TT THANG ĐO KÝ
HIỆU NGUỒN
H1 THÁI ĐỘ ĐỐI VỚI VIỆC THAM GIA BHYT Judith Lammers và
1 BHYT là chính sách dành cho mọi ngƣời, tơi cảm th y thích thú về điều này.
TD1 Susan Warmerdam (2010)
2 Tôi th y an tâm khi chính sách BHYT đƣợc nhà nƣớc tổ chức triển khai và ảo hộ.
TD2 3 Tham gia BHYT là việc làm hữu ích TD3 4 Tơi cảm th y tin cậy vào các quyền lợi mà chính
sách BHYT mang lại.
TD4
H2 SỰ QUAN TÂM ĐẾN SỨC KHỎE Judith Lammers và
5 Tơi ngh mình là ngƣời r t ý thức đến sức khỏe khi về già
SK1 Susan Warmerdam (2010)
6 Tôi đang r t quan tâm đến sức khỏe của tôi SK2 7 Tôi quan tâm đến việc tham gia BHYT để đƣợc
ch m sóc y tế
SK3
H3 KỲ VỌNG CỦA GIA ĐÌNH Judith Lammers và
8 Ngƣời thân trong gia đình ủng hộ tôi trong việc tham gia BHYT
KV1 Susan Warmerdam (2010)
9 Những ngƣời thân trong gia đình cho rằng việc có đƣợc ch m sóc y tế là điều tốt
KV2 10 Những ngƣời thân trong gia đình khuyến khích tơi
tham gia BHYT
KV3
H4 TRÁCH NHIỆM ĐẠO LÝ Nguyễn Xuân Cƣờng,
11 Tôi lo ngại khi về già phải sống phụ thuộc vào con cái và tôi phải sống ngày càng có trách nhiệm hơn với ản thân và gia đình
TN1 Nguyễn Xuân Thọ (2014)
12 Tôi ngh rằng cần thiết phải đƣợc ch m sóc y tế khi ốm đau, ệnh tật để cuộc sống đƣợc đảm ảo, đồng thời giảm ớt gánh nặng cho con cháu và ngƣời thân
TN2
13 Tôi cho rằng tham gia BHYT là thể hiện tình yêu thƣơng, trách nhiệm đối với gia đình và xã hội
TN3 14 Tôi ngh rằng tham gia BHYT là cách để tự lo cho
mình khi khơng mai ị ốm đau, ệnh tật
TN4
H5 KIỂM SOÁT HÀNH VI Judith Lammers và
15 Tơi hồn tồn đủ khả n ng, hiểu iết và thu nhập để tham gia BHYT
HV1 Susan Warmerdam (2010)
16 Tơi có thể dẽ dàng đ ng ký tham gia BHYT trong tuần tới
HV2 17 Tôi cảm th y việc tham gia BHYT là khơng có cản
trở nào cả
HV3
H6 TUYÊN TRUYỀN BHYT Nguyễn Xuân Cƣờng,
47
TT THANG ĐO KÝ
HIỆU NGUỒN
các phƣơng tiện thông tin đại chúng (2014) 19 Các nhân viên của BHYT thƣờng xuyên giới thiệu
Chính sách BHYT
TT3 20 Chính quyền địa phƣơng thƣờng xuyên giới thiệu
Chính sách BHYT
TT3 21 Những ngƣời mà tôi quen iết thƣờng xun nói về
Chính sách BHYT
TT4
Ý ĐỊNH THAM GIA BHYT TN Nguyễn Xuân Cƣờng
(2013) 22 Tôi ngh tham gia BHYT là quan trọng đối với tơi
và gia đình
YD1 23 Tơi quan tâm đến việc tham gia BHYT YD2 24 Việc tham gia BHYT sẽ mang lại nhiều ý ngh a
cho tơi và gia đình
YD3 25 Tham gia BHYT là điều tôi hằng mong muốn YD4
Nguồn: Tác giả, 2021
Thu thập và phân tích dữ liệu nghiên cứu 3.3
Ph ơng pháp thu thập dữ liệu
3.3.1
Cỡ mẫu nghiên cứu phụ thuộc vào việc ta muốn làm gì từ những dữ liệu thu thập đƣợc và mối quan hệ ta muốn thiết lập là gì (Kummar, 2005). Nếu v n đề nghiên cứu càng phức tạp, đa dạng thì cỡ mẫu nghiên cứu càng phải lớn. Về nguyên tắc chung là cỡ mẫu càng lớn thì mức độ chính xác của các nghiên cứu càng cao. Tuy nhiên, trên thực tế thì việc lựa chọn kích thƣớc mẫu cịn phụ thuộc vào một yếu tố hết sức quan trọng là n ng lực tài chính và thời gian mà nhà nghiên cứu có thể có đƣợc.
