Tóm Tắt Thang Đo Ham Muốn Thương Hiệu

Bảng 3.2. Tóm tắt thang đo ham muốn thương hiệu

Nguồn

Thang đo đề tài	Mã hóa
Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2002), Dodds & ctg (1991).	Tôi tin rằng du lịch ở thành phố X đáng đồng tiền hơn các thành phố khác	BI1
	Khả năng đi du lịch đến thành phố X của tôi rất cao.	BI2
	Tôi thường xuyên đi du lịch tại thành phố X.	BI3
	Tôi tin rằng, tôi muốn đi du lịch tại thành phố X.	BI4

Có thể bạn quan tâm!

• Cơ Sở Lý Thuyết Giá Trị Thương Hiệu Và Mô Hình Nghiên Cứu
• Mô Hình Nghiên Cứu Giá Trị Thương Hiệu Của Lassar Và Ctg (1995)
• Mô Hình Lý Thuyết Các Yếu Tố Ảnh Hưởng Đến Giá Trị Thương Hiệu Du Lịch Thành Phố Hồ Chí Minh
• Tóm Tắt Thống Kê Mô Tả Mẫu
• Tóm Tắt Phân Tích Efa Biến Phụ Thuộc
• Kiểm Định Sự Khác Biệt Về Mức Độ Hài Lòng Giữa Các Nhóm Du Khách Theo Giới Tính

Xem toàn bộ 122 trang tài liệu này.

(Nguồn tác giả tổng hợp)

Thang đo Lòng trung thành thương hiệu

Đối tượng khảo sát cho rằng họ chỉ trung thành với thương hiệu đó nếu như khi sử dụng thương hiệu đó họ cảm thấy hài lòng và lần tiêu dùng tiếp theo họ sẽ tìm kiếm thương hiệu đó đầu tiên.

Lòng trung thành thương hiệu được ký hiệu là LY. Có hai cách đo lường lòng trung thành thương hiệu đó là đo lường theo thái độ và đo lường theo hành vi (vd, Schiffman & Kanuk 2000). Nghiên cứu này sử dụng đo lường lòng trung thành thương hiệu theo hướng thái độ. Thành phần lòng trung thành với 4 biến quan sát được điều chỉnh và bổ sung cho phù hợp với mức độ cảm nhận của khách du lịch trong việc lựa chọn điểm đến du lịchký hiệu từ LY1 đến LY4, dựa trên thang đo của Yoo & ctg (2000).

Bảng 3.3. Tóm tắt thang đo Lòng trung thành thương hiệu

Nguồn

Thang đo đề tài	Mã hóa
Yoo & ctg (2000)	Tôi là khách du lịch trung thành của thành phố X.	LY1
	Thành phố X là sự lựa chọn đầu tiên của tôi khi đi du lịch.	LY2
	Tôi sẽ đi du lịch tại X chứ không phải các thành phố khác.	LY3
	Nếu các thành phố khác có chương trình đặc biệt (lễ hội, giảm giá…) tôi vẫn sẽ đi du lịch tại thành phố X.	LY4

(Nguồn tác giả tổng hợp)

Thang đo Hình ảnh điểm đến

Hình ảnh điểm đến của du khách đối với một thương hiệu được đo lường dựa trên sự cảm nhận, đánh giá của du khách với các thuộc tính của thương hiệu đó. Thang đo sử dụng trong nghiên cứu để đo lường Hình ảnh điểm đến được phát triển dựa trên thang đo Hình ảnh điểm đến của Echtner và Ritchie (1991). Thang đo Hình ảnh điểm đến gồm 06 biến quan sát thể hiện đặc điểm của ngành du lịch. Đặc biệt với các nghiên cứu trước đây về Hình ảnh điểm đến của Echtner và Ritchie không có yếu tố sự trung thực trong việc mua bán các sản phẩm du lịch. Điều này cho thấy sự khác biệt trong thang đo khi được nghiên cứu vào ngành du lịch tại Thành phố Hồ Chí Minh.

Kết quả nghiên cứu định tính cho thấy, khi lựa chọn điểm đến du lịch, du khách không những chú trọng đến chất lượng của điểm đến mang lại mà còn quan tâm nhiều đến các yếu tố như giá cả tại các điểm tham quan, mức độ an toàn trên đường phố. Ngoài ra khách du lịch ngày một muốn tự trải nghiệm cuộc sống tại điểm đến mình tham quan nên việc trung thực trong mua bán các sản phẩm du lịch cũng được đưa vào Hình ảnh điểm đến. Cùng với biến mức độ an ninh, sự trung thực trong mua bán sản phẩm du lịch là hai yếu tố mới được tác giả đưa vào nghiên cứu nhằm xây dựng lại thang đo Hình ảnh điểm đến cho ngành du lịch.

