Các loại hình dul ịch sinh thái biển ở Khánh Hòa

5. Kết cấu đề tài

2.4.Các loại hình dul ịch sinh thái biển ở Khánh Hòa

2.4.1. Tour 4 đảo

Các điểm đến tham quan bao gồm: - Đến Hòn Mun

- Đến Hòn Một

- Đến Bãi Tranh

- Đến Thủy Cung Trí Nguyên

2.4.2. Tour 3 Đảo

Các điểm đến tham quan bao gồm: - Đến Hòn Mun

- Đến Hòn Một

2.4.3. Tour du ngoạn biển đêm

Lộ trình tour gồm du ngoạn Vịnh Nha Trang, đi ngang qua khu du lịch

Vinpearl Land, đến Vũng Me rồi về lại cảng Nha Trang.

2.4.4. Tour du ngoạn Sông Cái

Lộ trình tour gồm:

- Đón khách xuống bến tàu Sông Cái - Dừng chân tại Cồn Dừa

- Du khách tham quan ngôi nhà cổ

- Thưởng thức những món đặc sản của làng ven sông - Đưa khách đến với suối khoáng nóng Tháp Bà

2.4.5. Tour lặn biển Nha Trang

Lộ trình tour gồm: - Xe đón khách tại khách sạn. - Đến điểm lặn, tập lặn lần 1 - Tiệc nhẹ - Bơi lặn lần 2 - Trở về đất liền

2.4.6. Tour Nha Phu

Lộ trình tour gồm:

- Đón khách tại cảng du lịch Long Phú - Đến Hòn Thị

- Đến khu du lịch Suối Hoa Lan (Hòn Hèo) - Đến khu du lịch Hòn Lao

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU

3.1. Phương pháp nghiên cứu

3.1.1. Phương pháp nghiên cứu định tính

Sau khi xác định được vấn đề cần nghiên cứu, người nghiên cứu đã tham khảo tài liệu về phương pháp luận nghiên cứu nhằm học hỏi cách thức thực hiện

một nghiên cứu khoa học. Tiếp đến thu thập thông tin, tư liệu từ nhiều nguồn (đề

tài, sách, báo, internet), nhiều lĩnh vực khác nhau để đảm bảo khối lượng thông tin đầy đủ, phù hợp với nội dung đề tài, bao gồm:

- Cơ sở lý thuyết về du lịch sinh thái, du lịch bền vững.

- Tiềm năng, tình hình và thực trạng phát triển du lịch của tỉnh Khánh Hòa. - Thiết lập mô hình nghiên cứu đề nghị và thiết kế bảng câu hỏi điều tra.

3.1.2. Phương pháp nghiên cứu định lượng (adsbygoogle = window.adsbygoogle || []).push({});

Thông qua bảng hỏi, người nghiên cứu tiến hành thu thập trực tiếp số liệu trên địa bàn nghiên cứu. Sau khi thu thập dữ liệu, người nghiên cứu tiến hành nhập liệu, xử lý, phân tích và báo cáo kết quả điều tra.

3.1.3. Phương pháp chọn mẫu

Phương pháp chọn mẫu là phương pháp thuận tiện.

Cỡ mẫu: 38 * 5 = 190 phiếu. Nghiên cứu này tiến hành điều tra 200 mẫu.

Phỏng vấn viên tiếp cận khách du lịch một cách thuận tiện thông qua việc

tham gia trực tiếp các tour du lịch gắn kết với biển phổ biến tại Nha Trang như Tour 4 đảo, Tour 3 đảo, đồng thời tiếp cận khảo sát khách tại cảng Cầu Đá vào các buổi chiều.

3.2. Quy trình nghiên cứu

Sau khi xác định tầm quan trọng và sự cần thiết của việc thực hiện nghiên cứu phát triển bền vững loại hình du lịch thái biển, một loại hình tiềm năng tại

Sơ đồ 3.1: Quy trình thực hiện nghiên cứu

3.3. Kỹ thuật phân tích dữ liệu

3.3.1. Thống kê mô tả

Bước 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.

