7. Kết cấu của luận văn
3.4.1 Phân tích khám phá EFA cho biến độc lập
Nhƣ vậy từ 23 biến quan sát của 5 nhân tố của mô hình nghiên cứu đề xuất đƣợc đƣa vào phân tích EFA với kỳ vọng sẽ sau khi phân tích nhân tố thì vẫn giữ đƣợc 5 nhân tố với số lƣợng biến quan sát rút gọn nhất của mô hình.
Các điều kiện kiểm tra nhƣ hệ số KMO đều đạt khá lớn và Sig. của Bartlett’s Test đều nhỏ hơn 5% cho thấy các biến quan sát trong quá trình thực hiện phân tích khám phá EFA đều hoàn toàn phù hợp với phân tích nhân tố.
Phƣơng pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (principal component analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa chỉ có những nhân tố trích ra có giá trị Eigenvaluve lớn hơn mới đƣợc giữ lại trong mô hình phân tích.
Các tiêu chí khi loại biến quan sát trong quá trình phân tích khám phá bao gồm: hệ số tải nhân tố không nhỏ hơn 50%, độ giá trị của hệ số tải biến quan sát thuộc cùng nhiều nhân tố khi đang phân tích phải nhỏ hơn 0.3 (max – min < 0.3) và độ ý nghĩa nội dung, nhƣng chủ yếu bị loại là do hệ số tải và độ giá trị không đảm bảo.
Kết quả phân tích khám phá đúng nhƣ mong đợi, có 5 nhân tố đƣợc rút ra ở ngay lần phân tích khám phá đầu tiên đó là: Trình độ nhân lực kế toán; Chế độ chính sách nhà nƣớc; Quy trình công tác kế toán; Mức độ công bố thông tin; Ứng dụng công nghệ thông tin. Tất cả các điều kiện về phân tích nhân tố khám phá đều đáp ứng, hệ số KMO = 0.769> 0.5; Sig. = 0,000 < 0.05 (bảng 3.10), chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp và dữ liệu phù hợp cho việc phân tích nhân tố.
Bảng 3.10: Hệ số KMO và kiểm định Bartlett các thành phần KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .741
Mô hình kiểm tra Bartlett
Giá trị Chi-Square 1669.589
Bậc tự do 253
Sig (p – value) .000
Bảng 3.11: Bảng phƣơng sai trích
Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 4.026 17.506 17.506 4.026 17.506 17.506 3.562 15.486 15.486 2 3.311 14.395 31.901 3.311 14.395 31.901 2.935 12.761 28.247 3 3.034 13.193 45.095 3.034 13.193 45.095 2.811 12.223 40.469 4 2.219 9.646 54.740 2.219 9.646 54.740 2.568 11.164 51.633 5 1.701 7.396 62.137 1.701 7.396 62.137 2.416 10.504 62.137 6 .912 3.964 66.101 7 .877 3.812 69.913 8 .748 3.254 73.167 9 .690 2.999 76.166 10 .657 2.859 79.024 11 .610 2.653 81.677 12 .571 2.484 84.161 13 .469 2.038 86.199 14 .449 1.952 88.151
16 .391 1.702 91.630 17 .377 1.638 93.269 18 .353 1.535 94.803 19 .325 1.411 96.214 20 .272 1.184 97.398 21 .237 1.032 98.430 22 .186 .808 99.239 23 .175 .761 100.000
Extraction Method: Principal Component Analysis.
(Nguồn: phụ lục kết quả nghiên cứu)
Bảng 3.11 cho thấy, các nhân tố đều có giá trị Eigenvalues = 1.701> 1. Phƣơng sai trích là 62,137%> 50% là đạt yêu cầu. Với phƣơng pháp rút trích Principal components và phép quay Varimax, có 6 nhân tố đƣợc rút trích ra từ biến quan sát (bảng 3.11). Điều này cho chúng ta thấy 5 nhân tố rút trích ra thể hiện đƣợc khả năng giải thích đƣợc 62,137% sự thay đổi của biến phụ thuộc trong tổng thể.
