Thống kê mô tả: là phương pháp sử dụng các số bình quân,số tương đối, số tuyệt đối để miêu tả những đặc điểm tự nhiên, kinh tế, xã hội nổi bật
Học viện Nông nghiệp Việt Nam – Luận văn Thạc sỹ Khoa học Kinh tế Page 54 của quận Long Biên, các đặc điểm của mẫu nghiên cứu có ảnh hưởng đến sự hài lòng của người dân đối với thủ tục hành chính nhà nước theo cơ chế một cửa liên thông.
Phân tích so sánh: Phương pháp so sánh được dùng để so sánh sự hài lòng của người dân theo các tiêu thức phân tổ về các lĩnh vực hồ sơ, nghề nghiệp, độ tuổi, trình độ văn hóa của người dân tham gia giao dịch với các cơ quan hành chính nhà nước.
Thống kê suy luận: Phân tích mối liên hệ giữa số lượng hồ sơ, biến động của hồ sơ theo thời gian, chất lượng cán bộ công chức thực hiện giải quyết hồ sơ...
Phương pháp đánh giá độ tin cậy của thang đo
Chúng ta cần tính toán hệ số Crombach Alpha xem câu hỏi có đóng góp vào việc đo lường khái niệm lý thuyết mà ta đang nghiên cứu. Hệ số Crombach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau.
Điều kiện để đánh giá độ tin cậy của thang đo (Theo Hoàng Trọng Ngọc và Chu Nguyễn Mộng Ngọc - 2008) là:
- Hệ số cronbach’s alpha > 0.6
- Hệ số tương quan biến – tổng > 0.3. Nếu hệ số này càng cao thì sự tương quan giữa các biến quan sát này với các biến khác trong thang đo càng cao.
Phương pháp phân tích nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát). Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố,
Học viện Nông nghiệp Việt Nam – Luận văn Thạc sỹ Khoa học Kinh tế Page 55 phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Factor loading > 0.3 được xem là đạt mức tối thiểu • Factor loading > 0.4 được xem là quan trọng
• Factor loading > 0.5 được xem là có ý nghĩa thực tiễn
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: - Hệ số tải nhân tố (Factor loading ) > 0.5; 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp. Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
- Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
Phân tích hồi quy đa biến
Phân tích hồi quy đa biến là một phương pháp được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập. Phương trình hồi quy đa biến có dạng: Y = β0 + β1x1 + β2x2 + β3x3 + β4x4
Mục đích của hồi quy đa biến là dự đoán 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, các tham số quan trọng trong phân tích hồi quy đa biến bao gồm:
- Hệ số hồi quy: là hệ số đo lường sự thay đổi trong giá trị trung bình Y khi Xi thay đổi một đơn vị, giữa các biến độc lập còn lại không thay đổi.
Học viện Nông nghiệp Việt Nam – Luận văn Thạc sỹ Khoa học Kinh tế Page 56 - Hệ số xác định R2 điều chỉnh: Hệ số xác định tỉ lệ với biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình hồi quy. Đó cũng là thông số đo lường độ thích hợp của đường hồi quy theo quy tắc R2 càng gần 1 thì mô hình xây dựng càng thích hợp, nếu nó gần về 0 thì mô hình kém phù hợp với tập dữ liệu mẫu. Tuy nhiên, R2 có khuynh 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 trường hợp 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 giải thuyết về độ phù hợp của mô tính tuyến tính tổng thể. Nếu giả thuyết H0 của kiểm định F bị bác bỏ thì có thể kết luận mô hình hồi quy tuyến tính đa biến phù hợp với tập dữ liệu và có thể sử dụng được.