Chương 5: Gợi ý chính sách nâng cao chất lượng dịch vụ hành chính công tại UBND Quận 1
1.6. Các nghiên cứu trước và mô hình nghiên cứu đề nghị
3.3.3. Kỹ thuật phân tích dữ liệu
3.3.3.1. Đánh giá độ tin cậy của thang đo:
Chúng ta cần tính toán Crombach Alpha xem câu hỏi có đóng góp vào việc đo lường khái niệm lý thuyết mà ta đang nghiên cứu. Hệ số Cronbach Alpha là một phép kiểm định thông kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Hệ số Cronbach Alpha phải có giá trị từ 0,6 đến gần 1 thì mới đảm bảo các biến trong cùng một nhân tố có tương quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc - 2008)[13]. Trong mỗi thang đo, hệ số tương quan biến tổng (corrected Item – total Correlation) thể hiện sự tương quan giữa một biến quan sát với tất cả các biến khác trong thang đo. Do đó, hệ số này càng cao thì sự tương quan các biến quan sát này với các biến khác trong than đo càng cao. Theo Nunnally & Burnstein(1994)[26] các biến có hệ số tương quan biến tổng nhỏ hơn 0,3 được xem là biến rác và bị lọai khỏi thang đo.
3.3.3.2. Phân tích nhân tố khám phá (EFA):
Phân tích nhân tố nhằm rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn (nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 1998)[21].
Phân tích nhân tố khám phá được cho là phù hợp khi các tiêu chuẩn sau đây được thỏa điều kiện:
Tiêu chuẩn quan trọng đối với Factor Loading lớn nhất cần được quan tâm:
- Theo Hair và cộng sự (1998)[21], Factor loading là chỉ tiêu đảm bảo mức ý nghĩa của EFA. Factor loading lớn hơn 0,3 là tối thiểu, lớn hơn 0,4 được xem là quan trọng, lớn hơn 0,5 được xem là có ý nghĩa thiết thực. Factor loading lớn nhất của các biến quan sát phải lớn nhất của các biến quan sát phải lớn hơn hoặc bằng 0,5.
- Kaiser-Meyer-Olkin (KMO) là chỉ số dùng để xem xét sự thích hợp của EFA:
0,5≤KMO ≤ 1 thì phân tích nhân tố là thích hợp.
- Jabnoun & Al-Tamimi (2003)[23] tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố.
63
- Kiểm định Bartlett’s test sphericity xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể và bác bỏ giả thuyết H0.
- Phương sai trích (cumulative % of variance): phần trăm biến thiên của các biến quan sát (hay dữ liệu) được giải thích bởi các nhân tố phải đảm bảo ≥ 50%.
- Phương pháp trích hệ số được sử dụng là Principal Component Analysis với phép xoay Varimax để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, và các nhân tố không có sự tương quan lẫn nhau.
- Xác định số nhân tố bằng phương pháp dựa vào eigenvalue (Determination based on eigenvalue): chỉ giữ lại những nhân tố có eigenvalue lớn hơn 1 trong mô hình phân tích.
Sau khi phân tích EFA, các giả thuyết nghiên cứu được điều chỉnh lại theo các nhân tố mới. Phương pháp phân tích hồi quy tuyến tính bội sẽ được ứng dụng trong việc đánh giá mức độ ảnh hưởng của các nhân tố đến sự hài lòng của người dân.
3.3.3.3. Phân tích hồi quy tuyến tính đa biến:
Phân tích hồi qui đa biến: là một phương pháp được sử dụng dùng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập. Phương trình hồi qui tuyến tính đa biến có dạng:
Yi= β0 + β1X1i +β2 X2i+... +βp Xpi +ei
Mục đích của việc phân tích hồi qui đa biến là dự đóan mức độ của biến phụ thuộc (với độ chính xác trong phạm vi giới hạn) khi biết trước giá trị của biến độc lập.
Theo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc - 2008)[13] các tham số quan trọng trong phân tích hồi qui đa biến bao gồm:
Hệ số hồi qui riêng phần Bk: là hệ số đo lường sự thay đổi trong giá trị trung bình Y khi Xk thay đổi một đơn vị, giữa các biến độc lập còn lại không đổi.
Hệ số xác định R2 điều chỉnh: Hệ số xác định tỉ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong mô hình hồi qui. Đó cũng là thông số đo lường độ thích hợp của đường hồi qui theo qui tắc R2 càng gần 1 thì mô hình xây
64
dựng càng thích hợp, R2 càng gần 0 mô hình càng kém phù hợp với tập dữ liệu mẫu. Tuy nhiên, R2 cókhuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mô hình. Trong tình huốn này R2 điều chỉnh (Adjusted R square) được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2.
Kiểm định F trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình tuyến tính tổng thể. Nếu giả thuyết Ho của kiểm định F bị bác bỏ thì có thể kết luận mô hình hồi qui tuyến tính đa biến phù hợp với tập dữ liệu và có thể sử dụng được.
Kiểm định In dependent-samples T-test, và kiểm định One way ANOVA được dùng để xem xét ảnh hưởng của các biến liên quan đến đặc điểm cá nhân người khảo sát đến mức độ hài lòng chung của người dân và một số phân tích khác.
Tóm tắt chương
Từ mô hình nghiên cứu đề nghị và các yếu tố ở chương 1, thực trạng cải cách hành chính trình bày ở chương 2. Chương 3 thực hiện xây dựng quy trình nghiên cứu và tiến hành phỏng vấn các chuyên gia và chuyên viên tác nghiệp tại UBND Quận 1 từ đó điều chỉnh các tiêu chí của các yếu tố liên quan đế chất lượng dịch vụ hành chính công có ảnh hưởng đến sự hài lòng của người dân đối với dịch vụ hành chính công tại Quận 1.
Bằng phương pháp định tính, tác giả xây dựng thang đo và bảng câu hỏi, dựa trên thực tế tại địa phương để xác định kích thước mẫu. Bên cạnh đó, dựa trên cở sở khoa học xác định phương pháp đánh giá và phân tích như: Xác định hệ số Cronbach Alpha, phương pháp phân tích nhân tố khám phá, phương pháp phân tích hồi qui đa biến...
Sau khi tiến hành khảo sát nhập liệu, làm sạch dự liệu, Chương tiếp theo sẽ tiến hành chạy và phân tích dữ liệu.
65
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Trong chương này sẽ tiến hành phân tích dữ liệu đã khảo sát gồm các bước đánh giá độ tin cậy của thang đo, phân tích nhân tố khám phá, phân tích hồi qui và trình bày kết quả.