Bảng 3.12. Ma trận xoay
Rotated Component Matrixa
Component 1 2 3 4 5 QTCT2 .865 QTCT3 .834 QTCT4 .816 QTCT5 .811 QTCT1 .789 CBTT3 .818 CBTT2 .800 CBTT4 .778 CBTT1 .684 CBTT5 .682
TĐNL4 .847 TĐNL3 .837 TĐNL1 .784 TĐNL2 .784 CSNN2 .761 CSNN4 .706 CSNN5 .690 CSNN3 .690 CSNN1 .662 CNTT3 .824 CNTT1 .767 CNTT2 .702 CNTT4 .692
(Nguồn: phụ lục kết quả nghiên cứu)
3.4.2 Phân tích khám phá EFA cho biến phụ thuộc “Chất lượng thông tin trên báo cáo tài chính của BHXH tỉnh Bình Định”
Trong bài nghiên cứu có 1 biến phụ thuộc “Chất lƣợng thông tin trên báo cáo tài chính của BHXH tỉnh Bình Định” với 4 biến quan sát, kết quả phân tích EFA cho thấy tất cả các điều kiện về phân tích nhân tố khám phá đều đáp ứng, hệ số KMO = 0.749> 0.5; Sig. = 0,000 < 0.05; hệ số tải nhân tố > 0,5; giá trị trích Eigenvalue = 2.131 (yêu cầu lớn hơn 1); và tổng phƣơng sai trích đạt 53.271%. (bảng 3.13, 3.14)
Bảng 3.13: Hệ số KMO và kiểm định Bartlett các thành phần KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .749 Mô hình kiểm traBartlett Giá trị Chi-Square 115.711 Bậc tự do 6 Sig (p – value) .000
Bảng 3.14: Phƣơng sai trích
Total Variance Explained
Nhân tố
Giá trị Eigenvalues Chỉ số sau khi trích
Tổng Phƣơng sai trích Tích lũy phƣơng sai trích Tổng Phƣơng sai trích Tích lũy phƣơng sai trích 1 2.131 53.271 53.271 2.131 53.271 53.271 2 .679 16.981 70.253 3 .610 15.262 85.515 4 .579 14.485 100.000
Extraction Method: Principal Component Analysis.
(Nguồn: phụ lục kết quả nghiên cứu)
3.5. Phân tích hồi quy
3.5.1. Đánh giá độ phù hợp của mô hình hồi quy
Phát hiện từ bƣớc nghiên cứu trƣớc về các nhân tố ảnh hƣởng đến chất lƣợng thông tin trên báo cáo tài chính của BHXH tỉnh Bình Định và kết quả phân tích EFA cho thấy các nhân tố: Trình độ nhân lực kế toán; Chế độ chính sách nhà nƣớc; Quy trình công tác kế toán; Mức độ công bố thông tin; Ứng dụng công nghệ thông tin có tác động đến chất lƣợng thông tin trên báo cáo tài chính của BHXH tỉnh Bình Định.
Phương trình hồi quy:
CLTT = β0 + β1TĐNL + β2CSNN + β3QTCT + β4CBTT + β5CNTT
Trong đó:
CLTT: Biến phụ thuộc (Chất lƣợng thông tin trên báo cáo tài chính của BHXH tỉnh Bình Định)
Các biến độc lập:
- CSNN: Chế độ chính sách nhà nƣớc - QTCT: Quy trình công tác kế toán - CBTT: Mức độ công bố thông tin - CNTT: Ứng dụng công nghệ thông tin
- β0, β1, … β6: Các tham số của mô hình.
Kết quả cho thấy mô hình có độ phù hợp đạt yêu cầu (RSquare=0.541). Hệ số R2 hiệu chỉnh (Adjusted Square) trong mô hình này là 0,807 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức 80.7%. Điều này cũng có nghĩa là có 52.3% sự biến thiên chất lƣợng thông tin trên BCTC của BHXH tỉnh Bình Định đƣợc giải thích chung bởi các biến độc lập trong mô hình.