Bảng 3.4. Thang đo Hình ảnh điểm đến

Nguồn

Thang đo đề tài	Mã hóa
Echtner và Ritchie (1991); Nghiên cứu định tính của tác giả	Cơ sở hạ tầng tại thành phố X rất tốt.	DI1
	Các địa điểm du lịch tại thành phố X đáp ứng nhu cầu của tôi.	DI2
	Cơ sở lưu trú, dịch vụ tại thành phố X rất tốt.	DI3
	Thành phố X có mức độ an ninh cao.	DI4
	Sự trung thực trong việc mua bán các sản phẩm cho khách du lịch tại thành phố X rất tốt.	DI5
	Một cách tổng quát, thành phố X có chất lượng du lịch cao.	DI6

(Nguồn tác giả tổng hợp)

Thang đo Giá trị thương hiệu

Thang đo này được giữ nguyên so với thang đo của Yoo và Donthu đề xuất năm 2001 và được hiệu chỉnh ngôn ngữ như sau:

Bảng 3.5. Bảng tóm tắt thang đo Giá trị thương hiệu

Nguồn

Thang đo đề tài	Mã hóa
Yoo và Donthu (2001); Jalilvand và cộng sự (2011)	Tôi thấy rất hạnh phúc khi đi du lịch tại thành phố X.	BE1
	Nếu có thành phố khác có dịch vụ du lịch tương tự X, tôi thích du lịch tại thành phố X.	BE2
	Nếu một thành phố khác có chất lượng du lịch tương tự X, thì du lịch X sẽ là một quyết định khôn ngoan.	BE3
	Tôi thấy đi du lịch ở X là một quyết định rất tốt.	BE4

(Nguồn tác giả tổng hợp)

Từ các câu hỏi định tính đã thảo luận trong cuộc thảo luận nhóm, tác giả đã đặc thù hóa các thang đo lường về các khái niệm cho phù hợp với ngành du lịch tại Việt Nam. Bên cạnh đó, tác giả cũng đề xuất và bổ sung các biến quan sát mới cho thang đo lường khái niệm Hình ảnh điểm đến gồm hai biến: DI4 (Thành phố X có mức độ an ninh cao) và DI5 (Sự trung thực trong việc mua bán các sản phẩm cho khách du lịch tại thành phố X rất tốt). Đây là hai biến quan sát mới được đưa vào với mục đích phù hợp hóa khái niệm

Hình ảnh điểm đến đối với ngành du lịch tại Việt Nam. Nếu mô hình nghiên cứu được kiểm định là có ý nghĩa trong chương trình nghiên cứu chính thức tiếp theo thì đây là đóng góp hữu ích của đề tài cho thang đo lường giá trị thương hiệu trong ngành du lịch.

Nghiên cứu chính thức (định lượng)

3.4.1. Tập thương hiệu nghiên cứu

Trong nghiên cứu này, tác giả chọn 5 thương hiệu du lịch để tiến hành khảo sát: Thành phố Hồ Chí Minh, Đà Nẵng, Hà Nội, Singapore và Bangkok. Các thương hiệu được chọn trong nghiên cứu dựa vào kết quả thảo luận nhóm, xem xét các yếu tố tương đồng với du lịch Thành phố Hồ Chí Minh và được rộng rãi khách du lịch trong nước biết đến.

Thương hiệu đi vào chương trình nghiên cứu sắp xếp ngẫu nhiên, người trả lời phỏng vấn trả lời dựa trên cảm nhận của bản thân về điểm đến du lịch mà mình đã từng trải nghiệm. Vì vậy, khách du lịch nội địa được phỏng vấn về thương hiệu du lịch trong đề tài nghiên cứu bắt buộc phải từng đến tham quan thành phố mà họ trả lời.

3.4.2. Thiết kế mẫu

Phương pháp lấy mẫu: đề tài chọn phương pháp lấy mẫu thuận tiện phi xác suất. Cỡ mẫu: Một số nghiên cứu về kích thước mẫu được các nhà nghiên cứu đưa ra, theo Hair và cộng sự (1998), để có thể tiến hành phân tích nhân tố khám phá EFA, kích thước mẫu cần tỉ lệ với biến quan sát là 5:1.

