Phân tích nhân tố

Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ

yếu để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu, chúng ta có thể thu thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một lượng mà chúng ta có thể sử

dụng được. Liên hệ giữa các nhóm biến có liên quan qua lại lẫn nhau được xem

xét và trình bày dưới dạng một số ít các nhân tố cơ bản.

Phân tích nhân tố được sử dụng trong các trường hợp sau:

Nhận diện các khía cạnh hay nhân tố giải thích được các liên hệ tương quan

trong một tập hợp biến. Ví dụ, chúng ta có thể sử dụng một tập hợp các phát biểu về

lối sống để đo lường tiểu sử tâm lý của người tiêu dùng. Sau đó phát biểu (biến) này

được sử dụng trong phân tích nhân tố để nhận diện các yếu tố tâm lý cơ bản.

Nhận diện một tập hợp gồm một số biến mới tương đối ít, không có tương

quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau để thực hiện

một phân tích đa biến tiếp theo. Chẳng hạn như sau khi nhận diện các yếu tố tâm

lý, ta có thể sử dụng chúng như những biến độc lập để giải thích những khác biệt

giữa những người trung thành và những người không trung thành với nhãn hiệu. Để nhận ra một tập hợp các biến nổi trội từ một tập hợp nhiều biến để sử dụng

trong các phân tích đa biến kế tiếp, ta chọn ra được một số ít biến được sử dụng như

những biến độc lập để giải thích những khác biệt giữa những nhóm người có hành vi khác nhau (Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2005, tr259).

a. Mô hình phân tích nhân tố

Lượng biến thiên của một biến được giải thích bởi những nhân tố chung trong phân tích được gọi là Communality. Biến thiên chung của các biến được mô

tả bằng một số ít các nhân tố chung (commom factor) cộng với một nhân tố đặc trưng (unique factor) cho mỗi biến. Những nhân tố này không bọc lộ rõ ràng. Nếu

các biến được chuẩn hóa thì mô hình nhân tố được thể hiện qua phương trình sau:

Xi = Ai1 F1 + Ai2 F2 + Ai3 F3 +….+ Aim Fm + Vi Ui

Trong đó:

- Xi : biến thứ i chuẩn hóa

- Aij: hệ số hồi quy bội chuẩn hóa

- Fi: các nhân tố chung

- Vi: hệ số hồi qui chuẩn hóa của nhân tố đặc trưng i đối với biến i

- Ui: nhân tố đặc trưng của biến i

- m: số nhân tố đặc trưng

Các nhân tố đặc trưng có liên quan với nhau và với các nhân tố chung. Bản

thân các nhân tố chung cũng có thể được diễn tả như những kết hợp tuyến tính của

các biến quan sát.

Fi = Wi1 X1 + Wi2 X2 + Wi3 X3 + ….. + Wik Xk

Trong đó:

- Fi : ước lượng trị số của nhân tố i

- Wt : quyền số hay trọng số nhân tố

- k : số biến

b. Các tham số thống kê trong phân tích nhân tố

- Barlett' test of sphericity: đại lượng Bartlett là một đại lượng thống kê dùng để

xem xét giả thiết các biến không có tương quan trong tổng thể. Nói cách khác,

ma trận tương quan tổng thể là một ma trận đồng nhất, mỗi biến tương quan

hoàn toàn với chính nó nhưng không tương quan với các biến khác.

- Correlation matrix: cho biết hệ số tương quan giữa tất cả các cặp biến trong

phân tích.

- Communality: là lượng biến thiên của một biến được giải thích chung với các

biến khác được xem xét trong phân tích.

- Factor loading: là những hệ số tương quan đơn giữa các biến và các nhân tố.

- Factor matrix: chứa các hệ số tải nhân tố của tất cả các biến đối với các nhân tố được rút ra.

- Kaiser - Meyer - Olkin (KMO): là một số dùng để xem xét sự thích hợp của

phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) có ý nghĩa là phân tích nhân tố là thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố

có khả năng không thích hợp với các dữ liệu.

- Percentage of variance: phần trăm phương sai toàn bộ được giải thích bởi từng

nhân tố. Nghĩa là coi biến thiên là 100% thì giá trị này cho biết phân tích nhân

tố cô đọng được bao nhiêu phần trăm.

