7. Kết cấu của đề tài
2.2.3. Phƣơng pháp xử lý và phân tích dữ liệu
- Đối với dữ liệu sơ cấp: Để phân tích dữ liệu, luận văn đã sử dụng các phƣơng pháp chuyên gia, phân tích thống kê:
+ Phƣơng pháp chuyên gia: Đƣợc sử dụng trong trƣờng hợp phân tích định tính nhằm thảo luận với các chuyên gia để xác định vấn đề nghiên cứu, hình thành các thang đo và bảng câu hỏi khảo sát. Khi có kết quả phân tích định lƣợng, thảo luận với các chuyên gia về các kết quả tìm kiếm.
+ Phƣơng pháp phân tích thống kê: Đƣợc sử dụng để mô tả đặc điểm của đối tƣợng khảo sát, xu hƣớng quan hệ của các biến và phân tích hiện trạng của vấn đề nghiên cứu, nhằm tìm ra các nhân tố ảnh hƣởng đến kiểm soát thu BHXH tại BHXH tỉnh Bình Định.
Trong quá trình xử lý và phân tích dữ liệu, tác giả đã sử dụng một số công cụ phân tích và kiểm định trên phần mềm SPSS nhƣ sau:
+ Thống kê mẫu: Mục đích sử dụng nhằm thống kê và tính toán tỷ lệ phần trăm các mẫu nghiên cứu theo các tiêu chí đánh giá, phân loại.
+ Thống kê mô tả và kiểm định giá trị bình quân: Sử dụng thống kê mô tả để tính giá trị trung bình đối với biến quan sát. Kiểm định giá trị bình quân nhằm đánh giá giá trị trung bình của các chỉ tiêu phân tích so với giá trị bình quân là ba, để thấy đƣợc mức độ cần thiết của các nhân tố ảnh hƣởng.
+ Kiểm định Cronbach’s Alpha: Thang đo đƣợc đánh giá là chất lƣợng tốt khi hệ số Cronbach’s Alpha của tổng thể lớn hơn 0,6 và hệ số tƣơng quan biến tổng của các biến quan sát (Corrected Item-Total Correlation) lớn hơn 0,3 [8].
+ Phân tích nhân tố khám phá EFA: Mục đích sử dụng mô hình phân tích nhân tố khám phá EFA là giúp tác giả sắp xếp các tiêu chí đánh giá có
36
tƣơng quan với nhau vào các nhóm nhân tố. Để mô hình EFA đảm bảo độ tin cậy, ta cần thực hiện các kiểm định chính sau:
Kiểm định tính thích hợp của EFA: Sử dụng thƣớc đo KMO (Kaiser – Meyer – Olkin) để đánh giá sự thích hợp của mô hình EFA đối với ứng dụng vào dữ liệu thực tế nghiên cứu. Khi trị số KMO thỏa mãn điều kiện 0,5≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp.
Kiểm định tƣơng quan của các biến quan sát trong thƣớc đo đại diện: Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tƣơng quan với nhau trong một thang đo. Khi mức ý nghĩa Significance, Sig của kiểm định Bartlett nhỏ hơn 5% thì các biến quan sát có tƣơng quan với nhau trong tổng thể.
Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố. Sử dụng phƣơng sai trích (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Thang đo đƣợc chấp nhận khi tổng phƣơng sai trích ≥ 50% và eigenvalue có giá trị > 1.
Kiểm định mức ý nghĩa của phân tích nhân tố EFA. Theo Hair & ctg, factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố EFA. Factor loading > 0,3 đƣợc xem là đạt mức tối thiểu, factor loading > 0,4 đƣợc xem là quan trọng và ≥ 0,5 đƣợc xem là có ý nghĩa thực tiễn. Hair & ctg cũng đƣa ra lời khuyên: nếu chọn tiêu chuẩn factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0,55, nếu cỡ mẫu khoảng 50 thì factor loading phải > 0,75 [8]. Tác giả lựa chọn phần mềm SPSS 22.0 để tiến hành các phân tích dữ liệu khảo sát nêu trên dựa vào các tính năng ƣu việt đó là: Rất thuận tiện cho việc phân tích định tính, định lƣợng về thống kê mô tả dƣới dạng câu hỏi định tính (dữ liệu bảng điều tra), so sánh sự khác biệt giá trị bình quân giữa các nhóm đối tƣợng, phân tích độ tin cậy của bảng câu hỏi, phân tích nhân tố
37
khám phá...Thêm vào đó, phần mềm này có khả năng phân tích với kích thƣớc mẫu rất lớn, cơ chế nhập số liệu và mã hóa số liệu phù hợp với mục tiêu nghiên cứu và tƣơng thích với các phần mềm khác nhƣ Excel. Ngoài ra, phần mềm này cho kết quả về bảng, biểu trực quan, đẹp phù hợp với thể thức khoa học. Việc in kết quả bằng tiếng Việt rất thuận tiện khi sử dụng phần mềm SPSS 22.0 trong việc trình bày kết quả nghiên cứu.
- Đối với dữ liệu thứ cấp: Các dữ liệu thứ cấp đƣợc tác giả sử dụng trực tiếp hoặc không trực tiếp để minh họa trong luận văn đƣợc tác giả thể hiện qua các bảng ghi chép. Kết quả thu thập và xử lý dữ liệu thứ cấp đƣợc sử dụng để phân tích, đánh giá thực trạng kiểm soát thu BHXH tại BHXH tỉnh Bình Định.
38
KẾT LUẬN CHƢƠNG 2
Ở chƣơng này, tác giả nêu lên các phƣơng pháp nghiên cứu sử dụng, đƣa ra quy trình nghiên cứu. Trong quá trình nghiên cứu, tác giả sử dụng phƣơng pháp nghiên cứu định tính là nhằm đánh giá thực trạng kiểm soát thu BHXH tại BHXH tỉnh Bình Định, khám phá nhân tố mới, hiệu chỉnh mô hình và thang đo; phƣơng pháp nghiên cứu định lƣợng là nhằm xác định thang đo và đánh giá sơ bộ thang đo. Phƣơng pháp định tính: dùng công cụ phỏng vấn thông qua bảng thăm dò ý kiến của các cán bộ, viên chức có am hiểu về kiểm soát thu BHXH để xác định các nhóm nhân tố có thể tác động đến kiểm soát thu BHXH tại các đơn vị BHXH ở các cấp trên địa bàn tỉnh Bình Định. Phƣơng pháp định lƣợng: dùng công cụ khảo sát để tập hợp các dữ liệu bằng cách chọn mẫu và gửi bảng khảo sát trực tiếp đến các đối tƣợng có liên quan đến các nhân tố tác động đến kiểm soát thu BHXH tại các đơn vị BHXH tỉnh Bình Định, từ đó tiếp tục dùng công cụ phần mềm SPSS 22.0 để kiểm định dữ liệu đƣợc tập hợp từ các cuộc khảo sát, kiểm tra lại độ tin cậy của các thang đo các nhân tố tác động đến kiểm soát thu BHXH tại các đơn vị BHXH trên địa bàn tỉnh Bình Định và làm cơ sở để đƣa ra các kiến nghị trong các chƣơng tiếp theo.
39
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN