2.4.3.1. Khái niệm
dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi
các biến không đảm bảo độ tin cậy. Trong nghiên cứu, chúng ta có thể thu thập được một
số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng
phải được giảm bớt xuống đến một số lượng mà chúng ta có thể sử dụng được. Liên hệ
giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét và trình bày dưới dạng một
số ít các nhân tố cơ bản. Vì vậy, phương pháp này rất có ích cho việc xác định các tập
hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các
biến với nhau.
2.4.3.2. Mô hình phân tích nhân tố
Về mặt tính toán, phân tích nhân tố hơi giống phân tích hồi quy bội ở chỗ mỗi biến
được biểu diễn như là một kết hợp tuyến tính của các nhân tố cơ bản. Lượng biến thiên của một biến được giải thích bởi những nhân tố chung trong phân tích gọi là communality. Biến thiên chung của các biến được mô tả bằng một số ít các nhân tố
chung cộng với một nhân tố đặc trưng cho mỗi biến. Những nhân tố này không bộc lộ rõ ràng.
Nếu các biến được chuẩn hóa thì mô hình nhân tố được thể hiện bằng phương trình:
Xi = Ai1F1 + Ai2F2 + Ai3F3 + … + AimFm+ViUi
Trong đó:
Xi: biến thứ i được chuẩn hóa.
Aim: Hệ số hồi quy bội chuẩn hóa của nhân tố m đối với biến i. Fi: Nhân tố chung.
Vi: Các hệ số hồi quy chuẩn hóa của nhân tố đặc trưng i đối với biến i. Ui : Nhân tố đặc trưng của biến i.
m: Số nhân tố chung.
Các nhân tố đặc trưng có tương quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng có thể diễn tả như những kết hợp tuyến tính của các biến quan sát:
Fi = Wi1X1+ Wi2X2+ Wi3X3+…+ WikXk
Trong đó:
Fi: Ước lượng trị số của nhân tố thứ i. Wi : Quyền số hay trọng số nhân tố. k: Số biến.
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích được phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau đó ta chọn một tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn biến thiên còn lại và không có tương quan với nhân tố thứ nhất.
Nguyên tắc này được áp dụng như vậy để tiếp tục chọn quyền số cho các nhân tố
tiếp theo. Do vậy, các nhân tố được ước lượng sao cho các quyền số của chúng, không giống như các giá trị của các biến gốc, là không tương quan với nhau. Hơn nữa, nhân tố
thứ nhất giải thích được nhiều nhất biến thiên của dữ liệu, nhân tố thứ hai giải thích được nhiều thứ nhì…
2.4.3.3. Các tham số trong phân tích nhân tố:
- Barlett' test of sphericity: Đại lượng Bartlett là một đại lượng thống kê dùng để
xem xét giả thiết các biến không có tương quan trong tổng thể. Nói cách khác, ma trận
tương quan tổng thể là một ma trận đồng nhất, mỗi biến tương quan hoàn toàn với chính
nó nhưng không tương quan với các biến khác.
- Correlation matrix: Cho biết hệ số tương quan giữa tất cả các cặp biến trong phân tích.
- Communality: Là lượng biến thiên của một biến được giải thích chung với các biến khác được xem xét trong phân tích.
- Eigenvalue: Đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Chỉ
những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố .Những nhân tố có
eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
- Factorloading: Là những hệ số tương quan đơn giữa các biến và các nhân tố.
- Factor matrix: Chứa các hệ số tải nhân tố của tất cả các biến đối với các nhân tố được rút ra.