3.2.5. Phân tích hồi quy tương quan

Phân tích hồi quy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc

hay biến được giải thích) vào một hay nhiều biến khác (biến độc lập hay biến giải

thích) với ý tưởng cơ bản là ước lượng hay dự đoán giá trị trung bình của biến phụ

thuộc trên cơ sở đã biết của biến độc lập.

a. Các giả định khi xây dựng mô hình hồi quy

Mô hình hồi quy có dạng:

Yi = B0+ B1 X1i+ B2 X2 i+…+ Bn Xn i + ei

Các giả định quan trọng khi phân tích hồi quy tuyến tính

- Giả thiết 1: giả định liên hệ tuyến tính.

- Giả thiết 2: phương sai có điều kiện không đổi của các phần dư.

- Giả thiết 3: không có sự tương quan giữa các phần dư.

- Giả thiết 4: không xảy ra hiện tượng đa cộng tuyến.

- Giả thiết 5: giả thiết về phân phối chuẩn của phần dư.

b. Xây dựng mô hình hồi quy

Các bước xây dựng mô hình:

B1. Xem xét ma trận hệ số tương quan

Đầu tiên, chúng ta xem xét mối tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập cũng như quan hệ giữa các biến độc lập với nhau thông qua ma trận tương quan.

Hệ số tương quan giữa biến phụ thuộc với các biến độc lập cao (>0.5), sơ bộ

ta có thể kết luận các biến độc lập này có thể đưa vào mô hình để giải thích cho

biến phụ thuộc. Tuy nhiên, hệ số tương quan giữa các biến độc lập với nhau cũng

cao sẽ khiến chúng ta phải xem xét lại thật kỹ vai trò của các biến độc lập trong

mô hình hồi quy tuyến tính bội ta xây dựng được vì có thể xảy ra hiện tượng đa

cộng tuyến, vi phạm giả định của mô hình.

B2. Đánh giá độ phù hợp của mô hình

Thông qua hệ số R2 ta đánh giá độ phù hợp của mô hình xem mô hình trên giải thích bao nhiêu % sự biến thiên của biến phụ thuộc.

R2 =

TSS ESS

- ESS: tổng bình phương tất cả các sai lệch giữa giá trị dự đoán của Yi và giá trị trung bình của chúng.

- TSS: tổng bình phương sai lệch giữa giá trị Yi và giá trị trung bình của

chúng.

Khi đưa càng nhiều biến vào mô hình thì hệ số này càng cao. Tuy nhiên, R2

ở hồi quy bội không phản ánh đúng sự phù hợp của mô hình như trong hồi quy đơn nên ta phải sử dụng R2 điều chỉnh để đánh giá sự phù hợp của mô hình.

2 R = 1- (1 - R2 ) k n n  1

B3. Kiểm định sự phù hợp của mô hình

Sử dụng kiểm định F để kiểm định với giả thiết Ho: B1 = B2 = Bn = 0

Nếu giả thiết này bị bác bỏ thì ta có thể kết luận mô hình ta xây dựng phù hợp với tập dữ liệu.

B4. Xác định tầm quan trọng của các biến

Ý tưởng đánh giá tầm quan trọng tương đối của các biến độc lập trong mô

hình thông qua xem xét mức độ tăng của R2 khi một biến giải thích được đưa thêm

vào mô hình. Nếu mức độ thay đổi này lớn thì chứng tỏ biến này cung cấp thông tin độc nhất về sự phụ thuộc mà các biến khác trong phương trình không có được.

Ta đánh giá tầm quan trọng của một biến thông qua hai hệ số: (1) Hệ số tương quan từng phần: căn bậc hai của R2 change thể hiện mối tương quan giữa

biến Y và X mới đưa vào. Tuy nhiên, sự thay đổi của R2 không thể hiện tỷ lệ phần trăm biến thiên mà một mình biến đó có thể giải thích. Lúc này, ta sử dụng (2) hệ

số tương quan riêng bằng căn bậc hai của Prk2, Prk2 = k 2 k 2 R 1 R R   2 .

B5. Lựa chọn biến cho mô hình

Đưa nhiều biến độc lập vào mô hình hồi quy không phải lúc nào cũng tốt vì những lý do sau (trừ khi chúng có tương quan chặt với biến phụ thuộc):

- Mức độ tăng R2 quan sát không hẳn phản ảnh mô hình hồi quy càng phù hợp hơn với tổng thể.

- Đưa vào các biến không thích đáng sẽ làm tăng sai số chuẩn của tất cả các ước lượng mà không cải thiện được khả năng dự đoán.

