Bên cạnh đó, tác giả sử dụng kiểm định F trong phân tích phương sai ANOVA để kiểm định độ phù hợp của mô hình, nhằm xem xét biến phụ thuộc có liên hệ tuyến tính với biến độc lập hay không. Giả thiết kiểm định như sau:
H0: λ1= 0; H1: λ1 ≠ 0.
Kết quả phân tích phương sai ANOVA thể hiện như sau:
Bảng 4.16: Kết quả phân tích phương sai ANOVA của mô hình hồi quy đơn
Mô hình | Tổng các bình phương | Df | Bình phương trung bình | F | Sig. | |
1 | Phần hồi quy | 56,122 | 1 | 56,122 | 785,083 | 0,000b |
Phần dư | 16,084 | 225 | 0,071 | |||
Tổng | 72,206 | 226 | ||||
a. Biến phụ thuộc: Ý định đặt phòng | ||||||
b. Biến dự đoán: (Hằng số), Sự hài lòng | ||||||
Có thể bạn quan tâm!
-
Kết Quả Phân Tích Cronbach’S Alpha Cho Thang Đo Chính Thức Lần 1 -
Kết Quả Phân Tích Nhân Tố Thang Đo Sự Hài Lòng Của Du Khách (Biến Phụ Thuộc 1) -
Ma Trận Tương Quan Giữa Các Biến Độc Lập Và Biến Sự Hài Lòng -
Kiểm Định Sự Khác Biệt Về Ý Định Sử Dụng Dịch Vụ (Đặt Phòng) Homestay Theo Giới Tính -
Kết Quả Kiểm Định Levene Theo Tần Suất Đặt Phòng Trực Tuyến -
Những Hạn Chế Và Hướng Nghiên Cứu Tiếp Theo
Xem toàn bộ 209 trang tài liệu này.
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019)
Nhận xét:
Theo kết quả bảng 4.16, ta thấy trị số thống kê F = 785,083 với giá trị Sig. rất nhỏ (Sig. = 0,000 < 0,05) nên giả thiết H0 bị bác bỏ. Điều này có nghĩa là có sự tác động của biến Sự hài lòng lên biến phụ thuộc Ý định đặt phòng. Như vậy, mô hình tuyến tính bội mà tác giả xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.17: Hệ số hồi quy của mô hình hồi quy đơn
Mô hình | Hệ số hồi quy chưa chuẩn hóa | Hệ số hồi quy đã chuẩn hóa | T | Sig. | Thống kê đa cộng tuyến | |||
B | Sai số chuẩn | Beta | Dung sai | VIF | ||||
1 | Hằng số | 0,256 | 0,118 | 2,164 | 0,031 | |||
Sự hài lòng | 0,914 | 0,033 | 0,882 | 28,019 | 0,000 | 1,000 | 1,000 | |
a. Biến phụ thuộc: Ý định đặt phòng | ||||||||
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019)
Nhận xét:
Dựa vào kết quả phân tích hồi quy (bảng 4.17), ta có thể thấy biến Sự hài lòng đều thỏa mãn các điều kiện: Hệ số β khác 0, giá trị Sig. < 0,05 tương đương với độ tin cậy 95% và |t| > 2. Điều này có nghĩa là biến Sự hài lòng trong mô hình hồi quy đơn này có tác động đến biến Ý định đặt phòng của du kháchvà tác động này là tác động cùng chiều (các hệ số β > 0).
Từ những kết quả trên, phương trình hồi quy tuyến tính được thể hiện như sau: Phương trình hồi quy với hệ số Beta (B) chưa chuẩn hóa có dạng:
PUI = 0,256 + 0,914*SAT + ε
Phương trình hồi quy với hệ số beta (β) đã chuẩn hóa có dạng:
PUI = 0,882*SAT + ε
Kết luận:
Hệ số hồi quy đã chuẩn hóa của biến “Sự hài lòng” lớn hơn 0 (λ = 0,882), điều này có nghĩa là sự hài lòng có tác động cùng chiều đến biến phụ thuộc là “Ý định đặt phòng của du khách”.
