CHƢƠNG 2 : CƠ SỞ LÝ THUYẾT VÀ MƠ HÌNH NGHIÊN CỨU
3.2. Thiết kế nghiên cứu
3.2.1. Quy trình nghiên cứu.
Hình 3.1: Quy trình nghiên cứu NGHIÊN CỨU CHÍNH THỨC NGHIÊN CỨU SƠ BỘ Kết luận và kiến nghị Thảo luận nhóm, Hình thành thang đo sơ bộ Lý thuyết hành vi có kế hoạch Khảo sát thử và tiến hành hiệu chỉnh Thang đo chính thức Nghiên cứu định lƣợng (n=350)
Mục tiêu nghiên cứu “Các yếu tố tâm lý, nhận thức
tác động đến sự tham gia bảo hiểm y tế của hộ cận nghèo trên
địa bàn tỉnh Bến Tre”
Thống kê mô tả
Đánh giá & kiểm định thang đo Tƣơng quan và Hồi quy
3.2.2. Thiết kế mẫu.
Nghiên cứu này được thực hiện tại tỉnh Bến Tre với phương pháp lấy mẫu ngẫu nhiên. Đối tượng khảo sát là các hộ cận nghèo tại tỉnh Bến Tre.
Kích cỡ mẫu:
Kích thước mẫu lớn hay nhỏ cịn tùy thuộc vào nhiều yếu tố như phương pháp xử lý (hồi quy tuyến tính, phân tích nhân tố khám phá EFA…), độ tin cậy cần thiết…Kích thước mẫu càng lớn càng tốt nhưng lại tốn chi phí và thời gian.Hiện nay, các nhà nghiên cứu xác định kích thước mẫu cần thiết thông qua các công thức kinh nghiệm cho từng phương pháp xử lý. Theo Hair, Anderson, Tatham & Black (1998) cho biết kích cỡ mẫu dùng trong phân tích nhân tố phải tối thiểu năm lần tổng biến quan sát. Trong nghiên cứu này, có tất cả 20biến quan sát nên cỡ mẫu tối thiểu cần đạt là 20*5=100 mẫu.Còn theoTabachnick & Fidell (1996), cỡ mẫu tối thiểu dùng trong hồi quy đa biến được tính theo cơng thức n >= 50+8*m (n là cỡ mẫu, m là số biến độc lập của mơ hình). Trong nghiên cứu này có 4 biến độc lập thì cỡ mẫu tối thiểu là 50+8*4=82 mẫu.
Mẫu trong nghiên cứu được chọn theo phương thức thuận tiện là phương pháp chọn mẫu phi xác xuất trong đó nhà nghiên cứu tiếp cận với các phần tử mẫu bằng phương pháp thuận tiện. Nghĩa là nghiên cứu có thể chọn những phần tử nào mà tác giả có thể tiếp cận được là hộ cận nghèo. Nếu ở nơng thơn là hộ có mức thu nhập bình quân từ 401.000 đồng đến 520.000 đồng/người/tháng. Nếu ở thành thị là hộ có mức thu nhập bình quân từ 501.000 đồng đến 650.000 đồng/người/tháng.
Kết luận: Kích cỡ mẫu khảo sát tối thiểu là 100 mẫu. Trong nghiên cứu này, tác
giả sẽ khảo sát 350 mẫu nhằm đảm bảo độ tin cậy thống kê. Với 350 bảng câu hỏi khảo sát được phát ra, tác giả thu hồi bảng câu hỏi và tiến hành loại bỏ các bảng câu hỏi không hợp lệ, kết quả là có 295 bảng câu hỏi chính thức được được đưa vào phân tích kết quả.
3.2.3. Phân tích Cronbach’s Alpha.
Phương pháp hệ số tin cậy Cronbach’s Alpha được sử dụng trước khi phân tích nhân tố khám phá EFA để loại các biến khơng 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 biến nào cần loại đi và biến nào cần giữ lại. Do đó, kết hợp sử
dụng hệ số tương quan biến – tổng để loại ra những biến khơng đóng góp nhiều cho khái niệm cần đo lường (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy của 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 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tương quan biến – tổng: các biến quan sát có tương quan biến – tổng 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.
3.2.4. Phân tích nhân tố khám phá EFA.
Phân tích nhân 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 các phân tích, kiểm định tiếp theo. Các nhân 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 nhân 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 EFA như sau:
Phƣơng pháp: Đối với thang đo đa hướng, sử dụng phương pháp trích yếu tố là
Principal Axis Factoring với phép quay Varimax và điểm dừng khi trích các yếu tố Eigen value 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 đo 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 nhân tố phải lớn hơn hoặc bằng 0,4 để đảm bảo mức ý
nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố là: 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. Nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0,75 (Hair và cộng sự, 1998).
Trong nghiên cứu này, tác giả sẽ đánh giá đạt yêu cầu khi hệ số tải nhân tố lớn hơn 0,5.
Tiến hành thực hiện kiểm định: Kiểm định Barlett để kiểm định sự tương quan
giữa các biến với nhau trong tổng thể và xem xét trị số KMO. Nếu KMO trong khoảng từ 0,5 đến 1 thì phân tích nhân tố là thích hợp với dữ liệu, ngược lại nếu KMO nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Thu thập và xử lý dữ liệu.
Việc khảo sát được tiến hành bằng phương pháp phỏng vấn bằng bảng câu hỏi đối với hộ cận nghèo. Đồng thời làm sạch số liệu trước khi đưa vào xử lý bằng phần mềm SPSS.20. Quá trình làm sạch như sau:
Thứ nhất, loại bỏ các bảng câu hỏi không hợp lệ: các bảng trả lời bỏ trống nhiều đáp án, trả lời qua loa….
Thứ hai, dùng phần mêm SPSS.20 để kiểm tra tình trạng bất thường của bộ số liệu như sau:
Dùng lệnh Descriptives: giúp xác định được giá trị lớn nhất, giá trị nhỏ nhất cho các biến, giúp dễ dàng nhận thấy những giá trị được nhập ngoài khoảng cho phép. Đồng thời, lệnh Descriptives cũng giúp xác định được giá trị trung bình cho các biến liên tục, từ đó có thể xác định được những bất thường xảy ra.
Dùng lệnh Frequency: để kiểm tra value labels và các giá trị bất thường, kiểm tra số lượng trường hợp mất thông tin cho từng biến.
Dùng lệnh Sort case để xem các giá trị bất thường