- Kaiser- Meyer-Olkin (KMO): Trong phân tích nhân tố, trị số KMO là chỉ số dùng
để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
- Percentage of variance: phần trăm phương sai toàn bộ được giải thích bởi từng nhân tố. Nghĩa là coi biến thiên là 100% thì giá trị trị này cho biết phân tích nhân tố cô
2.4.4. Phân tích tương quan
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn
là dữ liệu chuẩn hóa (được xuất ra từ phần mềm SPSS sau quá trình phân tích nhân tố khám phá). Để xác định mối quan hệ nhân quả giữa các biến trong mô hình, bước đầu
tiên ta cần phân tích tương quan giữa các biến xem thử có mối liên hệ tuyến tính giữa
biến độc lập và biến phụ thuộc hay không. Kết quả của phần phân tích này dù không xác
định được mối quan hệ nhân quả giữa biến phụ thuộc và biến độc lập nhưng nó đóng vai
trò làm cơ sở cho phân tích hồi qui. Các biến biến phụ thuộc và biến độc lập có tương
quan cao với nhau báo hiệu sự tồn tại của mối quan hệ tiềm ẩn giữa hai biến. Đồng thời,
việc phân tích tương quan còn làm cơ sở để dò tìm sự vi phạm giả định của phân tích hồi
qui tuyến tính: Các biến độc lập có tương quan cao với nhau hay hiện tượng đa cộng
tuyến.
Sử dụng hệ số tương quan Pearson (ký hiệu r) để lượng hóa mức độ chặt chẽ của
mối liên hệ tuyến tính giữa hai biến định lượng, r có giá trị nằm trong đoạn [-1,1], giá trị
tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính.
+ Nếu r >0 thì mối liên hệ là tuyến tính thuận
+ Nếu r <0 thì mối liên hệ là tuyến tính nghịch
+ Nếu r=0 thì 2 biến không có mối liên hệ tuyến tính, ta có 2 trường hợp là không có mối liên hệ giữa 2 biến hoặc hai biến có mối liên hệ nhưng không phải tuyến tính tức
là phi tuyến (Trọng & Ngọc, 2005, 215).
2.4.5. Phân tích hồi quy 2.4.5.1. Định nghĩa 2.4.5.1. Định nghĩa
Phân tích hồi quSy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc hay biến được giải thích) vào một hay nhiều biến khác (biến độc lập hay biến giải thích) với ý tưởng cơ bản là ước lượng hay dự đoán giá trị trung bình của biến phụ thuộc trên cơ sở đã biết của biến độc lập.
2.4.5.2. Các giả định khi xây dựng mô hình hồi quy
Mô hình hồi quy có dạng:
Yi = B0+ B1 X1i+ B2 X2i+…+ Bn Xni + ei
Các giả định quan trọng khi phân tích hồi quy tuyến tính
- Giả thiết 2: Phương sai có điều kiện không đổi của các phần dư.
- Giả thiết 3: Không có sự tương quan giữa các phần dư.
- Giả thiết 4: Không xảy ra hiện tượng đa cộng tuyến. - Giả thiết 5: Giả thiết về phân phối chuẩn của phần dư.
2.4.5.3. Xây dựng mô hình hồi quy
Các bước xây dựng mô hình:
Bước 1: Xem xét ma trận hệ số tương quan
Để xem xét mối quan hệ giữa biến phụ thuộc và các biến độc lập thông qua xây dựng ma trận tương quan. Đồng thời ma trận tương quan là công cụ xem xét mối quan hệ
giữa các biến độc lập với nhau nếu các biến này có tương quan chặt thì nguy cơ xảy ra hiện tượng đa cộng tuyến cao dẫn đến việc vi phạm giả định của mô hình.
Bước 2: Đánh giá độ phù hợp của mô hình
Thông qua hệ số R2ta đánh giá độ phù hợp của mô hình xem mô hình trên giải thích bao nhiêu % sự biến thiên của biến phụ thuộc.
Bước 3: Kiểm định sự phù hợp của mô hình
Sử dụng kiểm định F để kiểm định với giả thiết Ho: B1 = B2 = Bn = 0
Nếu giả thiết này bị bác bỏ thì ta có thể kết luận mô hình ta xây dựng phù hợp với tập dữ liệu.
Bước 4: Xác định tầm quan trọng của các biến
Ý tưởng đánh giá tầm quan trọng tương đối của các biến độc lập trong mô hình thông qua xem xét mức độ tăng của R2 khi một biến giải thích được đưa thêm vào mô hình. Nếu mức độ thay đổi này mà lớn thì chứng tỏ biến này cung cấp thông tin độc nhất về sự phụ thuộc mà các biến khác trong phương trình không có được.
Bước 5: Lựa chọn biến cho mô hình
Đưa nhiều biến độc lập vào mô hình hồi quy không phải lúc nào cũng tốt vì những lý do sau (trừ khi chúng có tương quan chặt với biến phụ thuộc):
- Mức độ tăng R2 quan sát không hẳn phản ảnh mô hình hồi quy càng phù hợp hơn
với tổng thể.
