عنوان مقاله:
برآورد کیفیت خدمات و طرح بهبود خدمات اتوبوسرانی: تحلیل مبتنی بر ادراک و انتظار
Service quality estimation and improvement plan of bus Service: A perception and expectation based analysis
سال انتشار: 2022
رشته: مدیریت - مهندسی عمران
گرایش: مدیریت کیفیت و بهره وری - مهندسی ترافیک
دانلود رایگان این مقاله:
دانلود مقاله بهبود خدمات اتوبوسرانی
مشاهده سایر مقالات جدید:
4. Results and discussions
4.1. Preliminary data analysis
Some preliminary analysis has been conducted to explore different basic properties of the data (Deb and Ali Ahmed, 2018). The preliminary analysis consists of reliability check and exploring the inter correlations among the variables. Cronbach’s alpha value is used to reliability check of the data set. For fair data set reliability, Cronbach’s alpha value greater than 0.7 is considered sufficient (Hair et al., 2010). The alpha values are respectively 0.95 and 0.94 for the perception and expectation data set. This reveals that the data set is robust.
Using the Variance Inflation Factor (VIF), the correlations between variables are examined. The VIF cut-off value is considered as 2 (Banerjee et al., 2016). All variables other than travel expenses (a16) have the VIF values more than 2. Before conducting EFA, sample adequacy has been checked by Kaiser-Meyer-Olkin (KMO) tests. The KMO estimates the ratio of the squared correlation between variables to the squared partial correlation between variables (MoUD, , 2008). When the KMO is near 0, it is difficult to extract a factor and when the KMO is near 1, a factor or factors can probably be extracted. For an acceptable sample adequacy, the KMO value should be more than 0.5 (MORTH, New Delhi, India, 2004). In this case, the tests statistic value was found to be 0.87 indicating a good sample adequacy. Bartlett’s Test of Sphericity test is also conducted to check the suitability of the data set. The significance value for this statistic is found to be 0.0 indicating the data set to be highly suitable for factor analysis. After performing the factor analysis, travel expenses (a16) is found to have cross loading values across different variables. Therefore, this variable is dropped and again factor analysis is conducted for all the remaining variables except travel expenses.
4.2. Identifying the subjective indicators affecting Users’ perception and expectation
Indicators affecting users’ perception of present and expected service quality are identified using exploratory and confirmatory factor analysis. Exploratory factor analysis (EFA) is conducted to identify the latent construct of the variables representing users’ perception. Five numbers of underlying factors with eigenvalues greater than 1 were extracted from the bus service related qualitative attributes explaining 75 % of the total variance. Scree plot showing the eigenvalues respective to the components extracted by the factor analysis is shown in Fig. 5. The EFA is extracted using principal components with varimax rotation as described in Sec. 3.2. The factor loadings values for EFA are shown in Standard factor loadings are written next to single arrowed lines. Factor loadings when squared, reflect the component of the explained variance by latent factors. Standardized error variances are written next to the small circular shapes. They represent unexplained portion of the variance. The values displayed above the double arrow arcs show the coefficients of correlation. Statistically significant factor loadings are found with a confidence interval of 95 percent. The CFA analysis allows regulators to assess how the passengers view the various features of the bus service. Four observed variables namely on board security (a19), perception of safety in the context of accident (a20), perception of safety in bus stop (a21) and careful driving during the boarding and alighting (a22) are categorized under safety factor. a22 is categorized under safety factor because users associated this factor with their personal injuries. Buses operated in the Guwahati city have two doors one for check in (boarding) and another for check out (alighting). Only one helper or ticket collector is assigned in each bus. Therefore, in some cases, if the buses are crowdy, the users while check in or check out do not follow the assigned door for the same. And one helper assigned to the bus is also unable to manage the crowd. In such cases, the driver may not get information whether a particular user completely boarded or alighted. The driver starts the vehicle when the users are about to board or alight. In such cases some injuries may happen to the users. Therefore, they perceive this variable under safety factor.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
4. نتایج و بحث
4.1. تجزیه و تحلیل داده های اولیه
برخی از تحلیل‌های اولیه برای کشف ویژگی‌های اساسی مختلف داده‌ها انجام شده است (دب و علی احمد، 2018). تجزیه و تحلیل اولیه شامل بررسی پایایی و بررسی همبستگی های بین متغیرها است. از مقدار آلفای کرونباخ برای بررسی قابلیت اطمینان مجموعه داده استفاده می شود. برای قابلیت اطمینان مجموعه داده های منصفانه، مقدار آلفای کرونباخ بزرگتر از 0.7 کافی در نظر گرفته می شود (هیر و همکاران، 2010). مقادیر آلفا به ترتیب 0.95 و 0.94 برای مجموعه داده های ادراک و انتظار هستند. این نشان می دهد که مجموعه داده قوی است.
با استفاده از عامل تورم واریانس (VIF)، همبستگی بین متغیرها بررسی می شود. مقدار برش VIF برابر 2 در نظر گرفته شده است (Banerjee et al., 2016). تمام متغیرهای غیر از هزینه سفر (a16) دارای مقادیر VIF بیش از 2 هستند. KMO نسبت همبستگی مجذور بین متغیرها را به مجذور همبستگی جزئی بین متغیرها تخمین می زند (MoUD، 2008). هنگامی که KMO نزدیک به 0 است، استخراج یک عامل دشوار است و زمانی که KMO نزدیک به 1 است، احتمالاً می توان یک یا عوامل را استخراج کرد. برای کفایت نمونه قابل قبول، مقدار KMO باید بیش از 0.5 باشد (MORTH، دهلی نو، هند، 2004). در این مورد، مقدار آماری آزمون ها 87/0 به دست آمد که نشان دهنده کفایت نمونه خوب است. آزمون کرویت بارتلت نیز برای بررسی مناسب بودن مجموعه داده انجام می شود. مقدار معنی داری برای این آمار 0.0 است که نشان می دهد مجموعه داده ها برای تحلیل عاملی بسیار مناسب هستند. پس از انجام تحلیل عاملی، هزینه های سفر (a16) دارای مقادیر بارگذاری متقاطع در بین متغیرهای مختلف است. بنابراین، این متغیر حذف شده و مجدداً برای بقیه متغیرها به جز هزینه سفر، تحلیل عاملی انجام می شود.
