Phân tích định lượng đóng vai trò quan trọng trong việc kiểm định lại các mối quan hệ. Trong đó, xác định rõ tầm quan trọng của các nhân tố, ảnh hưởng của các nhân tố lên chất lượng của hoạt động điều dưỡng. Ngoài ra nghiên cứu định lượng còn chỉ ra các phân tích sâu hơn về tầm quan trọng của các nhân tố, sự khác nhau về đánh giá giữa các đối tượng điều tra.
Phân tích định lượng trong nhiên cứu sử dụng rất nhiều phương pháp thống kê và kinh tế lượng. Mỗi phương pháp đều có ý nghĩa riêng trong phân tích. Trong đó, các phương pháp phân tích chính là kiểm định sự đồng đều của thang đo, phân tích nhân tố và phân tích hồi quy logistic
Kiểm tra sự đồng đều của thang đo là phương pháp kĩ thuật nhằm rà soát các biến số trong từng nhóm chỉ tiêu xem có sự tương đồng với nhau về đo lường hay không. Kiểm định này sẽ giúp định hình lại cấu trúc của các nhân tố rõ ràng và hợp lý hơn thông qua việc xác định và loại bỏ các nhân tố làm nhiễu và tăng tính tin cậy của dữ liệu đầu vào.
Phân tích thành phần chính (PCA) là công cụ phân tích định lượng thứ hai giúp sắp xếp các biến số điều tra từ bảng hỏi thành nhóm các chỉ tiêu. Mỗi nhóm chỉ tiêu này sẽ thể hiện cho một nhân tố năng lực của điều dưỡng trưởng khoa. Phân tích thành phần chính (PCA) giúp xác định số nhân tố có ý nghĩa và giúp nghiên cứu định hình lại về cấu trúc phân chia năng lực điều dưỡng trưởng khoa thành các chỉ tiêu chính. Các chỉ tiêu này sẽ dùng để đánh giá tầm quan trọng của mỗi chỉ tiêu năng lực và dùng để đánh giá thực chất chất lượng của hoạt động điều dưỡng. Ngoài ra, phân tích nhân tố giúp tổng hợp các biến số điều tra thành các thành phần chính và sẽ là đầu vào cho quá trình phân tích hồi quy đánh giá ảnh hưởng lên chất lượng chăm sóc người bệnh.
Tiếp theo, phân tích hồi quy logistic sẽ làm nhiệm vụ đánh giá ảnh hưởng của các nhân tố vừa phân loại ở trên đến các biến số phản ánh chất lượng của hoạt động điều dưỡng. kết quả của phân tích hồi quy logistic sẽ làm rõ mối quan hệ của từng nhân tố, so sánh mối quan hệ giữa các nhân tố, và định hướng cho việc cải thiện chất lượng điều hành của điều dưỡng trưởng khoa.
Cuối cùng, mặc dù các điều dưỡng viên đều tiếp cận bảng hỏi như nhau, tuy nhiên, có thể có sự khác nhau vềđánh giá giữa các nhóm điều dưỡng phân theo nhóm tuổi, giới tính, kinh nghiệm,… Phân tích phương sai sẽ giúp kiểm tra xem có tồn tại sự khác nhau về đánh giá giữa các nhóm đối tượng hay không. Kết quả của phân tích phương sai sẽ dùng làm gợi ý cho việc xây dựng chính sách cải thiên chất lượng chăm sóc người bệnh ở chương cuối.
Mô hình logit
Mô hình logit là mô hình hồi quy trong đó biến phụ thuộc là biến giả (biến định tính). Trong mô hình kinh tế lượng, các biến phụ thuộc nhận hai giá trị 0 và 1. Cụ thể trong bài luận án, biến phụ thuộc sẽ nhận hai giá trị 0 hoặc 1 tương ứng không bị ngã hay bị ngã, không bị dùng nhầm thuốc hay dùng nhầm thuốc, không hài lòng hay hài lòng. Mối quan tâm có xảy ra khả năng này hay không được thể hiện qua xác xuất. Ta gọi P là xác suất xảy ra của biến phụ thuộc (bị ngã, dùng nhầm thuốc,…) được xác định bằng công thức sau:
Trong đó:
P (Y = 1|X): Xác suất biến phụ thuộc bằng một khi tại các giá trị của X X1, X2...Xk: Các biến độc lập trong mô hình
Ảnh hưởng của bến X2 đến P tại điểm được tính như sau
Phương trình hồi quy:
P(Y = 1) = P0: Xác xuất xảy ra sự kiện
P(Y = 0) = 1 – P0 Xác xuất không xảy ra sự kiện Xi là các biến độc lập. Ln là Log cơ số e với e = 2.714 Hệ số Odds
Từ đó chúng ta có thể giải thích được. Khi các biến khác không thay đổi, Xi
thay đổi 1 đơn vị thì ln(odds) thay đổi bao nhiêu %.
Sau khi ước lượng được mô hình ta phải thực hiện một số kiểm định. - Kiểm định Wald test để kiểm định độ phù hợp của các biến trong mô hình Với cặp giả thiết:
H0: Bi = 0 (Biến không phù hợp trong mô hình) H1: Bi≠ 0 (Biến phù hợp với mô hình)
Nếu p_value nhỏ thì biến độc lập có ảnh hưởng đến biến phụ thuộc, p_value lớn thì biến độc lập không ảnh hưởng nhiều đến biến phụ thuộc.
- Kiểm định độ phù hợp của mô hình (Kiểm định Omnibus). Nếu Sig < 0.05 thì mô hình cho thấy mối tương quan giữa biến phụ thuộc và biến độc lập trong mô hình có ý nghĩa thống kê với khoảng tin cậy là 95%
- Kiểm định mức độ giải thích của mô hình (Model Summary). Hệ số mức độ giải thích của mô hình R2. Có nghĩa là là mô hình giải thích được bao nhiêu % sự thay đổi của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình, còn lại là do các yếu tố khác ảnh hưởng.