6. CẤU TRÚC ĐỀ TÀI
2.1.3 Tình hình doanh thu du lịch
Qua bảng thống kê doanh thu du lịch các năm dƣới đây (Bảng 2.3), cho đến năm 2011 đạt gần 2,25 ngàn tỷ tăng 2,7 lần so với năm 2006. Và mức tăng trƣởng doanh thu của năm sau luôn vƣợt năm trƣớc và đạt chỉ tiêu kế hoạch. Theo số liệu thống kê mới nhất của Sở Văn Hóa, Thể Thao và Du Lịch Khánh Hòa, tính đến cuối tháng 10, tổng doanh thu du lịch đạt xấp xỉ 3.200 tỷ đồng, vƣợt 6,5% so với chỉ tiêu kế hoạch năm 2013 và tăng hơn 37% so với cùng kỳ năm 2012. Trong chƣơng trình hành động của du lịch tỉnh Khánh Hòa giai đoạn 2012 – 2015 và định hƣớng đến năm 2020, toàn ngành phấn đấu đến năm 2015 đạt doanh thu 4.300 tỷ đồng, tốc độ tăng trƣởng bình quân hàng năm là 15%. Năm 2015, Khánh Hòa đặt mục tiêu đón 3,1 triệu lƣợt khách lƣu trú, trong đó có 900.000 lƣợt khách quốc tế với tốc độ tăng trƣởng bình
quân hàng năm là 11%. Đến năm 2020, du lịch sẽ trở thành ngành kinh tế mũi nhọn của Khánh Hòa, là một trong những trung tâm du lịch lớn của cả nƣớc, nâng tầm uy tín thƣơng hiệu du lịch Nha Trang – Khánh Hòa ở cả trong nƣớc và khu vực.
Theo thời gian doanh thu du lịch tăng hơn năm trƣớc, ngành du lịch thành phố biển có lợi thế về điều kiện tự nhiên, thế mạnh về cảnh quan. Bên cạnh những lợi thế và thế mạnh, ngành du lịch Khánh Hòa cũng chủ động định hƣớng phát triển cho những năm tới với những tiêu chí và mục tiêu rõ ràng nhƣ trong chƣơng trình định hƣớng du lịch ngắn hạn giai đoạn 2012 – 2015.
Bảng 2.3 : Tổng doanh thu thuê phòng và thu khác
Đvt : triệu đồng Hạng mục 2006 2007 2008 2009 2010 2011 2012 Thu thuê phòng 375.026 514.309 711.908 853.216 1.027.009 1.207.306 1.246746 Thu khác 458.375 512.435 641.446 709.345 850.245 1.044.808 1.321.654 Tổng thu 833.401 1.026.744 1.353.354 1.562.561 1.877.254 2.252.114 2.568.400
Nguồn : Niên giám thống kê Khánh Hòa 2011
2.2 CHẤT LƯỢNG DỊCH VỤ KHÁCH SẠN TƯ NHÂN TẠI NHA TRANG
Nhìn chung về dịch vụ du lịch nói chung và dịch vụ lƣu trú tại Nha Trang vẫn chƣa xứng tầm với tiềm năng. Cơ sở vật chất phục vụ du lịch phát triển chƣa cân đối, còn thiếu các cơ sở, các loại hình dịch vụ du lịch mới, các khu vui chơi giải trí, các trung tâm mua sắm. Nguồn nhân lực phục vụ du lịch còn yếu. Điều đó đã hạn chế mức chi tiêu cũng nhƣ số ngày lƣu trú của du khách tại địa phƣơng.
Ý thức của ngƣời dân về nếp sống văn hóa cũng ảnh hƣởng đến chất lƣợng dịch vụ du lịch. Vấn đề an ninh trật tự và an toàn giao thông vẫn chƣa tốt, vệ sinh môi trƣờng cũng là một yết tố thu hút khách khi sử dụng dịch vụ trên địa bàn.
