Mã hóa Quy trình thủ tục dịch vụ (QTTT) Nguồn
QTTT1 Các thủ tục hành chính đơn giản, dễ hiểu. Chế Việt Phương (2014)
QTTT2 Quy trình, các bước xử lý hồ sơ đã được niêm yếu là hợp lý.
Võ Nguyên Khanh (2011)
QTTT3 Cán bộ công chức thực hiện đúng các thủ tục hành chính như đã cơng khai.
Chế Việt Phương (2014)
QTTT4 Các quy định pháp luật về thủ tục hành chính cơng phù hợp.
Võ Nguyên Khanh (2011)
Bảng 3.6: Thang đo Sự hài lịng
Mã hóa Sự hài lịng (SHL) Nguồn
SHL1 Ơng/ Bà hài lịng với các thủ tục hành chính tại UBND huyện Giồng Riềng.
Bổ sung
SHL2 Ơng/ Bà hài lịng với các mức phí và lệ phí đã quy định tại UBND huyện Giồng Riềng.
Chế Việt Phương (2014)
SHL3 Ông/ Bà hài lòng với cung cách phục vụ của nhân viên UBND huyện Giồng Riềng.
Võ Nguyên Khanh (2011)
SHL4 Ơng/ Bà hài lịng cơ sở vật chất phục vụ tại UBND huyện Giồng Riềng.
Bổ sung
3.3. DỮ LIỆU NGHIÊN CỨU
Theo Nguyễn Đình Thọ (2011), cỡ mẫu là N 5m 50 với m là số biến quan sát. Vậy cỡ mẫu tối thiểu là N 5.28 50 N 190. Trong nghiên cứu này tác giả chọn cỡ mẫu nghiên cứu là 220.
Dữ liệu sơ cấp: Tiến hành chọn mẫu thuận tiện và phỏng vấn người dân sử dụng dịch vụ hành chính cơng theo bảng câu hỏi đã soạn để thu nhập số liệu. Phương pháp chọn mẫu được thực hiện theo phương pháp thuận tiện. Sau khi phát phiếu cho người dân, thấy có 6 phiếu khơng hợp lệ, mẫu đưa vào phân tích gồm 214 phiếu.
Dữ liệu thứ cấp: Sử dụng dữ liệu của các nghiên cứu trong và ngồi nước đã được cơng bố (số liệu từ luận văn thạc sỹ trong nước, từ tạp chí nước ngồi, tạp chí trong nước), từ các nghiên cứu này tác giả rút ra được các nhân tố ảnh hưởng đến sự hài lòng của người dân đối với dịch vụ HCC tại UBND huyện Giồng Riềng, tỉnh Kiên Giang.
3.4. PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU 3.4.1. Đánh giá sơ bộ thang đo 3.4.1. Đánh giá sơ bộ thang đo
(Exploring Factor Analysis) thông qua phần mềm xử lý SPSS 22.0 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn độ tin cậy. Trong đó:
- Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát thông qua hệ số Cronbach’s Alpha. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, tr.257, 258) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s Alpha có giá trị từ 0.7 trở lên là sử dụng được. Về mặt lý thyết, Cronbach’s alpha càng cao thì càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, nếu Cronbach’s Alpha quá lớn (95%) thì xuất hiện, hiện tượng trùng lắp (đa cộng tuyến) trong đo lường, nghĩa là nhiều biến trong thang đo khơng có khác biệt gì nhau (Nguyễn Đình Thọ, 2011, tr.350-351).
Tuy nhiên, bên cạnh hệ số Cronbach’s Alpha, người ta còn sử dụng hệ số tương quan biến tổng (iterm - total correlation), do hệ số Cronbach’s Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại; theo đó những biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ (Nguyễn Đình Thọ, 2011).
3.4.2. Phân tích nhân tố khám phá EFA
- Phân tích nhân tố khám phá EFA được sử dụng phổ biến để đánh giá giá trị thang đo (tính đơn hướng, giá trị hội tụ và giá trị phân biệt) hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các thuộc tính của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
- Tiêu chuẩn Bartlett và hệ số KMO (Kaiser – Mayer – Olkin) dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0.05. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tr.262).
- Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cummulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thốt). Theo Nguyễn Đình Thọ (2011), các nhân tố có Engenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%. Tuy nhiên, trị số Engenvalue và phương sai trích là bao nhiêu cịn phụ thuộc vào phương pháp trích và phép xoay nhân tố. Theo Nguyễn Trọng Hồi (2009, tr.14), nếu sau phân tích EFA là phân tích hồi qui thì có thể sử dụng phương pháp trích Principal components với phép xoay Varimax.
- Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và ctg, 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. Trường hợp chọn tiêu chuẩn Factor loading > 0.3 thì cỡ mẫu ít nhất phải là 350; nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55; nếu cỡ mẫu khoảng 50 thì Factor loading > 0,75 (Nguyễn Trọng Hồi, 2009, tr.14). Ngồi ra, trường hợp các biến có Factor loading được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp nhận < 0,3), tức không tạo nên sự khác biệt để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến còn lại sẽ được nhóm vào nhân tố tương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).
