Mô hình điều chỉnh này là mô hình chính thức bao gồm các yếu tố: (1) Thông tin tour, (2) Giá tour và các dịch vụ khác, (3) Uy tính thương hiệu, (4) Loại hình tour và các dịch vụ khác, (5) Chất lượng.
Bảng 4.11: Yếu tố tác động đến mức độ cảm nhận
Tên biến | Diễn giải | |
1 | X1 | Thông tin tour |
2 | X2 | Giá tour và giá các dịch vụ khác |
3 | X3 | Uy tín thương hiệu |
4 | X4 | Loại hình tour và các dịch vụ khác |
5 | X5 | Chất lượng |
Có thể bạn quan tâm!
-
Xây Dựng Mô Hình Nghiên Cứu Và Các Giả Thiết Nghiên Cứu -
Thống Kê Mô Tả Anh/chị Thường Đi Du Lịch Vào Thời Điểm Nào? -
Bảng Độ Tin Cậy Của Thang Đo Cronbach’Alpha -
Một Số Gợi Ý Nâng Cao Sự Hài Lòng Của Khách Hàng Sử Dụng Dịch Vụ Du Lịch Tại Công Ty Du Lịch Vietravel -
Nghiên cứu sự hài lòng của khách hàng sử dụng dịch vụ du lịch tại Công ty Du lịch Vietravel - 10 -
Anh (Chị) Thường Đi Du Lịch Vào Thời Điểm Nào?
Xem toàn bộ 137 trang tài liệu này.
Mô hình hồi quy có dạng như sau:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + ε
Trong đó: βi: Các hệ số hồi quy riêng phần ε: Biến độc lập ngẫu nhiên
4.2.5. Phân tích hồi quy đa biến
4.2.5.1. Phân tích hệ số tương quan
Trước khi tiến hành phân tích hồi quy tuyến tính bội thì việc xem xét mối tương quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là công việc phải làm và hệ số tương quan Pearson trong ma trận hệ số tương quan được dùng để xem xét mối tương quan này.
Bảng 4.12. Ma trận hệ số tương quan giữa các biến
Y | TTT | GT | UT | LHT | CL | ||
Y | Pearson Correlation | 1 | ,632** | ,302** | ,541** | ,449** | ,350** |
Sig. (2-tailed) | ,000 | ,000 | ,000 | ,000 | ,000 | ||
N | 285 | 285 | 285 | 285 | 285 | 285 | |
TTT | Pearson Correlation | ,632** | 1 | ,223** | ,444** | ,381** | ,257** |
Sig. (2-tailed) | ,000 | ,000 | ,000 | ,000 | ,000 | ||
N | 285 | 285 | 285 | 285 | 285 | 285 | |
GT | Pearson Correlation | ,302** | ,223** | 1 | ,319** | ,414** | ,405** |
Sig. (2-tailed) | ,000 | ,000 | ,000 | ,000 | ,000 | ||
N | 285 | 285 | 285 | 285 | 285 | 285 | |
UT | Pearson Correlation | ,541** | ,444** | ,319** | 1 | ,469** | ,276** |
Sig. (2-tailed) | ,000 | ,000 | ,000 | ,000 | ,000 | ||
N | 285 | 285 | 285 | 285 | 285 | 285 | |
LHT | Pearson Correlation | ,449** | ,381** | ,414** | ,469** | 1 | ,290** |
Sig. (2-tailed) | ,000 | ,000 | ,000 | ,000 | ,000 | ||
N | 285 | 285 | 285 | 285 | 285 | 285 | |
CL | Pearson Correlation | ,350** | ,257** | ,405** | ,276** | ,290** | 1 |
Sig. (2-tailed) | ,000 | ,000 | ,000 | ,000 | ,000 | ||
N | 285 | 285 | 285 | 285 | 285 | 285 | |
**. Correlation is significant at the 0.01 level (2-tailed). | |||||||
Nguồn: Kết quả xử lý từ dữ liệu điều tra (phụ lục 8)
Bảng 4.12 trình bày kết quả kiểm định hệ số tương quan giữa các biến trong mô hình nghiên cứu. Kết quả cho thấy hệ số tương quan giữa các biến đều nhỏ hơn 0,6 và sig <0,05. Do đó có thể sơ bộ kết luận rằng giữa các biến độc lập không có hiện tượng đa cộng tuyến cao. Vì vậy, giả định về không có hiện tượng đa cộng tuyến giữa các biến độc lập trong phân tích hồi quy tiếp theo sẽ được thõa mãn.
