Các thang đo của mô hình nghiên cứu cần được kiểm tra độ tin cậy khi sử dụng
trong mô hình, có nhiều phương pháp để thực hiện điều này. Tác giả dựa vào hệ số Cronbach Alpha để đánh giá độ tin cậy của thang đo là phương pháp phổ biến, dễ hiểu
và dễ sử dụng được các chuyên gia khuyên dùng.
Kiểm định độ tin cậy thang đo Cronbach’s Alpha được sử dụng để loại bỏ biến rác trước khi tiến hành phân tích nhân tố. Kiểm định độ tin cậy của các biến trong
thang đo chất lượng dịch vụ hành chính công của các cơ quan hành chính nhà nước
tỉnh Khánh Hòa dựa vào hệ số kiểm định Cronbach Alpha của các thành phần thang đo
và hệ số Cronbach Alpha của mỗi biến đo lường.
Một thang đo được cho là tốt khi hệ số Cronbach Alpha có giá trị từ 0.8 trở lên
đến dưới 1. Nếu hệ số Cronbach Alpha có giá trị từ 0.6 đến gần 0.8 là sử dụng được.
(Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007).
Trong quá trình phân tích hệ số Cronbach Alpha, các mục hỏi (Items) có hệ số tương quan biến – biến tổng nhỏ hơn 0.3 sẽ bị loại (Nunnlly & Burnstein, 1994). Những mục hỏi bị loại sẽ không được sử dụng trong phân tích nhân tố khám phá ở bước tiếp theo.
2.2.6.3.Phân tích nhân tố EFA
Phương pháp nhân tố khám phá được sử dụng với mục đích điều chỉnh mô hình nghiên cứu đề xuất ban đầu. Quá trình phân tích nhân tố khám phá sẽ:
- Loại các biến có hệ số tải nhân tố nhỏ;
- Kiểm tra yếu tố trích được;
- Kiểm tra phương sai trích được;
- Kiểm tra giá trị phân biệt của thang đo.
Để xác định các nhóm tiêu chí đánh giá chất lượng dịch vụ hành chính công.
Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa
là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các
biến với nhau. EFA giúp cho nhà nghiên cứu thu nhỏ và tóm tắt dữ liệu, nghĩa là xem
xét đến liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau và sau đó trình bày lại
các nhóm biến này dưới dạng một số các nhân tố cơ bản. Trong quá trình nghiên cứu,
chúng ta có thể thu thập được một số lượng biến khá lớn và hầu hết chúng có mối liên hệ với nhau. Tuy nhiên, chúng ta cần thực hiện phương pháp phân tích này để giảm số lượng các biến xuống một mức thích hợp để sử dụng cho nghiên cứu.
- Hệ số KMO (Kaiser – Meyer – Olkin) là một chỉ tiêu dùng để xem xét sự
thích hợp của EFA, 0.5 <KMO <1 thì phân tích nhân tố là phù hợp. Phương sai trích được phải lớn hơn 50% (Hair & ctg, 1998).
- Kiểm định Bartlett: dùng để kiểm định giả thuyết các biến không có tương
quan với nhau trong tổng thể và được đánh giá thông qua giá trị sig. Nếu Sig < 0.05 thì kiểm định Bartlett có ý nghĩa thống kê, tức là các biến có liên quan với nhau trong
tổng thể (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007).
- Hệ số tải nhân tố (Factor loading): biểu diễn tương quan giữa các biến và các nhân tố. Factor loading có giá trị >0.3 được xem là đạt mức tối thiểu, >0.4 được xem
là quan trọng, >0.5 được xem là có ý nghĩa thực tiễn (Hair & ctg, 1998).
- Giá trị tổng phương sai trích (Rotation Sums of Squared Loading) cho biết các
nhân tố chọn được có thể giải thích được bao nhiêu phần trăm biến thiên của dữ liệu.
Giá trị này phải lớn hơn 50% (Hair & ctg, 1998).