Ký hiệu Biến quan sát Nguồn
I – TÂM LÝ CHI TIÊU VÀ TIẾT KIỆM
TLCTTK1 Tôi tiết kiệm trước, chi tiêu sau Võ Thị Thanh Loan (2005)
TLCTTK2 Tôi quan tâm tới giá trước khi mua Võ Thị Thanh Loan (2005)
TLCTTK3 Tiết kiệm là điều nên làm và không nên
lãng phí chi tiêu Tác giả đề xuất
II - CÁC SỰ KIỆN TRONG CUỘC SỐNG
SKTCS1 Khi tôi lập gia đình. Võ Thị Thanh Loan
(2005)
SKTCS2 Khi tôi có con Võ Thị Thanh Loan
(2005)
SKTCS3 Khi tôi có vấn về sức khỏe. Võ Thị Thanh Loan (2005)
SKTCS4 Khi thu nhập của tôi ổn định Võ Thị Thanh Loan (2005)
SKTCS5 Khi tôi chứng kiến rủi ro của những người
xung quanh Tác giả đề xuất
III - ĐỘNG CƠ MUA BHNT
ĐCMBH1 Chuẩn bị về tài chính trước những rủi ro Tác giả đề xuất ĐCMBH2 Tiết kiệm tiền khi về hưu Võ Thị Thanh Loan
(2005) ĐCMBH3 Chuẩn bị cho học vấn của con cái Tác giả đề xuất ĐCMBH4 Kênh đầu tư tài chính ít rủi ro Tác giả đề xuất
IV- RÀO CẢN TRONG VIỆC MUA BHNT
RCMBH1 Tôi không có đủ thông tin về BHNT. Võ Thị Thanh Loan (2005)
RCMBH2 Tôi không tin vào công ty BHNT cũng như đại lý tư vấn BHNT
Võ Thị Thanh Loan (2005)
RCMBH3 Thu nhập của tôi rất thấp/không ổn định Võ Thị Thanh Loan (2005)
RCMBH4 Mua BH thời gian quá dài và không có lời Tác giả đề xuất RCMBH5 Các dịch vụ BH không thỏa mãn nhu cầu
của tôi
Võ Thị Thanh Loan (2005)
V- NHẬN THỨC GIÁ TRỊ SP
NTGTSP1 Mua BHNT bảo vệ người mua trước
những rủi ro Tác giả đề xuất
NTGTSP2 Mua BHNT đảm bảo tài chính cho người mua khi về hưu
Nguyễn Thị Búp (2012) NTGTSP3 Mua BHNT là chuẩn bị nguồn tài chính Nguyễn Thị Búp
vững chắc cho tương lai con cái (2012) NTGTSP4 Mua BHNT giúp cho gia đình không gặp
khó khăn tài chính khi xảy ra rủi ro Tác giả đề xuất
VI – THƢƠNG HIỆU CÔNG TY
THCT1 Manulife là Công ty BHNT có danh tiếng và uy tín trên thị trường Việt Nam
Võ Thị Thanh Loan (2005)
THCT2 Manulife là công ty BHNT đi đầu trong
công tác phục vụ cộng đồng Tác giả đề xuất THCT3 Manulife có chương trình quảng bá tốt về
hình ảnh và SP
Võ Thị Thanh Loan (2005)
THCT4 Manulife có nhiều SP phù hợp với nhiều nhu cầu khác nhau của KH
Võ Thị Thanh Loan (2005)
VII – DỊCH VỤ KHÁCH HÀNG
DVKH1 Tác phong chuyên nghiệp tạo sự tin tưởng
với KH Tác giả đề xuất
DVKH2 Có kiến thức chuyên môn để tư vấn và trả
lời thắc mắc của KH Tác giả đề xuất
DVKH3 Phục vụ/hỗ trợ/chăm sóc KH nhiệt tình và
kịp thời Tác giả đề xuất
VIII - KINH NGHIỆM MUA BH TRƢỚC ĐÂY
KNMBHTĐ1 Tôi không hài lòng vì SP BH trước đây
không có nhiều quyền lợi Tác giả đề xuất KNMBHTĐ2 Tôi không hài về tư vấn viên và DV KH
của công ty BHNT trước đây Tác giả đề xuất KNMBHTĐ3 Phí BHNT trước đây quá cao, quyền lợi ít Tác giả đề xuất
