a) Mã hóa và nhập dữ liệu
Sau khi tiến hành cuộc khảo sát, các bảng câu hỏi thu thập sẽ được làm sạch và nhập vào cơ sở dữ liệu. Những bảng trả lời không đầy đủ hoặc có lỗi trả lời sẽ bị loại bỏ đảm bảo dữ liệu sau khi làm sạch có đủ độ tin cậy để đưa vào phân tích.
b) Phân tích Cronbach’s Alpha
Cronbach’s alpha sẽ kiểm tra độ tin cậy của các biến dùng để đo lường từng nhân tố của sự thỏa mãn công việc. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo. Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008) cho rằng: “nhiều nhà nghiên cứu đồng ý rằng Cronbach’s Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có 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”. Hair (1998) cho rằng hệ số tương quan biến – tổng nên trên 0.5, Cronbach’s Alpha nên từ 0.7 trở lên và trong các nghiên cứu khám phá, tiêu chuẩn Cronbach’s Alpha có thể chấp nhận ở mức từ 0.6 trở lên. Đối với kiểm định Cronbach’s Alpha trong luận văn này, các biến quan sát có hệ số tương quan biến-tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và khi Cronbach’s Alpha có giá trị lớn 0.6 thang đo được xem là có đảm bảo độ tin cậy.
c) Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA)
Sau khi đánh giá độ tin cậy và độ giá trị các thang đo bằng công cụ Cronbach’s Alpha và loại các biến không đảm bảo độ tin cậy, các biến giữ lại sẽ được xem xét tính phù hợp thông qua phân tích nhân tố EFA. Phân tích nhân tố sẽ trả lời câu hỏi liệu các
biến dùng để đánh giá sự thỏa mãn công việc có độ kết dính cao không và chúng có thể gom lại thành ít nhân tố hơn để xem xét hay không. Khi phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn sau: Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với hệ số tương quan riêng phần của chúng. KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Theo Kaiser (1974) đề nghị KMO ≥ 0.9: rất tốt, KMO ≥ 0.8: tốt, KMO ≥ 07: được, KMO ≥ 0.6: tạm được, KMO ≥ 0.5: tạm được, KMO < 0.5: không thể chấp nhận được. Vì vậy, để sử dụng EFA, KMO phải lớn hơn 0.5 với mức ý nghĩa của kiểm định Bartlett ≤ 0.05. Thứ hai, tiêu chí Eigenvalue là tiêu chí phổ biến trong việc xác định số lượng nhân tố trong phân tích EFA. Số lượng nhân tố được xác định ở nhân tố có Eigenvalue tối thiểu bằng 1. Thứ ba, trọng số nhân tố của biến quan sát phải cao, ở mức phần chung phải lớn hơn hoặc bằng phần riêng và sai số. Nghĩa là trọng số nhân tố phải lớn hơn hoặc bằng 40%. Tuy nhiên, trong thực tiễn nghiên cứu với thang đo nhiều biến thì trọng số nhân tố lớn hơn hoặc bằng 0.5 thì thang đo đạt giá trị hội tụ. Thứ tư, tổng phương sai trích cũng là một tiêu chí quan trọng khi đánh giá kết quả EFA. Tổng này đạt từ 50% trở lên, nghĩa là phần chung phải lớn hơn phần riêng từ 50% trở lên là tốt và chứng tỏ mô hình EFA phù hợp.
