GCDV2 | Sản phẩm DV du lịch đúng như nhà làm du lịch cam kết | |
GCDV3 | Giá cả các dịch vụ hợp lý, không chặt chém | |
TNDP1 | Cảnh quan thiên nhiên | |
Tài nguyên địa phương | TNDP2 | Có nhiều cảnh quan sinh thái đặc trưng |
TNDP3 | Sản vật địa phương | |
TNDP4 | Sự đa dạng các món ăn | |
YTCN1 | Sự thân thiện của người dân địa phương | |
Yếu tố con người | YTCN2 | Ngoại hình nhân viên |
YTCN3 | Trang phục nhân viên dễ nhìn | |
CNDV1 | Nhìn chung các Dịch vụ liên quan đến du lịch khiến tôi hài lòng | |
Cảm nhận dịch vụ (Sự hài lòng) | ||
CNDV2 | Tôi sẽ tiếp tục đến Đồng Nai du lich nếu có dịp | |
Tôi sẽ giới thiệu người quen đến Đồng Nai du lịch để trải nghiệm | ||
CNDV3 |
Có thể bạn quan tâm!
-
Những nhân tố cơ bản ảnh hưởng đến sự hài lòng của du khách về chất lượng dịch vụ du lịch trên địa bàn tỉnh Đồng Nai - 2 -
Mối Quan Hệ Giữa Chất Lượng Dịch Vụ Và Sự Hài Lòng Khách Hàng -
Những nhân tố cơ bản ảnh hưởng đến sự hài lòng của du khách về chất lượng dịch vụ du lịch trên địa bàn tỉnh Đồng Nai - 4 -
Lượng Khách Du Lịch Đến Đồng Nai Giai Đoạn2012-2016 -
Tổng Hợp Các Nhân Tố Sau Khi Hoàn Thành Phân Tích Cronbach’S Alpha -
Nhóm Giải Pháp Đối Với Chính Sách Xúc Tiến Đầu Tư Phát Triển Du Lịch.
Xem toàn bộ 99 trang tài liệu này.
(Nguồn: tác giả tự nghiên cứu)
3.2.3. Thang đo chính thức
Sau quá trình thảo luận, bổ sung tác giả đã xây dựng thang đo chính thức như bên dưới. Các phát biểu trong thang đo được đánh giá bằng bộ thang đo Likert 5 mức độ: (1) “Hoàn toàn không hài lòng”; (2) “Không hài lòng”; (3) “Bình thường”;
(4) “Khá hài lòng”; (5) “Rất hài lòng”
3.3. Thiết kế bảng câu hỏi chính thức
Bảng hỏi được thiết kế với hai phần:
Phần thứ nhất là phần đánh giá liên quan đến hành vi tiêu dùng trong việc sử dụng dịch vụ du lịch. Phần này sử dụng bảng câu hỏi có thang đo Likert 5 mức độ, bắt đầu từ 1 là “hoàn toàn không đồng ý” đến 5 là “hoàn toàn đồng ý” tương ứng với các nội dung được nêu ra.
Phần thứ hai là phần thông tin cá nhân gồm độ tuổi, giới tính, nghề nghiệp,…
3.4. Nghiên cứu định lượng
Sau khi có bảng câu hỏi hoàn chỉnh tác giả tiến hành khảo sát mở rộng trên địa bàn tỉnh Đồng Nai bằng phương pháp chọn mẫu thuận tiện. Sau đó xử lý số liệu bằng phần mềm SPSS 20.0
3.5. Phương pháp thu thập dữ liệu
Đối với dữ liệu thứ cấp: dữ liệu được thu thập từ nhiều nguồn khác nhau như sách giáo khoa chuyên ngành, các website uy tín, các báo cáo của các cơ quan quản lý, các bài viết của các chuyên gia nghiên cứu thị trường và các luận văn nghiên cứu của các tác giả khác đã được công bố trên các tạp chí khoa học và Niên gián thống kê tỉnh Đồng Nai năm 2012-2016.