Các đại lượng thống kê mô tả bao gồm:

- Mean: số trung bình cộng.

- Std. Deviation: độ lệch chuẩn.

- Minimum, maximum: giá trị nhỏ nhất, giá trị lớn nhất.

- df: tần số.

Mục tiêu nghiên cứu

Hệ thống các cơ sở lý thuyết

Mô hình nghiên cứu đề nghị

Thiết kế bảng câu hỏi phỏng vấn

Thu thập dữ liệu

Xử lý và phân tích dữ liệu

Viết báo cáo Xác định vấn đề nghiên cứu

- Std error: sai số chuẩn.

- Median: lượng biến của tiêu thức của đơn vị đứng ở vị trí giữa trong dãy số lượng biến.

- Mode: biểu hiện của tiêu thức được gặp nhiều nhất trong tổng thể/dãy phân phối. Trong dãy lượng biến, mode là lượng biến có tần số lớn nhất.

3.3.2. Kiểm định thang đo (adsbygoogle = window.adsbygoogle || []).push({});

Kiểm định thang đo nhằm tìm ra những mục hỏi cần giữ lại và những mục

hỏi cần bỏ đi trong rất nhiều mục hỏi trong bảng câu hỏi. Để làm điều này, chúng ta phải kiểm tra xem các mục hỏi nào có đóng góp vào việc đo lường một

khái niệm lý thuyết mà ta đang nghiên cứu và những mục hỏi nào không. Điều này, liên quan đến hai phép tính toán: tương quan giữa bản thân các mục hỏi và

tương quan của điểm số của từng mục hỏi với điểm số toàn bộ các mục hỏi cho

mỗi người trả lời.

Những mục hỏi đo lường cùng một khái niệm tiềm ẩn thì phải có mối liên quan với những cái còn lại trong nhóm đó, đồng thời các khái niệm này cũng

cần phải có quan hệ với biến tổng trong các khái niệm. Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (theo Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2005, tr

249).

Hệ số Cronbach's Alpha từ 0.6 đến 0.8 và mối quan hệ với biến tổng

(Corrected Item - Total Correlation) phải đạt ít nhất là 0.3 thì các phát biểu được

xem là có mối tương quan với nhau.

3.3.3. Phân tích nhân tố

Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ

yếu để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu, chúng ta có thể thu

thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau

và số lượng của chúng phải được giảm bớt xuống đến một lượng mà chúng ta có thể sử dụng được. Liên hệ giữa các nhóm biến có liên quan qua lại lẫn nhau

được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản. Phân tích nhân tố được sử dụng trong các trường hợp sau:

Nhận diện các khía cạnh hay nhân tố giải thích được các liên hệ tương quan

trong một tập hợp biến.

Nhận diện một tập hợp gồm một số biến mới tương đối ít, không có tương

quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau để thực hiện

một phân tích đa biến tiếp theo. Chẳng hạn như sau khi nhận diện các yếu tố tâm

lý, ta có thể sử dụng chúng như những biến độc lập để giải thích những khác biệt

giữa những người trung thành và những người không trung thành với nhãn hiệu. Để nhận ra một tập hợp các biến nổi trội từ một tập hợp nhiều biến để sử

dụng trong các phân tích đa biến kế tiếp, ta chọn ra được một số ít biến được sử

dụng như những biến độc lập để giải thích những khác biệt giữa những nhóm người có hành vi khác nhau2.

a. Mô hình phân tích nhân tố

Lượng biến thiên của một biến được giải thích bởi những nhân tố chung trong phân tích được gọi là Communality. Biến thiên chung của các biến được

mô tả bằng một số ít các nhân tố chung (commom factor) cộng với một nhân tố đặc trưng (unique factor) cho mỗi biến. Những nhân tố này không bọc lộ rõ ràng. Nếu các biến được chuẩn hóa thì mô hình nhân tố được thể hiện qua phương trình sau:

Xi = Ai1 F1 + Ai2 F2 + Ai3 F3 +….+ Aim Fm + Vi Ui (adsbygoogle = window.adsbygoogle || []).push({});

Trong đó:

- Xi : biến thứ i chuẩn hóa

- Aij: hệ số hồi quy bội chuẩn hóa

- Fi: các nhân tố chung

- Vi: hệ số hồi qui chuẩn hóa của nhân tố đặc trưng i đối với biến i

2

- Ui: nhân tố đặc trưng của biến i

- m: số nhân tố đặc trưng

Các nhân tố đặc trưng có liên quan với nhau và với các nhân tố chung. Bản

thân các nhân tố chung cũng có thể được diễn tả như những kết hợp tuyến tính

của các biến quan sát.

