CHƢƠNG 3 THIẾT KẾ NGHIÊN CỨU
3.3. NGHIÊN CỨU CHÍNH THỨC
3.3.3. Phƣơng pháp phân tích dữ liệu
a. Tổng quan về mẫu điều tra
Tiến hành lập bảng tần số để mô tả mẫu thu thập đƣợc theo các đặc trƣng. Trong mỗi loại tiến hành tính toán giá trị bình quân và độ lệch chuẩn
để đánh giá tổng quan về độ hội tụ cũng nhƣ phân tán của mẫu. Phƣơng pháp sử dụng chủ yếu là phân tổ kết hợp, số tuyệt đối và số tƣơng đối, phƣơng pháp đồ thị và bảng thống kê; Thực hiện thống kê theo các đặc tính: giới tính, loại hình dịch vụ, trình độ học vấn; Dựa vào kết quả để đánh giá mức độ đại diện của mẫu.
b. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Hệ số tin cậy Cronbach’s alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các biến quan sát trong thang đo tƣơng quan với nhau, là phép kiểm định về sự phù hợp vủa thang đo đối với từng biến quan sát , xét trên mỗi quan hệ với một khía cạnh đánh giá. Phƣơng pháp này cho phép loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu. Những biến quan sát không anh hƣởng nhiều đến tiêu chí đánh giám sẽ tƣơng quan yếu với tổng số điểm. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s alpha từ 0,8 đến gần bằng 1 thì thang đo lƣờng là tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc.
c. Phân tích nhân tố EFA
Khi thực hiện phân tích nhân tốt EFA cần phải quan tâm đến phƣơng pháp sau:
Phƣơng pháp trích Principal comperment với phép xoay varimax.
Kiểm định Bartlett (Bartlett’s Test ò Sphericity): Đại lƣợng Bartlett’s đƣợc sử dụng để xem xét giải thuyết H0 các biến không có tƣơng quan trong tổng thể. Kiểm định Bartlett’s có ý nghĩa tại mức sig thấp hơn 0,05; tức là giả thiết H0 cho rằng ma trận tƣơng quan giữa các biến trong tổng thể là một ma trận đơn vị sẽ bị bác bỏ.
Hệ số tải nhân tố (Factor loading): Tiêu chuẩn về hệ số tải nhân tố Factor loading, theo Hair & ctg (1998), hệ số tải nhân tố Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0,3 đƣợc
xem là đạt mức tối thiểu, Factor loading > 0,4 đƣợc xem là quan trọng và Factor loading > 0,5 đƣợc xem là có ý nghĩa thực tiển. Hair cũng cho rằng nếu chọn tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu ít nhất là 350. Nếu cở mẫu là 100 thì Factor loading phải >0,55. Nhƣ vậy, trong đề tài này cở mẫu là 391 nên hệ số Factor loading >0,3 là đạt yêu cầu, tuy nhiên để đề tài này có ý nghĩa thực tiễn chỉ những biến quan sát có hệ số Factor loading lơn nhất 0,5 mới đạt yêu cầu.
Tổng phƣơng sai trích: Để có thể phân tích nhân tố khẳng định, thì tổng phƣơng sai trích 50% (Gerbing & Anderson 1988)
Hệ số KMO (Kaisor Meyer Olkin):
Trong phân tích nhân tố khám phá, trị số KMO (Kaisor Meyer Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Đơn vị KMO là tỷ lệ giữa bình phƣơng tƣơng quan của các biến với bình phƣơng tƣơng quan một phần của các biến. Trị số của KMO lớn ( từ 0,5 đến 1) có ý nghĩa phân tích nhân tố thích hợp, còn nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có nhiều khả năng không thích hợp vơi các dữ liệu.