Theo kết quả điều tra của Tổng Cục Thống kê từ năm 2005 đến năm 2012, xu hƣớng chi tiêu du lịch giảm dần tỷ trọng trong dịch vụ thuê phòng, mua hàng hóa, vui chơi, y tế. Nhƣng dịch vụ về ăn uống và tham quan tăng lên theo tỷ trọng, điều này nói lên dịch vụ lƣu trú, vui chơi, y tế cần phải đầu tƣ hơn nữa về vật chất, con ngƣời, mô hình giải trí.
Đặc biệt với các cơ sở lƣu trú tƣ nhân có quy mô nhỏ đang phát triển nhanh chóng nhƣng thiếu quy hoạch và định hƣớng. Các cơ sở này còn thiếu tính chuyên nghiệp trong thiết kế, trang trí, trang thiết bị cho cơ sở còn mang tính chủ quan. Thêm vào đó, trình độ quản lý và phục vụ còn yếu, chƣa quan tâm tới đào tạo, bồi dƣỡng nâng cao trình độ nghiệp vụ, ngoại ngữ cho đội ngũ nhân viên phục vụ. Trong khi đó, công tác quản lý nhà nƣớc về du lịch cũng nhƣ các cơ quan chức năng liên quan mặc dù có nhiều cố gắng nhƣng cũng chƣa đủ mạnh để đáp ứng nhu cầu thực tế.
2.3 THIẾT KẾ NGHIÊN CỨU :
Nghiên cứu về chất lƣợng dịch vụ khách sạn tƣ nhân đƣợc thực hiện thông qua 2 giai đoạn:
2.3.1 Nghiên cứu sơ bộ
Ở giai đoạn này chúng tôi sử dụng phƣơng pháp định tính trong nghiên cứu nhằm khám phá, điều chỉnh và bổ sung các thang đo, sử dụng kỹ thuật trao đổi, thảo luận trực tiếp với các khách hàng và nhà quản lý với 27 mục hỏi ban đầu của thang đo chất lƣợng dịch vụ và 5 mục hỏi để đo lƣờng sự hài lòng khách hàng. Các câu hỏi ban đầu đƣợc thiết kế là bảng câu hỏi mở để thu thập thêm các biến thích hợp từ phía khách hàng và các chuyên gia. Thực hiện bƣớc này nhằm khám phá các biến quan sát mới để bổ sung vào trong mô hình nghiên cứu cũng nhƣ loại bỏ các biến không phù
hợp với văn hóa, loại hình dịch vụ nhằm tạo ra một bảng câu hỏi phù hợp dùng cho nghiên cứu chính thức.
Các đối tƣợng đƣợc tiến hành thảo luận, phỏng vấn là khách hàng sử dụng dịch vụ khách sạn của doanh nghiệp và các chuyên gia, nhà quản lý trong lĩnh vực này nhằm xác định xem các khách hàng mong đợi những gì ở dịch vụ khách sạn, yếu tố nào làm họ hài lòng khi sử dụng dịch vụ khách sạn và muốn biết các nhà quản lý hiểu về khách hàng của mình nhƣ thế nào, yếu tố nào làm hài lòng khách hàng theo cách nhìn của nhà quản lý, chuyên gia. Bƣớc này thực hiện qua các cuộc phỏng vấn trực tiếp 30 khách hàng đang sử dụng dịch vụ của khách sạn và các cán bộ quản lý chủ chốt của khách sạn, trên cơ sở đó điều chỉnh lại các câu hỏi cho phù hợp.
2.3.2 Nghiên cứu chính thức
Sau khi bảng câu hỏi ở bƣớc nghiên cứu định tính đƣợc hiệu chỉnh lại với ngôn từ dễ hiểu, rõ ràng, có bổ sung và loại ra bớt các biến không phù hợp. Tiếp theo là việc thu thập dữ liệu, 440 bảng câu hỏi đƣợc phát cho du khách đã sử dụng dịch vụ khách sạn rải rác trong thành phố Nha Trang đánh trực tiếp
Phần nghiên cứu định lƣợng này, chúng tôi sử dụng các công cụ phân tích thông qua phần mềm SPSS 17.0 với các phƣơng pháp sau:
2.3.2.1 Phƣơng pháp thống kê mô tả
a. Khái niệm thống kê mô tả
Thống kê mô tả đƣợc sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập đƣợc từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mô tả cung cấp những tóm tắt đơn giản về mẫu và các thƣớc đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lƣợng về số liệu. Bƣớc đầu tiên để mô tả và tìm hiểu về đặc tính phân phối của một bảng số liệu thô là lập bảng phân phối tần số. Sau đó, sử dụng một số hàm để làm rõ đặc tính của mẫu phân tích. Để hiểu đƣợc các hiện tƣợng và ra quyết định đúng đắn, cần nắm đƣợc các phƣơng pháp cơ bản của mô tả dữ liệu. Có rất nhiều kỹ thuật hay đƣợc sử dụng, có thể phân loại các kỹ thuật này nhƣ sau:
- Biểu diễn dữ liệu bằng đồ họa trong đó các đồ thị mô tả dữ liệu hoặc giúp so sánh dữ liệu.
- Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu.
b. Các đại lượng thống kê mô tả
- Mean: Số trung bình cộng. - Sum: Tổng cộng.
- Std.deviation: Độ lệch chuẩn.
- Minimum, maximum: Giá trị nhỏ nhất, giá trị lớn nhất. - df: Tần số.
- Std error: Sai số chuẩn.
- Median: Là lƣợng biến của tiêu thức của đơn vị đứng ở vị trí giữa trong dãy số lƣợng biến, chia số lƣợng biến thành hai phần (phần trên và phần dƣới) mỗi phần có cùng một số đơn vị bằng nhau.
- Mode: Là biểu hiện của tiêu thức đƣợc gặp nhiều nhất trong tổng thể hay trong dãy phân phối. Trong dãy lƣợng biến, mode là lƣợng biến có tần số lớn nhất.
2.3.2.2 Phƣơng pháp phân tích nhân tố khám phá EFA
a.. Khái niệm
Phân tích nhân tố khám phá là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy. Trong nghiên cứu, chúng ta có thể thu thập đƣợc một số lƣợng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lƣợng của chúng phải đƣợc giảm bớt xuống đến một số lƣợng mà chúng ta có thể sử dụng đƣợc. Liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau đƣợc xem xét và trình bày dƣới dạng một số ít các nhân tố cơ bản. Vì vậy, phƣơng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau.
b. Mô hình phân tích nhân tố
Về mặt tính toán, phân tích nhân tố hơi giống phân tích hồi quy bội ở chỗ mỗi biến đƣợc biểu diễn nhƣ là một kết hợp tuyến tính của các nhân tố cơ bản. Lƣợng biến thiên của một biến đƣợc giải thích bởi những nhân tố chung trong phân tích gọi là communality. Biến thiên chung của các biến đƣợc mô tả bằng một số ít các nhân tố chung cộng với một nhân tố đặc trƣng cho mỗi biến. Những nhân tố này không bộc lộ rõ ràng.
Nếu các biến đƣợc chuẩn hóa thì mô hình nhân tố đƣợc thể hiện bằng phƣơng trình:
Trong đó:
Xi: biến thứ i đƣợc chuẩn hóa.
Aim: Hệ số hồi quy bội chuẩn hóa của nhân tố m đối với biến i. Fi: Nhân tố chung.
Vi: Các hệ số hồi quy chuẩn hóa của nhân tố đặc trƣng i đối với biến i. Ui : Nhân tố đặc trƣng của biến i.
m: Số nhân tố chung.
Các nhân tố đặc trƣng có tƣơng quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng có thể diễn tả nhƣ những kết hợp tuyến tính của các biến quan sát:
Fi = Wi1X1+ Wi2X2+ Wi3X3+…+ WikXk
Trong đó:
Fi: Ƣớc lƣợng trị số của nhân tố thứ i. Wi : Quyền số hay trọng số nhân tố. k: Số biến.
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích đƣợc phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau đó ta chọn một tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích đƣợc phần lớn biến thiên còn lại và không có tƣơng quan với nhân tố thứ nhất.
