Đánh Giá Độ Tin Cậy Thang Đo Bằng Phương Pháp Hệ Số Tin Cậy Cronbach’S Alpha

Hệ số tải nhân tố của các thành phần

3.3.3. Thu thập thông tin mẫu nghiên cứu

Do phần lớn du khách đến Tây Ninh đều tham quan du lịch tại núi Bà Đen nên thông tin mẫu nghiên cứu được thu thập bằng kỹ thuật phỏng vấn trực tiếp du khách từ 15 tuổi trở lên đang đi du lịch tại 3 điểm của núi Bà Đen. Số lượng du khách phỏng vấn được thể hiện tại bảng sau:

Bảng 3.2. Số lượng du khách phỏng vấn

Nguồn: Tác giả tổng hợp

Khu vực

Số lượng du khách phỏng vấn
Cổng chính	100
Cổng phụ 1	50
Cổng phụ 2	50
Tổng cộng	200

Có thể bạn quan tâm!

Xem toàn bộ 105 trang tài liệu này.

Như vây, số lượng phiếu khảo sát hợp lệ được sử dụng trong phần xử lý chính thức là 200 phiếu, số liệu được dùng để chạy mô hình trên phần mềm SPSS 20 để thống kê và phân tích dữ liệu.

3.4. Phương pháp phân tích dữ liệu

3.4.1. Đánh giá độ tin cậy thang đo bằng phương pháp hệ số tin cậy Cronbach’s Alpha

Hệ số Cronbach’s Alpha dùng để đánh giá độ tin cậy của thang đo, nhằm mục đích cho phép phân tích từ đó tìm ra các quan sát được giữ lại và những quan sát cần loại bỏ đi trong các quan sát đưa vào kiểm tra (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) nghĩa là nó giúp loại bỏ các biến quan sát, những thang đo không phù hợp. Các biến quan sát chỉ được chọn khi là thang đo khi có hệ số Cronbach’s Alpha từ 0.6 hoặc cao hơn.

“Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha lớn hơn 0.8 hoặc gần 1 là thang đo lường tốt, từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cũng gợi ý rằng Cronbach’s Alpha từ 0.6 hoặc cao hơn là có thể sử dụng được trong trường hợp khái niệm đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu” (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Hệ số tin cậy Cronbach’s Alpha cho ta biết các biến quan sát có liên kết với nhau hay không nhưng nó không nhận ra rằng biến quan sát nào cần loại ra khỏi mô hình và biến quan sát nào cần được giữ lại. Hệ số tương quan giữa biến - tổng (Corrected Item-Total Correlation) sẽ giúp ta bỏ những quan sát không đóng góp nhiều cho sự mô tả của khái niệm cần xem xét. Các biến quan sát thuộc hệ số tương quan biến tổng bé hơn 0.3 sẽ bị loại trừ.

Trong nghiên cứu này tác giả chỉ chọn biến quan sát khi thang đo có hệ số Cronbach’s Alpha từ 0.7 trở lên và các biến quan sát có hệ số tương quan biến tổng lớn hơn 0.3.

3.4.2. Đánh giá giá trị thang đo bằng phân tích nhân tố khám phá EFA

Phương pháp Cronbach’s Alpha dùng để đánh giá độ tin cậy của các biến quan sát còn phương pháp phân tích nhân tố khám phá EFA giúp chúng ta đánh giá giá trị hội tụ và giá trị phân biệt của thang đo.

Để kiểm tra xem liệu việc phân tích các nhân tố khám phá có phù hợp hay không tác giả tiến hành kiểm tra sự tương quan giữa các biến quan sát bằng chỉ số KMO. Nếu chỉ số KMO nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu nên trị số của KMO lớn (0.5<KMO<1) là điều kiện đủ để phân tích nhân tố là thích hợp. Ngoài ra cần kiểm định mối tương quan của các biến với nhau (H0: các biến không có tương quan với nhau trong tổng thể) bằng kiểm định Bartlett’s trong phân tích nhân tố. Nếu giả thuyết H0 không được bác bỏ thì phân tích nhân tố có khả năng không thích hợp. Nếu kiểm định này có ý nghĩa (Sig < 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Phân tích nhân tố khám phá EFA được sử dụng chủ yếu để tóm tắt dữ liệu dựa trên việc đánh giá giá trị hội tụ và giá trị phân biệt. Phương pháp này rất hữu ích cho việc xác định tập hợp biến cần thiết cho vấn đề cần nghiên cứu và được sử dụng để tìm kiếm mối quan hệ giữa các biến với nhau. Trong phân tích nhân tố khám phá EFA, ta cần quan tâm đến một số tiêu chuẩn bao gồm:

Hệ số tải nhân tố hay trọng số nhân tố (Factor loadings): là những hệ số tương quan đơn giữa các biến và các nhân tố, hệ số này ≥ 0.5 (Hair và cộng sự, 1998).

Thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50% (Gerbing và Anderson, 1988). Phương pháp trích (Principal Component Analysis) được sử dụng trong phân tích nhân tố thang đo các thành phần độc lập.

Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.5 để đảm bảo giá trị phân biệt giữa các nhân tố.

3.4.3. Phân tích hồi quy tuyến tính

Sau khi phân tích nhân tố tác giả đi vào phân tích tương quan Pearson. Phân tích này thông qua hệ số tương quan r và được thực hiện giữa biến phụ thuộc và các biến độc lập. Mục đích xem xét các biến độc lập và biến phụ thuộc có tương quan nhau hay không, tương quan ở mức độ như thế nào, tương quan thuận hay nghịch. Khi mức ý nghĩa Sig của hệ số hồi quy nhỏ hơn 0.05 (Sig<0.05), có nghĩa độ tin cậy là 95%, được kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc, từ đó làm cơ sở để tiến hành phân tích hồi quy.

Phân tích hồi quy đa biến để đánh giá mức độ phù hợp của mô hình, phương pháp được sử dụng là phương pháp Enter (các biến được đưa vào một lần rồi xem xét các kết quả thống kê liên quan). Các nhà nghiên cứu thường đánh giá mức độ phù hợp của mô hình nghiên cứu thông qua hệ số R2 (R Square). Kiểm định giả định về hiện tượng đa cộng tuyến thông qua hệ số phóng đại phương sai VIF. Nếu VIF>10 thì có hiện tượng đa cộng tuyến.

CHƯƠNG IV KẾT QUẢ NGHIÊN CỨU

Chương này phân tích kết quả mà tác giả đã nghiên cứu được, sẽ trình bày thông tin chung về mẫu nghiên cứu, kiểm định thang đo các nhân tố và tiến hành phân tích nhân tố khám phá EFA, kiểm định mô hình nghiên cứu đã đề xuất và các giả thuyết của nghiên cứu bằng phân tích hồi quy.

4.1. Thông tin chung về mẫu nghiên cứu

4.1.1. Cơ cấu mẫu theo giới tính

Số lượng mẫu nghiên cứu là 200 khách du lịch, trong đó tỷ lệ nam và nữ gần như nhau với 51,5% những người được hỏi là nam và 48,5% là nữ. Kết quả này cho thấy tỷ lệ nam và nữ được khảo sát là không chênh lệch nhau nhiều về số lượng.

Giới tính

Nữ 48.5%

Nam 51.5%

Hình 4.1: Giới tính của khách du lịch

Nguồn: Tác giả tổng hợp dữ liệu từ kết quả khảo sát

4.1.2. Cơ cấu mẫu theo độ tuổi

Xét về độ tuổi, du khách được phỏng vấn chủ yếu ở độ tuổi từ 31 - 55 tuổi, chiếm 42,5% trong tổng số mẫu. có 27 du khách dưới 18 tuổi, 48 du khách từ 18 – 30 tuổi, 85 du khách từ 31 – 55 tuổi, 40 du khách trên 55 tuổi. Thực tế cho thấy, Tây Ninh là một tỉnh mà du lịch đa phần về tâm linh và tín ngưỡng nên thường thu hút những du khách trong độ tuổi đã có gia đình.




48
						40
27

Độ tuổi

Dưới 18 tuổi Từ 18 - 30 tuổi Từ 31 - 55 tuổi Trên 55 tuổi

Số du khách

Hình 4.2: Độ tuổi của khách du lịch

Nguồn: Tác giả tổng hợp dữ liệu từ kết quả khảo sát

4.1.3. Cơ cấu mẫu theo thu nhập

Từ kết quả khảo sát ta thấy, trong số lượng mẫu khảo sát số người đi du lịch thường có thu nhập từ 5 đến dưới 20 triệu đồng chiếm 66%. Từ đó ta có thể thấy rằng những người đi du lịch thường là những người có thu nhập khá để đảm bảo cuộc sống, ngoài ra họ còn có một khoản dành ra để tham quan du lịch.

Thu nhập

16%

Dưới 5 triệu

18%

Từ 5 đến dưới 10 triệu

30%

Từ 10 đến dưới 20 triệu

36%

Triệu 20 triệu

Hình 4.3: Thu nhập của khách du lịch

Nguồn: Tác giả tổng hợp dữ liệu từ kết quả khảo sát

4.2. Đánh giá thang đo

4.2.1. Đánh giá độ tin cậy thang đo qua hệ số tin cậy Cronbach’s Alpha.

Đánh giá thang đo các nhân tố tác động đến sự hài lòng của du khách đối với dịch vụ du lịch tỉnh Tây Ninh thông qua hệ số tin cậy Cronbach’s Alpha.

