7. Kết cấu của luận văn
4.4.1.Điều chỉnh mô hình nghiêncứu
Nhƣ vậy, sau phân tích nhân tố EFA kết quả cho chúng ta 7 nhân tố mới với 28 biến quan sát đƣợc rút trích, đặt lại tên và đánh giá lại hệ số Cronbach Alpha cho các thành phần rút trích đều đảm bảo độ tin cậy về mặt thống kê. Nhƣ vậy, có 7 nhân tố mới thay thế cho 6 thành phần thiết kế ban đầu, trong 7 nhân tố mới này có một số nhân tố vẫn giữ nguyên tên gọi thành phần nhƣ thiết kế ban đầu chỉ có một nhân tố mới đƣợc khám phá ra. Do đó mô hình nghiên cứu ban đầu phải đƣợc điều chỉnh lại cho phù hợp và để thực hiện các phân tích tiếp theo. Mô hình nghiên cứu mới sau phân tích nhân tố đƣợc điều chỉnh nhƣ sau:
Nguồn: Kết luận rút ra của tác giả
Hình 4.1. Mô hình nghiên cứu đề xuất
Với mô hình nghiên cứu sau phân tích trên, giả thuyết nghiên cứu đƣợc điều chỉnh nhƣ sau:
Giả thuyết H1: Có mối quan cùng chiều giữa yếu tố giá cả cảm nhận (không có sự chênh lệch lớn, giá cả hợp lí) và sự hài lòng của du khách.
Giả thuyết H2:Có mối quan hệ cùng chiều giữa yếu tố khả năng đáp ứng các dịch vụ và sự hài lòng của du khách
Giả thuyết H3: Có mối quan hệ cùng chiều giữa yếu tố phong cách thái độ phục vu và sự hài lòng của du khách.
Giả thuyết H4: Có mối quan hệ cùng chiều giữa yếu tố tài nguyên du lịch và sự hài lòng của du khách.
Giả thuyết H5: Có mối quan hệ cùng chiều giữa yếu tố cơ sở lưu trú và sự hài lòng của du khách.
Giả thuyết H6: Có mối quan hệ cùng chiều giữa yếu tố cơ sở hạ tầng kỹ thuật du lịch và sự hài lòng của du khách.
Giả thuyết H7: Có mối quan cùng chiều giữa yếu tố dịch vụ hỗ trợ du lịch và sự hài lòng của du khách.
Sự hài lòng của du khách đối với dịch vụ du lịch tại
Thị xã Cửa Lò Giá cả cảm nhận Khả năng đáp ứng dịch vụ Cơ sở lƣu trú Tài nguyên du lịch Phong cách thái độ phục vụ Cơ sở lƣu trú Cơ sở hạ tầng kỹ thuật H1 (+) H2 (+) H3 (+) H4 (+) H5 (+) H7 (+) Dịch vụ hỗ trợ du lịch H6 (+)
4.4.2. Phân tích tương quan và hồi quy
4.4.2.1. Phân tích tương quan
Dữ liệu dùng trong phân tích hồi quy tƣơng quan đƣợc ngƣời nghiên cứu lựa chọn là dữ liệu chuẩn hóa (đƣợc xuất ra từ phần mềm SPSS sau quá trình phân tích nhân tố khám phá). Để xác định mối quan hệ nhân quả giữa các biến trong mô hình, bƣớc đầu tiên ta cần phân tích tƣơng quan giữa các biến xem thử có mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc hay không.
Ta sử dụng hệ số tƣơng quan Pearson (ký hiệu r) để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng, r có giá trị nằm trong đoạn [-1,1], giá trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính.
