6. Bố cục của đề tài
3.3. Phân tích nhân tố mới EFA
3.3.1. Lý thuyết
Phương pháp phân tích nhân tố khám phá EFA được dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Phương pháp này đi vào cách tiếp cận dựa trên mối tương quan giữa các biến với nhau
(interrelationships), gọi là phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques) chứ không phân tách rạch ròi ra biến phụ thuộc và biến độc lập.
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: -Hệ số tải nhân tố (Factor loading) > 0,5.
-Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp. Cần thỏa mãn: 0,5 ≤ KMO ≤ 1.
-Kiểm định Bartlett có ý nghĩa thống kê với giá trị Sig. < 0,05: Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
-Phần trăm phương sai trích (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố cô động được bao nhiêu % và thất thoát bao nhiêu % biến quan sát.
3.3.2. Kết quả phân tích EFA
Như đã phân tích ở phần Cronbach’s Alpha, ta có biến “TT3. Bạn biết đến Tam Đảo thông qua truyền miệng” thuộc nhóm “Truyền thông” đã bị loại bỏ do không đủ tiêu chuẩn. Do vậy ta chỉ phân tích 29 biến đủ điều kiện khi bước vào phân tích EFA. * Phân tích lần 1:
Bảng 3.7: Bảng KMO and Barlett’s Test
Nhìn vào kết quả phân tích lần 1, ta thấy hệ số KMO = 0,899 thỏa mãn điều kiện 0,5 < KMO < 1 nên phân tích nhân tố phù hợp. Sig ( Bartlett’s Test ) = 0,000 ( sig < 0,05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Trong bảng kết quả phân tích trên, tổng phương sai trích ở dòng Component số 6 với % Cumulative là 61,976% > 50%, nên đáp ứng tiêu chuẩn, chứng tỏ 61,976% biến thiên của dữ liệu được giải thích bởi 6 nhân tố mới.
Tiếp đến, ta có bảng phân tích ma trận xoay Rotated Component Matrix. Bảng 3.9: Bảng phân tích Rotated Component Matrix
Phương pháp trích xuất: Phân tích thành phần chính Phương pháp
xoay: Varimax với Kaiser Normalization a, Phép quay hội tụ trong 11 lần lặp
Qua bảng phân tích Rotated Component Matrix, trong số 29 biến quan sát, phát hiện các biến TK3, DD2, DD3 và DC6 có hệ số tải nhỏ hơn mức tiêu chuẩn được đề ra trong lý thuyết là 0,5 nên không hiển thị trên bảng ma trận xoay. Ngoài ra, biến DC1 có số liệu tải lên ở cả 2 nhân tố 1 và 2 với giá trị chênh lệch hai hệ số tải là 0,608 – 0,503 = 0,105 < 0,3 nên không đảm bảo giá trị phân biệt. Nhóm xem xét loại bỏ 5 biến xấu nêu trên và tiếp tục đi vào phân tích EFA lần 2 với 24 biến còn lại.
* Phân tích lần 2 ta được kết quả như sau: Bảng phân tích KMO and Barlett’s Test:
Bảng 3.10. Bảng phân tích KMO and Barlett’s Test
Sau khi tiến hành phân tích lần 2, ta có hệ số KMO là 0,885 thỏa mãn điều kiện nên phân tích nhân tố là phù hợp. Sig (Bartlett’s Test) = 0,000 (Sig < 0,05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Dưới đây là bảng phương sai trích Total Variance Explained: Bảng 3.11. Bảng phương sai trích Total Variance Explained
Phương pháp trích xuất: Phân tích thành phần chính
Ở lần chạy thứ 2, tổng phương sai trích ở dòng 6 với % Cumulative là 64,624% > 50%, nên đáp ứng tiêu chuẩn, chứng tỏ 64,624% biến thiên của dữ liệu được giải
Cuối cùng là bảng phân tích Rotated Component Matrix: Bảng 3.12. Bảng phân tích Rotated Component Matrix
Phương pháp trích xuất: Phân tích thành phần chính Phương pháp
xoay: Varimax với Kaiser Normalization a, Phép quay hội tụ trong 30 lần lặp
Qua bảng phân tích Rotated Component Matrix lần 2, trong số 24 biến quan sát, phát hiện các biến DC3, TK2 và CN3 có hệ số tải nhỏ hơn mức tiêu chuẩn được đề ra trong lý thuyết là 0,5 nên không hiển thị trên bảng ma trận xoay. Nhóm xem xét loại bỏ 3 biến xấu nêu trên và tiếp tục đi vào phân tích EFA lần 3 với 21 biến còn lại.
