Kvantitatív kutatás

A kutatás során a fő célkitűzésem a települési önkormányzatok tervezési folyamatának és alkalmazott módszertanának feltérképezése és átfogó értékelése a fővárosi kerületi, megyei jogú városi, városi és községi önkormányzatok szemszögéből. A kutatási célkitűzés teljesítése érdekében kérdőíves vizsgálatot hajtottam végre. A kérdőív kérdései között többféle kérdéstípus szerepel. Ezek a kérdéstípusok a nyitott és zárt kérdések, számszerű adatra vonatkozó és sorba rendezési kérdések, ismereti vagy tudáskérdések és ellenőrző kérdések. A nyitott kérdések azok, melyekre a válaszadó saját szavaival válaszol, míg a zárt esetében előre meghatározott módon. A nyitott kérdés nagyon informatív, nehéz feldolgozni, mert szövegelemzést és szubjektív értékelést igényel. A zárt kérdés hátránya, hogy a kutató fogalmazza meg a válasz lehetőségét.

129

A kérdőívben megtalálhatók az úgynevezett számszerű adatok is, melyek a tényekre vonatkoznak – ezek mennyisége elenyésző-, továbbá szerepelnek sorba rendezéses kérdések is, melyek lényege, hogy a kérdezett a válaszokat rangsorolja. Tartalmaz továbbá ismereti tudáskérdést a válaszadó felkészültségére irányulva, illetve ellenőrző kérdést, mely azt kontrollálja, hogy a válasz menyire tekinthető reálisnak. A kérdések sorrendjének összeállításakor törekedtem a logikai sorrend megtartására.

A kérdőív összeállítása során több kérdéscsoportba rendezve szerepelnek a kapcsolódó, többségében zárt kérdések. A kérdőív strukturális felépítését (teljes terjedelemben lásd az 1. számú mellékletben) a 13. számú táblázatban foglaltam össze.

13. táblázat: A kérdőív strukturális felépítése

Kérdőív részei Fejezet tartalma

I. Bevezető kérdések

II. Az önkormányzati tervezési rendszer általános jellemzői:

Tervszerűség- stratégiai gondolkodás elemzése

III. A hosszú távú (több éves) tervezés (stratégiaalkotás) folyamata, elemei IV. A gazdasági program kiemelt stratégiai szerepe

V. Éves költségvetés tervezés

VI. A hosszú távú (stratégiai) tervek és az éves költségvetés kapcsolata VII. Kontrolling, a tervezési tevékenység hatékony működési kerete VIII. A tervezési rendszer jövője

Forrás: saját szerkesztés

A kvantitatív kutatás keretében alkalmazott elemző módszerek bemutatása előtt kitérek a statisztikai mérési szintekre. A mérés önmagában a statisztikai sokaság vagy minta egyes egyed előfordulásaihoz előre meghatározott szabályrendszer szerint számok hozzárendelését jelenti. Ez történhet önkényesen avagy a sokaság/minta egyedeit jellemző, mérhető tulajdonságok számszerűsítésével. A statisztika négy mérési szintet különböztet meg (a leggyengébbtől a legerősebb felé haladva): nominális, más néven névleges szint, ordinális, más néven sorrendi szint, intervallumskála (különbségskála) és arányskála.

130 Ezek jellemzői a következők:

Nominális mérési szintről akkor beszélhetünk, ha az egyes egyed előfordulások és az azokhoz hozzárendelt számérték között logikai kapcsolat nincs. A szám csupán az egyedek megkülönböztetésére szolgál.

Az így kapott számértékek között műveletek elvégzésének szakmai alapja nincs, az információt semmilyen tekintetben nem hordoz. A minőségi és a területi ismérvekkel jellemzett sokaság/minta esetében alkalmazzuk. A disszertáció kutatási témájához kapcsolódó adatgyűjtés során nyert információk csaknem teljes köre esetében ezt a mérési szintet kellett alkalmaznom.

Ordinális mérési szint esetében az egyed és a hozzárendelt számérték között már van logikai kapcsolat annak mentén, hogy a vizsgálatba bevont egyedeket egy közös tulajdonság alapján vizsgáljuk; az egyes számok egymáshoz viszonyíthatóak, de műveletek elvégzésére itt sem nyílik mód leszámítva a sorrendiséget kihasználó műveleteket. A számok közötti eltérés minden esetben ugyanannyi, de ez nem hordoz információt.

Az intervallumskála esetében már beszélhetünk klasszikus értelemben vett mérésről, azaz ebben az esetben a számértékek hozzárendelése az egyedekhez már valamely azokat jellemző mérhető tulajdonság számszerűsítésével történik meg, amelyet valamilyen mértékegységgel adunk meg. Ennek következményeként az egyes számok különbségei is értelmezhetővé válnak. A mérési szint hátránya, hogy a nulla érték nem a tulajdonság hiányát jelenti, annak megadása teljesen önkényesen.

