quan Pearn Mức ý nghĩa 0,000 0,000 0,000 0,000 Tổng 280 280 280 280
Ký hiệu ** cho biết rằng cặp biến này có sự tương quan tuyến tính ở mức tin cậy đến 99% (tương ứng với mức ý nghĩa 1% = 0,01)
(Nguồn: Kết quả xử lý SPSS của tác giả, 2021) Theo ma trận hệ số tương quan, biến phụ thuộc có quan hệ tương quan tuyến tính với năm biến độc lập. Trong đó, hệ số tương quan giữa Tài sản thương hiệu điểm đến Mù Cang Chải và Hình ảnh thương hiệu điểm đến Mù Cang chải là cao nhất 0.742, có thể chấp nhận được, đồng thời các giá trị Sig. đều nhỏ hơn 0,05. Như vậy có thể nói rằng các biến độc lập này có thể đưa vào mô hình để giải thích cho biến phụ thuộc Tài sản thương hiệu điểm đến Mù Cang Chải. Và giữa các biến độc lập cũng có quan hệ với nhau mặc dù hệ số tương quan không lớn lắm. Phần kết quả phân tích hồi quy sau này sẽ xác định xem các biến được giữ lại trong mô hình hồi quy tuyến tính có xảy ra hiện tượng đa cộng tuyến hay không
4.2.3.2. Phân tích hồi quy tuyến tính
Sau khi tiến hành phân tích nhân tố và kiểm định độ tin cậy thang đo, cho ra được các nhân tố có đủ điều kiện để tiến hành hồi quy. Kết quả của phân tích nhân tố chỉ cho biết các nhân tố nào có ảnh hưởng đến Tài sản thương hiệu điểm đến Mù Cang Chải, nhưng lại không cho biết cụ thể mức độ ảnh hưởng là bao nhiêu. Vì vậy, muốn đo lường xem mức độ tác động của các nhân tố đó đến Tài sản thương hiệu điểm đến Mù Cang Chải ta tiến hành phân tích hồi quy. Mô hình hồi quy áp dụng là mô hình hồi quy đa biến.
Bảng 4.10. Kết quả của thủ tục chọn biến
Mô hình hồi quy theo bước
Biến đưa vào Biến
loại ra Phương pháp
1 Nhận biết thương hiệu điểm đến Mù Cang Chải
Từng bước (Tiêu chuẩn: xác suất F vào <=0,05,
xác suất ra F ra>=0,1) 2
Chất lượng cảm nhận thương hiệu điểm đến Mù Cang Chải
Từng bước (Tiêu chuẩn: xác suất F vào <=0,05, xác suất ra F ra>=0,1) 3
Hình ảnh thương hiệu điểm đến Mù Cang chải
Từng bước (Tiêu chuẩn: xác suất F vào <=0,05, xác suất ra F ra>=0,1) 4
Sự trung thành với thương hiệu điểm đến Mù Cang Chải
Từng bước (Tiêu chuẩn: xác suất F vào <=0,05, xác suất ra F ra>=0,1) Biến phụ thuộc: Tài sản thương hiệu Mù Cang Chải
(Nguồn: Kết quả xử lý SPSS của tác giả, 2021) Phân tích hồi quy trong nghiên cứu này được thực hiện thông qua phương pháp chọn từng bước (stepwise selection) là sự kết hợp của phương pháp đưa vào dần và loại trừ dần là phương pháp được sử dụng phổ biến nhất.