Số lượng nhân tố được xác định dựa vào chỉ số Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu. Các biến còn lại (thang đo hoàn chỉnh) sẽ được đưa vào phân tích bước tiếp theo.
d) Phân tích tương quan và hồi quy
Phương pháp này có chức năng tính hệ số tương quan Pearson (r) giữa biến phụ thuộc và biến độc lập (xem thử giữa chúng có mối liên hệ với nhau không, dự đoán hiện tượng đa cộng tuyến) đồng thời phân tích hồi qui với các thông số yêu cầu như sau:
Diễn giải hệ số tương quan “r” (Fraenkel & Wallen, 2006) từ +.75 đến + 1.0 : có mối quan hệ rất chặt chẽ
từ +.50 đến +.75 : có mối quan hệ chặt chẽ vừa phải từ +.25 đến +.50 : có mối quan hệ yếu
từ +.00 đến +.25 : có mối quan hệ kém chặt chẽ
Kiểm tra R2, kiểm định ANOVA, kiểm tra hệ số hồi quy, kết quả kiểm định
Kiểm tra giả thuyết của phân tích hồi qui:
o Phần dư có phân phối chuẩn: kiểm tra biểu đồ phân phối phần dư, biểu đồ P-P plot.
Phương sai không đổi: vẽ mối liên hệ giữa biến phụ thuộc và phần dư, thực hiện phân tích hồi qui biến dự báo và phần dư.
Dùng để tính toán các hệ số hồi quy của mô hình và các số liệu thống kê cần thiết để đánh giá mô hình nghiên cứu. Bên cạnh để đánh giá sự phù hợp của mô hình, nghiên cứu sẽ tính đến sai số chuẩn của ước lượng, hệ số xác định, đồng thời sử dụng phương pháp kiểm định thống kê để kiểm định ý nghĩa toàn diện của mô hình và đánh giá ý nghĩa của từng biến độc lập riêng biệt. Phân tích và đánh giá các nhân tố (biến độc lập) ảnh hưởng đến ý định tham gia BHXH tự nguyện (biến phụ thuộc). Sau đó, sử dụng mô hình để dự đoán hoặc ước lượng giá trị trung bình của sự quan tâm tham gia BHXH tự nguyện.
Từ kết quả phân tích tương quan hồi quy đa biến sẽ giải quyết được mục tiêu giải thích mối tương quan và mức độ tác động của từng yếu tố độc lập đối với yếu tố phụ thuộc.
Khi sử dụng phương pháp hồi quy đa biến, các yêu cầu kiểm định đặt ra cần quan tâm để mô hình nghiên cứu có ý nghĩa thống kê và phù hợp nhất. Các thủ tục đó sẽ được đề tài thực hiện các phương pháp sau:
Đối với hiện tượng đa cộng tuyến, một trong những yêu cầu của mô hình hồi quy là các biến độc lập không có tương quan với nhau, nếu yêu cầu này không được thỏa mãn, sẽ xảy ra hiện tượng đa cộng tuyến trong mô hình. Cách phát hiện mô hình có tồn tại đa cộng tuyến là dùng nhân tố phóng đại phương sai VIF. Trong thống kê, giá trị VIF > 10 thì xem như mô hình xảy ra đa cộng tuyến.
Kiểm tra giả định không có sự tương quan giữa các phần dư. Với phần mềm SPSS sẽ tính toán cho luôn kết quả về số thống kê Durbin Watson (D), áp dụng quy tắc kiểm định như sau:
Nếu 1 < D < 3 => kết luận mô hình không có tương quan.
Nếu 0 < D < 1 => kết luận mô hình có tương quan dương.
Nếu 3 < D < 4 => kết luận mô hình có tương quan âm.
Trong các giả định liên quan đến phần dư, giả định phương sai không đổi tại các giá trị khác nhau của các biến độc lập. Việc kiểm tra xem giả định này có bị vi phạm hay không, đề tài sẽ thực hiện ngay trên đồ thị Scatter giữa phần dư chuẩn hóa và giá trị dự báo chuẩn hóa. Nếu quan sát trên đồ thị không có mối quan hệ nào giữa 2 đại lượng này, thì có thể đi đến kết luận giả định không bị vi phạm, còn ngược lại giữa 2
giá trị này có sự tương quan, điều này chứng tỏ giả định bị vi phạm (Nguồn: Hoàng Trọng và Chu Nguyễn Mộng Ngọc, Thống kê ứng dụng trong kinh tế xã hội, nhà xuất bản Thống Kê, 2008).
