7. Kết cấu của luận văn
2.3.3. Xử lý và phân tích dữ liệu
Sau khi đƣợc thu thập, các bảng trả lời đƣợc kiểm tra và loại đi những bảng không đạt yêu cầu. Sau đó chúng đƣợc mã hóa, nhập liệu, làm sạch dữ liệu bằng SPSS for Window 10. Với phần mềm SPSS 22.0, thực hiện phân tích dữ liệu thông qua các công cụ nhƣ thống kê mô tả, bảng tần số, kiểm định độ tin cậy của các thang đo, phân tích khám phá, hồi quy, phân tích sâu ANOVA, cụ thể nhƣ sau:
Kiểm định độ tin cậy của các thang đo
Đối với thang đo trực tiếp, để đo lƣờng độ tin cậy thì chỉ số độ thống nhất nội tại thƣờng đƣợc sử dụng chính là hệ số Cronbach’s Alpha (nhằm xem xét liệu các câu hỏi trong thang đo có cùng cấu trúc hay không). Hệ số Cronbach’s Alpha càng lớn thì độ nhất quán nội tại càng cao. Sử dụng phƣơng pháp hệ số tin cậy Cronbach’s Alpha trƣớc khi phân tích nhân tố khám phá EFA để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
38
với nhau hay không nhƣng không cho biết các biến nào cần phải loại bỏ và biến nào cần đƣợc giữ lại. Do đó, kết hợp sử dụng hệ số tƣơng quan biến – tổng để loại ra những biến không đóng góp nhiều cho khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang đo gồm:
Hệ số tin cậy Cronbach’s Alpha: Lớn hơn 0,8 là thang đo lƣờng tốt; từ 0,7 đến 0.8 là sử dụng đƣợc; từ 0,6 trở lên là có thể sử dụng trong trƣờng hợp khái niệm nghiên cứu là mới hoặc là mới trong hoàn cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Trong nghiên cứu này, tác giả chọn thang đo có độ tin cậy là từ 0,6 trở lên.
Hệ số tƣơng quan biến – tổng: Các biến quan sát có tƣơng quan biến – tổng nhỏ (nhỏ hơn 0,3) đƣợc xem là biến rác thì sẽ đƣợc loại ra và thang đo đƣợc chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu.
Phân tích nhân tố khám phá EFA
Phân tích nhân tố đƣợc dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính (gọi là các nhân tố) dùng trong phân tích, kiểm định tiếp theo. Các nhân tố đƣợc rút gọn này sẽ có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá đƣợc dùng để kiểm định giá trị khái niệm của thang đo.
Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA: Phƣơng pháp: Đối với thang đo đa hƣớng, sử dụng phƣơng pháp trích yếu tố là Principal Axis Factoring với phép quay Promax và điểm dừng khi trích các yếu tố EigenValues lớn hơn hoặc bằng 1. Phƣơng pháp này đƣợc cho rằng sẽ phản ánh dữ liệu tốt hơn khi dùng Principal Components với phép quay Varimax (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). Đối với thang đo đơn hƣớng thì sử dụng phƣơng pháp trích nhân tố Principal Components. Thang đo chấp nhận đƣợc khi tổng phƣơng sai trích đƣợc bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
39
Tiêu chuẩn: Hệ số tải nhân tố phải lớn hơn hoặc bằng 0,5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: Lớn hơn 0,3 là mức tối thiểu chấp nhận đƣợc; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: Cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0,3; nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0,75.
Từ cơ sở lý thuyết trên, tác giả tiến hành thực hiện theo các bƣớc sau:
Trƣớc tiên, tác giả xác định đối với các nhân tố ảnh hƣởng đến tính hữu hiệu của hệ thống kiểm soát nội bộ tại BHXH tỉnh Bình Định đều là các thang đo đơn hƣớng, nghĩa là các nhân tố này tác động một chiều đến biến phụ thuộc và không có chiều ngƣợc lại nên tác giả sẽ sử dụng phƣơng pháp trích nhân tố Principal Components với phép quay Varimax và điểm dừng khi trích các yếu tố có EigenValues lớn hơn 1.
Sau đó tiến hành thực hiện kiểm định các yêu cầu liên quan gồm:
- Kiểm định Barlett: Các biến quan sát có tƣơng quan với nhau trong tổng thể.
- Xem xét trị số KMO: Nếu KMO trong khoảng từ 0,5 – 1 thì phân tích nhân tố là thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Để phân tích EFA có giá trị thực tiễn, tiến hành loại các biến quan sát có hệ số tải nhân tố nhỏ hơn 0,5.
- Xem lại thông số EigenValues (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố) có giá trị lớn hơn 1.
- Xem xét tổng phƣơng sai trích (yêu cầu lớn hơn hoặc bằng 50%): Cho biết các nhân tố đƣợc trích giải thích % sự biến thiên của các biến quan sát.
Phân tích hồi quy đa biến
- Phân tích tương quan: Các thang đo đã qua đánh giá đạt yêu cầu đƣợc đƣa
vào phân tích tƣơng quan Pearson. Phân tích tƣơng quan Pearson đƣợc thực hiện giữa các biến phụ thuộc và biến độc lập nhằm khẳng định mối liên hệ tuyến tính giữa các biến này và khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp.
40
Hệ số tƣơng quan Pearson (r) có giá trị trong khoảng (-1,+1). Giá trị tuyệt đối của r càng tiến đến 1 khi hai biến có mối tƣơng quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra rằng hai biến không có quan hệ tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Phân tích hồi quy đa biến: Sau khi kết luận hai biến có mối quan hệ tuyến
tính với nhau thì có thể mô hình hóa mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Nghiên cứu thực hiện hồi quy đa biến theo phƣơng pháp Enter: tất cả các biến đƣợc đƣa vào một lần và xem xét các kết quả thống kê liên quan.
Kiểm định giả thuyết: Quá trình kiểm định giả thuyết đƣợc thực hiện theo các bƣớc sau:
- Đánh giá độ phù hợp của mô hình hồi quy đa biến thông qua R2 và R2 hiệu chỉnh.
- Kiểm định giả thuyết về độ phù hợp của mô hình.
- Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.
- Kiểm định giả thuyết về phân phối chuẩn của phần dƣ: dựa theo biểu đồ tần số của phần dƣ chuẩn hóa; xem giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1.
- Kiểm tra giả định về hiện tƣợng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tƣợng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Xác định mức độ ảnh hƣởng của các nhân tố đến tính hữu hiệu của hệ thống kiểm soát nội bộ tại BHXH tỉnh Bình Định: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hƣởng cao hơn các yếu tố khác trong mô hình nghiên cứu.
Phân tích hồi quy tuyến tính theo phƣơng trình hồi quy
HTKSNB = β0 + β1 MTKS + β2 DGRR + β3 HDKS + β4 TTTT + β5 GS + β6 CNTT + ε
41
Trong đó:
HTKSNB: Biến phụ thuộc (Tính hữu hiệu của hệ thống kiểm soát nội bộ tại BHXH tỉnh Bình Định)
Các biến độc lập:
- MTKS: Môi trƣờng kiểm soát - DGRR: Đánh giá rủi ro
- HDKS: Hoạt động kiểm soát - TTTT: Thông tin truyền thông - GS: Giám sát
- CNTT: Công nghệ thông tin
- β0, β1, … β6: Các tham số của mô hình. - ε: Hệ số nhiễu.