Chất lượng điểm đến là gì? Cách xây dựng thang đo
Chất lượng điểm đến là gì và được đo bằng gì
Chất lượng điểm đến là mức độ mà một điểm du lịch đáp ứng được kỳ vọng và nhu cầu của du khách trong toàn bộ trải nghiệm, từ lúc tìm kiếm thông tin, di chuyển, lưu trú, tham quan, sử dụng dịch vụ đến khi rời đi. Khái niệm này rộng hơn chất lượng của một khách sạn hay một nhà hàng, vì du khách đánh giá nhiều thành phần cùng lúc.
Trong luận văn định lượng, bạn nên xem chất lượng điểm đến là một biến tiềm ẩn. Biến này không được đo trực tiếp bằng một con số duy nhất, mà được phản ánh qua nhiều biến quan sát, chẳng hạn chất lượng cơ sở vật chất, sự thuận tiện, an toàn, vệ sinh, chất lượng dịch vụ, khả năng cung cấp thông tin và mức độ hấp dẫn của trải nghiệm.
Bạn cần phân biệt chất lượng điểm đến với hình ảnh điểm đến là gì. Hình ảnh điểm đến thường nói về nhận thức, liên tưởng hoặc ấn tượng của du khách đối với địa điểm. Chất lượng điểm đến tập trung vào việc du khách đánh giá các thuộc tính và trải nghiệm thực tế tốt đến mức nào. Hai khái niệm có thể liên quan trong mô hình nghiên cứu, nhưng không nên dùng chung một bộ biến quan sát nếu chưa có lập luận lý thuyết.
Một bảng hỏi thường dùng thang Likert 5 hoặc 7 mức, trong đó người trả lời cho biết mức độ đồng ý với từng phát biểu. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (1932). Số mức lựa chọn cần được giữ nhất quán trong toàn bộ bảng hỏi, chẳng hạn từ 1 là hoàn toàn không đồng ý đến 5 là hoàn toàn đồng ý.
Nguồn thang đo gốc
Với từ khóa chất lượng điểm đến, bạn có thể gặp nhiều bộ thang đo trên các bài nghiên cứu du lịch khác nhau. Tuy nhiên, trong danh mục nguồn được phép sử dụng của bài này không có một công trình riêng được xác nhận là thang đo gốc duy nhất cho chất lượng điểm đến. Vì vậy, bạn không nên ghi một nguồn bất kỳ là “thang đo chuẩn” rồi bê nguyên các biến quan sát vào bảng hỏi.
Một hướng thường được sinh viên cân nhắc là tham khảo SERVQUAL để xây dựng nhóm phát biểu về chất lượng dịch vụ. SERVQUAL được đề xuất cho chất lượng dịch vụ nói chung, không phải thang đo đã được xác nhận riêng cho toàn bộ chất lượng điểm đến. Parasuraman và cộng sự (1988) phân tích chất lượng dịch vụ qua các khía cạnh như yếu tố hữu hình, độ tin cậy, khả năng đáp ứng, sự đảm bảo và sự đồng cảm. Khi dùng hướng này, bạn phải nói rõ đây là nền tảng tham khảo và cần điều chỉnh cho bối cảnh điểm đến.
| Nguồn tham khảo | Năm | Số biến quan sát gốc | Bối cảnh và cách sử dụng trong đề tài |
|---|---|---|---|
| Parasuraman và cộng sự (1988) | 1988 | Bộ biến đo SERVQUAL, số lượng tùy cấu trúc phiên bản | Chất lượng dịch vụ; chỉ dùng làm nền tảng tham khảo cho các phát biểu về dịch vụ tại điểm đến |
| Likert (1932) | 1932 | Không phải nguồn thang đo chất lượng điểm đến | Cơ sở của cách thiết kế thang Likert để người trả lời đánh giá mức độ đồng ý |
| (Nguyễn Đình Thọ, 2011) | 2011 | Không phải nguồn thang đo gốc | Tham khảo quy trình xây dựng, điều chỉnh và kiểm định thang đo trong nghiên cứu kinh doanh |
Bảng trên không chứng minh rằng SERVQUAL là thang đo chất lượng điểm đến hoàn chỉnh. Trong chương 3, bạn cần ghi rõ nguồn phát triển khái niệm, các nghiên cứu đã dùng thang đo trong bối cảnh tương tự nếu bạn có tài liệu được xác minh, và lý do chọn từng nhóm biến. Nếu tài liệu gốc của bạn chưa được kiểm tra, hãy để đó là tài liệu cần xác minh thay vì tự điền tác giả hoặc năm xuất bản.
