Thang Đo Cơ Sở Vật Chất Kỹ Thuật

đảm bảo. Do đó thang đo đo lường về mức độ đáp ứng gồm 6 biến quan sát và cũng được đo bằng thang đo Likert 5 mức độ. Cụ thể:

DU1 - Quý khách được phục vụ một cách nhanh chóng.

DU2 -Khách sạn thông báo chính xác thời gian hoạt động của các dịch vụ trong khách sạn.

DU3 - Khách sạn phục vụ quý khách một cách nhanh chóng. DU4 - Khách sạn phục vụ quý khách chu đáo dù là mùa cao điểm. DU5 - Khách sạn có khả năng cung cấp dịch vụ gia tăng.

3.2.2- Thang đo năng lực phục vụ

Mức độ năng lực phục vụ được ký hiệu từ PV1 đến PV2. Dựa vào thang đo SERVQUAL và nghiên cứu định tính ta có thang đo đo lường về mức độ tin cậy gồm 4 biến quan sát, được đo bằng thang đo Likert 5 mức độ. Cụ thể:

PV1 - Nhân viên khách sạn có phong cách phục vụ chuyên nghiệp. PV2 - Nhân viên luôn tôn trọng và lắng nghe ý kiến của quý khách. PV3 - Quý khách được phục vụ bởi đội ngũ nhân viên năng động.

Có thể bạn quan tâm!

Xem toàn bộ 119 trang tài liệu này.

PV4 - Nhân viên tại khách sạn giao tiếp với quý khách thân thiện và cởi mở.

3.2.3 – Thang đo về mức độ tin cậy.

Mức độ tin cậy được ký hiệu từ TC1 đến TC5. Dựa vào thang đo SERVQUAL ta có thang đo đo lường về mức độ tin cậy gồm 5 biến quan sát, được đo bằng thang đo Likert 5 mức độ. Cụ thể:

TC1- Khách sạn cung cấp dịch vụ đúng ngay lần đầu.

TC2- Khi quý khách có khiếu nại hay phàn nàn về dịch vụ, quý khách sẽ được giải quyết nhanh chóng và linh hoạt.

TC3- Khi quý khách có thắc mắc hay có vấn đề gì không rõ nhân viên khách sạn nhiệt tình giúp quý khách.

TC4- Khách sạn cung cấp dịch vụ đúng như đã giới thiệu ban đầu.

TC5- Quý khách cảm thấy an toàn, thoải mái khi sử dụng dịch vụ khách sạn.

3.2.4- Thang đo sự đồng cảm

Mức độ đồng cảm được kí hiệu là DC1 đến DC4. Dựa vào thang đo SERVQUAL và thảo luận nhóm ta có thang đo lường về mức độ đồng cảm gồm 4 biến quan sát, cũng được đo bằng thang đo Likert 5 mức độ. Cụ thể:

DC1- Quý khách cảm thấy rất thoải mái khi đến ở khách sạn.

DC2- Nhân viên khách khách sạn luôn biết cách nhận lỗi và khắc phục theo yêu cầu của quý khách.

DC3- Lễ tân khách sạn nhiệt tình và chu đáo.

DC4- Nhân viên khách sạn luôn gần gũi và thăm hỏi quý khách.

3.2.5- Thang đo cơ sở vật chất kỹ thuật

Cơ sở vật chất được ký hiệu từ VC1 đến VC5. Kết hợp với thang đo SERVQUAL, thảo luận nhóm thì thang đo đo lường cơ sở vật chất bao gồm các yếu tố: trang thiết bị vật chất, giao thông thuận tiện, bãi đậu xe... Thang đo này gồm 5 biến quan sát và cũng được đo bằng thang đo Likert 5 mức độ. Cụ thể:

VC1- Khách sạn ở vị trí thuận lợi.

VC2- Khách sạn có phòng tốt đúng tiêu chuẩn. VC3- Phòng khách sạn thoáng mát, sạch sẽ.

VC4- Thiết bị trong khách sạn (phòng) đầy đủ. VC5- Thiết bị trong phòng hoạt động tốt.

3.2.6- Thang đo giá cả cảm nhận

Biết giá cả cảm nhận được ký hiệu từ GC1 đến GC4, kết hợp thang đo SERVQUAL, thảo luận nhóm thì thang đo giá cả cảm nhận bao gồm các yếu tố giá các dịch vụ so với các khách sạn khác cùng tiêu chuẩn hay so với những nơi khác,

giá các dịch vụ phù hợp với chất lượng của nó. Thang đo này gồm 4 biến quan sát, đo bằng thang đo 5 mức độ. Cụ thể:

GC1- Giá cả của dịch vụ khách sạn tại Bà Rịa – Vũng Tàu không cao hơn nhiều so với những nơi khác.