Trọng số λ ở mức cao (λ = 0,882) cho thấy sự hài lòng của khách hàng có tác động rất lớn đến ý định sử dụng dịch vụ (đặt phòng) Homestay của họ.
4.3.3 Kiểm định các giả thuyết
Theo kết quả phân tích hồi quy cho thấy 6 nhân tố Thiết kế (WD), Mức độ tương tác (IT), Thông tin (IF), Bảo mật (SE), Sự phản hồi (RE), Niềm tin (TR) có tác động thuận chiều với Sự hài lòng và Sự hài lòng cũng có tác động thuận chiều đến Ý định đặt phòng của du khách. Như vậy, các giả thuyết H1, H2, H3, H4, H5, H6, H8 của mô hình được chấp nhận.
Bảng 4.18: Kết quả kiểm định các giả thiết
Kết quả kiểm định | |
H1: Thiết kế của website OTA du lịch Homestay có ảnh hưởng cùng chiều đến mức độ hài lòng của du khách | Chấp nhận |
H2: Mức độ tương tác của website OTA du lịch Homestay có ảnh hưởng cùng chiều đến mức độ hài lòng của du khách | Chấp nhận |
H3: Thông tin trên website OTA du lịch Homestay có ảnh hưởng cùng chiều đến mức độ hài lòng của du khách | Chấp nhận |
H4: Bảo mật của một website OTA du lịch Homestay có ảnh hưởng cùng chiều đến mức độ hài lòng của du khách | Chấp nhận |
H5: Sự phản hồi của một website OTA du lịch Homestay có ảnh hưởng cùng chiều đến mức độ hài lòng của du khách khách | Chấp nhận |
H6: Niềm tin với website OTA du lịch Homestay có ảnh hưởng cùng chiều đến mức độ hài lòng của du khách | Chấp nhận |
H7: Sự thấu cảm của một website OTA du lịch Homestay có ảnh hưởng cùng chiều đến mức độ hài lòng của du khách | Bác bỏ |
H8: Sự hài lòng có ảnh hưởng cùng chiều đến ý định mua của du khách trực tuyến | Chấp nhận |
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019)
4.3.4 Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được mà còn phải suy rộng kết quả cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết về sự vi phạm các giả định đó vì nếu các giả định bị vi phạm thì các kết quả ước lượng được không đáng tin cậy (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Sự suy rộng các kết quả của mẫu cho các giá trị của tổng thể phải đáp ứng các giả định cần thiết như sau:
- Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng như hiện tượng phương sai thay đổi: Giả định này được kiểm tra thông qua biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized Residual) và giá trị dự doán chuẩn hóa (Standardized predicted value) mà mô hình hồi quy tuyến tính cho ra. Kết quả ở hình 4.2 cho thấy phần dư chuẩn hóa phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 chứ không tạo thành một hình dạng nào cụ thể. Điều này chứng tỏ giả định quan hệ tuyến tính và phương sai bằng nhau không bị vi phạm, mô hình hồi quy hoàn toàn phù hợp.
Hình 4.2: Đồ thị Scatterplot
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019)
- Giả định về phân phối chuẩn của phần dư: Tác giả tiến hành thực hiện kiểm định này bằng việc xây dựng biểu đồ phân tán tần số Histogram của phần dư chuẩn hóa (Hình 4.3). Kết quả cho thấy, giá trị trung bình Mean gần bằng 0, độ lệch chuẩn là 0,987 gần bằng 1, như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng: Giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.3: Đồ thị tần số Histogram
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019) Quan sát đồ thị P-P Plot của phần dư (Hình 4.4), có thể thấy các điểm phân vị trong phân phối của phần dư tập trung xunh quanh đường chéo kỳ vọng, như vậy,
có thể kết luận rằng giả định phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.4: Đồ thị tần số P-P Plot
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019)
- Giả định không có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến):
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình có tương quan chặt chẽ với nhau . Hệ quả của đa cộng tuyến chính là chúng cung cấp cho mô hình những thông tin rất giống nhau, và khó tách rời ảnh hưởng của từng biến đến biến phụ thuộc. Ngoài ra, nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa khiến cho các hệ số kém ý nghĩa hơn dù R2 vẫn khá cao (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Để kiểm tra hiện tượng này, tác giả sử dụng hệ số phóng đại phương sai (Variance Inflation Factor – VIF), quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Bảng kết quả phân tích hồi quy (Bảng 4.14) cho thấy tất cả các hệ số VIF của các biến độc lập được đưa vào mô hình có giá trị từ 1,163 đến 1,421 (thỏa điều kiện
1 ≤ VIF < 10), vì thế ta có thể kết luận rằng mô hình nghiên cứu không xảy ra hiện tượng đa cộng tuyến.
