CHƯƠNG 2: PHƯƠNG PHÁP LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.2 Phương pháp nghiên cứu
2.2.2 Phương pháp phân tích số liệu
24
Mục tiêu 1: Phương pháp so sánh được sử dụng để phân tích thực trạng thu gom và quản lý rác thải sinh hoạt tại thị xã Cai Lậy, tỉnh Tiền Giang.
Phương pháp so sánh: là phương pháp được sử dụng rộng rãi trong tất cả các công đoạn của phân tích kinh doanh. Một số tiêu chuẩn thường được dùng để phân tích là số liệu năm trước, số liệu kế hoạch. Điều kiện của phương pháp so sánh là phải cùng nội dung phản ánh, cùng phương pháp tính toán, cùng một đơn vị đo lường, cùng trong khoảng thời gian tương xứng. Có 2 phương pháp so sánh cụ thể.
- Phương pháp so sánh số tuyệt đối: lấy giá trị tuyệt đối của năm sau trừ đi năm trước để thấy sự chênh lệch.
Công thức: ∆y = y1 - yo
y0: chỉ tiêu năm trước;
y1: chỉ tiêu năm sau;
∆y: là phần chênh lệch tăng, giảm của các chỉ tiêu kinh tế.
Phương pháp này sử dụng để so sánh số liệu năm tính với số liệu năm trước của các chỉ tiêu xem có biến động không và tìm ra nguyên nhân biến động của các chỉ tiêu kinh tế, từ đó đề ra biện pháp khắc phục.
- Phương pháp so sánh số tương đối: lấy giá trị tương đối của năm sau trừ đi cho giá trị tương đối của năm trước.
Công thức: 100 y0
y0
= y1 Δy
y0: chỉ tiêu năm trước;
y1: chỉ tiêu năm sau;
∆y: biểu hiện tốc độ tăng trưởng của các chỉ tiêu kinh tế.
Phương pháp dùng để làm rõ tình hình biến động của mức độ của các chỉ tiêu kinh tế trong thời gian nào đó. So sánh tốc độ tăng trưởng của chỉ tiêu giữa các năm và so sánh tốc độ tăng trưởng giữa các chỉ tiêu. Từ đó tìm ra nguyên nhân và biện pháp khắc phục.
Mục tiêu 2: Phương pháp thống kê mô tả, phân tích bảng chéo và mô hình hồi quy logistic được sử dụng để đánh giá nhận thức của người dân trên địa bàn thị xã Cai Lậy, tỉnh Tiền Giang về phân loại rác thải sinh hoạt tại nguồn.
Phương pháp thống kê mô tả
Phương pháp thống kê mô tả là phương pháp phân tích nhờ tổng hợp các phương pháp đo lường, mô tả và trình bày số liệu được ứng dụng vào lĩnh vực kinh tế và kinh doanh bằng cách rút ra những kết luận dựa trên số liệu và thông tin được thu thập. Các công cụ cơ bản để tóm tắt và trình bày dữ liệu
25
trong thống kê mô tả thường dùng là: bảng tần số, các đại lượng thống kê mô tả như số trung bình cộng, giá trị nhỏ nhất, giá trị lớn nhất, độ lệch chuẩn.
- Bảng thống kê: là hình thức trình bày số liệu thống kê và thông tin đã thu thập làm cơ sở để phân tích và kết luận, cũng là bảng trình bày kết quả nghiên cứu, nhờ đó mà có thể nhận xét tổng quan về vấn đề nghiên cứu.
Các đại lượng thống kê mô tả thường được dùng là:
+ Mean (trung bình cộng): Giá trị trung bình của các quan sát của biến.
+ Std. Dviation (độ lệch chuẩn): Cho biết mức độ phân tán của các giá trị quanh giá trị trung bình.
+ Minimum (giá trị nhỏ nhất) : Biểu hiện giá trị nhỏ nhất của biến trong các mẫu khảo sát được.
+ Maximum (giá trị lớn nhất): Biểu hiện giá trị lớn nhất của biến trong các mẫu quan sát được.