+ Nếu r >0 thì mối liên hệ là tuyến tính thuận + Nếu r <0 thì mối liên hệ là tuyến tính nghịch
+ Nếu r=0 thì 2 biến không có mối liên hệ tuyến tính, ta có 2 trƣờng hợp là không có mối liên hệ giữa 2 biến hoặc hai biến có mối liên hệ nhƣng không phải tuyến tính tức là phi tuyến(Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Bảng 4.32. Ma trận hệ số tƣơng quan Correlations Giá cả cảm nhận Khả năng đáp ứng dịch vụ Phong cách thái độ phụcvụ Tài nguyên du lịch Cơ sở lƣu trú Cơ sở hạ tầng kỹ thuật Dịch vụhỗ trợ du lịch Sự Hài lòng Giá cả cảm nhận Pearson Correlation 1 .000 .000 .000 .000 .000 .000 .053 Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 1.000 .401 N 250 250 250 250 250 250 250 250 Khả năng đáp ứng dịch vụ Pearson Correlation .000 1 .000 .000 .000 .000 .000 .142 * Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 1.000 .025 N 250 250 250 250 250 250 250 250 Phong cách thái độ phục vụ Pearson Correlation .000 .000 1 .000 .000 .000 .000 .217 ** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 1.000 .001 N 250 250 250 250 250 250 250 250 Tài nguyên du lịch Pearson Correlation .000 .000 .000 1 .000 .000 .000 .735 ** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 1.000 .000
N 250 250 250 250 250 250 250 250 Cơ sở Lƣu trú Pearson Correlation .000 .000 .000 .000 1 .000 .000 .266 ** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 1.000 .000 N 250 250 250 250 250 250 250 250 Cơ sở hạ tầng kỹ thuật Pearson Correlation .000 .000 .000 .000 .000 1 .000 .229 ** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 1.000 .000 N 250 250 250 250 250 250 250 250 Dịch vụ hỗ trợ du lịch Pearson Correlation .000 .000 .000 .000 .000 .000 1 .246 ** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 1.000 .000 N 250 250 250 250 250 250 250 250 Su hai long Pearson Correlation .053 .142 * .217** .735** .266** .229** .246** 1 Sig. (2-tailed) .401 .025 .001 .000 .000 .000 .000 N 250 250 250 250 250 250 250 250
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào Bảng 4.32 ta thấy mô hình có: Các biến tự tƣơng quan với nhau.Tƣơng quan cao nhất là giữa thang đo “Su hai long’ với thang đo “ Tài nguyên du lich” vì có r = 0,735 vàSig.= 0,000<5% thang này có ý nghĩa, còn giữa thang đo “Giá cả cảm nhận” không có mỗi tƣơng quan với “Sự hài lòng” vì Sig.= 0,401>5% không có ý nghĩa.Các biến độc lập “ Khả năng đáp ứng dịch vụ”, “ Phong cách thái độ phục vụ”, “Tài nguyên du lịch”, “Cơ sở lƣu trú”, “Cơ sở hạ tầng kỹ thuật”, “Dịch vụ hỗ trợ du lịch” và biến “Sụ hài lòng” có quan hệ tƣơng quan tuyến tính với nhau vì có Sig.= 0,000<5%.
4.4.2.2.Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết đƣợc cƣờng độ ảnh hƣởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đƣa vào mô hình theo phƣơng pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn đƣợc xây dựng vào phƣơng pháp kiểm định giá trị thống kê F và xác định xác suất tƣơng ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu đƣợc đánh giá mức độ cộng tuyến làm thoái hóa tham số ƣớc lƣợng là hệ số phóng đại phƣơng sai (Variance inflation factor - VIF). Quy tắc khi VIF vƣợt quá 10, đó là dấu hiệu của đa cộng tuyến (Trọng & Ngọc, 2005, 218).
Các nhân tố mới hình thành gồm có: 7 biến độc lập (Tài nguyên du lịch, Phong cách thái độ phục vụ, Cơ sở lƣu trú, Khả năng đáp ứng dịch vụ, Cơ sở hạ tầng kỹ thuật, Giá cả cảm nhận, Dịch bụ hỗ trợ du lịch) và 1 biến phụ thuộc (Sự hài lòng chung) đƣợc đƣa vào phân tích hồi qui. Do vậy cần có sự điều chỉnh về giả thuyết và mô hình nghiên cứu sau phép phân tích nhân tố. Ta có phƣơng trình tổng quát đƣợc xây dựng nhƣ sau:
HL = β0 + β1*A1 + β2* A2 + β3*A3 + β4*A4 + β5*A5 + β6*A6+ β7*A7
Trong đó:
Biến phụ thuộc: HL (Sự hài lòng chung ). Các biến độc lập là:
o A1: Giá cả cảm nhận
o A2: Khả năng đáp ứng dịch vụ (adsbygoogle = window.adsbygoogle || []).push({});
o A3:Phong cách thái độ phục vụ
o A4:Tài nguyên du lịch
o A5: Cơ sở lƣu trú
o A6: Cơ sở hạ tầng kỹ thuật
o A7: Dịch vụ hỗ trợ du lịch
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đƣa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phƣơng pháp đƣa vào cùng một lúc Enter đểchọnlọcdựatrêntiêuchíchọnnhữngbiếncómứcýnghĩa < 0,005.
