Phân Tích Nhân Tố Thang Đo Sự Hài Lòng Của Khách Du Lịch 80056


nhất của các biến CUTRU7, HATANG1, HATANG4, PHONGCANH3 đều chưa đạt yêu cầu (< 0.5). Do đó, việc phân tích nhân tố lần thứ hai được thực hiện với việc loại các biến này.


Nhân tố

1

2

3

4

5

6

7

CUTRU6

.801

.249



.223




CUTRU1

.758


.241

.207

.235

CUTRU2

.745

.253




CUTRU3

.726


.232


.215

CUTRU4

.711

.270

.229



CUTRU5

.580



.258

.374

CUTRU7

.461


.272

.204

.331

.293

.346

HATANG6


.862





.410


.210

HATANG2


.820


HATANG3

.289

.764

.245

HATANG7

.339

.760

.215

HATANG5

.219

.710

.240

VANCHUYEN1


.581


HATANG4


.473


.329



.464

HINHANH1

.214

.223

.782





HINHANH3



.756





HINHANH4

.209

.219

.741





HINHANH5

.250


.656





HINHANH6

.294


.622




.332

HINHANH2



.569

.251

.313


.296

DICHVU6




.841




DICHVU5




.827


.208


DICHVU3




.808




DICHVU2



.239

.759




DICHVU1

.237


.239

.580


.333


PHONGCANH1





.837



PHONGCANH2





.781



PHONGCANH6



.212


.769



Có thể bạn quan tâm!

Xem toàn bộ 136 trang tài liệu này.

Nghiên cứu sự hài lòng của khách du lịch nội địa đối với điểm đến Khánh Hòa 1682180963 - 9

Bảng 4.6: Ma trận xoay nhân tố lần 1 Rotated Component Matrixa


PHONGCANH5




.234


.753



PHONGCANH4


.727


VANCHUYEN2

.234


.742

VANCHUYEN5



.701

VANCHUYEN7

.242


.692

VANCHUYEN6

.249


.621

VANCHUYEN3



.610

HATANG1

.360

.306


.247


.288


.456

.483

PHONGCANH3

.375

.261

.433


Kết quả phân tích nhân tố lần thứ hai.

Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's với sig = 0.000 và chỉ số KMO = 0.876> 0.5 cho thấy phân tích nhân tố là thích hợp.

Bảng 4.7: KMO and Bartlett's Test lần 2


KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.876

Bartlett's Test of Sphericity

Approx. Chi-Square

5878.726

df

528


Sig.

.000

Tại các mức giá trị Eigenvalues lớn hơn 1 với phương pháp rút trích Principal components và phép xoay varimax, phân tích nhân tố đã trích được 6 nhân tố từ 33 biến quan sát và với tổng phương sai trích là 66.109 (> 50%) đạt yêu cầu.

Dựa trên phân tích của bảng ma trận xoay nhân tố (Bảng 4.8 ), các biến VANCHUYEN1, HINHANH2, HINHANH6, DICHVU1 bị loại dựa vào tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3. Phân tích nhân tố sẽ được tiến hành lần thứ ba với việc loại biến này.


Bảng 4.8: Ma trân xoay nhân tố lần 2




Nhân tố

1

2

3

4

5

6

HATANG6

.858






HATANG2

.836



HATANG7

.785

.296

.206

HATANG3

.777

.248

.247

HATANG5

.714

.223

.237

VANCHUYEN1

.570





.433

CUTRU6

.252

.795



.223



CUTRU1


.795

.240

.227

CUTRU3

.206

.739

.237


CUTRU2

.267

.716

.211


CUTRU4

.281

.697

.228


CUTRU5


.628


.268

HINHANH1

.226

.207

.785


HINHANH3



.759


HINHANH4

.230


.746


HINHANH5


.234

.666


HINHANH6


.337

.632


.258


.327


HINHANH2


.564


DICHVU6




.241

.849



.222

DICHVU5

.829

DICHVU3

.822

DICHVU2

.760

DICHVU1


.209

.242

.582


.318

PHONGCANH1





.841


PHONGCANH2



.773


PHONGCANH6

.208


.769


PHONGCANH5



.753


PHONGCANH4



.732


VANCHUYEN2


.225


.735

VANCHUYEN7

.225

.220


.692

VANCHUYEN5




.679

VANCHUYEN6


.230


.651

VANCHUYEN3




.637


Kết quả phân tích nhân tố lần thứ ba:

Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's với sig = 0.000 và chỉ số KMO = 0.856> 0.5 cho thấy phân tích nhân tố là thích hợp.

Bảng 4.9: KMO and Bartlett's Test lần 3


KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.856

Bartlett's Test of Sphericity

Approx. Chi-Square

5172.264

df

406


Sig.

.000


Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã trích được 6 nhân tố từ 29 biến quan sát và với tổng phương sai trích là 68.670% (> 50%) đạt yêu cầu. Kết quả tại bảng 4.10 cho thấy hệ số tải nhân tố của các biến này đều lớn hơn 0.5 đạt yêu cầu. Chênh lệch hệ số tải nhân tố của mỗi một biến quan sát đều lớn hơn 0.3 đạt yêu cầu


