PTVC 2 3 Trang thiết bị bàn ghế làm việc, máy vi tính tra cứu dữ liệu đầy đủ PTVC
2.6. Phương pháp phân tích
Đề tài áp dụng thang đo chất lượng dịch vụ SERVQUAL, là thang đo đa hướng với 5 thành phần cơ bản và 25 biến quan sát để đánh giá chất lượng phục vụ của Chi cục Thuế. Số liệu thu thập được xử lý và phân tích bằng các phương pháp thống kê mô tả, phân tích Cronbach alpha, phân tích nhân tố khám phá EFA, phân tích hồi quy bội nhằm tìm ra những yếu tố chính ảnh hưởng đến sự hài lòng và mức độ hài lòng của doanh nghiệp đối với chất lượng phục vụ của Chi cục Thuế huyện Tháp Mười. Cụ thể:
2.6.1. Phương pháp thống kê mô tả.
Thống kê mô tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo nhằm tạo nền tảng của mọi phân tích định lượng về số liệu, mô tả những đặc tính cơ bản dữ liệu thu thập được của quá trình nghiên cứu. Những dữ liệu này có thể sử dụng biểu đồ hoặc bằng mô tả dữ liệu để phân tích, so sánh thông tin của người sử dụng.
- Giá trị trung bình (Mean, Average): bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát.
- Số trung vị (Median): là giá trị của biến đứng ở giữa của một dãy số đã được sắp theo thứ tự tăng hoặc giảm dần. Số trung vị chia dãy số làm hai phần, mỗi phần có số quan sát bằng nhau.
- Mode (Mo): là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một
dãy số phân phối.
- Độ lệch chuẩn (S): là căn bậc hai của phương sai.
- Phương sai (ỗ2): là trung bình giữa bình phương các độ lệch giữa các biến và giá trị trung bình của các biến đó.
2.6.2. Kiểm định Cronbach’s Alpha.
Hệ số Cronbach‘s Alpha là hệ số tin cậy đượcsử dụng để đánh giá tính hội tụ
của các biến quan sát và đo lường một nhân tố nào đótrong mô hình nghiêncứu và loại các biến rác không phù hợp. Các biến có hệ số tương quan biến tổng (item total correlation) nhỏ hơn 0.3 sẽ bị loại bỏ và tiêu chuẩn để chọn thang đo khi nó có độ tin cậy alpha từ 0.6 trở lên. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005):
0,8 < a < 1,0 : Thang đo đo lường tốt.
0,7 < a < 0,8 : Thang đo sử dụng được.
a > 0,6 : Sử dụng được đối với khái niệm nghiên cứu mới.
Vì vậy đối với đề tại này chọn độ tin cậy alpha từ 0.6 trở lên.
2.6.3. Phân tích nhân tố khám phá (EFA).
Theo Hair & ctg (1998), phân tích nhân tố khám phá là cách phân tích rút gọn một tập hợp gồm nhiều biến quan sát thành một tập hợp biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa thông tin của tập biến ban đầu.
Từng thành phần của thang đo chất lượng phục vụ được tính toán hệ số Cronbach Alpha để kiểm tra bước đầu sự tương quan giữa các biến trong mỗi thành phần. Những biến rác là biến làm giảm sự tương quan giữa các biến trong một thành phần sẽ bị loại ra trước khi thực hiện các phân tích tiếp theo. Sử dụng phần mềm SPSS-Factor Analysis, cho kết quả với các kiểm định được đảm bảo cho là phù hợp khi thỏa mãn các điều kiện sau:
- Hệ số tải nhân tố (Factor Loading). Theo Hair & ctg (1998), Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA.
Quy mô mẫu FD
> 350 > 0,3
100 < Quy mô mẫu < 350 > 0,55
< 100 > 0,75
Vì vậy, trong nghiên cứu này, với cỡ mẫu là 160. Hệ số tải nhân tố (Factor Loading) được chọn > 0,6.
- Hệ số KMO (Kaiser - Meyer - Olkm): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008) thì trị số của KMO trong khoảng (0,5 < KMO < 1) có ý nghĩa phân tích nhân tố là thích hợp.
- Kiểm định Bartlett (Bartlett‘s Test of Sphericity). Là kiểm định giả thuyết H0:
độ tươngquan giữa các biến không có tương
quan với nhau trong tổng thể.
Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), kiểm định Bartlett có nghĩa thống kê (Sig. < 0,05) là các biến quan sát có tương quan với nhau trong tổng thể.
- Phương sai trích (Cumulative of variance). Còn gọi là phương sai cộng dồn, là phần trăm biến thiên của các biến quan sát. Theo Hair & Ctg (2008), thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50%.
* Kết luận: Sau khi thực hiện quy trình kiểm định của phương pháp phân tích khám phá nhân tố. Các biến quan sát: hệ số tải nhân tố, kiểm định KMO, kiểm định Bartlet và phương sai cộng dồn của các yếu tố phải đảm bảo thoả các điều kiện.
- Nếu các biến quan sát nào không thỏa các điều kiện kiểm định sẽ được loại ra.
Mô hình tiếp tục thực hiện quy trình kiểm định các biến quan sát còn lại.
- Bước cuối cùng chỉ còn lại các biến thoả điều kiện kiểm định.
2.6.4. Phân tích hồi quy tuyến tính
Mô tả hình thức của mối liên hệ giữa biến phụ thuộc và biến độc lập, qua đó giúp ta dự đoán được mức độ tác động của biến phụ thuộc (với độ chính xác trong một phạm vi giới hạn cho phép) khi biết trước giá trị của biến độc lập.
Phương pháp được sử dụng để thực hiện hồi quy đó là phương pháp StepWise, các biến được đưa vào lần lượt theo mức độ giảm dần của hệ số tương quan Pearson, với nguyên tắc chấp nhận giả thuyết là giá trị Sig. < 0.05.
Mô hình hồi quy:
Y = Bo + BiXi + B2X2+...+ BnXn + ei
Trong đó:
Y - Biến phụ thuộc
Xi - Các biến độc lập trong mô hình lý thuyết Bi - Hệ số hồi quy riêng phần ei - Các biến độc lập ngẫu nhiên
Bước cuối thảo luận kết quả đưa ra giải pháp nhằm nâng cao sự hài lòng của khách hàng DN đối với sự phục vụ của Chi cục Thuế huyện Tháp Mười.
* Tóm lại: Thông qua kiểm định của mô hình hồi quy, mỗi nhân tố ảnh hưởng có mức độ tác động khác nhau đến sự hài lòng của doanh nghiệp.
Chương 3 - THỰC TRẠNG VIỆC CUNG CẤP DỊCH VỤ HÀNH CHÍNH