(Nguồn: Phân tích dữ liệu – phụ lục số III)
Thống kê trên cho thấy đối tượng có thu nhập trong khoảng 15 đến 30 triệu chiếm tỷ trọng cao nhất trong các dối tượng tham gia BHNT (46,5%). Hai đối tượng có thu nhập dưới 15 triệu và trong khoảng từ 30 đến 45 triệu chiếm tỷ trọng khơng có sự chênh lệch quá lớn (lần lượt là 23% và 28,3 %). Cịn đối tượng có mức thu nhập trên 45 triệu chỉ có 3 người tham gia (1,1%), q ít để có thể tác động đến kết quả khảo sát nên tác giả quyết định loại bỏ đối tượng trên.
Tình trạng hơn nhân:
Bảng 4.7: Thống kê mẫu dựa trên tình trạng hơn nhân.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Trong thống kê này, đối tượng Đã lập gia đình và Độc thân chiếm tỷ trọng áp đảo (46% và 36,3%), trong khi đó, đối tượng Đã ly thân chỉ chiếm 17,7%. Điều này cho thấy nhu cầu tham gia BHNT của hai đối tượng Độc thân và Đã lập gia đình là rất cao, cịn đối tượng Đã ly thân do vướng bận gánh nặng cuộc sống khi phải cán đán gia đình một mình, làm cho họ khó khăn hơn khi quyết định tham gia BHNT.
4.3 Đánh giá các thang đo
4.3.1 Sử dụng hệ số Cronbach Alpha để phân tích độ tin cậy của thangđo đo
Hệ số tin cậy Cronbach’s Alpha thường được sử dụng để đánh giá các thang đo sử dụng trong các nghiên cứu. Một thang đo được coi là đạt tiêu chuẩn khi có hệ số > 0,6, hệ số tương quan biến tổng CITC > 0,3 (Burnstein & Nunnally - 1994). Trong một số trường hợp, khi hệ số > 0,95 có nghĩa là có sự xuất hiện của một biến quan sát thừa trong thang đo.
Bảng 4.8: Kết quả phân tích Cronbach’s Alpha của thang đo nhân tố Tâm lý chi tiêu và tiết kiệm.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Bảng trên cung cấp cho chúng ta các thông tin của thang đo yếu tố Tâm lý chi tiêu - tiết kiệm với kết quả là hệ số tin cậy = 0.175 > 0.6. Bên cạnh đó, Hệ số tương quan giữa biến và tổng vẫn nằm trong mức an tồn (ln lớn hơn 0.3). Từ đó có thể đưa ra nhận định là các thành phần trong thang đo tồn tại liên kết chặt chẽ với nhau. Chấp nhận cả 5 biến trong thang đo này và đưa đến phân tích EFA.
Bảng 4.9: Phân tích Cronbach’s Alpha của nhân tố Động cơ.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Kết quả của bảng trên là số tương quan biến tổng của biến DC5 không hợp lệ (0.166 < 0.3). Mặc dù, hệ số vẫn đạt yêu cầu (0.697 > 0.6) nhưng sau khi loại đi biến DC5 cho ra kết quả là sự gia tăng của hệ số tin cậy . Vì vậy, chính thức loại biến DC5 ra khỏi nghiên cứu. Nhận được kết quả hệ số tin cậy mới là 0.759 > 0.6 (đạt yêu cầu). Bên cạnh đó, các biến quan sát cịn lại đều đạt yêu cầu về mặt liên kết để tiến hành phân tích nhân tố khám phá.
Bảng 4.10: Phân tích Cronbach’s Alpha của nhân tố Rào cản.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Cũng như yếu tố đầu tiên, yếu tố Rào cản khi mua bảo hiểm nhân thọ có đủ 5 biến quan sát. Cả 5 biến đều đạt yêu cầu về mặt liên kết (hệ số tương quan giữa biến và tổng lớn hơn 0.3) và có hệ số tin cậy Cronbach’s Alpha = 0.739 > 0.6 (đạt yêu cầu). Từ đó, đưa cả 5 biến quan sát vào phân tích EFA.