Bạn cũng nên phân biệt chất lượng điểm đến với giá trị mối quan hệ là gì. Giá trị mối quan hệ có thể là biến giải thích hoặc kết quả trong một số mô hình, còn chất lượng điểm đến thường phản ánh đánh giá của du khách về sản phẩm và trải nghiệm tại địa điểm.
Bộ biến quan sát tham khảo
Các phát biểu dưới đây chỉ là bản khởi đầu để bạn xây dựng bảng hỏi. Đây chưa phải bản dịch đã được thẩm định, cũng chưa phải thang đo được chứng minh là phù hợp với điểm đến cụ thể của bạn. Bạn cần đọc lại mục tiêu nghiên cứu, đối tượng khảo sát và đặc điểm địa phương trước khi đưa vào Google Forms hoặc bảng hỏi giấy.
| Mã | Nhóm nội dung | Biến quan sát tham khảo |
|---|---|---|
| CLDD1 | Cơ sở vật chất | Điểm đến có cơ sở vật chất phục vụ du khách phù hợp với nhu cầu của tôi. |
| CLDD2 | Cơ sở vật chất | Các điểm tham quan và khu vực công cộng được duy trì ở tình trạng tốt. |
| CLDD3 | Thuận tiện | Tôi có thể dễ dàng di chuyển giữa các khu vực chính của điểm đến. |
| CLDD4 | Thông tin | Thông tin về điểm đến được cung cấp rõ ràng và dễ tiếp cận. |
| CLDD5 | An toàn | Tôi cảm thấy an toàn trong thời gian tham quan tại điểm đến. |
| CLDD6 | Vệ sinh | Các khu vực du lịch tại điểm đến có mức độ vệ sinh phù hợp. |
| CLDD7 | Dịch vụ | Nhân viên cung cấp dịch vụ cho du khách có thái độ phù hợp. |
| CLDD8 | Trải nghiệm | Các hoạt động tại điểm đến đáp ứng được kỳ vọng của tôi. |
| CLDD9 | Đánh giá tổng thể | Nhìn chung, chất lượng của điểm đến này đáp ứng kỳ vọng của tôi. |
Bạn không nhất thiết phải giữ cả chín biến. Nếu mô hình của bạn có các biến riêng như chất lượng dịch vụ, sự an toàn hoặc sự hấp dẫn điểm đến, việc gộp tất cả vào một biến chất lượng điểm đến có thể làm khái niệm bị quá rộng. Hãy quyết định trước chất lượng điểm đến là biến đơn hướng hay gồm nhiều thành phần. Quyết định này phải nhất quán với mô hình, giả thuyết và cách chạy phân tích.
Ví dụ, nếu đề tài nghiên cứu tác động của chất lượng điểm đến đến ý định quay lại, CLDD1 đến CLDD8 có thể đại diện cho các khía cạnh, còn CLDD9 có thể là đánh giá tổng thể. Bạn không nên vừa xem CLDD9 là một biến quan sát của chất lượng điểm đến, vừa dùng nó như một biến kết quả riêng nếu chưa giải thích rõ trong mô hình.
Nếu đề tài của bạn nghiên cứu động cơ trước chuyến đi, hãy xem thêm động cơ du lịch là gì và thang đo động cơ du lịch. Động cơ trả lời câu hỏi vì sao du khách đi, còn chất lượng điểm đến trả lời câu hỏi họ đánh giá trải nghiệm và thuộc tính của nơi đó như thế nào.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bạn nên điều chỉnh thang đo theo bốn lớp: khái niệm, ngôn ngữ, địa điểm và đối tượng trả lời. Một phát biểu như “cơ sở vật chất của điểm đến phù hợp” có thể quá chung nếu người trả lời chỉ đến một khu vui chơi trong ngày. Khi đó, bạn cần xác định họ đang đánh giá toàn bộ địa phương hay một sản phẩm du lịch cụ thể.
