4.3.3.1. Ước lượng mô hình
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đưa vào mô hình theo phương pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn được xây dựng vào phương pháp kiểm định giá trị thống kê F và xác định xác suất tương ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thoái hóa tham số ước lượng là: Hệ số phóng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Trọng & Ngọc, 2005, 218).
Các nhân tố mới hình thành gồm có: 7 biến độc lập và 1 biến phụ thuộc (Hài lòng chung) được đưa vào phân tích hồi qui. Do vậy cần có sự điều chỉnh về giả thuyết và mô hình nghiên cứu sau phép phân tích nhân tố. Ta có phương trình tổng quát được xây dựng như sau:
HL = β0 + β1*F1 + β2* F2 + β3*F3 + β4*F4 + β5*F5 + β6*F6 + β7*F7
Trong đó:
Biến phụ thuộc: HL (Sự hài lòng).
Các biến độc lập là:
o F1: Cán bộ công chức
o F2: Thủ tục quy trình làm việc
o F3: Công khai công vụ
o F4: Cơ chế giám sát, góp ý
o F5: Thời gian làm việc
o F6: Phí và lệ phí
o F7: Cơ sở vật chất
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy tuyến tính cho các biến số được thể hiện thông qua các bảng sau:
Bảng 4.23. Hệ số R-Square từ kết quả phân tích hồi quy Model Summaryb
Model R R Square Adjusted
R Square Std. Error of the Estimate Durbin- Watson 1 .782a .611 .600 .63231290 1.870
So sánh hai giá trị R Square và Adjusted R Square có thể thấy Adjusted R Square nhỏ hơn, 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. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mô hình nghiên cứu. Độ phù hợp của mô hình được kiểm định bằng trị thống kê F được tính từ R2 của mô hình tương ứng với mức ý nghĩa sig., với giá trị sig. càng nhỏ thì càng an toàn khi bác bỏ giả thuyết Ho là hệ số trước các biến độc lập đều bằng nhau và bằng 0 (trừ hằng số). Mô hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
4.3.3.2. Thực hiện các kiểm định cơ bản - Giả định liên hệ tuyến tính:
Từ biểu đồ của phần dư chuẩn hóa và giá trị phần dư tiên đoán cho thấy, phần dư phân tán ngẫu nhiên trong 1 vùng xung quanh của tung độ 0 như trong hình vẽ, do vậy giả định tuyến tính của mô hình hồi qui và phương sai bằng nhau được thỏa mãn
Hình 4.2: Giả định liên hệ tuyến tính
(Nguồn: Tính toán từ dữ liệu điều tra)
Kết quả kiểm định tương quan hạng Spearman cho thấy giả thuyết về hệ số tương quan hạng của tổng thể bằng không bị bác bỏ, điều này cho phép kết luận rằng phương sai của sai số không thay đổi.
- Kiểm tra về phân phối chuẩn của phần dư
Từ biểu đồ phân phối của phần dư cho thấy giá trị trung bình của phần dư bằng không và biểu đồ tần số của phần dư chuẩn hóa gần tuân theo phân phối chuẩn. Điều này cho phép kết luận rằng giả thiết phân phối chuẩn của mô hình hồi qui không bị vi phạm
Hình 4.3: Tần số của phần dư chuẩn hóa
Kiểm tra bằng biểu đồ tần số P-P plot cũng cho thấy các chấm phân tán sát với đường thẳng kỳ vọng, như vậy phân phối dư có thể xem như chuẩn.
Hình 4.4: Tần số P-P plot khảo sát phân phối của phần dư
(Nguồn: Tính toán từ dữ liệu điều tra) - Kiểm định về tính độc lập của sai số trong mô hình
Từ Giá trị Durbin – Watson cho thấy D = 1,870 giá trị D nằm trong miền chấp nhận cho thấy mô hình không có tự tương quan giữa các phần dư.