Bảng 3.15: Kiểm tra độ phù hợp của mô hình Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .901a .813 .807 .16134 1.951 a. Predictors: (Constant), CNTT, CSNN, TĐNL, QTCT, CBTT b. Dependent Variable: CLTT
Kiểm định F về tính phù hợp của mô hình hồi quy tuyến tính tổng thể. Kiểm định này cho chúng ta biết biến phụ thuộc có tƣơng quan tuyến tính với toàn bộ các biến độc lập hay không.
Giả thuyết H0 là: β1 = β2 = β3 = β4 = β5 = 0 Kiểm định F và giá trị sig.
Nếu giả thuyết H0 bị bác bỏ, chúng ta có thể kết luận các biến đốc lập trong mô hình có thể giải thích đƣợc sự thay đổi của biến phụ thuộc, điều này đồng nghĩa mô hình xây dựng phù hợp với tập dữ liệu các biến.
Bảng 3.16: Bảng phân tích ANOVA ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
1 Regression 19.199 5 3.840 147.516 .000b Residual 4.425 170 .026 Total 23.624 175 a. Dependent Variable: CLTT b. Predictors: (Constant), CNTT, CSNN, TĐNL, QTCT, CBTT
(Nguồn: phụ lục kết quả nghiên cứu)
Kết quả từ bảng 3.16, cho thấy giá trị Sig = .000(< 0.05) chứng tỏ rằng mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập đƣợc, và các biến đƣa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% nên bác bỏ giả thuyết H0. Điều này có ý nghĩa là các biến độc lập trong mô hình có tƣơng quan tuyến tính với biến phụ thuộc, tức là sự kết hợp của các biến độc lập có thể giải thích đƣợc sự thay đổi của biến phụ thuộc. Mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp và có thể sử dụng đƣợc.
Bảng 3.17: Bảng kết quả hồi quy
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.701 .200 -3.500 .001 TĐNL .197 .020 .333 9.693 .000 .932 1.073 CSNN .275 .022 .430 12.638 .000 .952 1.051 QTCT .212 .020 .373 10.855 .000 .933 1.071 CBTT .245 .022 .382 10.960 .000 .907 1.103 CNTT .316 .035 .318 8.986 .000 .882 1.134
Nhìn vào bảng kết quả hồi quy ta thấy hệ số Sig của 5 nhân tố độc lập Trình độ nhân lực kế toán; Chế độ chính sách nhà nƣớc; Quy trình công tác kế toán; Mức độ công bố thông tin; Ứng dụng công nghệ thông tin đều < 5% và hệ số phóng đại phƣơng sai VIF rất thấp (<2) điều này chứng tỏ hiện tƣợng đa cộng tuyến không xảy ra với các biến độc lập.
Phương trình hồi quy:
CLTT = 0.333TĐNL + 0.430CSNN + 0.373QTCT + 0.382CBTT + 0.318CNTT
Để so sánh mức độ ảnh hƣởng từng nhân tố độc lập đối với chất lƣợng thông tin trên báo cáo tài chính của BHXH tỉnh Bình Định ta căn cứ vào hệ số Beta chuẩn hóa. Theo đó, nhân tố nào có trọng số Beta chuẩn hóa càng lớn có nghĩa là nhân tố đó ảnh hƣởng càng mạnh đến biến phụ thuộc. Ta thấy, ở phƣơng trình hồi quy, trong 5 nhân tố ảnh hƣởng CLTT thì nhân tố Chế độ chính sách nhà nƣớc ảnh hƣởng mạnh nhất đến CLTT với Beta = 0.430; nhân tố Mức độ công bố thông tin ảnh hƣởng mạnh thứ hai với hệ số Beta = 0.382; nhân tố Quy trình công tác kế toán ảnh hƣởng mạnh thứ ba với hệ số Beta = 0.373; nhân tố tiếp theo Trình độ nhân lực kế toán ảnh hƣởng thứ tƣ với hệ số Beta = 0.333; nhân tố Ứng dụng công nghệ thông tin ảnh hƣởng thấp nhất với hệ số Beta = 0.318.
3.5.2. Kiểm định giả thiết về ý nghĩa của hệ số hồi quy
Có 5 nhân tố đƣợc đề xuất trong mô hình, và có 5 nhân tố có mối quan hệ tuyến tính với CLTT. Vì vậy, cần thiết phải kiểm định giả thuyết về ý nghĩa của các hệ số hồi quy này để đi đến kết luận mối quan hệ và mức độ tác động của các nhân tố trên.
Giả thuyết:
H0 là: β1 = β2 = β3 = β4 = β5 =0 H1 là: β1 = β2 = β3 = β4 = β5 ≠ 0 Với mức ý nghĩa α = 5%
trị t tƣơng ứng với sig < 0.05.Vì vậy, bác bỏ giả thuyết H0 và kết luận rằng các biến độc lập Trình độ nhân lực kế toán; Chế độ chính sách nhà nƣớc; Quy trình công tác kế toán; Mức độ công bố thông tin; Ứng dụng công nghệ thông tin có quan hệ tuyến tính với biến phụ thuộc chất lƣợng thông tin trên báo cáo tài chính của BHXH tỉnh Bình Định.
3.5.3 Kiểm định hiện tượng đa cộng tuyến
Cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau.Vấn đề của hiện tƣợng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin giống nhau rất khó tách rời ảnh hƣởng của từng biến độc lập đến biến phụ thuộc. Nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hƣớng kém ý nghĩa hơn khi không có đa cộng tuyến. Để dò tìm hiện tƣợng đa cộng tuyến ta phải tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phƣơng sai VIF (Variance inflation factor- VIF).
Kết quả đo lƣờng ta thấy độ chấp nhận của biến khá cao, tuy nhiên hệ số phóng đại phƣơng sai VIF rất thấp (<2), điều này chứng tỏ hiện tƣợng đa cộng tuyến không xảy ra với các biến độc lập (bảng 3.18)
3.5.4 Kiểm định về phân phối chuẩn của phần dư
Mô hình hồi quy tuyến tính chỉ thực sự phù hợp với các dữ liệu quan sát khi phần dƣ có phân phối chuẩn với trung bình bằng 0 và phƣơng sai không đổi. Cách này thực hiện bằng cách xây dựng biểu đồ Histogram và biểu đồ P– P Plot.
Kết quả trong biểu đồ tần số Histogram cho thấy một đƣơng cong phân phối chuẩn đặt chồng lên biểu đồ tần số. Với độ lệch chuẩn Std.Dev = 0,986 và Mean = 0 (phụ lục), ta có thể kết luận rằng, giả thiết phân phối chuẩn có phần dƣ không bị vi phạm. Để củng cố cho kết luận này, chúng ta xem thêm biểu đồ P-P Plot của phần dƣ chuẩn hóa, các điểm quan sát không phân tán xa đƣờng chéo kỳ vọng, nên ta có thể kết luận giả thuyết phân phối chuẩn của phần dƣ không bị vi phạm.
3.5.5 Kiểm định về tính độc lập của phần dư
Đại lƣợng thống kê Durbin- Waston (d) có thể dùng để kiểm định tƣơng quan của các sai số liên quan.
Giả thuyết H0: Hệ số tƣơng quan tổng thể của các phần dƣ = 0.
Đại lƣợng d có giá trị biến thiên từ 0 đến 4. Nếu các phần dƣ không có tƣơng quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2. Kết quả cho thấy d đƣợc chọn rơi vào miền chấp nhận giả thuyết không có tƣơng quan chuỗi bậc nhất (d = 1.951 gần bằng 2) (bảng 3.18). Do vậy, giả định về tính độc lập của sai số không bị vi phạm.
