* Phân tích tương quan và hồi quy tuyến tính bội:
Các biến không đảm bảo độ giá trị hội tụ tiếp tục bị loại khỏi mơ hình cho đến khi các tham số được nhóm theo các nhóm biến. Việc xác định mối quan hệ giữa các nhóm biến này cũng như quan hệ giữa các nhóm biến độc lập (các yếu tố thành phần) và nhóm biến phụ thuộc (sự hài lịng) trong mơ hình nghiên cứu được thực hiện bằng phương pháp phân tích hồi quy tuyến tính bội.
Giá trị của biến mới trong mơ hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của của biến đó, giá trị của các thành phần được phần mềm SPSS tính một cách tự động từ giá trị trung bình có trọng số của các biến quan sát đã được chuẩn hóa. Tuy nhiên, trước khi tiến hành phân tích hồi quy, một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan nhằm kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình.
Q trình phân tích tương quan và hồi qui tuyến tính được thực hiện qua các bước:
Bước 1: Kiểm tra tương quan giữa biến các biến độc lập với nhau và với biến
phụ thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ
thuộc. Tuy nhiên, theo John và cộng sự (2000), khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trị của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).
Bước 2: Xây dựng và kiểm định mơ hình hồi qui.
Phân tích hồi quy nhằm khẳng định sự phù hợp của mơ hình nghiên cứu, kiểm định các giả thuyết để xác định mức độ ảnh hưởng của từng yếu tố tác động đến biến phụ thuộc. Sau khi thang đo của các yếu tố được kiểm định, bước tiếp theo sẽ tiến hành chạy hồi quy tuyến tính và kiểm định với mức ý nghĩa 5% theo mơ hình:
Y = β1X1+β2X2+ β3X3+ β4X4+...+ βkXk
Trong đó :
Y : Sự hài lòng của người dân về dịch vụ hành chính cơng.
Xi : Biến độc lập thứ i được giả thuyết có ảnh hưởng đến biến phụ thuộc Y. X1 : Khả năng phục vụ
X2 : Quy trình thủ tục X3 : Cơ sở vật chất X4 : Sự tin cậy
βi : Các hệ số hồi quy (i = 1 : 4)
Được thực hiện thông qua các thủ tục: Lựa chọn các biến đưa vào mơ hình hồi qui; Đánh giá độ phù hợp của mơ hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mơ hình, do vậy khơng phải mơ hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm khơng phụ thuộc vào số lượng biến đưa thêm vào mơ hình được sử dụng thay thế R2 để đánh giá mức độ phù hợp của mơ hình hồi qui bội.
+ R2 : tỷ lệ biến đổi của biến phụ thuộc được giải thích bằng tất cả các biến độc lập (R2 ≥ 0.25 tương quan khá chặt chẽ).
+ R2 hiệu chỉnh: các biến độc lập giải thích được khoảng bao nhiêu % phương sai của biến phụ thuộc.
Kiểm định độ phù hợp của mơ hình để lựa chọn mơ hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: (khơng có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập β1=β2=β3=…=βK= 0).
Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mơ hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mơ hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được. (Giá trị Sig < 0.05: cho thấy các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% => các biến độc lập trong mơ hình có quan hệ với biến phụ thuộc).
Xác định các hệ số của phương trình hồi qui, đó là các hệ số hồi qui riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so sánh trực tiếp chúng với nhau là khơng có ý nghĩa. Do đó, để có thể so sánh các hệ số hồi qui với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệnh chuẩn beta. Kết quả của mơ hình sẽ giúp ta xác định được mức độ ảnh hưởng của các nhân tố tác động đến sự hài lòng của người dân với dịch vụ hành chính cơng tại thị xã Thuận An, tỉnh Bình Dương.
Bước 3: Kiểm tra vi phạm các giả định hồi qui
Mơ hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây: Có liên hệ tuyến tính giữa các biến độc lập với biến phụ thuộc; Phần dư của biến phụ thuộc có phân phối chuẩn; Phương sai của sai số khơng đổi; Khơng có tương quan giữa các phần dư (tính
độc lập của các sai số); Khơng có tương quan giữa các biến độc lập (khơng có hiện tượng đa cộng tuyến).
Trong đó:
Công cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted Value); Cơng cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số Histogram; Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai khơng đổi là kiểm định Spearman’s rho; Công cụ được sử dụng để kiểm tra giả định khơng có tương quan giữa các phần dư là đại lượng thống kê d (Durbin - Watson).
Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, tr.497), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến. Hệ số Bêta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Bêta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự thỏa mãn của khách hàng càng lớn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
* Kiểm định sự khác biệt:
Công cụ sử dụng là phép kiểm định Independent - Sample t-test, hoặc phân tích phương sai (ANOVA), hoặc kiểm định KRUSKAL - WALLIS. Trong đó:
Independent - Sample t-test được sử dụng trong trường hợp các yếu tố nhân khẩu học có hai thuộc tính (chẳng hạn, giới tính bao gồm: giới tính nam và giới tính nữ), vì thế chia tổng thể mẫu nghiên cứu làm hai nhóm tổng thể riêng biệt;
Dùng phân tích ANOVA để so sánh ý định sử dụng dịch vụ giữa những nhóm đối tượng có giới tính, độ tuổi, nghề nghiệp, chi phí sử dụng… khác nhau. Đây là
phương pháp được sử dụng trong trường hợp chỉ sử dụng một biến yếu tố để phân loại các biến quan sát thành các nhóm khác nhau.
Kiểm định KRUSKAL - WALLIS được sử dụng khi điều kiện để ANOVA khơng thỏa mãn, trong đó trường hợp phổ biến là khi phương sai của các nhóm so sánh khơng đồng nhất (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr. 113-118; 122-133; 146 -154).
Tóm tắt chương 3:
Qua phương pháp định tính, nghiên cứu đã xây dựng được thang đo dựa trên thực tế tại thị xã Thuận An, có điều chỉnh bổ sung thang đo để xác định kích thước mẫu. Nghiên cứu chính thức được thực hiện qua phương pháp định lượng trên cơ sở bảng câu hỏi và được tiến hành khảo sát, phân tích và nhập số liệu. Chương tiếp theo, tác giả sẽ tiến hành phân tích các dữ liệu đã thu thập được, từ đó đánh giá những nhân tố ảnh hưởng đến chất lượng dịch vụ hành chính cơng tại Bộ phận tiếp nhận hồ sơ và trả kết quả thị xã Thuận An.
Chương 4