- Kiểm định sự đa cộng tuyến
Từ chỉ số VIF cho thấy các chỉ số VIF đều nhỏ hơn 10 nên không có hiện tượng đa cộng tuyến giữa các biến độc lập (Hoàng Trọng & Mộng Ngọc, 2005)
Trong nghiên cứu này tác giả không tiến hành kiểm tra giả định về hiện tượng tự tương quan giữa các nhiễu vì dữ liệu nghiên cứu này là dữ liệu khảo sát (dữ liệu chéo điều tra tại một thời điểm) nên hiện tượng tự tương quan giữa các nhiễu thường không xuất hiện. Như vậy, qua kiểm tra các giả định của mô hình hồi quy tuyến tính với kết quả là các giả định đều không bị vi phạm. Do đó, các kết quả của mô hình hồi quy là đáng tin cậy.
4.3.3.3. Kết quả phân tích hồi qui
Hệ số hồi quy chuẩn hóa của phương trình có thể thấy các giá trị Beta đều khác 0, để xác định được mức độ quan trọng của các yếu tố tham dự vào sự hài lòng của người dân, có thể chọn lọc thành 2 nhóm như sau:
Những giá trị Beta khác 0 có ý nghĩa thống kê ( Sig. < 0.05), kết quả có 5 yếu tố được ghi nhận đó là Cán bộ công chức; Công khai công vụ; Cơ chế giám sát, góp ý; Phí, lệ phí; Cơ sở vật chất. (Theo bảng 4.24)
Bảng 4.24: Hệ số hồi quy chuẩn hóa của phương trình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa Mô hình Bo Sai số chuẩn Beta t Sig. VIF (Constant) 3.933E-17 .040 .000 1.000 Cán bộ, công chức .106 .040 .106 2.656 .008 1.000 Thủ tục, quy trình .045 .040 .045 1.121 .263 1.000 Công khai, công vụ .609 .040 .609 15.189 .000 1.000 Cơ chế giám sát, góp ý .237 .040 .237 5.922 .000 1.000 Thời gian làm việc -.022 .040 -.022 -.540 .589 1.000
Phí, lệ phí .332 .040 .332 8.281 .000 1.000
Biến đôc lập
Cơ sở vật chất .246 .040 .246 6.151 .000 1.000
Những giá trị Beta khác 0 không có ý nghĩa thống kê ( Sig > 0.05) đó là Thủ tục quy trình làm việc và Thời gian làm việc
Như vậy, kết quả cho thấy các biến độc lập Cán bộ công chức; Công khai công vụ; Cơ chế giám sát, góp ý; Phí, lệ phí; Cơ sở vật chất đều có tác động có ý nghĩa lên biến phụ thuộc (sig<0.05). Và các nhân tố đưa vào phân tích hồi quy đều được giữ lại trong mô hình.
Hệ số xác định hiệu chỉnh Adjusted R-Square là 0.600, nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 60.0%, điều này cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 5 biến có ý nghĩa thống kê trên góp phần giải thích 60,0% sự khác biệt của mức độ hài lòng của người dân đối với dịch vụ hành chính công. Như vậy, mức độ phù hợp của mô hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mô hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mô hình.
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy,
kiểm định F có giá trị là 54.397 với Sig. = 000(a) chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể.
Kết quả thống kê còn cho thấy, các hệ số hồi quy chuẩn hóa của phương trình hồi quy đều khác 0 và Sig.<0.05. So sánh giá trị (độ lớn) của hệ số chuẩn hóa cho thấy: tác động theo thứ tự từ mạnh đến yếu của các thành phần: Công khai, công vụ (0,499); Phí và lệ phí (0,332); Cở sở vật chất (0,246); Cơ chế giám sát, góp ý (0,237); Cán bộ, công chức (0,106).
Ngoài ra, kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố tác động tới sự hài lòng của người dân đều có ý nghĩa thống kê (Sig. < 0.05) ngoại trừ biến Thủ tục quy trình làm việc và Thời gian làm việc. Từ đó có thể kết luận rằng mô hình lý thuyết phù hợp với dữ liệu thị trường. Như vậy, các giả thuyết H1,H3, H4, H6, H7 đều được chấp nhận và nên bác bỏ giả thuyết H2, H5