K ẾT LUẬN CHƯƠNG III
4.2.6. K ết quả phân tích hồi quy tuyến tính bội
Để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo đồng thời xác định các nhân tố và mức độ ảnh hưởng của các nhân tố đó đến quyết định lựa chọn dịch vụ kế toán theo mô hình nghiên cứu chính thức và phương trình hồi quy đã xác định tại chương III, đề tài sử dụng phương pháp phân tích hồi quy đa biến theo phương pháp Enter, tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.
Phương trình hồi quy:
QD = PL*β1 + TC*β2 - CP*β3 + DV*β4 + KT*β5+TD*β6 + KS*β7 + ε
Trong đó:
Biến phụ thuộc là QD: Quyết định lựa chọn dịch vụ kế toán.
Các biến độc lập bao gồm: Quy định pháp lý (PL); Khả năng tiếp cận (TC); Phí dịch vụ (CP); Các dich vụ gia tăng (DV); Mức độ kịp thời (KT); Thái độ phục vụ (TD); Khả năng kiểm soát (KS).
βi: Trọng số hồi quy (i = 0…7)
ε: Hệ số nhiễu
Để biết mô hình hồi quy tuyến tính đã xây dựng trên dữ liệu mẫu phù hợp đến mức độ nào với dữ liệu, chúng ta cần dùng một thước đo nào đó về độ phù hợp của nó. Thước đo sự phù hợp của mô hình tuyến tính thường được dùng là hệ số xác định R bình phương (Coefficient of Determination). Tuy nhiên R bình phương hiệu chỉnh (được tính từ R bình phương) thường được sử dụng hơn vì giá trị này phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. Hiện tại không có tiêu chuẩn chính xác R bình phương hiệu chỉnh ở mức bao nhiêu thì mô hình mới đạt yêu cầu, chỉ số này nếu càng tiến về 1 thì mô hình càng có ý nghĩa, càng tiến về 0 thì ý nghĩa mô hình càng yếu. Thường các nhà nghiên cứu chọn mức trung gian là 0.5 để phân ra 2 nhánh ý nghĩa mạnh, ý nghĩa yếu, từ 0.5 đến 1 thì mô hình là tốt, bé hơn 0,5 là mô hình chưa tốt.
Kết quả phân tích tại bảng 4.13 cho thấy mô hình có Hệ số R2 hiệu chỉnh (Adjusted Square) là 0,682 lớn hơn 0,5 tức mô hình nghiên cứu là mô hình tốt có ý nghĩa mạnh. Dựa vào bảng kết quả trên giá trị R2 hiệu chỉnh là 0,682 có ý nghĩa là 7 biến độc lập đưa vào có mức ảnh hưởng 68.2% đến sự thay đổi của biến phụ thuộc, còn lại 31.8% là do các biến ngoài mô hình và sai số ngẫu nhiên. Từ đó kết luận mô hình xây dựng phù hợp với tập dữ liệu các biến.
Bảng 4.13 Kết quả kiểm tra độ phù hợp của mô hình
Mô hình Hệ số R Hệ số R2 Hệ số R2 hiệu chỉnh Sai sước lượng ố chuẩn
1 0,831 0,690 0,682 0,392
(Nguồn: Kết quả xử lý bằng phần mềm SPSS) Do tổng thể rất lớn, chúng ta không thể khảo sát hết toàn bộ, nên thường trong nghiên cứu ta chỉ chọn ra một lượng mẫu giới hạn để tiến hành điều tra, từ đó suy ra tính chất chung của tổng thể. Kiểm định F trong bảng ANOVA chính là để kiểm tra xem mô hình hồi quy tuyến tính này có suy rộng và áp dụng được cho tổng thể hay không. Trong kiểm định F Giá trị Sig. được sử dụng để kiểm định sự phù hợp của mô hình hồi quy. Nếu Sig. < 0,05 thì mô hình hồi quy tuyến tính bội phù hợp với với tập dữ liệu và có thể sử dụng được. Trong mô hình này giá trị Sig. của kiểm định F là 0.000 < 0,05 (Bảng 4.14). Như vậy, mô hình hồi quy tuyến tính đã xây dựng phù hợp với tổng thể. Bảng 4.14 Bảng phân tích ANOVA Mô hình Tổng bình phương Bậc tự do df Bình phương trung bình F Mức ý nghĩa Sig. Hồi quy 93,989 7 13,427 87,371 0,000 Phần dư 42,262 275 0,154 Tổng 136,251 282 (Nguồn: Kết quả xử lý bằng phần mềm SPSS) Kiểm định T được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Giá trị Sig. của các nhân tố độc lập nếu nhỏ hơn hoặc bằng 0,05 có nghĩa là biến đó có ý
nghĩa trong mô hình tức biến độc lập đó có tác động lên biến phụ thuộc, ngược lại Sig. lớn hơn 0,05 thì biến độc lập đó cần được loại bỏ do biến độc lập đó không có sự tác động lên biến phụ thuộc. Cũng trong kiểm định này hệ số hồi quy chuẩn hóa Beta (β) được sử dụng để phản ánh mức độ, thứ tự ảnh hưởng của từng nhân tố đến quyết định sử dụng dịch vụ kế toán của doanh nghiệp, hệ số càng lớn thì tầm quan trọng của biến đối với biến phụ thuộc càng lớn. Ngoài ra trong kiểm định này còn dùng để kiểm tra hiện tượng đa cộng tuyến thông qua hệ số VIF (Variance inflation factor). Trong mô hình hồi quy xảy ra hiện tượng đa cộng tuyến sẽ khiến nhiều chỉ số bị sai lệch, dẫn đến kết quả của việc phân tích định lượng không còn mang lại nhiều ý nghĩa. Nếu hệ số VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Tuy nhiên theo các nhà nghiên cứu cho rằng đối với các đề tài nghiên cứu có mô hình nghiên cứu có bảng câu hỏi sử dụng thang đo Likert thì khi kết quả kiểm định có hệ số VIF > 2 khả năng sẽ có hiện tượng đa cộng tuyến xảy ra. Trong bảng kết quả phân tích hồi quy bội (Bảng 4.15) ta thấy hệ số Sig. của các biến PL, TC, CP, DV, KT, TD, KS đều nhỏ hơn 0,05. Do đó ta có thể khẳng định rằng các biến này có ý nghĩa trong mô hình nghiên cứu hay nói cách khác các biến này đều có tác động lên biến phụ thuộc (QD).
Về hiện tượng đa cộng tuyến, ta thấy hệ số phóng đại phương sai VIF (Variance inflation factor) của tất cả các biến đều nhỏ hơn 2. Điều này cho phép kết luận rằng không có hiện tượng đa cộng tuyến xảy ra.Như vậy, mối quan hệ giữa các biến độc lập không ảnh hưởng đến việc giải thích mô hình hồi quy tuyến tính bội trong mô hình này.