Phỏng vấn trực tiếp và hướng dẫn khách hàng điền vào bảng câu hỏi được thực hiện bởi tác giả và các tư vấn viên đang làm việc cho cơng ty bảo hiểm nhân thọ Prudential Việt Nam trên địa bàn thành phố Nha Trang.
Dữ liệu thu thập qua điều tra khảo sát được xử lý bằng phần mềm SPSS 18.0, được mã hĩa và làm sạch, sau đĩ sẽ tiến hành kiểm định thang đo và kiểm định lại mơ hình lý thuyết. Phương pháp thống kế mơ tả và thống kê suy luận được áp dụng để giải thích số liệu.
Làm sạch dữ liệu
Dữ liệu sau khi nhập xong thường chưa thể đưa ngay vào xử lý và phân tích mà cần phải được kiểm tra lại để tìm các giá trị lạ, bất thường hay lỗi do khâu nhập liệu: sai, sĩt, thừa thơng qua phương pháp dùng bảng tần số và bảng phối hợp.
Đánh giá độ tin cậy và giá trị của thang đo
Độ tin cậy là mức độ mà thang đo được xem xét là nhất quán và ổn định (Parasuraman, 1991). Cơng việc trước tiên, chúng ta cần đánh giá độ tin cậy của thang đo. Độ tin cậy thường dùng nhất là tính nhất quán nội tại (internal consistency), nĩi lên mối quan hệ của các biến quan sát trong cùng một thang đo (Nguyễn Đình Thọ, 2011). Hay nĩi cách khác, các biến quan sát trong cùng một thang đo đo lường một khái niệm nghiên cứu nên hệ số tương quan giữa chúng phải cao. Trong nghiên cứu này, để đánh giá độ tin cậy của từng thang đo, đánh giá độ phù hợp của từng mục hỏi, hệ số tương quan alpha của Cronbach (Cronbach’s Coefficient Alpha) được sử dụng.
Hệ số Cronbach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Hệ số Cronbach alpha được tính theo cơng thức sau (Cronbach 1951:299 dẫn theo Nguyễn Đình Thọ-Nguyễn Thị Mai Trang, 2007):
α = 1 k k− (1 - 2 1 2 k i i T δ δ = ∑ )
Trong đĩ:
- α : hệ số Cronbach alpha
- k : số biến quan sát trong thang đo - 2
i
δ : là phương sai của biến quan sát i - 2
T
δ : là phương sai của tổng thang đo
Theo quy ước thì một tập hợp các mục hỏi dùng để đo lường được đánh giá là tốt phải cĩ hệ số α lớn hơn hoặc bằng 0,8. Mặc dù vậy cần chú ý nếu cĩ một danh mục quá nhiều các mục hỏi thì sẽ cĩ nhiều cơ hội để cĩ được hệ số α cao. Sự tương quan giữa các mục hỏi chỉ là 0,14 đã cĩ được hệ số α =0,8 trong tập hợp 25 mục hỏi (De Vellis, 1991 dẫn theo Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Cũng cĩ nhà nghiên cứu đồng cho rằng hệ số Cronbach alpha từ 0,6 trở lên là cĩ thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1996 dẫn theo Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Hệ số Cronbach alpha được sử dụng trước để loại các biến khơng phù hợp trước. Các biến cĩ hệ số tương quan biến-tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi nĩ cĩ độ tin cậy alpha từ 0,6 trở lên (Nunnally & Burnstein, 1994 dẫn theo Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Đối với nghiên cứu này thì hệ số cronbach alpha từ 0,6 trở lên là chấp nhận được.
Phân tích nhân tố khám phá EFA
Phân tích nhân tố EFA (Exploratory Factor Analysis) là một kỹ thuật để giảm bớt dữ liệu hay kiểm tra tính đơn khía cạnh của thang đo lường (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Phân tích nhân tố được sử dụng phương pháp dựa vào eigenvalue (Determination based on eigenvalue): chỉ cĩ những nhân tố nào cĩ eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố cĩ eigenvalue nhỏ hơn 1 sẽ khơng cĩ tác dụng tĩm tắt thơng tin tốt hơn một biến gốc, vì sau khi chuẩn hĩa mỗi biến gốc cĩ phương sai là 1 (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Ngồi ra, chỉ số Kaiser-Meyer-Olkin (KMO) được dùng để xem xét sự thích hợp của phân tích nhân tố và cĩ ý nghĩa khi ở trong khoảng 0,5 và 1. Cịn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố cĩ khả năng khơng thích hợp với các dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Đề tài nghiên cứu đã sử dụng phương pháp phân tích nhân tố EFA, phép trích nhân tố là Principal Component Analysis (PCA) với phép quay vuơng gĩc Varimax và điểm dừng khi trích các yếu tố cĩ eigenvalue ≥ 1. Trong quá trình thực hiện phân tích EFA, các mục hỏi của các thang đo khơng đạt yêu cầu sẽ bị loại. Các mục hỏi được chọn dựa trên tiêu chuẩn hệ số tải nhân tố (factor loading) > 0,4; hệ số phép trừ KMO (Keyser-Meyer-Olkin of Sampling Adeqacy) cĩ giá trị từ 0,5 trở lên và phép thử Barlett (Barlett Test of Sphericity) phải ở mức cĩ ý nghĩa.
Thống kê mơ tả
Được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu. Các thống kê mơ tả sử dụng trong nghiên cứu này để phân tích, mơ tả dữ liệu bao gồm các tần số, tỷ lệ, giá trị trung bình và độ lệch chuẩn.
Thống kê suy luận
“Thống kê suy luận cho phép các nhà nghiên cứu suy luận dữ liệu từ mẫu nghiên cứu khi phân tích mối quan hệ giữa hai biến, sự khác biệt trong một biến giữa các nhĩm mẫu khác nhau và giải thích mối liên hệ giữa biến độc lập và biến phụ thuộc” (theo Uma Sekaran-2000). Trong nghiên cứu này một số các phương pháp suy luận thống kể đã được sử dụng để kiểm định giả thuyết nghiên cứu là:
Phân tích hồi qui đa biến
Phương pháp phân tích hồi qui đa biến được sử dụng để xác định các nhân tố ảnh hưởng đến quyết định mua bảo hiểm nhân thọ. Mơ hình dự đốn như sau:
0 1* 1 2* 2 3* 3 .... i* i i Y =β +β X +β X +β X + +β X +δ Trong đĩ: Y: Biến phụ thuộc 0 1* 1 2* 2 3* 3 .... i* i i Y =β +β X +β X +β X + +β X +δ i X : Biến độc lập 0 β : hằng số i β : các hệ số hồi qui i
δ : thành phần ngẫu nhiên hay yếu tố nhiễu
Biến phụ thuộc là quyết định mua bảo hiểm nhân thọ và biến độc lập là các nhân tố ảnh hưởng đến quyết định mua bảo hiểm nhân thọ được rút ra từ quá trình phân tích nhân tố khám phá EFA.