CHƯƠNG 4: THỰC TRẠNG THỊ TRƯỜNG BẢO HIỂM NHÂN THỌ Ở VIỆT NAM VÀ ẢNH HƯỞNG CỦA CÁC NHÂN TỐ ĐẾN QUYẾT ĐỊNH
4.2. Phân tích các nhân tố ảnh hưởng đến quyết định mua sản phẩm BHNT
4.2.3. Phân tích nhân tố khám phá EFA
Việc thực hiện phân tích hệ số tin cậy Cronbach’s Alpha trong phần trước đã giúp khẳng định độ tin cậy của các thang đo này hoàn toàn phù hợp với đề tài nghiên cứu. Tuy nhiên việc phân tích hệ số tin cậy Cronbach’s Alpha chỉ được thực hiện theo từng thang đo một. Kết quả này chưa chắc chắn rằng các thang đo ấy không có liên quan tới nhau. Chẳng hạn như, biến quan sát của thang đo này có mối quan hệ với biến quan sát của thang đo khác dẫn tới thang đo không đạt được giá trị hội tụ và giá trị phân biệt do bị lỗi vì các biến có sự tương qua với nhau. Để tránh việc này có thể xảy ra với nghiên cứu này, đề tài tiến hành phân tích nhân tố khám phá (EFA). Việc phân tích nhân tố EFA sẽ giúp các thang đo thể hiện sự đơn hướng của mình hay chính là tính độc lập của từng thang đo với nhau. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005)
Yêu cầu trong phân tích nhân tố EFA theo một số lý thuyết khác nhau cũng khác nhau. Chẳng hạn như, các trọng số của các nhân tố >= 0,5 hoặc một số khác lại chấp nhận trọng số các nhân tố >= 0,4. Trong đề tài nghiên cứu này, chúng ta sẽ tiến hành loại bỏ các nhân tố có trọng số < 0,3 trước tiên. Vì đây là nghiên cứu trên quy mô nhỏ, số lượng mẫu không lớn nên việc mất mát thông tin khi loại bỏ các trọng số là không lớn. Để phù hợp nghiên cứu sinh lựa chọn trong số các nhân tố >= 0,5.
Thêm vào đó, chỉ số Kaiser - Mayer – Olkin sẽ đánh giá sự phù hợp của phân tích EFA. Để đánh giá sự phù hợp của phân tích nhân tố khám phá, chỉ số Kaiser - Mayer – Olkin sẽ được báo cáo, mà theo đề nghị phải thuộc phạm vi từ 0,5 đến 1 được xem là phù hợp (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Cũng theo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005), tổng phương sai trích phải lớn hơn 50% mới phù hợp đồng thời kiểm định Bartlett chỉ có ý nghĩa thống kê khi Sig <0.05.
Phân tích EFA được thực hiện theo quy trình sau:
Thứ nhất, những thang đo đạt được hệ số tin cậy tốt trong phân tích Cronbach’s alpha sẽ tiếp tục đưa vào phân tích EFA nhằm chọn ra các chỉ báo có trọng số hội tụ trên một nhân tố. Các thang đo của biến độc lập sẽ được đưa vào phân tích EFA để kiểm tra tính độc lập và hội tụ của các biến quan sát sau đó sẽ chạy EFA với biến phụ thuộc.
Thứ hai, phân tích toàn bộ các chỉ báo được lựa chọn ở bước thứ nhất.
Cuối cùng, để khi đọc kết quả phân tích được thuận tiện nên việc sắp xếp theo thứ tự giảm dần, trong số các nhân tố dưới 0,5 cũng sẽ bị loại bỏ trên bảng báo cáo.
Do mô hình nghiên cứu được thực hiện dựa trên 3 mô hình nhỏ. Do vậy, việc phân tích EFA sẽ được thực hiện cho từng mô hình cụ thể như sau:
Bảng 4.16: Phân tích nhân tố EFA tổng hợp KMO and Bartlett's Test cho mô hình Thái độ bảo hiểm Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,711 Bartlett's Test of
Sphericity
Approx. Chi-Square 1666.714
Df 45
Sig. 0,000
Total variance Explained Total Eigenvalues
72,266 1,703
1.703
Nguồn: Xử lý dữ liệu của nghiên cứu sinh Kết quả phân tích nhân tố EFA tổng hợp sau khi sử dụng phép xoay đã cho ra kết quả khả thi với việc các biến quan sát đều hội tụ về cùng một nhân tố và trọng số các nhân tố đều lớn hơn 0,5 (xem phụ lục 2) cùng với hệ số KMO tương ứng là 0,711 > 0,5 đã cho thấy sự phù hợp của các biến quan sát trong mô hình.
Thêm vào đó, tổng phương sai trích là 72,266% (> 50%) cho thấy các nhân tố trong mô hình giải thích được 72,266 % cùng với hệ số Eigenvalues 1,703 (>1) cho thấy các biến quan sát là đảm bảo mức ý nghĩa để sử dụng cho các bước tiếp theo.
Bảng 4.17: Phân tích nhân tố EFA tổng hợp KMO and Bartlett's Test cho mô hình ý định bảo hiểm Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. 0,745
Bartlett's Test of Sphericity
Approx. Chi-Square 3081,220
Df 153
Sig. 0,000
Total variance Explained Total Eigenvalues
71,117 1,672
1.703
Nguồn: Xử lý dữ liệu của nghiên cứu sinh Kết quả phân tích nhân tố EFA tổng hợp sau khi sử dụng phép xoay đã cho ra kết quả khả thi với việc các biến quan sát đều hội tụ về cùng một nhân tố và trọng số các nhân tố đều lớn hơn 0,5 (xem phụ lục 2) cùng với hệ số KMO tương ứng là 0,745 > 0,5 đã cho thấy sự phù hợp của các biến quan sát trong mô hình.
Thêm vào đó, tổng phương sai trích là 71,117% (> 50%) cho thấy các nhân tố trong mô hình giải thích được 71,117 % cùng với hệ số Eigenvalues 1,672 (>1) cho thấy các biến quan sát là đảm bảo mức ý nghĩa để sử dụng cho các bước tiếp theo.
Bảng 4.18: Phân tích nhân tố EFA tổng hợp KMO and Bartlett's Test cho mô hình quyết định bảo hiểm Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. 0,840
Bartlett's Test of Sphericity
Approx. Chi-Square 2047,731
Df 45
Sig. 0,000
Total variance Explained Total Eigenvalues
76,118 1,033
1.703
Nguồn: Xử lý dữ liệu của nghiên cứu sinh
Kết quả phân tích nhân tố EFA tổng hợp sau khi sử dụng phép xoay đã cho ra kết quả khả thi với việc các biến quan sát đều hội tụ về cùng một nhân tố và trọng số các nhân tố đều lớn hơn 0,5 (xem phụ lục 2) cùng với hệ số KMO tương ứng là 0,840 > 0,5 đã cho thấy sự phù hợp của các biến quan sát trong mô hình.
Thêm vào đó, tổng phương sai trích là 76,118 % (> 50%) cho thấy các nhân tố trong mô hình giải thích được 76,118 % cùng với hệ số Eigenvalues 1,033 (>1) cho thấy các biến quan sát là đảm bảo mức ý nghĩa để sử dụng cho các bước tiếp theo.