7. Bố cục của luận văn
4.4. PHÂN TÍCH HỒI QUI
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, phân tích ma trận tương quan, hồi quy tuyến tính bội, kiểm tra Hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu các giả định về đa cộng tuyến không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng. Và hệ số R2 hiệu chỉnh (Adjusted R Square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào.
kiểm định các giả thuyết kỳ vọng.
4.4.1. Mô hình nghiên cứu hiệu chỉnh
Sau khi phân tích EFA cho thấy một số biến đã được tách ra để tham gia tạo thành những nhân tố mới gồm 36 biến quan sát đo lường thành 5 nhân tố với tên gọi được trình bày ở sơ đồ 4.1.
Giả thuyết cho mô hình nghiên cứu hiệu chỉnh:
Giả thuyết H1: Có mối quan hệ dương giữa nhân tố Cơ chế giám sát, góp ý và Mức độ hài lòng của người dân.
Giả thuyết H2: Có mối quan hệ dương giữa nhân tố Thủ tục, thời gian làm việc và Lệ phí với Mức độ hài lòng của người dân.
Giả thuyết H3: Có mối quan hệ dương giữa nhân tố Cán bộ, công chức và Mức độ hài lòng của người dân.
Giả thuyết H4: Có mối quan hệ dương giữa nhân tố Cơ sở vật chất và Mức độ hài lòng của người dân.
Giả thuyết H5: Có mối quan hệ dương giữa nhân tố Công khai công vụ và Mức độ hài lòng của người dân.
4.4.2. Kiểm định mô hình nghiên cứu
4.4.2.1. Phân tích hệ số tương quan Pearson
Phân tích hệ số tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mô hình hồi quy.
Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Một hệ số tương quan dương 1 cho thấy hai biến số có mối quan hệ thuận chiều tuyệt đối. Nếu các biến có tương quan chặt chẽ thì
Sơ đồ 4.1: Mô hình hiệu chỉnh Đánh giá mức độ hài lòng của người dân đối với dịch vụ công tại Bộ phận một cửa UBND huyện Diên Khánh
M Mứứccđđộộhhààiillòònngg c chhấấttllưượợnnggddịịcchhvvụụ h hàànnhhcchhíínnhhccôônngg C Cáánnbbộộ,,ccôônnggcchhứứcc CCơơssởởvvậậttcchhấấtt T Thhủủttụụcc,,tthhờờiiggiiaannllààmmvviiệệcc&&LLệệpphhíí C Côônnggkkhhaaiiccôônnggvvụụ C Cơơcchhếếggiiáámmssáátt,,ggóóppýý H H11 H H22 H H55 H H44 H H33
phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy.
Kết quả ma trận tương quan cho thấy rằng các biến đều có tương quan với nhau và có ý nghĩa. Hệ số tương quan biến phụ thuộc là sự hài lòng với các biến độc lập tương đối cao, ta có thể kết luận các biến độc lập này có thể đưa vào mô hình để giải thích cho biến hài lòng.
Căn cứ bảng phân tích 4.14 hệ số tương quan giữa các biến độc lập dao động từ 0,132 đến 0,583 (nhỏ hơn 1) chứng tỏ chúng có mối quan hệ thuận chiều. Hệ số tương quan giữa biến “Quy trình, thời gian làm việc và Lệ phí” và “Mức độ hài lòng chung” đạt cao nhất, điều này chứng tỏ hai nhân tố này có mối quan hệ thuận và chặt chẽ.
