Phân Tích Nhân Tố Khám Phá (Exploratory Factor Analysis – Efa).


2.2.3. Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA).

2.2.3.1. Kiểm định KMO và Bartlett’s Test biến độc lập.

Để áp dụng được phân tích nhân tố cần trải qua phép kiểm định sự phù hợp của dữ liệu đối với phương pháp phân tích nhân tố. Kiểm định này được thực hiện qua hai đại lượng là chỉ số KMO (Kaiser-Meyer-Olikin Meansure of Sampling Adequacy) và Barlett (Barlett’s Test of Sphericity).

Bảng 2. 8: Kiểm định KMO và Bartlett’s Test biến độc lập


KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy

0,690


Bartlett's Test of Sphericity

Approx, Chi-Square

715,589

Df

190

Sig.

0,000

Có thể bạn quan tâm!

Xem toàn bộ 117 trang tài liệu này.

(Nguồn: Kết quả điều tra xử lý của tác giả). Dựa vào bảng trên ta thấy hệ số KMO bằng 0,690 (0,5 < 0,643 < 1), kiểm định Bartlett’s Test có giá trị sig. bằng 0,000 < 0,05 cho thấy cơ sở dữ liệu này là hoàn toàn phù

hợp với phân tích nhân tố.

2.2.3.2. Phân tích nhân tố khám phá EFA biến độc lập.

Trong nghiên cứu này, khi phân tích nhân tố khám phá EFA đề tài sử dụng phương pháp phân tích các nhân tố chính (Principal Components) với số nhân tố (Number of Factor) được xác định từ trước là 5 theo mô hình nghiên cứu đề xuất. Mục đích sử dụng phương pháp này là để rút gọn dữ liệu, hạn chế vi phạm hiện tượng đa cộng tuyến giữa các nhân tố trong việc phân tích mô hình hồi quy tiếp theo.

Phương pháp xoay nhân tố được chọn là Varimax procedure: xoay nguyên gốc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố nhằm tăng cường khả năng giải thích nhân tố. Những biến nào có hệ số tải nhân tố < 0,5 sẽ bị loại khỏi mô hình nghiên cứu, chỉ những biến nào có hệ số tải nhân tố > 0,5 mới được đưa vào các phân tích tiếp theo.

Ở nghiên cứu này, hệ số tải nhân tố (Factor Loading) phải thỏa mãn điều kiện lớn hơn hoặc bằng 0,5. Theo Hair & ctg (1998), Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, Factor Loading > 0,3 được xem là mức tối thiểu và được khuyên dùng nếu cỡ mẫu lớn hơn 350. Nghiên cứu này chọn giá trị Factor Loading > 0,5 với cỡ mẫu là 120.


Bảng 2. 9: Rút trích nhân tố biến độc lập


Biến quan sát

Nhóm nhân tố


1

2

3

4

5

Thuonghieu2

0,853





Thuonghieu3

0,802





Thuonghieu1

0,775





Thuonghieu4

0,764





Dapung4


0,752




Dapung3


0,728




Dapung2


0,726




Dapung1


0,697




Khuyenmai2



0,786



Khuyenmai1



0,784



Khuyenmai3



0,763



Khuyenmai4



0,634



Coso1




0,802


Coso4




0,736


Coso3




0,707


Coso2




0,689


Giaca1





0,808

Giaca2





0,726

Giaca3





0,693

Giaca4





0,587

Eigenvalue

3,148

2,877

2,385

1,956

1,630

Cumulative %

13,324

25,334

37,306

49,200

59,977

(Nguồn: Kết quả điều tra xử lý của tác giả.)

Thực hiện phân tích nhân tố lần đầu tiên, đưa 20 biến quan sát trong 5 biến độc lập ảnh hưởng đến sự quyết định của khách hàng về việc sử dụng dịch vụ du lịch vào phân tích nhân tố theo tiêu chuẩn Eigenvalue lớn hơn 1 đã có 5 nhân tố được tạo ra.

Như vậy, sau khi tiến hành phân tích nhân tố khám phá EFA, số biến quan sát vẫn là 20, được rút trích lại còn 5 nhân tố. Không có biến quan sát nào có hệ số tải nhân tố (Factor loading) bé hơn 0,5 nên không loại bỏ biến, đề tài tiếp tục tiến hành các bước phân tích tiếp theo.


Kết quả phân tích nhân tố được chấp nhận khi tiêu chuẩn phương sai trích (Variance Explained Criteria) > 50% và giá trị Eigenvalue lớn hơn 1 (theo Gerbing & Anderson, 1998). Dựa vào kết quả trên, tổng phương sai trích là 55,977 > 50% do đó phân tích nhân tố là phù hợp.

