4.3.1 Kiểm định hệ số tin cậy Cronbach Alpha
Cronbach’s Alpha là công cụ giúp loại đi những biến quan sát, những thang đo không đạt yêu cầu. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005, 257) cho rằng: Nhiều nhà nghiên cứu đồng ý rằng Cronbach Alpha từ 0,8 trở lên gần đến 1 thì thang đo thường là tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu. Các quan sát có hệ số tương quan biến - tổng (iterm- total correlation) < 0.30 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach alpha từ 0.60 trở lên (Nunnally & Burnstein 1994).
Công thức của hệ số Cronbach’s Alpha là:
α = Nρ/[1 + ρ(N – 1)]
Trong đó ρ là hệ số tương quan trung bình giữa các mục hỏi. Ký tự ρ trong công thức tượng trưng cho tương quan trung bình giữa tất cả các cặp mục hỏi được kiểm tra. (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
Bảng 4.3: Độ tin cậy của các thang đo
Biến quan Thang đo trung Phương sai thang Hệ số tương Cronbach’s Alpha sát bình nếu loại biến đo nếu loại biến quan biến-tổng nếu loại biến
Điều kiện tự nhiên TN: Alpha = 0.762
TN_1 9.24 1.155 0.578 0.743 TN_2 9.21 0.810 0.640 0.660 TN_3 9.20 0.881 0.579 0.695 TN_4 9.22 0.716 0.587 0.711
Thiết kế tour TK: Alpha = 0.776
TK_1 5.52 1.102 0.693 0.636 TK_2 5.73 0.679 0.689 0.675 TK_3 5.50 1.271 0.563 0.765
Giá cả GIA: Alpha = 0.909
GIA_1 6.29 2.963 0.804 0.893 GIA_2 6.39 3.412 0.876 0.826 GIA_3 6.26 3.583 0.794 0.890
Tổ chức hoạt động tour TC: Alpha = 0.725
TC_1 11.30 1.753 0.494 0.676 TC_2 11.24 1.711 0.714 0.559 TC_3 11.20 1.869 0.726 0.583 TC_4 11.58 1.810 0.295 0.834
Mua sắm giải trí MSGT: Alpha = 0.649
MSGT_1 14.77 6.257 0.187 0.682 MSGT_2 14.50 4.845 0.518 0.546 MSGT_3 14.52 5.704 0.525 0.561 MSGT_4 15.39 6.455 0.249 0.648 MSGT_5 15.62 5.513 0.434 0.585 MSGT_6 15.79 5.975 0.419 0.595
Hướng dẫn viên HDV: Alpha = 0.714
HDV_1 16.89 3.128 0.426 0.681 HDV_2 17.18 3.530 0.140 0.765 HDV_3 16.93 2.669 0.550 0.639
Biến quan Thang đo trung Phương sai thang Hệ số tương Cronbach’s Alpha sát bình nếu loại biến đo nếu loại biến quan biến-tổng nếu loại biến
HDV_4 16.96 2.657 0.569 0.633 HDV_5 16.90 3.049 0.482 0.665 HDV_6 16.09 3.085 0.591 0.644
An toàn AT: Alpha = 0.725
AT_1 7.10 1.151 0.504 0.690 AT_2 7.80 1.012 0.570 0.610 AT_3 7.78 0.799 0.589 0.595
Văn hóa biển đảo VH: Alpha = 0.785
VH_1 6.10 2.095 0.420 0.894 VH_2 6.61 1.242 0.758 0.547 VH_3 6.56 1.371 0.741 0.571
Chất lượng tour/phòng CL: Alpha = 0.760
CL_1 14.22 5.021 0.386 0.757 CL_2 14.68 5.465 0.266 0.784 CL_3 14.57 4.631 0.717 0.674 CL_4 14.84 4.729 0.505 0.724 CL_5 14.62 4.286 0.657 0.678 CL_6 14.68 5.022 0.547 0.716
Chất lượng tour/phòng CL: Alpha = 0.760
CL_1 14.22 5.021 0.386 0.757 CL_2 14.68 5.465 0.266 0.784 CL_3 14.57 4.631 0.717 0.674 CL_4 14.84 4.729 0.505 0.724 CL_5 14.62 4.286 0.657 0.678 CL_6 14.68 5.022 0.547 0.716 Dịch vụ bổ trợ KM: Alpha = 0.652 KM_1 5.90 1.472 0.398 0.637 KM_2 6.56 1.244 0.495 0.511 KM_3 6.34 1.067 0.508 0.494