Cỡ mẫu cũng phụ thuộc vào phƣơng pháp phân tích, nghiên cứu này sử dụng mơ hình phân tích hồi qui đa iến. Phƣơng pháp phân tích hồi qui đa iến đòi hỏi có kích thƣớc mẫu lớn, phƣơng pháp này c n cứ vào nền tảng lý thuyết phân phối mẫu lớn (Raykov và Widaman, 1995). Một số nguyên tắc về kích cỡ mẫu của các nhà nghiên cứu nhƣ:
48
+ Theo Gorsuch (1983), đƣợc trích bởi MacClalum và đồng tác giả (1999): Số lƣợng mẫu cần g p 05 lần số lƣợng biến.
+ Theo Bollen (1989): “Số quan sát tối thiểu là 05 quan sát cho 01 tham số cần ƣớc lƣợng”;
+ Theo Hair et al. (1998): “Nếu sử dụng phƣơng pháp ƣớc lƣợng, kích thƣớc quan sát tối thiểu từ 100 đến 150 quan sát”;
+ Theo Schumacker và Lomax (2004): “Cần phải có quan sát là 10 quan sát hoặc20 quan sát cho mỗi biến, cỡ mẫu phù hợp để sử dụng mơ hình hồi qui đa iến là từ 250–500 quan sát”;
+ Theo Ta achnick và Fidell (2007) kích thƣớc quan sát tối thiểu cho mơ hình hồi qui đa iến đƣợc tính theo cơng thức N=8m+ 50 (m số biến độc lập đƣợc đƣa vào mơ hình hồi quy)
+ Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2005): Tỷ lệ ƣớc lƣợng các tham số tự do đó là 4:1 hay 5:1.
Từ những cơ sở lý thuyết trên, trong nghiên cứu này tác giả có t t cả 34 biến quan sát cần tiến hành phân tích, sử dụng thang đo Likert 5 và sử dụng phƣơng pháp phân tích hồi qui đa iến, vì vậy cỡ mẫu tối thiểu cần thiết là 25 x 5 = 125 quan sát (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Để t ng độ tinh cậy của nghiên cứu, tác giả quyết định t ng 50%, đã ao gồm 10% dự phịng sai sót phiếu khảo sát khơng đạt u cầu. Vì vậy, cỡ mẫu N = 125*1,5 = 190.
Thu thập dữ liệu thứ cấp
Dữ liệu thứ c p đƣợc thu thập từ nhiều nguồn khác nhau: qua áo cáo của BHXH Quảng Ngãi, khai thác trên các hệ thống ứng dụng của ngành, trang thông tin điện tử của đơn vị cũng nhƣ của ngành ảo hiểm; sách áo, tạp chí, khóa luận, thơng qua phƣơng tiện Internet,… ngồi ra các nguồn thơng tin từ các học thuyết, nghiên cứu của các nhà tâm lý học, xã hội học, kinh tế học đƣợc tổng hợp, phân tích dựa trên các áo cáo, tạp chí chun ngành có liên quan đến đề tài nghiên cứu đã đƣợc tác
49
giả tham khảo trên cơ sở đó xây dựng mơ hình nghiên cứu và ảng câu hỏi nghiên cứu cho nghiên cứu.
Thu thập dữ liệu sơ cấp
Việc thu thập dữ liệu đƣợc thực hiện ằng cách phát phiếu khảo sát cho cá nhân thông qua hệ thống ảng câu hỏi đƣợc in sẵn với đối tƣợng là ngƣời dân huyện Sơn Hà, tỉnh Quảng Ngãi.
Bƣớc 1: Khảo sát sơ ộ, đƣợc thực hiện với 15 ngƣời dân để đảm ảo ảng câu hỏi dễ hiểu và sử dụng đƣợc
Bƣớc 2: Khảo sát chính thức, đƣợc thực hiện với 200 phiếu khảo sát. Sau đó dữ liệu thu thập đƣợc xử lý ằng phần mềm SPSS
Ph ơng pháp phân tích dữ liệu
3.3.2
Các câu hỏi dữ liệu thu thập, với tập dữ liệu thu về, sau khi hồn t t việc gạn lọc, kiểm tra, mã hóa, nhập liệu và làm sạch dữ liệu. Các số liệu thứ c p đƣợc phân tích, so sánh đối chiếu qua các n m để từ đó phân tích mức độ tác động của từng yếu tố đến động lực làm việc. Một số phƣơng pháp phân tích sẽ đƣợc sử dụng trong nghiên cứu, cụ thể nhƣ sau:
* Phân tích thống kê mơ tả
* Đánh giá độ tin cậy và giá trị của thang đo: Thang đo đƣợc kiểm định độ tin cậy và đánh giá giá trị thơng qua hai cơng cụ chính: (1) Hệ số tin cậy Cron ach’s Alpha và (2) Phƣơng pháp phân tích nhân tố EFA.
