Biểu đồ 4.7: Thống kê về quốc tịch của mẫu
Dựa vào kết quả khảo sát cho thấy có tới 90% khách hàng là ngƣời nƣớc ngoài và chỉ có 10% là khách hàng trong nƣớc. Điều này có thể thấy rằng loại hình khách sạn
10% 90% 0% 20% 40% 60% 80% 100%
Khách trong nước Khách nước ngoài
này chƣa đƣợc ngƣời dân Việt Nam đón nhận nhiều. Mặt khác, loại hình khách sạn “Con nhộng” lại rất đƣợc du khách nƣớc ngoài ƣa chuộng.
4.2 Đánh giá trung bình của các nhân tố (phụ lục 8)
Biểu đồ 4.8: Đánh giá trung bình về các nhân tố và hài lòng
Trong các nhóm nhân tố đƣợc khảo sát nhân tố đƣợc khách hàng đánh giá cao nhất là lòng cảm thông với mức điểm trung bình của nhân tố này là 3,72; nhân tố khách hàng đánh giá cao thứ 2 đó là sự đảm bảo với mức điểm trung bình là 3,69; nhân tố khách hàng đánh giá cao thứ 3 là trung bình về sự hài lòng chung với điểm số trung bình là 3,53; nhân tố đƣợc khách hàng đánh giá cao thứ 4 là sự tin cậy với điểm số trung bình là 3,54; nhân tố đƣợc khách hàng đánh giá cao thứ 5 là yếu tố hữu hình với điểm số trung bình là 3,45; nhân tố đƣợc khách hàng đánh giá cao thứ 6 là giá cả với điểm số trung bình là 3,41 và nhân tố đƣợc khách hàng đánh giá thấp nhất đó là khả năng đáp ứng với điểm số trung bình là 3,23.
4.3 Kiểm định sự tin cậy thang đo các nhân tố (phụ lục 5)
Mỗi một nhân tố (các biến độc lập) và biến phụ thuộc trong mô hình nghiên cứu đƣợc xây dựng từ một tập hợp từ 3-6 câu hỏi khác nhau phản ánh những khía cạnh khác nhau trong cùng một nhân tố lý thuyết. Để đảm bảo chúng là một khái niệm nghiên cứu có ý nghĩa trong nghiên cứu cụ thể thì cần kiểm tra tính tin cậy của từng nhân tố trong mô hình. Để đánh giá sự tin cậy tổng hợp của một nhân tố (khái
3.54 3.23 3.69 3.45 3.72 3.41 3.53 2.9 3 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8
niệm nghiên cứu) ta sử dƣng hệ số Cronbach Alpha để đánh giá (Hair et al, 2006; Suanders et al, 2007). Để xem xét một biến quan sát có đóng góp vào giá trị của nhân tố nghiên cứu hay không ta xem xét nó với biến tổng của các biến khác trong nhân tố đó. Giá trị đánh giá một biến quan sát có ý nghĩa hay không là hệ số tƣơng quan biến tổng. Nếu biến quan sát có ý nghĩa trong nhân tố đánh giá thì nó phải có tƣơng quan chặt chẽ với biến tổng của các biến còn lại. Nhƣ vậy ta sẽ sử dụng hai tiêu chuẩn để đánh giá tính tin cậy thang đo của các nhân tố nghiên cứu trong mô hình là hệ số Cronbach Alpha và hệ số tƣơng quan biến tổng.
Tiêu chuẩn đánh giá là hệ số Cronbach Alpha tối thiểu bằng 0,6 (Hair et al, 2006) và hệ số tƣơng quan biến tổng tối thiểu 0,3 (Nunally và Burstein, 1994). Những biến quan sát nào có hệ số tƣơng quan biến tổng nhỏ sẽ bị loại khỏi nghiên cứu và không xuất hiện trong các bƣớc phân tích dữ liệu tiếp theo.