Phương pháp phân tích bảng chéo (Crosstabulation)
- Sử dụng phân tích bảng chéo (crosstabbulation): Kiểm định mối quan hệ giữa các biến định tính với nhau bằng cách dùng kiểm định Chi – bình phương (Chi-square) để phân tích mối quan hệ giữa nhận thức của đáp viên về phân loại rác thải sinh hoạt tại nguồn và hiên trạng gia đình có phân loại rác thải sinh hoạt tại nguồn của người dân thị xã Cai Lậy.
- Crosstabulation là một kỹ thuật thống kê mô tả hai hay ba biến cùng lúc và bảng kết quả phản ánh sự kết hợp hai hay nhiều biến có số lượng hạn chế trong phân loại hoặc trong giá trị phân biệt. Kỹ thuật này được sử dụng rất rộng rãi trong nghiên cứu Marketing thương mại vì: (1) Chuỗi phân tích này cung cấp những kết luận sâu hơn trong các trường hợp phức tạp; (2) Crosstabulation có thể làm giảm bớt các vấn đề của các ô (cells) và (3) Phân tích Crosstabulation tiến hành đơn giản. Trong đề tài này chúng ta sẽ sử dụng phân tích Crosstabulation hai biến.
- Tiến trình phân tích Crosstabulation hai biến: Bảng phân tích Crosstabulation hai biến còn được gọi là bảng tiếp liên (Contigency table), mỗi ô trong bảng chứa đựng sự kết hợp phân loại của hai biến.
Việc phân tích các biến theo cột hay theo hàng là tuỳ thuộc vào việc biến đó được xem xét như là biến độc lập hay biến phụ thuộc. Thông thường khi xử lý, biến xếp theo cột là biến độc lập và biến xếp theo hàng là biến phụ thuộc.
Trong phân tích Crosstabulation, ta cũng cần quan tâm đến giá trị kiểm định. Ở đây phân phối “chi bình phương” cho phép ta kiểm định mối quan hệ giữa các biến.
Giả thuyết H0 trong kiểm định có nội dung sau:
H0: Không có m H1: Có m
Giá trị kiểm đ mức ý nghĩa của ki
bằng (mức ý nghĩa phân tích ban hay nói cách khác bác b
Ngược lại thì các bi
Phương pháp h
Mô hình hồi qui Logistic nghiên c vào các biến độc lập khác. M
ảnh hưởng đến biến đ có mối quan hệ với bi
Giả sử biến giả Y* = Vì Y(x) là biến nh
Trong đó Pi = P(Y luật Bernoulli, có ngh
(1 - Pi) -
sai được tính như sau: E(Y nhiên phân phối theo
Tỷ lệ chênh l Pi = P(
Pi = P(
Pi = P(
i P
P
Mở rộng hơn n Log[P
26
: Không có mối quan hệ giữa các biến : Có mối quan hệ giữa các biến.
m định “chi bình phương” trong kết quả phân tích s a kiểm định (P-value). Nếu mức ý nghĩa này nh
ĩa phân tích ban đầu) thì kiểm định hoàn toàn có ý ngh hay nói cách khác bác bỏ giả thuyết H0, nghĩa là các biến có liên h
i thì các biến không có liên hệ nhau.
Phương pháp hồi quy Binary logistic
i qui Logistic nghiên cứu sự phụ thuộc của 1 bi p khác. Mục đích của mô hình này sử dụ n độc lập để xác định khả năng những bi i biến phụ thuộc như thế nào.
ả Y phụ thuộc vào chỉ số khả dụng Y*. Trong đó:
1 + 2X2i + …+ kXki + ui
n nhị phân có thể được giải thích như sau:
= P(Yi = ), khi đó là biến ngẫu nhiên phân ph t Bernoulli, có nghĩa là: Pi
, trong đó = 0,1,…..,n. Khi đó, kì vọng toán và phương c tính như sau: E(Yi) = niPi, Var(Yi) = niPi(1 - Pi). Vì Y
i theo qui luật Bernoulli nên có thể vi
chênh lệch: odds = Pi/(1 - Pi)
= P( = 1)
= P( > 0)
= P( 1 + 2X2i + … + kXki + i > 0)
n
j
ji j
i X
P
2
ng hơn nữa chúng ta có thể viết như sau:
Log[Pi/(1 – Pi)] = 1 + 2 X2i + … + kXki
phân tích sẽ cung cấp ĩa này nhỏ hơn hoặc nh hoàn toàn có ý nghĩa, n có liên hệ với nhau.