IX - Ý KIẾN CỦA NGƢỜI THÂN
con cái…) ủng hộ việc tôi mua BHNT (2005)
YKNT2 Bạn bè tôi ủng hộ việc tôi mua BHNT Võ Thị Thanh Loan (2005)
YKNT3 Đồng nghiệp tôi ủng hộ việc tôi mua BHNT Võ Thị Thanh Loan (2005)
X - QUYẾT ĐỊNH THAM GIA BHNT
QĐTGBH1 Để tiết kiệm khi về hưu Tác giả đề xuất
QĐTGBH2 Để phòng khi gặp rủi ro Tác giả đề xuất
QĐTGBH3 Để chuẩn bị cho học vấn của con cái Tác giả đề xuất
QĐTGBH4 Để đầu tư tài chính Tác giả đề xuất
3.3Chọn mẫu
3.3.1 Kích thƣớc mẫu nghiên cứu
Theo Hair và cộng sự (1992) số mẫu quan sát trong phân tích yếu tố phải lớn hơn 100 và có tỷ lệ so với biến ít nhất là 5/1. Do đó đối với đề tài này, việc xác định cỡ mẫu của nghiên cứu định lượng được thực hiện theo con số kinh nghiệm = (số biến cần đo) x 5 (ước lượng có 38 biến ~ 190 mẫu khảo sát).
Tuy nhiên, để tránh trường hợp các mẫu thu về không hợp lệ nên tác giả chọn khảo sát 400 mẫu để vẫn đảm bảo số lượng mẫu tối thiểu.
3.3.2 Phƣơng pháp chọn mẫu
Trong nghiên cứu này, đối tượng khảo sát là những KH trong độ tuổi từ 25 – 55. Đây là độ tuổi thường có việc làm ổn định và độc lập về tài chính và ít bị chi phối khi quyết định mua BHNT.
Do số KH cần khảo sát khá đông (400 KH) nên tác giả sẽ tiến hành khảo sát thông qua phương pháp phi sát xuất, thuận tiện. Mẫu được chọn ngẫu nhiên từ những KH tiềm năng đến để tìm hiểu, được tư vấn…và những KH đến để giao dịch như ký HĐ, đóng phí, vay vốn, lãnh tiền lãi, nhận bồi thường... tại Văn phòng Maritime Bank của công ty BHNT Manulife.
3.4 Thu thập dữ liệu
Công cụ thu thập dữ liệu – Bảng câu hỏi
Bảng câu hỏi tự trả lời đã được sử dụng để thu thập thông tin cần nghiên cứu trong đề tài này. Việc sử dụng bảng câu hỏi để thu thập thông tin cần nghiên cứu có những lợi ích sau (Ranjit Kumar, 2005):
Tiết kiệm chi phí, thời gian và nguồn nhân lực.
Đảm bảo được tính ẩn danh cao vì người nghiên cứu và đối tượng khảo sát không cần phải gặp mặt nhau.
Ngoài ra, cũng dễ thấy rằng với công cụ bảng câu hỏi nghiên cứu chúng ta có thể có được những thông tin cần thiết từ số lượng lớn người trả lời một cách nhanh chóng và hiệu quả.
Bảng câu hỏi đã được gửi đi với hình thức: phát bảng câu hỏi đã được in sẵn trực tiếp đến người được khảo sát thông tin trả lời được ghi vào cơ sở dữ liệu và đề nghị thời gian thu lại sau khi đã hoàn tất. Nhằm đảm bảo tính bảo mật của người trả lời, trên bảng câu hỏi đã thể hiện cam kết chỉ sử dụng thông tin cho mục đích nghiên cứu của đề tài cùng với cam kết bảo mật thông tin cho người trả lời. Ngoài ra, thông tin về họ tên của người trả lời không thể hiện trong bảng câu hỏi để đạt được tính khách quan.
