N
3.2. Phương pháp nghiên cứu 3.2.1. Nghiên cứu định tính 3.2.1. Nghiên cứu định tính
Nghiên cứu này là nghiên cứu tài liệu, là bước quan trọng trong quá trình nghiên cứu. Việc tìm các tài liệu về các công trình nghiên cứu của các nhà khoa học trên thế giới cũng như trong nước về chủ đề nghiên cứu đã cho tác giả hình thành nên hướng nghiên cứu của đề tài này. Từ hướng nghiên cứu tác giả đã đề xuất mô hình lý thuyết cho nghiên cứu. Từ những nghiên cứu tài liệu tác giả đã kế thừa một bộ thang đo cho các khái niệm, đây chính là thang đo nháp 1. Nghiên cứu sơ bộ được thực hiện thông qua hai phương pháp định tính và định lượng. Nghiên cứu sơ bộ định tính dùng để khám phá, điều chỉnh, bổ sung các biến quan sát để đo lường các khái niệm nghiên cứu và được thực hiện thông qua kỹ thuật thảo nhóm. Thông qua kết quả thảo luận thang đo nháp 1 được điều chỉnh thành thang sơ bộ (thang đo nháp 2). Danh sách các chuyên gia tham gia thảo luận nhóm được liệt kê trong bảng 3.1.
Bảng 3.1 Danh sách các chuyên gia tham gia cuộc thảo luận nhóm
STT Họ và tên Đơn vị công tác
1 Phạm Hữu Hưng BHXH Tỉnh Đồng Tháp 2 Nguyễn Văn Quyến BHXH Tỉnh Đồng Tháp 3 Trần Phương Thuý BHXH Tỉnh Đồng Tháp 4 Nguyễn Văn Nguyên BHXH huyện Tân Hồng 5 Phạm Công Thường BHXH huyện Tân Hồng
(Nguồn: Tổng hợp của tác giả)
Nghiên cứu sơ bộ định lượng được thực hiện để đánh giá sơ bộ về độ tin cậy và giá trị của các thang đo đã thiết kế và điều chỉnh ngũ cảnh nghiên cứu. Nghiên cứu sơ bộ định lượng được thực hiện bằng phương pháp phỏng vấn trực tiếp thông qua bảng câu hỏi chi tiết với kích cỡ mẫu được lựa chọn ở mức tối thiểu 100 quan sát, được chọn theo phương pháp lấy mẫu thuận tiện. Ở giai đoạn định lượng sơ bộ, thang đo nháp 2 được đánh giá độ tin cậy và giá trị bằng phương pháp đó là: hệ số tin cậy Cronbach’s Alpha.
Kết quả nghiên cứu định tính cho thấy, các chuyên gia đã đưa ra nhiều quan điểm dựa trên kinh nghiệm thực tiễn của mỗi cá nhân, tuy nhiên cuối cuộc thảo luận tác giả tổng kết lại đa số những chuyên gia tham gia cuộc thảo luận đều thống và đồng ý rằng các nhân tố ảnh hưởng đến hành vi lảng tránh trách nhiệm BHXH bao gồm 3 nhân tố được tác giả đề xuất và các thành phần của thang đo các chuyên gia cũng đồng ý chỉnh lại cách hỏi cho phù hợp với tình huống không điều chỉnh vì nội dung là rõ ràng.
Kết quả nghiên cứu định tính cho thấy có tất cả 7 quan sát được điều chỉnh lại câu chữ cho rõ ràng phù hợp với ngữ cảnh trong tình huống này. Cụ thể việc điều chỉnh ở bảng 4.1.
