Dựa trên việc tham khảo và nghiên cứu các tài liệu, các đề tài của các tác giả trên, mô hình nghiên cứu về vai trò của nhận thức rủi ro khi du lịch, sự thỏa mãn đối với ý định quay trở lại của du khách quốc tế đến với Nha Trang, Khánh Hòa được đề xuất ở Hình 2.1. Mô hình được đặt ra tổng cộng có 9 giả thuyết. Trong đó, giả thuyết H1 liên quan đến biến nguyên nhân “sự thỏa mãn” có tác động thuận chiều đến biến kết quả là “ý định quay lại”. Từ giả thuyết H2 đến H7 là liên quan đến 3 nhân tố thuộc biến “rủi ro cảm nhận” bao gồm “rủi ro tài chính”, “rủi ro thời gian” và “rủi ro tâm lý” có tác động ngược chiều đến “sự thỏa mãn” và “ý định quay lại” của du khách. Trong khi 2 giả thuyết H8 và H9 lại đề cập đến tác động thuận chiều của “rủi ro mong muốn”. Trong mô hình, “sự thỏa mãn” là biến trung gian bởi nó vừa là biến nguyên nhân, lại vừa là biến kết quả.
Hình 2.1: Mô hình nghiên cứu đề xuất
Rủi ro mong muốn Rủi ro tài chính Rủi ro tâm lý Sự thỏa mãn Ý định quay lại + + + - -
CHƯƠNG III: PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Quy trình nghiên cứu
Hình 3.1: Quy trình nghiên cứu
(Nguồn: Điều chỉnh từ quy trình nghiên cứu của Nguyễn Đình Thọ, 2011)
Xây dựng thang đo
Nghiên cứu định lượng Cơ sở lý thuyết
Đánh giá độ tin cậy Phân tích EFA
Tương quan biến - tổng Cronbach Alpha Trọng số nhân tố EFA
Phương sai trích
Phân tích CFA
Xây dựng mô hình và giả thuyết
Vấn đề nghiên cứu
Hoàn chỉnh thang đo
Kiểm định mô hình SEM Độ thích hợp của mô hình Giá trị hội tụ Giá trị phân biệt Tính đơn hướng Hệ số tin cậy tổng hợp Phương sai trích Độ thích hợp của mô hình Kiểm định giả thuyết Giai Đoạn 1 Giai Đoạn 2 Giai Đoạn 3 Giai Đoạn 4 Giai Đoạn 5
- Giai đoạn 1: Xác định vấn đề nghiên cứu
Xác định vấn đề nghiên cứu là giai đoạn đầu tiên, cũng là giai đoạn quan trọng nhất trong quá trình thực hiện nghiên cứu. Bởi giai đoạn này giúp nhà nghiên cứu nắm chắc mục tiêu mà nghiên cứu hướng đến, hiểu được bối cảnh của vấn đề, hiểu rõ bản chất vấn đề chứ không phải những biểu hiện của nó, từ đó đưa ra quyết định đơn vị nghiên cứu.
- Giai đoạn 2: Xây dựng cơ sở lý thuyết, mô hình và các giả thuyết
liên quan đến vấn đề nghiên cứu
Cơ sở lý thuyết đóng vai trò hết sức quan trọng, giúp xác định nội dung của một khái niệm, là cơ sở để có thể xây dựng mô hình và đưa ra các giả thuyết cần cho việc nghiên cứu. Đồng thời, mô hình và các giả thuyết nghiên cứu phải xuất phát từ mục tiêu nghiên cứu của đề tài. Cơ sở để xây dựng mô hình và các giả thuyết là những công trình nghiên cứu có liên quan đã được các tác giả trên thế giới công bố gần đây.
- Giai đoạn 3: Xây dựng thang đo
Việc xây dựng thang đo liên quan chặt chẽ với việc xác định vấn đề nghiên cứu. Thang đo được xây dựng dựa trên việc nghiên cứu các tài liệu, bài báo, công trình đã công bố, cũng như các kết quả điều tra thực nghiệm, các kinh nghiệm trong qua khứ liên quan đến các khái niệm quan tâm. Đồng thời, tác giả cũng đưa vào hai thang đo mới là thang đo về “rủi ro thời gian” và thang đo về “rủi ro trong du lịch mạo hiểm” nhằm đáp ứng đầy đủ mục tiêu của nghiên cứu. Hai thang đo này được xây dựng dựa trên các nghiên cứu có liên quan.
