جذب بیمه در بین شرکت های کوچک و متوسط گردشگری و هتلداری (قسمت سوم)

3 . روش های پژوهش

3.1 . تنظیم مطالعه

محیط تحقیقاتی ما غنا است، مقصدی نوظهور اما کم تحقیق با زمینه سازمانی که فرصت‌هایی را ایجاد می‌کند اما چالش‌ها و خطرات زیادی را برای SMTH ها به همراه دارد. کمیسیون ملی بیمه [NIC]، 2018 فاش کرد که به غیر از آفریقای جنوبی (16.9٪ در سال 2018)، میانگین ضریب نفوذ بیمه در جنوب صحرای آفریقا تقریباً 1٪ نسبت به ضریب نفوذ جهانی 5٪ است. این تصویری از یک بازار بیمه توسعه نیافته در سراسر SSA را ترسیم می کند. NIC ( کمیسیون ملی بیمه [NIC] (2018) همچنین گزارش داد که ضریب نفوذ بیمه غنا در سال 2017 1.12 درصد بوده و در سال 2018 تا 1 درصد کاهش بیشتری داشته است. این ضریب نفوذ پایین در غنا و در سراسر قاره به طور کلی به درآمد قابل تصرف و سواد پایین، عدم اعتماد و درک ضعیف عمومی، ظرفیت پایین بخش بیمه، و جایگزین های بیمه مانند طرح های مبتنی بر جامعه ( Deloitte, 2019 ). این موارد غنا را برای درک محرک ها و بازدارنده های جذب بیمه در میان SMTH ها مناسب می کند.

3.2 . نمونه برداری

در این نظرسنجی تسهیلات اقامتی، رستوران ها، آژانس های حمل و نقل و صنعتگران در سه شهر (آکرا، کیپ کوست و کلانشهر کوماسی) غنا شرکت داشتند که در مجموع به عنوان “مثلث گردشگری” شناخته می شوند. این سه شهر میزبان بیشتر جاذبه ها و امکانات اقامتی توریستی در کشور هستند ( Boakye, 2010 ). حدود 60 درصد از کل مشاغل مورد بررسی از صنعت مهمان نوازی، به ویژه اقامتگاه ها و رستوران ها بودند. یک روش نمونه‌گیری چند مرحله‌ای برای ارتباط با مدیران/ناظران یا مالکان (در صورت لزوم) شرکت‌های مختلف درگیر در مطالعه استفاده شد. این دسته از کارکنان مورد هدف قرار گرفتند زیرا آنها تا حد زیادی مسئول اجرای روزانه و ترسیم مسیرهای استراتژیک برای شرکت های خود (به عنوان مثال SMTH) در غنا بودند ( Mensah & Blankson, 2016 ) و برای این موضوع احتمال بیشتری وجود دارد که این کار را انجام دهند. تصمیمات مهم در مورد جذب بیمه در سازمان های خود. ابتدا، 10٪ (یعنی 300) از کل SMTH های ثبت شده و آدرس های مربوطه (یعنی 120 از آکرا بزرگ، 100 از ساحل کیپ و 80 از کوماسی) به طور تصادفی از فهرست سازمان گردشگری غنا از SME های ثبت شده انتخاب شدند. دوم، یک روش نمونه‌گیری طبقه‌ای برای تقسیم نمونه به چهار طبقه زیربخش همانطور که در بالا ذکر شد، و به دنبال آن یک تخصیص متناسب از نمونه برای هر طبقه استفاده شد. از این رو، حجم نمونه برای هر قشر به شرح زیر است: 102 تسهیلات اقامتی، 75 رستوران، 64 صنعتگر و 59 تجارت حمل و نقل. سپس برای بررسی با این مراکز تماس گرفته شد. از 300 پرسشنامه توزیع شده، 250 پرسشنامه پس از دور انداختن پرسشنامه های ناقص و خراب که نرخ پاسخ 83 درصدی را برای نظرسنجی نشان می دهند، برای تجزیه و تحلیل معتبر بودند.