Rà soát nội dung từng biến
Đọc từng biến và hỏi ba câu: người trả lời có quan sát được điều này không, câu hỏi có chứa hai ý cùng lúc không, và câu hỏi có phù hợp với điểm đến đang khảo sát không. Câu “điểm đến sạch sẽ và an toàn” chứa hai nội dung. Bạn nên tách thành hai biến để kết quả phản ánh rõ hơn.
Xử lý biến đảo chiều
Chỉ dùng biến đảo chiều khi bạn có lý do phương pháp rõ ràng. Câu phủ định dễ khiến người trả lời đọc nhầm, đặc biệt trong bảng hỏi điện thoại. Nếu có biến đảo chiều, bạn phải mã hóa lại trước khi chạy Cronbach's Alpha và ghi lại cách mã hóa trong file dữ liệu. Đừng để một biến đảo chiều chưa xử lý đi thẳng vào EFA.
Kiểm tra ngôn ngữ và bối cảnh
Các từ như “tiện nghi”, “hạ tầng”, “khả năng tiếp cận” hoặc “dịch vụ hỗ trợ” có thể được hiểu khác nhau giữa sinh viên và du khách. Bạn nên dùng câu ngắn, một ý, tránh thuật ngữ không cần thiết. Nếu khảo sát khách đã từng đến điểm đến, thêm câu hỏi sàng lọc về việc họ đã trải nghiệm địa điểm đó trong khoảng thời gian nào.
Chạy thử bảng hỏi
Bạn có thể chạy thử với một nhóm nhỏ phù hợp với đối tượng khảo sát để phát hiện câu khó hiểu, biến bị bỏ trống hoặc thời gian trả lời quá dài. Đây là bước kiểm tra công cụ, không phải bằng chứng để khẳng định thang đo đã đạt. Sau khi sửa, hãy khóa phiên bản bảng hỏi và đặt mã biến thống nhất trước khi thu thập chính thức.
Kiểm định độ tin cậy và giá trị của thang đo
Quy trình thường bắt đầu bằng kiểm tra dữ liệu, sau đó chạy Cronbach's Alpha, EFA và tiếp tục với mô hình phù hợp. Nếu bạn dùng SmartPLS, quy trình đánh giá measurement model sẽ khác cách đọc EFA trong SPSS. Không nên lấy ngưỡng của CB-SEM như CFI, TLI hoặc RMSEA để đánh giá trực tiếp mô hình PLS-SEM.
| Chỉ tiêu | Mức tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên; với thang đo mới hoặc khám phá, 0.6 có thể được cân nhắc | (Nunnally, 1978); (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Bartlett's Test | p-value dưới 0.05 | (Kaiser, 1974) |
| Factor loading trong EFA | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Total variance explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Composite Reliability trong PLS-SEM | Từ 0.7 trở lên | (Fornell và Larcker, 1981) |
| AVE trong PLS-SEM | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85, hoặc dưới 0.90 với khái niệm gần nhau | (Henseler và cộng sự, 2015) |
Kiểm tra Cronbach's Alpha trong SPSS
Mở Analyze > Scale > Reliability Analysis. Đưa các biến CLDD vào ô Items, chọn Model là Alpha, sau đó trong Statistics chọn Scale if item deleted và Item. Bảng Reliability Statistics cho bạn Alpha và số lượng biến. Bảng Item-Total Statistics cho Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted.
Không xóa biến chỉ vì Alpha if Item Deleted tăng một chút. Bạn cần xem biến đó có lệch nội dung khái niệm, bị nhập sai mã hay là biến đảo chiều chưa xử lý hay không. Nếu loại biến, lưu lại lý do và số vòng chạy để có thể giải trình.
