3.7.1. Kiểm định hệ số tương quan (r)
Bảng 3.20. Ma trận hệ số tương quan
THAIDO ANHHUONG TiTTrN TrTKT QTRR
Hệ số tương quan .495** .448* .437** .195** .136*
Mức ý nghĩa 0.000 0.000 .000 .001 .019
YDINH
Trước tiên, mối quan hệ giữa các nhân tố được xem xét thông qua việc phân tích hệ số tương quan Pearson (ký hiệu là r). Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính giữa 2 biến định lượng. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra rằng hai biến không có mối liên hệ tuyến tính. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn là dữ liệu chuẩn hóa (được xuất ra từ phần mềm SPSS sau quá trình phân tích nhân tố khám phá EFA).
Kết quả bảng 3.20 cho thấy biến phụ thuộc và các biến độc lập có tương quan với
nhau, tương quan cao nhất là giữa thang đo “Sự tin tưởng và trách nhiệm đạo lý” với thang đo “Ý định” có r = .437.
3.7.2. Phân tích hồi quy tuyến tính
Bảng 3.21. Hệ số xác định R2 Mô hình R R bình phương R bình phương hiệu chỉnh Sai số chuẩn ước lượng Hệ số Durbin-Watson 1 .656a .430 .420 .76140115 1.471 Bảng 3.22. Phân tích ANOVAb Mô hình Tổng độ lệch bình phương df Độ lệch bình phương bình quân F Mức ý nghĩa Hồi quy 128.559 5 25.712 44.351 .000a Phần dư 170.441 294 .580 1 Tổng 299.000 299
Kết quả phân tích hồi quy (Bảng 3.21, Bảng 3.22, Bảng 3.23) chỉ ra sự phù hợp với dữ liệu phân tích, hệ số R2 = 0.430, và khác 0 (F = 44,351, p < 0.000). Điều này nói rằng, các biến độc lập trong mô hình giải thích được 43% sự biến thiên của Ý định tham gia BHXH tự nguyện của những người trong mẫu điều tra. Ngoài ra, giá trị thống kê Durbin-Watson = 1.471 xấp xỉ 2.0 nên có thể nhận định rằng hiện tượng tự tương quan là không xảy ra. Kết quả phân tích cũng không cho thấy sự cộng tuyến cao giữa các biến độc lập khi không có giá trị VIF nào cao hơn 2.0.
Bảng 3.23. Kết quả phân tích hồi quy Hệ số chưa chuẩn hóa Hệ số
chuẩn hóa Thống kê đa cộng tuyến Mô hình B Sai số chuẩn Beta t Mức ý nghĩa Độ chấp nhận của biến Hệ số phóng đại phương sai VIF Hằng số 1.203E-16 .044 .000 1.000 THAIDO .466 .059 .466 7.893 .000 .556 1.800 ANHHUONG .382 .051 .382 7.497 .000 .746 1.341 TiTTrN .672 .051 .672 13.231 .000 .751 1.331 TrTKT .533 .058 .533 9.157 .000 .572 1.750 1 QTRR .239 .045 .239 5.280 .000 .943 1.060
3.7.3. Dò tìm sự vi phạm các giả định cần thiết trong mô hình hồi quy
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết và những chuẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng được không đáng tin cậy nữa. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Vì vậy, ta cần thực hiện kiểm định các giả thiết cần thiết trong mô hình hồi quy có vi phạm hay không gồm các giả định sau:
a) Kiểm định hiện tượng đa cộng tuyến:
Nếu hiện tượng đa cộng tuyến xuất hiện thì có thể sẽ dẫn đến hậu quả nghiêm trọng trong phân tích hồi quy như kiểm định t không có ý nghĩa, dấu của các ước lượng hệ số hồi quy có thể sai… Do đó, trong mô hình hồi quy bội, chúng ta giả định là giữa các biến độc lập không có hiện tượng đa cộng tuyến và chỉ số thường được dùng để kiểm tra hiện tượng này là hệ số phóng đại phương sai VIF (Variance Inflation Fator). VIF càng nhỏ thì hiện tượng đa cộng tuyến càng giảm. Trong thực tế, chỉ số VIF nhỏ hơn 2 là chấp nhận được. Kết quả kiểm định đa cộng tuyến của mô hình cho thấy hệ số VIF của các biến độc lập nhỏ hơn 2 (Bảng 3.23). Điều này chứng tỏ các biến độc lập của mô hình nghiên cứu không có tương quan hoàn toàn với nhau và hiện tượng đa cộng tuyến không xảy ra trong mô hình này.