Bảng 3.18: Kết quả chạy Durbin-Watson
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .901a .813 .807 .16134 1.951 a. Predictors: (Constant), CNTT, CSNN, TĐNL, QTCT, CBTT b. Dependent Variable: CLTT
3.5.6 Kiểm tra các giả định mô hình hồi quy bội
Kiểm tra các giả định sau:
- Phƣơng sai của sai số (phần dƣ) không đổi. - Các phần dƣ có phân phối chuẩn.
- Không có mối tƣơng quan giữa các biến độc lập.
Nếu các giả định này bị vi phạm thì các ƣớc lƣợng không đáng tin cậy nữa (Hoàng Trọng - Mộng Ngọc, 2008).
Hình 3.1: Đồ thị phân tán giữa giá trị dự đoán và phần dƣ từ hồi quy
(Nguồn: phụ lục kết quả nghiên cứu) Hình 3.1 cho thấy các phần dƣ phân tán ngẫu nhiên quanh trục O (là quanh giá trị trung bình của phần dƣ) trong một phạm vi không đổi. Điều này có nghĩa là phƣơng sai của phần dƣ không đổi.
3.5.6.2 Kiểm tra giả định các phần dư có phân phối chuẩn
Phần dƣ có thể không tuân theo phân phối chuẩn vì những lý do nhƣ sử dụng sai mô hình, phƣơng sai không phải là hằng số, số lƣợng các phần dƣ không đủ nhiều để phân tích… (Hoàng Trọng - Mộng Ngọc, 2008). Biểu đồ tần số (Histogram, Q-Q plot, P-P plot) của các phần dƣ (đã đƣợc chuẩn hóa) đƣợc sử dụng để kiểm tra giả định này.
Hình 3.2: Đồ thị P-P Plot của phần dƣ – đã chuẩn hóa
(Nguồn: phụ lục kết quả nghiên cứu)
Kết quả từ biểu đồ tần số P-P plot cho thấy các điểm phân tán xung quanh đƣợc kỳ vọng. Cũng cho thấy giả định phân phối chuẩn của phần dƣ không bị vi phạm.
Hình 3.3: Đồ thị Histogram của phần dƣ – đã chuẩn hóa
(Nguồn: phụ lục kết quả nghiên cứu)
Kết quả từ biểu đồ tần số Histogram của phần dƣ cho thấy, phân phối của phần dƣ xấp xỉ chuẩn (trung bình Mean lệch với 0 vì số quan sát khá lớn, độ lệch chuẩn Std. Dev = 0.986). Điều này có nghĩa là giả thuyết phân phối chuẩn của phần dƣ không bị vi phạm.
3.6. Bàn luận kết quả nghiên cứu
Giả thuyết H1: Nhân tố “Trình độ nhân lực kế toán” có tác động tích cực đến chất lƣợng thông tin trên báo cáo tài chính của BHXH tỉnh Bình Định. Kết quả phân tích dữ liệu cho thấy trọng số β = 0.333> 0, nhƣ vậy, chấp nhận giả thuyết H1. Thực tế thì chính con ngƣời – NVKT đóng vai trò quan trọng trong việc cung cấp các TT
trên BCTC của các đơn vị, con ngƣời đóng vai trò chủ đạo trong việc nhập dữ liệu và xử lý dữ liệu để từ đó cung cấp các TTKT cho các đối tƣợng sử dụng thông tin, do đó, NVKT có trình độ chuyên môn, đƣợc huấn luyện, cập nhật kiến thức, đạo đức và kinh nghiệm sẽ góp phần quan trọng trong việc nâng cao CLTT trên BCTC của BHXH tỉnh Bình Định. Kết luận này phù hợp với kết quả nghiên cứu của Xu & ctg (2003), Võ Thị Thúy Kiều (2019).
Giả thuyết H2: Nhân tố “Chế độ chính sách nhà nƣớc” có tác động tích cực