ST
T Tên biến
Hệ số tương quan biến tổng
Hệ số Cronbach Alpha nếu bỏ biến
1 Thái độ phục vụ 0,542 0,849
2 Thực hiện đúng giao hẹn của
DNDL 0,212 0,910
3 Tin tưởng cơ quan quản lý 0,650 0,844
4 Năng lực quản lý 0,658 0,843
5 Cơ sở lưu trú 0,489 0,850
6 Cơ sở phục vụ ăn uống 0,533 0,848
7 Công trình kiến trúc 0,490 0,850
8 Phương tiện đi lại 0,522 0,850
9 Phong cách ăn mặc của nhân viên 0,627 0,846
10 Cảnh quan quá đông đúc 0,514 0,850
11 An toàn vệ sinh thực phẩm 0,560 0,848
12 An ninh trật tự 0,638 0,844
13 Tính chuyên nghiệp của nhân viên 0,491 0,850
14 Hoạt động vui chơi giải trí 0,426 0,852
15 Chi phí khách sạn nhà nghỉ 0,607 0,845
16 Chi phí ăn uống 0,605 0,845
17 Chi phí vận chuyển 0,651 0,844
18 Chi phí mua sắm 0,557 0,848
Nguồn: tổng hợp từ 100 mẫu quan sát phỏng vấn trực tiếp
Hệ số Cronbach’s Alpha trong nghiên cứu này sau khi kiểm định là 0,858. Theo lý thuyết về độ tin cậy thì hệ số càng lớn thì mức tin cậy càng cao, hệ số lớn hơn hoặc bằng 0,8 là đáng tin cậy nhất. Trong bảng thống kê Item- Total Statistics, hệ số tương quan biến tổng của biến “thực hiện đúng giao hẹn của DNDL” là 0,212 nhỏ hơn 0,3 và hệ số Cronbach’s Alpha If item deleted là 0,910 lớn hơn 0,858 nên biến này sẽ bị loại ra khỏi mô hình. Lý do là khách du lịch được phỏng vấn thường tổ chức các chuyến du lịch cá nhân, do vậy điều kiện tiếp xúc với các công ty du lịch lữ hành không nhiều, chỉ qua các cơ
68
sở phục vụ lưu trú thì không thể đánh giá được biến này, trả lời cho câu hỏi này không được khách quan. Các biến còn lại đều được giữ lại.
Kết quả phân tích nhân tố
a/. Xây dựng ma trận tương quan và kiểm định mối tương quan giữa biến
Ma trận tương quan được xây dựng dựa trên cơ sở dữ liệu của 100 mẫu quan sát thông quan bảng câu hỏi với 17 biến. Ta dùng kiểm định KMO và Bartlett’s để kiểm định về mối tương quan giữa các biến, có kết quả như sau:
H0: các biến không có sự tương quan với nhau trong tổng thể. H1: các biến có tương quan với nhau trong tổng thể.
Với giá trị sig. = 0,000 < α = 0,05 cho nên có thể kết luận là bác bỏ giả thuyết H0, nghĩa là các biến có sự tương quan với nhau.
Từ đây ta có thể kết luận là phương pháp phân tích nhân tố thích hợp được dùng để thu nhỏ và tóm tắt dữ liệu, sau đó tiến hành phân tích hồi quy tuyến tính.
69