CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3Nghiên cứu định lượng
3.3.1 Thiết kế mẫu nghiên cứu
Đối tượng khảo sát: NNT liên hệ thực hiện các dịch vụ thuế tại CCT Quận
Kích thước mẫu: Theo Hair và cộng sự (2009) kích thước mẫu được tính
theo công thức: N lớn hơn hoặc bằng 5* X ( trong đó X là tổng số biến quan sát). Nghiên cứu gồm 28 biến quan sát, như vậy kích cỡ mẫu tối thiểu là 140 phiếu. Để đảm bảo độ tin cậy và chính xác, tác giả dự kiến kích thước mẫu là 250 tương ứng với 250 phiếu được gửi đến NNT đến liên hệ làm việc trực tiếp tại CCT Quận Bình Thạnh để thực hiện khảo sát.
3.3.2 Thiết kế bảng câu hỏi
Bảng câu hỏi khảo sát gồm 2 phần:
Phần 1: Thông tin cá nhân
Phần này thiết kế nhằm thu thập các thông tin về NNT tham gia khảo sát, bao gồm các thơng tin: giới tính, độ tuổi, trình độ học vấn, đối tượng nộp thuế, tần suất liên hệ làm việc.
Phần 2: Nội dung khảo sát
Đây là kết quả của phần nghiên cứu định tính bao gồm 28 câu hỏi liên quan đến các yếu tố ảnh hưởng đến SHL của NNT đối với chất lượng dịch vụ CLDV công tại CCT Quận Bình Thạnh. Nghiên cứu sử dụng thang đo Likert 5 điểm để đánh SHL của NNT theo mức độ tăng dần như sau:
Hồn tồn khơng đồng ý Không đồng ý Không ý kiến ( trung tính) Đồng ý Hồn tồn đồng ý 1 2 3 4 5 3.3.3 Thu thập dữ liệu
Để thu thập dữ liệu, tác giả trực tiếp gửi 250 phiếu cho NNT đến liên hệ làm việc tại CCT Quận Bình Thạnh, TP Hồ Chí Minh.
Trong 250 phiếu phát ra, số phiếu thu hồi là 247 phiếu. Trong 247 phiếu có 09 phiếu không hợp lệ do thông tin không đầy đủ. Do vậy có 238 phiếu khảo sát là hợp lệ dùng để phân tích.
3.3.4 Phương pháp xử lý dữ liệu
Dữ liệu được phân tích, xử lý bằng phần mềm SPSS với các bước sau:
Phân tích thống kê mơ tả: cung cấp thông tin tổng quan về mẫu nghiên cứu. Phân tích hệ số Cronbach’s Alpha: mục đích kiểm tra độ tin cậy của từng thành phần thang đo thông qua mức độ tương quan giữa các biến nhằm loại các biến khơng đạt u cầu. Các biến quan sát có hệ số tương quan biến - tổng ( Corrected item – Total Correclation) nhỏ hơn 0.3 sẽ bị loại và thang đo đủ tiêu chuẩn khi hệ số Cronbach’s Alpha đạt từ 0.6 trở lên (Nunnally và Burnstein 1994, theo Nguyễn Khánh Duy và cộng sự 2008).
Phân tích nhân tố khám phá (EFA): là phương pháp phân tích định lượng
dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair et al., 2009). Phân tích EFA được chấp nhận khi:
- Hệ số KMO (Kaiser Meyer Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố phải đạt giá trị từ 0.5 trở lên (0.5 ≤ KMO ≤ 1). Nếu chỉ số này nhỏ hơn 0.5 thì phân tích khơng thích hợp.
- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Các biến quan sát có tương quan với nhau trong nhân tố khi chỉ số sig Bartlett’s Test nhỏ hơn 0.05.
- Trị số Eigenvalue là đại lượng đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Những nhân tố có Eigenvalue lớn hơn hoặc bằng 1 thì sẽ được giữ lại trong mơ hình phân tích và ngược lại.
- Tổng phương sai trích (Total Variance Explained) thể hiện các nhân tố được trích cơ đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát, phương sai lớn hơn hoặc bằng 50% cho thấy mơ hình EFA là phù hợp.
- Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, là hệ số tương quan giữa biến quan sát với nhân tố và có giá trị phân biệt khi lớn hơn hoặc bằng 0.3.
Phân tích tương quan và hồi quy:
- Phân tích tương quan: các thang đo đã đạt yêu cầu ở kiểm định trước sẽ được đưa vào phân tích tương quan để xem xét mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc và khi đó việc sử dụng phân tích hồi quy là phù hợp. Hệ số tương quan Pearson ( r ) có giá trị trong khoảng (-1, 1), giá trị tuyệt đối của ( r ) càng tiến đến 1 khi hai biến có mối quan hệ tương quan chặt chẽ. ( r ) bằng 0 nghĩa là hai biến khơng có mối quan hệ tuyến tính.
- Phân tích hồi quy: dùng để kiểm định giả thuyết đã được đưa ra trong mơ hình với mức ý nghĩa (sig) 5%, từ đó cho ta biết mức độ tác động của biến độc lập lên biến phụ thuộc thơng qua việc xây dựng phương trình tuyến tính. Nếu (sig) nhỏ hơn hoặc bằng 0.05 thì bác bỏ giả thuyết H0, nếu (sig) lớn hơn 0.05 thì chưa có cơ sở để bác bỏ giả thuyết H0.
Kiểm định sự khác biệt: về SHL của NNT theo yếu tố nhân khẩu học: giới tính, độ tuổi …bằng kiểm định T- test và phân tích Anova.