Việc sử dụng phương pháp lựa chọn stepwise trong thiết lập mô hình sẽ giúp nhận ra các biến độc lập có khả năng dự đoán tốt cho biến phụ thuộc. Tại mỗi bước, song song với việc xem xét để đưa dần vào phương trình hồi quy những biến có ý nghĩa nhất với phương trình hồi quy, thủ tục cũng xét để đưa ra khỏi phương trình đó biến độc lập khác theo một quy tắc xác định. Do đó, phương pháp này bảo đảm được mức độ tin cậy cao hơn. Kết quả ở bảng trên cho thấy cả 4 biến độc lập đưa vào hồi quy đảm bảo đủ tiêu chuẩn xác suất F–vào <= 0,05 và xác suất F–ra >=0,1. Vì vậy mô hình hồi quy được biểu diễn dưới dạng phương trình như sau:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ei
Trong đó:
Y: Tài sản thương hiệu tổng thể X1: Chất lượng cảm nhận X2: Sự nhận biết thương hiệu X3: Sự liên tưởng thương hiệu
X4: Lòng trung thành thương hiệu
βk: Hệ số hồi quy riêng phần của biến thứ k ei: Sai số của phương trình hồi quy
Bảng 4.11. Kết quả tóm tắt của mô hình hồi quy về độ phù hợp của mô hình
Tóm tắt mô hình Mô hình Giá trị R R bình phương R bình phương hiệu chỉnh Sai số chuẩn của ước lượng
Giá trị Durbin-
Watson
1 0,824 0,697 0,674 0,37619 2,012
(Nguồn: Kết quả xử lý SPSS của tác giả, 2021) Qua bảng kết quả ta có thể thấy, trị số R của mô hình có giá trị 0,824 cho thấy quan hệ giữa các biến trong mô hình có mối tương quan khá chặt chẽ. Báo cáo kết quả hồi quy của mô hình cho thấy giá trị R bình phương (R Square) bằng 0,697 điều này nói lên độ phù hợp của mô hình là 69,7%%. Giá trị R bình phương hiệu chỉnh (Adjusted R Square) phản ánh chính xác hơn sự phù hợp của mô hình đối với tổng thể vì nó không phụ thuộc vào độ lệch phóng đại của R bình phương (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Ta có giá trị R bình phương hiệu chỉnh là 0.674 = 67.4%. Như vậy các biến độc lập đưa vào chạy hồi quy ảnh hưởng tới 67.4% sự thay đổi của biến phụ thuộc. Hay nói cách khách, 67,4% sự biến thiên của yếu tố Tài sản thương hiệu Mù Cang Chải được giải thích bởi 4 yếu tố Chất lượng cảm nhận thương hiệu điểm đến Mù Cang Chải, Nhận biết thương hiệu điểm đến Mù Cang Chải, Hình ảnh thương hiệu điểm đến Mù Cang Chải, Sự trung thành với thương hiệu điểm đến Mù Cang Chải, còn lại là các yếu tố khác ngoài mô hình.
Để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai, xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Giả thiết H0 được đặt ra là: β1= β2 =β3=β4=0.
Bảng 4.12. ANOVA ANOVA
bình phương 1 Hồi quy 82.162 4 20,540 145,14 5 0,000 Phần dư 38.917 275 0,142 Tổng 121.079 279
(Nguồn: Kết quả xử lý SPSS của tác giả, 2021) Nếu mức ý nghĩa của kiểm định F bé hơn 0.05 thì bác bỏ giả thiết H0, chấp nhận giả thiết H1 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Đối chiếu với kết quả trong bảng ta thấy Sig kiểm định F = 0.00 < 0.05, như vậy mô hình hồi quy có ý nghĩa. Điều này có nghĩa là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của biến phụ thuộc hay nói cách khác có ít nhất một biến độc lập nào đó ảnh hưởng đến biến phụ thuộc.
Dò tìm sự vi phạm các giả định
a, Giả định về phân phối chuẩn của phần dư
Hình 4.2. Biểu đồ Histogram của phần dư chuẩn hóa
Nhìn vào biểu đồ ta thấy phân phối phần dư xấp xỉ chuẩn, với Mean = 6,95E- 15 gần bằng 0 và độ lệch chuẩn Std. Dev = 0,993 tức xấp xỉ bằng 1. Như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng: Giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.3. Biểu đồ Normal P-P Plot của phần dư chuẩn hóa
(Nguồn: Kết quả điều tra, 2021) Ngoài biểu đồ Histogram, để kiểm tra giả thiết phân phối chuẩn của phần dư có bị vi phạm hay không ta cũng có thể dựa vào biểu đồ Normal P-P Plot. Theo như kết quả hiển thị trên biểu đồ ta thấy, các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo. Như vậy, ta có thể kết luận rằng giả định phân phối chuẩn của phần dư không bị vi phạm.
b, Giả định liên hệ tuyến tính giữa biến phụ thuộc với biến độc lập
Hình 4.4. Biểu đồ phân tán Scatter Plot
(Nguồn: Kết quả xử lý số liệu, 2021) Biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không. Vì vậy, quan sát vào biểu đồ ta thấy được phần dư chuẩn hóa phân bổ tập trung xung quanh đường tung độ 0. Do vậy giả định quan hệ tuyến tính không bị vi phạm.
Trong giả định này, nếu xảy ra hiện tượng phương sai thay đổi thì kết quả của phương trình hồi quy sẽ không chính xác, làm sai lệch kết quả so với thực tế, từ đó khiến người nghiên cứu đánh giá nhầm chất lượng hồi quy tuyến tính.
Do vậy, dựa vào biểu đồ phân tán Scatter Plot phía trên, ta có thể thấy các điểm phân vị dao động khá đồng đều trên trục tung 0. Các điểm phân vị hầu như nằm trong đoạn – 2 đến 2 dọc theo trục tung 0. Do đó, giả định về phương sai phần dư đồng nhất không bị vi phạm.