Ngoài ra, nghiên cứu sẽ áp dụng đầy đủ các thủ tục khác như đánh giá độ phù hợp của mô hình, đánh giá ý nghĩa toàn diện của mô hình, đánh giá ý nghĩa của từng biến độc lập, kiểm tra sự phù hợp khi lựa chọn mô hình hồi quy tuyến tính, kiểm định sự tác động phi tuyến bậc 2 của yếu tố tuổi và thu nhập lên sự quan tâm tham gia BHXH tự nguyện.
CHƯƠNG 3
KẾT QUẢ NGHIÊN CỨU 3.1 Dữ liệu thu thập
Thời điểm gửi bảng câu hỏi đi khảo sát từ tháng 3 năm 2015 đến tháng 4 năm 2015. Tổng số mẫu phát ra là 330 mẫu, thu về được 309 mẫu và số mẫu hợp lệ dùng để phân tích là 300 mẫu. Trước khi đưa vào phân tích bằng phần mềm SPSS 18, tác giả sẽ thực hiện việc kiểm tra và làm sạch dữ liệu do quá trình nhập sai, trả lời không phù hợp với nội dung hỏi hoặc trả lời không đầy đủ,... bằng cách sử dụng bảng phân tích tần số để rà soát tất cả các biến quan sát nhằm tìm ra các biến có những thông tin bị sai lệch hay thiếu sót bằng phần mềm SPSS 18. Kết quả cho thấy, không tìm thấy biến nào có thông tin sai lệch. Như vậy, dữ liệu đã được làm sạch và được đưa vào phân tích.
Nghiên cứu này sử dụng phương pháp chọn mẫu theo tám biến kiểm soát, đó là: giới tính, độ tuổi, trình độ học vấn, nghề nghiệp, thu nhập, tham gia BHXH, sự nhận biết về BHXH, mục đích tham gia BHXH.
3.2. Mô tả mẫu 3.2.1. Giới tính
Kết quả cho thấy có 111 nam và 189 nữ tham gia trả lời bảng câu hỏi điều tra. Số lượng nữ giới (chiếm 63%) nhiều hơn nam giới (chiếm 37%). Tỷ lệ này là khá phù hợp với thực tế tại địa bàn thành phố Rạch Giá.
3.2.2. Độ tuổi
Hình 3.2. Kết cấu mẫu theo độ tuổi
Kết quả cho thấy số lượng người tham gia phỏng vấn ở độ tuổi từ 15 - 25 là 139 người (chiếm 46,33%), nhóm từ 26 đến 35 tuổi có 103 người (chiếm 34,33%), nhóm từ 36 đến 45 tuổi là 34 người (chiếm 11,33%), và nhóm trên 45 tuổi có 24 người (chiếm 8,01%). Cơ cấu độ tuổi của số lượng người được phỏng vấn khá tương đồng với thực tế.
3.2.3. Trình độ học vấn
Kết quả cho thấy, có 78 người đạt trình độ Đại học/Trên đại học (chiếm 26,00%), 48 người có trình độ cao đẳng, trung cấp (chiếm 16,00%), 55 người trình độ sơ cấp, công nhân kỹ thuật (chiếm 18,33%), 119 trình độ lao động phổ thông (chiếm 39,67%).
Hình 3.3. Kết cấu mẫu theo trình độ học vấn 3.2.4. Nghề nghiệp
Kết quả phân tích cho thấy: có 103 người buôn bán nhỏ lẻ (chiếm 34,33%), 25 người kinh doanh thời trang, mỹ phẩm (chiếm 8,33%), 13 người có nghề nghiệp khác (chiếm 4,33%). Và cao nhất có 159 người làm nghề phục vụ/ giúp việc (chiếm 53,01%).
3.2.5. Thu nhập
Hình 3.5. Kết cấu mẫu theo mức thu nhập
Kết quả phân tích cho thấy: với mức thu nhập dưới 2 triệu đồng/tháng có 62 người (chiếm 20,67%), thu nhập từ 2 đến 3 triệu đồng/tháng có 186 người (chiếm 62,00%), thu nhập từ 3 đến 4 triệu đồng/tháng thì có 08 người (chiếm 0,67%), thu nhập từ 4 đến 5 triệu đồng/tháng thì có 02 người (chiếm 2,66%), thu nhập từ 5 đến 6 triệu đồng/tháng thì có 22 người (chiếm 7,33%) và mức thu nhập trên 6 triệu đồng/tháng thì có 20 người (chiếm 6,67%).
3.2.6. Tham gia BHXH
Trong tổng số 300 người được phỏng vấn thì có 235 người chưa từng tham gia BHXH (chiếm 78,33%) và có 65 người đã tham gia BHXH (chiếm 21,67%)
Hình 3.6. Kết cấu mẫu theo số người tham gia BHXH
3.2.7. Sự nhận biết về BHXH tự nguyện
Hình 3.7. Kết cấu mẫu theo số người nhận biết về BHXH tự nguyện
Kết quả cho thấy, có 193 người chưa biết đến BHXH tự nguyện (chiếm 64,33%), 107 người đã biết đến BHXH tự nguyện (chiếm 35,67%).
3.2.8. Mục đích tham gia BHXH tự nguyện
Hình 3.8. Kết cấu mẫu theo mục đích tham gia BHXH tự nguyện
Qua việc tổng hợp số lượng bảng khảo sát thu về, kết quả cho thấy có 70 người tham gia BHXH tự nguyện với mục đích tích lũy tuổi già, phòng ngừa rủi ro (chiếm 23,33%); có 85 người tham gia BHXH tự nguyện với mục đích giảm gánh nặng cho con cháu, đảm bảo an sinh xã hội (chiếm 28,33%); có 32 người tham gia BHXH tự nguyện với mục đích hưởng lương hưu và bảo hiểm y tế (chiếm 10,07%) và có 113 người tham gia BHXH tự nguyện với tất cả các mục đích trên (chiếm 37,67%).
3.3 Giá trị các biến quan sát
Tác giả tiếp tục thực hiện việc phân tích mẫu khảo sát bằng việc thống kê mô tả để đánh giá tổng quát về giá trị của các chỉ biến quan sát của mẫu khảo sát. Một trong những giả thiết yêu cầu các biến quan sát là phải có phân phối chuẩn. Thực hiện đo lường hình dạng của phân phối (Measures of Shape) thông qua hai hệ số Skewness (độ méo) và Kurtosis (độ nhọn). Với phân phối bình thường, giá trị của độ méo và độ nhọn bằng 0. Căn cứ trên tỷ số giữa giá trị Skewness và Kurtosis và sai số chuẩn của nó, ta có thể đánh giá phân phối có bình thường hay không (khi tỷ số này nhỏ hơn -2 và lớn hơn +2, phân phối là không bình thường) (Nguyễn Hùng Phong, 2010). Tuy nhiên với kích cỡ mẫu lớn (n >200) thì để đạt phân phối chuẩn thì giá trị tuyệt đối của hai thông số Skewness và Kurtosis nhỏ hơn 3 là đạt.