Hình 3.10. Biểu đồ tần số của phần dư chuẩn hóa
Hình 3.11. Biểu đồ tần số P – P
Phần dư có thể không tuân theo phân phối chuẩn vì nhiều lý do: mô hình không đúng, số lượng phần dư không đủ nhiều để phân tích, phương sai không phải là hằng số…(Hoàng Trọng & Mộng Ngọc, 2008, 228). Biểu đồ tần số của phần dư chuẩn hóa và biểu đồ tần số P-P thường được sử dụng để kiểm định phân phối chuẩn.
Hình 3.10 cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần suất. Có thể nói phân phối phần dư xấp xỉ chuẩn với độ lệch chuẩn Std.Dev = 0.992 (tức gần bằng 1).
Ngoài ra, thông qua đồ thị P-P plot (Hình 3.11) cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Do đó ta có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
c) Giả định phương sai của phần dư không đổi
Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008) hiện tượng phương sai của phần dư thay đổi có thể làm cho các ước lượng của hệ số hồi quy không chệch nhưng không hiệu quả (tức là không phải ước lượng phù hợp nhất), từ đó làm cho kiểm định các giả thuyết mất hiệu lực khiến chúng ta đánh giá nhầm về chất lượng của mô hình hồi quy tuyến tính.
Đồ thị phân tán ở hình 3.12 cho thấy phần dư phân tán ngẫu nhiên xung quanh đường đi qua tung độ 0 chứ không tạo nên hình dạng nào. Như vậy, giả định về phương sai không đổi của mô hình không bị vi phạm.
Hình 3.12. Đồ thị phân tán Scatterplot
d) Giả định về tính độc lập của phần dư
Để đảm bảo mô hình hồi quy có ý nghĩa thì cần phải thỏa mãn một giả định nữa là các phần dư độc lập lẫn nhau hay nói cách khác không có sự tương quan giữa các phần dư. Phương pháp kiểm định ý nghĩa nhất là kiểm định Dubin – Watson (d). Nếu 0 < d <1 thì kết luận mô hình có sự tương quan dương; nếu 1<d<3 thì kết luận mô hình không có sự tương quan; nếu 3 < d < 4 thì kết luận mô hình có sự tương quan âm.
Quan sát kiểm định Dubin-Watson của mô hình nghiên cứu ta thấy hệ số Dubin-Watton của mô hình nghiên cứu (Bảng 3.21) có giá trị d = 1.471 (lớn hơn 1 và nhỏ hơn 3), do đó có thể kết luận là không có sự tương quan giữa các phần dư.
e) Giả định liên hệ tuyến tính:
Phương pháp được sử dụng là đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự báo chuẩn hóa trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nhận xét đồ thị phân tán Scatterplot (Hình 3.12) trên đây ta nhận thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Như vậy, giả định liên hệ tuyến tính của mô hình không bị vi phạm.
3.7.4. Kiểm định về độ phù hợp của mô hình và kết quả hồi quy
Ở trên đã tiến hành thực hiện việc kiểm định độ tin cậy Cronbach’s Alpha và phân tích nhân tố EFA để đánh giá thang đo. Trong phần này ta sẽ dùng tổng các biến đo
lường để phân tích hồi quy tiếp theo. Với các giả định rằng “Thái độ đối với việc tham gia; Ảnh hưởng xã hội; Sự tin tưởng và trách nhiệm đạo lý; Truyền thông và kiến thức; Quan tâm sức khỏe và cảm nhận rủi ro” có tác động dương đến ý định tham gia
BHXH tự nguyện của người buôn bán nhỏ trên địa bàn TP. Rạch Giá, hồi quy sẽ được thực hiện bằng phần mềm SPSS theo phương pháp ENTER. Sự giải thích và phân tích các kết quả trong các bảng sẽ được trình bày trong các mục tiếp theo.
a) Sự phù hợp của mô hình hồi quy
Để đánh giá độ phù hợp của mô hình ta sử dụng hệ số xác định R2 điều chỉnh (Adjusted R Square). Qua bảng 3.21 cho thấy R2 là .430 và R2 điều chỉnh của mô hình là 0.420. So sánh 2 giá trị R2 và R2 điều chỉnh có thể thấy R2 điều chỉnh nhỏ hơn, dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. Nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức 42%, điều này còn cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 05 biến số trên góp phần giải thích 42% sự khác biệt của ý định tham gia BHXH tự nguyện của người buôn bán nhỏ trên địa bàn TP. Rạch Giá.
