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. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005), hệ số Cronbach Alpha (hay 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 (Nguyễn Thị Tuyết Oanh, 2011).
Công thức của hệ số Cronbach Alpha là:
Trong đó: ρ (đọc là prô) tượng trưng cho tương quan trung bình giữa các cặp mục hỏi được kiểm tra.
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình phân tích. Vì theo Nguyễn Đình Thọ, hệ số Cronbach Alpha chỉ là giới hạn dưới của độ tin cậy thang đo (Nguyễn Thị Tuyết Oanh, 2011), và còn nhiều đại lượng tin cậy, độ hiệu lực của thang đo nên ở giai đoạn đầu xây dựng bảng câu hỏi, hệ số này nằm trong phạm vi từ 0,6 đến 0,8 và mối quan hệ với biến tổng (Correctem item – total correlation) phải đạt ít nhất 0,3 thì các phát biểu được xem là có quan hệ với nhau.
3.4.2. Phương pháp phân tích nhân tố:
3.4.2.1. Khái niệm và ứng dụng:
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. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, trong nghiên cứu, chúng ta có thể thu thập được một sốlượng biến khá lớn và hầu hết các biến này có quan hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một sốlượng mà chúng ta có thể sử dụng được. Và đểlàm được điều đó ta sẽ sử dụng phương pháp phân tích nhân tố.
Phân tích nhân tố được ứng dụng trong các lĩnh vực nghiên cứu kinh tế và xã hội như: phân khúc thị trường xem nhân tố nào ảnh hưởng quan trọng để phân nhóm khách hàng; nghiên cứu sản phẩm để xem thuộc tính nào sẽ tác động đến sự lựa chọn của khách hàng; trong nghiên cứu quảng các và định giá...
3.4.2.2. Mô hình phân tích nhân tố:
Về mặt tính toán, phân tích nhân tốhơi giống với phân tích hồi qui vì cả hai đều biểu diễn như là một kết hợp tuyến tính của các nhân tố cơ bản. 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 (common factor) cộng với một nhân tốđặc trưng (unique factor) cho mỗi biến. Những nhân tố này không bộc lộ rõ ràng. Nếu các biến được chuẩn hóa thì mô hình nhân tốđược thể hiện bằng phương trình:
Trong đó:
Xi: Biến thứ i chuẩn hóa;
Aij: Hệ số hồi qui bội chuẩn hóa của nhân tốj đối với biến i ;
F: Các nhân tố chung;
Vi: Hệ số hồi qui chuẩn hóa của nhân tố dặc trưng i đối với biến i ;
Ui: Nhân tố dặc trưng của biến i ;
m: Số nhân tố chung;
Các nhân tố đặc trưng có tương quan với nhau và 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:
Trong đó:
Fi: Ước lượng trị số của nhân tố i ;
Wi: Quyền số hay trọng số nhân tố;
k: Số biến.
Chúng ta có thể lựa chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích được phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau đó, ta chọn một tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn biến thiên còn lại, và không có tương quan với nhân tố thứ nhất. Nguyên tắc này được áp dụng như vậy để tiếp tục chọn các quyền số của chúng, không giống như các giá trị của các biến gốc, là không tương quan với nhau. Hơn nữa, nhân tố thứ nhất giải thích được nhiều nhất biến thiên của dữ liệu, nhân tố thứ hai giải thích được nhiều thứ nhì…(Hoàng Trọng & Chu Nguyễn Mộng Ngọc).
3.4.3. Phương pháp hồi qui bội:
Nếu kết luận được hai biến có liên hệ chặt chẽ với nhau, đồng thời giả định rằng đã cân nhắc kỹ bản chất của mối liên hệ tiềm ấn giữa hai biến, và xem như đã
Xi = Ai1* F1 + Ai2 * F2 + Ai3* F3 +…+ Aim * Fm + ViUi
xác định đúng mối quan hệ nhân quả có thật giữa chúng thì ta có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng mô hình hồi qui tuyến tính trong đó một biến được gọi là biến phụ thuộc (biến được giải thích – Y) và biến kia là biến độc lập (biến giải thích – X). Mô hình này sẽ mô tả hình thức của mối quan hệ và qua đó giúp ta dựđoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập.
- Mô hình hồi quy tuyến tính bội:
Mô hình hồi quy bội mở rộng mô hình hồi quy tuyến tính hai biến bằng cách thêm vào một số biến độc lập để giải thích tốt hơn cho biến phụ thuộc.