Kiểm tra EFA trong SPSS
Chọn Analyze > Dimension Reduction > Factor. Đưa các biến quan sát vào ô Variables. Mở Descriptives rồi chọn KMO and Bartlett's test. Trong Extraction, có thể chọn Principal Axis Factoring nếu mục tiêu là tìm cấu trúc nhân tố tiềm ẩn, sau đó xem Scree plot. Trong Rotation, chọn Promax khi các nhân tố có cơ sở để tương quan.
Các bảng cần đọc gồm KMO and Bartlett's Test, Total Variance Explained và Pattern Matrix hoặc Rotated Component Matrix, tùy phương pháp quay. Nếu biến nhảy sang nhóm khác, loading thấp hoặc tải cao ở nhiều nhóm, hãy quay lại xem nội dung biến trước khi xóa hàng loạt.
Kiểm tra measurement model trong SmartPLS
Trong SmartPLS, bạn kiểm tra Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Với PLS-SEM, outer loading từ 0.7 trở lên là mức tham khảo thường dùng (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên được dùng để xem xét độ tin cậy tổng hợp và giá trị hội tụ (Fornell và Larcker, 1981). HTMT được dùng để kiểm tra giá trị phân biệt (Henseler và cộng sự, 2015).
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được mô phỏng theo nhóm bảng mà bạn thường gặp trong SmartPLS.
| Construct | Cronbach's Alpha | rho_A | Composite Reliability | AVE | Kết luận minh họa |
|---|---|---|---|---|---|
| Chất lượng điểm đến | 0.884 | 0.889 | 0.914 | 0.603 | Đạt các ngưỡng tham khảo |
| An toàn cảm nhận | 0.801 | 0.808 | 0.871 | 0.628 | Đạt các ngưỡng tham khảo |
| Ý định quay lại | 0.846 | 0.851 | 0.897 | 0.686 | Đạt các ngưỡng tham khảo |
Bạn cần thay toàn bộ con số minh họa bằng output của chính mình. Nếu đang dùng SPSS, không trình bày rho_A hoặc AVE như thể SPSS tự sinh ra các chỉ số này. Nếu đang dùng SmartPLS, hãy xuất đúng bảng kết quả của mô hình đã chạy và ghi phiên bản phần mềm trong phần phương pháp.
Cách trình bày thang đo trong chương 3
Trong chương 3, bạn nên trình bày theo thứ tự: định nghĩa khái niệm, nguồn tham khảo, cách điều chỉnh, mã biến, thang đo sử dụng và kế hoạch kiểm định. Một bảng thang đo tốt cho người đọc biết mỗi biến đến từ đâu, được diễn đạt thế nào trong bảng hỏi và sẽ được kiểm tra bằng phương pháp nào.
Cách viết vào luận văn: “Trong nghiên cứu này, chất lượng điểm đến được hiểu là mức độ du khách đánh giá các thuộc tính và trải nghiệm tại [tên điểm đến] đáp ứng kỳ vọng của họ. Thang đo ban đầu gồm [số lượng] biến quan sát, được điều chỉnh từ [nguồn thang đo hoặc cơ sở lý thuyết] cho phù hợp với bối cảnh [đối tượng và địa điểm khảo sát].”
Bạn có thể lập bảng mã biến ở chương 3, nhưng không nên đưa toàn bộ lịch sử chỉnh sửa vào phần chính nếu bảng quá dài. Hãy lưu phiên bản bảng hỏi, bảng mã hóa và danh sách biến bị loại trong phụ lục. Khi mô tả kết quả, ghi rõ biến nào bị loại ở bước nào và lý do dựa trên nội dung cùng tiêu chí thống kê.
Nếu bạn đang viết phần mô hình tổng thể, có thể bắt đầu từ trang Mô hình nghiên cứu để đối chiếu cách nối chất lượng điểm đến với các biến như sự hài lòng, ý định quay lại hoặc truyền miệng tích cực.
Lỗi thường gặp
Lỗi đầu tiên là dùng “chất lượng điểm đến” như một nhãn rộng nhưng không nói rõ các thành phần bên trong. Hội đồng có thể hỏi bạn chất lượng này khác gì chất lượng dịch vụ, sự hấp dẫn hay hình ảnh điểm đến. Bạn cần trả lời bằng định nghĩa và ranh giới khái niệm, không chỉ bằng một câu “tham khảo các nghiên cứu trước”.