Kết quả phân tích dữ liệu thu thập đƣợc từ điều tra bằng hỗ trợ của phần mềm SPSS nhƣ sau:
Bảng 4.1 kết quả kiểm định bằng Cronbach Alpha các nhân tố và biến phụ thuộc trong mô hình
Biến quan sát
Trung bình thang đo nếu loại
biến
Phƣơng sai thang đo nếu loại biến
Tƣơng quan biến tổng
Cronbach’s Alpha nếu loại biến Nhân tố “Mức độ tin cậy”: Alpha = 0,832, N=5
TC1 14,12 9,654 0,645 0,794 TC2 14,18 9,838 0,616 0,802 TC3 14,22 10,050 0,585 0,811 TC4 14,17 9,256 0,711 0,774 TC5 14,14 10,163 0,594 0,808 Nhân tố “Mức độ đáp ứng”: Alpha = 0,820, N=4 DU1 9,62 3,929 0,705 0,747 DU2 9,72 4,737 0,543 0,821 DU3 9,76 4,839 0,709 0,753
DU4 9,66 4,760 0,651 0,771
Nhân tố “Sự đảm bảo”: Alpha = 0,945, N=4
DB1 11,14 2,970 0,868 0,928
DB2 11,08 2,803 0,933 0,907
DB3 10,98 3,030 0,861 0,931
DB4 11,02 2,949 0,815 0,945
Nhân tố “Hữu hình”: Alpha = 0,783, N=6 5.488 .704 .886
HH1 17,27 11,489 0,442 0,773 HH2 16,99 11,833 0,461 0,766 HH3 17,22 10,948 0,525 0,752 HH4 17,05 10,951 0,604 0,732 HH5 17,05 10,994 0,616 0,730 HH6 17,11 11,322 0,553 0,745
Nhân tố “Lòng cảm thông”: Alpha = 0,902, N=4 (adsbygoogle = window.adsbygoogle || []).push({});
CT1 11,36 7,395 0,755 0,882
CT2 11,18 6,931 0,834 0,853
CT3 11,08 7,017 0,808 0,863
CT4 11,05 7,793 0,728 0,892
Nhân tố “Giá cả” Alpha = 0,839, N=3
G1 6,95 2,074 0,668 0,810
G2 6,68 1,763 0,773 0,704
G3 6,81 1,960 0,671 0,807
Nhân tố “Sự hài lòng”: Alpha = 0,701, N=4
HL1 10,53 1,755 0,432 0,669
HL2 10,64 1,577 0,557 0,591
HL3 10,59 1,573 0,563 0,588
HL4 10,64 1,771 0,398 0,691
Ở nhân tố 1 – Mức độ tin cậy: Hệ số Cronbach‟s Alpha của cả nhóm là 0,832 và không có hệ số Cronbach‟s Alpha của biến nào lớn hơn hệ số cronbach‟s Alpha của biến tổng và hệ số tƣơng quan của các biến với biến tổng đều lớn hơn 0,3. Nên ta giữ lại 5 biến này.
Ở nhân tố 2 – Mức độ đáp ứng: Hệ số Cronbach‟s Alpha của cả nhóm là 0,820 và không có hệ số Cronbach‟s Alpha của biến nào lớn hơn hệ số cronbach‟s alpha của biến tổng (trừ hệ số cronbach ở biến thứ 2 (DU2) = 0,821 >0,820 tuy nhiên do hệ số tƣơng quan giữa biến này và biến tổng là 0,543 khá lớn nên ta không loại biến này mà giữ lại) và hệ số tƣơng quan của các biến với biến tổng đều > 0,3. Nên ta giữ lại 4 biến này.
Ở nhân tố 3 – Sự đảm bảo: Hệ số Cronbach‟s Alpha của cả nhóm là 0,945 và không có hệ số Cronbach‟s Alpha của biến nào lớn hơn hệ số cronbach‟s Alpha của biến tổng và hệ số tƣơng quan của các biến với biến tổng đều > 0,3. Nên ta giữ lại 4 biến này.
Ở nhân tố 4 – Hữu hình : Hệ số Cronbach‟s Alpha của cả nhóm là 0,783 và không có hệ số Cronbach‟s Alpha của biến nào lớn hơn hệ số cronbach‟s Alpha của biến tổng và hệ số tƣơng quan của các biến với biến tổng đều > 0,3. Nên ta giữ lại 6 biến này.
Ở nhân tố 5 – Lòng cảm thông: Hệ số Cronbach‟s Alpha của cả nhóm là 0,902 và không có hệ số Cronbach‟s Alpha của biến nào lớn hơn hệ số cronbach‟s Alpha của biến tổng bên cạnh đó hệ số tƣơng quan của các biến với biến tổng đều > 0,3. Nên ta giữ lại 4 biến này.
