- Kiểm đinh chất lượng thang đo Kiểm định trung bình mẫu độc
7.3 Dữ liệu thống kê
Dữ liệu sơ cấp thông qua kết quả khảo sát thực tế những nhà quản lý, những người ra quyết định tại các doanh nghiệp sản xuất . Bên cạnh đó, tác giả xin ý kiến của các chuyên gia trong lĩnh vực kế toán. Về hình thức khảo sát, để thuận lợi cho việc khảo sát, tùy theo đối tượng khảo sát tác giả sử dụng những hình thức khảo sát khác nhau: gửi email và nhận phản hồi bằng email; điện thoại phỏng vấn, khảo sát; gặp mặt phỏng vấn, khảo sát trực tiếp. Bảng câu hỏi khảo sát được chia làm 2 loại: loại khảo sát chung và loại khảo sát chuyên gia. Đối với bảng câu hỏi khảo sát chung, tác giả sử dụng bảng câu hỏi khảo sát được soạn sẵn và sử dụng thang đo Likert. Đối với bảng câu hỏi chuyên gia, tác giả sử dụng dạng câu hỏi mở để xin ý kiến chuyên gia tự đưa ra thông tin.
Xác định kích thước mẫu và thang đo
Theo nhiều nhà nghiên cứu, kích thước mẫu càng lớn càng tốt (Nguyễn, 2011). Đồng thời, theo (Hair & ctg (2006) trích trong Nguyễn Đình Thọ, 2011) và Green (1991) trích trong Nguyễn Đình Thọ, 2012) cho rằng để sử dụng phân tích nhân tố khám phá (EFA), kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát/biến đo lường là 5:1, nghĩa là 1 biến đo lường cần tối thiểu 5 quan sát. Cụ thể,
Sự khác nhau về hiệu quả họat động của 2
nhóm DN Nhóm DN Chấp nhận áp dụng EMA Nhóm DN không chấp nhận áp dụng EMA
Việc áp dụng EMA
trong mô hình nghiên cứu được tác giả đề xuất với số biến quan sát có thể được sử dụng trong phân tích nhân tố khám phá với quy mô mẫu được xác định là: n ≥ 50 + 8k, với k là số biến độc lập của mô hình.
Thang đo
Tác giả sử dụng thang đo Likert 5 điểm với 1: Rất không đồng ý; 2: Không đồng ý; 3: Trung lập; 4: Đồng ý; 5: Rất đồng ý.
GIAI ĐOẠN 1:
Thực hiện thống kê mô tả
Tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA để xác định mức độ tác động của các nhân tố ảnh hưởng đến vận dụng EMA trong các doanh nghiệp sản xuất tại thành phố Đà Nẵng . Trình tự các bước thực hiện như sau:
Bước 1: Kiểm định thang đo
Để kiểm định giá trị thang đo các nhân tố, tác giả dùng hệ số Cronbach Alpha. Theo (Nunnally & Bernstein 1994) thì hệ số Cronbach Alpha được xác định:
Cronbach’s Alpha ≥ 0.60: Thang đo chấp nhận không được đánh giá tốt. Cronbach’s Alpha ∈ [0.70 – 0.90]: Thang đo tốt.
Cronbach’s Alpha > 0.90: Thang đo chấp nhận cũng không được đánh giá tốt. Đồng thời, theo (Nunnally & Bernstein 1994) thì hệ số tương quan biến tổng các nhân tố ≥ 0.30 thì biến đó đạt yêu cầu.
Bước 2: Phân tích nhân tố khám phá (EFA)
Việc phân tích nhân tố khám phá (EFA) nhằm mục đích để loại các nhân tố giả, đánh giá độ tin cậy thang đo đối với giá trị của các thang đo, khám phá thang đo mới và khẳng định, điều chỉnh thang đo đã có.
Để có thể phân tích nhân tố khám phá (EFA), tác giả thực hiện các kiểm định sau:
Kiểm định KMO (Kaiser – Meyer – Olkin) và Bartlerrs
Theo Kaiser (1974) thì: KMO > 0.9: Rất tốt. KMO > 0.8 ≤ 0.9: Tốt. KMO > 0.7 ≤ 0.8: Được. KMO > 0.6 ≤ 0.7: Tạm được. KMO > 0.5 ≤ 0.6: Xấu
KMO ≤ 0.5: không thể chấp nhận được. Do đó để sử dụng EFA thì KMO phải > 0.5.
Theo Nguyễn (2011) thì khi trọng số và phương sai trích đạt yêu cầu thì các vấn đề về Bartlerrs và KMO không còn ý nghĩa nữa do chúng luôn đạt yêu cầu.
Thực hiện kiểm định tương quan biến
Ma trận đơn vị có hệ số tương quan giữa các biến = 0. Nếu Sig. < 0.05, bác bỏ giả thuyết ban đầu, các biến có quan hệ lẫn nhau.
Thực hiện kiểm định mức độ giải thích các biến quan sát đối với nhân tố
Tác giả sử dụng tổng phương sai được giải thích (Total Variance Explained) và ma trân nhân tố xoay. Theo (Hair & các cộng sự, 2006 trích từ Nguyễn, 2011) thì phương pháp trích PCA (Principal component) cùng phép xoay vuông góc (varimax) khi cần trích nhiều phương sai từ các biến đo lường với số thành phần nhỏ nhất để phục vụ cho mục tiêu dự báo tiếp theo thi mô hình chỉ hợp lý khi tổng phương sai được giải thích (Total Variance Explained) của các nhân tố ≥ 50%.
Xây dựng mô hình
Từ kết quả kiểm định Cronbach’s Alpha và phân tích nhân tố khám phá, tác giả xây dựng mô hình điều chỉnh.
Bước 3: Kiểm định CFA
Mục đích của kiểm định CFA được dùng để đánh giá các biến đưa vào mô hình có phù hợp với dữ liệu thực tế hay không. Để đánh giá phân tích CFA đạt yêu cầu, Hair (2010) cho rằng cần chú ý đến giá trị như sau:
P-value (Sig.) >= 0,05 CMIN/df =< 2 đến 3 GFI, TLI, CFI>=0,9 RMSEA=<0,08
Bước 4: Phân tích hồi quy Binary Logistic
Khi kiểm định mối tương quan và ý nghĩa các nhân tố tác động vận dụng EMA trong các doanh nghiệp sản xuất tại thành phố Đà Nẵng thì các biến khi kiểm định phải có hệ số Sig. ≤ 0.05.
Kiểm định mức độ phù hợp của mô hình
Mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình được xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng không và mô hình được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác 0.
GIAI ĐOẠN 2:
Sau khi xác định các nhân tố tác động đến mức độ chấp nhận áp dụng EMA , ở giai đoạn 2 nghiên cứu sẽ xem xét giữa 2 nhóm: chấp nhận và không chấp nhận áp
dụng EMA có sự khác biệt về hiệu quả họat động hay không nhằm biết được lợi ích
khi chấp nhận áp dụng EMA. Để làm được điều này nghiên cứu sẽ thực hiện kiểm định trung bình mẫu độc lập giữa 2 nhóm.