CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.5. PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU
Các chỉ số thống kê cơ bản như min, max, trung bình, độ lệch chuẩn… được tính tốn để đưa ra các nhận định cơ bản về mẫu nghiên cứu. Phương pháp kiểm định t-test được sử dụng để so sánh sự khác biệt về giá trị trung bình của chất lượng dịch vụ y tế giữa người tham gia bảo hiểm y tế và người không tham gia bảo hiểm y tế. Dựa vào giá trị chệnh lệch giữa 2 giá trị trung bình này và giá trị p-value thu được, đề tài sẽ đưa ra nhận định về sự khác biệt về chất lượng dịch vụ y tế nhận được giữa người có tham gia bảo hiểm và người không tham gia bảo hiểm. Cụ thế, nếu giá trị p-value < 0,05, đề tài sẽ kết luận sự khác biệt này là có ý nghĩa về mặt thống kê, ngược lại, sự khác biệt sẽ khơng có ý nghĩa thống kê, tức là chất lượng dịch vụ y tế người có bảo hiểm nhận được khơng khác với chất lượng dịch vụ y tế mà người không tham gia bảo hiểm y tế nhận được.
Bên cạnh đó, phương pháp phân tích nhân tố khám phá và hồi quy tuyến tính đa biến sẽ được vận dụng để xác định thang đo chất lượng lượng dịch vụ y tế và nghiên cứu ảnh hưởng của bảo hiểm y tế đến chất lượng dịch vụ y tế. Các bước tiến hành được mô tả sơ bộ theo Đinh Phi Hổ (2017) như sau:
Bước 1: Kiểm định chất lượng thang đó chất lượng dịch vụ y tế
Sử dụng kiểm định Cronbach’s Alpha để đánh giá chất lượng của thang đo. Thang đo có chất lượng tốt khi Hệ số Cronbach’s Alpha của tổng thể lớn hơn 0,6 và Hệ số tương quan biến tổng của các biến quan sát lớn hơn 0,3.
Bước 2: Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA)
Để EFA đảm bảo độ tin cậy, các kiểm định chính sau cần được tiến hành: (i) Kiểm định tính thích hợp của EFA
Sử dụng hệ số KMO (Kaiser-Meyer-Olkin) để đánh giá sự thích hợp của mơ hình EFA đối với ứng dụng vào dữ liệu thực tế nghiên cứu. Khi hệ số KMO thõa điều kiện 0,5 < KMO < 1 thì phân tích nhân tố khám phá là thích hợp cho dữ liệu thực tế
(ii) Kiểm định tương quan của các biến quan sát trong thước đo đại diện Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (nhân tố). Khi mức ý nghĩa Sig. của kiểm định Bartlett nhỏ hơn 0,5 thì các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
(iii) Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố
Sử dụng phương sai trích (% Cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phương sai trích phải lớn hơn 50%.
Đối với dữ liệu chéo, các kiểm định chính sau cần thực hiện để mơ hình đảm bảo tin cậy và hiệu quả
(i) Kiểm định sự phù hợp của mơ hình
Mục tiêu của kiểm định nhằm xem xét có tồn tại mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Kiểm định F được sử dụng và nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (P.value < 0,05) thì mơ hình được xem là phù hợp.
(ii) Kiểm định tương quan từng phần của hệ số hồi quy
Mục đích của kiểm định này là để xác định biến độc lập có ảnh hưởng đến biến phụ thuộc hay không. Khi P.value < 0,05 ta kết luận rằng ảnh hưởng này có ý nghĩa thống kê.
(iii) Kiểm định đa cộng tuyến và phương sai của phần dư thay đổi
Hiện tượng đa cộng tuyến là hiện tượng các biến độc lập có quan hệ gần như tuyến tính. Để kiểm tra hiện tượng này, ma trận hệ số tương quan hoặc thước đo độ phóng đại phương sai VIF thường được áp dụng để kiểm định. Trường hợp VIF < 10 thì khơng có hiện tượng đa cộng tuyến.
Để khắc phục hiện tượng phương sai của phần dư thay đổ, đề tài vận dụng kết hợp phương pháp Robust standard error khi hồi quy để khắc phục.