Phân Tích Hồi Quy Và Kiểm Định Giả Thuyết Nghiên Cứu

cũng như các mô hình nghiên cứu trước đây về tác động của chất lượng dịch vụ đến sự hài lòng. Trên cơ sở tổng hợp tài tài liệu, nhằm phát hiện các yếu tố tác động đến chất lượng dịch vụ và sự hài lòng của du khách từ đó đề xuất mô hình nghiên cứu, hình thành bảng câu hỏi phỏng vấn sơ bộ phù hợp với mục tiêu nghiên cứu của đề tài.

Đối tượng nghiên cứu: Dựa trên bảng câu hỏi phỏng vấn sơ bộ (xem phụ lục 1 và phụ lục 2) chuẩn bị trước tiến hành phỏng vấn, thảo luận với các chuyên gia là các phó phòng, trường phòng, giám đốc, điều hành tour tại công ty cung cấp sản phẩm dịch vụ du lịch lữ hành tại Tp.HCM. Mục đích của việc phỏng vấn, trao đổi này là ghi nhận ý kiến đóng góp, đánh giá của họ để điều chỉnh hình thành bảng câu hỏi chính thức dùng cho nghiên cứu định lượng chính thức.

Kết quả nghiên cứu định tính: sau khi tiến hành phỏng vấn 10 chuyên gia đều đồng ý rằng 5 nhân tố độc lập (1) Sự tin cậy; (2) Sự đáp ứng; (3) Năng lực phục vụ;

(4) Sự đồng cảm; (5) Phương tiên hữu hình trong mô hình đề xuất đều có tác động đến sự hài lòng của du khách. Bên cạnh đó với các chuyên gia cũng đồng ý với quan điểm của tác giả và giữ nguyên 26 biến quan sát với 6 nhân tố (trong đó có 22 biến quan sát thuộc 5 nhân tố độc lập tác động đến sự hài lòng

3.3. Nghiên cứu định lượng

Sau nghiên cứu định tính, 5 nhân tố chất lượng dịch vụ du lịch với 22 câu hỏi và 4 câu hỏi đánh giá sự hài lòng chung chất lượng dịch vụ du lịch đã được đồng tình và có thể đưa vào nghiên cứu định lượng chính thức.

Bước đầu trong nghiên cứu định lượng chính thức, tác giả tiến hành khảo sát, thu thập, xử lý dữ liệu mẫu nghiên cứu. Sau khi dữ liệu đã được làm sạch sẽ tiến hành tính toán dữ liệu thu thập được thông qua phần mềm SPSS 16.0 bao gồm: thống kê mô tả, đánh giá độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA cho tất cả các thang đo. Dựa trên các biến quan sát phù hợp của các yếu tố chất lượng dịch vụ sẽ

tiến hành, phân tích hồi quy và kiểm định mô hình thực nghiệm để đưa ra các giải pháp cho từng yếu tố tác động đến mức độ hài lòng của du khách.

Có thể bạn quan tâm!

Xem toàn bộ 130 trang tài liệu này.

3.3.1. Phương pháp chọn mẫu

Mục tiêu nghiên cứu của đề tài là ảnh hưởng chất lượng dịch vụ du lịch đến sự hài lòng của du khách tại Tp.HCM. Do đó, để đảm bảo mục tiêu nghiên cứu đề ra thì đối tượng được chọn để tiến hành nghiên cứu là những du khách đang đi du lịch và trực tiếp sử dụng dịch vụ du lịch tại Tp.HCM. Trong nghiên cứu này, tác giả sử dụng phương pháp chọn mẫu thuận tiện. Mục đích việc sử dụng phương pháp chọn mẫu này vì đối tượng sẽ dễ dàng tiếp cận, sẵn sàng trả lời bảng câu hỏi phỏng vấn. Mặc khác, theo Boo & ctg (2005); Brown & ctg (2005); Mack & ctg (2008) và nhiều nhà nghiên cứu khẳng định việc chọn mẫu thuận tiện giúp cho nghiên cứu đảm bảo sự tin cậy.

Về xác định kích thước cỡ mẫu trong phân tích nhân tố thì số lượng quan sát ít nhất gấp 4 đến 5 lần số biến trong phân tích nhân tố (trích trang 263 của Hoàng Trọng và Chu Nguyễn Mộng Ngọc – Phân tích dữ liệu nghiên cứu với SPSS, NXB Thống kê 2005). Theo Hacher (1994) thì số lượng cỡ mẫu cho nghiên cứu phải ít nhất gấp 5 lần số biến. Ngoài ra, Tabachnick & Fidel (1996) cho rằng cỡ mẫu trong nghiên cứu phải bảo đảm theo công thức:

o Phân tích nhân tố: 5x ≤ n

o Phân tích hồi qui: 8m + 50 ≤ n Trong đó:

x: số biến quan sát m: số biến độc lập n: cỡ mẫu

Nghiên cứu này có 22 biến quan sát và 5 biến độc lập:

o Cỡ mẫu cho phân tích nhân tố: 5 x 22 = 110 mẫu

o Cỡ mẫu cho phân tích hồi quy: 8 x 5 + 50 = 90 mẫu

Khảo sát được tiến hành trong khoảng thời gian từ 4/2017 đến 8/2017 thông qua các tổ chức hoạt động du lịch tại TP.HCM để phát phiếu trực tiếp đến du khách tại các khu vực và điểm tham quan du lịch nổi tiếng của Tp.HCM như: chợ Bến Thành, khu Phố Tây Sài Gòn, cảng Nhà Rồng, bến Bạch Đằng, bảo tàng Hồ Chí Minh, Dinh Độc Lập, phố đi bộ Nguyễn Huệ, khu du lịch văn hóa Đầm Sen, khu du lịch văn hóa Suối Tiên.