Mô hình hồi qui có dạng như sau:
Trong đó:
Xpi : Biểu hiện giá trị của biến độc thứ p tại quan sát thứ i ;
β k : Hệ số hồi qui riêng phần;
ei : Là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi α².
Mô hình hồi quy tuyến tính bội giả định rằng biến phụ thuộc có phân phối chuẩn đối với bất kì kết hợp nào của các biến độc lập trong mô hình.
- Hệ sốtương quan mẫu R:
Dùng để đánh giá mức độ tương quan tuyến tính giữa các biến độc lập với biến phụ thuộc trong mô hình và ta có:
Tương quan tuyến tính giữa hai biến là tương quan tuyến tính hoàn hảo khi: |R|=1
Tương quan tuyến tính giữa hai biến là tương quan tuyến tính mạnh khi: 0,7 ≤ |R| <1
Tương quan tuyến tính giữa hai biến là tuong quan tuyến tính trung bình:
0,4≤|R|<0,6
Tương quan tuyến tính giữa hai biến là tuong quan tuyến tính yếu: 0 ≤ |R| < 0,3
Hai biến không có sựtương quan: R = 0
- Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội:
Hệ số R² (R-square) đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, càng thêm nhiều biến độc lập vào mô hình thì R² càng tăng, tuy nhiên điều này cũng được chứng minh rằng không phải phương trình
càng có nhiều biến sẽ càng phù hợp với dữ liệu (tức là tốt hơn). Như vậy R-square có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có hơn một biến giải thích trong mô hình.
Mô hình thường không phù hợp với dữ liệu thực tế như giá trị R² thể hiện. Khi đó, ta sẽ sử dụng R- square hiệu chỉnh để phản ánh mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. R² không nhất thiết tăng lên khi nhiều biến được thêm vào phương trình, nó là thước đo sự phù hợp của mô hình và được sử dụng cho mô hình hồi quy tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2.(Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
- Tương quan mẫu phần dư:
Dùng hệ số Durbin –Waston để đánh giá mức độ tương quan giữa các phần dư theo quy ước như sau:
0 TƯƠNG QUAN DƯƠNG 1 KHÔNG TƯƠNG QUAN 3 TƯƠNG QUAN ÂM 4
- Kiểm định độ phù hợp của mô hình:
Kiểm định F trong bảng phân tích phương sai vẫn là một phép kiểm đinh giả thuyết vềđộ phù hợp của mô hình hồi quy tuyến tính tổng thể. Trong nghiên cứu này, kiểm dịnh F sẽđược sử dụng để kiể tra xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không với giả thuyết H0 là: “ β1= β2 = β3 = β4 = 0”.
Nếu giả thuyết H0 bị bác bỏ, ta có thể kết luận là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của Y, điều này cũng có nghĩa là mô hình ta xây dựng phù hợp với tập dữ liệu (Theo Hoàng Trọng & Mộng Ngọc).
- Xác định khảnăng xảy ra đa cộng tuyến trong mô hình:
Ta sử dụng giá trị của hệ sốphóng đại phương sai VIF (Variance Inflation Factor) để kiểm tra khảnăng xảy ra đa cộng tuyến giữa các biến độc lập trong mô hình với quy ước VIF ≥ 10 thì xảy ra hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
- Xác định tầm quan trọng của các biến trong mô hình:
Trong mô hình hồi quy bội có rất nhiều biến độc lập và đểxác định xem với những biến mà ta đã đưa vào mô hình, biến nào có vai trò quan trọng hơn trong việc dựđoán giá trị lý thuyết của Y hay chúng quan trọng như nhau. Đểlàm được điều đó, ta sẽ sử dụng hệ số tương quan giữa biến phụ thuộc với các biến độc lập. Bên cạnh đó, khi muốn xác định tầm quan trọng của các biến khi chúng được sử dụng cùng với những biến khác trong mô hình ta dùng hệ số tương quan từng phần và tương quan riêng (Part and partical corrections). (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
Chương 4: PHÂN TÍCH KẾT QUẢ
4.1. LÀM SẠCH DỮ LIỆU:
Sau quá trình điều tra, 170 bảng câu hỏi được phát ra, thu về 158 bảng, trong
đó có 8 bảng câu hỏi có thông tin chưa được chính xác, do đó, các bảng câu hỏi này
bị loại và 150 bảng câu hỏi còn lại (đảm bảo kích cỡ mẫu nghiên cứu) sẽđược đưa
vào tiến hành phân tích.