* Kiểm định mơ hình và các giả thuyết nghiên cứu - Phân tích hồi quy tuyến tính.
50
Phân tích thống kê mơ tả 3.3.2.1
Phân tích này là phân tích thống kê tần số để mơ tả các thuộc tính của nhóm mẫu khảo sát được như: độ tuổi, tình trạng hơn nhân, thu nhập, …
Ý nghĩa của từng giá trị trung bình đối với thang đo khoảng (Interval Scale)
Giá trị khoảng cách = (Maximum – Minimum)/n = (5,0-1,0)/5 = 0,8 Bảng 3.2 Ý ngh a của từng giá trị đối với thang đo khoảng
Giá trị Ý nghĩa 1,00 – 1,80 Hồn tồn khơng đồng ý 1,81 – 2,60 Không đồng ý 2,61 – 3,40 Bình thƣờng 3,41 – 4,20 Đồng ý 4,21 – 5,00 Hoàn toàn đồng ý
Nguồn: Hoàng Trọng-Chu Nguyễn Mộng Ngọc, 2008
Đánh giá bằng hệ số tin cậy Cronbach’s Alpha 3.3.2.2
Thang đo sẽ đƣợc đánh giá độ tin cậy thông qua hệ số Cron ach’s Alpha nhằm tìm ra những mục câu hỏi cần giữ lại và những mục câu hỏi cần ỏ đi trong các mục đƣa vào kiểm tra (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) hay nói cách khác là giúp loại đi những iến quan sát và thang đo khơng phù hợp. Các iến quan sát có hệ số tƣơng quan iến tổng (Corrected Item - Total Correlation) nhỏ hơn 0,3 sẽ ị loại và thang đo đƣợc chọn khi hệ số Cron ach’s Alpha từ 0,6 trở lên (Nunnally & Bemsteri, 1994; Slater, 1995). Nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cron ach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lƣờng tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng Cron ach’s Alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang đo lƣờng là mới hoặc mới đối với ngƣời trả lời trong ối cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích nhân tố khám phá (EFA) 3.3.2.3
Phân tích nhân tố đƣợc sử dụng chủ yếu để đánh giá giá trị hội tụ và giá trị phân iệt. Một số chỉ số quan trọng trong phân tích nhân tố EFA ao gồm:
51
- Chỉ số KMO (Kaiser-Meyer-Olkin measure of sampling adequacy): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0,5 và 1) là điều kiện đủ để cho th y phân tích nhân tố là phù hợp. Nếu chỉ số KMO nhỏ hơn 0,5 thì phân tích nhân tố có khả n ng khơng thích hợp với các dữ liệu. Kiểm định Bartlett’s xem xét giả thuyết về độ tƣơng quan giữa các iến quan sát ằng không trong tổng thể. Nếu kiểm định này có ý ngh a (Sig < 0,05) thì các iến quan sát có tƣơng quan với nhau trong tổng thể. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
- Hệ số tải nhân tố (factor loadings): là hệ số tƣơng quan đơn giữa các iến và các nhân tố, hệ số này lớn hơn 0,5 (Hair & cộng sự, 1998). Factor loadings là chỉ tiêu để đảm ảo mức ý ngh a thiết thực của EFA (ensuring practical significance). Factor loadings > 0,3 đƣợc xem là mức tối thiểu; > 0,4 đƣợc xem là quan trọng và >= 0,5 đƣợc xem là có ý ngh a thực tiễn.
- Thang đo đƣợc ch p nhận khi tổng phƣơng sai trích lớn hơn 50% (Ger ing & Anderson, 1988). Phƣơng pháp trích “Principal Component Analysis” với phép quay “Varimax” đƣợc sử dụng trong phân tích nhân tố thang đo các thành phần. - Hệ số Eigenvalue (đại diện cho phần iến thiên đƣợc giải thích ởi mỗi nhân tố) lớn hơn 1. Chỉ có những nhân tố nào có hệ số Eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mơ hình phân tích. Nếu nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt.
Hồi qui đa biến 3.3.2.4
Q trình phân tích hồi qui đa iến đƣợc thực hiện qua các ƣớc:
Bƣớc 1: Kiểm tra tƣơng quan giữa iến các iến độc lập với nhau và với iến phụ
thuộc thông qua ma trận hệ số tƣơng quan. Theo đó, điều kiện để phân tích hồi qui là phải có tƣơng quan giữa các iến độc lập với nhau và với iến phụ thuộc. Tuy nhiên, theo John và Benet - Martinez (2000), khi hệ số tƣơng quan < 0,85 thì có khả n ng đảm ảo giá trị phân iệt giữa các iến. Ngh a là, nếu hệ số tƣơng quan > 0,85 thì cần xem xét vai trị của các iến độc lập, vì có thể xảy ra hiện tƣợng đa cộng tuyến (một iến độc lập này có đƣợc giải thích ằng một iến khác).