- Đưa vào các biến không thích đáng sẽ làm tăng sai số chuẩn của tất cả các ước
lượng mà không cải thiện được khả năng dự đoán.
- Mô hình nhiều biến thì khó giải thích và khó hiểu hơn mô hình ít biến. Ta sử dụng SPSS để giải quyết vấn đề trên. Các thủ tục chọn biến trên SPSS:
Phương pháp đưa vào dần, phương pháp loại trừ dần, phương pháp từng bước (là sự
kết hợp của hai phương pháp loại trừ dần và đưa vào dần).
Bước 6: Dò tìm sự vi phạm các giả các giả thiết (đã nêu ở trên bằng các xử lý của SPSS).
Ngoài ra, sử dụng phân tích chi bình phương một mẫu để tìm ra quy luật phân phối của mẫu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach Alpha.
Dữ liệu được nhập và làm sạch thông qua phần mềm SPSS 16.
2.4.6. Phân tích ANOVA
Kỹ thuật phân tích phương sai một yếu tố (One-Way ANOVA) được áp dụng
trong nghiên cứu này để tìm ra ý nghĩa thống kê của những khác biệt trung bình giữa
biến phụ thuộc là sự hài lòng chung. Trước khi tiến hành phân tích ANOVA, tiêu chuẩn Levence được tiến hành để kiểm tra giả thuyết bằng nhau của phương sai trong các nhóm
với xác suất ý nghĩa Sig. (Significance) là 5%.
Trong phép kiểm định này, nếu xác suất ý nghĩa lớn hơn 5% thì chấp nhận tính
bằng nhau của các phương sai nhóm. Bên cạnh đó, để đảm bảo các kết luận rút ra trong
nghiên cứu này, phép kiểm định phi tham số Kruskal - Wallis cũng được tiến hành nếu
giả định tổng thể có phân phối chuẩn không được đáp ứng trong phân tích ANOVA. Như vậy trong chương 2, tác giả đã xây dựng đượ tiến trình nghiên cứu và
phương pháp nghiên cứu bằng cách sử dụng phần mềm SPSS 16.0 và phương pháp phân
tích các yếu tố thành phần. Đây là cơ sở để tác giả tiếp tục nghiên cứu và trình bày kết
quả điều tra trong Chương 3 là chương quan trọng nhất của luận văn.
CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
3.1. Giới thiệu về Công ty Bảo hiểm BIDV Bắc Trung Bộ3.1.1. Quá trình hình thành và phát triển. 3.1.1. Quá trình hình thành và phát triển.
Công ty Bảo hiểm Ngân hàng Đầu tư và Phát triển Việt Nam nay là Tổng Công ty
Cổ phần Bảo hiểm Ngân hàng Đầu tư và Phát triển Việt Nam (BIC) là đơn vị thành viên của Ngân hàng thương mại cổ phần Đầu tư và Phát triển Việt Nam (BIDV), tiền thân là Liên doanh Bảo hiểm Việt Úc – Liên doanh giữa BIDV và Tập đoàn Bảo hiểm QBE
(Úc) - được cấp phép và hoạt động tại thị trường bảo hiểm Việt Nam từ năm 1999. Năm
2005, nhận thấy tiềm năng phát triển của thị trường bảo hiểm phi nhân thọ, cùng với định hướng chuyển đổi sang mô hình Tập đoàn tài chính BIDV với hai lĩnh vực kinh doanh
trụ cột là Ngân hàng và Bảo hiểm, BIDV đã mua lại toàn bộ phần vốn góp của QBE
trong liên doanh và thành lập Công ty Bảo hiểm Ngân hàng Đầu tư và Phát triển Việt Nam. Đây là sự kiện nổi bật trong năm 2005 của thị trường bảo hiểm khi lần đầu tiên một doanh nghiệp Việt Nam mua lại phần vốn góp của doanh nghiệp nước ngoài. Ngày 01/10/2010, BIC hoàn tất quá trình cổ phần hóa, nâng vốn điều lệ lên 660 tỷ và chính thức chuyển đổi thành Tổng Công ty Cổ phần Bảo hiểm Ngân hàng Đầu tư và Phát triển
Việt Nam.
Ngày 10 tháng 05 năm 2006 Bộ Tài chính đã cho phép Công ty Bảo hiểm Ngân hàng Đầu tư và phát triển Việt Nam thành lập thêm 03 chi nhánh theo quyết định số 11/GPĐC1/KDBH, trong đó có Chi nhánh tại Nghệ An với tên gọi Công ty Bảo hiểm Ngân hàng Đầu tư và phát triển, chi nhánh Nghệ An.
Ngày 01 tháng 10 năm 2010 Bộ Tài Chính đã cho phép Công ty Bảo hiểm Ngân hàng Đầu tư và Phát triển Việt Nam chuyển đổi mô hình sang Công ty Cổ phần theo
quyết định số 11/GPĐC7/KDBH. Sau khi hoàn tất quá trình cổ phần hóa Công ty Bảo
hiểm Ngân hàng Đầu tư và Phát triển Việt Nam đổi tên thành Tổng Công ty Cổ phần Bảo
hiểm Ngân hàng Đầu tư và Phát triển Việt Nam và Công ty Bảo hiểm Ngân hàng Đầu tư
và Phát triển, Chi nhánh Nghệ An được đổi tên thành Công ty Bảo hiểm BIDV Bắc
Trung Bộ.
Công ty Bảo hiểm BIDV Bắc Trung Bộ là đơn vị thành viên hạch toán phụ thuộc
trong Tổng Công ty Cổ phần Bảo hiểm Ngân hàng Đầu tư và Phát triển Việt nam với địa
bàn quản lý thuộc khu vực Bắc Trung Bộ từ Thanh Hóa đến Quảng Bình.
3.1.2. Các sản phẩm bảo hiểm cơ bản của BIC:
- Bảo hiểm con người 24/7
- Bảo hiểm trọn gói tai nạn và sức khoẻ cá nhân
- Bảo hiểm kết hợp con người
- Bảo hiểm khách du lịch quốc tế
+ Bảo hiểm xe cơ giới
- Bảo hiểm trách nhiệm dân sự đối với bên thứ ba
- Bảo hiểm TNDS của chủ xe đối với hàng hoá - Bảo hiểm vật chất xe ô tô
- Bảo hiểm tai nạn lái, phụ xe và người ngồi trên xe - Bảo hiểm vật chất xe máy
- Bảo hiểm cháy nổ xe máy
+ Bảo hiểm Hàng hải
- Bảo hiểm hàng hoá vận chuyển
- Bảo hiểm thân tàu thuỷ nội địa
- Bảo hiểm trách nhiệm dân sự chủ tàu thuỷ nội địa
+ Bảo hiểm tài sản kỹ thuật
- Bảo hiểm xây dựng lắp đặt
- Bảo hiểm tài sản
- Bảo hiểm máy móc thiết bị chủ thầu
- Bảo hiểm toàn diện nhà tư nhân + Và các sản phẩm bảo hiểm khác
3.2. Mẫu điều tra
Nhằm đánh giá những yếu tố tác động đến sự hài lòng của khách hàng sử dụng
dịch vụ giám định bảo hiểm ô tô tại công ty, tác giả đã tiến hành phát phiếu khảo sát 220
khách hàng đã sử dụng dịch vụ. Số phiếu trả lời hợp lệ và được sử dụng làm dữ liệu phân
tích là 200 phiếu. Kết quả phân tích các số liệu thu được từ 200 khách hàng này được
trình bày cụ thể trong phần tiếp theo của luận văn.
Nhằm đưa ra những đánh giá sơ bộ về cơ cấu thành phần về giới tính, đối tượng khách hàng, nơi sinh sống của khách hàng, thu nhập, tác giả đã dựa vào số liệu thu được
từ phiếu điều tra và sử dụng tính năng phân tích tần suất trong phần mềm SPSS để tiến
hành thống kê. Kết quả thu được như sau:
Nam Nữ Giới tính 86.5% 13.5% Tổ chức Cá nhân Đối tượng khách hàng 56% 44% Thành thị Nông thôn Khu vực sinh sống 80% 20%
Dưới 10 triệu Từ 10 đến 20 triệu Trên 20 triệu
Thu nhập trung