2.8 PHƯƠNG PHÁP NGHIÊN CỨU
2.8.2 Phương pháp phân tích số liệu
- Đối với mục tiêu (1): Trong mục tiêu này tác giả sử dụng phương pháp thống kê mô tả với các tiêu chí như: tần suất, tỷ lệ, số trung bình, ... và phương pháp so sánh tương đối, tuyệt đối để phân tích thực trạng sự hài lòng của công dân đối với chất lượng dịch vụ hành chính công theo cơ chế một cửa của UBND huyện Bình Tân, tỉnh Vĩnh Long.
Phương pháp thống kê mô tả và phương pháp so sánh
Đây là phương pháp không thể thiếu trong quá trình nghiên cứu những vấn đề kinh tế – xã hội cần phân tích định lượng trong mối quan hệ chặt chẽ về mặt định tính của các hiện tượng và quá trình. Chính vì thế phương pháp thống kê mô tả được vận dụng nghiên cứu trong đề tài để xác định thực trạng sự hài lòng của công dân đối với chất lượng dịch vụ hành chính công theo cơ chế một cửa của UBND huyện Bình Tân.
+ So sánh bằng số tuyệt đối: là kết quả của phép trừ giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu nghiên cứu, kết quả so sánh khối lượng quy mô thay đổi của các hiện tượng nghiên cứu.
+ So sánh bằng số tương đối: là kết quả của phép chia giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu nghiên cứu, kết quả thể hiện tỷ lệ thay đổi tương đối của các hiện tượng nghiên cứu.
T =
1 1 2
T T T
* 100%
Trong đó : T1: số liệu năm trước T2: số liệu năm sau
T: tốc độ tăng trưởng của năm sau so với năm trước (%)
- Đối với mục tiêu (2): Sử dụng phương pháp phân tích tổng hợp, phân tích hệ thống, phân tích hệ số tin cậy Cronbach Alpha, phân tích nhân tố, mo hình hồi qui tuyến tính để đánh giá thực trạng sự hài lòng của công dân đối với chất lượng dịch vụ hành chính công theo cơ chế một cửa của UBND huyện Bình Tân tỉnh Vĩnh Long.
Phân tích hệ số tin cậy Cronbach Alpha
Hệ số Anpha của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ của các mục hỏi trong thang đo tương quan với nhau.
Công thức tính hệ số cronbach‘s Anpha là: = Nρ/[1 + ρ(N – 1)]
Trong đó ρ là hệ số tương quan trung bình giữa các mục hỏi. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach‘s alpha từ 0,6 đến gần 0,8 là đã sử dụng được.
Chính vì thế, hệ số Cronbach‘s alpha được chọn sử dụng trong đề tài là 0,6. Bên cạnh hệ số Cronbach‘s alpha của mô hình, kết quả của kiểm định độ tin cậy của thang đo còn có hệ số Cronbach‘s alpha nếu bỏ từng biến trong mô hình. Nếu hệ số Cronbach‘s alpha nếu bỏ biến của một biến nào đó lớn hơn hệ số Cronbach alpha của mô hình thì biến đó nên được loại bỏ, vì khi bỏ biến đó, hệ số Cronbach‘s alpha của mô hình sẽ tăng lên và thang đo có độ tin cậy cao hơn. Ngoài ra, cần phải xem xét đến hệ số tương quan biến tổng. Nếu như các biến nào có hệ số tương quan biến tổng nhỏ hơn 0,3 thì cần phải loại bỏ ra khỏi mô hình.
Phương pháp phân tích nhân tố
Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản.Trong phân tích nhân tố không có sự phân biệt giữa biến độc lập và biến phụ thuộc hay biến dự đoán. Thay vào đó, phân tích nhân tố là một kỹ thuật phụ thuộc lẫn nhau trong đó toàn bộ các mối liên hệ phụ thuộc lẫn nhau sẽ được nghiên cứu.
Phân tích nhân tố có rất nhiều ứng dụng trong các lĩnh vực nghiên cứu kinh tế và xã hội. Trong nghiên cứu xã hội, phân tích nhân tố thường được dùng trong quá trình xây dựng thang đo lường các khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra tính đơn khía cạnh của thang đo lường.
Cách thức tiến hành phân tích nhân tố sẽ được trình bày cụ thể theo các bước dưới đây:
Xác định vấn đề: Xác định vấn đề nghiên cứu gồm có nhiều bước. Đầu tiên là ta phải nhận diện các mục tiêu của phân tích nhân tố cụ thể là gì. Các biến tham gia vào phân tích nhân tố phải được xác định dựa vào các nghiên cứu trong quá khứ, phân tích lý thuyết và đánh giá của các nhà nghiên cứu. Một vấn đề quan trọng là các biến này phải được đo lường một cách thích hợp bằng thang đo định lượng và cỡ mẫu phải đủ lớn (ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố).
Xây dựng ma trận tương quan: Để có thể áp dụng được phân tích nhân tố thì các biến phải có liên hệ với nhau. Nếu hệ số tương quan giữa các biến nhỏ, phân tích nhân tố có thể không thích hợp. Các biến cần có sự tương quan chặt chẽ với nhau và như vậy sẽ tương quan chặt với cùng một hay nhiều nhân tố. Ta sử dụng Bartlett’s test of sphericity để kiểm định giả thuyết (H0) là các biến không có tương quan với nhau trong tổng thể. Dựa vào giá trị sig. nhỏ hơn mức ý nghĩa α (α=0,05) để ta có thể bác bỏ H0 (các biến không có tương quan với nhau). Nếu giả thuyết H0
không bị bác bỏ thì phân tích nhân tố rất có khả năng không thích hợp. Phân tích nhân tố là phương pháp phù hợp để phân tích ma trận tương quan.