Yếu tố Nhận thức giá trị sản phẩm:
Bảng 4.11: Phân tích Cronbach’s Alpha của nhân tố Nhận thức.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Yếu tố Nhận thức giá trị sản phẩm có đủ 5 biến quan sát. Cả 5 biến đều đạt yêu cầu về mặt liên kết (hệ số tương quan giữa biến và tổng lớn hơn 0.3) và có hệ
số tin cậy Cronbach’s Alpha = 0.805 > 0.6 (đạt yêu cầu). Từ đó, đưa cả 5 biến quan sát vào phân tích EFA.
Yếu tố Thương hiệu cơng ty:
Bảng 4.12: Phân tích Cronbach’s Alpha nhân tố Thương hiệu.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Kết quả phân tích Cronbach’s Alpha Thương hiệu cơng ty cho kết luận khả quan. Hệ số tin cậy đạt (0.807 > 0.6), hệ số tương quan giữa biến và tổng cũng đạt (lớn hơn 0.3). Kết luận, đưa cả 5 biến quán sát trên vào phân tích EFA.
Yếu tố Kinh nghiệm tham gia bảo hiểm nhân thọ từ trước:
Bảng 4.13: Phân tích Cronbach’s Alpha của nhân tố Kinh nghiệm.
Trong bảng này, có đủ 5 biến quan sát và cả 5 biến đều có hệ số tương quan biến tổng đủ yêu cầu (lớn hơn 0.3). Bên cạnh đó, hệ số tin cậy cũng đủ yêu cầu (lớn hơn 0.6). Vì vậy, đưa cả 5 biến quan sát trong yếu tố Kinh nghiệm tham gia bảo hiểm từ trước vào phân tích EFA.
Yếu tố Ý kiến từ người thân:
Bảng 4.14: Phân tích Cronbach’s Alpha của nhân tố Ý kiến người thân.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Yếu tố Ý kiến từ người thân đáp ứng được độ tin cậy ( = 0.787 > 0.6, hệ số tương quan giữa biến và tổng > 0.3).
Yếu tố Quyết định tham gia bảo hiểm nhân thọ tại công ty AIA Việt
Nam – khu vực TP.HCM:
Bảng 4.15: Kết quả phân tích Cronbach’s Alpha của nhân tố Quyết định.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Kết luận từ bảng trên là hệ số tương quan biến tổng của biến QD5 không hợp lệ (0.085 < 0.3). Mặc dù, hệ số vẫn đạt yêu cầu (0.712 > 0.6) nhưng sau khi loại đi biến QD5 cho ra kết quả là sự gia tăng của hệ số tin cậy . Vì vậy, chính thức
loại biến QD5 ra khỏi nghiên cứu. Nhận được kết quả hệ số tin cậy mới là 0.782 > 1.6 (đạt yêu cầu). Bên cạnh đó, các biến quan sát cịn lại đều đạt yêu cầu về mặt liên kết để phân tích EFA.
KẾT LUẬN:
Sau khi tiến hành đo lường các yếu tố bằng hệ số tin cậy Cronbach’s Alpha, nghiên cứu loại đi 2 biến quan sát chưa đáp ứng đầy đủ các yêu cầu (biến DC5 và biến QD5). Vì vậy, thang đo cịn lại 8 yếu tố với các biến quan sát như sau:
- Động cơ tham gia bảo hiểm nhân thọ và Quyết định tham gia bảo hiểm nhân thọ chỉ còn lại 4 biến quan sát.
- Các yếu tố còn lại vẫn đầy đủ 5 biến quan sát như trước khi tiến hành đo lường bằng hệ số tin cậy.
4.3.2 Nhân tố khám phá EFA
Nhân tố khám phá EFA được sử dụng như một cơng cụ để tóm tắt và thu nhỏ lại dữ liệu. Mối quan hệ giữa các biến được dùng như một công cụ giúp rút gọn các yếu tố lại thành các yếu tố mang ý nghĩa cơ đọng, chính xác hơn. Cụ thể, gom các biến có liên hệ với nhau thành một nhóm với tên gọi và đặc điểm chung.