Bảng 4.14: Ma trận tương quan giữa các nhân tố (Pearson)
F1 F2 F3 F4 F5 HL
Tương quan Pearson 1 .000 .000 .000 .000 .367**
Mức ý nghĩa. (2-đuôi) 1.000 1.000 1.000 1.000 .000
F1
N 265 265 265 265 265 265
Tương quan Pearson .000 1 .000 .000 .000 .583**
Mức ý nghĩa. (2-đuôi) 1.000 1.000 1.000 1.000 .000
F2
N 265 265 265 265 265 265
Tương quan Pearson .000 .000 1 .000 .000 .238**
Mức ý nghĩa. (2-đuôi) 1.000 1.000 1.000 1.000 .000
F3
N 265 265 265 265 265 265
Tương quan Pearson .000 .000 .000 1 .000 .132*
Mức ý nghĩa. (2-đuôi) 1.000 1.000 1.000 1.000 .032
F4
N 265 265 265 265 265 265
Tương quan Pearson .000 .000 .000 .000 1 .473**
Mức ý nghĩa. (2-đuôi) 1.000 1.000 1.000 1.000 .000
F5
N 265 265 265 265 265 265
Tương quan Pearson .367** .583** .238** .132* .473** 1 Mức ý nghĩa. (2-đuôi) .000 .000 .000 .032 .000
HL
N 265 265 265 265 265 265
**. Sự tương quan có ý nghĩa thống kê ở mức 0.01 (2-đuôi). *. Sự tương quan có ý nghĩa thống kê ở mức 0.05 (2-đuôi).
4.4.2.2. Đánh giá độ phù hợp của mô hình
Bảng 4.15: Bảng đánh giá mức độ phù hợp của mô hình Model Summaryb
Thay đổi các giá trị thống kê Mô hình R R 2 R2 hiệu chỉnh Sai số chuẩn ước lượng R2 thay đổi F thay đổi df1 df2 Mức ý nghĩa. F thay đổi Durbin- Watson 1 .879a .773 .768 .48117220 .773 176.251 5 259 .000 2.102 a. Biến độc lập: (Hằng số), F5, F4, F3, F2, F1 b. Biến phụ thuộc: HL
Nguồn: Kết quả xử lý trên Phần mềm SPSS
Kết quả phân tích hồi qui tuyến tính bội cho thấy mô hình có R2= 0,773 và R2 được hiệu chỉnh = 0,768. Ta nhận thấy R2 hiệu chỉnh nhỏ hơn R2 nên ta dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). R2 hiệu chỉnh bằng 0,768 nói lên độ thích hợp của mô hình là 76,8% hay nói cách khác là 76,8% sự biến thiên của biến “Hài lòng” được giải thích chung của 5 biến quan sát. Như vậy mô hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
4.4.2.3. Phân tích phương sai
Bảng 4.16: Bảng kết quả phân tích ANOVA ANOVAb Mô hình Tổng bình phương df Trung bình bình phương F Mức ý nghĩa Hồi quy 204.035 5 40.807 176.251 .000a Phần dư 59.965 259 .232 1 Tổng 264.000 264 a. Biến độc lập: (Hằng số), F5, F4, F3, F2, F1 b. Biến phụ thuộc: HL
Nguồn: Kết quả xử lý trên Phần mềm SPSS
Kiểm định F sử dụng trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý nghĩa của kiểm định này là mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Phân tích ANOVA cho thấy thông số F = 176,251 với mức ý nghĩa = 0,000 điều này chứng tỏ mô hình hồi qui xây dựng là phù hợp với bộ dữ liệu thu thập được và các biến đưa vào mô hình đều có ý nghĩa thống kê với mức ý nghĩa 5%. Như vậy các biến độc lập trong mô hình có
quan hệ đối với biến phụ thuộc “Sự hài lòng”.
4.4.3. Hệ số hồi quy trong mô hình
Với biến phụ thuộc là mức độ hài lòng chung và 5 biến độc lập được trích ra từ phân tích nhân tố EFA, tiến hành phân tích hồi quy (sử dụng phương pháp đưa vào một lượt Enter). Từ bảng 4.17 phương trình hồi quy thể hiện mối quan hệ giữa biến phụ thuộc là Mức độ hài lòng (HL) với các biến độc lập: (F1) Cơ chế giám sát, góp ý; (F2) Thủ tục, quy trình làm việc và Lệ phí; (F3) Cán bộ, công chức; (F4) Cơ sở vật chất; (F5) Công khai công vụ.
