,095 72,304 1,561 7,095 72,304 2,762 12,554 72,304 6 0,639 2,903 75,207 7 0,606 2,752 77,959 8 0,554 2,520 80,479 9 0,535 2,433 82,912 10 0,447 2,031 84,943 11 0,419 1,907 86,849 12 0,408 1,856 88,705 13 0,384 1,744 90,448 14 0,360 1,635 92,083 15 0,301 1,368 93,451 16 0,274 1,244 94,695 17 0,263 1,197 95,891 18 0,233 1,058 96,949 19 0,222 1,007 97,956 20 0,171 0,775 98,731 21 0,146 0,664 99,396 22 0,133 0,604 100,000 Phương pháp trích: Phân tích thành phần chính.
Bảng 4.12 cho thấy giá trị KMO = 0,858> 0,5 và giá trị Sig. = 0,000 < 0,05. Kết quả EFA cho thấy có 5 yếu tố được trích tại eigenvalue là 1,561>1 và phương sai trích lũy kế 72,304% > 50%.
Bảng 4. 14 Ma trận xoay nhân tố các biến độc lập
Nhân tố 1 2 3 4 5 TC1 0,882 TC2 0,741 TC3 0,806 TC4 0,872 TC5 0,686 DU1 0,866 DU2 0,859 DU3 0,877 DU4 0,883 DU5 0,858 PV1 0,808 PV2 0,796 PV3 0,854 PV4 0,766 DC1 0,736 DC2 0,847 DC3 0,780 DC4 0,778 HH1 0,818 HH2 0,827 HH3 0,829 HH4 0,771
Kết quả phân tích trên cho thấy, 22 biến quan sát tạo ra 5 nhân tố với tổng phương sai trích là 72,304%. Nói khác đi, 5 nhân tố trên thay cho 22 mục hỏi được đưa vào khảo sát thì lượng thông tin của các nhân tố này trích được 72,304% biến động của 22 biến đo lường.
Đồng thời, kết quả cũng chỉ ra được, các thang đo Tính đáng tin cậy, Năng lực phục vụ, Sự đáp ứng, Sự đồng cảm, Yếu tố hữu hình đạt giá trị hội tụ và riêng biệt vì không có mục hỏi nào đo lường cùng 2 nhân tố.
4.3.2. Phân tích EFA cho biến phụ thuộc
Kết quả phân tích nhân tố đối với biến phụ thuộc chỉ ra 1 yếu tố được trích, với chỉ số KMO = 0,806. Phân tích EFA kết thúc và mô hình nghiên cứu đạt được độ tin cậy cần thiết về mặt thống kê. Kết quả được trình bày ở Bảng 4.15 đến 4.17 bên dưới:
Bảng 4. 15 Kiểm định hệ số KMO và Bartlett’s Test biến phụ thuộc
Kiểm định Kaiser-Meyer-Olkin về sự thích hợp của mẫu 0,806
Kiểm định Bartlett's về cấu hình của mẫu
Tương đương Chi-Bình phương 504,495
Df 10
Sig. 0,000
Bảng 4. 16 Tổng phương sai giải thích biến phụ thuộc
Nhân tố
Giá trị Eigenvalue ban đầu Tổng trọng số nhân tố bình phương trích
Tổng % của
phương sai Tích lũy % Tổng
% của
phương sai Tích lũy %
1 3,287 65,745 65,745 3,287 65,745 65,745
2 0,747 14,936 80,681
3 0,409 8,171 88,852
4 0,313 6,257 95,109
5 0,245 4,891 100,000
Bảng 4. 17 Ma trận xoay nhân tố biến phụ thuộc
Nhân tố 1 HL1 0,752 HL2 0,814 HL3 0,829 HL4 0,852 HL5
4.4. Phân tích tương quan giữa các biến
Trước khi thực hiện phân tích hồi quy tuyến tính, cần tiến hành xác định mối quan hệ tương quan giữa biến độc lập và biến phụ thuộc cũng như mối quan hệ tương quan giữa các biến độc lập với nhau. Hệ số tương quan giữa biến độc lập và biến phụ thuộc lớn chứng tỏ rằng giữa chúng có quan hệ với nhau, khi đó có thể phù hợp với phân tích hồi quy tuyến tích. Khía cạnh khác, nếu hệ số tương quan giữa các biến độc lập lớn thì đó là dấu hiệu cho thấy giữa chúng có hiện tượng đa cộng tuyến trong mô hình ta đang nghiên cứu.