Để đạt được yêu cầu kích thước mẫu đề ra 250 phiếu khảo sát đã được gửi đi, kết quả thu về 239 phiếu, và loại 12 phiếu không hợp lệ do để trống. Kết quả nhận được 227 phiếu đạt yêu cầu, đảm bảo số lượng cỡ mẫu để tiến hành nghiên cứu này.

3.3.2. Kiểm định thang đo và phân tích nhân tố (EFA)

Khi sử dụng mô hình Servqual để tiến hành nghiên cứu khoa học cho từng loại hình dịch vụ cũng như thị trường cụ thể cần phải có sự điều chỉnh mô hình cho phù hợp. Do đó, mô hình nghiên cứu “ Ảnh hưởng chất lượng dịch vụ du lịch đến sự hài lòng của du khách tại Tp.HCM” cũng cần phải điều chỉnh và kiểm định lại cho phù hợp với mục tiêu nghiên cứu tại Tp.HCM.

Dữ liệu sẽ được thu thập và sử lý trên phần mềm SPSS 16.0. Tất cả các thành phần thang đo chất lượng dịch vụ và sự hài lòng sẽ được kiểm tra độ tin cậy bằng hệ số Cronbach’s Alpha . Sau đó, toàn bộ các biến quan sát phù hợp sẽ tiến hành phân tích nhân tố khám phá (EFA) để khám phá cấu trúc thang đo.

3.3.2.1. Phân tích hệ số tin cậy Cronbach’s Alpha

Hệ số tin cậy Cronbach’s Alpha được sử dụng để đo độ tin cậy của từng thành phần chất lượng dịch vụ và sự hài lòng. Dựa vào hệ số này người nghiên cứu có thể biết được các biến quan sát nào cần loại bỏ các biến không phù hợp và hạn chế được các biến rác trong mô hình nghiên cứu. Những biến có hệ số tương quan biến tổng (Corrected Item - Total Correlation) nhỏ hơn 0,3 sẽ bị loại, những biến quan sát có hệ số Cronbach’s Alpha của thang đo lớn hơn 0,6 thì thang đo có thể chấp nhận được về độ tin cậy (Nunnally và Bernstein, 1994). Tuy nhiên, cũng có nghiên cứu cho rằng hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Nhiều nhà nghiên cứu cũng cho rằng khi thang đo có độ tin cậy từ 0.8 đến gần 1 là thang đo lường tốt.

3.3.2.2. Phân tích nhân tố (EFA)

Phân tích nhân tố khám phá (Exploratory Factor Analysis) là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác lập các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một chỉ số gọi là hệ số tải nhân tố (Factor Loading). Hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ thuộc về nhân tố nào.

Trong mô hình nhân tố mỗi biến trong phân tích nhân tố được biểu diễn như là một kết hợp tuyến tính của các nhân tố cơ bản. Lượng biến thiên của một biến được giải thích bởi những nhân tố chung trong phân tích được gọi là communality. Biến thiên chung của các biến được mô tả bằng một số ít các nhân tố chung cộng với một nhân tố đặc trưng cho mỗi biến. Mô hình nhân tố thể hiện bằng phương trình:

Xi = Ai1F1 + Ai2F2 + Ai3F3 + … + AinFn + ViUi

Trong đó:

Xi: Biến thứ i chuẩn hoá.

Ai: Hệ số hồi quy bội chuẩn hóa của nhân tố j đối với biến i.

F: Các nhân tố chung.

Vi: Hệ số hồi quy chuẩn hóa của nhân tố đặc trưng i đối với biến i

Ui: Nhân tố đặc trưng của biến i.

n: Số nhân tố chung.

Một số tiêu chuẩn mà các nhà nghiên cứu đưa ra trong phân tích nhân tố khám phá (EFA) như sau:

Hệ số KMO (Kaiser-Mayer-Olkin) ≥ 0.5 và mức ý nghĩa kiểm định Bartlett ≤ 0.05: KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, phân tích nhân tố khám phá (EFA) thích hợp khi 0.5 ≤ KMO ≤ 1, kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng 0 trong tổng thể, nếu kiểm định này có ý nghĩa thống kê (sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).