Biến quan Thang đo trung Phương sai thang Hệ số tương Cronbach’s Alpha sát bình nếu loại biến đo nếu loại biến quan biến-tổng nếu loại biến Ý định quay trở lại TL: Alpha = 0.705
TL_1 8.68 0.500 0.638 0.460 TL_2 8.63 0.556 0.633 0.488 TL_3 7.84 0.636 0.335 0.846
Kết quả Cronbach alpha ở trên cho thấy: các biến TC_4, MSGT_1, MSGT_4, HDV_2, CL_2 có hệ số tương quan biến - tổng < 0.30 nên các biến này sẽ bị loại ra khỏi mô hình. Sau khi loại các biến không đạt yêu cầu về tương quan biến - tổng, thang đo của các thành phần chất lượng dịch vụ du lịch biển đảo và Ý định quay trở lại đều đạt yêu cầu của độ tin cậy Cronbach’s Alpha (từ 0.652 đến 0.909).
4.3.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Để tiến hành phân tích, tất cả các biến được lựa chọn ở bước phân tích Cronbach alpha được chia thành hai nhóm:
Nhóm 1 gồm tất cả các biến của các thang đo chất lượng dịch vụ du lịch biển đảo đối với Ý định quay trở lại của du khách: điều kiện tự nhiên, cách thiết kế tour, chất lượng tour/phòng, an toàn, giá tour, mua sắm giải trí, dịch vụ bổ trợ, hướng dẫn viên, cách tổ chức hoạt động tour, văn hóa biển đảo.
Nhóm 2 gồm các biến của thang đo Ý định quay trở lại của du khách.
Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn:
Thứ nhất, khi xét sự thích hợp của EFA ta căn cứ vào hệ số KMO (Kaiser- Meyer-Olkin), nếu 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Thứ hai, để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance), hệ số tải nhân tố factor loading ≥ 0.3 được xem đạt mức tối thiểu, Factor loading ≥ 0.4 được xem là quan trọng, ≥ 0.5 được xem là có ý nghĩa thực tiễn. Do đó, trong nghiên cứu này, biến quan sát nào có hệ số tải nhân tố ≤ 0.30 sẽ bị loại.
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50%. Thứ tư, hệ số Eigenvalue phải có giá trị ≥ 1 (Gerbing & Anderson 1988).
Thứ năm, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al –Tamimi 2003).
Kết quả EFA nhóm 1 với các nhân tố độc lập
Kết quả phân tích nhân tố khám phá EFA lần 1 cho thấy, tổ hợp 36 biến gồm 10 thang đo: điều kiện tự nhiên, cách thiết kế tour, chất lượng tour/phòng, an toàn, giá tour, mua sắm giải trí, dịch vụ bổ trợ, hướng dẫn viên, cách tổ chức hoạt động tour, văn hóa biển đảo có kết quả như sau: KMO (Kaiser-Meyer-Olkin) = 0.736 > 0.5, thống kê Chi-square của kiểm định Barlett’s đạt giá trị 4813.791 với mức ý nghĩa là Sig = 0.000 cho thấy phân tích EFA rất thích hợp.
Tại các mức giá trị Eigenvalue lớn hơn 1 và với phương pháp rút trích Principal Components với phép quay Varimax. Phân tích nhân tố đã rút trích được 11 nhân tố từ 36 biến và phương sai trích là 73.315 % (lớn hơn 50%) đạt yêu cầu.
Dựa trên phân tích Rotated Component Matrixa, các biến TN_2, TN_4, CL_1, MSGT_5, MSGT_6, KM_1, VH_1 không nằm cùng nhóm các nhân tố nên các biến này sẽ bị loại ra khỏi phân tích (Xem phụ lục 6).