Fi = Wi1 X1 + Wi2 X2 + Wi3 X3 + ….. + Wik Xk

Trong đó:

- Fi : ước lượng trị số của nhân tố i

- Wt : quyền số hay trọng số nhân tố

- k : số biến

b. Các tham số thống kê trong phân tích nhân tố

- Barlett' test of sphericity: đại lượng Bartlett là một đại lượng thống kê dùng

để xem xét giả thiết các biến không có tương quan trong tổng thể. Nói cách

khác, ma trận tương quan tổng thể là một ma trận đồng nhất, mỗi biến tương

quan hoàn toàn với chính nó nhưng không tương quan với các biến khác.

- Correlation matrix: cho biết hệ số tương quan giữa tất cả các cặp biến.

- Communality: là lượng biến thiên của một biến được giải thích chung với các

biến khác được xem xét trong phân tích.

- Eigenvalue: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.

- Factor loading: là những hệ số tương 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 được rút ra.

- Kaiser - Meyer - Olkin (KMO): là một số dùng để xem xét sự thích hợp của

phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) có ý nghĩa là phân tích nhân tố là thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố (adsbygoogle = window.adsbygoogle || []).push({});

- Percentage of variance: phần trăm phương sai toàn bộ được giải thích bởi

từng nhân tố. Nghĩa là coi biến thiên là 100% thì giá trị này cho biết phân

tích nhân tố cô đọng được bao nhiêu phần trăm.

3.3.4. Phân tích hồi quy

Phân tích hồi quy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc

hay biến được giải thích) vào một hay nhiều biến khác (biến độc lập hay biến

giải thích) với ý tưởng cơ bản là ước lượng hay dự đoán giá trị trung bình của

biến phụ thuộc trên cơ sở đã biết của biến độc lập.

a. Các giả định khi xây dựng mô hình hồi quy

Mô hình hồi quy có dạng:

Yi = B0+ B1 X1i+ B2 X2 i+…+ Bn Xn i + 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: phương sai có điều kiện không đổi của các phần dư.

- Giả thiết 3: không có sự tương quan giữa các phần dư.

- Giả thiết 4: không xảy ra hiện tượng đa cộng tuyến.

- Giả thiết 5: giả thiết về phân phối chuẩn của phần dư.

b. Xây dựng mô hình hồi quy

Các bước xây dựng mô hình:

B1. Xem xét ma trận hệ số tương quan

Đầu tiên, chúng ta xem xét mối tương quan tuyến tính giữa biến phụ thuộc

và các biến độc lập cũng như quan hệ giữa các biến độc lập với nhau thông qua

ma trận tương quan.

Hệ số tương quan giữa biến phụ thuộc với các biến độc lập cao (>0.5), sơ

bộ ta có thể kết luận các biến độc lập này có thể đưa vào mô hình để giải thích

cho biến phụ thuộc. Tuy nhiên, hệ số tương quan giữa các biến độc lập với nhau

trong mô hình hồi quy tuyến tính bội ta xây dựng được vì có thể xảy ra hiện tượng đa cộng tuyến, vi phạm giả định của mô hình.

B2. 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 = (adsbygoogle = window.adsbygoogle || []).push({});

TSS ESS

- ESS: tổng bình phương tất cả các sai lệch giữa giá trị dự đoán của Yi và giá trị trung bình của chúng.

- TSS: tổng bình phương sai lệch giữa giá trị Yi và giá trị trung bình của

chúng.

