4.4. Phân tích hồi quy và kiểm định giả thuyết
4.4.2 Phân tích hồi quy tuyến tính và kiểm định giả thuyết
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ tác động của các biến độc lập lên biến phụ thuộc. Phương pháp hồi quy được sử dụng ở đây là phương pháp bình phương nhỏ nhất OLS với biến phụ thuộc là quyết định lựa chọn dịch vụ du lịch của du khách, biến độc lập là các biến động cơ đi du lịch, thái độ, kinh nghiệm sử dụng dịch vụ du lịch, hình ảnh điểm đến, nhóm tham khảo, giá tour du lịch, truyền thông, đặc điểm chuyến đi. Mô hình lý thuyết thể hiện mối quan hệ giữa biến độc lập và các biến phụ thuộc theo phương trình sau:
DCDi = 0 + 1MOTi + 2ATTi + 3IMGi + 4IMGi + 5RGi + 6PRIi +
7COMi+ 8TCi + i - Kết quả hồi quy tuyến tính đa biến lần 1:
Bảng 4.28 Kết quả Model Summary lần 1
Nguồn: Tác giả xử lý số liệu sử dụng SPSS 26 Kết quả cho thấy giá trị R2 hiệu chỉnh bằng 0.623 điều đó có nghĩa trong mô hình hồi quy trên các biến độc lập biểu thị được 62,3% sự thay đổi của biến phụ thuộc, còn lại 37.7% là do các biến ngoài mô hình và sai số ngẫu nhiên.
Hệ số Durbin – Watson = 1.812, nằm trong khoảng 1.5 đến 2.5 nên không có hiện tượng tự tương quan chuỗi bậc nhất xảy ra.
Bảng 4.29 Kết quả kiểm định ANOVA lần 1
Nguồn: Tác giả xử lý số liệu sử dụng SPSS 26 Kết quả kiểm định ANOVA có Sig kiểm định F bằng 0.00 < 0.05, như vậy, mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.30 Kết quả Coefficients lần 1
Nguồn: Tác giả xử lý số liệu sử dụng SPSS 26 Giá trị Sig kiểm định t hệ số hồi quy của biến độc lập TC là 0.56 > 0.05, do đó biến này bị loại khỏi mô hình. Các biến độc lập còn lại đều có ý nghĩa thống kê (Sig
< 0.05) giải thích cho biến phụ thuộc và không bị loại khỏi mô hình.
Việc loại biến TC (đặc điểm của chuyến đi), điều này có thể giải thích đối với du khách quốc tế tới Việt Nam thì các yếu tố như khoảng cách, chi phí chuyến đi, số lượng người tham gia … không thực sự có ảnh hưởng lớn tới quyết định của du khách khi lựa chọn Đà Nẵng hay các điểm đến du lịch khác như Hà Nội, Quảng Ninh, Thành phố Hồ Chí Minh hay Nha Trang …
- Kết quả hồi quy tuyến tính đa biến lần 2:
Bảng 4.31 Kết quả Model Summary lần 2
Nguồn: Tác giả xử lý số liệu sử dụng SPSS 26 Kết quả cho thấy giá trị R2 hiệu chỉnh bằng 0.618 điều đó có nghĩa trong mô hình hồi quy trên các biến độc lập biểu thị được 61,8% sự thay đổi của biến phụ thuộc, còn lại 38,2% là do các biến ngoài mô hình và sai số ngẫu nhiên.
Hệ số Durbin – Watson = 1.828, nằm trong khoảng 1.5 đến 2.5 nên không có hiện tượng tự tương quan chuỗi bậc nhất xảy ra.
Bảng 4.32 Kết quả kiểm định ANOVA lần 2
Nguồn: Tác giả xử lý số liệu sử dụng SPSS 26 Kết quả kiểm định ANOVA có Sig kiểm định F bằng 0.00 < 0.05, như vậy, mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.33 Kết quả Coefficients lần 2
Nguồn: Tác giả xử lý số liệu sử dụng SPSS 26
Sig kiểm định t hệ số hồi quy của các biến độc lập đều nhỏ hơn 0.05, do đó các biến độc lập này đều có ý nghĩa giải thích cho biến phụ thuộc, không biến nào bị loại khỏi mô hình.