GC2- Giá cả của dịch vụ khách sạn tại Bà Rịa – Vũng Tàu thấp hơn so với các khách sạn tại những nơi khác.

GC3- Giá cả của khách sạn tại Bà Rịa – Vũng Tàu phù hợp với chất lượng dịch vụ được cung cấp.

GC4- Giá cả của dịch vụ gia tăng tại các khách sạn ở Bà Rịa – Vũng Tàu hợp lý so với các nơi khác.

3.2.7- Thang đo mức độ hài lòng của khách hàng

Biến thang đo mức độ hài lòng của khách hàng được ký hiệu từ HL1 đến HL7, kết hợp thang đo SERVQUAL, thảo luận nhóm thì thang đo mức độ hài lòng bao gồm các yếu tố hài lòng với các khía cạnh của thang đo - 6 yếu tố và 1 ý để đánh giá chung. Thang đo này gồm 7 biến quan sát, đo bằng thang đo Likert 5 mức độ. Cụ thể:

HL1- Quý khách hài lòng về mức độ đáp ứng của hệ thống khách sạn tại Bà Rịa

– Vũng Tàu.

HL2- Quý khách hài lòng về năng lực phục vụ của hệ thống khách sạn tại Bà Rịa – Vũng Tàu.

HL3- Quý khách hài lòng về mức độ tin cậy của hệ thống khách sạn tại Bà Rịa

– Vũng Tàu.

HL4- Quý khách hài lòng về sự đồng cảm của hệ thống khách sạn tại Bà Rịa – Vũng Tàu.

HL5- Quý khách hài lòng về cơ sở vật chất của hệ thống khách sạn tại Bà Rịa – Vũng Tàu.

Tàu.

HL6- Quý khách hài lòng về giá cả của hệ thống khách sạn tại Bà Rịa – Vũng

HL7- Quý khách hài lòng về chất lượng dịch vụ khách sạn của hệ thống khách

sạn tại Bà Rịa – Vũng Tàu. 3.3- Quy trình xử lý số liệu 3.3.1- Thống kê mô tả‌

3.3.1.1- Khái niệm thống kê mô tả

Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mô tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Bước đầu tiên để mô tả và tìm hiểu về đặc tính phân phối của một bảng số liệu thô là lập bảng phân phối tần số. Sau đó, sử dụng một số hàm để làm rõ đặc tính của mẫu phân tích. Để hiểu được các hiện tượng và ra quyết định đúng đắn, cần nắm được các phương pháp cơ bản của mô tả dữ liệu. Có rất nhiều kỹ thuật hay được sử dụng, có thể phân loại các kỹ thuật này như sau:

- Biểu diễn dữ liệu bằng đồ họa trong đó các đồ thị mô tả dữ liệu hoặc giúp so sánh dữ liệu.

- Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu.

- Thống kê tóm tắt (dưới dạng các giá trị thống kê đơn nhất) mô tả dữ liệu.

3.3.1.2- Các loại đại lượng thống kê mô tả

- Mean: Số trung bình cộng.

- Sum: Tổng cộng.

- Std. deviation: Độ lệch chuẩn.

- Minimum, Maximum: Giá trị nhỏ nhất, giá trị lớn nhất.

- DF: Bậc tự do.

- Std error: Sai số chuẩn.

- Median: Là lượng biến của tiêu thức của đơn vị đứng ở vị trí giữa trong dãy số lượng biến, chia số lượng biến thành hai phần (phần trên và phần dưới) mỗi phần có cùng một số đơn vị bằng nhau.

- Mode: Là biểu hiện của tiêu thức được gặp nhiều nhất trong tổng thể hay trong dãy phân phối. Trong dãy lượng biến, mode là lượng biến có tần số lớn nhất.

3.3.2- Phương pháp hệ số Cronbach’s Alpha

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. Có rất nhiều các phương pháp cho mục đích này. Cronbach’s Alpha là một cách được sử dụng rộng rãi. Công thức tính hệ số tin cậy Cronbach’s alpha:

𝑘 ∑𝑘 𝑉𝑎𝑟(𝑋𝑖 )

𝛼 = (

𝑘 − 1

) (1 −𝑡=1 )

𝑉𝑎𝑟(𝐻)

Trong đó:

k- số mục hỏi của thang đo;

H- Tổng số điểm số của thang đo gồm k mục hỏi.