Bảng 3.2 Thang đo sơ bộ được điều chỉnh
STT Mã
hóa Diễn giải Điều chỉnh
KHẢ NĂNG A
1 A1
Những khóa học chuyên ngành BHXH giúp cho bạn tự tin đảm nhận những công việc trước đây chưa từng đảm trách về BHXH Không điều chỉnh 2 A2 Những khóa học chuyên ngành BHXH giúp cho bạn tự phát triển về khả năng vạch ra kế hoạch cho chính bạn Không điều chỉnh 3 A3 Những khóa học chuyên ngành BHXH giúp cho bạn tự phát triển về kỹ năng giải quyết công việc
Không điều chỉnh 4 A4 Bạn đã từng thành công trong việc lảng tránh trách nhiệm BHXH. Không điều chỉnh CƠ HỘI O
1 O1
Không kê khai người lao động hoặc mức đóng đầy đủ các khoản thu nhập để giảm số tiền phải nộp BHXH
Bạn từng có Không kê khai người lao động hoặc mức đóng đầy đủ các khoản thu nhập để giảm số tiền phải nộp BHXH 2 O2 Lợi dụng kẻ hở pháp luật để đóng không đúng với số tiền thực lĩnh của NLĐ Bạn từng có Lợi dụng kẻ hở pháp luật để đóng không đúng với số tiền thực lĩnh của NLĐ 3 O3
Cơ quan BHXH chưa quản lý tốt các khoản thu nhập của người lao động
Bạn biết cơ quan BHXH chưa quản lý tốt các khoản thu nhập của người lao động
4 O4
Cơ quan BHXH chưa thực hiện việc kiểm tra, đối chiếu bảng lương thực lĩnh và bảng trích nộp BHXH của ĐVSDLĐ
Bạn biết cơ quan BHXH chưa thực hiện việc kiểm tra, đối chiếu bảng lương thực lĩnh và bảng trích nộp BHXH của ĐVSDLĐ
ĐỘNG CƠ M
1 M1 Bạn nghĩ là bạn nộp BHXH
quá nhiều Không điều chỉnh
2 M2
Số tiền gian lận từ BHXH được dùng vào những việc cần thiết
Không điều chỉnh
3 M3 Bạn cho rằng người khác
kê khai không trung thực Không điều chỉnh
4 M4 Tiền BHXH thu được, sử
dụng kém hiệu quả Không điều chỉnh
5 M5 Gian lận BHXH thì phổ
HÀNH VI GIAN LẬN BHXH
1 HV1 Sẵn sàng thực hiện trốn đóng BHXH khi có cơ hội
Bạn sẽ sẵn sàng thực hiện trốn đóng BHXH khi có cơ hội 2 HV2 Sẵn sàng thực hiện việc trốn đóng BHXH khi hợp lý hóa được hành vi Bạn sẽ sẵn sàng thực hiện việc trốn đóng BHXH khi hợp lý hóa được hành vi 3 HV3 Sẵn sàng thực hiện trốn đóng BHXH khi mang lại lợi ích.
Bạn sẽ sẵn sàng thực hiện trốn đóng BHXH khi mang lại lợi ích.
(Nguồn: Nghiên cứu định tính của tác giả)
3.2.2 Nghiên cứu định lượng
3.2.2.1. Kích cỡ mẫu
Kích cỡ mẫu tối thiểu phải lớn hơn hoặc bằng n= số biến quan sát * 10 và hồi quy n= số biến độc lập*5 +50 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) (được chọn theo phương pháp lấy mẫu thuận tiện, lấy mẫu phi xác xuất). Nghiên cứu chính thức được sử dụng để kiểm định lại mô hình đo lường cũng như mô hình lý thuyết và các giả thuyết trong mô hình.
Trong nghiên cứu này sử dụng phần mềm SPSS 20, phục vụ cho việc nhập dữ liệu, làm sạch dữ liệu, bảng biểu thống kê, kiểm định độ tin cậy Cronbach’s Alpha, Phân tích nhân tố khám phá EFA,..
Nghiên cứu định lượng được thực hiện bằng phương pháp phỏng vấn trực tiếp thông qua bảng câu hỏi chi tiết với kích cỡ mẫu được lựa chọn ở mức
(n=240>16*10= 160), được chọn theo phương pháp lấy mẫu thuận tiện (lấy mẫu phi xác xuất). Đối tượng khảo sát là các đơn vị sử dụng lao động trên địa bàn tỉnh Đồng Tháp. Thang đo được đánh giá độ tin cậy và giá trị bằng hai phương pháp đó là: hệ số tin cậy Cronbach’s Alpha và phân tích yếu tố khám phá EFA.
Trong nghiên cứu việc sử dụng Cronbach’s Alpha để kiểm tra độ tin cậy của thang đo trong tập dữ liệu theo từng nhóm yếu tố trong mô hình với mục đích tìm ra hệ số tương quan giữa các biến và hệ số tương quan giữa tổng và biến cho
một tập hợp các biến quan sát, chỉ giữ lại các biến có sự tương quan mạnh với tổng điểm, đồng thời loại các biến không bảo đảm độ tin cậy trong thang đo. Thang đo được chấp nhận khi có hệ số 0,6<= Cronbach’s Alpha <= 0,95 (Nunnally và Bernstein, 1994) và hệ số tương quan biến-tổng (Correctted Item- Total correlation) của biến đo lường >=0,3 (Nunnally và Bernstein, 1994).