- Giai đoạn 4: Nghiên cứu định lượng
Trong giai đoạn này, tác giả tiến hành thu thập bộ dữ liệu sơ cấp bằng cách phát bảng câu hỏi đến đối tượng là các khách du lịch quốc tế có thể sử dụng tiếng anh theo phương pháp chọn mẫu thuận tiện. Thời gian điều tra diễn ra từ ngày 20/05/2013 đến ngày 02/06/2013. Về quy mô mẫu, hiện nay có rất nhiều cách lựa chọn kích thước mẫu khác nhau. Nhiều nhà nghiên cứu đòi hỏi phải có kích thước
mẫu lớn. Tuy nhiên kích thước bao nhiêu được gọi là lớn thì hiện nay chưa được xác định rõ ràng. Hơn nữa kích thước mẫu còn tùy thuộc vào phương pháp ước lượng sử dụng. Tuy nhiên, có nhà nghiên cứu cho rằng kích thước mẫu tối thiểu có thể từ 100 đến 150 (Hair và cộng sự, 1998). Cũng có nhà nghiên cứu cho rằng kích thước mẫu tối thiểu là 200 (Hoelter, 1983). Theo kinh nghiệm, nguyên tắc chọn mẫu là bằng số chỉ báo nhân cho 10 là số mẫu tối thiểu, hoặc cũng có nhà nghiên cứu cho rằng số mẫu cần thiết bằng số chỉ báo nhân cho 5. Bảng câu hỏi trong nghiên cứu này có tổng cộng 28 chỉ báo. Tác giả quyết định lựa chọn phương pháp chọn kích thước mẫu là số chỉ báo nhân cho 5. Tức là kích thước mẫu 28*5 = 140. Để đạt kích thước mẫu đề ra, tác giả tiến hành thu thập 200 phiếu điều tra, trong đó có 7 phiếu bị loại do có quá nhiều ô trống và không hợp lệ. Kích thước mẫu cuối cùng là 193.
Dữ liệu sau đó được mã hóa, nhập máy tính, làm sạch, với sự hỗ trợ của phần mềm Excel và SPSS 18.0. Việc phân tích mô hình đo lường được thực hiện qua ba bước: (1) Tính toán độ tin cậy bằng hệ số Cronbach’s Alpha để phát hiện bước đầu những chỉ báo không tốt, loại biến có hệ số tương quan với biến tổng nhỏ hơn 0.3, (2) Phân tích nhân tố khám phá EFA để đánh giá tính đơn nghĩa của các thang đo, và đề xác định xem các chỉ báo có tạo ra đúng số nhân tố như dự định không.
(1)Hệ số tin cậy Cronbach’s Alpha (1951)
Độ tin cậy của thang đo được định nghĩa là mức độ mà nhờ đó sự đo lường của các biến điều tra là không gặp phải các sai số và kết quả phỏng vấn khách hàng là chính xác và đúng với thực tế. 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. 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.
Công thức của hệ số Cronbach α là: α = Nρ/[1 + ρ(N - 1)]
- Trong đó ρ là hệ số tương quan trung bình giữa các mục hỏi. Ký tự Hy Lạp (đọc là prô) trong công thức tượng trưng cho tương quan trung bình giữa tất cả các cặp mục hỏi được kiểm tra.
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được (Peterson, 1994). Tuy nhiên, nếu hệ số α quá lớn (α > 0.95), tức cho thấy rằng có nhiều biến trong thang đo không có gì khác biệt (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường. Do đó, một thang đo có độ tin cậy tốt khi hệ số α biến thiên trong khoảng từ 0.7 đến 0.8. Kết quả của bước này sẽ được sử dụng để phục vụ cho bước phân tích EFA tiếp theo.
(2)Nhân tố khám phá EFA
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy, nghiên cứu tiến hành phân tích nhân tố khám phá EFA. Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt 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 số lượng mà chúng ta có thể sử dụng được. Liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản. Vì vậy, phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu, rút gọn và tóm tắt các biến để nghiên cứu thành các khái niệm. Thông qua phân tích nhân tố nhằm xác định mối quan hệ của nhiều biến được xác định và tìm ra nhân tố đại diện cho các biến quan sát.