Tổng cộng 7 yếu tố độc lập và 34 biến quan sát thông qua kiểm định về độ tin cậy được xem là có ý nghĩa về mặt thống kê. Toàn bộ các yếu tố và biến trên sẽ được đưa vào kiểm định bằng phương pháp phân tích yếu tố khám phá EFA.
Tiêu chuẩn: Factor loading – hệ số tài nhân tố >= 0.5; Cumulative% - tổng phương sai trích >= 50%; Eigenvalue >= 1 và KMO >= 0.5.
Phép xoay được dùng trong nghiên cứu là phép xoay Varimax, đồng thời sử dụng phương pháp trích Principal Compoment để phân tích nghiên cứu.
4.3.2.1 Biến độc lập
Giả thuyết được áp dụng cho cơng việc phân tích EFA các biến độc lập trong phần này:
Giả thuyết H0: Khơng có sự tương quan giữa các biến quan sát với nhau trong tổng thể.
Giả thuyết H1: Có sự tương quan giữa các biến quan sát với nhau trong tổng thể.
Tóm tắt kết quả phân tích:
Bảng 4.16: Kiểm định KMO và Barlett’s các biến.
Kiểm định Barlett: Sig. = 0.000 < 0.05 => Chấp nhận giả thuyết H1, loại bỏ giả thuyết H0, từ đó cho thấy có sự giống nhau giữa các biến với nhau trong tổng thể.
Bên cạnh đó, hệ số KMO = 0.748 đạt yêu cầu (lớn hơn 0.5). Vì vậy, kết luận phân tích này là cần thiết cho nghiên cứu.
Bảng 4.17: Phân tích Eigenvalues và Phương sai trích của biến phụ thuộc.
(Nguồn: Phân tích dữ liệu – phụ lục số III) Kết quả của 7 yếu tố sau khi được phân tích EFA:
Giá trị Eigenvalues đáp ứng yêu cầu (lớn hơn 1).
Phân tích yếu tố khám đáp ứng yêu cầu (tổng phương sai trích = 57.990% > 50%). Như vậy, kết quả là giá trị biến thiên của dữ liệu là 57.990%, kết quả này được giải thích bởi 7 yếu tố được tác giả rút trích.
Bảng 4.18: Bảng ma trận.
Thang đo trong bảng trên được phân thành 7 nhóm như tác giả thiết lập và cả 7 nhóm trên đều được chấp nhận cho việc rút trích. Chỉ số Factor loading của các biến thành phần đều lớn hơn 0.5. Kết quả của phương pháp Principal Component Analysis và Varimax with Kaiser Normalixation:
Nhóm 1: Nhóm kinh nghiệm tham gia bảo hiểm nhân thọ từ trước có 5 biến quan sát là KN2, KN3, KN1, KN5, KN4.
Nhóm 2: Nhóm nhận thức giá trị của sản phẩm có 5 biến quan sát lần lượt là NT2, NT5, NT3, NT3, NT1.
Nhóm 3: Nhóm thương hiệu cơng ty có 5 biến quan sát lần lượt là TH5, TH4, TH2, TH3, TH1.
Nhóm 4: Nhóm ý kiến từ người thân có 5 biến quan sát lần lượt là YK4, YK5, YK1, YK2, YK3.
Nhóm 5: Nhóm rào cản khi mua bảo hiểm nhân thọ có 5 biến quan sát lần lượt là RC3, RC4, RC5, RC1, RC2.
Nhóm 6: Nhóm tâm lý chi tiêu – tiết kiệm có 5 biến quan sát lần lượt là TL2, TL3, TL1, TL4, TL5.
Nhóm 7: Nhóm động cơ tham gia bảo hiểm nhân thọ có 4 biến quan sát lần lượt là DC3, DC4, DC2, DC1.
4.3.2.2 Biến phụ thuộc
Bảng 4.19: Kiểm định KMO và Barlett biến phụ thuộc.
