Thang đo thang đo nếu Trung bình loại biến
Phương sai thang đo nếu
loại biến Tương quan biến tổng Cronbach's Alpha nếu loại biến
Sự hài lòng Cronch’s Alpha = 0.882
SAT1 9.66 5.002 .701 .866
SAT2 9.98 4.822 .759 .844
SAT3 9.91 5.435 .696 .867
SAT4 9.83 4.798 .830 .815
Dựa vào bảng 4.9 thì ta thấy hệ số Cronbach’s Alpha = 0.882 >0.6 và tương quan biến - tổng của tất cả các biến quan sát đều lớn hơn 0.3. Vì vậy, tất cả các biến quan sát đều được chấp nhận và sẽ được sử dụng trong phân tích nhân tố tiếp theo.
4.3. Phân tích nhân tố khám phá EFA
Kết quả phân tích độ tin cậy của thang đo các khái niệm cho thấy có 28 biến quan sát đạt tiêu chuẩn và được đưa vào thực hiện phân tích nhân tố với phương pháp trích nhân tố Principal Components với phép quay Varimax nhằm đánh giá giá trị hội tụ và giá trị phân biệt của thang đo.
4.3.1. Phân tích nhân tố đối với các biến độc lập
Tiến hành phân tích EFA cho 24 biến độc lập bao gồm:
Bảng 4.10 Các biến độc lập được sử dụng phân tích nhân tố EFA
Yếu tố Phát biểu
Sự tin cậy
REL1 Bệnh viện luôn đúng lịch hẹn
REL3 Bệnh viện đảm bảo sự riêng tư của Ông (Bà/ Anh/ Chị) REL4 Ơng (Bà/Anh/Chị) tin tưởng vào chun mơn của bác sĩ
REL5
Ông (Bà/ Anh/ Chị) tin rằng kết quả khám chữa bệnh là chính xác
46
Sự thấu cảm
EMP1
Ông (Bà/ Anh/ Chị) cảm thấy an tâm khi giao tiếp với nhân viên bệnh viện
EMP2 Bác sĩ rất quan tâm đến lo lắng của Ông (Bà/ Anh/ Chị) EMP3 Bác sĩ tham khảo ý kiến bệnh nhân trước khi chỉ định điều trị EMP4
Bác sĩ tư vấn cho Ông (Bà/ Anh/ Chị) rất kỹ trong quá trình điều trị bệnh.
Phương tiện hữu hình
TAN1 Diện mạo của bệnh viện trông rất đẹp
TAN2 Trang phục của nhân viên gọn gàng và sạch sẽ TAN3 Bệnh viện có trang thiết bị hiện đại
TAN4 Nơi chờ khám chữa bệnh thoáng mát, sạch sẽ TAN5
Ơng (Bà/ Anh/ Chị) dễ dàng tìm thấy các phịng khám trong bệnh viện
Sự đáp ứng
RES1 Các thủ tục khám chữa bệnh đơn giản và chính xác RES2 Bác sĩ khám bệnh cho Ông (Bà/ Anh/ Chị) rất kỹ RES3 Nhân viên bệnh viện luôn sẵn sàng hỗ trợ bệnh nhân RES4
Bác sĩ giải đáp rõ ràng kết quả khám chữa bệnh cho Ông (Bà/ Anh/ Chị)
Năng lực phục
vụ
ASS1 Nhân viên bệnh viện rất thành thạo công việc ASS2 Bác sĩ dường như có nhiều kinh nghiệm
ASS3 Thời gian chờ khám bệnh tại bệnh viện là phù hợp
ASS4
Sức khỏe của Ông (Bà/ Anh/ Chị) được cải thiện sau đợt điều trị vừa qua Chi phí khám chữa bệnh COST1
Chi phí khám chữa bệnh phù hợp khả năng chi trả của Ông (Bà/ Anh/ Chị)
COST2
Chi phí khám chữa bệnh tương đương với dự tính Ơng (Bà/ Anh/ Chị)
COST3 Chi phí khám chữa bệnh tại bệnh viện là hợp lý Hệ số KMO
Bảng 4.11 Kết quả kiểm định hệ số KMO của biến độc lập
Hệ số KMO (Kaiser-Meyer-Olkin) .788
Kiểm định Bartlett Của thang đo
Giá trị Chi bình phương 2955.013
