7. Tổng quan tài liệu nghiên cứu
2.6.5. Phương pháp xử lý số liệu
Dữ liệu sau khi thu thập được nhập liệu và xử lý bằng phần mềm SPSS 16.0 và AMOS 20.0. Một số phương pháp phân tích dữ liệu được sử dụng trong nghiên cứu này, bao gồm:
a. Thống kê mô tả
Thống kê mô tả: nghiên cứu việc tổng hợp, số hóa các số liệu thu thập được. Sau đó tính toán các tham số đặc trưng cho tập hợp dữ liệu như trung bình, phương sai, tần suất, tỷ lệ,… Mục đích là để mô tả mẫu theo các thuộc tính của đối tượng nghiên cứu.
b. Phân tích hệ số tin cậy Cronbach’s Alpha
Hệ số Cronbach’s Alpha là một hệ số kiểm định thống kê về mức độ tin cậy và tương quan giữa các biến quan sát trong cùng thang đo. Hệ số này cho biết sự chặt chẽ và thống nhất trong các câu trả lời nhằm đảm bảo người được hỏi đã hiểu cùng một khái niệm. Hệ số Cronbach’s Alpha được tính toán trước tiên cho các biến số của mỗi thành phần. Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế biến rác trong quá trình nghiên cứu. Trong kiểm định Cronbach’s Alpha, các biến quan sát có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thông thường, thang đo có hệ số Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng được. Thang đo có hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Tuy nhiên, cũng cần lưu ý rằng nếu Cronbach’s Alpha quá cao, lớn hơn 0.95, thì có khả năng xuất hiện biến quan sát thừa (Redundant items) ở trong thang đo. Biến thừa là biến đo lường một khái
niệm hầu như trùng với biến đo lường khác, khi đó biến thừa nên được loại bỏ.
c. Phân tích nhân tố (EFA)
Sau khi kiểm tra độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đủ độ tin cậy. Tác giả tiến hành phân tích nhân tố EFA. Theo Hair và cộng sự (2010), phân tích nhân tố là một trong những phương pháp phân tích thống kê dùng để rút gọn nhiều biến quan sát thành một tập hợp các nhân tố có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các thông tin của tập biến ban đầu.
Đối với thang đo Trải nghiệm du lịch đáng nhớ, tác giả ứng dụng thang đo của Kim và cộng sự (2012) và thêm vào hai biến quan sát mới cho nhân tố văn hóa địa phương sau nghiên cứu định tính. Vì vậy, bước phân tích nhân tố khám phá EFA sẽ giúp tác giả kiểm tra việc tách nhóm nhân tố trước khi đưa vào phân tích CFA.
Trong phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm một số tiêu chuẩn sau:
- Trị số KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố khám phá là thích hợp. Kiểm định Barlett’s là đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Điều kiện cần để phân tích nhân tố khám phá là các biến phải có tương quan với nhau. Nếu kiểm định có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể.
- Hệ số tải nhân tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố khám phá. Factor loading > 0.3 được xem là đạt mức tối thiểu, Factor loading > 0.4 được xem là quan trọng và Factor loading > 0.5 được xem là có ý nghĩa thực tiễn (Hair và cộng sự, 2010). Khác
biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố
- Đại lượng Eigenvalue đại diện cho lượng biến thiên đươc giải thích bởi mỗi nhân tố. Những nhân tố nào có có chỉ số Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình vì khi đó chỉ số Eigenvalue không có tác dụng tóm tắt thông tin tốt hơn biến gốc, vì sau khi chuẩn hóa, mỗi biến gốc có phương sai là 1 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Tổng phương sai trích là phần trăm phương sai toàn bộ được giải thích bởi mỗi nhân tố. Nếu coi biến thiên là 100% thì giá trị này cho biết phân tích nhân tố cô đọng được bao nhiêu phần trăm và bị thất thoát bao nhiêu phần trăm. Tổng phương sai trích đạt tối thiểu 50% thì phân tích nhân tố khám phá được xem là phù hợp.
- Phân tích nhân tố sử dụng phương pháp trích Principal axis factoring với phép xoay Promax được thực hiện cho tất cả các biến số đo lường để đảm bảo mức độ tương quan và sự phân biệt rõ ràng giữa các nhân tố cho phân tích CFA.
d. Phân tích nhân tố khẳng định (CFA)
Phân tích nhân tố khẳng định được sử dụng để quyết định các biến số của từng thàn phần một cách chặt chẽ hơn, dựa vào ma trận tương quan của các biến số. Hay nói cách khác, phân tích CFA giúp kiểm định các biến quan sát đại diện cho các nhân tố tốt đến mức nào.
Trong phân tích CFA, để đo lường mức độ phù hợp của mô hình với thông tin thị trường, các nhà nghiên cứu thường sử dụng chi-square (CMIN), chi-square điều chỉnh theo bậc tự do (CMIN/df), chỉ số GFI (Goodness of Fit Index), chỉ số AGFI (Adjusted Goodness of Fit Index), chỉ số RMR (Root Mean Square Residual), chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số TLI (Tucker và Lewis Index) và chỉ số RMSEA (Root Mean
Square Error Approximation). Mô hình được xem là thích hợp khi có chi- square có p-value > 0.05. Tuy nhiên chi-square có nhược điểm là phụ thuộc vào kích thước mẫu. Nếu mô hình nhận được các giá trị GFI, TLI, CFI ≥ 0.9, AGFI ≥ 0.8, RMR < 0.05, CMIN/df ≤ 2. Một số trường hợp CMIN/df có thể ≤ 3. RMSEA ≤ 0.08, RMSEA ≤ 0.05 được xem là rất tốt; thì mô hình được xem là thích hợp với dữ liệu thị trường. Trong nghiên cứu thực tế, CMIN/ df < 5 (với mẫu ≥ 200), hay CMIN/df < 3 (với mẫu ≤ 200) thì mô hình được xem là phù hợp tốt.
e. Đánh giá độ phù hợp của mô hình bằng mô hình cấu trúc tuyến tính (SEM)
Mô hình cấu trúc tuyến tính có thể tính toán được sai số đo lường, cho phép chúng ta kết hợp được các khái niệm tiềm ẩn với đo lường của chúng.
TÓM TẮT CHƯƠNG 2
Trong chương này tác giả giới thiệu sơ lược về thành phố Đà Nẵng. Bên cạnh đó, tác giả trình bày chi tiết về mô hình nghiên cứu đề xuất và phương pháp nghiên cứu. Dựa vào cơ sở lý thuyết và các nghiên cứu có trước, tác giả đề xuất mô hình nghiên cứu ảnh hưởng của từng thành phần thang đo trải nghiệm du lịch đáng nhớ đến ý định quay trở lại Đà Nẵng của du khách nội địa. Phương pháp nghiên cứu được sử dụng gồm nghiên cứu định tính và nghiên cứu định lượng. Trong đó, nghiên cứu định tính sử dụng kỹ thuật phỏng vấn sâu và nghiên cứu định lượng được thực hiện thông qua phỏng vấn bằng bản câu hỏi.
CHƯƠNG 3
3 KẾT QUẢ NGHIÊN CỨU