Nguyên tắc này đƣợc áp dụng nhƣ vậy để tiếp tục chọn quyền số cho các nhân tố tiếp theo. Do vậy, các nhân tố đƣợc ƣớc lƣợng sao cho các quyền số của chúng, không giống nhƣ các giá trị của các biến gốc, là không tƣơng quan với nhau. Hơn nữa, nhân tố thứ nhất giải thích đƣợc nhiều nhất biến thiên của dữ liệu, nhân tố thứ hai giải thích đƣợc nhiều thứ nhì…
c. Các tham số trong phân tích nhân tố:
- Barlett' test of sphericity: Đại lƣợng Bartlett là một đại lƣợng thống kê dùng để xem xét giả thiết các biến không có tƣơng quan trong tổng thể. Nói cách khác, ma trận tƣơng quan tổng thể là một ma trận đồng nhất, mỗi biến tƣơng quan hoàn toàn với chính nó nhƣng không tƣơng quan với các biến khác.
- Correlation matrix: Cho biết hệ số tƣơng quan giữa tất cả các cặp biến trong phân tích.
- Communality: Là lƣợng biến thiên của một biến đƣợc giải thích chung với các biến khác đƣợc xem xét trong phân tích.
- Eigenvalue: Đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mô hình. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
- Factorloading: Là những hệ số tƣơng 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 đƣợc rút ra.
- Kaiser- Meyer-Olkin (KMO): Trong phân tích nhân tố, trị số KMO là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu nhƣ 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 phƣơng sai toàn bộ đƣợc giải thích bởi từng nhân tố. Nghĩa là coi biến thiên là 100% thì giá trị trị này cho biết phân tích nhân tố cô đọng đƣợc bao nhiêu phần trăm.
2.3.2.3 Phân tích hồi quy
a. Định nghĩa
Phân tích hồi quy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc hay biến đƣợc giải thích) vào một hay nhiều biến khác (biến độc lập hay biến giải thích) với ý tƣởng cơ bản là ƣớc lƣợng hay dự đoán giá trị trung bình của biến phụ thuộc trên cơ sở đã biết của biến độc lập.
b. Các giả định khi xây dựng mô hình hồi quy
Mô hình hồi quy có dạng:
Yi = B0+ B1 X1i+ B2 X2i+…+ Bn Xni + 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: Phƣơng sai có điều kiện không đổi của các phần dƣ. - Giả thiết 3: Không có sự tƣơng quan giữa các phần dƣ.
- Giả thiết 4: Không xảy ra hiện tƣợng đa cộng tuyến. - Giả thiết 5: Giả thiết về phân phối chuẩn của phần dƣ.
c. Xây dựng mô hình hồi quy
Các bƣớc xây dựng mô hình:
Để xem xét mối quan hệ giữa biến phụ thuộc và các biến độc lập thông qua xây dựng ma trận tƣơng quan. Đồng thời ma trận tƣơng quan là công cụ xem xét mối quan hệ giữa các biến độc lập với nhau nếu các biến này có tƣơng quan chặt thì nguy cơ xảy ra hiện tƣợng đa cộng tuyến cao dẫn đến việc vi phạm giả định của mô hình.
Bước 2: 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
Trong đó:
ESS: tổng bình phƣơng tất cả các sai lệch giữa giá trị dự đoán của Yi và giá trị trung bình của chúng.
TSS: tổng bình phƣơng sai lệch giữa giá trị Yi và giá trị trung bình của chúng. Khi đƣa 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 nhƣ trong mô hình hồi quy đơn. Lúc này, ta phải sử dụng R2 điều chỉnh để đánh giá sự phù hợp của mô hình.
Bước 3: 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.
Bước 4: Xác định tầm quan trọng của các biến
Ý tƣởng đánh giá tầm quan trọng tƣơng đối của các biến độc lập trong mô hình thông qua xem xét mức độ tăng của R2 khi một biến giải thích đƣợc đƣa thêm vào mô hình. Nếu mức độ thay đổi này mà lớn thì chứng tỏ biến này cung cấp thông tin độc nhất về sự phụ thuộc mà các biến khác trong phƣơng trình không có đƣợc. Ta đánh giá tầm quan trọng của một biến thông qua hai hệ số:
Hệ số tƣơng quan từng phần: căn bậc hai của R2 change. Thể hiện mối tƣơng quan giữa biến Y và X mới đƣa vào. Tuy nhiên, sự thay đổi của R2 không thể hiện tỉ lệ phần