6. Tổng quan tài liệu nghiên cứu
2.7.5. Xử lý và phân tích số liệu
Toàn bộ dữ liệu thu thập sẽ đƣợc mã hóa, nhập liệu và làm sạch với sự hỗ trợ của phần mềm SPSS 20.0
a. Tổng quan về mẫu điều tra
Lập bảng tần số vẽ biểu đồ để mô tả theo các đặc trƣng cá nhân nhƣ giới tính, thu nhập hàng tháng, nghề nghiệp, số lần nằm viện và loại hình bảo hiểm tham gia.
b. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Hệ số tin cậy Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ mà các biến quan sát trong thang đo tƣơng quan với nhau và phép kiểm định về sự phù hợp của thang đo đối với từng biến quan sát, xét trên mối quan hệ với một khía cạnh đánh giá.
Phƣơng pháp này cho phép ngƣời phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo. Những biến có hệ số tƣơng quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại.
Thang đo có hệ số Cronbach alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thƣờng, thang đo có Cronbach alpha từ 0,7 đến 0,8 là sử dụng đƣợc. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lƣờng tốt.
Nếu Cronbach Alpha’s không có đủ tiêu chuẩn để chọn thang đo thì phải xem xét việc loại biến quan sát nào sẽ làm cho Cronbach Alpha’s tăng lên bằng cách dựa vào các chỉ tiêu Cronbach Alpha’s if item deleted. Nếu xảy ra loại bỏ item trong quá trình này thì sẽ tiếp tục qui trình phân tích nhân tố ở trên và quá trình này đƣợc thực hiện đến khi nào đạt kết quả mong muốn và không còn biến quan sát nào bị loại thêm.
c. Phân tích nhân tố khám phá EFA
Phân tích EFA đƣợc tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở. Trong phân tích nhân tố khám phá, trị số KOM ( Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KOM lớn ( giữa 0,5 và 1) có nghĩa phân tích nhân tố là
thích hợp, còn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Trị số KOM phải ≥ 0.5 và mức ý ngĩa của kiểm định Bartlett căn cứ trên giá trị Sig ≤ 0.05.
Đại lƣợng Eiggenvalue phải > 1 thì nhân tố đó mới đƣợc giữ lại trong mô hình phân tích.
Hệ số tải nhân tố Factor loadings < 0.5 thì biến đó sẽ bị loại, điểm dùng khi Eigenvalue > 1 và tổng phƣơng sai trích > 50%.
Phép trích Principal Com ponent với phép quay Varimax đƣợc sử dụng trong phân tích nhân tố thang đo các thành phần độc lập.
d. Phương pháp hồi quy bội tuyến tính:
Phƣơng trình hồi quy bội tuyến tính có dạng : Yi 0+ 1 1i + 2 2i … + p pi.+ εi
Trong đó hệ số góc 0 : là hệ số đo lƣờng sự thay đổi trong giá trị trung bình Y khi Xi thay đổi một đơn vị, trong khi mọi yếu tố khác không đổi.
Sau khi rút trích đƣợc các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định là cần thiết trong mô hình hồi quy tuyến tính bội nhƣ kiểm tra phần dƣ chuẩn hóa ei, kiểm tra phƣơng sai số không đổi, kiểm tra tƣơng quan giữa các phần dƣ, kiểm tra hệ số phóng đại VIF, cũng nhƣ một liên hệ gần nhất của nó là kiểm tra độ chấp nhận (Tolerance) đƣợc sử dụng để đo lƣờng hiện tƣợng cộng tuyến . Nếu nhƣ các giải định không bị vi phạm thì mô hình hồi quy tuyến tính bội đƣợc xây dựng.
Để đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội thì chúng ta sẽ xem xét hệ số xác định R2
, R2 có khuynh hƣớng là ƣớc lƣợng lạc quan của thƣớc đo phù hợp của mô hình trong trƣờng hợp có hơn 1 biến giải thích.
e.Phương pháp phân tích phương sai (ANOVA):
Sử dụng phƣơng pháp phƣơng sai một yếu tố( ONE- Way ANOVA) để xem xét liệu có sự khác nhau trong đánh giá chất lƣợng dịch vụ của ngƣời bệnh giữa các nhóm có đặc điểm nhân khẩu học, thu nhập khác nhau. Kiểm định Levene cho biết kết quả kiểm định phƣơng sai, với mức ý nghĩa > 0.05, có thể nói kết quả kiểm định có ý nghĩa thống kê.
Kết quả nghiên cứu từ bảng phân tích hồi quy ANOVA sẽ đƣợc đề cập để xem xét các yếu tố ảnh hƣởng, các mức độ ảnh hƣởng của các thành phần đến sự đánh giá chất lƣợng dịch vụ của khách hàng. Cuối cùng là tiến hành kiểm định một số giải thuyết đặt ra về sự khác biệt về đánh giá chất lƣợng dịch vụ theo các biến phân loại cá nhân bằng phân tích phƣơng sai ANOVA với mức ý nghĩa α = 0.05 cho tất cả các kiểm định.
CHƢƠNG 3
PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU