CHƯƠNG 4 KẾT QUẢ VÀ THẢO LUẬN
J. Kiểm định Cronbach’s Alpha cho biến Sự hài lòng (HAIL)
Tác giả tiến hành phân tích độ tin cậy của thành phần Sự hài lòng: Hệ số Crobach’s Alpha của thành phần HAIL với 4 biến quan sát ta có hệ số Cronbach’s Alpha = 0.802 (xem bảng 4.18, phụ lục 4) và hệ số tương quan biến tổng > 0.3 đạt yêu cầu (xem bảng 4.19 chi tiết phụ lục 4). Thành phần biến quan sát có hệ số Crobach’s Alpha > 0.6 và hệ số tương quan biến tổng > 0.3 cho thấy các biến đo lường là có ảnh hưởng tốt đối với đối tượng và phạm vi nghiên cứu.
Bảng 4.18: Cronbach’s Alpha của biến Sự hài lòng (HAIL) Reliability Statistics
Cronbach's Alpha N of Items
.802 4
Item-Total Statistics Scale Mean if
Item Deleted
Scale Variance if Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item
Deleted
HAIL1 10.91 4.171 .634 .744
HAIL2 10.73 3.797 .704 .707
HAIL3 10.76 3.727 .733 .692
HAIL4 10.76 4.604 .415 .846
(Nguồn: Dữ liệu phân tích của tác giả trên SPSS 20.0, 2018)
Như vậy, sau khi phân tích độ tin cậy thang đo, kết quả thu được của các nhân tố ảnh hưởng đến sự hài lòng của người tham gia BHXH TN tại Thị Xã Cai Lậy, thang đo thành phần các nhân tố ảnh hưởng TINC (5 quan sát), NANGL (4
quan sát), DONGC (4 quan sát), PHUONGT (3 quan sát), THUT (4 quan sát).
Loại thành phần DAPU (5 biến quan sát), và biến quan sát PHUONGT 4. Tất cả còn có 20 biến quan sát độc lập và thang đo sự hài lòng tham gia BHXH TN HAIL (4 biến quan sát) cho ta kết quả là tốt, tất cả có 5 biến đều đạt yêu cầu với hệ số Cronbach’s Alpha đều lớn hơn 0.6 và có 1 thang đo hơi nhỏ hơn 0,6 và
tương quan biến tổng đều lớn hơn 0.3.
4.4.2 Phân tích nhân tố khám phá (EFA) (Phụ lục 05)
4.4.2.1 Phân tích nhân tố khám phá EFA cho thang đo các nhân tố ảnh hưởng đến sự hài lòng tham gia Bảo hiểm xã hội tự nguyện (thành phần biến độc lập) Sau khi phân tích độ tin cậy thang đo thành phần các nhân tố ảnh hưởng (20 biến quan sát) và thang đo sự hài lòng tham gia BHXH TN (4 biến quan sát). Tiếp theo tác giả tiến hành phân tích nhân tố khám phá tương ứng với kết quả thu từ
Bảng 4.21. Phương pháp phân tích nhân tố khám phá EFA được sử dụng nhằm thu nhỏ và tóm tắt dữ liệu. Nếu các biến có hệ số tải nhân tố (Factor Loading) nhỏ hơn 0,5 sẽ bị loại, để phân tích EFA cho thang đo các nhân tố ảnh hưởng đến quyết định tham gia BHXH tự nguyện tác giả sử dụng phương pháp trích Principal Components với phép xoay Varimax. * Phân tích EFA biến độc lập lần 1
Kiểm định KMO và Barlett’s trong phân tích nhân tố lần 1 có hệ số KMO = 0.854 > 0.5 và Sig = 0.000. Chứng tỏ chứng tỏ các biến quan sát không phải là ma trận đơn vị, phân tích nhân tố khám phá (EFA) thích hợp sử dụng trong nghiên cứu này (xem bảng 4.20, chi tiết xem phụ lục 5).
Bảng 4.20: Bảng kết quả KMO và Barlett’s Test sau khi phân tích EFA lần thứ 1 của biến độc lập
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .854 Bartlett's Test of
Sphericity
Approx. Chi-Square 2245.639
df 190
Sig. .000
Kết quả phân tích (EFA) biến độc lập lần 1: các biến TINC5, DONGC4 bị vi phạm (chênh lệch trọng số các thang đo <0,3). Tác giả loại biến TINC5, DONGC3, DONGC4 vì có chênh lệch trọng số các thang đo nhỏ nhất, các biến còn lại tác giả giữ lại để tiếp tục phân tích (Bảng 4.21, chi tiết xem phụ lục 5)
Kết quả phân tích EFA lần 1 (Bảng 4.21) với điều kiện hệ số tải nhân tố là 0,5, tác giả thu được kết quả phân tích EFA lần đầu cho thấy giá trị KMO = 0,854(0,5 <
KMO = 0,854 <1) như vậy phân tích nhân tố khám phá là thích hợp cho dữ liệu thực tế.
Sử dụng kiểm định Barlett’s để đánh giá các nhân tố có tương quan với nhau trong một thang đó. Qua kết quả Bảng 4.20 kiểm định Barlett’s (Sig) có mức ý nghĩa nhỏ hơn 0,05 (Sig = 0,000 < 0,05) chứng tỏ các biến có liên quan tuyến tính với nhân tố đại diện.
Bảng 4.21: Kết quả EFA lần 1 Ma trận thành phần xoay Rotated Component Matrixa
Component
1 2 3 4 5
TINC1 .788 .233
TINC2 .868
TINC3 .809 .307
TINC4 .737 .358 .235
TINC5 .415 .262 .415
NANGL1 .220 .659
NANGL2 .316 .287 .623
NANGL3 .800 -.220
NANGL4 .826
DONGC1 -.251 .749
DONGC2 .798
DONGC3 .270 .243 .453
DONGC4 .337 .508
PHUONGT1 .786
PHUONGT2 .863
PHUONGT3 .825
THUT1 .222 .863
THUT2 .818 .257
THUT3 .368 .787
THUT4 .297 .789
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.a a. Rotation converged in 6 iterations.
(Nguồn: Kết quả khảo sát của tác giả, 2018)
* Phân tích EFA biến độc lập lần 2
Kiểm định KMO và Barlett’s trong phân tích nhân tố lần 2 với 17 (loại 3 biến quan sát ở lần phân tích 1), biến quan sát có kết quả KMO = 0,841 > 0,5 và Sig
= 0,000. Chứng tỏ chứng tỏ các biến quan sát không phải là ma trận đơn vị, phân tích nhân tố khám phá (EFA) thích hợp sử dụng trong nghiên cứu này (xem bảng 4.22, 4.23 chi tiết xem phụ lục 5).