4.4 Đánh giá tác động của các biến định tính đến ý định sử dụng dịch vụ (đặt phòng) Homestay
4.4.1 Kiểm định sự khác biệt về ý định sử dụng dịch vụ (đặt phòng) Homestay theo nhóm tuổi
Tác giả thực hiện phân tích phương sai ANOVA để xem xét sự khác biệt về ý định đặt phòng của du khách giữa các nhóm tuổi khác nhau.
Ho: Không có sự khác nhau về ý định đặt phòng của du khách giữa các nhóm tuổi khác nhau;
Bảng 4.19: Kết quả kiểm định Levene theo nhóm tuổi
PUI | |||
Thống kê Levene | df1 | df2 | Sig. |
3,911 | 3 | 223 | 0,009 |
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019)
Nhận xét:
Từ bảng 4.19 ta thấy, mức ý nghĩa Sig. trong kiểm định Levene nhỏ hơn 0,05 (Sig.= 0,009) nên không đủ điều kiện thực hiện phân tích ANOVA mà phải thực hiện kiểm định Welch, kết quả như bảng 4.20:
Bảng 4.20 : Kết quả kiểm định Welch theo nhóm tuổi
PUI | |||
Thống kê Welch | df1 | df2 | Sig. |
8,681 | 3 | 4,852 | 0,021 |
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019)
Dựa trên kết quả kiểm định Welch với Sig. = 0,021 < 0,05, do đó có đủ cơ sở để kết luận rằng có sự khác biệt có ý nghĩa thống kê về ý định đặt phòng Homestay giữa các nhóm tuổi khác nhau, nói cách khác, ta có thể bác bỏ giả thuyết Ho rằng “Không có sự khác nhau về ý định đặt phòng của du khách giữa các nhóm tuổi khác nhau”.
Dựa trên bảng thống kê mô tả (Bảng 4.21), ta thấy giá trị trung bình của biến phụ thuộc PUI có sự chênh lệch giữa các nhóm tuổi khác nhau. Cụ thể là nhóm tuổi “Từ 18 đến 25 tuổi” có ý định đặt phòng cao nhất trong các nhóm tuổi còn lại và tuổi càng tăng thì ý định đặt phòng Homestay càng có xu hướng càng giảm.
Bảng 4.21: Thống kê mô tả đối với biến tuổi
N | Trung bình | Độ lệch chuẩn | Sai số chuẩn | Khoảng tin cậy 95% | Giá trị thấp nhất | Giá trị cao nhất | ||
Giới hạn dưới | Giới hạn Trên | |||||||
Từ 26 đến 35 tuổi | 60 | 3,283 | 0,509 | 0,066 | 3,152 | 3,415 | 2,00 | 4,25 |
Từ 36 đến 45 tuổi | 7 | 3,143 | 0,934 | 0,353 | 2,279 | 4,006 | 2,00 | 4,50 |
Trên 45 tuổi | 2 | 3,125 | 0,177 | 0,125 | 1,537 | 4,713 | 3,00 | 3,25 |
Từ 18 đến 25 tuổi | 158 | 3,649 | 0,532 | 0,042 | 3,565 | 3,732 | 2,50 | 5,00 |
Total | 227 | 3,532 | 0,565 | 0,038 | 3,458 | 3,606 | 2,00 | 5,00 |
(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2019)