Kết quả phân tích nhân tố khám phá EFA lần 2 sau khi loại các biến không đạt yêu cầu cho thấy: KMO (Kaiser-Meyer-Olkin) = 0.735 > 0.5, thống kê Chi-square của kiểm định Barlett’s đạt giá trị 3510.601 với mức ý nghĩa là Sig = 0.000 cho thấy phân tích EFA rất thích hợp.
Tại các mức giá trị Eigenvalue lớn hơn 1 và với phương pháp rút trích Principal Components với phép quay Varimax. Phân tích nhân tố đã rút trích được 10 nhân tố với 29 biến và phương sai trích là 75.663 % (lớn hơn 50%) đạt yêu cầu (Xem phụ lục 6).
Tuy nhiên, chỉ báo CL_4 có trọng số lên cả hai nhân tố thứ hai (0.575) và thứ bảy (0.556) là tương đương nhau. Như vậy chỉ báo CL_4 có thể đo lường cho cả 2 nhân tố khác nhau. Vì vậy, tác giả tiếp tục loại bỏ chỉ báo CL_4 cho lần xử lý số liệu
tiếp theo. Kết quả chạy EFA lần 3 được cho ở bảng 4.4
Bảng 4.4:Phân tích nhân tố EFA cho các chỉ báo của các nhân tố độc lập
KMO and Bartlett's Test
Chỉ số KMO 0.724
Thống kê Chi bình phương 3329.663
Bậc tự do 378
Kiểm định Bartlett
Mức ý nghĩa 0.000
Total Variance Explained (Phương sai trích) Eigenvalues ban đầu Tổng bình phương hệ số tải
đã trích xuất Tổng bình phương hệ số tải đã xoay Nhân tố Toàn phần % của phương sai trích % tích lũy Toàn phần % của phương sai trích % tích lũy Tổng 1 4.442 15.865 15.865 4.442 15.865 15.865 2.741 2 3.637 12.989 28.855 3.637 12.989 28.855 2.614 3 2.629 9.389 38.243 2.629 9.389 38.243 2.430 4 2.286 8.165 46.409 2.286 8.165 46.409 2.397 5 2.122 7.579 53.988 2.122 7.579 53.988 2.365 6 1.633 5.834 59.822 1.633 5.834 59.822 2.027 7 1.381 4.933 64.754 1.381 4.933 64.754 1.909 8 1.192 4.256 69.010 1.192 4.256 69.010 1.750 9 1.049 3.747 72.758 1.049 3.747 72.758 1.661 10 1.011 3.609 76.367 1.011 3.609 76.367 1.490 11 .682 2.436 78.803 .. ... .... ... 27 .143 .509 99.541 28 .129 .459 100.000
Rotated Component Matrixa Nhân tố 1 2 3 4 5 6 7 8 9 10 HDV3 0.756 HDV4 0.745 HDV6 0.700 HDV1 0.670 HDV5 0.669 GIA2 0.931 GIA1 0.918 GIA3 0.889 TK3 0.865 TK1 0.732 0.472 TK2 0.701 0.328 TC3 0.901 TC2 0.880 TC1 0.812 CL5 0.877 CL3 0.817 CL6 0.654 AT3 0.831 AT2 0.808 AT1 0.735 0.315 VH3 0.922 VH2 0.906 TN1 0.803 TN3 0.769 MSGT2 0.881 MSGT3 0.805 KM2 0.856 KM3 0.820
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Nhận xét: Kết quả phân tích nhân tố là rất tốt, chỉ số KMO (Kaiser - Meyer – Olkin) là 0,724 thuộc phạm vi được xem là thích hợp và các biến quan sát là có tương quan với nhau trong tổng thể (Sig. =0,000 < 0,05). Kết quả cũng chỉ ra rằng có 10 nhân tố được rút ra với tổng phương sai được giải thích bởi 10 nhân tố này là 76,37 > 50% là đạt yêu cầu (Hair et al, 1998). Đồng thời, các chỉ báo dự định đo lường các khái niệm cũng có trọng số rất cao lên các nhân tố dự định được rút ra (từ 0,654 đến 0,931) và không có trường hợp nào một chỉ báo có trọng số nhân tố cao trên ít nhất 2 nhân tố, điều đó bước đầu cho thấy dấu hiệu của tính đơn nghĩa, độ giá trị hội tụ và độ
giá trị phân biệt của các thang đo (Hồ Huy Tựu, 2006; Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
Kết quả EFA nhóm 2 với nhân tố phụ thuộc Ý định quay trở lại của du khách
Kết quả phân tích Cronbach Alpha cho thấy các biến đều tốt đối với nhân tố phụ thuộc: Ý định quay trở lại của du khách, vì vậy đầu vào cho phân tích EFA này bao gồm 3 biến.