Phạm vi khảo sát: những khách hàng sống trên địa bàn TP HCM đến văn phòng Maritime Bank.
Thời điểm bắt đầu gửi bảng câu hỏi và nhận bảng trả lời được bắt đầu từ ngày 01 tháng 10 năm 2015 và kết thúc vào ngày 31 tháng 11 năm 2015. Sau khi thu lại bảng câu hỏi, các dữ liệu sẽ được sàng lọc và các câu trả lời không phù hợp đã bị loại trước khi được đưa đi xử lý và phân tích.
Dữ liệu thông tin thu thập được lưu vào tập tin và phần mềm xử lý số liệu thống kê SPSS 20.0 được sử dụng để xử lý và phân tích số liệu.Với phần mềm SPSS, thực hiện phân tích dữ liệu thông qua các công cụ như thống kê mô tả, kiểm định độ tin cậy của các thang đo, phân tích nhân tố khám phá, phân tích hồi quy, kiểm định T-test và phân tích sâu ANOVA, kiểm định phi tham số.
3.5 Phƣơng pháp xử lý, phân tích số liệu 3.5.1 Xử lý dữ liệu
Các bảng câu hỏi sau khi phỏng vấn xong được kiểm tra lỗi, rà soát trước khi nhập. Xem lại các bảng câu hỏi mà người được phỏng vấn hiểu sai câu hỏi và trả lời sai ý. Số liệu sau khi nhập vào máy tính được kiểm tra lỗi nhập dữ liệu, xem có sai hay sót, thừa mục nào không, loại bỏ những quan sát có điểm số bất thường bằng các phép kiểm định thống kê mô tả qua bảng tần số, bảng kết hợp nhiều biến. Và để thuận lợi cho cho việc xử lý dữ liệu thì các câu hỏi được phân chia thành thành các nhóm.
3.5.2 Phân tích dữ liệu
3.5.2.1 Phƣơng pháp thống kê mô tả
Phương pháp này dùng để thống kê mô tả một một số dữ liệu thu thập được từ quá trình khảo sát tóm tắt đơn giản về mẫu và các thang đo.
3.5.2.2 Đo lƣờng độ tin cậy bằng hệ số Cronbach’s Alpha
Đối với thang đo trực tiếp, đánh giá độ tin cậy của dữ liệu thông qua công cụ là hệ số Cronbach's Alpha (α) (nhằm xem xét liệu các câu hỏi trong thang đo có cùng cấu trúc hay không). Hệ số Cronbach’s Alpha càng lớn thì độ nhất quán nội tại càng cao. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích yếu tố khám phá EFA để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các biến đo lường có liên kết với nhau hay không nhưng không cho biết các biến nào cần phải loại bỏ và biến nào cần được giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến – tổng để loại ra những biến không đóng góp nhiều cho khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang đo gồm:
Hệ số tin cậy Cronbach’s Alpha: lớn hơn 0.8 là thang đo lường tốt; từ 0.7 đến 0.8 là sử dụng được; từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong hoàn cảnh nghiên cứu (Nunnally, 1998;
Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Trong nghiên cứu này, tác giả chọn thang đo có độ tin cậy là từ 0.6 trở lên.
Hệ số tương quan biến – tổng: các biến quan sát có tương quan biến – tổng nhỏ (nhỏ hơn 0.3) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu.
3.5.2.3 Phân tích yếu tố khám phá – EFA (ExploratoryFactor Analysis)
Phân tích yếu tố được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong phân tích, kiểm định tiếp theo. Các yếu tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích yếu tố khám phá được dùng để kiểm định giá trị khái niệm của thang đo.