Bảng 4.20: Phân tích phương sai trích biến phụ thuộc.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Kết quả phân tích nhân tố khám phá yếu tố Quyết định mua BHNT gồm 4 biến quan sát QD1, QD2, QD3, QD4:
Hệ số Factor Loading đều đạt yêu cầu (lớn hơn 0.5). Các biến quan sát đều có ý nghĩa.
Hệ số KMO cũng đạt yêu cầu khi lớn hơn 0.5, cụ thể giá trị là 0.555, kết quả này khẳng định sự cần thiết của việc phân tích dữ liệu.
Bên cạnh đó, giá trị định mức ý nghĩa của kiểm định Barlett là 0.000. Vì vậy, có sự tương quan giữa các biến quan sát với nhau về mặt tổng thể. Phương sai trích đạt giá trị 81.678% nên thang đo rút ra được chấp thuận, giải thích được sự biến thiên của dữ liệu trong thang đo. Giá trị Eigenvalues cũng đạt yêu cầu khi có giá trị lớn hơn 1.
4.3.3 Kết luận phân tích nhân tố khám phá cho mơ hình đo lường
Từ những kết quả thu được sau khi phân tích nhân tố khám phá EFA và hệ số tin cậy Cronbach’s Alpha, tác giả quyết định mơ hình nghiên cứu lý thuyết của nghiên cứu các yếu tố tác động đến quyết định tham gia bảo hiểm nhân thọ của công ty AIA Việt Nam – khu vực TP.HCM gồm 7 yếu tố. Trong đó, có 8 biến thành phần, bao gồm bảy biến độc lập và một biến phụ thuộc. Bảy biến độc lập được thể hiện qua bảng giả thuyết sau:
Bảng 4.21: Bảng tổng hợp các giả thuyết của mơ hình nghiên cứu sau đánh giá thang đo.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
4.4 Phân tích mơ hình hồi quy tuyến tính đa biến4.4.1 Kiểm định hệ số tương quan 4.4.1 Kiểm định hệ số tương quan
Tác giả quyết định tiến hành kiểm định hệ số tương quan để làm rõ mối liên hệ tuyến tính giữa các biến phụ thuộc với các biến độc lập và giữa các biến độc lập với nhau. Việc này giúp xác định những mối tương quan chặt chẽ giữa các biến từ đó kiểm định cho quy trình phân tích hồi quy và khả năng gây ra hiện tượng đa cộng tuyến.
Phân tích tương quan:
Bảng 4.22: Ma trận hệ số tương quan giữa các biến quan sát.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Với kết quả từ bảng trên, chúng ta có thể nhận thấy với mức ý nghĩa 1% hầu hết các biến độc lập đều có ý nghĩa kiểm định đối với yếu tố phụ thuộc (1-tailed = 0.000 < 0.01). Riêng chỉ có yếu tố Kinh nghiệm tham gia bảo hiểm từ trước có mức ý nghĩa ngang bằng với 0.01, vì vậy, khơng có mối liên hệ tương quan giữa yếu tố này với yếu tố phụ thuộc. Tuy nhiên, tác giả vẫn sẽ giữ yếu tố này ở lại trong bảng
phân tích nhằm tiến hành phân tích hồi qui, xác định chính xác hơn mối liên quan giữa yếu tố này và yếu tố phụ thuộc.
Bên cạnh đó, hiện tượng đa cộng tuyến không xảy ra giữa các biến độc lập với nhau. Điều này được làm rõ bởi giá trị Pearson Corelation của yếu tố phụ thuộc và độc lập nằm trong khoảng từ 0.172 đến 0.574 đều lớn hơn 0.