Df – Bậc tự do 276
47
Dựa vào Bảng 4.10 ta có thể thấy hệ số KMO = 0.788 là đảm bảo yêu cầu (>=0.5), tức là phân tích nhân tố là thích hợp với mức ý nghĩa của kiểm định Bartlett = 0.000 (<0.05), tức là giữa các biến có tương quan với nhau trong tổng thể và thỏa điều kiện phân tích nhân tố
Hệ số tải nhân tố
Sau khi chạy EFA theo phương pháp Pricipal Components với phép quay Varimax ta có hệ số tải các biến được phân bố như sau:
Bảng 4.12 Bảng eigenvalues và phương sai trích
Kết quả cho thấy với 24 biến quan sát ban đầu được nhóm thành 6 nhóm. Giá trị phương sai trích = 71.152% >50% đạt yêu cầu, khi đó có thể nói rằng 6 nhóm nhân tố này giải thích được 71.152% biến thiên của dữ liệu. Giá trị số Eigenvalues của các nhân tố đều cao (>1), nhân tố 6 là nhân tố có hệ số này thấp nhất 1.440 > 1.
Dựa vào Bảng 4.13 ta thấy:
Kết quả phân tích nhân tố cho thấy các biến quan sát phân biệt thành 6 nhân tố độc lập, số lượng nhân tố hoàn toàn phù hợp với 6 giả thuyết ban đầu đo lường sự hài lịng của bệnh nhân ngoại trú. Vì thế thang đo đạt giá trị phân biệt.
48
Hệ số tương quan đơn giữa các biến và các nhân tố trong cùng một nhân tố trong phân tích này ln lớn từ 0.696 trở lên (>0.5) vì thế thang đo đạt giá trị hội tụ. Kết quả EFA cho thấy các biến đều nằm ở những thành phần như đã giả thuyết.
Bảng 4.13 Ma trận nhân tố với phương pháp xoay Pricipal Varimax
Nhân tố 1 2 3 4 5 6 TAN5 .868 TAN1 .783 TAN3 .770 TAN4 .759 TAN2 .754 ASS4 .901 ASS3 .830 ASS2 .822 ASS1 .737 REL3 .890 REL4 .849 REL5 .811 REL1 .756 EMP1 .845 EMP4 .837 EMP3 .770 EMP2 .719 RES4 .847 RES2 .811 RES3 .717 RES1 .696 COST3 .868 COST1 .856 COST2 .802
49
4.3.2. Phân tích nhân tố đối với biến phụ thuộc
Tiến hành chạy EFA với biến phụ thuộc là sự hài lòng của bệnh nhân ngoại trú (SAT) gồm 4 biến đo lường theo phương pháp Pricipal Components với phép quay Variamax.
Bảng 4.14 Các biến quan sát phụ thuộc được sử dụng trong phân tích EFA
S Sự hài lịng
u
SAT1 Ơng (Bà/Anh/Chị) hài lòng với các dịch vụ của bệnh viện SAT2 Ơng (Bà/Anh/Chị) hài lịng với kết quả điều trị
SAT3
Ông (Bà/Anh/Chị) sẽ giới thiệu các dịch vụ của bệnh viện đến người thân, quen
SAT4
Ông (Bà/Anh/Chị)sẽ trở lại bệnh viện để khám chữa bệnh nếu có vấn đề sức khỏe
Hệ số KMO
Bảng 4.15 Kết quả kiểm định KMO của thang đo mức độ hài lòng
Hệ số KMO (Kaiser-Meyer-Olkin ) .824
Kiểm định Bartlett của thang đo
Approx. Chi-Square 482.179
Df 6
Sig. .000
Dựa vào bảng 4.15 ta có thể thấy hệ số KMO = 0.824 là đảm bảo yêu cầu (>=0.5) tức là phân tích nhân tố là thích hợp và mức ý nghĩa của kiểm định Bartlett = 0.000 (<0.05), tức là giữa các biến có tương quan với nhau trong tổng thể. Điều này chứng tỏ dữ liệu dùng trong phân tích nhân tố là hồn tồn thích hợp.