Bảng 4.13. Kết quả phân tích hồi quy đa biến Hệ số hồi quy Mô hình Hệ số hồi quy chưa chuẩn hóa Hệ số hồi quy chuẩn hóa t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Độ chấp nhận Hệ số phóng đại phương sai 1 Hằng số 0,182 0,165 1,10 1 0,272 CN 0,313 0,048 0,314 6,47 0 0,000 0,497 2,013 NB 0,158 0,052 0,142 3,011 0,003 0,523 1,911 HA 0,348 0,044 0,387 7,94 7 0,000 0,492 2,032 TT 0,120 0,049 0,123 2,43 2 0,016 0,460 2,175
(Nguồn: Kết quả xử lý số liệu, 2021)
d, Giả định về điều kiện đa cộng tuyến
Từ kết quả hồi quy cho thấy tất cả các biến đều có sự tác động lên biến phụ thuộc do Sig. kiểm định t của từng biến độc lập đều nhỏ hơn 0.05. Bên cạnh đó, với độ chấp nhận của các biến cao và hệ số phóng đại phương sai của các biến đều nhỏ
hơn 10, ta không thấy dấu hiệu xảy ra hiện tượng đa cộng tuyến, vì vậy có thể yên tâm sử dụng phương trình hồi quy.
Cũng theo bảng kết quả các hệ số hồi quy đều lớn hơn 0. Như vậy, tất cả các biến độc lập đưa vào phân tích hồi quy đều có tác động cùng chiều với biến phụ thuộc. Dựa vào độ lớn của hệ số hồi quy chuẩn hóa Beta, thứ tự mức độ tác động từ mạnh nhất tới yếu nhất của các biến độc lập tới biến phụ thuộc TTS lần lượt là: HA (0,387) > CN (0,314) > NB (0,142) > TT (0,123) tương ứng với:
Hình ảnh thương hiệu điểm đến Mù Cang Chải có tác động mạnh nhất tới Tài sản thương hiệu Mù Cang Chải
Chất lượng cảm nhận thương hiệu điểm đến Mù Cang Chải Chải có tác động mạnh thứ 2 tới Tài sản thương hiệu Mù Cang Chải
Nhận biết thương hiệu điểm đến Mù Cang Chải Chải có tác động mạnh thứ 3 tới Tài sản thương hiệu Mù Cang Chải
Sự trung thành với thương hiệu điểm đến Mù Cang Chải Chải có tác động yếu nhất tới Tài sản thương hiệu Mù Cang Chải
Như vậy, với 4 giả thuyết từ H1 đến H4 ta đã đặt ra trong phần Mô hình nghiên cứu đề xuất. Cả 4 giả thuyết H1, H2, H3, H4 tương ứng với các biến: Nhận biết thương hiệu điểm đến Mù Cang Chải, Chất lượng cảm nhận thương hiệu điểm đến Mù Cang Chải, Sự trung thành với thương hiệu điểm đến Mù Cang Chải và Hình ảnh thương hiệu điểm đến Mù Cang Chải đều được chấp nhận. Ta có phương trình hồi quy chuẩn hóa như sau:
TTS = 0,387*HA + 0,314*CN + 0,142*NB + 0,123*TT + e
Tài sản thương hiệu Mù Cang Chải = 0,387* Hình ảnh thương hiệu điểm đến Mù Cang Chải
+ 0,314* Chất lượng cảm nhận thương hiệu điểm đến Mù Cang Chải
+ 0,142* Nhận biết thương hiệu điểm đến Mù Cang Chải
+ 0,123* Sự trung thành với thương hiệu điểm đến Mù Cang Chải
4.3. Đánh giá của khách du lịch nội địa đối với các yếu tố cấu thành Tài sản thương hiệu Mù Cang Chải
Để thấy được các đánh giá của khách du lịch nội địa đối các yếu tố cấu thành Tài sản thương hiệu Mù Cang Chải ta sẽ tiến hành các kiểm định One-Sample T Test trên phần mềm IBM SPSS Statistics 20. Các kiểm định này nhằm mục đích so sánh trung bình (Mean) của tổng thể với một giá trị cụ thể nào đó. Trong nhiều trường hợp nghiên cứu sử dụng phương pháp chạy thống kê Mean trung bình trong IBM SPSS Statistics rồi so sánh các giá trị trung bình với nhau để đưa ra kết luận. Tuy nhiên dưới góc độ định lượng, khi chúng ta tiến hành các kiểm định thì nó sẽ mang ý nghĩa thống kê hơn và phản ánh chính xác đặc điểm của dữ liệu hơn việc chỉ đơn thuần nhìn nhận, so sánh rồi đưa ra kết luận một cách định tính theo phương pháp so sánh các giá trị thống kê Mean trung bình.