3.3 . ابزار تحقیق

پرسشنامه (لطفاً به پیوست مراجعه کنید) به سه قسمت (3) شامل سؤالات بسته و باز و همچنین نوع اندازه گیری مقیاس لیکرت تقسیم شد. بخش اول اطلاعاتی را در مورد ویژگی های پیشینه پاسخ دهندگان و شرکت های آنها مانند نوع بخش تجاری، موقعیت پاسخ دهندگان در کسب و کار، تعداد کارمندان در کسب و کار و نوع مالکیت به دست می آورد. بخش دوم به بررسی میزان آگاهی از بیمه پرداخت. این بخش تصوراتی را در مورد بیمه از نظر سودمندی آن برای SMTHها و چالش‌هایی که برای جذب آن با استفاده از سؤالات باز ارائه می‌شود، برانگیخت. بخش سوم از 20 عبارت مربوط به تأثیر ریسک درک شده در مقیاس رتبه بندی شده (بدون تهدید = 0؛ تهدید بسیار کم = 1؛ تهدید کم = 2؛ تهدید متوسط = 3؛ تهدید زیاد = 4 و تهدید بسیار زیاد تشکیل شده است. = 5). آیتم های اندازه گیری در مورد تأثیر ریسک درک شده بر جذب بیمه از ادبیات تولید شده است ( جدول 1 را ببینید ) و برای تناسب با زمینه این مطالعه اصلاح شد. سوالات مربوط به “وضعیت جذب بیمه” در بخش آخر پوشش داده شد، اما همچنین یک مقیاس ساختگی شامل پاسخ های “بله” یا “خیر”. به غیر از بیمه، از پاسخ دهندگان همچنین خواسته شد تا اقدامات جایگزین مورد استفاده برای رسیدگی به عدم قطعیت در کسب و کار خود را از طریق گزارش خود نشان دهند.

میز 1 . موارد از ادبیات استخراج شده و برای این مطالعه اصلاح شده است.

موارد	منبع
ریسک عملیاتی	شاو و همکاران (2012)
سرقت اموال
جابجایی کارکنان
خسارت به اموال تجاری در اثر آتش سوزی، سیل، سرقت و غیره
جراحت یا فوت کارمند در حین کار
اختلاس توسط کارمندان
جراحت، مرگ برای اشخاص ثالث که وارد تجارت شما می شوند
بیماری
ریسک تکنولوژیکی	√
جرایم سایبری، هکرها و کلاهبرداری
تغییرات تکنولوژیک
ریسک حمل و نقل	√
تصادفات جاده ای
گم شدن کالا یا پول نقد در حین حمل و نقل
ریسک زیست محیطی	√
آلودگی آب
آلودگی هوا
فصلی بودن
نا آرام	√
بی ثباتی سیاسی
اقدامات تروریستی
اعتصابات
شورش های مدنی
ریسک اقتصادی	√
تورم
کاهش ارزش پول
نرخ بهره بالا

این پرسشنامه بر روی نمونه ای متشکل از 30 SMTH در کلانشهر آکرا در فوریه 2017 پیش آزمون شد. این شهر به این دلیل انتخاب شد که میزبان اکثر SMTH ها در کشور، مانند هتل ها، رستوران ها و اپراتورهای تور و غیره است. پیش آزمون ابزار، امکان بازبینی سؤالات و عبارات نامربوط و نامناسب را فراهم کرد. پس از پیش آزمون ابزار داده ها، دستورالعمل ها و سوالات مربوط به عوامل تعیین کننده جذب بیمه برای وضوح تجدید نظر شد.

3.4 . تحلیل داده ها

قبل از تجزیه و تحلیل داده‌ها، داده‌های از دست رفته با استفاده از گزینه میانگین سری در SPSS برای جایگزینی داده‌های از دست رفته درمان شدند. برای این منظور، یک آزمون t نمونه زوجی برای اطمینان از عدم وجود تفاوت زیادی بین مقادیر متغیرهای اصلی و میانگین نمرات تخمینی انجام شد. با استفاده از STATA 14، ابتدا از آمار توصیفی پایه شامل فراوانی و میانگین نمرات برای ارزیابی توزیع پاسخ ها استفاده شد. دوم، CFA در AMOS برای بررسی میزان برازش داده‌ها با مدل و همچنین اعتبار و پایایی آیتم‌های اندازه‌گیری تولید شده از ادبیات استفاده شد.

3.4.1 . ارزیابی ریسک درک شده با روش متداول (CMB).

CMB می تواند منجر به خطاهای اندازه گیری شود که به دلیل تورم در تخمین های همبستگی واقعی بین سازه ها تأثیر منفی بر اعتبار نتیجه گیری می گذارد ( Agag & El-Masry, 2016 ). برای جلوگیری از چنین وضعیتی در این مطالعه، از رویکرد تک عاملی هارمن برای بررسی CMB استفاده شد ( پارک و توسیادیا، 2016 ؛ پودساکوف، مک‌کنزی، لی، و پودساکوف، 2003 ). عدم وجود CMB از این نتیجه آشکار بود زیرا اولین (و بزرگترین) عامل 17٪ از کل واریانس را تشکیل می داد که کمتر از نقطه برش 50٪ بود. این معیار عدم وجود CMB را در داده های جمع آوری شده تایید کرد.