Ngoài ra, để tiến hành phân tích hồi quy một cách tốt nhất, Tabachnick (1996) cho rằng kích thước mẫu cần phải được đảm bảo theo công thức n ≥ 50 + 8p (trong đó, n: cỡ mẫu; p: số khái niệm của mô hình)

Cỡ mẫu trong nghiên cứu này sẽ áp dụng theo công thức N ≥ 5*x. Theo đó, với 24 biến quan sát thì cỡ mẫu tối thiểu trong nghiên cứu này là 24 x 5 = 120 mẫu. Nghiên cứu về cỡ mẫu do Roger (2006) thực hiện cho thấy cỡ mẫu tối thiểu áp dụng được trong các nghiên cứu thực hành là từ 150-200. Nhằm giảm sai số do chọn mẫu, tiêu chí khi thực hiện khảo sát này là trong điều kiện cho phép thì việc thu thập càng nhiều dữ liệu nghiên cứu càng tốt, giúp tăng tính đại diện cho tổng thể.Do đó, kích thước mẫu mà tác giả lựa chọn là 300 mẫu.

3.4.3. Thiết kế bảng câu hỏi

Bảng câu hỏi được sử dụng trong nghiên cứu định lượng được thiết kế theo các đặc tính sau:

- Hình thức câu hỏi: Câu hỏi đóng.

- Đối tượng điều tra: du khách du lịch nội địa (theo thiết kế mẫu).

- Bảng câu hỏi phác thảo sẽ được tham vấn một số chuyên gia trong lĩnh vực du lịch. Sau khi điều chỉnh xong, bảng câu hỏi sẽ được dùng để khảo sát trong nghiên cứu định lượng.

Bảng câu hỏi gồm 3 phần:

Phần gạn lọc: dùng để kiểm tra xem người được khảo sát đã từng đến những địa điểm du lịch đó hay chưa, nếu “Có” sẽ tiến hành các bước tiếp tiếp theo, nếu người được phỏng vấn trả lời “Chưa”, phỏng vấn sẽ dừng lại ở đó.

Phần chính: thu thập đánh giá thuộc tính, cảm nhận của khách du lịch nội địa về từng thương hiệu du lịch, bằng thang đo Likert 7 điểm.

Phần thông tin cá nhân: thu thập thông tin cá nhân của người tiêu dùng về giới tính, độ tuổi, trình độ học vấn, thu nhập bình quân, để có thể tiến hành các phép kiểm định bổ trợ khác cho nghiên cứu chính thức.

3.4.4. Phương pháp thu thập dữ liệu

Dữ liệu được tác giả thu thập bằng phương pháp phỏng vấn trực tiếp khách du lịch tại Thành phố Hồ Chí Minh thông qua phiếu khảo sát.

3.4.5. Phương pháp xử lý và phân tích dữ liệu

Dữ liệu đầu tiên sẽ được phân tích mô tả để phân tích các thuộc tính mẫu nghiên cứu như: độ tuổi, trình độ, thu nhập hàng tháng, nghề nghiệp. Dữ liệu thu thập được xử lý bằng phần mềm SPSS sẽ tiến hành phân tích theo các bước:

Tác giả sử dụng phép phân tích mô tả (descriptives) trong phần mềm SPSS 16.0 để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin của đối tượng được khảo sát) gồm giới tính, độ tuổi, trình độ học vấn, nghề nghiệp và thu nhập hàng tháng. Ngoài ra phép thống kê còn sử dụng để liệt kê ra số lượng người hiện tại đang sử dụng từng loại thương hiệu MBH đưa vào nghiên cứu.

- Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha

Phân tích Cronbach’s Alpha nhằm kiểm định độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha và loại bỏ những biến có tương quan biến tổng (Item-Total correlation) nhỏ.

Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1]. Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.70, 0.80]. Nếu Cronbach anpha >=0.60 là thang đo có thể chấp nhận được về mặt độ tin cậy. Về lý thuyết hệ số Cronbach’s Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, điều này không thực sự như vậy. Hệ số Cronbach’s Alpha quá lớn (α> 0.95) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường (redundancy). Do đó, khi kiểm tra từng biến đo lường ta sử dụng thêm hệ số tương quan biến – tổng. Theo Nunnally & Bernstein (1994), nếu một biến đo lường có hệ số tương quan biến – tổng hiệu chỉnh (Corrected item-total correlation) lớn hơn hoặc bằng 0.3 thì biến đó đạt yêu cầu. (Nguyễn Đình Thọ, 2011, trang 251).

Như vậy, trong phân tích Cronbach’s Alpha thì ta sẽ loại bỏ những thang đo có hệ số nhỏ (α<0.6) và cũng loại những biến quan sát có hệ số tương quan biến tổng hiệu chỉnh nhỏ (<0.3) ra khỏi mô hình vì những biến quan sát này không phù hợp hoặc không có ý nghĩa đối với thang đo. Tuy nhiên, các biến không đạt yêu cầu nên loại hay không không

chỉ đơn thuần nhìn vào con số thống kê mà còn phải xem xét giá trị nội dung của khái niệm (Nguyễn Đình Thọ, 2011, trang 354).