Đề tài tiến hành gồm các biến quan sát:

- Nhân tố 1 (Factor 1): Nghiên cứu đặt tên nhân tố mới này là “Cơ sở vật chất – Coso”

gồm 4 biến quan sát: Coso1, Coso2, Coso3, Coso4.

- Nhân tố 2 (Factor 3): Nghiên cứu đặt tên nhân tố mới này là “Khuyến mãi ưu đãi – Khuyenmai” gồm 4 biến quan sát: Khuyenmai1, Khuyenmai2, Khuyenmai3, Khuyenmai4.

- Nhân tố 3 (Factor 3): Nghiên cứu đặt tên cho nhân tố mới là “Khả năng đáp ứng -

Dapung” gồm 4 biến quan sát: Dapung1, Dapung2, Dapung3, Dapung4.

- Nhân tố 4 (Factor 4): Nghiên cứu đặt tên cho nhân tố mới là “Uy tín thương hiệu – Thuonghieu” gồm 4 biến quan sát: Thuonghieu1, Thuonghieu2, Thuonghieu3, Thuonghieu4.

- Nhân tố 5 (Factor 5): Nghiên cứu đặt tên cho nhân tố mới là “Giá cả - Giaca” gồm 4

biến quan sát: Giaca1, Giaca2, Giaca3, Giaca4.

2.2.3.3 Kiểm định KMO và Bartlett’s Test biến phụ thuộc.

Bảng 2. 10: Kiểm định KMO và Bartlett’s Test biến phụ thuộc


KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy

0,643


Bartlett's Test of Sphericity

Approx, Chi-Square

112,819

Df

3

Sig.

0,000

(Nguồn: Kết quả điều tra xử lý của tác giả).

Các điều kiện kiểm định KMO và Bartlett’s Test biến phụ thuộc tương tự các điều kiện kiểm định của biến độc lập. Sau khi tiến hành phân tích qua 3 biến quan sát đối với biến phụ thuộc “Quyết định”, kết quả cho thấy chỉ số KMO là 0,643 (0,5 < 0,643 <1) và kiểm định Bartlett’s Test cho giá trị Sig. = 0,000 < 0,05, nên dữ liệu thu thập được đáp ứng được điều kiện để tiến hành phân tích nhân tố.


2.2.3.4. Phân tích nhân tố khám phá EFA biến phụ thuộc.

Bảng 2. 11: Rút trích nhân tố biến phụ thuộc


Quyết định

Hệ số tải

Quyetdinh1

0,719

Quyetdinh3

0,804

Quyetdinh2

0,567

Cumulative %

69,627

((Nguồn: Kết quả điều tra xử lý của tác giả).

Kết quả phân tích nhân tố khám phá rút trích ra được một nhân tố, nhân tố này được tạo ra từ 3 biến quan sát mà đề tài đã đề xuất trước đó, nhằm mục đích rút ra kết quả về các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ của khách hàng tại công ty Vietravel chi nhánh Huế. Nhân tố này được gọi là “Quyết định - Quyetdinh”.

Nhận xét:

Quá trình phân tích nhân tố khám phá EFA trên đã xác định được 5 nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ du lịch tại công ty Vietravel chi nhánh Huế, đó chính là “Cơ sở vật chất”, “Khả năng đáp ứng”, “Khuyến mãi ưu đãi”, “Uy tín thương hiệu”, “Giá cả”.

Như vậy, mô hình nghiên cứu sau khi phân tích nhân tố khám phá EFA không có gì thay đổi đáng kể so với ban đầu, không có biến quan sát nào bị loại ra khỏi mô hình trong quá trình kểm định độ tin cậy thang đo và phân tích nhân tố khám phá.

2.2.4. Phân tích hồi quy.

2.2.4.1. Xây dựng mô hình hồi quy.

Sau khi tiến hành phân tích nhân tố khám phá EFA để khám phá các nhân tố mới có ảnh hưởng đến biến phụ thuộc “Quyết định”, nghiên cứu tiến hành hồi quy mô hình tuyến tính để xác định được chiều hướng và mức độ ảnh hưởng của các nhân tố mới này đến quyết định sử dụng dịch vụ của khách hàng.

Mô hình hồi quy được xây dựng gồm nhiều biến phụ thuộc là “Quyết định” – Quyetdinh và các biến độc lập được rút trích từ phân tích nhân tố khám phá EFA gồm 5 biến: “Cơ sở vật chất” – Coso, “Khả năng đáp ứng” – Dapung, “Khuyến mãi ưu đãi” – Khuyenmai, “Uy tín thương hiệu” – Thuonghieu, “Giá cả” – Giaca với các hệ số Bê-ta tương ứng lần lượt là β1, β2, β3, β4, β5.

Mô hình hồi quy được xây dựng như sau:

Quyetdinh = β0 + β1Coso + β2Dapung + β3Khuyenmai + β4Thuonghieu + β5Giaca +

ei


Dựa vào hệ số Bê – ta chuẩn hóa với mức ý nghĩa Sig. tương ứng để xác định các biến độc lập nào có ảnh hưởng đến biển phụ thuộc trong mô hình và ảnh hưởng với mức độ ra sao, theo chiều hướng nào. Từ đó, làm căn cứ để kết luận chính xác hơn và đưa ra giải pháp mang tính thuyết phục cao. Kết quả của mô hình hồi quy sẽ giúp ta xác định được chiều hướng, mức độ ảnh hưởng của các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ du lịch của khách hàng tại công ty Vietravel chi nhánh Huế.

2.2.4.3. Phân tích hồi quy.

Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được chiều hướng và cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Trong giai đoạn phân tích hồi quy, nghiên cứu chọn phương pháp Enter, chọn lọc dựa trên tiêu chí chọn những nhân tố có mức ý nghĩa Sig. < 0,05. Những nhân tố nào có giá trị Sig. > 0,05 sẽ bị loại khỏi mô hình và không tiếp tục nghiên cứu nhân tố đó.

Kết quả phân tích hồi quy được thể hiện qua bảng sau:

Bảng 2. 12: Hệ số phân tích hồi quy



Hệ số chưa chuẩn hóa

Hệ số chuẩn

hóa


T


Sig.


VIF

B

Độ lệch chuẩn

Beta

Hằng số

-0,152

0,220


-0,691

0,491


Coso

0,181

0,026

0,329

6,927

0,000

1,080

Dapung

0,231

0,033

0,338

7,006

0,000

1,114

Khuyenmai

0,245

0,029

0,390

8,305

0,000

1,052

Thuonghieu

0,271

0,026

0,487

10,426

0,000

1,043

Giaca

0,117

0,032

0,173

3,680

0,000

1,052

(Nguồn: Kết quả điều tra xử lý của tác giả).

Giá trị Sig. tại các phép kiểm định của các biến độc lập được đưa vào mô hình: “Cơ sở vật chất”, “Khả năng đáp ứng”, “Khuyến mãi ưu đãi”, “Thương hiệu uy tín”, “Giá cả” đều nhỏ hơn 0,05 chứng tỏ các biến độc lập này có ý Nghĩa thống kê trong mô hình. Ngoài ra hằng số trong mô hình có giá trị Sig. là 0,491 > 0,05 nên cũng sẽ bị loại.

Như vậy, phương trình hồi quy được xác định như sau:

Quyetdinh = 0,329Coso + 0,338Dapung + 0,390Khuyenmai + 0,487Thuonghieu + 0,173Giaca + ei


Nhìn vào mô hình hồi quy, ta có thể xác định rằng: có 5 nhân tố là “Cơ sở vật chất”, “Khả năng đáp ứng”, “Khuyến mãi ưu đãi”, “Thương hiệu uy tín”, “Giá cả” ảnh hưởng đến quyết định sử dụng dịch vụ du lịch của khách hàng tại công ty Vietravel chị nhánh Huế.

Đề tài tiến hành giải thích ý nghĩa các hệ số Bê-ta như sau:

- Hệ số β1=0,329 có ý nghĩa là khi biến “Cơ sở vật chất” thay đổi một đơn vị trong khi

các biến khác không đổi thì “Quyết định” biến động cùng chiều với 0,329 đơn vị.

- Hệ số β2= 0,338 có ý nghĩa là khi biến “Khả năng đáp ứng” thay đổi một đơn vị trong

khi các biến khác không đổi thì Quyết địnhbiến động cùng chiều với 0,338 đơn vị.

- Hệ số β3 = 0,390 có ý nghĩa là khi biến “Khuyến mãi ưu đãi” thay đổi một đơn vị trong khi các biến khác không đổi thì Quyết địnhbiến động cùng chiều với 0,390 đơn vị.

- Hệ số β4 = 0,487 có ý nghĩa là khi biến “Uy tín thương hiệu” thay đổi một đơn vị trong khi các biến khác không đổi thì Quyết địnhbiến động cùng chiều với 0,487 đơn vị.

- Hệ số β5 = 0,173 có ý nghĩa là khi biến “Giá cả” thay đổi một đơn vị trong khi các

biến khác không đổi thì Quyết địnhbiến động cùng chiều với 0,173 đơn vị.

Có một điểm chung của các biến độc lập này là đều ảnh hưởng thuận chiều đến biến phụ thuộc “Quyết định”, quyết định sử dụng dịch vụ du lịch của khách hàng tại công ty Vietravel chi nhánh Huế sẽ được gia tăng khi những yếu tố ảnh hưởng này tăng. Điều này cho thấy công ty Vietravel chi nhánh Huế cần có những hành động cụ thể nhằm kiểm soát các yếu tố này một cách tốt hơn.

2.2.4.4. Đánh giá độ phù hợp của mô hình.

Bảng 2. 13: Đánh giá độ phù hợp của mô hình



Model


R


R Square

Adjusted R Square

Std. Error

of the Estimate

Durbin - Watson

1

0,873

0,761

0,751

0,25911

1,831

(Nguồn: Kết quả điều tra xử lý). Dựa vào bảng kết quả phân tích, mô hình 5 biến độc lập có giá trị R Square hiệu chỉnh là 0,751 tức là: độ phù hợp của mô hình là 75,1%. Hay nói cách khác, 75,1% độ biến thiên của biến phụ thuộc “Quyết định” được giải thích bởi 5 nhân tố được đưa vào mô hình. Bên cạnh đó, ta nhận thấy giá trị R Square hiệu chỉnh là 0,751 khá cao (> 50%),

nghĩa là mối quan hệ giữa biến độc lập và biến phụ thuộc được coi là gần chặt chẽ.


2.2.4.5. Kiểm định sự phù hợp của mô hình.

Bảng 2. 14: Kiểm định ANOVA


ANOVA

Model

Sum of

Squares

Df

Mean

Square

F

Sig.


1

Regression

24,412

5

4,882

72,721

0,000

Residual

7,654

114

0,067



Total

32,066

119




(Nguồn: Kết quả điều tra xử lý).

Kết quả từ bảng ANOVA cho thấy giá trị Sig. = 0,000 rất nhỏ, cho phép nghiên cứu bác bỏ giả thiết rằng “Hệ số xác định R bình phương = 0” tức là mô hình hồi quy phù hợp. Như vậy mô hình hồi quy thu được rất tốt, các biến độc lập giải thích được khá lớn sự thay đổi của biến phụ thuộc “Quyết định”.

2.2.4.6. Xem xét tự tương quan.

Đại lượng Durbin – Watson được dùng để kiểm định tương quan của các sai số kề nhau. Dựa vào kết quả thực hiện phân tích hồi quy cho thấy, giá trị Durbin – Watson là 1,831 thuộc trong khoảng chấp nhận (1,6 đến 2,6). Vậy có thể kết luận là mô hình không xảy ra hiện tượng tự tương quan.

2.2.4.7. Xem xét đa cộng tuyến.

Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị hệ số phóng đại phương sai (VIF – Variance Inflation Factor) lớn hơn hay bằng 10.

Từ kết quả phân tích hồi quy ở trên, ta có thể thấy rằng giá trị VIF của mô hình nhỏ (trên dưới giá trị 1) nên nghiên cứu kết luận rằng mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến.


2.2.4.8. Kiểm định phân phối chuẩn của phần dư.


Biểu đồ 2 1 Biểu đồ tần số Histogram của phần dư chuẩn hóa Phần dư có 1

Biểu đồ 2. 1: Biểu đồ tần số Histogram của phần dư chuẩn hóa.

Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích. Vì vậy chúng ta phải tiến hành kiểm định phân phối chuẩn của phần dư để xem xét sự phù hợp của mô hình đưa ra.

Từ biểu đồ trích từ kết quả phân tích hồi quy, ta có thể thấy rằng phần dư tuân theo

phân phối chuẩn. Với giá trị Mean xấp xỉ 2,58E-15 và giá trị Std.Dev gần bằng 1 (0,979).

2.2.5. Đánh giá của khách hàng về các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ du lịch tại công ty Vietravel chi nhánh Huế.

Sau khi xác định được các yếu tố thực sự có tác động đến quyết định sử dụng dịch vụ du lịch của khách hàng cũng như mức độ ảnh hưởng của nó, ta tiến hành phân tích đánh giá của khách hàng đối với từng nhóm nhân tố này thông qua kết quả điều tra phỏng vấn mà nghiên cứu đã thu thập từ trước.

Bảng hỏi nghiên cứu sử dụng thang đo Likert với 5 mức độ, được chú thích với nhân viên như sau:

Xem tất cả 117 trang.

Ngày đăng: 21/08/2022
Trang chủ Tài liệu miễn phí