Đối với dữ liệu sơ cấp: (1) đầu tiên dữ liệu được thu thập bằng cách phỏng vấn sâu. Kết quả sẽ được dùng để hoàn thiện mô hình. Sau đó xây dựng bảng hỏi và tiến hành khảo sát thử nghiệm. (2) Sau khi khảo sát thử nghiệm tiến hành điều chỉnh bảng hỏi lần nữa và bắt đầu khảo sát trên diện rộng bằng cách trực tiếp phỏng vấn các đối tượng là những du khách đang tham quan du lịch trên địa bàn tỉnh Đồng Nai. (3) Tiếp theo là chọn lọc và làm sạch nhằm loại bỏ những phiếu không đạt yêu cầu. Sau đó mã hóa bảng câu hỏi và nhập dữ liệu vào hệ thống máy tính. (4) Cuối cùng, xử lý liệu bằng phần mềm SPSS 20.0 và sẵn sàng cho việc phân tích dữ liệu.
3.6. Phương pháp chọn mẫu
Phương pháp chọn mẫu được sử dụng trong phạm vi nghiên cứu của đề tài bằng phương pháp chọn mẫu thuận tiện đến các địa điểm du lịch trên đại bàn tỉnh Đồng Nai thu thập dữ liệu trực tiếp cụ thể trên 3 địa điểm du lịch đó là Khu du lịch thác Giang Điền; Khu du lịch Bửu Long và Chiến khu D của tỉnh Đồng Nai .
Về quy mô mẫu, trong nghiên cứu khoa học việc xác định kích thước mẫu là rất quan trọng, kích cỡ mẫu phải đủ lớn. Có nhiều lý thuyết về xác định kích cỡ mẫu:
Để thực hiện xác định quy mô mẫu trong trường hợp sử dụng phương pháp phân tích nhân tố EFA theo Kass và Tinsley (1979) đề nghị thì kích thước mẫu tối thiểu phải bằng 5 hoặc 10 lần số biến quan sát,
Bên cạnh đó theo Green (1991) cho rằng để phân tích hồi quy đạt kết quả tốt nhất thì kích thước mẫu cần phải đảm bảo theo công thức n >= 8k + 50 (trong đó: n là cỡ mẫu; k là số biến của mô hình).
Hair và cộng sự (1998) cho rằng đối với phân tích nhân tố khám phá EFA thì “kích thước mẫu tối thiểu là 5 mẫu trên một biến quan sát”. Cũng theo Hair và cộng sự (2006) cho rằng “để sử dụng EFA thì kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát so với biến đo lường là 5:1, nghĩa là 1 biến tiềm ẩn đo lường cần tối thiểu 5 biến quan sát, tốt nhất là tỉ lệ 10:1 trở lên”
Nguyễn Đình Thọ (2011), “kích thước mẫu cần nghiên cứu phụ thuộc vào nhiều yếu tố như phương pháp phân tích dữ liệu và độ tin cậy cần thiết.Hiện nay các nhà nghiên cứu xác định rõ cỡ mẫu cần thiết thông qua công thức kinh nghiệm cho từng phương pháp xử lý”. Trong EFA cỡ mẫu xác định thường thông qua hai yếu tố là kích thước tối thiểu và số lượng biến đo lường đưa vào phân tích.
Như vậy, trong bài nghiên cứu này tác giả theo Green (1991) dựa vào bảng hỏi của nghiên cứu của tác giả có 28 biến quan sát nên kích thước mẫu tối thiểu cho nghiên cứu này là (8 x 28) + 50 = 274. Tuy nhiên, để quá trình phân tích đạt kết quả và đáng tin cậy nên tác giả quyết định tăng kích thước mẫu lên là 300.
3.7. Xử lý và phân tích dữ liệu
Để thực hiện công việc thống kê và phân tích dữ liệu thu thập tác giả sử dụng phần mềm SPSS 20.0 để kiểm định độ tin cậy của thang đo và thực hiện phân tích các chỉ tiêu thống kê.
3.7.1. Xử lý dữ liệu
3.7.1.1. Làm sạch số liệu
Trước khi xử lý và phân tích dữ liệu bảng hỏi cần được kiểm tra để loại bỏ những phiếu không thỏa phạm vi nghiên cứu của đề tài, những phiếu trả lời không đạt do người được khảo sát trả lời thiếu hoặc mỗi quan sát có từ 2 ý trả lời trở lên. Sau khi nhập dữ liệu vào máy tiến hành kiểm tra lỗi như sai, sót hay thừa dữ liệu; loại bỏ những quan sát có điểm số bất thường bằng các thống kê mô tả như bảng tần
số. Tác giả khảo sát được 300 bảng câu hỏi nhưng sau quá trình làm sạch dữ liệu bảng hỏi còn lại 290 phiếu.
3.7.1.2. Mã hóa bảng hỏi
Các dữ liệu định tính không phải dạng số thì được mã hóa thành các con số như phần thứ hai của bảng hỏi
Các dữ liệu định lượng sẽ được mã hóa như mục 3.2.3 thang đo chính thức
3.7.2. Phương pháp phân tích dữ liệu
3.7.2.1. Thống kê mô tả mẫu điều tra
Các thống kê mô tả (bảng tần số) sử dụng trong nghiên cứu này để phân tích, mô tả dữ liệu về đối tượng tham gia điều tra. Được dùng để mô tả để mô tả mẫu khảo sát, tóm tắt dữ liệu dưới dạng bảng hay đồ thị
3.7.2.2. Kiểm định hệ số tin cậy Cronbach’s Alpha
Để đánh giá độ tin cậy của thang đo tác giả sử dụng hệ số Cronbach’s Alpha (α) để đánh giá độ tin cậy của thang đo. Thông qua phần mềm SPSS 20.0 xử lý và sàng lọc loại bỏ các biến quan sát không đạt tiêu chuẩn độ tin cậy trong đó. Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ của tập hợp các biến quan sát thông qua hệ số Cronbach’s Alpha. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, tr.257,258) cùng các nhà nghiên cứu khác khẳng định rằng khi hệ số Cronbach’s Alpha có giá trị từ 0,60 trở lên là chấp nhận được.
Về mặt lý thuyết, hệ số Cronbach’s Alpha càng cao thì càng tốt (chứng tỏ thang đo cao càng có độ tin cậy cao). Mặt khác, khi hệ số Cronbach’s Alpha quá lớn (0,95) thì sẽ xuất hiện hiện tượng đa cộng tuyến trong đo lường, có nghĩa là nhiều biến trong thang đo không có sự khác biệt nhau nhiều (theo Nguyễn Đình Thọ, 2011). Tùy theo bối cảnh nghiên cứu mà nhà nghiên cứu quyết định hệ số Cronbach’s Alpha phải lớn hơn 0,6; 0,7 hoặc 0,8.
Theo Nunally (1978), Peterson (1994) và Slate (1995) hệ số Cronbach’s Alpha được xét trong các trường hợp như sau:
0,60 ≤ α < 0,7: Khá tin cậy (trong trường hợp nghiên cứu hoàn toàn mới hoặc mới trong bối cảnh nghiên cứu)
0,70 ≤ α < 0,80: Tốt.
0,80 ≤ α < 0,90: Rất tốt
Tuy nhiên, bên cạnh hệ số Cronbach’s Alpha người ta còn sử dụng hệ số tương quan biến tổng (iterm total correlation), do hệ số Cronbach’s Alpha không cho biết biến nào nên giữ lại và biến nào nên loại bỏ; theo đó những biến có hệ số tương quan biến tổng < 0,3là biến rác và sẽ bị loại bỏ (Nguyễn Đình Thọ, 2011).
3.7.2.3. Phân tích nhân tố khám phá EFA
Để tìm ra những nhân tố ảnh hưởng đến sự hài lòng về chất lượng dịch vụ du lịch. Trong nghiên cứu này, phân tích nhân tố được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu, trong nghiên cứu ta có thể thu thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải cần giảm xuống đến một số lượng mà chúng ta có thể sử dụng được.
Phân tích nhân tố khám phá EFA được sử dụng phổ biến để đánh giá giá trị của thang đo. Tham số trong phân tích nhân tố gồm:
(1) Tiêu chuẩn Bartlett kiểm định dùng xem xét mối liên hệ lẫn nhau giữa các biến dùng trong phân tích. Bartlett là đại lượng thống kê dùng để xem xét giả thuyết các biến không tương quan trong tổng thể. Điều kiện cần để phân tích nhân tố là các biến phải có tương quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Phép thử Bartlett phải có mức ý nghĩa nhỏ hơn 0,05 (Hair và cộng sự, 2006)
(2) Hệ số tải nhân tố (Factor loadings): là những hệ số tương quan đơn giữa các biến và các nhân tố (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Hệ số này phải có giá trị tối thiểu là 0,3; lớn hơn 0,4 được xem là quan trọng và lớn hơn 0,5 được xem là có ý nghĩa thực tiễn. Nếu cỡ mẫu khoảng 100 thì nên thì nên chọn tiêu chuẩn hệ số tải nhân tố lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố lớn hơn 0,75. Với các biến không đạt tiêu chí thì bị loại vì không phải là biến quan trọng trong mô hình
(3) Hệ số KMO (Kaiser - Mayer – Olkin) dùng để đánh giá sự thích hợp EFA. Theo đó 0,5 ≤ KMO ≤ 1 và Sig < 0,05 thì có thể khẳng định dữ liệu là thích hợp cho phân tích nhân tố. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu cần phải lần lượt bỏ items cho đến khi giá trị này thỏa mãn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, Tr.262).