Bảng 3.1. Thống kê mô tả các biến quan sát
Số
lượng nhất Nhỏ nhất Lớn Trung bình Độ lệch chuẩn Skewness Kurtosis Thống
kê Thống kê Thống kê Thống kê Thống kê Thống kê Sai số tiêu chuẩn Thống kê Sai số tiêu chuẩn
TD1 300 1 5 2.98 1.264 -.132 .141 -1.071 .281 TD2 300 1 5 3.86 .905 -.804 .141 1.119 .281 TD3 300 1 5 3.45 1.089 -.287 .141 -.704 .281 TD4 300 1 5 3.70 1.052 -.642 .141 -.172 .281 TD5 300 1 5 3.77 .965 -.633 .141 .059 .281 AH1 300 1 5 3.64 .916 -.616 .141 .428 .281 AH2 300 1 5 4.11 .882 -1.152 .141 1.753 .281 AH3 300 1 5 4.04 .794 -.764 .141 .703 .281 AH4 300 1 5 3.76 .886 -.643 .141 .460 .281 KS1 300 1 5 3.95 .878 -.919 .141 1.105 .281 KS2 300 1 5 3.83 .825 -.508 .141 .598 .281 KS3 300 1 5 3.64 .941 -.396 .141 -.089 .281 TiT1 300 1 5 3.63 1.128 -.776 .141 -.117 .281 TiT2 300 1 5 3.82 .888 -.714 .141 .858 .281 TiT3 300 1 5 3.94 1.037 -1.085 .141 .988 .281 TrN1 300 1 5 3.68 1.013 -.459 .141 -.253 .281 TrN2 300 1 5 3.93 .809 -.521 .141 .132 .281 TrN3 300 1 5 3.84 .937 -.757 .141 .548 .281 TrN4 300 1 5 3.92 .971 -.941 .141 .739 .281 KT1 300 1 5 3.75 .908 -.420 .141 .291 .281 KT2 300 1 5 4.15 .846 -.757 .141 .225 .281 KT3 300 1 5 3.88 .919 -1.055 .141 1.537 .281 KT4 300 1 5 3.98 .969 -1.031 .141 1.044 .281 TN1 300 1 5 3.54 1.019 -.386 .141 -.374 .281 TN2 300 1 5 3.89 .926 -.894 .141 .991 .281 TN3 300 1 5 3.86 1.048 -.930 .141 .465 .281 TN4 300 1 5 3.53 .958 -.531 .141 .202 .281 TrT1 300 1 5 3.82 1.042 -.679 .141 -.136 .281 TrT2 300 1 5 3.97 .988 -1.086 .141 1.175 .281 TrT3 300 1 5 3.88 .884 -.552 .141 .094 .281 TrT4 300 1 5 3.57 1.087 -.731 .141 .002 .281 TrT5 300 1 5 3.29 1.204 -.389 .141 -.825 .281 QTSK1 300 1 5 4.17 .823 -.833 .141 .586 .281 QTSK2 300 1 5 3.44 1.148 -.320 .141 -.562 .281 QTSK3 300 1 5 3.40 1.053 -.244 .141 -.202 .281 RR1 300 1 5 3.67 .989 -.595 .141 .229 .281 RR2 300 1 5 3.80 .977 -.767 .141 .263 .281 RR3 300 1 5 3.92 .917 -.792 .141 .433 .281 YD1 300 1 5 4.05 .881 -.629 .141 -.095 .281 YD2 300 1 5 3.55 1.006 -.367 .141 -.369 .281 YD3 300 1 5 3.90 .907 -.851 .141 .965 .281 YD4 300 1 5 3.88 1.011 -.891 .141 .444 .281 YD5 300 1 5 3.56 .943 -.487 .141 .154 .281 Valid N (listwise) 300
Qua bảng 3.1, thông số thống kê mô tả các biến quan sát, kết quả phân tích giá trị trung bình của 43 biến quan sát được người tham gia phỏng vấn trả lời với điểm trung bình thấp nhất là 2.98 (TD1–Tham gia BHXH tự nguyện đối với bất kì người dân nào theo tôi là rất hữu ích) và điểm trung bình cao nhất là 4.17 (QTSK1–Tôi nghĩ mình là người rất ý thức đến sức khỏe khi về già), các biến quan sát còn lại đều khá tương đồng nhau.
Hầu hết các biến đều có giá trị tuyệt đối Skewness và Kurtosis nhỏ hơn 3 nên đáp