Kết quả ở Bảng 4.5 cho thấy, tổ hợp 3 biến với 1 nhân tố phụ thuộc có kết quả như sau: KMO (Kaiser-Meyer-Olkin) = 0.579 > 0.5, thống kê Chi-square của kiểm định Barlett’s đạt giá trị 223.342 với mức ý nghĩa là Sig = 0.000 cho thấy phân tích EFA rất thích hợp.
Tại các mức giá trị Eigenvalue lớn hơn 1 và với phương pháp rút trích Principal Components với phép quay Varimax. Phân tích nhân tố đã rút trích được 1 nhân tố từ 3 biến và phương sai trích là 64.787% (lớn hơn 50%) thỏa mãn các điều kiện của phân tích nhân tố. Điều này cho thấy nhân tố phụ thuộc Ý định quay trở lại của du khách giải thích được 64.787% sự biến thiên của dữ liệu.
Bảng 4.5: Phân tích nhân tố EFA cho các chỉ báo của nhân tố phụ thuộc
KMO and Bartlett's Test
Chỉ số KMO. 0.579
Thống kê Chi bình phương 223.342
Bậc tự do 3
Kiểm định Bartlett
Mức ý nghĩa 0.000
Total Variance Explained
Eigenvalues ban đầu Tổng bình phương hệ số tải đã trích xuất Nhân tố Toàn phần % của phương sai trích % tích lũy Toàn phần % của phương sai trích % tích lũy 1 1.944 64.787 64.787 1.944 64.787 64.787 2 .794 26.461 91.248 3 .263 8.752 100.000
Component Matrixa Nhân tố 1 TL_1 0.897 TL_2 0.889 TL_3 0.591
Extraction Method: Principal Component Analysis. a. 1 components extracted.
4.3.3 Phân tích hồi quy tuyến tính bội
4.3.3.1 Phân tích thống kê mô tả các biến nhân tố chỉ báo của mô hình
Một trong những giả thiết của phương pháp phân tích hồi quy tuyến tính là yêu cầu các biến quan sát phải có phân phối chuẩn. Điều này yêu cầu rằng các biến quan sát có các giá trị thống kê liên quan đến hai thông số Skewness và Kurtosis phải nhỏ hơn 1 (Thọ & Trang, 2007).
Bảng 4.6: Các thông số thống kê mô tả các biến nhân tố của mô hình Nhân Số Gía trị Gía trị Gía trị
tố (Factor) mẫu nhỏ nhất lớn nhất trung bình
TN 250 1 5 3.0700 TK 250 1 5 2.7920 GIA 250 1 5 3.1573 TC 250 1 5 3.8613 MSGT 250 1 5 3.6060 HDV 250 1 5 3.4360 AT 250 1 5 3.3213 VH 250 1 5 3.0480 CL 250 1 5 2.8430 KM 250 1 5 2.9500 TL 250 1 5 4.1907 Valid N (listwise) 250 1 5
(Nguồn: số liệu điều tra của Tác giả, 2012)
Kết quả phân tích điểm trung bình của các biến quan sát cho kết quả là các nhân tố đều được du khách đánh giá từ mức trung bình từ 2.79 (Nhân tố TK - Thiết kế tour) đến 4.19 (Nhân tố TL – Ý định quay trở lại của du khách). Trong đó, du khách đánh giá cao nhất ở chỉ báo “TL_3” (4,74/5,00), và mức đánh giá thấp nhất ở chỉ báo
“TK_2” (2,64/5,00). Hầu hết các giá trị Skewness và Kurtosis của tất cả các chỉ báo đều có trị tuyệt đối < 1, ngoại trừ vài chỉ báo có giá trị vượt quá 1 nhưng không đáng kể (Xem phụ lục 7). Kết quả này được cho là phù hợp để sử dụng phương pháp phân tích mô hình bằng phương pháp phân tích hồi quy ở bước tiếp theo.