Khi đưa 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 như trong hồi quy đơn nên ta phải sử dụng R2 điều chỉnh để đánh giá sự phù hợp của mô hình.

2 R = 1- (1 - R2 ) k n n  1 B3. 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.

B4. Xác định tầm quan trọng của các biến

Ý tưởng đánh giá tầm quan trọng tương đối của các biến độc lập thông qua

xem xét mức độ tăng của R2 khi một biến giải thích được đưa thêm vào mô hình. Nếu mức độ thay đổi này lớn thì chứng tỏ biến này cung cấp thông tin độc nhất

về sự phụ thuộc mà các biến khác trong phương trình không có được.

Ta đánh giá tầm quan trọng của một biến thông qua hai hệ số: (1) Hệ số tương quan từng phần: căn bậc hai của R2 change thể hiện mối tương quan giữa

phần trăm biến thiên mà một mình biến đó có thể giải thích. Lúc này, ta sử dụng

(2) hệ số tương quan riêng bằng căn bậc hai của Prk 2 , Prk 2 = k 2 k 2 R 1 R R   2 .

B5. Lựa chọn biến cho mô hình

Đưa nhiều biến độc lập vào mô hình hồi quy không phải lúc nào cũng tốt vì những lý do sau (trừ khi chúng có tương 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.

- Đưa vào các biến không thích đáng sẽ làm tăng sai số chuẩn của tất cả các ước lượng mà không cải thiện được khả năng dự đoán.

- Mô hình nhiều biến thì khó giải thích và khó hiểu hơn mô hình ít biến.

B6. Dò tìm sự vi phạm các giả thiết

Các công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu và đánh giá mức độ cộng tuyến làm thoái hóa các tham số được ước lượng là:

- Độ chấp nhận của biến (Tolerance) thường được sử dụng để đo lường hiện tượng đa cộng tuyến. Quy tắc là nếu độ chấp nhận của một biến nhỏ, thì nó gần như là một kết hợp tuyến tính của các biến độc lập khá, và đó là dấu hiệu

của đa cộng tuyến.

- Hệ số phóng đại phương sai (Variance inflation factor - VIF), có liên hệ gần

với độ chấp nhận. Quy tắc VIF vượt quá 10 là dấu hiệu của đa cộng tuyến.

- Hệ số tương quan tuyến tính giữa các biến giải thích trong ma trận hệ số tương quan tuyến tính (r) lớn ở tất cả các biến, nó thể hiện một mối tương

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

4.1. Thống kê mô tả (adsbygoogle = window.adsbygoogle || []).push({});

Kích thước mẫu dự kiến ban đầu là 165 phiếu khảo sát. Tuy nhiên, do quá trình khảo sát gặp nhiều khó khăn nên số liệu thu thập thực tế chỉ dừng lại ở

mức 116 phiếu, với kết quả sau:

4.1.1. Đối tượng tham gia phỏng vấn

Biểu đồ 4.1: Giới tính của đáp viên

(Nguồn: Trích theo phụ lục 1.1)

Đối tượng tham gia phỏng vấn là nam giới nhiều hơn nữ giới khoảng 17,2%.Trong đó chủ yếu còn độc thân với tỷ lệ chiếm 66,4%. Trong đó phần lớn

là những người có trình độ đại học với 48,3% (biểu đồ 4.2).

Dưới phổ thông Phổ thông Trung cấp, Cao đẳng Đại học Sau đại học Missing

Biểu đồ 4.2: Trình độ học vấn của đáp viên

41,4% 58,6% Nữ Nam 48,3% 25% 15,5% 2,6% 5,2% 3,4%

4.1.2. Các tour du lịch sinh thái biển tại Nha Trang

Biểu đồ 4.3: Các tour du lịch sinh thái biển tại Nha Trang

(Nguồn: Trích theo phụ lục 1.2)

Đối tượng khách trả lời bảng hỏi phần lớn là những khách tham gia tour du lịch bốn đảo với tỷ trọng chiếm 44,7%, tiếp đến là tour Nha Phu với 19%; có 1,7% khách không trả lời câu hỏi này.