Hệ số tải nhân tố
Bảng 4.16 Kết quả phân tích EFA cho biến phụ thuộc
Biến quan sát Nhân tố 1 SAT4 .914 SAT2 .870 SAT1 .830 SAT3 .828 Phương sai trích 71.152%
50
phương sai trích là 71.152% (>50%). Hơn nữa trọng số của các biến trong nhân tố đều cao. Như vậy các biến quan sát của thang đo này đạt yêu cầu cho các phân tích tiếp theo.
Sau phân tích EFA theo nhóm biến độc lập và biến phụ thuộc ta đi đến kết luận được các biến quan sát được phân biệt thành 6 nhân tố độc lập và một nhân tố phụ thuộc. Tất cả các biến quan sát đều nằm ở những thành phần đã giả thuyết. Vì vậy về mặt nhân tố, thang đo này phù hợp.
4.4. Phân tích hồi quy
Sau khi phân tích EFA các nhóm biến nhân tố khơng có thay đổi so với giả thuyết ban đầu, giá trị của các nhân tố được dùng để chạy hồi quy đã được kiểm định Cronbach Alpha và phân tích EFA.
4.4.1. Phân tích hồi quy bội
Trước khi tiến hành phân tích hồi quy, cần xem xét mối quan hệ tương quan tuyến tính giữa biến phụ thuộc là sự hài lịng của bệnh nhân ngoại trú và các biến độc lập của mơ hình thơng qua ma trận hệ số tương quan. Kết quả phân tích này cho thấy (Bảng 4.17) hệ số tương quan giữa biến phụ thuộc và biến độc lập đều lớn hơn 0 và có mức ý nghĩa thống kê nghĩa là các biến có quan hệ tuyến tính với nhau vì thế tất cả các biến độc lập có thể đưa vào phân tích hồi quy.
Bảng 4.17 Kết quả phân tích tương quan
REL EMP TAN RES ASS COST SAT
REAL Pearson Correlation 1 .289 ** -.051 .020 .310** .241** .471** Sig. (2- tailed) .000 .450 .770 .000 .000 .000 N 220 220 220 220 220 220 220 EMP Pearson Correlation .289 ** 1 .012 .230** .285** .211** .430** Sig. (2- tailed) .000 .857 .001 .000 .002 .000 N 220 220 220 220 220 220 220 TAN Pearson Correlation -.051 .012 1 .135 * .292** .332** .324**
51 tailed) N 220 220 220 220 220 220 220 RES Pearson Correlation .020 .230 ** .135* 1 .139* .260** .411** Sig. (2- tailed) .770 .001 .046 .039 .000 .000 N 220 220 220 220 220 220 220 ASS Pearson Correlation .310 ** .285** .292** .139* 1 .426** .575** Sig.(2- tailed) .000 .000 .000 .039 .000 .000 N 220 220 220 220 220 220 220 COST Pearson Correlation .241 ** .211** .332** .260** .426** 1 .509** Sig. (2- tailed) .000 .002 .000 .000 .000 .000 N 220 220 220 220 220 220 220 SAT Pearson Correlation .471 ** .430** .324** .411** .575** .509** 1 Sig. (2- tailed) .000 .000 .000 .000 .000 .000 N 220 220 220 220 220 220 220
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
Tác giả tiếp tục phân tích hồi quy bằng SPSS với phương pháp Enter với biến phụ thuộc là sự hài lòng và sáu biến độc lập. Từng biến độc lập có mức ý nghĩa nhỏ hơn 0.01 và đều có tương quan riêng phần với biến phụ thuộc.