Hệ số VIF của các biến độc lập đều nhỏ hơn 2 do vậy không có hiện tượng đa cộng tuyến xảy ra.
Vậy qua phân tích về ý nghĩa các hệ số hồi quy riêng phần trong mô hình, có thể kết luận 6 yếu tố MOT (động cơ đi du lịch), ATT (thái độ), IMG (hình ảnh điểm đến), RG (nhóm tham khảo), PRI (giá tour du lịch), COM (truyền thông) có tác động đến biến phụ thuộc DCD (quyết định lựa chọn điểm đến).
Bảng 4.34 Kết quả Histogram
Nguồn: Tác giả xử lý số liệu sử dụng SPSS 26 Kết quả Histogram cho thấy giá trị trung bình Mean = 1.2E-14 gần bằng 0, độ lệch chuẩn là 0.985 gần bằng 1, như vậy có thể nói, phần dư có phân phối xấp xỉ chuẩn. Suy ra có thể kết luận giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Bảng 4.35 Kết quả Normal P Plot
Nguồn: Kết quả xử lý dữ liệu từ SPSS 26 của tác giả
Kết quả cho thấy các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo, như vậy, giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
Bảng 4.36 Kết quả Scatterplot
Nguồn: Kết quả xử lý dữ liệu từ SPSS 26 của tác giả
Kết quả cho thấy phần dư chuẩn hóa phân bổ tập trung xung quanh đường hoành độ 0, do vậy giả định quan hệ tuyến tính không bị vi phạm.
Như vậy, với 7 giả thuyết từ H1 đến H7 chúng ta đã đặt ra ban có 6 giả thuyết được chấp nhận là: H1, H2, H3, H4, H5, H6 tương ứng với các biến: Động cơ du lịch, Thái độ du lịch, Hình ảnh điểm đến, Nhóm tham khảo, Giá, Truyền thông.
Riêng giả thuyết H7 bị bác bỏ, yếu tố Đặc điểm chuyến đi không tác động đến Quyết định lựa chọn dịch vụ du lịch của du khách tạo công ty Đức Hạnh hay nói cách khác, biến Đặc điểm chuyến không có ý nghĩa trong mô hình hồi quy.
Với các phân tích trên, kết quả thu được mô hình hồi quy với các hệ số chuẩn hoá như sau:
DCDi = 0.290*MOTi + 0.169*ATTi + 0.412*IMGi + 0.166*RGi + 0.178*PRIi + 0.397*COMi
Các hệ số hồi quy đều lớn hơn 0. Như vậy tất cả các biến độc lập đưa vào phân tích hồi quy đều tác động cùng chiều tới 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 yếu tố tới quyết định lựa chọn dịch vụ du lịch của khách du lịch:
IMG (0.412) > COM (0.397) > MOT (0.290) > PRI (0.178) > ATT (0.169) >
RG (166)
Tương ứng với:
- Biến Hình ảnh điểm đến tác động mạnh nhất đến lựa chọn dịch vụ du lịch của du khách.
- Biến Truyền thông tác động mạnh thứ 2 đến đến lựa chọn dịch vụ du lịch của du khách.
- Biến Động cơ du lịch tác động mạnh thứ 3 đến lựa chọn dịch vụ du lịch của du khách.
- Biến Giá tác động mạnh thứ 4 đến lựa chọn dịch vụ du lịch của du khách.
- Biến Thái độ du lịch tác động mạnh thứ 5 đến lựa chọn dịch vụ du lịch của du khách.
- Biến Nhóm tham khảo tác động mạnh thứ 6 đến lựa chọn dịch vụ du lịch của du khách.