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.