Bảng 4.17: Kết quả hồi quy (sử dụng phương pháp Enter) Coefficientsa
Hệ số hồi quy không chuẩn hoá
Hệ số hồi quy chuẩn hoá Thống kê đa cộng tuyến Mô hình B Độ lệch chuẩn Beta t Mức ý nghĩa Độ chấp nhận của biến Hệ số phóng đại phương sai (VIF) (Hằng số) 8.614E-17 .030 .000 1.000 F1 .367 .030 .367 12.403 .000 1.000 1.000 F2 .583 .030 .583 19.687 .000 1.000 1.000 F3 .238 .030 .238 8.042 .000 1.000 1.000 F4 .132 .030 .132 4.446 .000 1.000 1.000 1 F5 .473 .030 .473 15.981 .000 1.000 1.000 a. Biến phụ thuộc: HL
Nguồn: Kết quả xử lý trên Phần mềm SPSS
Kết quả phân tích hồi qui cho thấy mô hình không vi phạm hiện tượng đa cộng tuyến do hệ số phóng đại phương sai của các biến độc lập (VIF) đều nhỏ hơn 5. Hiện tượng tự tương quan không cần thiết phải xét đến vì dữ liệu để chạy mô hình không phải là dữ liệu chuỗi thời gian. Kết quả hồi quy các biến độc lập có mức ý nghĩa 0,00 (nhỏ hơn 0,05) là các biến có tác động đến sự hài lòng chung và tác động thuận chiều vì các hệ số hồi qui đều mang dấu dương.
Theo phương trình hồi qui trên trọng số của các yếu tố tác động đến mức độ hài lòng của người dân được sắp xếp theo mức độ giảm dần như sau:
F2 - Thủ tục, thời gian làm việc và Lệ phí = 0,583 F5 - Công khai công vụ = 0,473
F1- Cơ chế giám sát, góp ý = 0,367 F3 - Cán bộ, công chức = 0,238 F4 - Cơ sở vật chất = 0,132.
Để xác định tầm quan trọng của mỗi biến đối với biến phụ thuộc trong mối quan hệ so sánh giữa các biến độc lập, chúng ta dùng hệ số hồi quy (Beta) đã được chuẩn hóa. Ta có F2 là quan trọng nhất do có hệ số Beta đã chuẩn hóa là 0,583; F5 quan trọng thứ nhì do hệ số Beta đã chuẩn hóa là 0,473; F1 quan trọng thứ ba do hệ số Beta đã chuẩn hóa là 0,367; F3 quan trọng thứ tư do hệ số Beta đã chuẩn hóa là 0,238; F4 quan trọng thứ năm do hệ số Beta đã chuẩn hóa 0,132.
4.4.4. Kiểm định các giả thuyết của mô hình
Kết quả phân tích Phương sai ở bảng 4.16 thể hiện giá trị F= 176,251 và Mức ý nghĩa = 0,00 rất nhỏ so với mức ý nghĩa 0,05 cho nên giả thuyết H0 bị bác bỏ với độ tin cậy 95%. Tuy nhiên, điều này không có nghĩa là các biến độc lập được đưa vào mô hình đều có ý nghĩa, để xác định biến độc lập nào có ý nghĩa chúng ta tiến hành kiểm định các giả thuyết:
Giả thuyết H1: Mối quan hệ tích cực giữa Cơ chế giám sát, góp ý và Mức độ hài lòng của người dân: Hệ số hồi quy giữa Cơ chế giám sát, góp ý và Mức độ hài lòng của người dân là 0,367 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết H1 được chấp nhận hay nói cách khác sự tác động của Cơ chế giám sát, góp ý đến Mức độ hài lòng của người dân có ý nghĩa thống kê.
Giả thuyết H2: Mối quan hệ tích cực giữa Thủ tục, thời gian làm việc & Lệ phí và Mức độ hài lòng của người dân: Hệ số hồi quy giữa Thủ tục, thời gian làm việc & Lệ phí và Mức độ hài lòng của người dân là 0,583 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết H2 được chấp nhận hay nói cách khác sự tác động của Thủ tục, thời gian làm việc & Lệ phí đến Mức độ hài lòng của người dân có ý nghĩa thống kê.
