6. CẤU TRÚC ĐỀ TÀI
2.3.2Nghiên 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… (adsbygoogle = window.adsbygoogle || []).push({});
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 (adsbygoogle = window.adsbygoogle || []).push({});
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
biến thiên mà một mình biến đó có thể giải thích. Lúc này, ta sử dụng hệ số tƣơng quan riêng bằng căn bậc 2 của , với:
Bước 5: Lựa chọn biến cho mô hình
Đƣa nhiều biến độc lập vào mô hình hồi quy không phải lúc nào cũng tốt vì những lý do sau (trừ khi chúng có tƣơng 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.
- Đƣa vào các biến không thích đáng sẽ làm tăng sai số chuẩn của tất cả các ƣớc lƣợng mà không cải thiện đƣợc 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: Phƣơng pháp đƣa vào dần, phƣơng pháp loại trừ dần, phƣơng pháp từng bƣớc (là sự kết hợp của hai phƣơng pháp loại trừ dần và đƣa vào dần).
Bước 6: Dò tìm sự vi phạm các giả thiết và dựa vào các hệ số tác động đến sự hài
lòng qua phƣơng trình dự báo về mức độ hài lòng của khách hàng, từ đó đƣa ra các gợi ý nâng cao chất lƣợng dịch vụ.
2.4 THIẾT KẾ MẪU
Thực hiện chọn mẫu phân tầng kết hợp với mẫu ngẫu nhiên đơn giản. Dựa trên số lƣợng khách hàng đã sử dụng dịch vụ của các khách sạn tƣ nhân với thời gian bắt đầu từ tháng 04/2013, số mẫu đạt chuẩn thu về qua cuộc thăm dò ý kiến khách hàng là 382 mẫu. Số cỡ mẫu này là đạt yêu cầu phân tích. Thông thƣờng thì cỡ mẫu ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008), trong phân tích hồi quy tuyến tính bội, theo Tabachnick & Fidell (1991), để phân tích hồi quy đạt đƣợc kết quả tốt nhất, thì kích cỡ mẫu phải thỏa mãn công thức n ≥ 8m + 50. Trong đó: n là kích cỡ mẫu – m là số biến độc lập của mô hình. Với tổng số mẫu gởi đến khách hàng là 440, kết quả hồi đáp 413 phiếu (tỷ lệ 94%), trong đó có 31 mẫu đƣợc xem là không hợp lệ vì bỏ sót, không cho ý kiến các biến chính, ý kiến không rõ ràng. Số mẫu đƣợc đƣa vào phân tích là 382 mẫu. Thông tin mẫu nhƣ dƣới đây (bảng 2.4):
Bảng 2.4 : Thông tin mẫu nghiên cứu
Đvt : mẫu
Thông tin mẫu Số lƣợng Tỷ lệ (%)
1 Tổng số mẫu: 382 100 2 Giới tính: Nam 198 51.8 Nữ 184 48.2 3 Nghề nghiệp Công chức 105 27.5 Kinh doanh 75 19.6 Hƣu trí, nội trợ 29 7.6
Học sinh, sinh viên 71 18.6 Nghề nghiệp chuyên môn 44 11.5
Nghề khác 58 15.2 4 Tuổi Từ 17-24 98 25.7 Từ 25-34 129 33.8 Từ 35-44 101 26.4 Từ 45-54 38 9.9 Từ 55 trở lên 16 4. 5 Thu nhập Từ 1-3 triệu 137 35.9 Từ 3-5 triệu 155 40.6 Từ 6-10 triệu 74 19.4 Từ 10 triệu trở lên 16 4.2
2.5 QUY TRÌNH NGHIÊN CỨU
Xác định vấn đề nghiên cƣú
Dựa vào các lý thuyết :
- Chất lƣợng dịch vụ ( Parasuraman) - Sự hài lòng
- Các nghiên cứu đã thực hiện
Thang đo sơ bộ
Điều chỉnh thang đo nhờ phƣơng pháp chuyên gia và thảo luận
Thang đo chính thức (adsbygoogle = window.adsbygoogle || []).push({});
Thu thập số liệu, lấy mẫu bằng phƣơng pháp phân tầng và thuận
tiện ngẫu nhiên
Đánh giá sơ bộ thang đo, bằng phân tích Cronbach
Loại các biến có tƣơng quan tổng <0.3
Phân tích nhân tố khám phá, kiểm tra phƣơng sai, hệ số KMO
Loại các biến có hệ số tải < 0.5
Kiểm định lai thang đo, bằng phƣơng pháp phân tích Cronbach
Điều chỉnh mô thang đo và mô hình - Phân tích hồi quy, anova
- Kiểm định giả thuyết
Kết quả và gợi ý chính sách nâng
2.6 TÓM TẮT
2.6.1 Những thành tựu đạt đƣợc
Trong khoảng 20 năm qua, du lịch (DL) Nha Trang đã phát triển khá toàn diện về cơ sở hạ tầng cũng nhƣ chất lƣợng sản phẩm DL. Quy mô, số lƣợng doanh nghiệp, số lƣợng cơ sở lƣu trú, số phòng, số lƣợng khách, có sự tăng trƣởng hàng năm. Doanh thu du lịch tăng trƣởng cao qua các năm. Cơ cấu ngành đang thay đổi theo chiều hƣớng tiến bộ, các sản phẩm, các loại hình du lịch đang đƣợc đa dạng hóa, xây dựng các sản phẩm đặc trƣng. Nhờ tận dụng khá tốt những lợi thế sẵn có để phát triển du lịch, đƣa du lịch trở thành ngành kinh tế trọng điểm của thành phố biển. Nếu nhƣ những năm đầu thập kỷ 90 của Thế kỷ XX, TP. Nha Trang chỉ có vài chục khách sạn thì đến nay đã có gần 500 cơ sở lƣu trú với khoảng 14.000 phòng. Trong đó, khách sạn từ 3 đến 5 sao có gần 5.000 phòng. Trong 10 năm gần đây, ngành du lịch Nha Trang đã thực sự tăng tốc, góp phần chuyển dịch cơ cấu kinh tế với tỷ trọng GDP du lịch, dịch vụ ngày càng tăng, tác động mạnh mẽ đến các ngành kinh tế khác.
Nhìn tổng thể, du lịch Nha Trang đã có những bƣớc phát triển vƣợt bậc. Tuy nhiên, sự phát triển của du lịch Nha Trang vẫn còn có những hạn chế cần khắc phục để hƣớng tới sự phát triển bền vững. Hiện nay, du lịch Nha Trang đang có sự mất cân đối giữa dịch vụ lƣu trú với dịch vụ vui chơi giải trí, vì thế cần phải có định hƣớng cho các nhà đầu tƣ để khắc phục điều này. Bên cạnh đó, thành phố cần phải đẩy mạnh công tác xúc tiến du lịch, giới thiệu hình ảnh ra thị trƣờng quốc tế với nhiều hình thức khác nhau, xây dựng thêm cơ sở lƣu trú, chỉnh chu bề mặt thành phố, cải thiện môi trƣờng