Với giả thuyết đặt ra là trong phân tích EFA, rằng các biến quan sát trong tổng thể có mối tương quan với nhau phải thoả điều kiện trị số KMO (Kaiser- Meryer-Olkin) >=0,5 đây là trị số dung để chỉ sự thích hợp của phân tích nhân tố, nếu trị số này <0,5 thì phân tích nhân tố không thích hợp (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Ngoài ra ta dùng kiểm định Bartlett’s test of sphericity để kiểm định giả thuyết là các biến không có tương quan với nhau trong tổng thể, nói cách khác ma trân tương quan tổng thể là một ma trận đơn vị. Nếu giả thuyết này bị bác bỏ Sig<0,05 thì phân tích EFA là thích hợp (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Gía trị hội tụ, trọng số nhân tố >=0,4 sẽ được chấp nhận (Gerbing và Anderson, 1998) được trích trong (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2008, trang 25); Gía trị phân biệt, chênh lệch trọng số >0,3 (Nguyễn Đình Thọ, 2013, trang 420); Tổng phương sai trích (TVE), khi đánh giá EFA >=50% (Nguyễn Đình Thọ, 2013, trang 420) tổng này thể hiện các nhân số trích được bao nhiêu phần trăm của các biến đo lường. Trong nghiên cứu này, tác giả dung phương pháp trích Principal Components với phép xoay Varimax.
Đối với hồi quy, công thức kinh nghiệm để xác định kích thước mẫu tối thiểu là: n>= 50+8*p với p là số biến độc lập trong mô hình (Green, 1991) được trích trong (Nguyễn Đình Thọ, 2013, trang 521) ; đối với EFA, để sử dụng EFA chúng ta cần kích thước mẫu lớn. Vấn đề xác định kích thước mẫu bao nhiêu vẫn chưa có sự thống nhất. Trong EFA, kích thước mẫu thường xác định dựa vào (1) kích thước tối thiểu, (2) số biến được đưa vào phân tích. (Hair và cộng sự, 2006) được trích trong (Nguyễn Đình Thọ, 2013, trang 415) mẫu tối thiểu là 50 tốt nhất là 100 và tỷ lệ biến quan sát (Observations)/ biến đo lượng (Items) là 5/1 và tốt nhất là 10/1.
Dữ liệu nghiên cứu sau khi thu thập sẽ được xử lí trên phần mềm SPSS 20.0 theo trình tự sau:
Bước 1: Chuẩn bị dữ liệu: Thu thập Phiếu khảo sát đã được trả lời, làm sạch dữ liệu, mã hóa các dữ liệu cần thiết trong bảng câu hỏi bằng phần mềm SPSS.
Bước 2: Thống kê: Tiến hành thống kê mô tả dữ liệu thu thập được.
Bước 3: Phân tích độ tin cậy: Tiến hành đánh giá độ tin cậy thang đo bằng hệ số Cronbach’s Alpha.
Bước 4: Phân tích nhân tố khám phá EFA.
Bước 5: Phân tích hệ số Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.
Bước 6: Phân tích hồi quy: Xác định mối liên hệ nhân quả giữa biến phụ thuộc và các biến độc lập.
Bước 7: Kiểm định mô hình và kiểm định giả thuyết. Phân tích thống kê mô tả
Tác giả sử dụng phép phân tích mô tả (descriptives) trong phần mềm SPSS 20.0 để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin của đối tượng được khảo sát) gồm nhóm giới tính, nhóm tuổi.
Phân tích độ tin cậy (hệ số Cronbach’s Alpha)
Đo lường độ tin cậy thang đo bằng hệ số Cronbach’s Alpha là phép kiểm định phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố. Hệ số này cho biết trong các biến quan sát của một nhân tố, biến nào đã đóng góp tốt vào việc đo lường khái niệm của nhân tố, biến nào không.
(Cronbach 1951, trích bởi Nguyễn Đình Thọ 2013, trang 355) đưa ra chú ý rằng hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo có từ 03 biến quan sát trở lên, chứ không đo được độ tin cậy cho từng biến quan sát.
Thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,75-0,95]. Nếu hệ số Cronbach’s Alpha ≥ 0,6, thang đo đó có thể được chấp nhận về độ tin cậy (Nunnally & Bernsteri 1994, trích bởi Nguyễn Đình Thọ 2013, trang 365).