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Theo kết quả bảng 3.22, ta thấy kiểm định F có giá trị là 44.351 với Sig. = .000a chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được.
b) Đánh giá độ phù hợp của mô hình và kiểm định các giả thuyết
Kết quả phân tích (bảng 3.23) cho thấy các hệ số β đều khác 0 và Sig. < 5%. Điều này chứng tỏ các thành phần trên đều ảnh hưởng đến Ý định tham gia BHXH tự
nguyện. So sánh giá trị của β cho thấy: “Sự tin tưởng và trách nhiệm đạo lý” –
TiTTrN (β = 0.672) là yếu tố quan trọng nhất, tác động nhiều nhất đến ý định tham gia
BHXH tự nguyện; kế đến là yếu tố “Truyền thông và kiến thức” – TrTKT (β = 0.533); “Quan tâm sức khỏe và cảm nhận rủi ro” - QTRR (β = 0.239); “Ảnh hưởng xã hội” – AH (β = 0.382); “Thái độ đối với việc tham gia” – TD (β = 0.466).
Từ đó, phương trình thể hiện ý định tham gia BHXH tự nguyện của người buôn bán nhỏ trên địa bàn TP. Rạch Giá theo tất cả các biến độc lập là:
YD = 0.672*TiTTrN + 0.533*TrTKT + 0.239*QTRR + 0.382*AH + 0.466*TD Dựa trên kết quả phân tích hồi quy sẽ giải thích, kiểm định các giả thuyết đã đưa
ra. Nhân tố “Sự tin tưởng và trách nhiệm đạo lý” (β = 0.672, Sig. < 5%) là biến số có
hệ số hồi quy lớn nhất. Với β > 0 cho thấy đây là mối quan hệ cùng chiều. Điều này đồng nghĩa là khi người buôn bán nhỏ lẻ có sự tin tưởng và ý thức về trách nhiệm đạo lý càng cao thì ý định tham gia BHXH tự nguyện của họ càng tăng. Vậy giả thuyết này được chấp nhận.
Tiếp theo là nhân tố “Truyền thông và kiến thức” (với β = 0.533, Sig. < 5%) là
biến số có hệ số hồi quy lớn thứ hai. Với β > 0 cho thấy đây là mối quan hệ cùng chiều. Điều này đồng nghĩa là khi người buôn bán nhỏ lẻ hiểu rõ về BHXH tự nguyện và việc thông tin truyền thông về BHXH tự nguyện đến người dân tốt thì ý định tham gia BHXH tự nguyện của họ càng tăng. Vậy giả thuyết này được chấp nhận.
Nhân tố ảnh hưởng thứ ba là “Quan tâm sức khỏe và cảm nhận rủi ro” (β = 0.239,
Sig. < 5%). Với β > 0 cho thấy đây là mối quan hệ cùng chiều. Điều này đồng nghĩa là khi việc người buôn bán càng quan tâm đến sức khỏe của bản thân và họ cảm nhận được những rủi ro có thể đến với họ trong tương lai thì ý định tham gia BHXH tự nguyện của họ càng tăng. Vậy giả thuyết này được chấp nhận.
Tiếp theo là nhân tố “Ảnh hưởng xã hội” (β = 0.382, Sig. < 5%). Với β > 0 cho
thấy đây là mối quan hệ cùng chiều. Điều này đồng nghĩa với việc khi mức độ ảnh hưởng từ xã hội đến việc tham gia BHXH tự nguyện càng cao th́ì ý định tham gia của họ sẽ càng tăng. Vậy giả thuyết này được chấp nhận.
Cuối cùng là nhân tố “Thái độ đối với việc tham gia” (β = 0.466, Sig. < 5%). Với
β > 0 cho thấy đây là mối quan hệ cùng chiều. Điều này đồng nghĩa với việc khi thái độ tham gia BHXH tự nguyện của người buôn bán nhỏ càng nhiều thì ý định tham gia của họ càng tăng. Vậy giả thuyết này được chấp nhận.