S végül eljutunk a legmagasabb mérési szinthez, az arányskálához, amely a legtöbb információt szolgáltatja a statisztikai elemzésekhez. Ezen a szinten a nulla érték már valóban a tulajdonság hiányát jelenti; valamint minden művelet elvégezhető a skálaértékekkel (Hunyadi - Vita, 2002; Kerékgyártó – Mundruczó - Sugár, 2001; Korpás,1996).

131

A mérési szintek bemutatását annak okán tartottam fontosnak bemutatni, mert a kérdőívek feldolgozása során nyert adatok mérési szintje alapvetően meghatározza a rajtuk elvégezhető módszerek körét.

Az adatgyűjtő íven feltett kérdéseket csoportosítva az alábbi vizsgálatokat végeztem el:

- egy ismérv szerinti vizsgálatok

Az egyedeket elsőként alapvető szempontok szerint vizsgáltam, azaz a leíró statisztikáknak nevezett paramétereket határoztam meg. Számszerűsítettem az egyes válaszokra adott értékeket, melyekből megoszlási, koordinációs és intenzitási viszonyszámokat képeztem. Ahol lehetséges volt centrális tendenciákat (átlag, módusz, medián) számoltam.

- több ismérv szerinti vizsgálatok

Ennek keretében vizsgáltam az egyes ismérvek között fennálló összefüggéseket. A statisztikának kiemelkedő fontossággal bíró területe az ismérvek közötti kapcsolatok mibenlétének felderítése, azoknak számszerűsítése. A kapcsolat erőssége alapján két szélső helyzetet különböztetünk meg: a két ismérv egymástól független avagy közöttük függvényszerű kapcsolat áll fenn. A kettő között sztochasztikus kapcsolatról beszélhetünk (Hunyadi - Vita, 2002; Kerékgyártó – Mundruczó - Sugár, 2001; Korpás,1996).

A kapcsolatvizsgálat során azt kívánjuk eldönteni, hogy az ismérvek között van-e kapcsolat, amennyiben igen, akkor milyen erős és milyen irányú az. A számításokhoz szükséges statisztikai táblába rendezni az adatokat, ami tulajdonképpen a vizsgálatba vont egyedek két ismérv szerinti kombinatív osztályozása. A sztochasztikus kapcsolatokat az alábbi csoportokba sorolhatjuk:

- asszociációs kapcsolat: minőségi és/vagy területi ismérvek között - vegyes kapcsolat: mennyiség és területi vagy minőségi ismérvek között - korrelációs kapcsolat: mennyiségi ismérvek között

132

Az én esetemben a kontingencia táblában a sztochasztikus kapcsolatok közül az asszociációs kapcsolat kimutatása volt a feladatom.

A kapcsolatvizsgálat szükségességét az indokolta, hogy a disszertációban megfogalmazott feltevéseimet igazolni tudjam, így az ehhez szükséges ismérveket rendeztem párokba, melyekből elkészítettem a statisztikai táblákat. A vizsgálatba vont egyedek mintából származnak, így az asszociációs együttható (Csuprov, Cramer mutatók) meghatározása mellett khí-négyzet próbát is végeztem.

A próba elvégzése hipotézisvizsgálat alkalmazásával történt. A hipotézisvizsgálat a sokaság egészének valamely tulajdonságára vonatkozó feltevés ellenőrzésének módszere. Alkalmazásának menete:

1. Első lépésként meghatározzuk az úgynevezett H0 nullhipotézist, mely a sokaság egy adott paraméterére vonatkozó állításunkat tartalmazza.

2. Ezt követően megfogalmazzuk a vele szemben álló H1 alternatív hipotézist, mely lehet egyoldali (ebben az esetben nemegyenlő az ellenhipotézis) vagy kétoldali (ekkor „kisebb” vagy „nagyobb”

relációsjelekkel írhatjuk le az alternatív hipotézist).

3. Következő lépés a megfelelő próbafüggvény kiválasztása.

Dolgozatomban z-próbafüggvényt, Student-féle t próbafüggyvényt, F-próbafüggvényt valamint chi-négyzet F-próbafüggvényt alkalmaztam.

4. Majd meghatározzuk a szignifikanciaszintet, melyen ellenőrizni kívánjuk a hipotézisünket.

Disszertációmban a szignifikanciaszint értékének meghatározása esetében két elvet érvényesítettem: egyik esetben a szakirodalmi feldolgozásokban elterjedt 5%-os értéket választottam; míg másik esetben a H₀ nullhipotézisben megfogalmazott állítás helyességének szignifikanciaszintjét határoztam meg.

