CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
3.4 Thu thập và phân tích dữ liệu
Việc thu thập dữ liệu bằng phương pháp phỏng vấn trực tiếp thông qua bảng câu hỏi đã được thiết kế nhằm lấy ý kiến của du khách về những yếu tố ảnh hưởng đến quyết định lựa chọn điểm đến.
Việc thực hiện phỏng vấn được các nhân viên dẫn đoàn của công ty Đức Hạnh thực hiện. Các nhân viên này đã được hướng dẫn (trực tiếp cũng như online) trong việc thực hiện phỏng vấn du khách.
Đối tượng được phỏng vấn (đám đông nghiên cứu) là du khách nước ngoài tới du lịch tại Đà Nẵng thông qua dịch vụ lữ hành của công ty Đức Hạnh.
Thời gian thực hiện khảo sát từ 15/11/2019 đến 30/11/2019.
3.4.2 Phân tích dữ liệu
Dữ liệu thu thập sẽ được phân theo trình tự sau:
- Thống kê mô tả
Nghiên cứu này thực hiện thống kê và mô tả về những đặc điểm nhân khẩu học, về thang đo đối với các yếu tố bên trong cũng như các yếu tố bên ngoài.
- Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Vì không thể trực tiếp đo lường các nhân tố mà ta nghiên cứu nên trong quá trình xây dựng bảng hỏi cần tạo ra các biến quan xát x1, x2, x3, ... thuộc nhân tố mà ta nghiên cứu. Từ việc đo lường các biến qua sát x1, x2, x3, ... sẽ giúp đưa ra những kết luận về nhân tố ban đầu.
Cần xác định rằng "thang đo" được đề cập tới trong “kiểm định độ tin cậy của thang đo” chính là đề cập tới tập hợp các biến quan sát x1, x2, x3, ... mà ta có thể đo được.
Tuy nhiên, không phải lúc nào tất cả các biến quan sát x1, x2, x3, x4, x5 ...
chúng ta đưa ra để đo lường cho nhân tố A đều hợp lý, đều phản ánh được khái niệm, tính chất của A. Do vậy, cần phải có một công cụ giúp kiểm tra xem biến quan sát nào phù hợp, biến quan sát nào không phù hợp để đưa vào thang đo. Kiểm định độ tin cậy thang đo Cronbach's Alpha là công cụ cho phép ta xác định xem các biến quan sát thuộc nhân tố A ban đầu có đáng tin cậy hay không. Kết quả của kiểm định Cronbach's cho ta biết mức độ tương quan giữa các biến quan sát thuộc cùng 1 nhân tố là chặt chẽ hay không. Từ đó ta xác định được trong các biến quan sát thuộc một nhân tố, liệu có biến nào có góp phần vào việc đo lường nhân tố.
Tác giả Cronbach (1951) đã đưa ra cách kiểm định hệ số tin cậy cho thang đo.
Cụ thể hệ số Cronbach’s Alpha thực hiện việc lường độ tin cậy của thang đo (với yêu cầu thang đo đảm bảo tối thiểu là 3 biến quan sát) chứ không tính được độ tin cậy cho từng biến quan sát [11]. Cụ thể:
+ Khi một biến đo lường cụ thể có hệ số tương quan biến tổng Corrected Item – Total Correlation ≥ 0.3 thì biến đó đạt yêu cầu.
+ Đối với giá trị hệ số Cronbach’s Alpha: Giá trị này nằm trong khoảng 0.8 đến 1 khi đó thang đo rất tốt; giá trị nằm trong khoảng từ 0.7 đến 0.8 khi đó thang đo sử dụng tốt; và giá trị đạt tối thiểu 0.6: thang đo đủ điều kiện.
- Phân tích nhân tố khám phá (EFA)
Mục đích kiểm định độ tin cậy thang đo Cronbach Alphalà đánh giá mối quan hệ giữa các biến trong cùng một nhóm, cùng một nhân tố, chứ không xem xét mối quan hệ giữa tất cả các biến quan sát ở các nhân tố khác. Trong khi đó, EFA xem xét mối quan hệ giữa các biến ở tất cả các nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu.
Các giá trị phân tích nhân tố:
+ Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO
≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
+ Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
+ Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân.
+ Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
+ Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại, tuỳ theo kích thước mẫu [19]. Trên thực tế, ta thường lấy hệ số tải 0.5 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến dưới 350; lấy tiêu chuẩn hệ số tải là 0.3 với cỡ mẫu từ 350 trở lên.
+ Tại mỗi Item, chênh lệch giữa |Factor Loading| lớn nhất và |Factor Loading|
bất kỳ phải ≥ 0.3.
- Phân tích tương quan và hồi quy
Mục đích của phân tích tương là đánh giá mức độ quan hệ (ràng buộc) giữa các biến từ đó góp phần xác định mức phụ thuộc tuyến tính giữa chúng.
Việc hồi quy tuyến tính sẽ giúp ta đưa ra được ước lượng về các hệ số hồi quy cũng như đưa ra các dự báo về giá trị của biến phụ thuộc khi ta có các giá trị xác định của biến độc lập. Để có thể thực hiện hồi quy tuyến tính thì phải có sự tương quan giữa các biến độc lập với biến phụ thuộc ta cần nghiên cứu.
Trong luận văn chúng ta xác định hệ số tương quan giữa biến quyết định lựa chọn ĐĐDL và các yếu tố ảnh hưởng đến quyết định lựa chọn điểm đến. Sau đó, phân tích hồi quy tuyến tính đa biến bằng phương pháp bình phương nhỏ nhất (OLS).
+ Đánh giá độ phù hợp của mô hình hồi quy với tập dữ liệu, ta sử dụng hệ số R2 hiệu chỉnh (Adjusted R Square).
+ Kiểm định F để xem xét mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể.
+ Kiểm định t để bác bỏ giả thuyết các hệ số hồi quy riêng bằng 0.
+ Đánh giá mức độ tác động giữa các biến độc lập thông qua hệ số Beta.
- Kiểm định sự khác biệt về mức độ đánh giá quyết định lựa chọn dịch vụ du lịch.
Để kiểm tra sự khác biệt về quyết định lựa chọn dịch vụ du lịch có khác nhau hay không giữa các khách du lịch có đặc điểm nhân khẩu học khác nhau về giới tính, độ tuổi, tình trạng hôn nhân, quốc tịch, luận văn sử dụng kiểm định Independent Samples T – test và One – way ANOVA.
+ Phương pháp kiểm định Independent Samples T – test sử dụng để so sánh giá trị trung bình về một chỉ tiêu nghiên cứu giữa hai đối tượng.
+ Phương pháp kiểm định ANOVA (Analysis of variance) là phương pháp giúp ta so sánh giá trị trung bình của 3 nhóm trở lên.