- Phân tích nhân tố khám phá EFA

Sau khi lọai bỏ các biến không đảm bảo độ tin cậy thông qua phân tích Cronbach’s Alpha, phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được sử dụng để xác định độ giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity) và đồng thời thu gọn các tham số ước lượng theo từng nhóm biến.

Các biến quan sát có trọng số λi (factor loading) nhỏ hơn 0.50 trong EFA sẽ tiếp tục bị loại bỏ để thang đo đạt được giá trị hội tụ. Để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn hoặc bằng 0.3 (λiA – λiB ≥0.3). Vấn đề loại bỏ biến có trọng số nhân tố thấp cần chú ý đến giá trị nội dung của biến đó đóng góp vào giá trị nội dung của khái niệm nó đo lường. Nếu λi không quá nhỏ, ví dụ λi =0.40 chúng ta không nên loại nó (Nguyễn Đình Thọ, 2011, trang 401-402).

Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue – đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố. Số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue tối thiểu bằng 1 (≥ 1) và những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mô hình. Tiêu chuẩn phương sai trích (Variance explained criteria): tổng phương sai trích phải đạt từ 50% trở lên, nghĩa là phần chung phải lớn hơn phần riêng và phương sai (từ 60% trở lên được coi là tốt) (Nguyễn Đình Thọ, 2011, trang 393, 403).

Để xác định sự phù hợp khi sử dụng EFA thì người ta thường tiến hành dùng kiểm định Barlett và KMO:

- Kiểm định Bartlett: dùng để xem xét ma trận tương quan có phải là ma trận đơn vị (I) hay không. Kiểm định Barlett có ý nghĩa thống kê khi Sig< 0.05. Điều này chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.

- Kiểm định KMO: KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan riêng phần của chúng (Nguyễn Đình Thọ, 2011, trích từ Norusis, 1994). Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Hệ số KMO phải đạt giá trị từ 0.5 trở lên (KMO ≥ 0.5) thể hiện phân

tích là phù hợp. Hệ số KMO<0.5 thì không thể chấp nhận được (Nguyễn Đình Thọ, 2011, trang 397, trích từ Kaiser, 1974).

Tuy nhiên, thì trong thực tế, với sự hỗ trợ của các phần mềm xử lý thống kê SPSS và chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt yêu cầu thì vấn đề kiểm định Bartlett, KMO không còn ý nghĩa nữa vì chúng luôn luôn đạt yêu cầu (Nguyễn Đình Thọ, 2011, trang 397).

Trong nghiên cứu này, tác giả sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn hoặc bằng 1.

- Phân tích hồi quy bội

Sau khi tiến hành phân tích Cronbach’s Alpha và phân tích EFA, tác giả tiến hành phân tích hồi quy và kiểm định giả thuyết. Phân tích hồi quy xem xét hệ số xác định điều chỉnh nhằm khẳng định sự phù hợp của mô hình nghiên cứu. Và để kiểm tra hiện tượng đa cộng tuyến tác giả sử dụng hệ số phóng đại phương sai VIF (Variance Inflation Factor). Theo Hair &ctg 2006, thông thường VIF của một biến độc lập nào đó >10 thì biến này hầu như không có giá trị giải thích biến thiên của Y trong mô hình MLR (Nguyễn Đình Thọ, 2011, trang 497). Kế đến để xác định rõ mức độ ảnh hưởng của từng yếu tố tác động đến giá trị thương hiệu tác giả xem xét đến trọng số hồi qui chuẩn hóa. Biến thành phần nào có trọng số này càng lớn có nghĩa là biến đó có tác động mạnh vào biến tổng quan giá trị thương hiệu.

Giá trị của biến mới trong mô hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của biến đó, giá trị của các thành phần được phần mềm SPSS tính một cách tự động từ giá trị trung bình có trọng số của các biến quan sát đã được chuẩn hóa. Tuy nhiên trước khi tiến hành phân tích hồi qui, một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan tuyến tính giữa các biến trong mô hình.

Mô hình hồi qui tổng quát được biểu diễn dưới dạng:

- Yi = f(Xi) + εi = β0 + β1X1i + β2X2i + ..... + βkXki + .... + βpXpi + εi. (2.1)

- Các giả định để thực hiện hồi quy:

Xem tất cả 122 trang.