Trị số đặc trƣng (Eigenvatue): Ngoài ra, phân tích nhân tố còn dựa vào chỉ số Eigenvalue để xác định số lƣợng các nhân tố. Chỉ những nhân tố nào có chỉ số Eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích. Đại lƣợng Eigenvalue đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Những nhân tố có chỉ số Eigenvalue nhỏ hơn 1 sẻ không có tác dụng tóm tắt thông tin tốt hơn biến gốc.
d. Phương pháp hồi qui và tương quan
Luận văn sẽ thực hiện phân tích hồi quy theo trình tự sau:
1. Thiết lập mô hình
Xuất phát từ bản chất của mối liên hệ, luận văn sử dụng mô hình hồi quy tổng thể nhƣ sau:
HL =
Mô hình hồi quy mẫu nhƣ sau: HL =
Với bj là các ƣớc lƣợng của tham số hồi quy , và e là ƣớc lƣợng của .
2.Ước lượng các tham số của mô hình
Các tham số của mô hình sẽ đƣợc ƣớc lƣợng bằng phƣơng pháp ƣớc lƣợng bình phƣơng bé nhất và sử dụng thủ tục Stepwise trong SPSS.
3.Đánh giá mô hình
Đánh giá sự tồn tại từng tham số hồi qui bằng kiểm định T với cặp giả thuyết : H0: j =0
H1: j ≠ 0
Kiểm định sự tồn tại của mô hình bằng kiểm định F với cặp giả thuyết :
H0: Các hệ số góc đồng thời bằng 0
H1: Tồn tại ít nhất một hệ số góc khác không.
Đánh giá sự phù hợp của mô hình sử dụng chỉ tiêu hệ số xác định và hệ số xác định điều chỉnh.
- Để kiểm định các nhân tố có ảnh hưởng thuận đến mức độ hài lòng công việc thì cần kiểm định giả thuyết
H0: j ≤ 0 H1: j > 0
- Kiểm định xem mô hình có vi phạm những giả thiết :
+ Hiện tƣợng đa cộng tuyến: sử dụng nhân tử phóng đại phƣơng sai với tiêu chuẩn VIF<5.
+ Hiện tƣợng phƣơng sai không đồng nhất bằng Kiểm định dựa vào biến phụ thuộc.
2 i 2 1 2 i E(Y) Trong thực hành ta dùng ei2 và Ŷi2 thay cho i 2 và [E(Yi)]2 Trình tự kiểm định:
Bƣớc 1: Xây dựng cặp giả thuyết nhƣ sau: H0: 2 = 0 và H1: 2 0
Bƣớc 2: Chọn mức ý nghĩa
Bƣớc 3: Thực hiện hồi qui gốc bằng OLS. Tính ei, ei2 và 2 i
Yˆ
Thực hiện hồi qui i
2 i 2 1 2 i Yˆ z e bằng OLS. Bƣớc 4: Tính giá trị Pvalue. Bƣớc 5: Bác bỏ H0 nếu > pvalue
+ Hiện tƣợng tự tƣơng quan: Kiểm định bằng kiểm định DurbinWatson. Bƣớc 1: Xây dựng cặp giả thuyết thích hợp
Bƣớc 2: Ƣớc lƣợng hồi quy bằng OLS và thu đƣợc các et và tính trị số thống kê d
Bƣớc 3: Cho mức ý nghĩa , Tra bảng ta tìm các giá trị tới hạn dL và dU
Bƣớc 4: Căn cứ vào các tiêu chuẩn để có quyết định
4.Phân tích kết quả
Dựa vào kết quả tính toán, luận văn sẽ tiến hành phân tích để rút ra những kết luận nhằm tìm ra những giải pháp, những hàm ý cho nhà lãnh đạo để nâng cao chất lƣợng dịch vụ hành chính công.
e. Phân tích phương sai (ANOVA)
Phân tích phƣơng sai là cách thức để kiểm định có hay không sự khác nhau về hài lòng công việc theo các đặc điểm: giới tính, độ tuổi, nghề nghiệp, loại hình dịch vụ, trình độ học vấn bằng phân tích phƣơng sai ANOVA với mức ý nghĩa α = 5%.