3.4.2 . پایایی، روایی و برازش مدل

سازگاری درونی اندازه‌گیری‌های مورد استفاده، دقت (یعنی اعتبار) و برازش کلی مدل در این مطالعه تعیین شد. همانطور که در جدول 2 مشاهده می شود ، قابلیت اطمینان ترکیبی (CR) و نمرات آلفای کرونباخ برای شش سازه اندازه گیری بالاتر از حد پایین 0.7 بود ( باگوزی و یی، 1988 ؛ کلاین، 2005 ). همه شاخص‌ها برای سازه‌های مربوطه که بالای 0.5 بارگذاری شده‌اند ( Hir, Hult, Ringle, & Sarstedt, 2017 ) که به این معنی است که روابط متقابل بین شاخص‌ها و ابعاد مرتبط با آن‌ها بالا است، بنابراین یک‌بعدی در بین تمام سازه‌های ریسک درک شده به دست آمد.

دستورالعمل‌های زیر برای ارزیابی تناسب مدل نیز در این مطالعه استفاده شد: مجذور کای (χ2 ^/ df) کمتر از 3، شاخص برازش مناسب (GFI) = ≥ 0.90، شاخص برازش مقایسه‌ای (CFI) = ≥ 0.90، شاخص نیکویی تناسب تعدیل شده (AGFI) ≥ 0.90، شاخص تورکر-لوئیس (TLI) ≥ 0.95، ریشه میانگین مربعات خطای تقریب (RMSEA) ≤ 0.08 و ریشه استاندارد شده میانگین مربع خطای باقیمانده (SRMZi، 0.0.0 ) ، و فیلیپس، 1991 ، فورنل و لارکر، 1981 ). نتایج زیر جدول 2 نشان می دهد که مدل ریسک درک شده دارای تناسب جهانی قابل تحملی است.

جدول 2 . میانگین، انحراف معیار، قابلیت اطمینان و برازش مدل معیارهای ریسک درک شده.

می سازد	منظور داشتن	SD	بارگذاری های عاملی	CR	آلفای کرونباخ	AVE
ریسک عملیاتی	3.64	0.74		0.84	0.71	0.66
سرقت اموال	4.22	0.59	0.71
جابجایی کارکنان	4.27	0.54	0.82
خسارت به اموال تجاری در اثر آتش سوزی، سیل، سرقت و غیره	4.26	0.50	0.76
جراحت یا فوت کارمند در حین کار	2.29	1.16	0.67
اختلاس توسط کارمندان	2.60	1.06	0.71
جراحت، مرگ برای اشخاص ثالث که وارد تجارت شما می شوند	4.22	0.59	0.87
ریسک تکنولوژیکی	3.41	0.58		0.81	0.80	0.57
جرایم سایبری، هکرها و کلاهبرداری	4.56	0.61	0.76
تغییرات تکنولوژیک	2.25	0.54	0.83
خطر سلامتی	4.09	0.64		0.86	0.76	0.74
بیماری	4.75	0.56	0.85
تصادفات جاده ای	3.42	0.71	0.76
ریسک زیست محیطی	3.02	0.73		0.91	0.84	0.56
آلودگی آب	1.03	0.77	0.77
آلودگی هوا	3.15	0.68	0.76
فصلی بودن	4.89	0.74	0.65
نا آرام	0.28	0.65		0.82	0.73	0.75
بی ثباتی سیاسی	0.24	0.70	0.81
اقدامات تروریستی	0.43	0.63	0.83
اعتصابات	0.27	0.64	0.83
شورش های مدنی	0.17	0.62	0.67
ریسک اقتصادی	4.54	0.55		0.90	0.86	0.67
تورم	4.67	0.55	0.77
کاهش ارزش پول	4.22	0.52	0.80
نرخ بهره بالا	4.74	0.58	0.83

x ² /df (2.583)، SRMR (0.06)، CFI (0.936)، AGFI (0.900)، TLI (0.940)، GFI (0.901)، RMSEA (0.058).

علاوه بر این، در بررسی اعتبار همگرای معیارها، امتیازات میانگین واریانس استخراج شده (AVE) بیشتر از 0.5 بود ( فورنل و لارکر، 1981 ). این بدان معناست که همه عوامل نهفته بیش از نیمی از واریانس ها را در آیتم های مربوطه توضیح می دهند که نشان دهنده خطاهای ناچیز در مقیاس های مورد استفاده است. در تعیین اینکه آیا سازه ها به طور منحصر به فرد آنچه را که قصد اندازه گیری آن ها را دارند اندازه گیری می کنند، به عبارت دیگر، آیا واقعاً با یکدیگر متفاوت هستند یا خیر، از معیار Fornell و Larcker استفاده شد ( Fornell & Larcker, 1981 ). این معیار نشان می‌دهد که برای اینکه اعتبار تفکیکی وجود داشته باشد، ریشه دوم AVE یک سازه باید بیشتر از همبستگی بین آن سازه و سازه دیگر باشد که در جدول 3 نشان داده شده است .