a 1 biến nhị phân ụng các nhân tố có ng biến độc lập này sẽ
. Trong đó:
i thích như sau:
u nhiên phân phối theo qui
ng toán và phương ). Vì Yi là biến ngẫu viết lại như sau:
= Exp(
(Yi P
Trong mô hình trên lập. Phương trình đư nhận các giá trị từ -
Khi đó, chúng ta có )
(Y
E
Ở phạm vi bài nghiên c mục đích xác định các nhân t phân loại rác thải tạ
biến sử dụng trong mô hình Logit là tuổi, số thành viên trong gia đ
thu gom.
Mô tả các biến đư - Biến phụ thu
Y = 1 đáp v
Y = 0 đáp viên không - Biến độc lập:
+ Giới tính (X1 0 nếu là nữ. Nam gi khả năng biết về phân lo kỳ vọng ảnh hưởng cùng chi thải tại nguồn.
+ Nghề nghiệp ( thường tiếp xúc với nhi dễ dàng trao đổi thông tin v về phân loại rác thả
này có kỳ vọng sẽ ả tại nguồn của đáp viên.
+ Trình độ họ kỳ vọng sẽ ảnh hưở
27
= Exp( 1 + 2 X2i + … + kXki)
) ...
exp(
1
) ...
) exp(
1
2 2 1
2 2 1
ki k i
ki k i
i X X
X P X
Trong mô hình trên, Pi không phải là hàm tuyến tính c
được gọi là hàm phân bố Logistic.Trong hàm này khi X ∞ đến + ∞ thì Pi nhận giá trị từ 0 đến 1.
chúng ta có ’X = 1 + 2 X2i + … + kXki và )
exp(
1 1 exp(
1
) exp(
' '
'
x x
x
m vi bài nghiên cứu này, mô hình Logit sẽ đượ nh các nhân tố ảnh hưởng đến nhận thức c
ại nguồn trên địa bàn thị xã Cai Lậy, tỉnh Ti ng trong mô hình Logit là giới tính, nghề nghiệp, trình thành viên trong gia đình, thu nhập hộ và sự ảnh hư
n được sử dụng trong mô hình logistic : thuộc Y: Nhận thức của hộ gia đình về phân lo Y = 1 đáp viên biết về phân loại rác tại nguồn
đáp viên không biết về phân loại rác tại nguồn p:
X1): Là giới tính của đáp viên, được mã hóa là 1 n . Nam giới thường có tầm nhìn xa và hiểu biết rộng hơn n
phân loại rác thải tại nguồn cao hơn nữ giớ ng cùng chiều với nhận thức của người dân v
p (X2): Nghề nghiệp của đáp viên. Những ngư
i nhiều người, nhiều môi trường làm việc khác nhau nên s i thông tin về công việc và môi trường nên kh
ải tại nguồn cao hơn những người không có ảnh hưởng cùng chiều với nhận thức về a đáp viên.
c vấn (X3): Trình độ học vấn của đáp viên. Bi ởng cùng chiều với nhận thức về phân loại r
n tính của các biến độc Logistic.Trong hàm này khi Xi
ợc ứng dụng nhằm c của người dân về nh Tiền Giang. Các p, trình độ học vấn, nh hưởng của công tác
phân loại rác tại nguồn
c mã hóa là 1 nếu là nam, ng hơn nữ giới nên ới. Biến này được i dân về phân loại rác ng người có đi làm c khác nhau nên sẽ ng nên khả năng hiểu biết i không có đi làm. Biến phân loại rác thải a đáp viên. Biến này được i rác tại nguồn của
28
đáp viên, nghĩa là đáp viên có học vấn càng cao thì khả năng hiểu biết về phân loại rác tại nguồn càng cao.