Cơ sở của việc rút gọn này là dựa vào mối quan hệ tuyến tính của các chỉ báo với các biến quan sát. Chỉ tiêu được dùng để xem xét sự thích hợp của phương pháp phân tích nhân tố là kết quả phân tích KMO, chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với độ lớn của hệ số tương quan riêng phần của chúng (Norusis, 1994). Kaiser (1974) đề nghị KMO ≥ 0.90 là rất tốt, 0.90 ≥ KMO ≥
0.80 là tốt, 0.80 ≥ KMO ≥ 0.70 là được, 0.70 ≥ KMO ≥ 0.60 là tạm được, 0.60 ≥ KMO ≥ 0.50 là xấu và KMO ≤ 0.50 là không thể chấp nhận (Thọ và Trang, 2007).
Phương pháp trích hệ số được sử dụng là principal components với phép quay Varimax và điểm dừng khi trích các yếu tố có eigenvalue = 1. Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%. Các biến nào có trọng số nhân tố nhỏ hơn 0.5 sẽ bị loại (Hair et al., 2006) vì biến này thật sự không đo lường khái niệm chúng ta cần đo lường (Nguyễn Đình Thọ, 2011).
- Giai đoạn 5: Nghiên cứu khẳng định
Đây là giai đoạn cuối cùng của quy trình nghiên cứu, sử dụng phương pháp mô hình hóa phương trình cấu trúc SEM, được thực hiện thông qua 2 bước là phân tích nhân tố khẳng định CFA và tiến hành kiểm định mô hình SEM.
Trong kiểm định thang đo, phương pháp CFA trong phân tích cấu trúc tuyến tính SEM có nhiều ưu điểm hơn so với phương pháp truyền thống như phương pháp hệ số tương quan, hệ số tin cậy Cronbach’s Alpha, phương pháp phân tích nhân tố khám phá EFA,… Lý do là CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường. Hơn nữa, chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không cần dùng nhiều nghiên cứu như trong các phương pháp truyền thống (Steenkamp và Van Trijp, 1991 theo Nguyễn Đình Thọ
và cộng sự 2008).
Trong kiểm định giả thuyết và mô hình nghiên cứu, mô hình cấu trúc tuyến tính SEM cũng có lợi thế hơn các phương pháp truyền thống như hồi qui đa biến vì nó có thể tính được sai số đo lường. Hơn nữa, phương pháp này cho phép xem xét một loạt các các mối quan hệ phụ thuộc lẫn nhau một cách đồng thời. Chính vì vậy, phương pháp phân tích SEM được sử dụng rất phổ biến trong các ngành khoa học xã hội trong những năm gần đây và thường được gọi là phương pháp phân tích dữ liệu thế hệ thứ hai (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2010). Phương
pháp này đặc biệt hữu dụng khi một biến phụ thuộc trở thành một biến độc lập trong một quan hệ phụ thuộc tiếp theo. Giá trị của SEM xuất phát từ các lợi ích đạt được trong việc sử dụng đồng thời các mô hình đo lường và mô hình cấu trúc, mỗi mô hình giữ các vai trò khác nhau trong phân tích chung. Để đảm bảo cả mô hình đo lường và mô hình cấu trúc được xác định đúng, và các kết quả là có giá trị (hiệu lực), việc phân tích với SEM thường tuân theo 7 bước, mà được mô tả vắn tắt như sau:
Bước 1: Phát triển mô hình dựa trên cơ sở lý thuyết.
SEM dựa vào các quan hệ nhân quả, trong đó sự thay đổi của một biến xuất phát từ sự thay đổi của một biến số khác. Nói chung, có 4 tiêu chuẩn được thiết lập để xác lập một quan hệ nhân quả: (1) Tồn tại quan hệ đủ mạnh giữa 2 biến; (2) Có trình tự thời gian trước sau của nguyên nhân và kết quả; (3) Không tồn tại nguyên nhân hiện hữu nào khác; (4) Có cơ sở lý thuyết vững chắc của mối quan hệ. Trong thực tế rất khó để đáp ứng đầy đủ cả 4 tiêu chuẩn này. Tuy nhiên, nếu những điều kiện đầu không được xác lập, nhưng có cơ sở lý thuyết vững chắc thì quan hệ nhân quả vẫn được xác định.