Lỗi thứ hai là dịch một bộ biến quan sát rồi gọi đó là thang đo chuẩn cho Việt Nam. Bản dịch cần được điều chỉnh theo bối cảnh, sau đó kiểm định bằng dữ liệu thực tế. Alpha cao cũng không tự động chứng minh thang đo có giá trị nội dung tốt.
Lỗi thứ ba là xóa biến liên tục để làm đẹp output. Nếu một biến có loading thấp, hãy kiểm tra lỗi nhập liệu, biến đảo chiều, cách diễn đạt và sự phù hợp với khái niệm. Việc loại biến phải có lý do, không nên chạy đi chạy lại cho đến khi đạt ngưỡng.
Lỗi thứ tư là trộn bảng của SPSS và SmartPLS. Corrected Item-Total Correlation thuộc quy trình kiểm tra độ tin cậy trong SPSS, còn Outer Loadings, CR, AVE và HTMT thường xuất hiện trong đánh giá measurement model của PLS-SEM. Gọi sai tên bảng khiến phần phương pháp và kết quả không khớp.
Câu hỏi thường gặp
Chất lượng điểm đến có phải là chất lượng dịch vụ không?
Hai khái niệm có phần giao nhau nhưng phạm vi khác nhau. Chất lượng dịch vụ có thể tập trung vào cách nhà cung cấp phục vụ, còn chất lượng điểm đến có thể bao gồm hạ tầng, vệ sinh, an toàn, khả năng tiếp cận, thông tin và trải nghiệm tổng thể. Nếu dùng SERVQUAL, bạn cần nói rõ đó là nền tảng tham khảo cho nhóm thuộc tính dịch vụ, dựa trên Parasuraman và cộng sự (1988).
Chất lượng điểm đến nên có bao nhiêu biến quan sát?
Không có một con số chung cho mọi đề tài. Số biến phụ thuộc vào định nghĩa khái niệm, số thành phần trong mô hình, nguồn thang đo và đối tượng khảo sát. Bạn nên ưu tiên các biến bao phủ đủ nội dung, tránh thêm phát biểu chỉ để làm thang đo dài hơn.
Có thể dùng ngay chín biến tham khảo trong bài không?
Bạn có thể dùng chúng làm bản nháp để xây dựng bảng hỏi, nhưng chưa nên gọi đó là thang đo đã được xác nhận. Hãy điều chỉnh từ ngữ theo điểm đến, kiểm tra sự phù hợp với đề tài, thu thập dữ liệu và chạy các bước kiểm định. Nếu một biến không phù hợp về nội dung, việc giữ lại chỉ vì đủ số lượng sẽ làm yếu lập luận của bạn.
Cronbach's Alpha đạt nhưng EFA không đạt thì làm sao?
Cronbach's Alpha chủ yếu phản ánh mức độ nhất quán nội bộ, còn EFA xem xét cấu trúc nhóm nhân tố. Vì vậy, Alpha đạt không bảo đảm EFA sẽ tạo ra nhóm biến đúng như giả thuyết. Bạn hãy xem KMO, Bartlett's Test, loading, cross-loading, số nhân tố và nội dung từng biến, sau đó điều chỉnh có lý do thay vì xóa theo một chỉ số duy nhất.
Có cần chạy cả SPSS và SmartPLS không?
Không phải đề tài nào cũng cần cả hai phần mềm. SPSS phù hợp với làm sạch dữ liệu, thống kê mô tả, Cronbach's Alpha và EFA. SmartPLS phù hợp khi bạn xây dựng mô hình PLS-SEM với biến tiềm ẩn và cần đánh giá measurement model cùng structural model. Hãy chọn theo câu hỏi nghiên cứu và phương pháp đã cam kết trong đề cương.
Mở file bảng hỏi của bạn ngay bây giờ, chốt định nghĩa chất lượng điểm đến, đánh dấu từng biến quan sát cần sửa và lập bảng mã trước khi chạy thử; nếu cần kiểm tra trọn quy trình phân tích trên file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.