Bảng 4. 18 Ma trận hệ số tương quan HL TC DU PV DC HH HL Pearson Correlation 1 0,598 ** 0,467** 0,412** 0,445** 0,406** Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 N 200 200 200 200 200 200 TC Pearson Correlation 0,598 ** 1 0,358** 0,303** 0,300** 0,308** Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 N 200 200 200 200 200 200 DU Pearson Correlation 0,467 ** 0,358** 1 0,248** 0,320** 0,207** Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,003 N 200 200 200 200 200 200 PV Pearson Correlation 0,412 ** 0,303** 0,248** 1 0,396** 0,113 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,110 N 200 200 200 200 200 200 DC Pearson Correlation 0,445 ** 0,300** 0,320** 0,396** 1 0,259** Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 N 200 200 200 200 200 200 HH Pearson Correlation 0,406 ** 0,308** 0,207** 0,113 0,259** 1 Sig. (2-tailed) 0,000 0,000 0,003 0,110 0,000 N 200 200 200 200 200 200
**. Correlation is significant at the 0.01 level (2-tailed) (Tương quan ở mức ý nghĩa 1% (kiểm định 2 phía)).
Kết quả trên cho thấy,hệ số tương quan dương mang ý nghĩa thống kê đối với biến phụ thuộc Sự hài lòng. Ngoại trừ biến HH (yếu tố Yếu tố hữu hình) không có tương quan với PV (Năng lực phục vụ) thì các biến độc lập khác có hệ số tương quan khá thấp (đều < 0,6). Ta có thể nói rằng mức độ đa cộng tuyến trong mô hình là không đáng kể.
4.5. Phân tích hồi quy
4.5.1. Kiểm định mức độ phù hợp của mô hình
Việc phân tích hồi quy tuyến tính giúp chúng ta xác định được sự tác động của các biến độc lập đối với biến phụ thuộc. Phương trình tổng quát được tác giả xây dựng như sau:
HL= β0 + β1TC + β2DU + β3PV + β4DC + β5HH + ei
Trong đó:
- HL: Sự hài lòng (Biến phụ thuộc) - TC: Tính đáng tin cậy - DU: Sự đáp ứng - PV: Năng lực phục vụ - DC: Sự đồng cảm - HH: Yếu tố hữu hình - ei: Sai số.
Giả thiết rằng: H0: R2 = 0 (Mô hình ước lượng không phù hợp); H1: R2 0 (Mô hình ước lượng phù hợp)
Nếu kết quả thu được có giá trị Sig. < mức ý nghĩa 5% thì bác bỏ H0, chấp nhận H1 có nghĩa là mô hình ước lượng là phù hợp với dữ liệu khảo sát.
Tất cả các biến được đưa vào phân tích bằng phần mềm SPSS 23, bao gồm biến độc lập và biến phụ thuộc. Kết quả phân tích hồi quy như sau:
Bảng 4. 19 Model Summary Mô hình R Hệ số xác định R2 Hệ số xác định hiệu chỉnh Sai số chuẩn của các ước tính Trị số Durbin- Watson 1 0,729a 0,531 0,519 0,63675 1,828
a. Predictors: (Constant), HH, PV, DU, TC, DC b. Dependent Variable: HL
Từ bảng 4.19 cho thấy, hệ số xác định R2 hiệu chỉnh = 0,519 nghĩa là các biến độc lập (HH, PV, DU, TC, DC) đưa vào phân tích hồi quy ảnh hưởng 51,9% sự thay đổi của biến phụ thuộc (HL). Đồng thời, R2 0 cho phép ta kết luận, mô hình ước lượng là phù hợp cũng như mô hình không bị hiện tượng tự tương quan (vì trị số Durbin – Watson = 1,828 nằm trong khoảng từ 1 đến 3).
Bảng 4. 20 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) -0,652 0,282 -2,317 0,022 TC 0,387 0,059 0,369 6,575 0,000 0,766 1,306 DU 0,209 0,056 0,204 3,750 0,000 0,812 1,231 PV 0,183 0,060 0,168 3,051 0,003 0,799 1,252 DC 0,178 0,066 0,153 2,701 0,008 0,753 1,329 HH 0,197 0,054 0,191 3,630 0,000 0,869 1,151 a. Dependent Variable: HL
Với kết quả phân tích như trên, tác giả rút ra các nhận định đó là:
- Giá trị ý nghĩa thống kê - Sig. của kiểm định t hệ số hồi quy đều nhỏ hơn 0,05, tức là các biến độc lập đều có ý nghĩa giải thích cho biến phụ thuộc, và không có biến nào bị loại khỏi mô hình;
- Hệ số VIF (giá trị phóng đại phương sai) đều nhỏ hơn 10 do đó mô hình không có hiện tượng đa cộng tuyến;
- Hệ số hồi quy của các biến độc lập đều lớn hơn 0, chứng tỏ tất cả biến độc lập đưa vào mô hình nghiên cứu đều có tác động cùng chiều đến biến phụ thuộc. Căn
cứ vào giá trị của hệ số hồi quy chuẩn hóa (Beta), ta có thể sắp xếp thứ tự ảnh hưởng của các biến từ mạnh nhất đến yếu nhất như sau: TC (0,369) > DU (0,204) > HH (0,191) > PV (0,168) > DC (0,153). Tương ứng với:
+ Biến “Tính đáng tin cậy” tác động mạnh nhất đến sự hài lòng của hành khách. Giá trị Beta = 0,369 với mức ý nghĩa rất thấp (Sig. < 0,001) thì khi tăng yếu tố này lên một đơn vị (theo thang đo Likert) thì mức độ hài lòng của hành khách đối với chất lượng dịch vụ theo đó tăng thêm 0,369 đơn vị.