Ở nhân tố 6 – Giá cả: Hệ số Cronbach‟Alpha của cả nhóm là 0,839 và không có hệ số Cronbach‟s Alpha của biến nào lớn hơn hệ số cronbach‟s Alpha của biến tổng bên cạnh đó hệ số tƣơng quan của các biến với biến tổng đều > 0,3. Nên ta giữ lại 3 biến này.
Ở nhân tố – Hài lòng: Hệ số Cronbach‟Alpha của cả nhóm là 0,701 và không có hệ số Cronbach‟s Alpha của biến nào lớn hơn hệ số cronbach‟s Alpha của biến tổng cũng nhƣ hệ số tƣơng quan của các biến với biến tổng đều > 0,3. Nên ta giữ lại 4 biến này.
Sau khi chạy Cronbach‟s Alpha, nhận thấy hệ số Alpha của tất cả các nhóm biến kiểm định đều lớn hơn > 0,7 tƣơng quan giữa các biến với biến tổng (Corrected Item-Total Correlation) đều lớn hơn 0,3 cho thấy thang đo nhƣ trên là chấp nhận đƣợc, phù hợp với thực tế và có ý nghĩa thống kê. Các biến có hệ số Cronbach's Alpha nếu loại biến đều nhỏ hơn hệ số Cronbach‟s Alpha của nhóm (trừ một trƣờng hợp đặc biệt ) nên đƣợc giữ lại để phân tích nhân tố - EFA.
4.4 Phân tích khám phá nhân tố các biến độc lập (phụ lục 6)
Nhƣ đã trình bày tại chƣơng 3 phân tích khám phá nhân tố là phƣơng pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát có mối tƣơng quan với nhau thành một tập biến (các nhân tố) ít hơn để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết các nội dung thông tin của tập biến ban đầu (Hair et al, 2006). Kỹ thuật phân tích khám phá nhân tố không xem xét sự khác nhau giữa biến độc lập và biến phụ thuộc mà chỉ đánh giá mối quan hệ tƣơng quan giữa các biến với nhau. Vì vậy ta sẽ tiến hành phân tích các biến quan sát của các biến độc lập cùng một lƣợt để tìm hiểu các biến nguyên nhân tiềm ẩn từ các biến quan sát. Các biến quan sát của biến phụ thuộc đƣợc phân tích riêng.
Tiêu chuẩn đánh giá phân tích khám phá nhân tố phù hợp là hệ số KMO lớn (giữa 0,5 và 1), kiểm định Barlett có p-value nhỏ hơn 0,05, phƣơng sai trích tối thiểu 50%, hệ số factor loading lớn hơn hoặc bằng 0,5. Phƣơng pháp phân tích sử dụng phƣơng pháp Principal component với phép xoay varimax để thu đƣợc số lƣợng nhân tố là bé nhất. Kết quả phân tích từ dữ liệu nghiên cứu thu thập đƣợc nhƣ sau:
Dựa trên kết quả kiểm định Cronbach‟s Alpha, toàn bộ các biến quan sát hợp lệ đƣợc đƣa vào phân tích nhân tố khám phá (EFA), để giảm bớt hay tóm tắt dữ liệu và tính độ tin cậy (Sig) của các biến quan sát có quan hệ chặt chẽ với nhau hay không.