Bảng phân tích KMO and Barlett’s Test:
Bảng 3.13. Bảng phân tích KMO and Barlett’s Test
Sau khi tiến hành phân tích lần 3, ta có hệ số KMO là 0,853 thỏa mãn điều kiện nên phân tích nhân tố là phù hợp. Sig (Bartlett’s Test) = 0,000 (Sig < 0,05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Bảng 3.14. Bảng phương sai trích Total Variance Explained
Ở lần chạy thứ 3, tổng phương sai trích ở dòng 6 với %
Cumulative là 66,181% > 50%, nên đáp ứng tiêu chuẩn, chứng tỏ 66,181% biến thiên của dữ liệu được giải thích bởi 6 nhân tố mới. Bảng 3.15. Bảng phân tích Rotated Component Matrix
Phương pháp trích xuất: Phân tích thành phần chính Phương pháp
xoay: Varimax với Kaiser Normalization a, Phép quay hội tụ trong 8 lần lặp
Qua bảng phân tích Rotated Component Matrix lần 3, trong số 21 biến quan sát, phát hiện chỉ có duy nhất biến DD7 tải lên số liệu ở nhân tố thứ 6. Trong thống kê, không tồn tại thang đo chỉ có 1 biến quan sát. Do đó, nhóm xem xét loại bỏ 1 biến xấu nêu trên và tiếp tục đi vào phân tích EFA lần 4 với 20 biến còn lại.
Bảng phân tích KMO and Barlett’s Test:
Bảng 3.16. Bảng phân tích KMO and Barlett’s Test
Sau khi tiến hành phân tích lần 4, ta có hệ số KMO là 0,872 thỏa mãn điều kiện nên phân tích nhân tố là phù hợp. Sig (Bartlett’s Test) = 0,000 (Sig < 0,05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Sau khi tiến hành phân tích lần 4, nhận thấy các nhân tố được gộp lại thành 5 nhóm. Tổng phương sai trích ở dòng 5 với % Cumulative là 64,119% > 50%, nên đáp ứng tiêu chuẩn, chứng tỏ 64,119% biến thiên của dữ liệu được giải thích bởi 5 nhân tố mới. Cuối cùng là bảng phân tích Rolated Component Matrix:
Bảng 3.18. Bảng phân tích Rolated Component Matrix
Phương pháp trích xuất: Phân tích thành phần chính Phương pháp
xoay: Varimax với Kaiser Normalization a, Phép quay hội tụ trong 7 lần lặp
Ở lần chạy thứ 4, ta có bảng trên với các biến thỏa mãn các tiêu chí và không còn biến xấu nữa. Kết thúc lần chạy thứ này, ta có bảng kết quả EFA của các nhân tố như trên. Các nhóm yếu tố ban đầu được xác định dựa trên cơ sở lý thuyết và kết quả nghiên cứu định tính đã có sự thay đổi sau khi phân tích nhân tố khám phá EFA. Còn lại 20 biến quan sát chia thành 5 nhóm nhân tố và 5 nhóm nhân tố đó được đặt tên như sau.
Bảng 3.19. Bảng các nhân tố ảnh hưởng đến quyết định du lịch Tam Đảo của sinh viên NEU sau EFA
Nhâ Tên
Biến Chỉ tiêu
n tố nhóm
CN1 Đây sẽ là điểm đến giúp thư giãn, nghỉ ngơi.
CN4 Tôi thích điểm đến du lịch này. Cảm nhận X1 CN5 Đánh giá tổng thể đây là điểm đến du lịch về tốt. điểm
đến Điểm đến có nhiều địa điểm check-in đẹp và
DD4
nổi tiếng.
Chi phí du lịch đến Tam Đảo hợp lý và có
CP3 tính cạnh tranh so với các điểm đến tương tự (VD: Sa Pa, Mộc Châu, Tam Cốc – Bích Động...)
Tam Đảo có thời tiết đặc biệt (không khí se DD5 lạnh, mây mù bao phủ, có thể trải nghiệm 4
mùa trong 1 ngày). Đặc
điểm X2
Bạn cảm thấy khoảng cách từ nơi bạn cứ trú chuyến
CD1 đến Tam Đảo là thuận tiện và phù hợp cho đi chuyến đi.
Bạn cảm thấy du lịch tại Tam Đảo phù hợp CD2
với nhiều đối tượng khác nhau.
Bạn cảm thấy du lịch ngắn ngày (dưới 3 CD3
X3 DD1 Tam Đảo là điểm đến văn hóa hấp dẫn. Động DD6 Tam Đảo là điểm đến có ẩm thực ngon.
Bạn đi du lịch Tam Đảo để tìm hiểu văn hóa,
DC2 khám phá phong tục tập quán và những điều mới lạ của vùng núi phía Bắc. cơ
DC5 Bạn đi du lịch Tam Đảo để leo núi và tham gia các hoạt động thể lực.
Bạn quan tâm đến các chương trình khuyến
CP1 mãi hoặc giảm giá các chi phí, dịch vụ trong
chuyến đi đến Tam Đảo. Các
chương Các chương trình khuyến mãi hoặc giảm giá trình hỗ
X4 CP2 các chi phí, dịch vụ trong chuyến đi là một trong những yếu tố
quyết định đến việc bạn giá vàtrợ về lựa chọn Tam Đảo. hoạt
động
CN2 Tam Đảo có nhiều hoạt động du lịch thú vị. thu hút
du lịch DC4 Bạn đi du lịch Tam Đảo để trải nghiệm những hoạt động mới mẻ và độc đáo.
TT1 Bạn biết đến Tam Đảo thông qua các chương trình quảng cáo trên internet.
Bạn biết đến Tam Đảo thông các chương Tham
X5 TT2 trình quảng cáo trên báo chí, tạp chí và các
khảo phương tiện truyền thông khác
Bạn quyết định lựa chọn điểm đến Tam Đảo TK1
từ những lời khuyên của bạn bè.
Sau khi thu thập, phân tích dữ liệu, nhóm đã đi đến kết luận về các nhân tố tác động đến đối tượng khảo sát là sinh viên NEU bằng mô hình hiệu chỉnh như sau.
Các giả thuyết nghiên cứu hiệu chỉnh
Giả thuyết X1: Cảm nhận về điểm đến có ảnh hưởng tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên Kinh tế Quốc dân.
Giả thuyết X2: Đặc điểm chuyến đi có ảnh hưởng tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên Kinh tế Quốc dân.
Giả thuyết X3: Động cơ du lịch có ảnh hưởng tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên Kinh tế Quốc dân.
Giả thuyết X4: Các chương trình hỗ trợ về giá và hoạt động thu hút du lịchcó ảnh hưởng tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên Kinh tế Quốc dân.
Giả thuyết X5: Nhóm tham khảo có ảnh hưởng tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên Kinh tế Quốc dân.
3.5. Phân tích tương quan Pearson
Mục đích của tương quan Pearson nhằm kiểm tra mỗi tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập cũng như các biến độc lập với nhau. Tương quan Pearson có giá trị dao động từ -1 đến 1.
+ Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
+ Nếu r càng tiến về 0: tương quan tuyến tính càng yếu. + Nếu r là 1, tương quan tuyệt đối.
+ Nếu r là 0, thì không có mối tương quan tuyến tính. Lúc này sẽ có 2 tình huống xảy ra. Một, không có một mối liên hệ nào giữa 2 biến. Hai, giữa chúng có mối liên hệ phi tuyến.
Bảng 3.20. Bảng phân tích tương quan Pearson
* Xét tương quan giữa các biến độc lập với biến phụ thuộc Y:
Chúng ta có thể thấy giá trị Sig. (2-tailed) của toàn bộ biến độc lập với biến phụ thuộc Y đều là nhỏ hơn 0,05. Cho nên các biến độc lập này đều có sự tương quan tuyến tính với biến phụ thuộc.
-Biến X1 tương quan mạnh nhất với biến Y với hệ số Pearson = 0,589. -Biến X2 tương quan mạnh thứ 2 với biến Y với hệ số Pearson = 0,577. -Biến X4 tương quan mạnh thứ 3 với biến Y với hệ số Pearson = 0,525. -Biến X5 tương quan mạnh thứ 4 với biến Y với hệ số Pearson = 0,472. -Biến X3 tương quan yếu nhất với biến Y với hệ số Pearson = 0,438.