+ “Sự đáp ứng” tác động mạnh thứ hai đến sự hài lòng của hành khách. Hệ số Beta = 0,204; mức ý nghĩa Sig. < 0,001. Hệ số này cho thấy, khả năng đáp ứng đối với nhu cầu của hành khách càng cao thì mức độ hài lòng của hành khách với chất lượng dịch vụ của cảng hàng không càng lớn.
+ “Yếu tố hữu hình” ảnh hưởng thứ ba đến sự hài lòng của hành khách. Với hệ số Beta = 0,191; mức ý nghĩa < 0,05, nếu cảng hàng không trang bị thêm hoặc nâng cao cơ sở vật chất, hạ tầng,… thì mặc nhiên sự hài lòng của hành khách đối với chất lượng dịch vụ khi đi đến cảng hàng không cũng tăng lên.
+ “Năng lực phục vụ” có Beta = 0,168 với mức ý nghĩa < 0,05 tác động mạnh thứ tư đến sự hài lòng của hành khách; chất lượng của quá trình phục vụ tăng lên làm cho đánh giá của hành khách về chất lượng dịch vụ cũng tăng.
+ “Sự đồng cảm” ít tác động nhất đến sự hài lòng của hành khách: có giá trị Beta = 0,153, mức ý nghĩa < 0,05. Dù xếp thứ tự không cao trong nhóm các tiêu chí được đánh giá, tuy nhiên, ảnh hưởng của Sự đồng cảm vẫn mang giá trị tác động dương.
Như vậy, 5 giả thuyết từ H1 tới H5 tác giả xây dựng ban đầu (tại mục 2.5 của đề tài này) đều được chấp nhận. Khi đó, phương trình hồi quy chuẩn hóa được mô tả như sau:
HL = 0,369*TC + 0,204 * DU + 0,191 * HH + 0,168 * PV + 0,153 * DC + ei
Việc kiểm định tính chuẩn hóa của phần dư là quá trình không thể thiếu trong phân tích hồi quy tuyến tính. Trong đề tài này, tác giả sử dụng biểu đồ Histagram và biểu đồ P-P Plot.
Hình 4. 1 Biểu đồ tần số Histagram
Từ biểu đồ ta thấy có một đường cong phân phối chuẩn dạng hình chuông, đặt chồng lên biểu đồ tần số.
Mật độ phân tán của phần dư tuân theo luật phân phối chuẩn vì giá trị trung bình Mean gần bằng 0 và độ lệch chuẩn của phần dư (0,987) gần bằng 1. Như vậy có thể thấy được, phân phối phần dư gần đạt chuẩn, đồng nghĩa với giả thiết về phân phối chuẩn của phần dư không bị vi phạm.
Hình 4. 2 Biểu đồ phần dư chuẩn hóa Normal P-P Plot
Theo biểu đồ P-P Plot các điểm phân vị trong phân phối của các biến tập trung sát đường thẳng kỳ vọng. Điều này chứng tỏ, tập dữ liệu nghiên cứu của mô hình là tốt, phần dư chuẩn hóa có phân phối gần với phân phối chuẩn.
4.5.4. Kiểm định mối liên hệ tuyến tính
Giả định liên hệ tuyến tính được kiểm định bằng biểu đồ phân tán scatterplot. Trục tung là giá trị phần dư chuẩn hóa, còn trục hoành là giá trị dự báo chuẩn hóa (chính là giá trị chuẩn hóa biến phụ thuộc).
Hình 4. 3 Đồ thị phân tán Scatterplot
Ta thấy, phần dư phân tán ngẫu nhiên không theo quy luật nào trong một vùng xung quanh đường đi qua tung độ 0 và phân tán trong phạm vi không đổi (từ -3 đến 3). Do vậy, giả định liên hệ tuyến tính cũng như giả định phương sai của sai số không đổi không bị vi phạm.
Mô hình ước lượng hồi quy bội bằng phương pháp bình phương tối thiểu thấp nhất (OLS: Ordinary Least Square) không bị vi phạm các giả thiết (hiện tượng đa cộng tuyến, phương sai sai số thay đổi, hiện tượng tự tương quan, và tính phân phối