+ Tuổi (X4): Là tuổi của đáp viên. Những người còn trẻ thì năng động, có nhiều cơ hội để cập nhật thông tin nên nhận biết về phân loại rác cao hơn so với những người lớn tuổi - hạn chế trong việc tiếp xúc với các nguồn thông tin như Internet, báo chí…. Tuổi đáp viên càng thấp thì sự hiểu biết về phân loại rác tại nguồn càng cao. Do đó biến tuổi được kỳ vọng là có ảnh hưởng ngược chiều với mô hình.
+ Số thành viên gia đình (X5): Số thành viên gia đình của đáp viên. Biến này được kỳ vọng sẽ ảnh hưởng cùng chiều với nhận thức về phân loại rác tại nguồn, nghĩa là số thành viên trong gia đình càng nhiều thì biết về phân loại rác tại nguồn càng cao.
+ Thu nhập hộ (X6): Thu nhập bình quân hàng tháng của hộ gia đình đáp viên. Biến này được kỳ vọng sẽ ảnh hưởng cùng chiều với nhận thức về phân loại rác tại nguồn, nghĩa là hộ gia đình có thu nhập bình quân hàng tháng cao thì khả năng đáp viên quan tâm đến môi trường càng cao.
+ Sự ảnh hưởng công tác thu gom (X7): Là công tác thu gom rác, được mã hóa là 1 nếu có ảnh hưởng đến nhận thức phân loại rác tại nguồn, 0 nếu không ảnh hưởng đến nhận thức phân loại rác tại nguồn. Biến này được kì vọng sẽ ảnh hưởng cùng chiều với nhận thức về phân loại rác. Nghĩa là, những người biết được công tác thu gom có ảnh hưởng đến phân loại rác thì sẽ biết về phân loại rác.
Bảng 2.5: Biến và dấu kỳ vọng sử dụng trong mô hình Logistic
Ký hiệu Tên biến Đơn vị Dấu kỳ vọng
X1 Giới tính 1 = Nam
0 = Nữ +
X2 Nghề nghiệp 1= Có việc làm
0 = Không có việc làm +
X3 Trình độ học vấn Năm +
X4 Tuổi Số tuổi -
X5 Số thành viên gia đình Người +
X6 Thu nhập Đồng/tháng/hộ +
X7 Sự ảnh hưởng công tác thu gom
1 = Có
0 = Không +
Nguồn:Tự tổng hợp
29
Mục tiêu 3: Phương pháp thống kê mô tả được sử dụng để phân tích mức độ chấp nhận của người dân về phân loại rác thải sinh hoạt tại nguồn tại thị xã Cai Lậy, tỉnh Tiền Giang.
Phương pháp thống kê mô tả
Phương pháp thống kê mô tả là phương pháp phân tích nhờ tổng hợp các phương pháp đo lường, mô tả và trình bày số liệu được ứng dụng vào lĩnh vực kinh tế và kinh doanh bằng cách rút ra những kết luận dựa trên số liệu và thông tin được thu thập. Các công cụ cơ bản để tóm tắt và trình bày dữ liệu trong thống kê mô tả thường dung là: bảng tần số, các đại lượng thống kê mô tả như số trung bình cộng, giá trị nhỏ nhất, giá trị lớn nhất, độ lệch chuẩn.
- Bảng thống kê: là hình thức trình bày số liệu thống kê và thông tin đã thu thập làm cơ sở để phân tích và kết luận, cũng là bảng trình bày kết quả nghiên cứu, nhừ đó mà có thể nhận xét tổng quan về vấn đề nghiên cứu.
Các đại lượng thống kê mô tả thường được dùng là:
+ Mean (trung bình cộng): Giá trị trung bình của các quan sát của biến + Std. Dviation (độ lệch chuẩn): Cho biết mức độ phân tán của các giá trị quanh giá trị trung bình
+ Minimum (giá trị nhỏ nhất) : Biểu hiện giá trị nhỏ nhất của biến trong các mẫu khảo sát được
+ Maximum (giá trị lớn nhất): Biểu hiện giá trị lơn nhất của biến trong các mẫu quan sát được.
Mục tiêu 4: Tổng hợp các kết quả phân tích từ các mục tiêu trên, từ đó đề xuất một số giải pháp góp phần nâng cao nhận thức của người dân về phân loại rác thải sinh hoạt tại nguồn trên địa bàn thị xã Cai Lậy, tỉnh Tiền Giang.
30