4.2.6. Phân tích hồi quy tuyến tính bội
4.2.6.1. Kết quả phân tích hồi quy, đánh giá mô hình và kiểm định giả thuyết 
Kết quả phân tích hồi quy
Phương pháp Enter (đưa tất cả các biến vào một lần) để phân tích và xây dựng mô hình hồi quy bội cho ra kết quả như sau:
Bảng 4.13. Đánh giá độ phù hợp của mô hình
Mô hình | Hệ số R | Hệ số R bình phương | Hệ số R bình phương hiệu chỉnh | Sai số chuẩn ước lượng | Change Statistics | Durbin- Watson | ||||
Hệ số R bình phương sau khi đổi | Hệ số F khi đổi | df1 | df2 | Sig. F Change | ||||||
1 | ,718a | ,516 | ,507 | ,64884 | ,516 | 59,477 | 5 | 279 | ,000 | 1,812 |
a. Dự báo: (hằng số), CL, TTT, GT, UT, LHT | ||||||||||
b. Biến phụ thuộc: Y | ||||||||||
Nguồn: Kết quả xử lý từ dữ liệu điều tra (phụ lục 9)
Bảng 4.14. Kiểm định độ phù hợp của mô hình
Mô hình | Tổng bình phương | Df (Bậc tự do) | Bình phương trung bình | Hệ số F | Hệ số Sig. | |
1 | Hồi quy | 125,196 | 5 | 25,039 | 59,477 | ,000b |
Phần dư | 117,457 | 279 | ,421 | |||
Tổng cộng | 242,653 | 284 | ||||
a. Biến phụ thuộc: Y | ||||||
b. Dự báo: (hằng số), CL, TTT, GT, UT, LHT | ||||||
Bảng 4.15. Phân tích hồi quy bội
Mô hình | Unstandardized Coefficients | Standardized Coefficients | t | Sig. | Collinearity Statistics | |||
B | Std. Error | Beta | Tolerance | VIF | ||||
1 | (Hằng số) | -,636 | ,253 | -2,510 | ,013 | |||
TTT | ,514 | ,056 | ,439 | 9,159 | ,000 | ,754 | 1,326 | |
GT | ,030 | ,057 | ,025 | ,520 | ,604 | ,731 | 1,367 | |
UT | ,297 | ,061 | ,248 | 4,900 | ,000 | ,680 | 1,471 | |
LHT | ,158 | ,067 | ,119 | 2,342 | ,020 | ,671 | 1,489 | |
CL | ,138 | ,052 | ,124 | 2,656 | ,008 | ,795 | 1,258 | |
Nguồn: Phân tích dữ liệu SPSS 20.0 theo phụ lục 9
Đánh giá độ phù hợp của mô hình
Hệ số R2 điều chỉnh (Adjusted R square) = 0.507, điều này nói lên rằng mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với dữ liệu thực tế đến 50,7%.
Kiểm định độ phù hợp của mô hình
Kiểm định F là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính trên tổng thể. Tức là dựa vào giá trị Sig để kiểm định mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập trên tổng thể hay không.
Dựa vào bảng phân tích ANOVA, ta thấy Sig = 0,000 < 0,05, như vậy có thể kết luận là các biến độc lập hiện có trong mô hình có thể giải thích được sự thay đổi của biến phụ thuộc trên tổng thể với mức ý nghĩa kiểm định là 5%. Điều này có nghĩa là mô hình tác giả xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
Kết quả phân tích phương sai ở bảng 4.14 cho thấy tổng bình phương của hồi quy bằng 125,196 lớn hơn nhiều so với tổng bình phương của phần dư bằng 117,457. Chứng tỏ mô hình nghiên cứu đã giải thích được hầu hết phương sai của biến phụ thuộc.
Kiểm định đa cộng tuyến
Kiểm định đa cộng tuyến bằng hệ số phóng đại phương sai (VIF). Nếu VIF lớn hơn 10 thì có thể xảy ra hiện tượng đa cộng tuyến (Nguyễn Đình Thọ, 2011). Kết quả cho thấy hệ số phóng đại phương sai (VIF) có giá trị từ 1.258 đến 1.489, đạt yêu cầu (VIF < 10). Vậy mô hình hồi quy tuyến tính bội không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
Phương trình hồi quy tuyến tính bội
Các biến độc lập TTT, UT, LHT, CL đều có mức sig < 0.05 nên cả 4 nhân tố này đều có ý nghĩa trong mô hình hồi quy. Tất cả các hệ số β của 4 biến này đều mang dấu (+), nghĩa là các biến này đều có tương quan dương với biến Y. Điều này phù hợp với các giả thuyết trong mô hình đề nghị của tác giả.
Ngoại trừ hệ số hồi quy của yếu tố giá tour (GT) : Sig = 0,604 > 0,05 không có mối tương quan đủ mạnh và không có ý nghĩa thống kê khi đưa vào mô hình phân
tích. Như vậy, khi khách hàng đến với công ty du lịch Vietravel là một công ty có uy tính và thương hiệu cao trên thị trường, chất lượng dịch vụ luôn đứng đầu cho nên yếu tố giá tour không được chú trọng tới. Và đa phần khách hàng mong muốn có một chuyến đi ý nghĩa và được phục vụ tốt để tận hưởng cuộc sống thì họ chấp nhận các giá phải trả.
Qua phân tích này cho thấy, trong các yếu tố thì yếu tố thông tin tour (TTT) có tác động mạnh nhất đến sự hài lòng của khách hàng (hệ số 0.515), uy tính thương hiệu (UT), loại hình tour (LHT) và chất lượng (CL) có ảnh hưởng đến sự hài lòng của khách hàng ở mức độ thấp hơn.