Số lượng nhân tố: có 2 phương pháp chủ yếu xác định số nhân tố:
- Phương pháp xác định từ trước (Priori determination): dựa vào kinh nghiệm bản thân, phân tích lý thuyết hay kết quả của các nghiên cứu từ trước mà xác định số lượng nhân tố và chỉ định trước.
- Phương pháp dựa vào eigenvalue (determination based on eigenvalue): chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích. Nhược điểm của phương pháp này là khi qui mô mẫu lớn (trên 200), có nhiều khả năng sẽ có nhiều nhân tố thỏa mãn mức ý nghĩa thống kê, mặc dù trong thực tế có nhiều nhân tố chỉ giải thích được chỉ một phần nhỏ toàn bộ biến thiên.
Xoay các nhân tố: ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố. Những hệ số (factor loading) biểu diễn tương quan giữa các nhân tố và các biến. Hệ số này lớn cho biết nhân tố và biến có liên hệ chặt chẽ với nhau. Các hệ số này được dùng để giải thích các nhân tố. Có nhiều phương pháp xoay khác nhau để nhận diện những nhân tố khác nhau:
Orthogonal rotation: xoay các nhân tố trong đó vẫn giữ nguyên góc ban đầu giữa các nhân tố.
Varimax procedure: xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. Đây là phương pháp thường được sử dụng nhất.
Quartimax: xoay nguyên góc các nhân tố để tối thiểu hóa số nhân tố có hệ số lớn tại cùng một biến.
Equamax: xoay các nhân tố để đơn giản hóa việc giải thích cả biến lẫn nhân tố.
Oblique (direct oblimin): xoay nhân tố mà không giữ nguyên góc ban đầu giữa các nhân tố (là có tương quan giữa các nhân tố với nhau). Phương pháp này nên được sử dụng chỉ khi nào các nhân tố trong tổng thể có khả năng tương quan mạnh với nhau.
Đặt tên và giải thích các nhân tố: Việc giải thích các nhân tố được thực hiện trên cơ sở nhận ra các biến có hệ số (factor loading) lớn ở cùng một nhân tố.
Dựa vào những điểm giống nhau (thể hiện tính chung) của biến nằm trong nhân tố và những nghiên cứu trước nhà nghiên cứu sẽ đặt tên cho những nhân tố này.
Nhân số: nếu mục tiêu của phân tích nhân tố là biến đổi một tập hợp biến góc thành một tập hợp các biến tổng hợp (nhân tố) có số lượng ít hơn để sử dụng trong các phương pháp phân tích đa biến tiếp theo, thì chúng ta tính ra các nhân tố cho từng trường hợp quan sát với công thức:
Fi = Wi1X1 + Wi2X2 + Wi3X3 + … + WikXk
Sử dụng phương pháp phân tích nhân tố khám phá (EFA) để kiểm định các nhân tố ảnh hưởng và nhận diện các nhân tố được cho là phù hợp với việc phân tích mức độ hài lòng của người dân. Các điều kiện cần được đảm bảo đối với kết quả phân tích nhân tố: (1) Hệ số tải nhân tố (Factor Loading) >0,5 để đảm bảo sự tương quan đơn giữa biến và các nhân tố; (2) Chỉ số KMO (Kaiser- Meyer-Olkin) nằm trong khoảng từ 0,5 đến 1 và hệ số Sig. của kiểm định Bartlett <0,05 để xem xét sự phù hợp của phân tích nhân tố. Nếu như trị số này bé hơn 0,5 thì phân tích nhân tố có khả năng không phù hợp với các dữ liệu; (3) Phần trăm phương sai (Cumulative) cho biết phần trăm phương sai được giải thích bởi các nhân tố, số này phải lớn hơn 50%.
Sử dụng mô hình hồi quy tuyến tính đa biến nhận diện các nhân tố và ảnh hưởng của từng nhân tố đến mức độ hài lòng của người dân về chất lượng dịch vụ
hành chính công theo cơ chế một cửa tại huyện Bình Tân và đảm bảo có ý nghĩa thống kê với các điều kiện: Độ phù hợp của mô hình (Sig. của kiểm định Anova<=0,05); Hiện tượng tự tương quan và đa cộng tuyến không đáng kể (1,5<DW<2,5; hệ số VIF<10).
- Đối với mục tiêu (3): Sử dụng kết quả phân tích ở các mục tiêu 1, 2 để đưa ra các giải nhằm đem lại sự hài lòng của công dân đối với chất lượng dịch vụ hành chính công theo cơ chế một cửa của UBND huyện Bình Tân tỉnh Vĩnh Long trong thời gian tới.
Tóm tắt chương 2
Trong chương một tác giả đã trình bày tóm tắt lý thuyết liên quan đến dịch vụ, chất lượng dịch vụ, dịch vụ hành chính công, chất lượng dịch vụ hành chính công, thang đo SERVQUAL và các yếu tố cấu thành thang đo SERVQUAL, thang đo chất lượng dịch vụ hành chính công, một số mô hình nghiên cứu trước để làm cơ sở đề xuất mô hình thang đo chất lượng dịch vụ hành chính công tại UBND huyện Bình Tân.
Chương tiếp theo, tác giả sẽ trình bày thực trạng chất lượng dịch vụ hành chính công tại UBND huyện Bình Tân, tỉnh Vĩnh Long.
Chương 3