30
(4) Correlation Matrix ma trận thể hiện số tương quan giữa các cặp biến quan sát dùng trong phân tích.
(5) Communality = tổng bình phương các hệ số tải nhân tố. Có thể xem communality như là R2 của mô hình hồi quy với biến phụ thuộc là biến quan sát và các biến độc lập là các nhân tố.
(6) Để thực hiện phân tích nhân tố tác giả dựa vào sự tương quan của các biến đo được (thể hiện qua bảng Matrix). Qua bảng ma trận tương quan để thấy rằng các biến ít nhiều phải có mối liên hệ với nhau thành những đại lượng được thể hiện dưới dạng mối tương quan theo đường thằng gọi là nhân tố (factors).
3.7.2.4. Phân tích hồi quy bội
Dựa trên các nhân tố đã rút trích, đề tài sử dụng phương pháp hồi quy để mô tả mối liên hệ giữa các biến độc lập: Cơ sở hạ tầng, An ninh - An toàn, Khả năng đáp ứng, Giá cả dịch vụ, Tài nguyên địa phương và Yếu tố con người đến biến phụ thuộc là Cảm nhận dịch vụ (Sự hài lòng).
Dạng hồi quy:
Cảm nhận dịch vụ (Sự hài lòng) = β0 + β1Cơ sở hạ tầng + β2An ninh trật tự và sự an toàn + β3Khả năng đáp ứng + β4Giá cả dịch vụ + β5Tài nguyên du lịch địa phương + β6Yếu tố con người.
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6
Để kiểm tra các mối quan hệ trong mô hình nghiên cứu tác giả sử dụng phân tích hồi quy bội. Thang đo của các yếu tố sau khi đã được kiểm định sẽ được xử lý chạy hồi quy tuyến tính- một kỹ thuật rất có ưu thế.
Kiểm định mô hình lý thuyết là để đánh giá mức độ tương quan giữa các biến độc lập và biến phụ thuộc. Phân tích hồi quy bội cần thực hiện các kiểm tra sau:
(1) Kiểm tra hiện tượng đa cộng tuyến: sử dụng công cụ VIF để kiểm tra hiện tượng đa cộng tuyến, nếu VIF < 10 có thể kết luận không có hiện tượng đa cộng tuyến. (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008)
(2) Kiểm định tương quan từng phần của các hệ số hồi quy: theo Hoàng Trọng – Chu Nguyễn Mộng Ngọc (2008) thì ta cần xem giá trị sig của các hệ số hồi
quy. Nếu sig < 0,05 thì kết luận hệ số có ý nghĩa thống kê, ngược lại thì loại bỏ biến tương ứng khỏi mô hình.
(3) Kiểm tra mức độ phù hợp của mô hình: đánh giá xem có mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc không. Mô hình được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác 0 và không phù hợp nếu tất cả hệ số hồi quy bằng 0.
Tóm tắt chương 3
Trong chương 3, trên cơ sở mô hình nghiên cứu tác giả xây dựng quy trình nghiên cứu, nội dung của chương tập trung vào tiến trình nghiên cứu đưa ra nguồn gốc và cách thức thu thập dữ liệu, giới thiệu cách xác định cỡ mẫu và phương pháp chọn mẫu. Trong chương này cũng đưa ra bộ thang đo cho các yếu tố trong mô hình và trình bày phương pháp phân tích dữ liệu.
Tác giả sử dụng phần mềm SPSS 20.0 hỗ trợ cho việc xử lý dữ liệu, từ đó tác giả thực hiện phân tích kết quả nghiên cứu được trình bày trong chương 4 dưới đây.