Bên cạnh đó việc xây dựng các thang đo trong nghiên cứu này được ứng dụng theo thang đó Likert 5 điểm, vì vậy trong phần đánh giá này của khách du lịch nội địa, ta sẽ tiến hành kiểm định One-Sample T Test với mức giá trị bằng 4 – Mức đồng ý. Hay nói cách khác, ta sẽ tiến hành kiểm định sự đồng ý của khách du lịch nội địa với các yếu tố cấu thành Tài sản thương hiệu Mù Cang Chải với giá trị test value = 4.
4.3.1. Đánh giá của khách du lịch nội địa đối với yếu tố Nhận biết thương hiệu điểm đến Mù Cang Chải
4.3.1.1. Mức độ nhận biết thương hiệu mạnh
Bảng 4.14. Mức độ nhận biết thương hiệu điểm đến
Độ mạnh của thương hiệu điểm đến
Điểm đến Tần số Tỷ lệ (%) Hoàng Su Phì 9 3,2 Mù Cang Chải 250 89,3 Sapa 12 4,3 Tà Xùa 1 0,4 Y Tý 2 0,7 Khác 6 2,1 Tổng 280 100
Trong quá trình điều tra, khảo sát, để đo lường mức độ nhận biết thương hiệu điểm đến Mù Cang Chải. Trong bảng hỏi tác giả đã sử dụng câu hỏi “Khi nhắc đến loại hình du lịch sinh thái cộng đồng, nhắc đến ruộng bậc thang, Anh/Chị nghĩ ngay đến địa danh nào đầu tiên?”. Với hai đặc điểm, dữ kiện là loại hình du lịch sinh thái cộng đồng và ruộng bậc thang thì trong tổng số 280 khách du lịch nội địa được khảo sát, có tới 250 khách du lịch nhớ tới điểm đến Mù Cang Chải đầu tiên nhất, chiếm tới 89,3%. Các điểm đến xếp sau lần lượt là: Sapa của Lào Cai với 12 lựa chọn chiếm 4,3%, Hoàng Su Phì của Hà Giang với 9 lựa chọn chiếm 3,2%, Một số địa điểm khác không được tác giả đề cập đến trong bảng hỏi có 6 khách du lịch nhắc tới như: Pù Luông của Thanh Hóa, Mộc Châu... chiếm 2,1%, Y Tý của Lào Cai với 2 lựa chọn chiếm 0,7% và cuối cùng là Tà Xùa của Sơn La với 1 lựa chọn chiếm 0,4%.
Từ kết quả trên ta có thể nhận thấy Mù Cang Chải là điểm đến được nhiều khách du lịch nhớ đến đầu tiên nhất. Hay nói cách khác, Mù Cang Chải hiện đang là một điểm đến có thương hiệu mạnh về loại hình du lịch sinh thái cộng đồng và tài nguyên ruộng bậc thang. Như vậy, để thương hiệu điểm đến Mù Cang Chải ngày càng được nhiều khách du lịch nội địa biết đến và nhớ đến, Mù Cang Chải cần phải biết tận dụng thời cơ và nỗ lực hơn trong việc xây dựng, quảng bá hình ảnh tốt đẹp của mình trong tâm trí khách du lịch nội địa.
4.3.1.2. Các nguồn thông tin khách du lịch nội địa tiếp cận về thương hiệu điểm đến Mù Cang Chải
Bảng 4.15. Các nguồn thông tin khách du lịch nội địa tiếp cận về thương hiệu điểm
đến Mù Cang Chải
Khả năng tiếp cận thông tin thương hiệu điểm đến Mù Cang Chải
Nguồn thông tin tiếp cận Tần số Tỷ lệ (%)
Tivi 88 31,4 Báo, tạp chí 89 31,8 Người thân, bạn bè 142 50,7 Công ty du lịch 52 18,6 Internet, mạng xã hội 227 81,1 Ấn phẩm du lịch 52 18,6 Khác 5 1,8
Các nguồn thông tin mà khách du lịch tiếp cận trước khi lựa chọn điểm đến luôn đóng vai trò quan trọng mà các điểm đến cần phải chú ý tới. Các nguồn thông tin này sẽ ảnh hưởng trực tiếp đến hình ảnh thương hiệu điểm đến, chất lượng cảm nhận thương hiệu điểm đến, sự trung thành đối với thương hiệu điểm đến và đặc biệt là ảnh hưởng chung tới tài sản thương hiệu của điểm đến.
Qua kết quả khảo sát 280 khách du lịch nội địa cho thấy, khả năng tiếp cận thông tin về thương hiệu điểm đến Mù Cang Chải của khách du lịch nội địa cao nhất là thông qua Internet, mạng xã hội với 227/280 lựa chọn, chiếm 81,1%. Tỷ lệ khách du lịch nội địa tiếp cận thông tin về thương hiệu điểm đến Mù Cang Chải thông qua