4.4.2 Phân tích và kiểm định mơ hình 4.4.2.1 Phân tích
Phương trình hồi quy tuyến tính cho phép biểu diễn mối quan hệ giữa 7 yếu tố độc lập tác động đến yếu tố phụ thuộc – Quyết định tham gia bảo hiểm AIA Việt Nam – khu vực TP.HCM có dạng như sau:
QD tham gia BHNT = 1 * X1 + 2 * X2 + 3 * X3 + 4 * X4 + 5 * X5 + 6 * X6 + 7 * X7
QD tham gia BHNT = 1 * (KN)+ 2 * (NT) + 3 * (TH) + 4 * (YK) + 5 * (RC) + 6 * (TL) + 7 * (DC)
4.4.2.2 Kiểm định
Sử dụng phương pháp đưa vào một lượt, trong đó:
Biến phụ thuộc có kí hiệu là QD, thang đo từ 1 đến 5 (Từ 1: Hồn tồn khơng đồng ý tăng dần đến 5: Hoàn toàn đồng ý). Trong đó lại bao gồm 4 biến quan sát QD1, QD2, QD3, QD4.
Hằng số .
Các biến độc lập: X1 = KN, X2 = NT, X3 = TH, X4 = YK, X5 = RC, X6 = TL, X7 = DC.
4.5 Kiểm định giả thiết
4.5.1 Đánh giá sự tương quan của mơ hình
Bảng 4.23: Sự tương quan của mơ hình.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Trong phạm vi của bảng này, chúng ta có thể thấy được hệ số tương quan của mơ hình có giá trị 0.871 lớn hơn 0.5, vì vậy, có thể kết luận mơ hình này phù hợp cho việc đánh gía mối quan hệ giữa biến độc lập và phụ thuộc QD.
Ngoài ra, giá trị hệ số R bậc 2 là 0.757, cũng có nghĩa là 75,7% quyết định tham gia BHNT tại công ty AIA Việt Nam – khu vực TP.HCM là do mơ hình hồi quy này giải thích. Phần cịn lại bao gồm sai số và các nhân tố chưa được liệt kê.
Điều này xảy ra bởi khảo sát của tác giả chưa bao gồm việc nghiên cứu những tác động đến từ các sự kiện diễn ra trong cuộc sống, lợi ích của BHNT, dịch vụ mà khách hàng nhận được trong quá trình tìm hiểu về BHNT…
4.5.2 Kiểm định giả thiết về sự thích hợp của mơ hìnhBảng 4.24: Kiểm định ANOVA về độ phù hợp. Bảng 4.24: Kiểm định ANOVA về độ phù hợp.
(Nguồn: Phân tích dữ liệu – phụ lục số III) Bảng thể hiện độ phù hợp của mơ hình qua kiểm định ANOVA. Ta có giả thuyết H0: 1 = 2 = 3 = 4 = 5 = 6 = 7 = 0.
Giá trị Sig. (F) = 0.00 < 5% => bác bỏ giả thuyết H0. Từ đó có thể suy
ra sự kết hợp giữa các biến độc lập trong mơ hình với nhau có thể giải thích cho sự biến thiên của biến QD. Vì vậy, mơ hình hồi quy tuyến tính tác giả muốn xây dựng đạt yêu cầu.
Sig. (1 đến 7) < 5% => mức ý nghĩa của các biến độc lập có hệ số
hồi quy mang ý nghĩa về mặt thống kê là bằng 5%.
4.5.3 Ý nghĩa các hệ số hồi quy
Bảng 4.25: Bảng thể hiện thống kê của mỗi yếu tố.
(Nguồn: Phân tích dữ liệu – phụ lục số III)
Các yếu tố độc lập trong mơ hình đều có mức ý nghĩa Sig. nhỏ hơn 0.05 nên các yếu tố trên đều được coi là yếu tố chính ảnh hướng đến Quyết định tham gia bảo hiểm nhân thọ.
Tiến hành so sánh hệ số chuẩn hóa Beta ta thấy được trong 7 yếu tố độc lập thì hai yếu tố Nhận thức giá trị sản phẩm và Ý kiến người thân có tác động cùng chiều
mạnh mẽ nhất đến biến phụ thuộc (cùng bằng 0.364). Và yếu tố Thương hiệu công ty có tác động cùng chiều yếu nhất chỉ 0.182. Bên cạnh đó yếu tố có tác động ngược chiều đến biến phụ thuộc QD là Rào cản khi tham gia bảo hiểm nhân thọ có hệ số chuẩn hóa là 0.284 khá cao. Các yếu tố còn lại mang giá trị trung bình từ 0.182 đến