- Mô hình nhiều biến thì khó giải thích và khó hiểu hơn mô hình ít biến.

Ta sử dụng SPSS để giải quyết vấn đề trên. Các thủ tục chọn biến trên SPSS:

phương pháp đưa vào dần, phương pháp loại trừ dần, phương pháp từng bước.

B6. Dò tìm sự vi phạm các giả thiết

Các công cụ chẩn đoán giúp ta phát hiện sự tồn tại của cộng tuyến trong dữ

liệu và đánh giá mức độ cộng tuyến làm thoái hóa các tham số được ước lượng là: - Độ chấp nhận của biến (Tolerance) thường được sử dụng để đo lường

hiện tượng đa cộng tuyến. Quy tắc là nếu độ chấp nhận của một biến nhỏ,

thì nó gần như là một kết hợp tuyến tính của các biến độc lập khá, và đó là

dấu hiệu của đa cộng tuyến.

- Hệ số phóng đại phương sai (Variance inflation factor - VIF), có liên hệ gần

với độ chấp nhận. Quy tắc VIF vượt quá 10 là dấu hiệu của đa cộng tuyến. - Hệ số tương quan tuyến tính giữa các biến giải thích trong ma trận hệ số

tương quan tuyến tính (r) lớn ở tất cả các biến, nó thể hiện một mối tương

CHƯƠNG IV. PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU

4.1. THỐNG KÊ MÔ TẢ

4.1.1. Thống kê mô tả mẫu

Mẫu nghiên cứu gồm 200 quan sát là đối tượng khách nước ngoài đến Nha

Trang trong khoảng thời gian từ ngày 20/4 đến 2/6/2010. Trong quá trình thu thập

dữ liệu người nghiên cứu đã lựa chọn phương pháp chọn mẫu thuận tiện, dựa trên sự sẵn lòng hợp tác của các đáp viên. Tuy nhiên, để đảm bảo sự khách quan người

nghiên cứu đã mở rộng phạm vi điều tra bao gồm công viên dọc bờ biển, nhà hàng, khách sạn, quán cafe, tiệm internet và các văn phòng tour du lịch... Kết quả

mẫu được thể hiện chi tiết qua bảng sau:

Bảng 4.1: Thống kê thông tin nhân khẩu học

Chỉ tiêu Số người Tỷ lệ (%) Tổng Nam 118 59.0 Giới tính Nữ 82 41.0 200 Dưới 18 3 1.5 18 - 29 136 68.0 30 - 39 31 15.5 40 - 49 5 2.5 50 - 59 10 5.0 Độ tuổi 60+ 15 7.5 200 Dưới $25,000 51 25.5 $25,000 - $34,999 32 16.0 $35,000 - $49,999 29 14.5 $50,000 - $74,999 27 13.5 $75,000 - $99,999 13 6.5 $100,000 - $149,999 6 3.0 $150,000 - $199,999 8 4.0 Từ $200,000 trở lên 9 4.5 Thu nhập

Không khai báo 25 12.5

200

Trung học phổ thông 36 18.0

Trình độ

học vấn Trường kỹ thuật/ trường nghề 10 5.0

Cao đẳng 26 13.0

Đại học 85 42.5

Cao học 43 21.5

Công việc toàn thời gian 62 31.0

Công việc bán thời gian 42 21.0

Thất nghiệp 76 38.0 Nghề nghiệp Về hưu 20 10.0 200 Độc thân 100 50.0 Đã kết hôn 26 13.0 Đã ly dị/ ly thân 7 3.5 Đang tìm hiểu 65 32.5 Tình trạng hôn nhân Khác 2 1.0 200

Nguồn: Kết quả điều tra – phụ lục 2

Bảng tổng hợp 4.1 cho thấy mẫu điều tra có các đặc điểm sau:

- Giới tính: Không có sự chênh lệch rõ rệt về tỷ lệ giữa hai đối tượng này. Số đáp viên nam chiếm tỷ lệ cao hơn số đáp viên nữ là 18%.

- Độ tuổi: Phần lớn đáp viên tập trung ở độ tuổi từ 18 – 29, chiếm tỷ lệ 68%; tiếp

theo là độ tuổi từ 30 – 39 và trên 60 với tỷ lệ lần lượt là 15.5% và 7.5%.

