CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Sơ lược về Bảo hiểm xã hội huyện Châu Thành
3.2.3 Phương pháp nghiên cứu định lượng
3.2.3.1 Mẫu Nghiên cứu
Đối với phương pháp này, 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)[11] ; 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)[11] 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.
Nghiên cứu 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 cho phù hợp với ngành Bảo hiểm xã hội mục đích là kiểm tra độ tin cậy sơ bộ của thang đo thông qua chỉ số Cronbach’s Alpha . Đây là giai đoạn nghiên cứu với phương pháp thu thập thông tin bằng cách phỏng vấn trực tiếp thông qua bảng câu hỏi khảo
sát, thông qua bảng câu hỏi chi tiết với kích cỡ mẫu được lựa chọn 200 mẫu, được chọn theo phương pháp lấy mẫu thuận tiện (lấy mẫu phi xác xuất).
3.2.3.2 Phương pháp phân tích dữ liệu
Thông qua phần mềm SPSS 20, thực hiện phân tích dữ liệu bằng các công cụ như thống kê mô tả mẫu, đồ thị, bảng tần số, kiểm tra độ tin cậy của các thang đo, xem xét mức độ tin cậy của các biến quan sát thông qua hệ số Cronbach’s Alpha để loại các biến hệ số Cronbach’s Alpha nhỏ không phù hợp. Phân tích hồi quy đa biến để tìm ra mối tương quan của các nhân tố ảnh hưởng đến sự hài lòng của người hưởng chế độ BHXH dài hạn chi trả qua Bưu điện. Phân tích sâu ANOVA nhằm đánh giá sự khác biệt về sự hài lòng của người hưởng đối với công tác chi trả theo giới tính, nhóm tuổi và theo từng nhóm đối tượng hưởng.
Trong nghiên cứu việc sử dụng Cronbach Alpha để kiểm tra độ tin cậy của thang đo trong tập dữ liệu theo từng nhóm yếu tố trong mô 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 Alpha<=0.95 (Nunnally và Bernstein, 1994)[11] 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.
Với tập dữ liệu thu về, sau khi hoàn tất việc gạn lọc, kiểm tra, mã hóa, nhập liệu và làm sạch dữ liệu, sẽ tiến hành xử lý số liệu bằng phần mềm SPSS 20.0 với một số phương pháp phân tích như sau:
Kiểm định thang đo
Sử dụng Cronbach’s alpha để kiểm tra độ tin cậy các tham số ước lượng trong tập dữ liệu theo từng nhóm yếu tố trong mô hình. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi tập dữ liệu. Hệ số Cronbach’s alpha cho
biết mức độ tương quan giữa các biến trong bảng câu hỏi và được dùng để tính sự thay đổi của từng biến và mối tương quan giữa những biến.
Tiêu chuẩn đánh giá:
-Các biến có hệ số tương quan biến- tổng (item-total correlation) của biến quan sát tối thiểu phải đạt 0.3. Những biến quan sát nào co hệ số tương quan biến – tổng nhỏ hơn 0.3 sẽ bị loại ra khỏi mô hình (Nunnally & Berstein, 1994) trích dẫn từ (Nguyễn Đình Thọ, 2013)[11]
-Thang đo sẽ được chọn khi hệ số Cronbach’s alpha từ 0.6-0.95 mới có thể chấp nhận được về độ tin cậy, Cronbach’s Alpha càng lớn thì độ nhất quan nội tại sẻ càng cao
-Theo quy ước thì một tập hợp các mục hỏi được dùng để đo lường được đánh giá là tốt phải có hệ số Cronbach’s Alpha có giá từ 0.7 – 0.8 là có thể sử dụng được, nếu chỉ có gía trị từ 0.6 trở lệ thì có thể sử dụng nếu khái niệm được nghiên cứu là khái niệm hoàn toàn mới trong bối cảnh được nghiên cứu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)[9]
-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 Chung nguyễn Mộng Ngọc, 2005) [9]. 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 & Chung nguyễn Mộng Ngọc, 2005)[9]. Giá trị hội tụ, trọng số nhân tố >= 0.5 sẽ được chấp nhận (Gerbing và Anderson, 1998) được trích trong (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2008, trang 25); Giá trị phân biệt, chênh lệch trọng số > 0.3 (Nguyễn Đình Thọ, 2013, trang 420)[11]; Tổng phương sai trích (TVE), khi đánh giá
EFA >= 50% (Nguyễn Đình Thọ, 2013, trang 420)[11] tổng này thể hiện các nhân số trích được bao nhiêu phần trăm của các biến đo lường.
Hồi quy và kiểm định sự khác biệt giữa các nhóm thống kê
-Phân tích hồi quy bộ và ra soát các giả định.
-Sử dụng kiểm định T- test và ANOVA một chiều để kiểm định có hay không sự khác nhau trong đánh giá về sự gắn kết với tổ chức giữa các nhóm thống kê bao gồm: giới tính, độ tuổi và đối tượng hưởng.
Tuy nhiên, trước khi thực hiện kiểm định One Way ANOVA cần phải kiểm định Levene's Test sự bằng nhau của các phương sai tổng thể để xem xét mức độ đồng đều của dữ liệu quan sát.
-Nếu Sig. < 0.05: Phương sai giữa các nhóm đối tượng khác nhau là khác nhau hay không có phân phối chuẩn thì kiểm định Kruskal Wallis được sử dụng để kết luận cho trường hợp này.
-Nếu Sig > 0.05: Phương sai không khác nhau hay có phân phối chuẩn. Ta sẽ sử dụng kiểm định One Way ANOVA để kết luận.
Với hai giả thuyết như sau:
H01: Có sự khác biệt về sự hài lòng của người hưởng theo giới tính. H02: Có sự khác biệt về sự hài lòng của người hưởng theo nhóm đối tượng hưởng.