Đặt giả thiết H0: “Các biến không tƣơng quan trong tổng thể”
Sau 2 lần phân tích nhân tố khám phá (EFA), kết quả phân tích lần cuối cho thấy:
Bảng 4.2: KMO and Bartlett's Test các biến độc lập
Kaiser-Meyer-Olkin Measure of Sampling
- KMO=0,796 thỏa điều kiện 0,5 ≤ KMO ≤ 1, (adsbygoogle = window.adsbygoogle || []).push({});
- Kiểm định Bartlett có Sig = 0,000<0,05
Bác bỏ H0, vậy các biến có tƣơng quan trong tổng thể, 6 nhân tố có Eigenvalues = 1,097> 1, phƣơng sai trích là 66,102 % >50% biến thiên của dữ liệu đƣợc giải thích bởi 6 nhân tố này (xem bảng Total Variance Explained, Phụ lục 6)
Bảng Rolated compoment matrix (phụ lục 6) cho thấy các biến quan sát
đƣợc nhóm vào 6 nhóm nhân tố. Dựa vào kết quả xoay trong bảng 4.2, nhận thấy các biến quan sát đều có hệ số tải nhân tố (factor loading) lớn hơn 0,5. Nhƣ vậy, kết quả thu đƣợc đều thỏa mãn các điều kiện về thống kê, cho thấy giá trị thu đƣợc là phù hợp và có ý nghĩa thống kê và đủ điều kiện để ta hồi qui. Ta thu đƣợc kết quả nhƣ sau:
Bảng 4.3: Kết quả phân tích nhân tố khám phá (EFA)
Rotated Component Matrixa
Component 1 2 3 4 5 6 DB2 0,652 DB1 0,683 DB4 0,674 DB3 0,531 CT2 0,941 CT3 0,936 CT1 0,858 CT4 0,788 TC4 0,842 Bartlett's Test of Sphericity Approx. Chi-Square 4277,121 df 325 Sig. 0,000
TC5 0,751 TC1 0,787 TC2 0,531 TC3 0,502 HH4 0,732 HH5 0,710 HH6 0,633 HH3 0,622 HH2 0,529 DU1 0,867 DU3 0,580 DU2 0,696 DU4 0,559 G2 0,718 G1 0,623 G3 0,644 Eigenvalues 4,278 3,243 2,218 1,554 1,218 1,097 Phƣơng sai trích % 20,780 36,534 47,310 54,858 60,774 66,102
Ghi chú: HL là sự hài lòng khách hàng, TC là sự tin cậy, DU là khả năng đáp ứng, DB là sự đảm bảo, HH là yếu tố hữu hình, CT là lòng cảm thông và G là yếu tố giá cả.
Sau khi phân tích sơ bộ ta thu đƣợc 6 nhóm nhân tố với các biến quan sát thành phần nhƣ trên bảng 4.2 và 6 nhóm nhân tố lần lƣợt là:
Nhóm 1: Đảm bảo gồm 4 biến quan sát từ DB1-DB4 Nhóm 2: Cảm thông gồm 4 biến quan sát từ CT1- CT4 Nhóm 3: Tin cậy gồm 5 biến quan sát từ TC1-TC5
Nhóm 4: Hữu hình gồm 5 biến quan sát từ HH2-HH6 (loại biến HH1 vì HH1
Nhóm 5: Đáp ứng gồm 4 biến quan sát từ DU1-DU4 Nhóm 6: Giá cả gồm 3 biến quan sát là G1,G2,G3
4.5. Phân tích tƣơng quan và hồi qui (Xem phụ lục 9) 4.5.1 Phân tích tƣơng quan (Pearson) 4.5.1 Phân tích tƣơng quan (Pearson)
Trong bài nghiên cứu này sử dụng phƣơng pháp phân tích tƣơng quan hệ số Pearson nhằm lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng trƣớc khi phân tích hồi quy.
Dạng phƣơng trình hồi quy đa biến:
Y= β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5+ β6X6
Đặt các biến trong phƣơng trình hồi quy đa biến nhƣ sau:
X1: Tin cậy (là trung bình của các biến TC1, TC2, TC3, TC4, TC5) X2: Đáp ứng (là trung bình của các biến DU1, DU2, DU3, DU4) X3: Đảm bảo (là trung bình của các biến DB1, DB2, DB3, DB4)
X4: Hữu hình (là trung bình của các biến HH2, HH3, HH4, HH5, HH6) X5: Cảm thông (là trung bình của các biến CT1, CT2, CT3, CT4) X6: Giá cả (là trung bình của các biến G1, G2, G3)
YTB: Hài lòng (là trung bình của các biến HL1, HL2, HL3, HL4)
Bảng 4.4 Ma trận hệ số tƣơng quan Correlations Sự hài lòng Tin cậy Đáp ứng Đảm bảo Hữu hình Cảm thông Giá cả Pearson Correlation Sự hài lòng 1,000 0,577 0,344 0,307 0,540 0,184 0,225 Tin cậy 0,577 1,000 0,035 0,007 0,468 -0,061 0,137 Đáp ứng 0,344 0,035 1,000 0,291 -0,029 -0,046 0,028 Đảm bảo 0,307 0,007 0,291 1,000 0,041 -0,032 0,015 Hữu hình 0,540 0,468 -0,029 0,041 1,000 -0,022 0,008 Cảm thông 0,184 -0,061 -0,046 -0,032 -0,022 1,000 -0,172 Giá cả 0,225 0,137 0,028 0,015 0,008 -0,172 1,000
Sig. (1-tailed) Sự hài lòng . 0,000 0,000 0,000 0,000 0,001 0,000 Tin cậy 0,000 . 0,275 0,452 0,000 0,145 0,009 Đáp ứng 0,000 0,275 . 0,000 0,306 0,214 0,312 Đảm bảo 0,000 0,452 0,000 . 0,242 0,293 0,399 Hữu hình 0,000 0,000 0,306 0,242 . 0,354 0,445 Cảm thông 0,001 0,145 0,214 0,293 0,354 . 0,001 Giá cả 0,000 0,009 0,312 0,399 0,445 0,001 .