3.4.3. Phân tích hồi qui tuyến tính bội
Q trình phân tích hồi qui tuyến tính được thực hiện qua các bước:
Bước 1: Kiểm tra tương quan giữa biến các biến độc lập với nhau và với
biến phụ thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và độc lập với biến phụ thuộc. Tuy nhiên, nếu hệ số tương quan > 0,85 thì cần xem xét vai trị của các
biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).
Bước 2:Xây dựng và kiểm định mơ hình hồi qui
Y = β1X1+β2X2+ β3X3+ β4X4+...+ βkXk Được thực hiện thông qua các thủ tục:
- Lựa chọn các biến đưa vào mơ hình hồi qui, sử dụng phương pháp Enter - SPSS 16.0 xử lý tất cả các biến đưa vào cùng một lượt).
- Đánh giá độ phù hợp của mơ hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mơ hình, mặc dù khơng phải mơ hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm không phụ thuộc vào số lượng biến đưa thêm vào mơ hình được sử dụng thay thế R2 để đánh giá mức độ phù hợp của mơ hình hồi qui bội.
- Kiểm định độ phù hợp của mơ hình để lựa chọn mơ hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: (khơng có mối quan hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập β1=β2=β3=βK= 0).
Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mơ hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mơ hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.
- Xác định các hệ số của phương trình hồi qui, đó là các hệ số hồi qui riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so sánh trực tiếp chúng với nhau là khơng có ý nghĩa. Do đó, để có thể so sánh các hệ số hồi qui với nhau từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệnh chuẩn beta.
Bước 3: Kiểm tra vi phạm các giả định hồi qui
Mô hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:
- Có liên hệ tuyến tính gữa các biến độc lập với biến phụ thuộc - Phần dư của biến phụ thuộc có phân phối chuẩn
- Phương sai của sai số không đổi
- Không có tương quan giữa các phần dư (tính độc lập của các sai số)
- Khơng có tương quan giữa các biến độc lập (khơng có hiện tượng đa cộng tuyến).
Trong đó:
- Cơng cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đốn chuẩn hóa (Standardized Pridicted Value).
- Công cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số Histogram, hoặc đồ thị tần số P-P plot.
- Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai không đổi là đồ thị phân tán của phần dư và giá trị dự đoán hoặc kiểm định Spearman’s rho.
- Công cụ được sử dụng để kiểm tra giả định khơng có tương quan giữa các phần dư là đại lượng thống kê D (Durbin - Watson), hoặc đồ thị phân tán phần dư chuẩn hóa (Scatter).
- Cơng cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, tr.217, 218), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ (2011, tr.497), khi VIF > 2 cần phải cẩn trọng hiện tượng đa
KẾT LUẬN CHƯƠNG 3
Trong Chương 3 này, tác giả trình bày tổng quan về UBND huyện Giồng Riềng, tỉnh Kiên Giang. Trình bày về phương pháp nghiên cứu luận văn bao gồm phương pháp nghiên cứu sơ bộ và sau đó nghiên cứu chính thức. Nghiên cứu sơ bộ là sau khi đọc và tìm ra các nhân tố ảnh hưởng đến sự hài lòng của người dân đối với dịch vụ HCC tại UBND huyện Giồng Riềng, tỉnh Kiên Giang. Từ các mơ hình nghiên cứu tác giả xây dựng sơ bộ từ bảng câu hỏi. Bảng câu hỏi xây dựng xong, tác giả tiến hành phỏng vấn thử 10 khách hàng và khách hàng cho ý kiến chỉnh sửa bảng câu hỏi cho phù hợp, sau khi bảng câu hỏi chỉnh sửa phù hợp và mơ hình chính thức nghiên cứu được xây dựng. Tác giả tiến hành thiết kế thang đo, mẫu, đặt giả thiết nghiên cứu và tiến hành phỏng vấn, thu nhập dữ liệu, mã hóa dữ liệu và nhập vào SPSS 20.0 để xử lý dữ liệu. Sau khi xử lý xong số liệu tác giả sẽ trình bày kết quả và phân tích kết quả trong chương tiếp theo.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU
4.1. THƠNG TIN MẪU NGHIÊN CỨU
Như đã trình bày ở chương trước, mẫu được chọn theo phương pháp thuận tiện với kích thước mẫu dự kiến là 190 (gấp 5 lần số biến quan sát). Tiến hành khảo sát mẫu, có 220 phiếu khảo sát đã được gửi trực tiếp cho người dân đến tham gia dịch vụ UBND huyện Giồng Riềng, tổng số phiếu thu về là 220 phiếu. Sau khi kiểm tra thấy có 214 phiếu đạt yêu cầu.
Về giới tính, trong 214 người dân được hỏi có 103 người nam (chiếm 48.10%) và có 111 người dân có giới tính nữ (chiếm 51.90%).
