.878 | ||||||||||||
CSLT1 | .866 | |||||||||||
AMT2 | .828 | |||||||||||
AMT3 | .817 | |||||||||||
AMT1 | .784 | |||||||||||
AMT4 | .692 | |||||||||||
TDNVPV1 | .807 | |||||||||||
TDNVPV2 | .807 | |||||||||||
TDNVPV3 | .751 | |||||||||||
TDNVPV4 | .664 | |||||||||||
ANNINH2 | .914 | |||||||||||
ANNINH1 | .889 | |||||||||||
ANNINH3 | .884 | |||||||||||
LIENKET3 | .896 | |||||||||||
LIENKET1 | .874 | |||||||||||
LIENKET2 | .867 | |||||||||||
DTLS2 | .897 | |||||||||||
DTLS3 | .859 |
Có thể bạn quan tâm!
- Liên Kết Với Các Điểm Du Lịch Tỉnh Khác
- Nghiên cứu các yếu tố ảnh hưởng đến sự quay lại của khách du lịch quốc tế tại thành phố Hồ Chí Minh - 7
- Thống Kê Mô Tả Các Biến Nghiên Cứu
- Biểu Đồ Phân Tán Phần Dư Và Giá Tri Dư ̣ Đoán Cu ̉ A Mô Hình Hồi Quy Bội
- Nâng Cao Chất Lượng Và Dịch Vụ Của Các Cơ Sở Lưu Trú
- Danh Sách 10 Chuyên Gia Phục Vụ Cho Khảo Sát
Xem toàn bộ 134 trang tài liệu này.
.848 | ||||||||||||
VSMT1 | .813 | |||||||||||
VSMT2 | .802 | |||||||||||
VSMT3 | .748 | |||||||||||
VSMT4 | .636 | |||||||||||
NDDP3 | .904 | |||||||||||
NDDP2 | .888 | |||||||||||
NDDP1 | .611 | |||||||||||
GT1 | .840 | |||||||||||
GT2 | .796 | |||||||||||
GT3 | .723 |
12 nhân tố trong bảng 4.5 được mô tả như sau: Nhân tố 1: Địa điểm mua sắm
Nhân tố 2: Sự hài lòng Nhân tố 3: Văn hóa Nhân tố 4: Cơ sở lưu trú Nhân tố 5: Ẩm thực
Nhân tố 6: Thái độ nhân viên phục vụ Nhân tố 7: An ninh
Nhân tố 8: Liên kết Nhân tố 9: Di tích lịch sử
Nhân tố 10: Vệ sinh môi trường Nhân tố 11: Người dân địa phương Nhân tố 12: Giao thông
* Kết quả sau khi phân tích EFA cho thấy hệ số KMO của nhóm sự quay lại tham quan du lịch là là 0.833, thỏa điều kiện 0.5 < KMO < 1 với mức ý nghĩa là Sig.= 0.000 trong kiểm định Barlett’s (Sig<0.05) (bảng 4.6). Điểm dừng khi rút trích các nhân tố tại eigenvalues =1.000, tổng phương sai trích được là 74.978%, các biến quan sát đều có hệ số tải nhân tố > 0.5; điều này thể hiện kết quả phân tích nhân tố là phù hợp và các biến tương quan với nhau trong tổng thể và số nhân tố trích được là 1 hoàn toàn phù hợp với lý thuyết về sự quay lại tham quan du lịch.
Bảng 4.6: Kết quả kiểm điṇ h KMO và mứ c ý nghiã
Kết quả | Đánh giá | |
Kaise- Meyer-Olkin Measure of Sampling Adequacy | 0.833 | Chấp nhận |
Mứ c ý nghiã (Sig) | 0.000 | Chấp nhận |
Bảng 4.7: Kết quả phân tích nhân tô
Nhân tố | |
Sự quay lại | |
SQLAI1 | .907 |
SQLAI2 | .881 |
SQLAI3 | .851 |
SQLAI4 | .822 |
Gồm 4 biến quan sát của thành phần “sự quay lại tham quan du lịch” được đặt tên là “sự quay lại”
Mô hình lý thuyết được giữ nguyên gồm 12 biến độc lập tác động đến sự quay lại. Sau đó, nghiên cứu tiến hành phân tích hồi quy bội.
