Yếu tố Tiêu chí đánh giá Mã hóa Nguồn
Thuộc tính của điểm đến Các hoạt động A1 Buhalis (2000), Cole và Illum (2006) , Chen và Tsai (2007), Žabkar và cộng sự (2010) Khả năng tiếp cận A2 Dịch vụ thiết yếu A3 Các gói du lịch sẵn có A4 Dịch vụ phụ trợ A5
Các điểm tham quan A6
Chất lượng cảm nhận dịch vụ của điểm đến
Địa điểm dễ tìm PER1
Žabkar và cộng sự (2010)
Độ sạch sẽ của địa điểm đến PER2 Sự đa dạng văn hóa/ lịch sử
của điểm đến PER3
Chất lượng nơi ở PER4
Sự thân thiện của người dân PER5 Độ an toàn trật tự ở khu vực PER6 Những cơ hội để dừng chân PER7 Thiên nhiên hoang dã PER8 Các món ăn địa phương PER9
Sự hài lòng của du khách
Rất vui khi được du lịch tại TP.
HCM SAT1 Žabkar và cộng sự (2010) Hài lòng về chuyến du lịch TP. HCM SAT 2 Chuyến du lịch vượt những gì
mong đợi SAT3
Vui mừng khi được quyết định
du lịch tại TP. HCM SAT4 Ý định hành vi Sẽ chọn tham quan TP. HCM một lần nữa BEH1 Žabkar và cộng sự (2010)
Sẽ giới thiệu TP. HCM cho
người khác BEH2
Sẽ nói tốt về TP. HCMcho
người khác BEH3
khuyên ngừi kháctham quan
TP. HCM BEH4
3.4 Phân tích kết quả nghiên cứu 3.4.1 Thống kê mô tả mẫu 3.4.1 Thống kê mô tả mẫu
Thống kê mô tả là phương pháp dùng tổng hợp các phương pháp đo lường, mơ tả, trình bày số liệu được ứng dụng vào trong lĩnh vực kinh tế. Bảng thống kê là hình thức trình bày số liệu thống kê và thu thập thơng tin đã thu thập làm cơ sở để phân tích và kết luận, cũng là trình bày vấn đề nghiên cứu nhờ vào đó nhà quản trị có thể đưa ra nhận xét về vấn đề đang nghiên cứu.
3.4.2 Kiểm định độ tin cậy Cronbach Alpha
Phương pháp kiểm định độ tin cậy Cronbach’s alpha được sử dụng để kiểm định độ tin cậy của các thang đo được sử dụng trong mơ hình nghiên cứu. Hệ số Cronbach’s alpha tổng và hệ số tương quan biến tổng là hai chỉ số được sử dụng để đánh giá và hiệu chỉnh mơ hình.
Theo đó, hệ số Cronbach’s alpha tổng càng lớn thì mức độ tin cậy nhất quán nội tại của thang đo càng cao. Việc sử dụng phân tích độ tin cậy Cronbach’s alpha để kiểm định trước khi phân tích nhân tố khám phá EFA nhằm mục đích loại bỏ các biến khơng phù hợp do các biến khơng phù hợp này có thể tạo nên những yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). Theo nghiên cứu Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), Hair & ctg (2006) hệ số Cronbach’salpha có giá trị lớn hơn 0,8 thang đo lường được đánh giá tốt, từ 0,7 đến 0,8 thang đo lường được đánh giá là dử dụng được, từ 0,6 trở lên thang đo lường được đánh giá là có thể sử dụng trong trường hợp khái niệm nghiên cứu và hoàn cảnh nghiên cứu là mới (Nunally, 1978; Peterson, 1994; Slater, 1995; Hoàng Trọng và Chu Nguyễn Mộng Ngọc, (2008).
Hệ số tương quan biến-tổng hiệu chỉnh (Corrected item - total correlation) là hệ số cho biết mức độ liên kết giữa một biến quan sát trong nhân tố với các các biến quan sát còn lại trong thang đo. Nó phản ánh mức độ đóng góp vào giá trị khái niệm của nhân tố của một biến quan sát cụ thể nào đó. Một biến quan sát thực sự có giá trị đóng góp vào nhân tố khi hệ số tương quan biến tổng lớn hơn 0,3. Nếu biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3 có nghĩa là biến khơng có giá trị
đóng góp vào nhân tố, đồng nghĩa với việc loại biến ra khỏi nhân tố đánh giá (Nunnally và BernStein, 1994).