Các thang đo tại bảng 4.1 cho ta thấy rằng tất cả các thang đo của các nhân tố: tài nguyên du lịch, đánh giá giá cả, an ninh và môi trường, cơ sở hạ tầng, nhân viên phục vụ du lịch, điểm đến núi Bà Đen, sự hài lòng của du khách đều có hệ số Cronbach’s Alpha > 0.7, các hệ số tương quan với biến tổng của các thang đo đều lớn hơn 0.3 nên tất cả thang đo của các nhân tố đều đạt độ tin cậy và được dùng để phân tích nhân tố khám phá EFA. Đối với nhân tố nhân viên phục vụ du lịch, tuy có hệ số Cronbach’s Alpha là 0.816 > 0.7 nhưng hệ số Alpha nếu loại biến NVPV1 là 0.833 lớn hơn nhân tố nhân viên phục vụ du lịch nên biến NVPV1 bị loại bỏ. Như vậy từ 28 biến quan sát ban đầu thì sau khi tiến hành đánh giá độ tin cậy thang đo bằng Cronbach’s Alpha thì còn lại 27 biến quan sát (24 quan sát của 6 nhân tố độc lập và 3 quan sát của nhân tố phụ thuộc)

Bảng 4.1: Kết quả kiểm định thang đo bằng hệ số Cronbach’s Alpha

Nguồn: Kết quả kiểm định độ tin cậy từ dữ liệu khảo sát

Biến quan sát

Hệ số tương quan biến - tổng	Hệ số Cronbach’s Alpha nếu loại biến	Hệ số Cronbach’s Alpha
Tài nguyên du lịch
TNDL1	0.550	0.685	0.748
TNDL2	0.608	0.651
TNDL3	0.552	0.684
TNDL4	0.461	0.733
Đánh giá giá cả
DGGC1	0.602	0.813	0.817
DGGC2	0.770	0.641
DGGC3	0.640	0.777

Biến quan sát

Hệ số tương quan biến - tổng	Hệ số Cronbach’s Alpha nếu loại biến	Hệ số Cronbach’s Alpha
An ninh và môi trường
ANMT1	0.597	0.803	0.829
ANMT2	0.655	0.786
ANMT3	0.667	0.783
ANMT4	0.605	0.801
ANMT5	0.607	0.800
Cơ sở hạ tầng
CSHT1	0.526	0.795	0.810
CSHT2	0.624	0.765
CSHT3	0.649	0.757
CSHT4	0.640	0.760
CSHT5	0.549	0.788
Nhân viên phục vụ du lịch
NVPV1	0.494	0.833	0.816
NVPV2	0.729	0.723
NVPV3	0.735	0.721
NVPV4	0.601	0.785
Điểm đến núi Bà Đen
NBD1	0.600	0.824	0.837
NBD2	0.735	0.763
NBD3	0.695	0.783
NBD4	0.647	0.803
Sự hài lòng của du khách
SHL1	0.507	0.736	0.746
SHL2	0.700	0.506
SHL3	0.521	0.720

Kết quả phân tích Cronbach’s Alpha lần 2 cho nhân tố nhân viên phục vụ du lịch như sau:

Bảng 4.2: Kết quả hệ số Cronbach’s Alpha lần 2 cho nhân tố nhân viên phục vụ du lịch

Nguồn: Kết quả kiểm định độ tin cậy từ dữ liệu khảo sát

Biến quan sát

Hệ số tương quan biến - tổng	Hệ số Cronbach’s Alpha nếu loại biến	Hệ số Cronbach’s Alpha
Nhân viên phục vụ du lịch
NVPV2	0.699	0.763	0.833
NVPV3	0.787	0.671
NVPV4	0.601	0.853

4.2.2. Đánh giá giá trị thang đo bằng phân tích nhân tố khám phá EFA

Đưa vào phân tích nhân tố khám phá EFA với 24 biến quan sát đạt độ tin cậy của 6 nhân tố tác động đến sự hài lòng của du khách. Kết quả kiểm định Bartlett trong bảng kiểm định KMO and Bartlett’s với Sig = 0.000 (<0.05) và chỉ số KMO = 0.681 > 0.5 cho thấy phân tích nhân tố là phù hợp. Phân tích trích được 6 thành phần phù hợp với mô hình nghiên cứu, các giá trị Eigenvalue đều lớn hơn 1 và tổng phương sai trích đạt 65.075% (> 50%). Bảng 4.3 cho thấy hệ số tải nhân tố của 24 biến quan sát đều lớn hơn

0.5 nên được sử dụng cho phân tích tiếp theo.

Bảng 4.3: Phân tích nhân tố khám phá EFA các quan sát của các nhân tố độc lập

Nguồn: Kết quả phân tích nhân tố từ dữ liệu khảo sát

Biến quan sát