Hệ số tải nhân tố (factor loading) > 0.45, nếu biến quan sát nào có hệ số tải nhân tố < 0.45 sẽ bị loại: theo Hair & ctg (1988) hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu, hệ số tải nhân tố > 0.4 được xem là quan trọng và hệ số tải nhân tố ≥ 0.5 là có ý nghĩa thực tiễn. Nếu chọn tiêu chuẩn hệ số tải nhân tố > 0.3 thì cỡ mẫu nghiên cứu phải ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải nhân tố > 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải > 0.75

Thang đo được chấp nhận khi tổng phương sai trích (cumulative) ≥ 50%

Hệ số eigenvalue > 1 (Gerbing và Anderson, 1998)

Khác biệt hệ số tải nhân tố của 1 biến quan sát giữa các nhân tố ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003)

3.3.3. Phân tích hồi quy và kiểm định giả thuyết nghiên cứu

3.3.3.1. Phân tích hồi quy

Phân tích hồi quy trong nghiên cứu định lượng là bước cực kỳ quan trong, nó giúp xác định mức độ tác động của từng biến độc lập đến biến phụ thuôc. Phương pháp phân tích hồi quy được thực hiện bằng phương pháp Enter với phần mềm SPSS 16.0.

Mô hình hồi quy có dạng như sau:

Yi = 0 + 1X1i + 2X2i + … + pXni + i

Trong đó:

Yi: Biến phụ thuộc : Mức độ hài lòng của khách hàng về CLDVDL

0: Hệ số chặn

i: Hệ số hồi quy thứ i (i = 1, n )

Xi: Sai số biến độc lập thứ i

i: Biến độc lập ngẫu nhiên

3.3.3.2. Kiểm định mô hình hồi qui

Mục đích kiểm định mô hình là xem xét mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể, kiểm tra xem có sự tồn tại liên hệ tuyến tính giữa biến phụ thuộc với toàn bộ các biến độc lập hay không. Kiểm định này được thực hiện thông qua thông qua phương pháp kiểm định F trong bảng phân tích phương sai. Trong đó:

a. Cặp giả thuyết nghiên cứu:

Ho: Không có mối quan hệ giữa các biến độc lập và biến phụ thuộc H1: Tồn tại mối quan hệ giữa các biến độc lập và biến phụ thuộc

b. Nguyên tắc chấp nhận giả thiết (mức ý nghĩa kiểm định là 5%)

Sig <= 0,05: Bác bỏ giả thiết Ho

Sig > 0,05: Chưa có cơ sở bác bỏ giả thiết Ho

3.3.3.3. Kiểm định đa cộng tuyến

Thông thường các biến độc lập không có mối quan hệ tuyến tính, nếu quy tắc này bị vi phạm sẽ có hiện tượng đa cộng tuyến. Như vậy, đa cộng tuyến là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Điều này có nghĩa khi xảy ra hiện tương đa cộng tuyến giữa các biến độc lập thì chúng cung cấp cho mô hình những thông tin rất giống nhau, và khó đưa ra nhận định mức độ ảnh hưởng của chúng từng biến một đến biến phụ thuộc dẫn đến hạn chế giá trị của R bình phương (thường sẽ làm giá trị R bình phương tăng ảo), làm sai lệch hoặc đổi dấu các hệ số hồi quy trong phương trình hồi quy.

Cách nhận biết hiện tượng đa cộng tuyến:

- Hệ số phóng đại phương sai (VIF) vượt quá 10

- Hệ số tương quan giữa các biến độc lập cao, nếu > 0,8 thì xảy ra hiện tượng đa cộng tuyến.

- Dấu của hệ số hồi quy khác với dấu kỳ vọng

- Độ chấp nhận của biến (Tolerance) < 1

3.3.4. Kiểm định sự khác biệt của mẫu (ANOVA)

Phân tích ANOVA để xem xét mối quan hệ giữa những nhóm khảo sát có giới tính, xuất xứ trong và ngoài nước, độ tuổi, thu nhập có tác động thế nào đến sự hài lòng của du khách đối với chất lượng dịch vụ du lịch tại TP.HCM.

Các giả thuyết H0 được đưa ra

(1) H0: Không có sự khác biệt về sự hài lòng giữa các nhóm du khách có giới tính khác nhau.

(2) H0: Không có sự khác biệt về sự hài lòng giữa các nhóm du khách trong nước và ngoài nước.

(3) H0: Không có sự khác biệt về sự hài lòng giữa các nhóm du khách có độ tuổi khác nhau.

(4) H0: Không có sự khác biệt về sự hài lòng giữa các nhóm du khách có thu nhập khác nhau

Và các giả thuyết H1 được đưa ra

(1’) H1: Có sự khác biệt về sự hài lòng giữa nhóm du khách có giới tính khác nhau

(2’) H1: Có sự khác biệt về sự hài lòng giữa nhóm du khách trong nước và ngoài nước

(3’) H1: Có sự khác biệt hài lòng giữa các nhóm du khách có độ tuổi khác

nhau.

(4’) H1: Có sự khác biệt về sự hài lòng giữa các nhóm khách hàng có mức

thu nhập khác nhau

Phân tích ANOVA là sự mở rộng của kiểm định t, vì phương pháp này giúp so sánh giá trị trung bình của 3 nhóm trở lên. Kỹ thuật phân tích này dùng để kiểm định giả