- Thu nhập: Có 25.5% đáp viên trả lời có mức thu nhập trung bình năm dưới

$25,000; tiếp đến có 16% người chọn mức thu nhập từ $25,000 - $34,999. Thu nhập từ $35,000 - $49,999 có 29 người lựa chọn, và 27 người lựa chọn mức

thu nhập từ $50,000 - $74,999 có 27, chiếm 13.5%... Với phát biểu này, có 25 vị khách từ chối không trả lời, chiếm tỷ lệ 12,5%...

- Trình độ học vấn: Phần lớn đáp viên là những người có trình độ đại học và sau

đại học với tỷ lệ lần lượt là 42.5% và 21.5%. Số người theo học trường kỹ

thuật và trường nghề chiếm tỷ lệ khá ít (5%).

- Nghề nghiệp: Có tới 76 người trả lời tạm thời chưa có việc làm chiếm 38%, số người có công việc toàn thời gian là 62 người chiếm 31%, bán thời gian là 42

người chiếm 21% và về hưu là 20 người chiếm 10%.

- Tình trạng hôn nhân: Đối tượng nghiên cứu chủ yếu là độc thân và thuộc diện đang tìm hiểu với số lượng lần lượt là 100 người (50%) và 65 người (32.5%).

4.1.2. Thống kê số lần khách đi du lịch đến Nha Trang

Khi được hỏi “Anh/chị đã đến Nha Trang bao nhiêu lần?” thì phần lớn đáp viên đều lựa chọn là một lần với 167 sự lựa chọn, thể hiện qua biểu đồ 4.1:

Biểu đồ 4.1: Số lần khách du lịch đến Nha Trang

Nguồn: Kết quả điều tra – phụ lục 2

4.1.3. Loại hình du lịch và hình thức du lịch của khách

Biểu đồ 4.2: Loại hình du lịch

Nguồn: Kết quả điều tra – phụ lục 2

167 17 8 8 0 20 40 60 80 100 120 140 160 180 1 2 3 >3 Số lần Số người 93 4 119 1 3 19 0 20 40 60 80 100 120 140 1 2 3 4 5 6 Loại hình du lịch Số lựa chọn

1. Tham quan giải trí 2. Kinh doanh, công tác, học tập

3. Nghỉ dưỡng chữa bệnh 4. Tín ngưỡng lễ hội

Biểu đồ 4.2 cho thấy khách được phỏng vấn phần lớn tập trung vào hai nhóm

đối tượng là những người đi du lịch nghĩ dưỡng chữa bệnh và tham quan giải trí. Đồng thời, họ đi du lịch dưới hình thức tự tổ chức đi một mình và đi theo nhóm

(biểu đồ 4.3):

Biểu đồ 4.3: Hình thức du lịch

Nguồn: Kết quả điều tra – phụ lục 2

4.1.4. Kiểm định mối liên hệ giữa sự hài lòng với các biến nhân khẩu học

Giới tính, tuổi tác, thu nhập hay tình trạng hôn nhân… có mối liên hệ như thế nào đối với sự hài lòng? Để trả lời cho câu hỏi này, người nghiên cứu đã tiến hành kiểm định một số biến nhân khẩu học với sự hài lòng thông qua kỹ thuật kiểm định Chi-square. Kết quả kiểm định thu được như sau:

Bảng 4.2: Kiểm định Chi-Square giữa sự hài lòng với các biến nhân khẩu học

Asymp. Sig. (2-sided)

Percentage have expected count less than 5

Age 0.930 88.5%

Gender 0.870 57.7%

Annual household income 0.000 91.5%

Level of education 0.473 83.1%

Employment status 0.526 76.9%

Marital status 0.047 81.5%

Nguồn: Kết quả điều tra – phụ lục 3

20 38 134 1 17 0 20 40 60 80 100 120 140 160 1 2 3 4 5 Hình thức du lịch

1. Đi theo tour 2. Tự tổ chức theo nhóm

3. Đi một mình 4. Đi theo cơ quan, tổ chức nơi làm việc 5. Khác

Từ các kết quả kiểm định mối liên hệ giữa sự hài lòng của khách du lịch với

các biến: độ tuổi, giới tính, học vấn, công việc, tình trạng hôn nhân đều có sig > 0.05 và có quá 20% số ô trong bảng chéo có tần số lý thuyết lớn hơn 5 nên ta chưa đủ cơ sở để bác bỏ giả thuyết H0. Riêng kết quả kiểm định mối liên hệ giữa sự hài lòng của khách du lịch với biến thu nhập ta thấy sig < 0.05 nhưng có tới 91.5% số