PHẦN 2 : NỘI DUNG NGHIÊN CỨU
2.3. Đánh giá cảm nhận của người dân và cơ quan, doanh nghiệp đối với chất lượng
2.3.3. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis – EFA)
EFA)
Sau khi đánh giá sơ bộ thang đo bằng hệsố CronbachÝs Alpha, phương pháp rút trích được chọn để phân tích nhân tố là phương pháp Principal Components Analysis với phép xoay Varimax. Bước tiếp theo trong việc phân tích các nhân tố trong nghiên cứu này, tác giả tiến hành kiểm định sự thích hợp của phân tích nhân tố khám phá EFA thông qua hệ số Kaiser-Meyer-Olkin (KMO). Để sử dụng EFA, KMO phải lớn hơn 0,5 ( 0,5 ≤ KMO ≤ 1). Trường hợp KMO < 0,5 thì có thểdữliệu
khơng thích hợp với phân tích nhân tố khám phá (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Tiêu chuẩn Eigenvalue là một tiêu chí sử dụng phổ biến trong việc xác định số lượng nhân tố trích trong phân tích EFA. Với tiêu chí này, số lượng nhân tố được xác địnhởnhân tốcó Eigenvalue tối thiểu bằng 1. Ngồi ra, tổng phương sai trích (TVE) cần phải được xem xét, tổng này phải lớn hơn 0,5 (50%), nghĩa là phần chung phải lớn hơn phần riêng (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Tiêu chuẩn hệsố tải nhân tố(Factor loadings) hay trọng sốnhân tốbiểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và cộng sự(1998) thì Factor loading > 0,3được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực tiễn. Ngồi ra, chênh lệch giữa các hệsốtải nhân tốcủa một biến quan sát phải lớn hơn 0,3. Tuy nhiên, cũng giống như CronbachÝs Alpha, việc loại bỏcác biến quan sát cần phải xem xét sự đóng góp vềmặt nội dung của biến đó trong khái niệm nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Toàn bộ24 biến thuộc các nhân tố độc lập thỏa mãnđiều kiện phân tích đánh giá độ tin cậy CronbachÝs Alpha được đưa vào phân tích nhân tố khám phá (EFA). Nhiệm vụ của EFA nhằm khám phá cấu trúc của thang đo các nhân tố ảnh hưởng đếnSựhài lịng vềchất lượng dịch vụhành chính cơng thơng qua 6 nhân tố: THCK (Thời hạn cam kết), TTHC (Quy trình thủ tục hành chính), CKHD (Cơng khai các hướng dẫn), TDTT (Trao đổi thông tin), GQYK (Giải quyết ý kiến), MTLV (Môi trường không gian làm việc). Sau khi đảm bảo thực hiện đúng quy trình EFA, các nhân tốsẽ được kiểm định đểlàm sạch dữliệu.
Thực hiện phân tích EFA cho tổng thể 24 biến của các thang đo thuộc các nhân tố ảnh hưởng đến Sự hài lòng về chất lượng dịch vụ hành chính cơng ta thu được các kết quả như sau:
Kế t quả phân tích nhân tố lầ n thứ nhấ t
Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's với sig = 0,000 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương
quan với nhau đạt yêu cầu. Chỉ số KMO = 0,765 > 0,5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1 với phương pháp rút trích Principal components và phép xoay varimax, phân tích nhân tố đã trích được6 nhân tố từ 24 biến quan sát và với tổng phương sai trích là 67,406% (lớn hơn 50%) đạt yêu cầu.
Dựa trên phân tích của bảng ma trận xoay nhân tố Rotated Component Matrixa (Mục 2.1 - Phụ lục 2). Kết quả phân tích cho thấy, 2 biến THCK4, GQYK2 đều tải lên 2 nhân tố. Hệsố tải lớn nhất của GQYK2 là 0,707 > 0,682 là hệ số tải lớn nhất của biến THCK4. Do vậy, tác giả quyết định loại biến THCK4
trước khi chạy lại lần 2.
Kế t quả phân tích nhân tố lầ n thứ hai
Kết quả kiểm định Bartlett (BartlettÝs test of sphericity) trong bảng kiểm định KMO và Bartlett's với sig = 0,000 và chỉ số KMO = 0,759 > 0,5 đều đáp ứng được yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã tríchđược 6 nhân tố từ 23 biến quan sát và với tổng phương sai trích là 66,875% (lớn hơn 50%) đạt yêu cầu.
Kết quả tại bảng Rotated Component Matrixa (Mục 2.1 - Phụ lục 2) cho thấy hệ số tải nhân tố của các biến này đều lớn hơn 0.5 đạt yêu cầu. Tuy nhiên, biến
GQYK2 tải lên 2 nhân tố. Do vậy, tác giảquyết định loại biến GQYK2 trước khi chạy lại lần 3.
Kế t quả phân tích nhân tố lầ n thứ ba
Kết quả kiểm định Bartlett (BartlettÝs test of sphericity) trong bảng kiểm định KMO và Bartlett's vớisig = 0,000 và chỉ sốKMO = 0,746 > 0,5 đều đáp ứng được yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã tríchđược6 nhân tố từ22 biến quan sát và với tổng phương sai trích là66,419% đạt yêu cầu.
Kết quả tại bảng Rotated Component Matrixa (Mục 2.1 - Phụ lục 2) cho thấy hệ số tải nhân tốcủa các biến này đều lớn hơn 0,5 đạt yêu cầu. Chênh lệch hệ số tải nhân tố của mỗimột biến quan sát đều lớn hơn 0,3 đạt yêu cầu.
Trong ma trận nhân tố sau khi xoay, sự tập trung của các biến quan sát theo từng nhân tố đã hiện rõ ràng, các biến quan sát cóhệ số tải nhân tố đều lớn hơn 0,5 thể hiện độ kết dính cao. Như vậyvới tổng phương sai rút trích là 66,419% cho biết 6 nhân tố này giải thích được66,419% biến thiên của dữ liệu.
Bảng 2. 8: Phân tích nhân tố đối với các biến điều tra
Nhân tố 1 2 3 4 5 6 TĐTT2 0,827 TĐTT1 0,816 TĐTT5 0,802 TĐTT4 0,770 CKHD1 0,839 CKHD2 0,801 CKHD3 0,796 CKHD4 0,701 GQYK5 0,823 GQYK4 0,787 GQYK1 0,783 GQYK3 0,762 TTHC2 0,832 TTHC4 0,800 TTHC1 0,773 TTHC3 0,633 MTLV2 0,812 MTLV1 0,805 MTLV3 0,727 THCK2 0,843 THCK1 0,794 THCK3 0,762
Dựa vào kết quả bảng ma trận xoay các nhân tố (Rotated Component Matrixa) lệnh Transform/Compute Variable được sử dụng để nhóm các biến đạt yêu cầu với hệ số tải nhân tố > 0,5 thành sáu nhân tố.