Bảng 4.10: Ma trận xoay nhân tố lần 3

Rotated Component Matrixa


Nhân tố

1

2

3

4

5

6

CUTRU1

.813




.212

.224


CUTRU6

.803

.243



CUTRU3

.742

.218

.211

.207

CUTRU2

.713

.279


.201

CUTRU4

.702

.278


.228

CUTRU5

.638


.280


HATANG6


.851



HATANG2


.827



HATANG7

.275

.807


.203

HATANG3

.226

.798


.245

HATANG5

.221

.738



PHONGCANH1



.845



PHONGCANH2



.779



PHONGCANH6



.771



PHONGCANH5



.757



PHONGCANH4



.736



DICHVU6




.203

.864



DICHVU5



.847

.222


DICHVU3



.819



DICHVU2



.746



VANCHUYEN2




.740


VANCHUYEN7



.204

.724

.224

VANCHUYEN5




.702


VANCHUYEN3




.646


VANCHUYEN6



.227

.644


HINHANH1

.226

.209



.807

HINHANH4

.208

.219


.770

HINHANH3




.753

HINHANH5

.262



.694


Dựa vào kết quả bảng ma trận xoay các nhân tố (Bảng 4.10 ) lệnh Transform/Compute Variable/mean được sử dụng để nhóm các biến đạt yêu cầu với


hệ số tải nhân tố > 0.5 thành sáu nhân tố. Các nhân tố này được gom lại và đặt tên cụ thể như sau:

Nhân tố 1: gồm 6 biến quan sát (CUTRU1, CUTRU2, CUTRU3, CUTRU4, CUTRU5, CUTRU6) được nhóm lại bằng lệnh trung bình và được đặt tên là cư trú ký hiệu là CUTRU.

Nhân tố 2: gồm 5 biến quan sát (HATANG2, HATANG3, HATANG5, HATANG6, HATANG7) được nhóm lại bằng lệnh trung bình và được đặt tên là Cơ sở hạ tầng ký hiệu là HATANG

Nhân tố 3: gồm 5 biến quan sát (PHONGCANH1, PHONGCANH2, PHONGCANH4, PHONGCANH5, PHONGCANH6) được nhóm lại bằng lệnh trung bình và được đặt tên là Phong cảnh ký hiệu là PHONGCANH.

Nhân tố 4: gồm 4 biến quan sát (DICHVU2, DICHVU3, DICHVU5, DICHVU6) được nhóm lại bằng lệnh trung bình và được đặt tên là Dịch vụ ăn uống - giải trí ký hiệu là DICHVU.

Nhân tố 5: gồm 5 biến quan sát (VANCHUYEN2, VANCHUYEN3, VANCHUYEN5, VANCHUYEN6, VANCHUYEN7) được nhóm lại bằng lệnh trung bình và được đặt tên là Phương tiện vận chuyển ký hiệu là VANCHUYEN. Nhân tố 6: gồm 4 biến quan sát (HINHANH1, HINHANH3, HINHANH4, HINHANH5) được nhóm lại bằng lệnh trung bình và được đặt tên là Hình ảnh điểm đến ký hiệu là HINHANH.

4.2.2.2. Phân tích nhân tố thang đo Sự hài lòng của khách du lịch

Thang đo Sự hài lòng của khách du lịch gồm 3 biến quan sát, sau khi đạt độ tin cậy bằng phân tích hệ số Cronbach’s alpha được sử dụng để phân tích nhân tố khám phá. Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng 4.11 kiểm định KMO và Bartlett's với sig = 0.000 và Chỉ số KMO = 0.667 > 0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp .


Bảng 4.11: KMO and Bartlett's Test Sự hài lòng


KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.667

Bartlett's Test of Sphericity

Approx. Chi-Square

145.715

df

3


Sig.

.000


Tại mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã rút trích được 1 nhân tố từ 3 biến quan sát với phương sai trích là 62.877% (>50%) đạt yêu cầu.

Tất cả các hệ số tải nhân tố của các biến đều lớn hớn 0.5 đạt yêu cầu.

Bảng 4.12: Ma trận nhân tố


Component Matrixa


Nhân tố

1

HAILONG1

.823

HAILONG2

.778

HAILONG3

.777


Dựa vào kết quả phân tích nhân tố khám phá cho thấy thang đo Sự hài lòng của khách du đạt giá trị hội tụ. Lệnh Transform/Compute Variable được sử dụng để nhóm ba biến HAILONG1, HAILONG2, HAILONG3 thành biến Sự hài lòng của khách du lịch ký hiệu là HAILONG.

4.2.3. Phân tích tương quan và hồi quy tuyến tính‌

4.2.3.1. Xác định biến độc lập, biến phụ thuộc

Căn cứ vào mô hình nghiên cứu lý thuyết, ta có phương trình hồi quy tuyến tính bội diễn tả các nhân tố ảnh hưởng đến Sự hài lòng của khách du lịch là:

HAILONG = β0 + β1* CUTRU + β2* HATANG + β3* PHONGCANH + β4* DICHVU + β5* VANCHUYEN + β6* HINHANH

Các biến độc lập (Xi): CUTRU, HATANG , PHONGCANH, DICHVU, VANCHUYEN, HINHANH


Biến phụ thuộc (HAILONG): Sự hài lòng của khách du lịch

βk là hệ số hồi quy riêng phần (k = 0…6)

4.2.3.2. Phân tích tương quan

Dựa vào bảng 4.13 cho thấy hệ số tương quan giữa thành phần Sự hài lòng của khách du lịch với 6 biến độc lập CUTRU, HATANG, PHONGCANH, DICHVU, VANCHUYEN, HINHANH cao (thấp nhất là 0.484 và trị Sig đều nhỏ (< 0.05). Sơ bộ ta có thể kết luận 6 biến độc lập CUTRU, HATANG, PHONGCANH, DICHVU, VANCHUYEN, HINHANH có thể đưa vào mô hình để giải thích cho biến HAILONG. Ngoài ra, hệ số tương quan giữa các biến độc lập cũng cao. Do đó, kiểm định đa cộng tuyến cần được tiến hành trong các bước tiếp theo để xác định xem các biến độc lập có ảnh hưởng lẫn nhau hay không.

Xem toàn bộ nội dung bài viết ᛨ

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 22/04/2023