Dữ liệu sau khi thu thập, sàn lọc sẽ được mã hóa, nhập liệu thông qua phần mềm Exel và SPSS 19.0, sau đó ta tiến hành làm sạch dữ liệu nhằm đảm bảo yêu cầu số liệu đưa vào phân tích được đầy đủ, chính xác và thống nhất. Theo đó, việc làm sạch dữ liệu sẽ giúp cho quá trình phân tích đưa ra được những thông tin có độ tin cậy cao.
Phương pháp: Sử dụng bảng tần số để rà soát lại tất cả các biến quan sát
nhằm tìm ra các biến có thông tin sai lệch hay thiếu sót để kịp thời bổ sung hay hiệu chỉnh dữ liệu bằng công cụ phần mềm SPSS với câu lệnh thực hiện là: Analyze – Decriptive Statistics – Frequencies.
Kết quả: Sau khi sử dụng câu lệnh trong SPSS như trên ta thu được bảng tần số (phụ lục 3), từđó ta có thể nhận xét rằng: Không có thông tin nào sai lệch, do đó, dữ liệu đã được làm sạch và có thể sử dụng cho bước kiểm định thang đo tiếp theo.
4.2. MÔ TẢ MẪU THU ĐƯỢC: 4.2.1. Giới tính: 4.2.1. Giới tính: Bảng 4.1: Bảng thống kê mẫu theo giới tính: Giới tính Sốlượng (người) Tỷ lệ (%) Nam 77 51,3 Nữ 73 48,7 Tổng 150 100,0
Biểu đồ 4.1: Giới tính của mẫu thu được
Kết quả cho thấy: Trong mẫu 150 khách du lịch trả lời bảng câu hỏi này có 77 người Nam (chiếm tỷ lệ51,3 %) và 73 người Nữ (chiếm tỷ lệ 48,7%). Ta có thể thấy số khách du lịch lưu trú tại khách sạn Nha Trang Lodge không có chênh lệch quá nhiều giữa Nam và Nữ. Và thông tin này phù hợp với tổng thể vì thực tế, khách du lịch đến với khách sạn Nha Trang Lodge thường đi là tham quan, nghỉ dưỡng cùng gia đình (cặp vợ chồng).
4.2.2. Độ tuổi:
Bảng 4.2: Bảng thống kê mẫu theo độ tuổi:
Độ tuổi Sốlượng (người) Tỷ lệ (%) 18-25 8 5,3 26-35 32 21,3 36-45 37 24,7 46-55 27 18,0 Trên 55 46 30.7 Tổng 150 100,0
Biểu đồ 4.2: Độ tuổi của mẫu thu được
Kết quả cho thấy: Trong mẫu 150 khách du lịch trả lời bảng câu hỏi này có 8 người thuộc độ tuổi 18-25 (chiếm tỷ lệ5,3%), 32 người thuộc độ tuổi 26-35 (tỷ lệ 21,3%), 37 người thuộc nhóm 36-45 (tỷ lệ24,7%), 27 người thuộc nhóm 46-55 (tỷ lệ 18%) và 46 người có tuổi từ 56 trở lên (tỷ lệ 30,7%). Thông tin này phù hợp với tổng thể vì thực tế, khách du lịch đến với khách sạn Nha Trang Lodge đa số là khách trung niên trở lên vì không khí khách sạn khá là thoáng mát và yên tĩnh, phù hợp cho khách nước ngoài lớn tuổi nghỉngơi dài ngày.
4.2.3. Quốc tịch:
Bảng 4.3: Bảng thống kê mẫu theo quốc tịch:
Quốc tịch Sốlượng (người) Tỷ lệ (%)
Việt Nam 30 20,0
Nga 43 28,7
Các nước Châu Âu 30 20,0
Các nước Châu Á 31 20,7
Khác 16 10.7
Biểu đồ 4.3: Quốc tịch của mẫu thu được
Kết quả cho thấy: Trong mẫu 150 khách du lịch trả lời bảng câu hỏi này có 30 khách nội địa (chiếm 20%) và 120 người khách quốc tế (chiếm 80%), trong đó: khách đến từ Nga là 43 người (chiếm 28,7 %), khách đến từ các nước Châu Âu là 30 người (tỷ lệ20%), khách đến từ Châu Á là 31 người (tỷ lệ 20,7%) và khách đến từ các quốc gia khác là 16 người (chiếm 10,7%). Thông tin này hoàn toàn phù hợp với thực tế vì hiện nay thịtrường khách chủ yếu của khách sạn Nha Trang Lodge là Nga và các nước Châu Âu, các nước Châu Á (đặc biệt là Hàn Quốc, Trung Quốc, Inđônêxia..) cũng đang là thịtrường tiềm năng mà khách sạn nhắm tới, ngoài ra còn có một số khách Mỹ, Canada, Úc…cũng lựa chọn Nha Trang Lodge làm điểm dừng chân trong chuyến nghỉ ngơi, tham quan hay công tác của mình tại thành phố biển Nha Trang xinh đẹp.