Các giá trị sig đều nhỏ hơn 0,05 do vậy các biến đều tƣơng quan với biến tổng và có ý nghĩa thống kê.
Hệ số tƣơng quan của các biến Xi tƣơng tác nhau cũng khá thấp < 0,3 nên khi phân tích hồi quy sẽ ít chú ý đến hiện tƣơng tự tƣơng quan của các biến độc lập.
Dựa trên kết quả phân tích hồi quy, ta thấy biến Y có tƣơng quan thuận với tất cả các nhân tố. Nhân tố tƣơng quan mạnh nhất với biến Y là biến TC (X1) có (R= 0,577), tƣơng quan yếu nhất là biến CT (X5)có (R= 0,184).
4.5.2 Phân tích hồi quy đa biến
Đánh giá mức độ phù hợp của mô hình hồi quy
Bảng 4.5 Đánh giá độ phù hợp của mô hình Model Summaryg
Model R R Square Hệ số R2 điều chỉnh Std. Error of the Estimate Durbin Watson 1 0,577a 0,333 0,331 0,336 2 0,662b 0,438 0,435 0,309 3 0,736c 0,542 0,537 0,279 4 0,772d 0,596 0,590 0,263 5 0,798e 0,637 0,631 0,249 6 0,823f 0,677 0,670 0,236 2,093 (adsbygoogle = window.adsbygoogle || []).push({});
Dựa vào hệ số tƣơng quan R cho thấy hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình mà ngƣợc lại đƣa thêm biến vào hệ số R lại tăng lên từ 0,577 đến 0,823.
R2 điều chỉnh là 0,670 cho thấy sự tƣơng thích của mô hình với biến quan sát cực kỳ tốt, và biến hài lòng đƣợc lý giải bởi 6 nhân tố, 67% sự biến thiên của hài lòng đƣợc giải thích bởi 6 nhân tố này.
Hệ số Durbin Watson bằng 2,093 (nằm trong khoảng từ 1 tới 3) nghĩa là mô hình không vi phạm khi sử dụng phƣơng pháp hồi quy bội và không xuất hiện tƣơng quan chuỗi bậc nhất trong mô hình.
Nhƣ vậy, mô hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Bảng 4.6 Bảng phân tích phƣơng sai ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
6
Regression 34,131 6 5,688 102,342 0,000g Residual 16,286 293 ,056
Total 50,417 299
Các giá trị sig đều rất nhỏ (sig.=0,00) chứng tỏ các biến có ý nghĩa thống kê.
Bảng 4.7 : Bảng tóm tắt các hệ số hồi qui Coefficientsa
Mô hình Hệ số chƣa điều chỉnh Hệ số điều chỉnh Kiểm định - t Mức ý nghĩa thống kê Sig. Thống kê β Độ lệch chuẩn β chuẩn hóa Dung sai VIF 6 Hằng số 0,036 0,158 0,225 0,822 Tin cậy 0,206 0,020 0,384 10,092 0,000 0,760 1,316 Đáp ứng 0,170 0,021 0,286 8,213 0,000 0,909 1,100
Hữu hình 0,220 0,023 0,364 9,630 0,000 0,773 1,294 Cảm
thông 0,125 0,016 0,270 7,997 0,000 0,967 1,034 Đảm bảo 0,154 0,025 0,212 6,087 0,000 0,911 1,097 Giá cả 0,125 0,021 0,204 5,993 0,000 0,950 1,052
a. Dependent Variable: Sự hài lòng
Cả 6 biến đều đạt đƣợc tiêu chuẩn chấp nhận Tolerance > 0,0001
Hệ số phóng đại phƣơng sai VIF của các biến độc lập trong mô hình đều rất nhỏ, cụ thể là VIF thỏa điều kiện 1,000<VIF<3,107. Điều này chứng tỏ rằng tính đa cộng tuyến của các biến độc lập là không đáng kể và các biến độc lập trong mô hình chấp