Bước 2: Xây dựng biểu đồ đường dẫn của các quan hệ nhân quả.
Biểu đồ đường dẫn là một công cụ để biểu diễn bằng hình ảnh các quan hệ nhân quả. Để xây dựng biểu đồ đường dẫn, trước tiên chúng ta phải xây dựng các khái niệm dựa vào cơ sở lý thuyết, và tìm các chỉ báo để đo lường chúng. Tiếp theo chúng ta sử dụng các hình mũi tên để thể hiện cho từng quan hệ cụ thể giữa hai khái niệm. Hình mũi tên một chiều chỉ quan hệ nhân quả trực tiếp từ một khái niệm đến một khái niệm khác. Hình mũi tên cong hai chiều chỉ mối quan hệ tương quan giữa các khái niệm. Và hình hai mũi tên ngược chiều nhau chỉ mối quan hệ tác động qua lại giữa hai khái niệm. Với ba dạng mũi tên này, tất cả các quan hệ trong các mô hình cấu trúc đều được minh hoạ.
Bước 3: Chuyển biểu đồ đường dẫn thành một tập hợp các mô hình đo lường và cấu trúc.
Sau khi phát triển mô hình lý thuyết và minh hoạ bằng biểu đồ đường dẫn, tập hợp các quan hệ cấu trúc có thể được chuyển thành một tập hợp các phương trình xác định: (1) Các phương trình cấu trúc liên kết các khái niệm; (2) Mô hình đo lường xác định các biến số nào đo lường cho khái niệm nào; (3) Một tập ma trận chỉ ra bất cứ quan hệ nào được giả thuyết giữa các khái niệm và các biến. Mục đích chính ở bước này là liên kết các định nghĩa ứng dụng của các khái niệm với lý thuyết nhằm kiểm định sự phù hợp về mặt thực nghiệm.
Bước 4: Chọn lựa ma trận đầu vào và ước lượng mô hình đề xuất.
SEM sử dụng ma trận tương quan hoặc ma trận hiệp phương sai của các biến quan sát làm dữ liệu đầu vào. Việc sử dụng ma trận nào làm dữ liệu đầu vào còn tùy thuộc vào mục đích nghiên cứu, sự khác biệt giữa chúng là việc giải thích kết quả đầu ra. Sử dụng ma trận hiệp phương sai cho phép chúng ta so sánh các tổng thể hoặc các mẫu khác nhau, tuy nhiên sẽ rất khó khăn trong việc giải thích các hệ số do các đơn vị đo lường các biến khác nhau. Ma trận hệ số tương quan được sử dụng rộng rãi hơn do có thể so sánh trực tiếp các hệ số trong một mô hình, nhờ các biến đã được chuẩn hóa. Khi chúng ta muốn hiểu đặc điểm quan hệ giữa các khái niệm thì sử dụng ma trận hệ số tương quan làm đầu vào của SEM là phù hợp hơn.
Bước 5: Đánh giá định dạng của mô hình cấu trúc.
Vấn đề lỗi định dạng xảy ra khi các kết quả ước lượng là không lôgic hoặc không duy nhất. Hai quy tắc cơ bản nhất là các điều kiện về hạng và điều kiện thứ bậc. Điều kiện thứ bậc đòi hỏi bậc tự do phải lớn hơn hoặc bằng 0. Nếu bậc tự do bằng 0, mô hình định dạng đúng, lời giải là duy nhất, hoàn hảo nhưng không có tính khái quát hóa. Mục đích của SEM phải là một mô hình vô định hay bậc tự do phải lớn hơn 0. Một mô hình được chấp nhận và có số bậc tự do lớn nhất có thể được luôn là mong muốn của những nhà nghiên cứu. Điều kiện thứ bậc chỉ là điều kiện cần, chưa phải điều kiện đủ đối với việc định dạng mô hình. Một mô hình cần phải đáp ứng được điều kiện hạng mà yêu cầu rằng các ước lượng phải là duy nhất. Điều
kiện hạng là điều kiện đủ, và để xác định điều kiện hạng là một vấn đề rất phức tạp, do đó thông thường người ta sử dụng một “quy tắc ngón tay cái” như sau: Trước tiên