Sự hài lòng của chuyến đi trước
Ẩm thực - vệ sinh ATTP
Vệ sinh môi trường
Cơ sở lưu trú
Thái độ nhân viên phục vụ
Người dân địa phương thân
thiện
Sự quay trở lại của khách du lịch quốc tế
Giao thông
Di tích lịch sử
Địa điểm mua sắm
Liên kết với các điểm du lịch tỉnh khác
An ninh chính trị
Văn hóa
Hình 4.1 Mô hình chính thức
(Nguồn: Tác giả tự tổng hợp sau kết quả nghiên cứu, 2017)
4.3. Phân tích hệ số tương quan
Bước đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội là xem xét các mối tương quan tuyến tính giữa các biến độc lập với từng biến phụ thuộc và chính giữa các biến độc lập với nhau. Vì nếu có bất cứ liên hệ tương quan qua lại chặt chẽ nào giữa các biến độc lập có thể ảnh hưởng lớn đến kết quả của phân tích hồi quy bội.
Bảng 4.8: Ma trận hệ số tương quan
SU HAILO NG | AMT HUC | DIEMM UASAM | MOIT RUO NG | THAIDO NHANVI EN | VAN HOA | COSO LUUT RU | NGUOID ANDIAP HUONG | GIAOT HONG | DITICHL ICHSU | LIEN KET | ANNI NH | SQL AI | |
SUHAILONG | 1 | .053 | .203** | .030 | .381** | .143** | .037 | .065 | .079 | .134** | .048 | .091 | .312** |
AMTHUC | .053 | 1 | .087 | .205** | .009 | .072 | .118* | -.050 | -.019 | .017 | -.044 | .097* | .194** |
DIEMMUASAM | .203** | .087 | 1 | .141** | .185** | .104* | .051 | .205** | .184** | .252** | .070 | .151** | .459** |
MOITRUONG | .030 | .205** | .141** | 1 | .130** | .162** | -.016 | .028 | .025 | .023 | -.107* | .225** | .227** |
THAIDONHAN VIEN | .381** | .009 | .185** | .130** | 1 | .226** | -.043 | -.039 | .074 | .068 | .011 | .206** | .310** |
VANHOA | .143** | .072 | .104* | .162** | .226** | 1 | .133** | .092 | -.045 | .105* | -.087 | .240** | .281** |
COSOLUUTRU | .037 | .118* | .051 | -.016 | -.043 | .133** | 1 | .191** | .130** | .141** | .310** | .090 | .259** |
NGUOIDANDIA PHUONG | .065 | -.050 | .205** | .028 | -.039 | .092 | .191** | 1 | .275** | .128** | .160** | .051 | .342** |
GIAOTHONG | .079 | -.019 | .184** | .025 | .074 | -.045 | .130** | .275** | 1 | .255** | .167** | -.010 | .275** |
DITICHLICHSU | .134** | .017 | .252** | .023 | .068 | .105* | .141** | .128** | .255** | 1 | .125** | .006 | .331** |
.048 | -.044 | .070 | -.107* | .011 | -.087 | .310** | .160** | .167** | .125** | 1 | -.021 | .190** | |
ANNINH | .091 | .097* | .151** | .225** | .206** | .240** | .090 | .051 | -.010 | .006 | -.021 | 1 | .273** |
SQLAI | .312** | .194** | .459** | .227** | .310** | .281** | .259** | .342** | .275** | .331** | .190** | .273** | 1 |
**. Tương quan ở mức ý nghĩa 0.01 (2-đuôi).
*. Tương quan ở mức ý nghĩa 0.05 (2-đuôi).
