Trang chủ / Dịch Vụ Du Lịch

Tổng Hợp Các Nhân Tố Sau Khi Hoàn Thành Phân Tích Cronbach’S Alpha 33469



An ninh – An toàn Cronbach’s Alpha = 0,665 N = 4

ANAT1 10,72 3,247 0,448 0,597

ANAT2 10,71 3,298 0,460 0,589

ANAT3 10,74 3,336 0,433 0,607

ANAT4 10,71 3,377 0,443 0,601

Khả năng đáp ứng Cronbach’s Alpha = 0,944 N = 7

KNDU1 21,52 16,548 0,869 0,931

KNDU2 21,54 16,713 0,814 0,936

KNDU3 21,57 16,169 0,927 0,926

KNDU4 21,54 16,588 0,830 0,934

KNDU5 21,55 17,079 0,776 0,939

KNDU6 21,48 17,510 0,734 0,943

KNDU7 21,54 17,059 0,753 0,941

Giá cả dịch vụ Cronbach’s Alpha = 0,720 N = 3

GCDV1 7,11 2,267 0,571 0,600

GCDV2 7,14 2,099 0,548 0,624

GCDV3 7,19 2,210 0,507 0,673

Tài nguyên địa phương Cronbach’s Alpha = 0,774 N = 4

TNDP1 10,54 3,329 0,577 0,719

TNDP2 10,43 3,319 0,611 0,701

TNDP3 10,41 3,419 0,543 0,737

TNDP4 10,38 3,324 0,574 0,720

Yếu tố con người Cronbach’s Alpha = 0,672 N = 3

YTCN1 7,10 1,405 0,522 0,525

YTCN2 7,03 1,646 0,435 0,638

Có thể bạn quan tâm!

Xem toàn bộ 99 trang tài liệu này.

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 - 7


YTCN3 67,02 1,519 0,498 0,559

Cảm nhận dịch vụ (Sự hài lòng) Cronbach’s Alpha = 0,679 N = 3

CNDV1 7,11 1,656 0,525 0,540

CNDV2 7,06 1,702 0,522 0,546

CNDV3 7,04 1,843 0,431 0,662

(Nguồn: tác giả tổng hợp từ kết quả phân tích SPSS)


Bảng 4.5. Tổng hợp các nhân tố sau khi hoàn thành phân tích Cronbach’s Alpha


Trước phân tích Cronbach’s Alpha


Sau phân tích Cronbach’s Alpha

Nhân tố





Số biến

Hệ số Cronbach’s Alpha


Số biến đạt yêu cầu

Cơ sở hạ tầng

4

0,919

4

An ninh – An toàn

4

0,665

4

Khả năng đáp ứng

7

0,944

7

Giá cả dịch vụ

3

0,720

3

Tài nguyên địa phương

4

0,774

4

Yếu tố con người

3

0,672

3

Cảm nhận dịch vụ (Sự hài lòng)

3

0,679

3

(Nguồn: tác giả tổng hợp từ kết quả phân tích SPSS)


4.3.2. Đánh giá thang đo thông qua phân tích nhân tố khám phá EFA

Cũng từ cơ sở lý thuyết ở chương 3, tác giả thấy rằng việc sử dụng kết quả của EFA trong nghiên cứu chính là nền tảng cho bước tiếp theo của nghiên cứu;

Phân tích nhân tố bằng phương pháp thành phần chính (Principle Component) cho phép rút gọn nhiều biến quan sát ít nhiều có liên quan với nhau thành những đại lượng được thể hiện dưới dạng mối tương quan theo đường thẳng gọi là nhân tố. Khi thực hiện phân tích nhân tố, các nhà nghiên cứu thường quan tâm:

(1) Hệ số KMO >= 0,5, kiểm định Bartlett có ý nghĩa thống kê (Sig =< 0,05)

– (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)

(2) Tổng phương sai trích >= 0,5 và Giá trị Eigenvalue > 1 (Gerbing và Anderson, 1988)

Như vậy, khi chạy phân tích nhân tố khám phá EFA, tác giả đã lựa chọn khai báo điều kiện giữ lại các biến có hệ số tải nhân từ 0,5 trở lên để có thêm cơ sở loại biến trong các phân tích của tác giả.


4.3.2.1. Phân tích nhân tố khám phá cho các biến độc lập

Hệ số KMO = 0,871 > 0,5 và Sig = .000 thì có thể khẳng định dữ liệu là thích hợp cho phân tích nhân tố

Ngoài ra, có 6 nhân tố được rút trích tại giá trị Eigenvalues là 1,143 > 1 và tổng phương sai trích là 68,476% > 50%. Khi đó, ta có thể nói rằng, các phương sai trích giải thích được 68,476% sự biến thiên của dữ liệu.

