5. Kết cấu của luận văn
2.3.3. Phương pháp phân tích thông tin
- Phương pháp tổng hợp, phân tích các vấn đề lý thuyết và các thông tin liên quan đề xuất mô hình nghiên cứu.
- Nghiên cứu định tính với việc khảo sát, lấy ý kiến khách hàng (NNT) về các khía cạnh mà họ nghĩ đến khi nói đến sự hài lòng đối với dịch vụ hành chính thuế và tham khảo ý kiến chuyên gia.
- Nghiên cứu định lượng
+ Thu thập số liệu sơ cấp để kiểm tra mô hình nghiên cứu đề xuất. + Điều chỉnh mô hình nghiên cứu cho phù hợp.
+ Kết luận mô hình thực tế về sự hài lòng của khách hàng đối với các dịch vụ hành chính thuế do Chi cục thuế Thành phố Thái Nguyên cung cấp.
Việc định lượng các nhân tố ảnh hưởng đến mức độ hài lòng của NNT đối với chất lượng dịch vụ của cơ quan thuế đòi hỏi phải sử dụng nhiều kỹ thuật nghiên cứu định lượng phức tạp với sự hỗ trợ của phần mền xử lý dữ liệu thống kê SPSS như: Đánh giá độ tin cậy của hệ thống thang đo; phân tích nhân tố khám phá và hồi quy bội, cụ thể:
(1) Sử dụng hệ số tin cậy Cronbachs Alpha để đánh giá mức độ chặt chẽ và sự tương quan giữa các biến quan sát trong mô hình nghiên cứu.
Hệ số Cronbach’s Alpha là một hệ số kiểm định thống kê về mức độ tin cậy và tương quan giữa các biến quan sát trong thang đo. Nó cho biết sự chặt chẽ và thống nhất trong các câu trả lời nhằm đảm bảo người được hỏi đã hiểu cùng một khái niệm. Khi phân tích nhân tố thông qua hệ số Cronbach’s Alpha ta sẽ loại bỏ đi được các biến rác, các biến có hệ số tương quan tổng < 0,3 sẽ bị loại, tiêu chuẩn chọn thang đo khi nó có hệ số Cronbach’s Alpha > 0,6.
(2) Sử dụng mô hình phân tích khám phá (Exploratory Factor Analysis) để kiểm định các nhân tố ảnh hưởng và nhận diện các nhân tố được cho là phù hợp với mức độ hài lòng của NNT.
Phân tích nhân tố khám phá (Exploration Factor Analysis - EFA) được sử dụng với mục đích điều chỉnh mô hình nghiên cứu đề xuất ban đầu. Qua 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 và kiểm tra giá trị phân biệt của thang đo và rút gọn một tập hợp nhiều biến quan sát lại để chúng có ý nghĩa hơn khi nghiên cứu. Các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới dạng một số các nhân tố cơ bản, từ đó xác định được các biến nào thuộc nhân tố nào.
(3) Sử dụng mô hình hồi quy tuyến tính đa biến được sử dụng để xác định các nhân tố ảnh hưởng của các nhân tố này đến mức độ hài lòng của NNT đối với chất lượng dịch vụ của Cơ quan thuế. Trước đó, sử dụng hệ số tương quan Pearson để kiểm tra sự phù hợp của mô hình hồi quy.
Hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Nó kiểm tra được mối tương quan tuyến tính giữa hai biến phụ thuộc với các biến độc lập. Tuy nhiên, trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem xét như nhau mối tương quan qua lại nên nếu các biến độc lập cũng có tương quan chặt chẽ với nhau phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy, kiểm tra lại bằng hệ số VIF.
2.3.4. Phương pháp chuyên gia
Tham khảo ý kiến chuyên gia tham vấn về đối tượng lựa chọn điều tra và tham vấn về bảng hỏi trước khi thực hiện điều tra.