Kết quả phân tích hồi quy tuyến tính cho các biến số đƣợc thể hiện thông qua các bảng sau:
Bảng 4.33. Hệ số R-Square từ kết quả phân tích hồi quy Model Summaryb
Mode
l R R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 0,891a 0,794 0,788 0,46040667 1,742
a. Predictors: (Constant), Dịch vụ hỗ trợ du lịch, Tài nguyên du lịch, Phong cách thái độ phục vụ, Giá cả cảm nhận, Cơ sở hạ tầng kỹ thuật, Cơ sở lƣu trú, Khả năng đáp ứng dịch vụ
b. Dependent Variable: Sự hài long
Nhìn vào Bảng 4.33 ta thấy mô hình có hệ số tƣơng quan R=0,891 cho thấy mối tƣơng quan giữa các biến là thuận và rất chặt chẽ. Với hệ số xác định 2
R đã đƣợc điều chỉnh là 0,788 cho thấy 7 nhân tố đƣợc dùng làm biến độc lập giải thích đƣợc 78,8% sự biến thiên của biến phụ thuộc, còn lại 21,2% do các yếu tố khác ngoài mô hình giải thích. Nhƣ vậy sự hài lòng của du khách đối với dịch vụ du lịch tại Cửa Lò là 78,8%.
Kiểm định Tính độc lập của phần dư Ta dùng đại lƣợng thống kê Durbin- Watson d) để kiểm định. Đại lƣợng d này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson ngƣời ta thƣờng áp dụng quy tắc kiểm định đơn giản nhƣ sau: nếu 1 < d < 3 thì kết luận mô hình không có tƣơng quan; nếu 0 < d <1 thì kết luận mô hình có sự tƣơng quan dƣơng; nếu 3 < d < 4 thì kết luận mô hình có sự tƣơng quan âm (Hoàng Trọng& Chu Nguyễn Mộng Ngọc, 2008).Theo bảng 4.33 thì đại lƣợng thống kê Durbin-Watson (d) = 1,742 nên các phần dƣ trong mẫu không có tƣơng quan với nhau.
Bảng 4.34. Bảng ANOVA trong phân tích hồi quy
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1
Regression 197,702 7 28,243 133,239 0,000a
Residual 51,298 242 0,212
Total 249,000 249
a. Predictors: (Constant), Dịch vụ hỗ trợ du lịch, Tài nguyên du lịch, Phong cách thái độ phục vụ, Giá cả cảm nhận, Cơ sở hạ tầng kỹ thuật, Cơ sở lƣu trú, Khả năng đáp ứng dịch vụ
b. Dependent Variable:: Sự hài long
Nguồn: Tính toán từ dữ liệu điều tra
Kiểm định F là một phép kiểm định giả thuyết về độ phù hợp của mô hình. Theo kết quả bảng ANOVA (Bảng 4.34), ta thấy kiểm định F có Sig = 0,000a, chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng đƣợc.
Bảng 4.35. Hệ số hồi quy chuẩn hóa của phƣơng trình Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics (adsbygoogle = window.adsbygoogle || []).push({});
B Std. Error Beta Toleranc e VIF 1 (Constant) 2,216E- 17 0,029 0,000 1,000 Giá cả cảm nhận 0,053 0,029 0,053 1,827 0,069 1,000 1,000 Khả năng đáp ứng dịch vụ 0,142 0,029 0,142 4,869 0,000 1,000 1,000 Phong cách thái độ phục vụ 0,217 0,029 0,217 7,429 0,000 1,000 1,000 Tài nguyên du lịch 0,735 0,029 0,735 25,192 0,000 1,000 1,000 Cơ sở lƣu trú 0,266 0,029 0,266 9,120 0,000 1,000 1,000 Cơ sở hạ tầng kỹ thuật 0,229 0,029 0,229 7,832 0,000 1,000 1,000 Dịch vụ hỗ trợ du lịch 0,246 0,029 0,246 8,443 0,000 1,000 1,000 a. Dependent Variable: Sự hài lòng
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào Bảng 4.35 ta thấy hệ số phóng đại phƣơng sai VIF (Variance inflation factor – VIF) rất nhỏ (nhỏ hơn 2) cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tƣợng đa cộng tuyến.
Kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố với sự hài lòng của du khách đều có ý nghĩa thống kê (Sig.<0.05), duy chỉ có biến A1 có sig.=0,069>0,05 không có ý nghĩa thống kê. Nên ta sẽ loại khỏi mô hình nghiên cứu biến A1.
Phƣơng trình hồi quy thể hiện mối quan hệ giữa biến phụ thuộc sự hài lòng chung của du khách khi đi du lịch tại thị xã Cửa Lò với 6 biến độc lập đƣợc giải thích qua mô hình sau:
HL = 0,142*A2 + 0,217*A3 + 0,735*A4 + 0,266*A5 + 0,229*A6 + 0,246*A7
Kết quả trên cho thấy yếu tố A4 có hệ số Beta chuẩn hóa cao nhất (= 0,735) nên có tác động mạnh nhất đến sự hài lòng của du khách. Kế tiếp là các yếu tố A5 (= 0,266), A7(= 0,246), A6 (=0,229), A3 (=0,217). Yếu tố A2 (= 0,142) cũng có tác động đáng kể đến sự hài lòng của du khách nhƣng ít hơn các yếu tố khác.
Qua phƣơng trình hồi qui chúng ta thấy:
+ Nhóm yếu tố “Tài nguyên du lịch” có mức ảnh hƣởng lớn nhất đến sự hài lòng của khách hàng, với hệ số β4 = 0,735, nghĩa là nếu sự hài lòng của du khách đối với tài nguyên du lịch tăng lên 1 điểm thì sự hài lòng chung tăng lên 0,735 điểm nếu các
biến độc lập còn lại không đổi. Vì vậy, tài nguyên du lịch đƣợc sử dụng có hiệu quả, bảo tồn tốt tài nguyên sẽ làm gia tăng sự hài lòng của du khách.
+ Tiếp theo là nhóm yếu tố “Cơ sở lƣu trú” có mức độ ảnh hƣởng khá lớn đến sự hài lòng chung của du khách, do có hệ số β5 = 0,266. Nếu sự hài lòng về Cơ sở lƣu trú tăng lên 1 điểm thì sự hài lòng chung tăng lên 0,266 điểm nếu các biến độc lập còn lại không đổi.Vì vậy, các dich vụ mà cơ sở lƣu trú cung cấp tốt sẽ làm gia tăng sự hài lòng của du khách.
+ Kế đến là nhóm gồm yếu tố “Dịch vụ hỗ trợ du lịch” có mức độ ảnh hƣởng yếu hơn với hệ số β7 = 0,246. Nếu sự hài lòng về dịch vụ hỗ trợ du lịch tăng lên 1 điểm thì sự hài lòng chung tăng lên 0,246 điểm nếu các biến độc lập còn lại không đổi.
+ Hai nhóm yếu tố tác động yếu nhất là “ Phong cách thái độ phục vụ” và “ Cơ sở hạ tầng kỹ thuật, với hệ số beta lần lƣợt là 0,217.
Từ đó có thể kết luận rằng mô hình lý thuyết phù hợp với dữ liệu. Nhƣ vậy, các giả thuyết A2, A3, A4, A5,A6,A7 đều đƣợc chấp nhận
Nhƣ vậy, kết quả cho thấy có 6 biến độc lập đều có tác động có ý nghĩa lên biến phụ thuộc (sig<0.05). Và 6 nhân tố còn lại đƣa vào phân tích hồi quy đều đƣợc giữ lại trong mô hình.
Để dò tìm sự vi phạm giả định phânphối chuẩn của phần dư ta sẽ dùng hai công cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot.