Cách thực hiện và tiêu chí đánh giá trong phân tích yếu tố khám phá EFA: Phương pháp: đối với thang đo đa hướng, sử dụng phương pháp trích yếu tố là Principal Axis Factoring với phép quay Promax và điểm dừng khi trích các yếu tố Eigen Values lớn hơn hoặc bằng 1. Phương pháp này được cho rằng sẽ phản ánh dữ liệu tốt hơn khi dùng Principal Components với phép quay Varimax (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). Đối với thang đơn hướng thì sử dụng phương pháp trích yếu tố Principal Components. Thang đo chấp nhận được khi tổng phương sai trích được bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Tiêu chuẩn: Hệ số tải yếu tố phải lớn hơn hoặc bằng 0.5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải yếu tố: lớn hơn 0.3 là mức tối thiểu chấp nhận được; lớn hơn 0.4 là quan trọng; lớn hơn 0.5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải yếu tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải yếu tố lớn hơn 0.3; nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải yếu tố lớn hơn 0.55; nếu cỡ mẫu khoảng 50 thì hệ số tải yếu tố phải lớn hơn 0.75.
Từ cơ sở lý thuyết trên, mô hình “Các yếu tố ảnh hưởng đến quyết định tham gia BHNT Manulife của KH tại TP HCM” sử dụng 38 biến quan sát cho phân tích yếu tố EFA và việc thực hiện tiến hành theo các bước sau:
Đối với các biến quan sát đo lường 9 khái niệm thành phần và khái niệm Quyết định tham gia BHNT đều là các thang đo đơn hướng nên sử dụng phương pháp trích yếu tố Principal Components với phép quay Varimax và điểm dừng khi trích các yếu tố có Eigen Values lớn hơn 1.
Sau đó tiến hành thực hiện kiểm định các yêu cầu liên quan gồm:
Kiểm định Barlett: các biến quan sát có tương quan với nhau trong tổng thể. Xem xét trị số KMO: nếu KMO trong khoảng từ 0.5 –1 thì phân tích yếu tố là
thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Để phân tích EFA có giá trị thực tiễn, tiến hành loại các biến quan sát có hệ số tải
yếu tố nhỏ hơn 0.5.
Xem lại thông số Eigen Values (đại diện cho phần biến thiên được giải thích bởi mỗi yếu tố) có giá trị lớn hơn 1.
Xem xét tổng phương sai trích (yêu cầu lớn hơn hoặc bằng 50%): cho biết các yếu tố được trích giải thích % sự biến thiên của các biến quan sát.
3.5.2.4 Phân tích hồi quy
Phân tích tương quan
Các thang đo đã qua đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson. Phân tích tương quan Pearson được thực hiện giữa các biến phụ thuộc và biến độc lập nhằm khẳng định mối liên hệ tuyến tính giữa các biến này và khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Hệ số tương quan Pearson (r) có giá trị trong khoảng (-1, +1). Giá trị tuyệt đối của r càng tiến đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra rằng hai biến không có quan hệ tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích hồi quy tuyến tính:
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi quy đa biến để kiểm định mô hình nghiên cứu và các giả thuyết. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%. Sau khi kết luận là hai biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.
Kiểm định giả thuyết:
Quá trình kiểm định giả thuyết được thực hiện theo các bước sau:
Đánh giá độ phù hợp của mô hình hồi quy đa biến thông qua R2 và R2 hiệu chỉnh.
Kiểm định giả thuyết về độ phù hợp của mô hình.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.
Kiểm định giả định phương sai phần dư không đổi dựa theo biểu đồ phân tán Scatteplot.
Kiểm định giả thuyết về phân phối chuẩn của phần dư: dựa theo biểu đồ tần số của phần dư chuẩn hóa; xem giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1.
Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định tính độc lập của sai số theo qui tắc kiểm định Durbin – Watson. Nếu 1< hệ số Durbin – Watson<3 thì mô hình không có sự tương quan giữa các phần dư và ngược lại.
Xác định mức độ ảnh hưởng của các yếu tố tác động đến quyết định tham gia BHNT Manulife của KH tại TP HCM: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.
Cuối cùng, kiểm định T - test và phân tích sâu ANOVA dùng để kiểm định sự khác biệt giữa các thành phần theo yếu tố nhân khẩu học: giới tính, độ tuổi,… về quyết định tham gia BHNT Manulife của KH tại TP HCM.
3.6 Các giả thuyết cho đề tài