Kết quả phân tích cho thấy có sự tương quan giữa tất cả các biến phụ thuộc và độc lập trong mô hình
4.4 Phân tích hồi quy bội
Nghiên cứu tiến hành phân tích hồi quy bội với từng mô hình nghiên cứu. Nghiên cứu sử dụng phương pháp đưa vào một lượt (phương pháp enter) khi phân tích hồi quy bội. Cụ thể:
Bảng 4.9: Các thông số thống kê từng biến độc lập của mô hình
Hệ số chưa chuẩn hóa | Hệ số chuẩn hóa | t | Ý nghĩa | Chuẩn đoán hiện tượng đa cộng tuyến | |||
Hệ số Beta | Sai số chuẩn | Beta | Độ chấp nhận | Hệ số phóng đại phương sai | |||
(Constant) | -1.940 | .332 | -5.842 | .000 | |||
SUHAILONG | .118 | .037 | .120 | 3.181 | .002 | .822 | 1.216 |
AMTHUC | .134 | .038 | .126 | 3.547 | .000 | .923 | 1.083 |
DIEMMUASAM | .171 | .026 | .245 | 6.564 | .000 | .835 | 1.198 |
MOITRUONG | .104 | .038 | .100 | 2.741 | .006 | .880 | 1.136 |
THAIDONHANVIEN | .153 | .040 | .149 | 3.832 | .000 | .772 | 1.296 |
VANHOA | .117 | .037 | .116 | 3.136 | .002 | .845 | 1.183 |
COSOLUUTRU | .099 | .034 | .109 | 2.906 | .004 | .825 | 1.212 |
NGUOIDANDIAPHUONG | .209 | .039 | .196 | 5.292 | .000 | .848 | 1.180 |
GIAOTHONG | .072 | .029 | .094 | 2.515 | .012 | .842 | 1.188 |
DITICHLICHSU | .139 | .034 | .149 | 4.070 | .000 | .864 | 1.157 |
LIENKET | .077 | .030 | .095 | 2.557 | .011 | .847 | 1.180 |
ANNINH | .111 | .035 | .114 | 3.119 | .002 | .870 | 1.150 |
Ta thấy Mức ý nghĩa của các biến đều có ý nghĩa về mặt thống kê vì có mức ý nghĩa nhỏ hơn 0.05. Ngoài ra, ta cũng thấy rằng hệ số phóng đại phương sai VIF đều nhỏ hơn 10 chứng tỏ không xảy ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phương trình hồi quy thể hiện sự quay trở lại của khách du lịch dự đoán theo tất cả các biến độc lập là:
Sự quay lại = -1.940 + 0.118 (Sự hài lòng) + 0.134 (Âm thực) + 0.171 (Điểm mua sắm) + 0.104 (Môi trường) + 0.153 (Thái độ nhân viên) + 0.117 (văn hóa) + 0.099 (Cơ sở lưu trú) + 0.209 (người dân địa phương) + 0.072 (Giao thông) + 0.139 (di tích lịch sử) + 0.077 (liên kết) + 0.111 (An ninh)
* Kiểm định giả thuyết:
Kết quả phân tích hồi quy cho thấy mười hai biến có mức ý nghĩa < 0.05 nghĩa là sáu biến này đều có ý nghĩa thống kê. Cả mười hai biến này đều tác động dương đến sự quay lại của du khách đến Tp.HCM. Do đó, nghiên cứu chấp nhận 12 giả thuyết đặt ra.
Kết quả cũng cho ta thấy được mức độ tác động của các biến độc lập đến sự tham quan trở lại của du khách: biến người dân địa phương có hệ số beta là 0.209, biến thái độ nhân viên có hệ số beta là 0.153…
* Đánh giá mức độ phù hợp của mô hình
Để đánh giá mức độ phù hợp của mô hình hồi quy, ta dùng hai hệ số là hệ số xác định R2 hiệu chỉnh và kiểm định F
Bảng 4.10: Chỉ tiêu đánh giá sự phù hợp của mô hình
R | R2 | R2 hiệu chỉnh | Dự báo độ lệch chuẩn | Durbin- Watson | |
1 | .704a | .496 | .482 | .51106 | 1.555 |
a. Dự đoán: (Hằng số), ANNINH, DITICHLICHSU, AMTHUC, LIENKET, SUHAILONG, NGUOIDANDIAPHUONG, MOITRUONG, VANHOA, GIAOTHONG, DIEMMUASAM, COSOLUUTRU, THAIDONHANVIEN |
Qua bảng 4.10, hệ số R2 hiệu chỉnh là 0.482. Hệ số R2 hiệu chỉnh nhỏ hơn R2 vì vậy dùng hệ số R2 hiệu chỉnh để đánh giá độ phù hợp của mô hình sẽ an toàn hơn