(Nguyễn Đình Thọ 2013, trang 364) cho rằng, về lý thuyết hệ số Cronbach’s Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, hệ số Cronbach’s Alpha quá lớn (α > 0,95) cho thấy có nhiều biến trong thang đo không
có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Đây là hiện tượng trùng lắp trong đo lường (redundancy). Do đó, khi kiểm tra từng biến đo lường, chúng ta cần sử dụng thêm hệ số tương quan biến tổng hiệu chỉnh (Corrected Item-Total Correlation). Hệ số này lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (không tính biến đang xem xét). Đây là tiêu chuẩn để đánh giá một biến đo lường có thực sự đóng góp giá trị vào nhân tố hay không. Nếu một biến đo lường có hệ số tương quan biến tổng hiệu chỉnh ≥ 0,3 thì biến đó đạt yêu cầu (Nunnally & Bernstein 1994).
Nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường 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 đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally 1978; Peterson 1994; Slater 1995 trích bởi Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008, tập 2, trang 24).
Trong nghiên cứu này, tác giả sẽ loại bỏ những thang đo có hệ số Cronbach’s Alpha < 0,6 và loại những biến quan sát có hệ số tương quan biến tổng hiệu chỉnh <0,3 ra khỏi mô hình vì những biến quan sát này không có ý nghĩa đối với thang đo. Tuy nhiên, việc loại các biến không đạt yêu cầu còn phụ thuộc vào việc xem xét giá trị nội dung của khái niệm, chứ không chỉ đơn thuần nhìn vào con số thống kê (Nguyễn Đình Thọ 2013, trang 367).
Phân tích nhân tố khám phá EFA
Sau khi sử dụng phương pháp Cronbach’s Alpha để đánh giá độ tin cậy thang đo, tiếp theo thang đo phải được đánh giá hai giá trị quan trọng là giá trị hội tụ (convergent validity) và giá trị phân biệt (discriminant validity). Phương pháp phân tích nhân tố khám phá EFA được sử dụng để xác định và đánh giá hai giá trị này.
Với giá trị hội tụ, các biến quan sát có cùng tính chất hội tụ về cùng một nhân tố và trong ma trận xoay, các biến này sẽ nằm chung một cột. Với giá trị phân biệt, các biến quan sát hội tụ về nhân tố này và phải phân biệt với các biến quan sát ở nhân tố khác. Khi biểu diễn trong ma trận xoay, từng nhóm biến sẽ tách thành từng cột riêng biệt.
Phương pháp phân tích EFA dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát (Nguyễn Đình Thọ 2013, trang 378).
Để xác định sự phù hợp khi sử dụng phương pháp phân tích EFA, người ta thường tiến hành kiểm định các tiêu chí:
- Kiểm định Bartlett’s (Bartlett's Test of Sphericity): dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I (indentify matrix) hay không. Kiểm định Bartlett’s có ý nghĩa thống kê khi Sig. < 0,05. Điều này chứng tỏ các biến quan sát tương quan nhau trong tổng thể (Nguyễn Đình Thọ 2013, trang 413).
- Kiểm định KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy): là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan từng phần của chúng. Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, hệ số KMO phải lớn hơn 0,5. Kaiser (1974) đề nghị KMO ≥ 0,90: rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: được; KMO ≥ 0,60: tạm được; KMO ≥ 0,50: xấu và KMO < 0,50: không thể chấp nhận được. Trong thực tế, với sự hỗ trợ của phần mềm xử lý thống kê SPSS, chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt yêu cầu thì vấn đề kiểm định Bartlett’s, KMO không còn ý nghĩa nữa vì chúng luôn luôn đạt yêu cầu (Nguyễn Đình Thọ 2013, trang 414).
- Tiêu chí Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) là tiêu chí được sử dụng phổ biến trong xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalues tối thiểu bằng 1 (≥ 1) (Nguyễn Đình Thọ 2013, trang 410).
- Hệ số tải nhân tố (Factor Loading) còn gọi là trọng số nhân tố, λi >=0,5 là chấp nhận. Nếu λi < 0,5 chúng ta có thể xóa biến Xi vì nó thật sự không đo lường khái niệm ta cần đo. Tuy nhiên việc loại bỏ cần chú ý giá trị nội dung của biến đó đóng góp vào giá trị nội dung của khái niệm nó đo lường. Nếu mẫu lớn cũng có thể chấp nhận λi > 0,4. Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố > 0,3 để tạo giá trị phân biệt (Nguyễn Đình Thọ 2013, trang 420).
- Tổng phương sai trích TVE (Total Variance Extraction) thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Tổng này phải đạt từ 50% trở lên, nghĩa là phần chung lớn hơn phần riêng và sai số từ 60% trở lên là tốt. Khi hai điều kiện này được thỏa, có thể kết luận mô hình EFA phù hợp (Nguyễn Đình Thọ 2013, trang 420).
Trong phân tích EFA, có nhiều phép trích nhân tố (Grorsuch 1983, trích bởi