Kết quả phân tích hồi quy cho thấy mức độ phù hợp của mơ hình Bảng 4.18 Hệ số xác định sự phù hợp của mơ hình Mơ hình R R 2 R 2 điều chỉnh Sai số ước lượng
52
Từ kết quả trên cho thấy R2 = 0.618, R2 điều chỉnh = 0.608 nghĩa là mơ hình đã xây dựng phù hợp với tập dữ liệu đến mức 60.8%. Nói cách khác các biến độc lập trong mơ hình giải thích được 60.8% biến thiên của biến phụ thuộc về sự hài lòng của bệnh nhân ngoại trú là do tác động của sáu biến độc lập.
Sử dụng trọng số hồi quy (β điều chỉnh) để đánh giá mức độ ảnh hưởng của các biến này lên biến phụ thuộc. Từ bảng 4.19 cho thấy tất cả các hệ số β1, β2, β3, β4, β5, β6 đều có mức ý nghĩa sig. nhỏ hơn 0.05
Bảng 4.19 Kết quả phân tích hồi quy
Theo kết quả trên thứ tự tầm quan trọng của từng yếu tố phụ thuộc vào giá trị tuyệt đối của hệ số Beta điều chỉnh. Nhân tố nào có hệ số Beta điều chỉnh càng lớn thì mức độ tác động đến sự hài lịng càng nhiều. Từ kết quả phân tích hồi quy cho thấy sự hài lòng của bệnh nhân ngoại trú đối với bệnh viện cơng lập thành phố Hồ Chí Minh chịu tác động nhiều nhất bởi sự tin cậy (β1=0.3), năng lực phục vụ (β5= 0.282), sự đáp ứng (β4=0.264), sự thấu cảm (β2 = 0.167), phương tiện hữu hình (β2 = 0.167), chi phí khám chữa bệnh (β6 = 0.157). Phương trình hồi quy:
SAT = 0.3REL+0.282ASS + 0.264RES +0.167EMP+0.167TAN+0.157COST
Mơ hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa T Sig. Thống kê đa cộng tuyến B Sai số
chuẩn Beta Dung sai
Hệ số phóng đại phương sai VIF 1 Hằng số -.761 .247 -3.077 .002 REL .211 .033 .300 6.407 .000 .817 1.224 EMP .187 .052 .167 3.603 .000 .830 1.205 TAN .179 .050 .167 3.583 .000 .824 1.214 RES .256 .043 .264 5.892 .000 .890 1.124 ASS .293 .052 .282 5.612 .000 .711 1.406 COST .113 .036 .157 3.139 .002 .713 1.402
53
4.4.2. Kiểm tra các giả định cần thiết trong phân tích hồi quy bội
Theo Hồng Trọng & Chu Nguyễn Mộng Ngọc (2008) phân tích hồi quy khơng chỉ là việc mô tả các dữ liệu quan sát được, từ các kết quả quan sát được trong mẫu, chúng ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch hồi quy không thể tách rời các giả định cần thiết và những chẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì kết quả ước lượng được sẽ khơng đáng tin cậy. Để mơ hình hồi quy bội xây dựng được ước lượng theo phương pháp bình phương bé nhất (OLS) cần đảm bảo các giả định.
4.4.2.1. Giả định về liên hệ tuyến tính.
Phương pháp được sử dụng là vẽ đồ thị phân tán giữa phần dư chuẩn hóa (Standardized residual) trên trục tung và giá trị dự đốn chuẩn hóa trên trục hồnh, đại lượng phần dư chuẩn hóa và giá trị dự đốn chuẩn hóa được tính bằng cách sao lưu giá trị khi tiến hành bước phân tích hồi quy. Kết quả kiểm tra cho thấy (Phụ lục 10) phần dư được phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ , phần dư không thay đổi theo một trật tự nào đối với giá trị dự đoán. Do vậy, giả định liên hệ tuyến tính khơng bị vi phạm
4.4.2.2. Giả định phương sai của sai số không đổi
Tiếp theo, cần kiểm tra giả định phương sai của sai số khơng đổi có bị vi phạm hay khơng. Bởi vì hiện tượng “Phương sai thay đổi” gây ra nhiều tai hại với mơ hình ước lượng bằng phương pháp OLS. Nó làm cho các ước lượng của các hệ số hồi quy không chệch nhưng không hiểu quả (tức là không phải là ước lượng phù hợp).