Vậy tác giả đã nhận được 1 tập hợp gồm 28 biến được thỏa mãn điều kiện được đưa ra


Bảng 4.6. Kết quả KMO và kiểm định Bartlett’s


KMO


0,871


Chi – bình phương

4400,257

Kiểm định Bartlett's

df

300


Sig.

0,000

(Nguồn: tác giả tổng hợp từ kết quả phân tích SPSS)


Bảng 4.7. Ma trận xoay nhân tố


Biến quan sát

Hệ số tải nhân tố của các thành phần








1

2

3

4

5

6

KNDU1

0,893






KNDU3

0,888






KNDU7

0,836






KNDU2

0,832






KNDU4

0,768






KNDU5

0,766






KNDU6

0,743






CSHT1


0,877





CSHT2


0,866





CSHT4


0,809





CSHT3


0,806





TNDP2



0,784




TNDP1



0,749




TNDP4



0,697




TNDP3



0,692




ANAT3




0,731



ANAT2




0,727



ANAT4




0,681



ANAT1




0,607



GCDV1





0,819


GCDV2





0,794


GCDV3





0,770


YTCN1






0,737

YTCN2






0,684

YTCN3






0,677

(Nguồn: tác giả tổng hợp từ kết quả phân tích SPSS)


Qua kết quả ma trận xoay, ta tiến hành nhóm các biến trong nhân tố về cùng một nhân tố chung, cụ thể như sau:

(1) Nhân tố “Cơ sở hạ tầng” gồm 4 biến: CSHT1;CSHT2; CSHT3; CSHT4

(2) Nhân tố “An ninh – An toàn” gồm 4 biến: ANAT1; ANAT2; ANAT3;

ANAT4

(3) Nhân tố “Khả năng đáp ứng” gồm 7 biến: KNDU1; KNDU2; KNDU3;

KNDU4; KNDU5; KNDU6; KNDU7

(4) Nhân tố “Giá cả dịch vụ” gồm 3 biến: GCDV1; GCDV2; GCDV3

(5) Nhân tố “Tài nguyên địa phương” gồm 4 biến: TNDP1;TNDP2; TNDP3;

TNDP4

(6) Nhân tố “Yếu tố con người” gồm 3 biến: YTCN1; YTCN2; YTCN3


4.3.2.2. Phân tích nhân tố cho các biến phụ thuộc

Hệ số KMO = 0,651 > 0,5 và Sig. < 0,05 và có 3 nhân tố được rút trích tại giá trị Eigenvalues là 1,830 > 1 và tổng phương sai trích là 60,987% > 50%. Khi đó, ta có thể nói rằng, các phương sai trích giải thích được 60,9873% sự biến thiên của dữ liệu và không có biến nào bị loại với các hệ số nhân tố đều lớn hơn 0,5. Qua đó, tác giả đã nhận được 1 tập hợp gồm 3 biến quan sát: CNDV1; CNDV2; CNDV3


Bảng 4.8. Kết quả KMO và kiểm định Bartlett’s


KMO


0,651


Chi – bình phương

139,632

Kiểm định Bartlett's

df

3


Sig.

0,000

(Nguồn: tác giả tổng hợp từ kết quả phân tích SPSS)


Bảng 4.9. Tổng phương sai trích



Các giá trị đặc trưng ban đầu

Tổng phương sai trích

Thành phần

Tổng


chênh lệch

%


Tích lũy

%


Tổng


chênh lệch

%


Tích lũy

%

1

1,830

60,987

60,987

1,830

61,003

60,987

2

0,665

22,164

83,151




3

0,505

16,849

100,000




(Nguồn: tác giả tổng hợp từ kết quả phân tích SPSS)


Qua việc phân tích nhân tố khám phá EFA thì mô hình của tác giả vẫn không thay đổi, chỉ thay đổi về các biến trong các nhân tố.