Trong nghiên cứu này các khái niệm được đánh giá là tương đối mớ đối với bối cảnh nghiên cứu trong ngành du lịch tại TP. HCM, do đó tác giả chọn tiêu chí được sử dụng khi thực hiện kiểm định độ tin cậy của thang đo là: hệ số tương quan biến tổng của các biến quan sát phải lớn hơn hoặc bằng 0,3 và hệ số Crnbach’s alpha tổng phải lớn hơn hoặc bằng 0,6.
3.4.3 Phân tích nhân tố khám phá EFA
Các nhân tố đã được kiểm định độ tin cậy thang đo bằng Cronbach alpha sẽ tiếp tục được đưa vào phân tích nhân tố khám phá EFA. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu này, phân tích nhân tố khám phá EFA được ứng dụng để thu gọn, tóm tắt các biến quan sát vào những nhóm nhân tố nhất định, đo lường các khía cạnh khác nhau của các khái niệm nghiên cứu và tìm mối quan hệ giữa các biến với nhau.
Trong phân tích EFA, đại lượng Barlett là đại lượng thống kê dùng để xem xét các biến khơng có tương quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau (các biến đo lường phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). Do đó nếu kiểm định cho thấy khơng có ý nghĩa thống kê thì khơng nên áp dụng phân tích nhân tố cho các biến đang xét.
Trị số KMO (Kai-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0,5 và 1) là điều kiện đủ để việc tiến hành phân tích nhân tố là thích hợp. Ngồi ra phân tích nhân tố EFA cịn dựa vào chỉ số Eigenvalues (đại diện cho phần biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu phần trăm và bao nhiêu phần trăm bị thất thoát) để xác định số lượng nhân tố và cuối cùng là chỉ số tổng phương sai trích (Variance Explaned) phải lớn hơn 50% (Hair & ctg 1998). Theo Gerbing và Anderson (1988) và các nhân tố Eingenvalues
< 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi phân tích EFA). Đối với thang đo đơn hướng thì sử dụng phương pháp trích yếu tố Principal Components. Thang đo chấp nhận khi được tổng phương sai trích bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Ma trận tương quan (component matrix) là một phần quan trong trong kết quả phân tích nhân tố khám phá EFA. Ma trận tương quan chứa các hệ số tải nhân tố (Factor Loading) biểu diễn mối quan hệ tương quan giữa các nhân tố và các biến. Hệ tải nhân tốcó giá trị lớn (>0,5) cho biết nhân tố và biến có liên hệ chặt chẽ với nhau. Thơng qua việc xoay các nhân tố với phép xoay varimax, ma trận tương quan sẽ trở nên đơn giản hơn và dễ giải thích hơn. Thêm nữa, theo Hair & ctg (1998), Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuaring practical significance). Factor loading > 0,3 được xem là đạt mức tối thiểu, Factor loading > 0,4 được xem là quan trọng, > 0,5 được xem là có ý nghĩa thực tiễn.
3.4.4 Phương tích tương quan Pearson
Hệ số tương quan Pearson (r) có giá trị nằm trong khoảng từ -1 đến 1. Hệ số tương quan này có giá trị bằng 0 (hay càng gần về 0) có nghĩa là hai biến số khơng có liên hệ gì với nhau, ngược lại nếu hệ số tương quan này có giá trị bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu hệ số tương quan có giá trị của là âm (r < 0) nghĩa là khi X tăng thì Y giảm (và ngược lại, khi X giảm thì Y tăng), nếu hệ số tương quan có giá trị là dương (r > 0) có nghĩa là khi X tăng thì Y cũng tăng và khi X giảm thì Y cũng giảm theo.
Giá trị Sig. của kiểm định Pearson: Giả thuyết H0: hệ số tương quan bằng 0. Do đó nếu Sig. bé hơn 5% ta có thể kết luận được là hai biến có tương quan với nhau. Hệ số tương quan càng lớn tương quan càng chặt. Nếu Sig. lớn hơn 5% thì hai biến khơng có tương quan với nhau.