Vì hệ số Cronbach’s α chỉ là giới hạn dưới độ tin cậy của thang đo (Nguyễn Đình Thọ, 2011), và còn nhiều đại lượng tin cậy, độ hiệu lực của thang đo nên ở giai đoạn đầu khi xây dựng bảng câu hỏi, hệ số này nằm trong phạm vi từ 0,6 đến 0,8 là chấp nhận được.

Muốn đạt được hệ số α ≥ 0,8 cho một danh mục ít các mục hỏi, mà các mục hỏi này đi liền với nhau một cách mạch lạc và đo lường cùng một vấn đề. Hệ số α của Cronbach’s sẽ cho biết các đo lường có liên kết với nhau hay không. Nhưng nó sẽ không cho biết mục hỏi nào cần phải bỏ đi và một hội nào cần giữ lại. Để làm được

điều này cần phải xác định mục hỏi nào không phân biệt giữa những người cho điểm số lớn và những người cho điểm số nhỏ trong toàn bộ các mục.

3.3.3- Phương pháp phân tích nhân tố khám phá (EFA)

3.3.3.1. Khái niệm và ứng dụng

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 tố đặc 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 tố được thể hiện bằng phương trình sau:

Xi = Ai1F1 + Ai2F2 + Ai3F3 + ...+ AimFm + ViUi

Trong đó

Xi: biến thứ i chuẩn hóa

Aij: hệ số hồi quy bội chuẩn hóa của nhân tố i đối với biến j F: các nhân tố chung

Vi: hệ số hồi qui chuẩn hóa của nhân tố đặc trưng đối với biến i Ui: nhân tố đặc trưng của biến i

m: số nhân tố chung

Các nhân tố đặc trưng có liên quan với nhau và với 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.

Fi = Wi1X1 + Wi2F2 + Wi3F3 +...+ WikXk

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 chọn 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 ra 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 tiếp tục áp dụng như vậy để tiếp tục chọn ra các quyền số của nhân tố tiếp theo. Do vậy các nhân tố được ước lượng sao cho các quyền số của chúng, không giống như các giá trị của các biến gốc, là không có 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...

3.3.4- Phân tích tương quan và hội qui bội

Nếu kết luận được hai biến có liên hệ chặt chẽ với nhau, đồng thời giải định rằng đã cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa hai biến, và xem như đã xác định đúng hướng của mối quan hệ nhân quả có thật giữa chúng thì ta có thể mô hình hóa mối quan hệ nhân quả của chúng bằng mô hình hồi quy tuyến tính trong đó một biến được gọi là biến phụ thuộc (hay biến được giải thích – Y) và tiếng kia là biến độc lập (hay biến được giải thích – X ). Mô hình này sẽ mô tả hình thức của mối liên hệ và qua đó giúp ta dự đoán được mức độ của biến phụ thuộc (với độ chính xác trong phạm vi giới hạn) khi biết trước giá trị của biến độc lập.

Mô hình hồi qui tuyến tính bội

Mô hình hồi qui bội mở rộng mô hình hồi qui tuyến tính tính hai biến bằng cách thêm vào một số biến độc lập để giải thích tốt hơn cho biến phụ thuộc.

Mô hình có dạng như sau:

Yi = β0 + β1X1i + β2X2i +...+ βpXpi + εi

Trong đó:

Xpi: biến biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i

Βk: hệ số hồi qui riêng phần

εi: là một biện độc lập ngẫu nhiên có phân phối chuẩn đối với bất kỳ kết hợp nào của các biến độc lập trong mô hình.

Đánh giá độ phù hợp của mô hình hồi qui tuyến tính bội

Hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, càng đưa thêm nhiều biến độc lập vào mô hình thì R2 càng tăng, tuy nhiên điều này cũng không được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu (tức là tốt hơn).

Kiểm định độ phù hợp của mô hình

Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi qui tuyến tính tổng thể. Ở đây biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không? Giả thuyết H0 là β1 = β2 = β3 = β4

Nếu giả thuyết H0 bị bác bỏ thì ta kết luận rằng: kết hợp với biến hiện có trong mô hình có thể giải thích được những thay đổi của Y, điều này có nghĩa là mô hình ta xây dựng là phù hợp với tập dữ liệu.

Xác định tầm quan trọng của các biến trong mô hình

Trong hồi qui bội có nhiều biến độc lập, ta có thể xác muốn xác định với các biến được đưa vào mô hình. Biến nào có vai trò quan trọng hơn trong việc dự đoán giá trị lý thuyết của Y hay chúng quan trọng như nhau.