Bảng 4.10. Tổng hợp thang đo sau khi phân tích EFA


TT

Tên nhân tố

Số biến

1

Cơ sở hạ tầng

CSHT1; CSHT2; CSHT3; CSHT4

2

An ninh – An toàn

ANAT1; ANAT2; ANAT3; ANAT4


3


Khả năng đáp ứng

KNDU1; KNDU2; KNDU3; KNDU4; KNDU5; KNDU6; KNDU7

4

Giá cả dịch vụ

GCDV1; GCDV2; GCDV3

5

Tài nguyên địa phương

TNDP1; TNDP2; TNDP3; TNDP4

6

Yếu tố con người

YTCN1; YTCN2; YTCN3


7

Cảm nhận dịch vụ (Sự hài lòng)


CNDV1; CNDV2; CNDV3

(Nguồn: Tác giả tổng hợp)


4.4. Kiểm định mô hình và các giả thuyết

4.4.1. Phân tích tương quan

Phân tích tương quan Person là một bước rất quan trọng trước khi phân tích hồi quy đa biến. Sử dụng hệ số tương quan Person để xem xét mối quan hệ giữa các biến độc lập với biến phụ thuộc hoặc giữa các biến độc lập với nhau

Bảng 4.11. Kết quả chạy tương quan Person




CNDV

CSHT

ANAT

KNDU

GCDV

TNDP

YTCN


Tương quan

Pearson

1

.646**

.309**

.674**

.081**

.624**

.504**

CNDV








Sig. (2-tailed)


.000

.000

.000

.000

.000

.000


N

290

290

290

290

290

290

290


Tương quan

Pearson

.646**

1

.234**

.476**

.013**

.436**

.335**

CSHT








Sig. (2-tailed)

.000


.000

.000

.000

.000

.000


N

290

290

290

290

290

290

290


Tương quan

Pearson

.309**

.234**

1

.219**

.097**

.239**

.105**

ANAT








Sig. (2-tailed)

.000

.000


.000

.000

.000

.000


N

290

290

290

290

290

290

290


Tương quan

Pearson

.674**

.476**

.219**

1

-.025**

.401**

.526**

KNDU








Sig. (2-tailed)

.000

.000

.000


.000

.000

.000


N

290

290

290

290

290

290

290


Tương quan

Pearson

.081**

.**

.372**

.362**

1

.324**

.077**

GCDV








Sig. (2-tailed)

.000

.000

.000

.000


.000

.000


N

290

290

290

290

290

290

290


Tương quan

Pearson

.624**

.436**

.239**

.401**

.001**

1

.354**

TNDP








Sig. (2-tailed)

.000

.000

.000

.000

.000


.000


N

290

290

290

290

290

290

290


Tương quan

Pearson

.504**

.335**

.105**

.526**

.077**

.354**

1

YTCN








Sig. (2-tailed)

.000

.000

.000

.000

.000

.000



N

290

290

290

290

290

290

290

(Nguồn: tác giả tổng hợp từ kết quả phân tích SPSS)


Sau khi chạy kết quả nhìn vào bảng ta có thể thấy giá trị sig giữa biến phụ thuộc với các biến độc lập đều nhỏ hơn 0,05 vì vậy không loại nhân tố nào và điều này có nghĩa các biến có sự tương quan với nhau.


4.4.2. Phân tích hồi quy

4.4.2.1. Mô hình hồi quy và tính phù hợp của mô hình

Phương pháp hồi quy được sử dụng trong nghiên cứu này là phương pháp bình phương nhỏ nhất OLS (Ordinary Least Squares) với biến phụ thuộc là Cảm nhận (sự hài lòng) về dịch vụ du lịch, biến độc lập gồm 6 yếu tố: 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.

Kết quả phân tích tương quan cho thấy biến phụ thuộc có mối tương quan tuyến tính với 6 biến độc lập, do đó tác giả đưa tất cả 6 biến độc lập này vào phân tích hồi quy với phương pháp đưa vào cùng lúc (phương pháp Enter).


Bảng 4.12. Đánh giá độ phù hợp của mô hình


Model

R

R

Square

Adjusted R Square

Std. Error of the Estimate

Durbin- Watson

1

0,832a

0,693

0,686

0,342

2,098




(Nguồn: tác giả tổng hợp từ kết quả phân tích SPSS)


Mô hình có hệ số tương quan R = 0,832 = 83,2% cho biết các biến có mối tương quan tuyến tính chặt chẽ. Với hệ số xác định R2 hiệu chỉnh = 0,693 cho thấy độ thích hợp của mô hình là 69,3% nói cách khác điều này cho thấy mối quan hệ giữa biến phụ thuộc và biến độc lập là khá tốt, biến độc lập ảnh hưởng 69,3% sự thay đổi của biến phụ thuộc.

Xem toàn bộ nội dung bài viết ᛨ

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

Ngày đăng: 18/08/2022