4.2.4. Thu nhập:
Bảng 4.4: Bảng thống kê mẫu theo thu nhập:
Thu nhập/ tháng Sốlượng (người) Tỷ lệ (%)
Dưới 5 triệu 3 2,0 5 - 10 triệu 22 14,7 10 - 15 triệu 54 36,0 15 - 20 triệu 55 36,7 Trên 20 triệu 16 10,7 Tổng 150 100,0
Biểu đồ 4.4: Thu nhập theo tháng của mẫu thu được
Kết quả cho thấy: Trong mẫu 150 khách du lịch trả lời bảng câu hỏi này có 3 người có mức thu nhập dưới 5 triệu/ tháng (chiếm 2%), 22 người có thu nhập 5 – 10 triệu/ tháng (chiếm 14,7%), 54 người có thu nhập theo tháng trong khoảng từ 10 đến 15 triệu (chiếm 36%), 55 người có thu nhập 15 – 20 triệu/ tháng (chiếm 36,7%) và 16 người (10,7%) có thu nhập trong 1 tháng từ hơn 20 triệu trở lên. Thông tin này hoàn toàn phù hợp vì khách của khách sạn Nha Trang Lodge phần lớn là khách nước ngoài với đời sống kinh tế khá cao.
4.2.5. Lý do lựa chọn khách sạn Nha Trang Lodge:
Bảng 4.5: Bảng thống kê mẫu theo lý do lựa chọn khách sạn Nha Trang Lodge:
Lý do Sốlượng (người) Tỷ lệ (%)
Đã từng sử dụng và muốn tiếp tục lựa chọn khách sạn Nha Trang Lodge
19 12,67
Được giới thiệu từ bạn bè và người thân 37 24,67
Được giới thiệu từ các trung gian thương mại 79 52,67
Khác 15 10,00
Biểu đồ 4.5: Lý do lựa chọn khách sạn của mẫu thu được
Kết quả cho thấy: Trong mẫu 150 khách du lịch trả lời bảng câu hỏi này có 19 người đã từng ở khách sạn Nha Trang Lodge và muốn tiếp tục lưu trú tại khách sạn (chiếm 12,67%), 37 người (chiếm 24,67%) được giới thiệu từ bạn bè và người thân, 79 người được giới thiệu qua các trung gian thương mại (chiếm 52,67%) và 15 người (10%) đến với khách sạn vì các lý do khác như: chuyển từ một khách sạn khác hay một vài lý do cá nhân khác…Kết quả này cũng phù hợp với thực tế vì khách của khách sạn chủ yếu là khách đoàn từ Nga được giới thiệu từ Công ty Pegas touristick và nhiều những khách đặt phòng qua các trang web trên mạng như chudu24.com, booking.com, vietnamhotels.vn, agoda.com…
4.3. ĐÁNH GIÁ ĐỘ TIN CẬY THANG ĐO:
4.3.1. Mục tiêu: Xác định mức độảnh hưởng của các biến quan sát đến biến phụ thuộc để loại bỏ những biến không đạt yêu cầu, đểthang đo có độ tin cậy cao và có ý nghĩa về mặt thống kê.
4.3.2. Phương pháp:
Sử dụng công cụphân tích độ tin cậy Cronbach Alpha đểđánh giá độ tin cậy của các thang đo và loại bỏ các biến không đạt yêu cầu (biến rác):
- Tiêu chuẩn để chọn thang đo là khi thang đo đó có hệ số Cronbach Alpha
lớn hơn 0,6.
- Các biến có hệ sốtương quan biến – tổng (Corrected Item - Total Correlation) nhỏhơn 0,3 sẽ bị loại.
- Các biến có hệ số Cronbach Alpha nếu loại biến đó ra khỏi thang đo
(Alpha if Item Deleted) lớn hơn 0,6 và nhỏhơn hệ số Cronbach Alpha sẽ được giữ lại.
Lệnh trong SPSS: Analyze – Scale – Reliability Analyze và trong hộp thoại
Reliability Analysis: chọn các biến quan sát của thang đo => chọn Statistics =>
chọn các mục Scale, Item, Scale if Item Deleted => Continue => OK