جدول 3 . ماتریس همبستگی ابعاد ریسک.

سلول خالی	می سازد	AVE	1	2	3	4	5	6
1	ریسک عملیاتی	0.66	0.81
2	ریسک تکنولوژیکی	0.57	0.38	0.75
3	خطر سلامتی	0.74	0.54	−0.10	0.86
4	ریسک زیست محیطی	0.56	0.21	0.24	-0.21	0.75
5	نا آرام	0.75	0.30	-0.13	0.45	0.21	0.87
6	ریسک اقتصادی	0.67	0.61	0.36	−0.07	0.32	0.42	0.81

توجه: ریشه های مربع AVEها به صورت مورب به صورت پررنگ نشان داده شده اند.

سوم، مدل‌های رگرسیون لجستیک چند متغیره باینری و پروبیت برای بررسی متغیرهای توضیحی برای تقاضای بیمه توسط SMTHها در غنا استفاده شد. جذب بیمه یک تابع مطلوبیت باینری در نظر گرفته می شود که به عنوان نتیجه برنولی برابر با یک (1) برای بیمه شده فعلی و صفر (0) برای موارد دیگر مدل می شود. معادله به صورت زیر است:

3.4.3 . مدل تصمیم گیری برای پذیرش بیمه

احتمال بیمه تجاری H&T به صورت زیر بیان می شود:(1) $P_{i} = E (Y = \frac{1}{x_{i}}) = \frac{1}{1 + e^{- (α_{0} + \sum_{k = 1}^{n} α_{k} x_{it} + ε_{i})}}$

با تعویض ${IU}_{i} = α_{0} + \sum_{k = 1}^{n} α_{k} x_{it} + ε_{i}$ و با موضوع e ^FS _i معادله زیر به دست می آید:(2) $e^{{IU}_{i}} = \frac{P_{i}}{(1 - P_{i})}$

اعمال لگاریتم طبیعی در دو طرف معادله (2) منجر به موارد زیر می شود:(3) $In (\frac{P_{i}}{1 - P_{i}}) = {IU}_{i} = α_{0} + \sum_{k = 1}^{n} α_{k} x_{it} + ε_{i}$

به دنبال معادله (3) ، بنابراین مدل اقتصادی تخمینی تجربی به صورت زیر مشخص می شود:(4) ${IU}_{i} = α_{0} + α_{1} X_{1 i} + α_{2} X_{2 i} + α_{3} X_{3 i} + α_{4} X_{4 i} + α_{5} X_{5 i} + α_{6} X_{6 i} + α_{7} X_{7 i} + α_{8} X_{8 i} + \dots \dots \dots + α_{23} X_{23 i} + ε_{i}$ که در آن IU متغیر وابسته است. X بردار متغیرهای توضیحی است که بر پذیرش بیمه تأثیر می گذارد. α بردار پارامترهای ناشناخته ای است که باید تخمین زده شود و ε عبارت خطای تصادفی است. جایی که IU جذب بیمه است. X _1i -X _3i نشان دهنده بخش عملیات، نوع مالکیت X _4i -X _5i است. X _6i نوع مالکیت است، X ₇ -X ₁₂ نشان دهنده نگرانی های خطر (عملیاتی، فناوری، حمل و نقل، محیطی، ناآرامی و ریسک اقتصادی) است؛ … X _26i پشتیبانی از دوستان و بستگان است. ε عبارت خطای است که فرض می شود به طور معمول با میانگین صفر و واریانس ثابت توزیع می شود.

ما از مدل‌های باینری چند متغیره دو جایگزین برای تعیین سازگاری علائم و بزرگی‌های ضرایب اثرات در دو مدل تحلیلی استفاده کردیم ( Boakye، Annim و Dasmani، 2013 ). این نه تنها اعتبار نتایج را با توجه به اینکه هنوز در ادبیات توافقی در مورد برتری مدل‌های پروبیت نسبت به مدل‌های لاجیت وجود ندارد، تضمین می‌کند، بلکه همچنین استحکام نتایج را از زمانی که توابع پیوند مختلف آزمایش شده‌اند، تضمین می‌کند.