Nguồn: Tính toán từ dữ liệu điều tra
Hình 4.2. Đồ thị P-P Plot
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào biểu đồ Histogram (Hình 4.3) ta thấy phần dƣ có phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nó gần bằng SD (= 0,986. Nhìn vào đồ thị P-P plot (Hình 4.2) biểu diễn các điểm quan sát thực tế tập trung khá sát đƣờng chéo những giá trị kỳ vọng, có nghĩa là dữ liệu phần dƣ có phân phối chuẩn. Dựa vào đồ thị phân tán của phần dƣ chuẩn hóa và giá trị dự đoán chuẩn hóa cho thấy các giá trị dự đoán chuẩn hóa và phần dƣ phân tán chuẩn hóa phân tán ngẫu nhiên trong một vùng xung quanh đƣờng đi qua tung độ 0. Nhƣ vậy, giả định liên hệ tuyến tính và phƣơng sai không thay đổi thỏa mãn.
Dựa vào biểu đồ tần số của các phần dƣ cho thấy phần dƣ phân phối xấp xỉ chuẩn (trung bình Mean = 2.13E-17 và độ lệch chuẩn SD = 0,986, tức gần bằng 1). Do đó, có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm (Hoàng & Chu – tập 1, 2008).
4.5. Phân tích ANOVA
4.5.1. Sự hài lòng của du khách theo độ tuổi
Bảng 4.36. Kiểm định phƣơng sai theo độ tuổi Test of Homogeneity of Variances
Su hai long
Levene Statistic df1 Df2 Sig.
0,269 5 244 0,930
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào Bảng 4.36 ta thấy mức ý nghĩa 0,930 (>5%) nên không có sự khác nhau về phƣơng sai của biến mức độ hài lòng của du khách theo các nhóm tuổi. Vậy phân tích ANOVA trong trƣờng hợp này là phù hợp.
Bảng 4.37. Kiểm định ANOVA theo độ tuổi (adsbygoogle = window.adsbygoogle || []).push({});
Su hai long
Sum of Squares Df Mean Square F Sig.
Between Groups 10,608 5 2,122 2,172 0,058
Within Groups 238,392 244 0,977
Total 249,000 249
Kết quả phân tích ANOVA đƣợc trình bày trong Bảng 4.37 cho thấy: Giá trị F ứng với mức ý nghĩa 0,508 (> 5%).
Từ kết quả phân tích trên cho phép khẳng định không có sự khác nhau về mức độ hàilòng giữa các du khách ở các độ tuổi khác nhau.
4.5.2. Sự hài lòng của du khách theo giới tính
Bảng 4.38. Kiểm định phƣơng sai theo giới tính Test of Homogeneity of Variances
Su hai long
Levene Statistic df1 Df2 Sig.
7,793 1 248 0,006
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào Bảng 4.38 ta thấy mức ý nghĩa 0,006 (>5%) nên có sự khác nhau về phƣơng sai của biến mức độ hài lòng của du khách theo các giới tính. Vậy không thể phân tích ANOVA.
4.5.3. Sự hài lòng của du khách theo tình trạng hôn nhân
Bảng 4.39. Kiểm định phƣơng sai theo tình trạng hôn nhân Test of Homogeneity of Variances
Su hai long
Levene Statistic df1 Df2 Sig.
1,494 1 248 0,223
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào Bảng 4.39 ta thấy mức ý nghĩa 0,223 (>5%) nên không có sự khác nhau về phƣơng sai của biến mức độ hài lòng của du khách theo tình trạng hôn nhân. Vậy phân tích ANOVA trong trƣờng hợp này là phù hợp.
Bảng 4.40. Kiểm định ANOVA theo tính trạng hôn nhân
Su hai long
Sum of Squares Df Mean Square F Sig.
Between Groups 1,725 1 1,725 1,730 ,190
Within Groups 247,275 248 ,997
Total 249,000 249
Kết quả phân tích ANOVA đƣợc trình bày trong Bảng 4.37 cho thấy: Giá trị F ứng với mức ý nghĩa 0,190(> 5%).
Từ kết quả phân tích trên cho phép khẳng định không có sự khác nhau về mức độ hàilòng với tình trạng hôn nhân của du khách
4.5.4. Sự hài lòng của du khách theo trình độ học vấn (adsbygoogle = window.adsbygoogle || []).push({});