* Xét tương quan giữa các biến độc lập với nhau:
Tất cả các biến độc lập đều có sự tương quan tuyến tính, do tất cả đều có sig < 0,05. Trong đó:
-Giữa X1 và X2 có tương quan mạnh mẽ nhất với hệ số Pearson = 0,632. -Giữa X3 và X1 lại có tương quan yếu nhất với hệ số Pearson = 0,298.
3.6. Mô hình hồi quy tuyến tính đa biến Biến độc lập: X1: Cảm nhận về điểm đến X1: Cảm nhận về điểm đến
X2: Đặc điểm chuyến đi X3: Động cơ du lịch
X4: Các chương trình hỗ trợ về giá và hoạt động thu hút du lịch X5: Tham khảo Biến phụ thuộc:
QD: Quyết định lựa chọn điểm đến du lịch của sinh viên NEU Mô hình nghiên cứu:
QD = α + β1X1 + β2X2 + β3X3 + β4X4 + β5X5
a. Phân tích hồi quy đa biến * Kiểm định Adjusted R Square Bảng 3.21. Bảng Model Summary trong phân tích hồi quy
a. Dựđoán: (Hằng số), Tham khảo, Chuyến đi, Động cơ, Các chương trình hỗ trợ
về giá và hoạt động thu hút du lịch, Cảm nhận b. Biến phụ thuộc: Quyết định
Ta có chỉ số R bình phương hiệu chỉnh (Adjusted R Square) là 0,498. Điều này cho thấy rằng 49,8% sự biến động của biến phụ thuộc là do các biến độc lập gây ra, còn lại 50,2% sự biến động là do những yếu tố bên ngoài mô hình và sai số thống kê. Như vậy mô hình có mức độ phù hợp chưa cao.
* Kiểm định ANOVA
Bảng 3.22. Kết quả kiểm định ANOVA
a. Biến phụ thuộc: Quyết định
b. Dựđoán: (Hằng số), Tham khảo, Chuyến đi, Động cơ, Các chương trình hỗ trợ về giá và hoạt động thu hút du lịch, Cảm nhận
Giá trị Sig. của mô hình < 0,05 nên mô hình phù hợp với bộ dữ liệu và có thể suy rộng ra cho tổng thể. * Kiểm định hệ số hồi quy Coefficients
Bảng 3.23. Kết quả kiểm định hệ số hồi quy Coefficients
Nhận thấy trong kết quả kiểm định hệ số hồi quy Coefficients, các hệ số VIF đều nhỏ hơn 10 (thậm chí là 2), chứng tỏ mô hình hồi quy không xuất hiện hiện tượng đa cộng tuyến. Từ đó, ta có Mô hình hồi quy:
QD = 0,209 + 0,220X1 + 0,281X2 + 0,158X3 + 0,191X4 + 0,098X5 b. Kết quả kiểm định các giả thuyết
Giả thuyết 1: Yếu tố “Cảm nhận về điểm đến” có ảnh hưởng đến quyết định lựa chọn điểm đến du lịch của sinh viên NEU
Theo kết quả phân tích hồi quy, các cảm nhận của đáp viên về điểm đến là yếu tố có tác động tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên NEU (β1 = 0,220, sig = 0,003). Hay nói cách khác, trong trường hợp các yếu tố khác không
đổi, khi yếu tố “cảm nhận về điểm đến” tăng lên thì mức độ ảnh hưởng đến quyết
định lựa chọn điểm đến du lịch của sinh viên NEU càng lớn.
Giả thuyết 2: Đặc điểm chuyến đi có ảnh hưởng tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên Kinh tế Quốc dân.
Có thể thấy từ kết quả phân tích hồi quy, các đặc điểm xuất hiện trong chuyến đi là yếu tố có tác động tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên NEU (β1 = 0,281, sig = 0,000). Hay nói cách khác, trong trường hợp các yếu tố khác không đổi, khi yếu tố “đặc điểm chuyến đi” tăng lên thì mức độ ảnh hưởng đến quyết định lựa chọn điểm đến du lịch của sinh viên NEU càng lớn.
Giả thuyết 3: Yếu tố “Động cơ du lịch” có ảnh hưởng tích cực đến quyết định lựa chọn điểm đến du lịch của sinh viên Kinh tế Quốc dân.
Qua kết quả phân tích hồi quy, nhóm “động cơ du lịch” là yếu tố có tác động