Giả thuyết H3: Mối quan hệ tích cực giữa Cán bộ, công chức và Mức độ hài lòng của người dân: Hệ số hồi quy giữa Cán bộ, công chức và Mức độ hài lòng của người dân là 0,238 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết H3 được chấp nhận hay nói cách khác sự tác động của Cán bộ, công chức đến Mức độ hài lòng của người dân có ý nghĩa thống kê.
Giả thuyết H4: Mối quan hệ tích cực giữa Cơ sở vật chất và Mức độ hài lòng của người dân: Hệ số hồi quy giữa Cơ sở vật chất và Mức độ hài lòng của người dân là 0,132 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết H4 được chấp nhận hay nói cách khác sự tác động của Cơ sở vật chất đến Mức độ hài lòng của người dân có ý nghĩa thống kê.
Giả thuyết H5: Mối quan hệ tích cực giữa Công khai công vụ và Mức độ hài lòng của người dân: Hệ số hồi quy giữa Công khai công vụ và Mức độ hài lòng của người dân là 0,473 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết H5 được chấp nhận hay nói cách khác sự tác động của Công khai công vụ đến Mức độ hài lòng của người dân có ý nghĩa thống kê.
Vậy mô hình toàn diện có ý nghĩa thống kê và kết quả kiểm định các giả thuyết bằng phương pháp đánh giá ý nghĩa của từng biến độc lập riêng biệt thì cả năm nhân tố đều có ý nghĩa thống kê.
4.4.5. Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết và những chuẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng được không đáng tin cậy nữa. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Vì vậy, ta cần thực hiện kiểm định các giả thiết cần thiết trong mô hình hồi quy có vi phạm hay không gồm các giả định sau:
- Giả định liên hệ tuyến tính: Phương pháp được sử dụng là đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự báo chuẩn hóa trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nhận xét biểu đồ phân tán Scatterplot (Biểu đồ 4.8) dưới đây ta nhận thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Như vậy, giả định liên hệ tuyến tính của mô hình không bị vi phạm.
Nguồn: Kết quả xử lý trên Phần mềm SPSS
Biểu đồ 4.8: Biểu đồ phân tán
- Giả định phương sai của sai số không đổi: Nhận xét biểu đồ phân tán Scatterplot (Biểu đồ 4.8) trên đây ta nhận thấy phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.
Ngoài ra, để thực hiện việc kiểm định phương sai của sai số không đổi bằng việc phân tích hồi quy giữa biến phụ thuộc là bình phương phần dư và biến độc lập là giá trị dự báo sự thỏa mãn. Các giá trị này được tạo từ phần mềm SPSS:
• PRE_1: giá tri dự báo sự thỏa mãn
• RES_1: giá trị phần dư.
• Tạo biến phần dư bình phương ee = RES_1* RES_1
Kết quả tại Phụ lục 7 cho thấy: R2 = 0,07; F = 1,951; Sig. = 0,164 > 0,05 nên không bác bỏ giả thiết phương sai của sai số không đổi.
Ta có R2 = 0,07 với t = -1,397 không có ý nghĩa thống kê vì Sig. = 0,164> 0,05 nên giả thiết R2≠0 là không phù hợp. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.
- Giả định về phân phối chuẩn của phần dư: Để khảo sát sự vi phạm về giả định phân phối chuẩn của phần dư, sử dụng biểu đồ Histogram và biểu đồ P-P plot trong phân tích SPSS. Biểu đồ Histogram (Biểu đồ 4.9) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn hóa (trung bình Mean gần bằng 0 và độ lệch chuẩn Std..Dev = 0,99 tức là gần bằng 1). Ngoài ra,
nhìn vào đồ thị P-P plot (Biểu đồ 4.10), kết quả cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
Nguồn: Kết quả xử lý trên Phần mềm SPSS
Biểu đồ 4.9: Biểu đồ Histogram
Nguồn: Kết quả xử lý trên Phần mềm SPSS
Biểu đồ 4.10: Biểu đồ P-P Plot