Như vậy, cả 05 nhân tố trong mô hình hồi quy điều chỉnh đều có ý nghĩa thống kê. 3.8. Kiểm định sự hài lòng của các tổng thể con
3.8.1. Ý định tham gia BHXH tự nguyện của người buôn bán nhỏ theo giới tính Vì giới tính trong nghiên cứu có 2 biến là nam và nữ, do đó sẽ sử dụng kiểm định Vì giới tính trong nghiên cứu có 2 biến là nam và nữ, do đó sẽ sử dụng kiểm định Independent T-Test để kiểm tra xem giữa nam và nữ thì ai sẽ có ý định tham gia BHXH tự nguyện cao hơn.
Bảng 3.24. Kiểm định ý định tham gia BHXH tự nguyện theo giới tính
Kiểm định sự bằng nhau của phương sai
Kiểm định sự bằng nhau của trung bình
95% khoảng tin cậy của sự khác biệt F Mức ý nghĩa t df Mức ý nghĩa (2 đầu) Trung bình sự khác biệt Sai số sự khác biệt
Thấp hơn Cao hơn Phương sai đồng nhất .163 .687 .248 298 .804 .02974164 .11977075 -.20596199 .26544527 YDI NH Phương sai không đồng nhất .245 221.625 .807 .02974164 .12130170 -.20931074 .26879401
Theo kết quả tại bảng 3.24, giá trị Sig. (trong kiểm định Lavene) là 0.687 > 5%, do đó phương sai giữa nam và nữ không khác nhau. Còn trong kiểm định t, thì giá trị Sig. = 0.804 > 5%, nên có thể kết luận không có sự khác biệt về ý định tham gia BHXH tự nguyện giữa nam và nữ.
3.8.2. Ý định tham gia BHXH tự nguyện của người buôn bán nhỏ theo độ tuổi Để kiểm định xem ý định tham gia BHXH tự nguyện theo nhóm tuổi có khác nhau Để kiểm định xem ý định tham gia BHXH tự nguyện theo nhóm tuổi có khác nhau không, kiểm định Levene Test về sự bằng nhau của phương sai được thực hiện trước khi phân tích ANOVA.
Bảng 3.25. Kết quả kiểm định Leneve ý định tham gia BHXH tự nguyện theo nhóm tuổi Thống kê
Levene df1 df2 Mức ý nghĩa
Bảng 3.26. ANOVA ý định tham gia BHXH tự nguyện theo nhóm tuổi Tổng bình phương df Bình phương trung bình F Mức ý nghĩa Yếu tố 3.261 3 1.087 1.088 .355 Sai số 295.739 296 .999 Tổng 299.000 299
Kết quả kiểm định Leneve (Bảng 3.25) cho thấy mức ý nghĩa Sig. = 0.591 (>5%). Nghĩa là các phương sai nhóm tuổi là đồng nhất.
Kết quả kiểm định ANOVA được trình bày trong bảng 3.26: giá trị F ứng với mức ý nghĩa Sig. = 0.355 (>5%), có thể khẳng định không có sự khác nhau về ý định tham gia BHXH tự nguyện theo nhóm tuổi.
3.8.3. Ý định tham gia BHXH tự nguyện của người buôn bán nhỏ theo trình độ Bảng 3.27. Kết quả kiểm định Leneve ý định tham gia BHXH tự nguyện theo trình độ Bảng 3.27. Kết quả kiểm định Leneve ý định tham gia BHXH tự nguyện theo trình độ
Thống kê
Levene df1 df2 Mức ý nghĩa
3.681 3 296 .013
Bảng 3.28. Kết quả kiểm định Kruskal Wallis ý định tham gia BHXH tự nguyện theo trình độ YDINH
Chi bình phương 16.557
df 3
Mức ý nghĩa .001
Để kiểm định xem ý định tham gia BHXH tự nguyện theo trình độ có khác nhau không, kiểm định Levene Test về sự bằng nhau của phương sai được thực hiện trước khi phân tích ANOVA.
Kết quả kiểm định Leneve (Bảng 3.27) cho thấy mức ý nghĩa Sig. = 0.013 (<5%). Nghĩa là các phương sai nhóm tuổi là không đồng nhất.
Kết quả kiểm định Kruskal Wallis được trình bày trong bảng 3.28: mức ý nghĩa Sig. = 0.001 (<5%), có thể khẳng định có sự khác nhau về ý định tham gia BHXH tự nguyện theo trình độ.
3.8.4. Ý định tham gia BHXH tự nguyện của người buôn bán nhỏ theo nghề nghiệp Bảng 3.29. Kết quả kiểm định Leneve ý định tham gia BHXH tự nguyện theo