52
Bƣớc 2: Xây dựng và kiểm định mơ hình hồi qui
Y = β1X1 + β2X2 + β3X3 + ... + βiXk + ε
Trong đó:
Biến phụ thuộc:
Y: Ý định tham gia BHYT của ngƣời dân.
Các biến độc lập:
Xi Biến độc lặp
βi Hệ số β tƣơng ứng trong phân tích hồi quy
ε: Sai số ngẫu nhiên, phần ỏ qua những nhân tố khác có tác động đến ý định tham gia BHYT của ngƣời nhân. Kết quả của mơ hình sẽ giúp ta xác định đƣợc các yếu tố ảnh hƣởng đến ý định tham gia BHYT của ngƣời dân.
Đƣợc thực hiện thông qua các thủ tục:
- Lựa chọn các iến đƣa vào mơ hình hồi qui.
Đánh giá độ phù hợp của mơ hình ằng hệ số xác định R2
(R Square).
Tuy nhiên, R2 có đặc điểm càng t ng khi đƣa thêm các iến độc lập vào mơ hình, mặc dù khơng phải mơ hình càng có nhiều iến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm khơng phụ thuộc vào số lƣợng iến đƣa thêm vào mơ hình đƣợc sử dụng thay thế R2 hồi qui ội để đánh giá mức độ phù hợp của mơ hình.
- Kiểm định độ phù hợp của mơ hình để lựa chọn mơ hình tối ƣu ằng cách sử dụng phƣơng pháp phân tích ANOVA để kiểm định giả thuyết Ho. Nếu trị thống kê F có Sig r t nhỏ (< 0,05), thì giả thuyết H0 ị ác ỏ, khi đó chúng ta kết luận tập hợp của
53
các iến độc lập trong mơ hình có thể giải thích cho sự iến thiên của iến phụ thuộc. Ngh a là mơ hình đƣợc xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng đƣợc.
- Xác định các hệ số của phƣơng trình hồi qui, đó là các hệ số hồi qui riêng phần đo lƣờng sự thay đổi trung ình của iến phụ thuộc khi iến độc lập thay đổi một đơn vị, trong khi các iến độc lập khác đƣợc giữ nguyên. Tuy nhiên, độ lớn của iến phụ thuộc vào đơn vị đo lƣờng của các iến độc lập, vì thế việc so sánh trực tiếp chúng với nhau là khơng có ý ngh a. Do đó, để có thể so sánh các hệ số hồi qui với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các iến độc lập cho iến phụ thuộc, ngƣời ta iểu diễn số đo của t t cả các iến độc lập ằng đơn vị đo lƣờng độ lệnh chuẩn eta.
Bƣớc 3: Kiểm tra vi phạm các giả định hồi qui
Mơ hình hồi qui đƣợc xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng đƣợc phƣơng trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:
- Có liên hệ tuyến tính giữa các iến độc lập với iến phụ thuộc - Phần dƣ của iến phụ thuộc có phân phối chuẩn
- Phƣơng sai của sai số khơng đổi
- Khơng có tƣơng quan giữa các phần dƣ (tính độc lập của các sai số)
- Khơng có tƣơng quan giữa các iến độc lập (không có hiện tƣợng đa cộng tuyến). Trong đó:
- Cơng cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dƣ chuẩn hóa (Scatter) iểu thị tƣơng quan giữa giá trị phần dƣ chuẩn hóa (Standardized Residual) và giá trị dự đốn chuẩn hóa (Standardized Pridicted Value).
- Công cụ để kiểm tra giả định phần dƣ có phân phối chuẩn là đồ thị tần số Histogram, hoặc đồ thị tần số P-Plot.
54
- Công cụ để kiểm tra giả định sai số của iến phụ thuộc có phƣơng sai khơng đổi là đồ thị phân tán của phần dƣ và giá trị dự đoán hoặc kiểm định Spearman’srho. - Công cụ đƣợc sử dụng để kiểm tra giả định khơng có tƣơng quan giữa các phần dƣ là đại lƣợng thống kê d (Dur in - Watson), hoặc đồ thị phân tán phần dƣ chuẩn hóa. Cơng cụ đƣợc sử dụng để phát hiện tồn tại hiện tƣợng đa cộng tuyến là độ ch p nhận của iến (Tolerance) hoặc hệ số phóng đại phƣơng sai (Variance inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, qui tắc chung là VIF > 10 là d u hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, tr.497), khi VIF > 2 cần phải cẩn trọng hiện tƣợng đa cộng tuyến.
Kiểm định mức độ khác nhau giữa các biến kiểm soát đối với biến phụ 3.3.2.5
thuộc
Công cụ sử dụng là phép kiểm định Independent - Sample T-Test, hoặc phân tích