133

5. Utolsó előtti lépésben meghatározzuk az ellenőrizni kívánt paraméter értékét a mintából becsülve, ezt követően számszerűsítjük a próbafüggvény aktuális értékét.

6. Végezetül az alternatív hipotézis alapján (egy- vagy kétoldali annak megfogalmazása) a szignifikanciaszintet figyelembe véve a próbafüggvény értéktartományát elfogadási és elutasítási tartományra felosztjuk, s megvizsgáljuk, hogy az előző lépésben meghatározott aktuális érték melyik tartományba esik. Ennek alapján döntünk a nullhipotézis elfogadásáról avagy elutasításáról (Kerékgyártó (szerk.), 2008; Maddala, 2004; Korpás, 1996; Kerékgyártó – Mundruczó - Sugár, 2001; Hunyadi - Vita, 2002).

Az egyes próbafüggvények alkalmazhatóságának feltételeihez szükségesnek tartom a hipotézisvizsgálat során feltett állítások alábbi két csoportra bontását bemutatni:

 paraméterre vonatkozó próba: Ennek keretében a sokasági várható értékre, a sokasági szórásra, valamint a sokasági arányra vonatkozó próbákat vizsgáljuk.

 nemparaméteres próba: Ide értjük az illeszkedésvizsgálatokat, valamint két minőségi vagy területi ismérv illetőleg egy mennyiségi és egy minőségi vagy területi ismérv közötti kapcsolat erősségét vizsgáló próbákat. Előbbi a függetlenségvizsgálat, utóbbi a varianciaanalízis.

Az alkalmazott elemzési módszerek:

 Sokasági arányra vonatkozó próbáknál z - próbát végeztem.

 Függetlenségvizsgálat esetében – melynek során két minőségi vagy területi ismérv közötti kapcsolat meglétét ellenőriztem – chi-négyzet próbát végeztem.

 Varianciaanalízis esetében – melynek során egy mennyiségi és egy minőségi vagy területi ismérv közötti kapcsolat erősségét vizsgáltam –

134

F-próbát és t-próbát végeztem (Sajtos - Mitev, 2007; Maddala, 2004;

Korpás, 1996; Hunyadi - Vita, 2002).

A klaszterelemzés fogalma, célja, alkalmazása.

Disszertációmban a stratégiai tervező-elemző módszerek alkalmazása és az önkormányzati méret közötti összefüggések témakörét klaszterelemzés felhasználásával is vizsgáltam. A klaszterelemzés abban tér a klasszikus kapcsolatvizsgálattól, hogy míg utóbbi esetében a sokaságot jellemző ismérvek közül kiválasztunk egyet, amelyet független (magyarázó) váltózónak tekintünk, a többi ismérv ettől függő (ún. eredmény) változó lesz, addig a klaszterelemzés során ilyen megkülönböztetést nem teszünk, az ismérvek halmazán belüli kölcsönös kapcsolatokat (függéseket) vizsgáljuk.

A módszercsalád onnan kapta nevét, hogy a vizsgálatok elkezdése előtt a sokaságot/mintát homogén csoportokba, ún. klaszterekbe kell rendezni a klaszterelemzés vizsgálatába bevont ismérvek szerint. Ehhez szükséges meghatározni egy olyan távolságmértéket, amely megmutatja, hogy a vizsgálatba bevonásra kerülő egyedek mennyire térnek el egymástól (Malhotra, 2007).

A klaszterek kialakítására több módszert ismerünk, melyeket a következő ábrán rendszerezek:

135

12. ábra: Klasztermódszerek csoportosítása Forrás: saját szerkesztés Malhotra, 2007 alapján

A klaszteranalízis alkalmazása során a szakirodalmi ajánlásnak megfelelően (Sajtos-Mitev, 2007) a kétfajta megközelítést egymásra építve alkalmaztam.

Első lépésben a hierarchikus eljárással meghatároztam a klaszterek számát, a középpontokat és a kiugró (outliers) értékeket. Ezt követően a nem hierarchikus módszer keretében K-közép eljárással alakultak ki a végleges klaszterek.

Klasztermódszerek

Hierarchikus

Összevonó

Láncmódszerek

Variancia-módszer

Centroidmódszer

Felosztó

Nem hierarchikus

Szekvenciális

küszöbérték Párhuzamos

küszöbérték Optimális felosztás

Egyéb

Két lépcső

136

In document DOKTORI (PhD) ÉRTEKEZÉS SISA KRISZTINA A. (Pldal 129-137)