7. Tổng quan tài liệu nghiên cứu
2.7.3. Các thủ tục phân tích dữ liệu sử dụng trong nghiên cứu
Phân tích mô tả dữ liệu thống kê
Được thực hiện với tất cả 33 biến trong bảng điều tra. Các chỉ tiêu thống kê được quan tâm là trị số trung bình, mode, độ lệch chuẩn. Ba thông số này cho phép mô tả đánh giá chung của khách du lịch về các yếu tố được đề cập trong phiếu điều tra.
Đánh giá thang đo bằng hệ số tin cậy Cronbach's Alpha
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach Alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp thang đo lường là mới hoặc mới với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có Cronbach Alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
Phân tích nhân tố khámphá EFA
Trong phần này, tác giả sẽ lần lượt thực hiện phân tích theo các bước sau:
Xem xét chỉ số KMO
Nếu chỉ số KMO >0.5, p (chi-square, df) <0.05 (Hair & cộng sự, 2006) đồng thời đo lường sự tương thích của dữ liệu (MSA) với các dữ liệu trên đường chéo đều lớn hơn 0.5 thì khẳng định dữ liệu là thích hợp để phân tích.
Trong trường hợp chưa thỏa mãn các điều kiện trên, tiến hành cải thiện dữ liệu bằng cách thực hiện lại phân tích nhân tố nhưng lần lượt loại bỏ item có giá trị trên đường chéo của Anti-image Correlation trong ma trận Anti- image Matrices nhỏ hơn 0.5.
Độ giá trị hội tụ (Convergent Validity) và độ giá trị phân biệt (Discriminant Validity) của thang đo được đánh giá sơ bộ thông qua phương
pháp phân tích nhân tố EFA. Để thang đo đạt giá trị hội tụ thì hệ số tương quan giữa các biến và các hệ số tải nhân tố (Factor loading) phải lớn hơn hoặc bằng 0,5 trong một nhân tố và tổng phương sai trích lớn hơn 0,5 (Gerbing& Anderson, 1998).
Số lượng nhân tố: Số lượng nhân tố được xác định dựa vào chỉ số Eigenvalue (giá trị riêng) đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mô hình nghiên cứu (Gerbing& Anderson, 1998).
Phương pháp trích hệ số nhân tố: Nghiên cứu này sử dụng phương pháp Principal Components với phép quay varimax. Phương pháp Principal Components sẽ cho ra kết quả số lượng nhân tố nhiều nhất để giải thích phương sai chung của tập hợp biến quan sát trong sự tác động qua lại giữa chúng.
Phân tích hồi quy đa biến
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi quy đa biến để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.
Sau khi kết luận là hai biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp chọn từng bước (stepwise selection) là sự kết hợp của phương pháp đưa vào dần vào loại trừ dần và là phương pháp được sử dụng thông thường nhất.
Kiểm định các giả thuyết, sử dụng với phần mềm SPSS: + Đánh giá độ phù hợp của mô hình hồi quy đa biến + Kiểm định giả thuyết về độ phù hợp của mô hình
Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại
phương sai VIF (Variance inflation factor): VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
Xác định mức độ ảnh hưởng của: yếu tố có hệ số beta càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.
Kiểm định sự khác biệt của các yếu tố nhân khẩu học
Dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%. Một số giả định khi phân tích ANOVA:
Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
Các nhóm so sánh phải có phân phối chuẩn hoặc kích cỡ mẫu phải đủ
lớn để được xem như tiệm cận phân phối chuẩn.
Phương sai của các nhóm so sánh phải đồng nhất.
Kiểm định One-way ANOVA
Giả sử biến được chia nhóm theo một tiêu thức nào đó. Mức ý nghĩa được chọn =
0,05 và = 0,01.
Gọi xijlà giá trị của biến định lượng đang nghiên cứu tại quan sát thứ j
thuộc nhóm thứ i. x1,x2, x3... xk là các trung bình nhóm và 1, 2, 3...n là
các trung bình thực của các nhóm sau khi được phân chia theo tiêu thức đó. Giả thiết của kiểm định:
+ H0: 1 =2 =3= ... = n: Không có sự khác biệt giữa các trung bình
nhóm theo tiêu thức được phân loại.
+ H1: Tồn tại ít nhất một giá trị trung bình của nhóm thứ i khác ít nhất
một giá trị của một nhóm khác trong số các nhóm còn lại.
+ Nếu sig của ANOVA >thì kết luận rằng không có sự khác biệt một cách
có ý nghĩa thống kê giữa các trung bình nhóm của biến được phân chia đó.
+ Nếu sig của ANOVA <thì bác bỏ giả thiết H0 nghĩa là có sự khác biệt
TIỂU KẾT CHƯƠNG 2
Trong chương này tác giả giới thiệu sơ lược về du lịch TP. Đà Nẵng, các chỉ tiêu về du lịch được thống kê trong những năm gần đây. Bên cạnh đó, nội dung chương trình bày chi tiết về mô hình nghiên cứu đề xuất và phương pháp thực hiện nghiên cứu. Dựa vào các lý thuyết cơ sở và các nghiên cứu trước, tác giả đề xuất mô hình các yếu tố ảnh hưởng đến ý định quay trở lại điểm đến du lịch TP. Đà Nẵng . Mô hình 6 nhóm nhân tố tác động đến ý định quay lại bao gồm: thái độ, chuẩn chủ quan, nhận thức về kiểm soát hành vi, động cơ, giá trị cảm nhận và kinh nghiệm quá khứ. Quá trình nghiên cứu được thực hiện qua hai bước chính là nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ sử dụng phương pháp định tính thông qua kỹ thuật thảo luận tay đôi giữa người nghiên cứu và đối tượng tham gia nghiên cứu. Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng thông qua phỏng vấn bằng bảng câu hỏi.
CHƯƠNG 3
KẾT QUẢ NGHIÊN CỨU