Đồ thị phân tán giữa phần dư chuẩn hóa trên trục tung và giá trị dự đốn chuẩn hóa trên trục hoành được dùng để kiểm tra hiện tượng phương sai thay đổi. Ta thấy các phần dư phân tán ngẫu nhiên quanh trục 0 trong một phạm vi khơng đổi, có thể kết luận phương sai của sai số không đổi
54
4.4.2.3. Giả định về phân phối chuẩn của phần dư
Mơ hình hồi quy bội mà chúng ta xây dựng được chỉ thực sự phù hợp với các dữ liệu quan sát khi phần dư có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi. Kết quả trong biểu đồ tần số Histogram (phụ lục 10) cho thấy, một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số được đặt chồng lên biểu đồ tần số, với độ lệch chuẩn Std. Dev=0.98621 (gần bằng 1) và giá trị trung bình Mean (gần bằng 0). Nếu chúng ta kỳ vọng rằng các phần dư quan sát có phân phối chuẩn hồn tồn là khơng khả thi vì ln ln có chênh lệch do lấy mẫu, nên giá trị xấp xỉ chuẩn ở trên là hồn tồn hợp lý, do đó có thể kết luận rằng, giả thiết phân phối chuẩn của phần dư khơng bị vi phạm.
4.4.2.4. Giả định về tính độc lập của sai số (khơng có tương quan giữa các phần dư)
Đại lượng thống kê Durbin – Watson (d) có thể dùng để kiểm định về tính độc lập của sai số (khơng có tương quan giữa các phần dư). Đại lượng d có giá trị trị biến thiên từ 0 đến 4, nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2. Kết quả Durbin Watson trong phân tích hồi quy bội cho thấy (phụ lục 10), giá trị d tính được rơi vào miền chấp nhận giả thuyết khơng có tương quan chuỗi bậc nhất (d=1.867). Vì thế, giả định về tính độc lập của sai số khơng bị vi phạm.
4.4.2.5. Đánh giá hiện tượng đa cộng tuyến
Hiện tượng đa cộng tuyến cần được kiểm tra để loại trừ các biến nào có đa cộng tuyến trầm trọng khi đưa vào trong mơ hình. Mơ hình hồi quy với sáu biến độc lập có hệ số VIF đều nhỏ hơn 2 (Bảng 4.18). Chứng tỏ khơng có hiện tượng đa cộng tuyến xảy ra trong mơ hình.
Bảng 4.20 Hiện tượng đa cộng tuyến đánh giá dung sai và hệ số VIF
Các biến độc lập Dung sai VIF
Sự tin cậy .817 1.224
55
Phương tiện hữu hình .824 1.214
Sự đáp ứng .890 1.124
Năng lực phục vụ .711 1.406
Chi phí khám chữa bệnh .713 1.402
4.4.3. Kiểm định giả thuyết
Theo kết quả phân tích hồi quy tác giả tiến hành kiểm định giả thuyết Bảng 4.21 Bảng tổng hợp kết quả kiểm định giả thuyết
Nội dung giả thuyết Kết quả kiểm định
(H1) Bệnh nhân cảm nhận bệnh viện có sự tin cậy càng cao thì sự hài lòng của bệnh nhân về bệnh viện càng cao.
β = 0.3.Sig=0.000 <0.05 do đó chấp nhận giả thuyết
(H2) Bệnh nhân cảm nhận bệnh viện có sự thấu cảm càng cao thì sự hài lịng của bệnh nhân về bệnh viên càng cao
β = 0.167,Sig=0.000<0.05 do đó chấp nhận giả thuyết (H3) Bệnh nhân cảm nhận về phương tiện hữu hình
của bệnh viện càng hiện đại thì sự hài lịng của