Như vậy, kết quả kiểm định các giả thuyết được trình bày trong bảng 4.16
Bảng 4.16 : Kết quả kiểm định giả thuyết
Nội dung | Sig | VIF | Kết quả kiểm định | |
H5 | Thông tin tour phong phú và chính xác, mức độ phong phú và chính xác về thông tin tour ảnh hưởng đến sự hài lòng của khách hàng | 0,000 | 1,326 | Chấp nhận |
H4 | Uy tín thương hiệu, là yếu tố quyết định đến lòng trung thành của khách hàng | 0,000 | 1,471 | Chấp nhận |
H3 | Loại hình tour và các dịch vụ, có nhiều loại hình, nhiều sản phẩm khác nhau để lựa chọn, để thõa mãn những nhu cầu khác nhau của khách hàng | 0,020 | 1,489 | Chấp nhận |
H1 | Chất lượng, nhân tố tác động đến sự hài lòng của khách hàng | 0,008 | 1,258 | Chấp nhận |
H2 | Giá tour và giá các dịch vụ, tác động của yếu tố giá cả đến sự hài lòng của khách hàng | 0,604 | 1,367 | Không chấp nhận |
Với dữ liệu thu được trong phạm vi nghiên cứu của đề tài và dựa vào bảng kết quả hồi quy tuyến tính bội, phương trình hồi quy tuyến tính bội thể hiện các nhân tố ảnh hưởng đến sự hài lòng của khách hàng như sau:
Y = 0,439 X1 + 0,248X3 + 0,119X4 + 0,124X5
MDCN = 0,439 TTT + 0,248 UTT + 0,119 LHT + 0,124 CL
Hệ số R2 = 0,507 chứng tỏ mô hình nghiên cứu đã phù hợp 50.7% với tập dữ liệu, mô hình đã giải thích được 50.7% sự biến thiên thay đổi của dữ liệu nghiên cứu, bên cạnh đó hệ số Durbin – Watson được sử dụng để kiểm định sự tương quan của các sai số kề nhau của mô hình.
Giả thuyết H0 được đặt ra là hệ số tương quan tổng thể của các phần dư bằng 0, nếu phần dư không có tương quan chuỗi bậc nhất với nhau thì giá trị hệ số 1<Durbin–Watson<3. Kết quả hồi quy trong bảng 4.13 cho thấy hệ số Durbin–Watson = 1.812 ta có kết luận rằng sai số có tính độc lập không có tương quan giữa phần dư hay nói cách khác ta chấp nhận H0, các giả định về sai số không bị vi phạm.
4.2.7. Kiểm định sự phân phối chuẩn của phần dư
Đối với kiểm định này, nếu trung bình của phần dư (Mean) bằng 0 và độ lệch chuẩn (Std.Dev) bằng 1 thì có thể kết luận rằng phần dư có phân phối chuẩn không bị vi phạm. Căn cứ vào biểu đồ 4.17, nhận thấy giá trị trung bình của phần dư bằng 0 và độ lệch chuẩn bằng 0,991 tức xấp xỉ bằng 1. Như vậy, chúng ta có thể kết luận rằng phần dư có phân phối chuẩn và đạt điều kiện để chạy phân tích hồi quy.
Biểu đồ 4.17: Giả định phân phối chuẩn của phần dư
Biểu đồ 4.18: Biểu đồ biểu thị sự phân phối chuẩn của phần dư
4.2.8. Kiểm định các giả định hồi quy
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, bạn phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự suy rộng các kết quả của mẫu cho các giá trị của tổng thể phải trên cở sở các giả định cần thiết (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) như sau:
Giả định liên hệ tuyến tính
Kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự doán chuẩn hóa (Standardized predicted value). Kết quả cho thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 và không có một hình dạng cụ thể nào. Như vậy giả định liên hệ tuyến tính được chấp nhận.
Biểu đồ: 4.19: Biểu đồ phân tán giữa phần dư chuẩn hóa và giá trị ước lượng
4.2.9. Kiểm định sự khác biệt theo giới tính
Bảng 4.20. Kết quả kiểm định sự khác biệt về giới tính
gioi tinh | N | Mean | Std. Deviation | Std. Error Mean | |
Y | Nu | 178 | 3,3427 | ,89599 | ,06716 |
Nam | 107 | 3,2991 | ,97337 | ,09410 |
Kiểm định phương sai đồng nhất - Levene | Kiểm định đồng nhất của giá trị trung bình (t-test) | |||||||||
F | Sig. | t | df | Sig.(2-tailed) | Độ lệch trung bình | Độ lệch chuẩn | Độ lệch tin cậy 95% | |||
Thấp hơn | Cao hơn | |||||||||
Y | Phương sai đồng nhất | ,517 | ,473 | ,385 | 283 | ,700 | ,04363 | ,11324 | -,17927 | ,26653 |
Phương sai không đồng nhất | ,377 | 209,008 | ,706 | ,04363 | ,11561 | -,18427 | ,27153 | |||