Tóm lại, sau khi thực hiện EFA với tất cả các chỉ báo, kết quả cho ra 10 nhân tố độc lập và 1 nhân tố phụ thuộc, và các hệ số tải nhân tố đều đạt yêu cầu là lớn hơn 0,5 nên các chỉ báo có ý nghĩa, do đó tiếp tục đưa vào phân tích ở các bước tiếp theo.
4.3.3.2 Phân tích hồi quy sự tác động của các nhân tố độc lập đến Ý định quay trở lại của du khách quay trở lại của du khách
Kết quả ước lượng mô hình hồi quy sự tác động của các hình ảnh điểm đến và cảm nhận rủi ro tới Ý định quay trở lại của du khách bằng phương pháp OLS (phương pháp bình phương nhỏ nhất) bằng phần mềm SPSS 16.0 được thể hiện ở bảng 4.7 (a,b,c).
Bảng 4.7a cho ta biết các giá trị R, R2, R2 điều chỉnh và sai số chuẩn ước lượng. Trong đó, R2 điều chỉnh (0.726) nhỏ hơn so với R2 (0.737) điều này cho thấy mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.R2 điều chỉnh = 0.726 cho thấy 72.6% sự khác biệt của biến phụ thuộc Ý định quay trở lại của du khách được giải thích bởi sự khác biệt của các biến độc lập trong mô hình. Bên cạnh đó bảng 4.7a cũng cho ta thấy giá trị Durbin-Watson = 1.785 gần bằng 2, đây là giá trị khá tốt khẳng định mô hình hồi quy không xảy ra hiện tượng tự tương quan.
Bảng 4.7a: Model Summaryb
Mô hình R R2 R2 điều chỉnh Ước lượng sai số
chuẩn Durbin-Watson
1 .859a .737 .726 .18341 1.786
a. Predictors: (Hằng số), KM, TN, VH, AT, TC, GIA, MSGT, HDV, TK, CL b. Biến phụ thuộc: TL
Bảng 4.7b cho ta các dữ liệu để kiểm định mối quan hệ giữa biến phụ thuộc TL với các biến độc lập có liên hệ với toàn bộ biến độc lập hay không và đánh giá mức độ phù hợp của mô hình hồi quy tổng thể. Kết quả phân tích cho thấy giá trị F = 67.083
với mức ý nghĩa quan sát được là Sig = 0.000 < 0.05, nghĩa là mô hình hồi quy tuyến tính bội xây dựng được phù hợp với tổng thể và có thể sử dụng được.
Bảng 4.7b: ANOVAb Mô hình Tổng bình phương df Bình phương trung bình F Sig. Hồi quy Regression 22.538 10 2.254 66.998 .000a Số dư Residual 8.040 239 .034 1 Tổng (Total) 30.578 249
a. Predictors: (Hằng số), KM, TN, VH, AT, TC, GIA, MSGT, HDV, TK, CL b. Biến phụ thuộc: TL
Bảng 4.7c cho ta thấy hệ số phóng đại phương sai (Variance inflation factor) - VIF của các biến độc lập đều nhỏ hơn 10 nên ta có thể khẳng định rằng các biến độc lập của mô hình hồi quy xây dựng không có hiện tượng đa cộng tuyến. Nghĩa là không có sự tương quan tuyến tính giữa các biến độc lập trong mô hình. Vì vậy, mối quan hệ