Biểu đồ 4.1: Giới tính người dân tham gia dịch vụ HCC
Nguồn: Kết quả thống kê từ mẫu khảo sát
Về độ tuổi, kết quả khảo sát 214 người dân cho thấy, người dân có độ tuổi dưới 30 tuổi có 27 người, chiếm 12,6%; người dân có độ tuổi từ 31 đến 45 tuổi có 65 người, chiếm 30,4%; độ tuổi từ 46 đến 60 tuổi chiếm tỷ lệ cao nhất, có 75 người, chiếm 35,0%; những người trên 60 tuổi tham gia dịch vụ HCC tại UBND huyện Giồng Riềng có 47 người, chiếm 22,0%. Thực tế cho thấy, người dân tham gia dịch vụ HCC tại UBND huyện Giồng Riềng có tuổi đời cao, phần lớn họ là chủ hộ trong
48.10% 51.90%
Nam Nữ
Biểu đồ 4.2: Tuổi người dân tham gia dịch vụ HCC
Nguồn: Kết quả thống kê từ mẫu khảo sát
Về nghề nghiệp người dân trong mẫu khảo sát, số lượng người dân làm nghề buôn bán, kinh doanh tham gia dịch vụ hành chính cơng nhiều nhất, có 85 người, chiếm 39.7%; kế tiếp là người dân có làm nghề nơng nghiệp, có 68 người, chiếm 31,8%; có 35 người là cán bộ, CCVC tham gia dịch vụ hành chính cơng trong mẫu khảo sát, chiếm 16,4%; cịn lại là người dân làm nghề nghiệp khác, chiếm 12,1%.
Biểu đồ 4.3: Nghề nghiệp người dân tham gia dịch vụ HCC
Nguồn: Kết quả thống kê từ mẫu khảo sát
27 65 75 47 0 10 20 30 40 50 60 70 80
Dưới 30 tuổi Từ 31 đến 45 tuổi Từ 46 đến 60 tuổi Trên 60 tuổi
16.40%
39.70% 31.80%
12.10%
Cán bộ, CCVC
Buôn bán, kinh doanh Nơng dân
Về trình độ, kết quả khảo sát 214 người dân, đa số người dân có trình độ từ trung học phổ thơng trở xuống, có 140 người, chiếm 65,4%; trình độ trung cấp, cao đẳng, đại học có 74 người, chiếm 34,6%, đa số những người này là cán bộ, CCVC hoặc làm nghề kinh doanh, buôn bán.
Biểu đồ 4.4: Trình độ của người dân tham gia dịch vụ HCC
Nguồn: Kết quả thống kê từ mẫu khảo sát
Về khu vực sinh sống của người dân trong mẫu khảo sát, có 71 người sống ở khu vực thị trấn, trung tâm xã, chiếm 33,2%; còn lại 66,8% là người dân sống ở các ấp, nông thôn.
Biểu đồ 4.5: Khu vực sinh sống người dân tham gia dịch vụ HCC
55
85 43
31
0 20 40 60 80 100
Tiểu học, Trung học cơ sở Trung học phổ thông Trung cấp, Cao đẳng Đại học 33.20% 66.80% Trung tâm xã, thị trấn Nông thôn
Như vậy, kết quả phân tích trên cho thấy tỷ lệ về giới tính, độ tuổi, nghề nghiệp, trình độ phản ánh đúng tình hình thực tế người dân tham gia dịch vụ HCC tại UBND huyện Giồng Riềng, tỉnh Kiên Giang. Do đó, mẫu nghiên cứu có thể đại diện tốt cho tổng thể.
4.2. ĐÁNH GIÁ THANG ĐO
Thang đo Sự tin cậy, hệ số Cronbach’s Alpha đạt 0,734> 0,6, hệ số tương quan biến - tổng của các biến trong thang đo đều lớn hơn 0,3. Từ đó có thể thấy rằng thang đo này đảm bảo độ tin cậy.
Bảng 4.1: Kết quả đánh giá độ tin cậy thang đo “Sự tin cậy”
Biến
Trung bình thang đo nếu
bỏ biến
Phương sai thang đo nếu
bỏ biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại
biến Hệ số Cronbach’s Alpha = 0,734 STC1 11,95 3,119 0,624 0,633 STC2 11,92 3,157 0,578 0,661 STC3 11,86 3,267 0,592 0,654 STC4 11,95 3,810 0,366 0,774
Nguồn: Kết quả phân tích từ mẫu khảo sát
Thang đo Cơ sở vật chất, kết quả bảng 4.2 cho thấy, hệ số Cronbach’s Alpha đạt 0,782> 0,6, hệ số tương quan biến - tổng của các biến trong thang đo đều lớn hơn 0.3. Thang đo đảm bảo độ tin cậy.
Bảng 4.2: Kết quả đánh giá độ tin cậy thang đo “Cơ sở vật chất”
Biến
Trung bình thang đo nếu
bỏ biến
Phương sai thang đo nếu
bỏ biến
Tương quan