7. Tổng quan tài liệu nghiên cứu
3.2. PHÂN TÍCH TƢƠNG QUAN BIẾN VÀ KIỂM ĐỊNH PHÂN PHỐ
CHUẨN CỦA CÁC BIẾN
Trƣớc khi tiến hành phân tích hồi quy logit đa thức, tác giả tiến hành kiểm định mối tƣơng quan các biến phụ thuộc và các biến độc lập, cũng nhƣ mối tƣơng quan giữa các biến độc lập với nhau và đồng thời kiểm định phân phối chuẩn của các biến trong mô hình
3.2.1. P ân tí mố qu n ệ tƣơng qu n g ữ b ến p ụ t uộ và từng b ến độ lập
Bảng 3.4. Mối quan hệ tương quan giữa biến phụ thuộc và biến độc lập định tính. Tình trạng lợi nhuận Loại công ty kiểm toán
Thay đổi công ty kiểm toán Tiền sử thực hiện hành vi gian lận Không bị lỗ trong năm trƣớc Lỗ trong năm trƣớc Không thuộc nhóm Big4 Thuộc nhóm Big4 Không thay đổi công ty kiểm toán Thay đổi công ty kiểm toán Không có gian lận năm trƣớc Có gian lận năm trƣớc FRAUD Không có sai phạm 34 4 6 32 31 7 32 6 Row% 54% 10.8% 10.7% 72.7% 70.5% 12.5% 76.2% 10.3% Khai khống 3 31 28 6 7 27 5 29 Row% 4.8% 83.8% 50% 13.6% 15.9% 48.2% 11.9% 50% Khai thiếu 26 2 22 6 6 22 5 23 Row% 41.3% 5.4% 39.3% 13.6% 13.6% 39.3% 11.9% 39.7% Total 63 37 56 44 44 56 42 58 Sig .664 .000 .000 .000
Để xem xét mối quan hệ tƣơng quan giữa biến phụ thuộc và biến độc lập định tính, tác giả sử dụng bảng Cross-tabs thống kê và nhận xét mối quan hệ, cụ thể, kết quả đƣợc thể hiện ở bảng 3. 4.
Kết quả ở bảng 3.4 cho thấy, nhìn chung, mối quan hệ giữa từng nhóm biến độc lập đến các biến phụ thuộc có sự tƣơng đồng, chỉ có khác biệt ở biến độc lập tình trạng lợi nhuận ở năm trƣớc với số lƣợng khai khống và khai thiếu thống kê là khác biệt nhau và khác so với các biến độc lập còn lại. Trong khi đó, số lƣợng các công ty có sai phạm trọng yếu theo hƣớng khai khống và khai thiếu có nét giống nhau ở các nhóm biến độc lập là loại công ty kiểm toán, thay đổi công ty kiểm toán và tiền sử BCTC có sai phạm trọng yếu, cụ thể, loại công ty kiểm toán không thuộc nhóm Big4 hay việc thay đổi công ty kiểm toán và tình trạng xảy ra gian lận năm trƣớc liền kề là khá tƣơng đồng về số lƣợng giữa sai phạm theo hƣớng khai khống và khai thiếu.
Từ bảng 3.4, có thể thấy rằng, các biến có mối tƣơng quan khá mạnh đến sai phạm trọng yếu ngoại trừ biến tình trạng lợi nhuận ở năm trƣớc (sig. >0.05). Các biến độc lập còn lại là loại công ty kiểm toán, thay đổi công ty kiểm toán, tiền sử BCTC có sai phạm trọng yếu đều có ảnh hƣởng đến biến phụ thuộc FRAUD với sig đều nhỏ hơn 0.05.
Tiếp đến để kiểm định mối quan hệ tƣơng quan giữa biến phụ thuộc với từng biến độc lập định lƣợng, tác giả sử dụng kiểm định One-way Anova từng biến độc lập với biến phụ thuộc. Kết quả kiểm định đƣợc thể hiện ở bảng 3.5 dƣới đây.
Bảng 3.5. Kiểm định mối tương quan giữa biến phụ thuộc và biến độc lập định tính Biến độc lập Mean Sig. Không có sai phạm trọng yếu
Khai khống Khai thiếu
Tốc độ tăng trƣởng tài sản
bình quân 0.0765 0.0150 0.0395 0.321
Vòng quay vốn 4.2394 4.0800 3.7483 0.194
Tỷ suất sinh lời trên tài sản 8.3394 2.5843 3.4340 0.024
Đòn cân nợ 48.9660 39.3538 41.1817 0.198
Sở hữu nhà nƣớc 14.7013 15.2574 9.2575 0.545
HĐQT độc lập Ban giám đốc 58.2368 43.2059 63.8929 0.000
Quy mô doanh nghiệp 28.4377 26.9051 27.5415 0.000
Từ kết quả của bảng 3.5, ta có thể thấy rằng, đối với biến tốc độ tăng trƣởng tài sản bình quân, có sự khác biệt về giá trị trung bình của các biến, cụ thể, giá trị khai thiếu là cao hơn gấp đôi so với khai khống nhƣng lại thấp hơn một nửa so với không có sai phạm. Điều này ngƣợc lại với giả thuyết ban đầu và cho rằng công ty tốc độ tăng trƣởng tài sản bình quân cao thì khả năng khai thiếu càng nhiều. Tuy nhiên, mối quan hệ này lại không có ý nghĩa thống kê (sig > 0.05).
Đối với vòng quay vốn, giá trị trung bình giữa không có sai phạm, khai khống và khai thiếu khá cân bằng nhau, tuy nhiên giá trị khai khống vẫn cao hơn so với khai thiếu. Có thể nói rằng, vòng quay vốn cao hơn thì khả năng BCTC có khả năng lợi nhuận bị khai khống cao hơn. Tuy nhiên, mối quan hệ này cũng không có ý nghĩa thống kê (sig > 0.05).
cao hơn so với khai khống nhƣng lại nhỏ hơn nhiều so với không có sai phạm. Điều này góp phần nhấn mạnh giả thuyết nghiên cứu, khi công ty có ROA cao thì khả năng khai khống lợi nhuận càng thấp hay có thể hiểu rằng ROA càng thấp thì khả năng khống lợi nhuận càng cao. Mối quan hệ này mang ý nghĩa thống kê (sig < 0.05).
Giá trị trung bình của đòn cân nợ của nhóm khai thiếu thấp hơn so với nhóm không có sai phạm nhƣng lại cao hơn so với nhóm khai khống. Có thể nói rằng, đòn cân nợ cao thì khả năng khai thiếu sẽ cao hơn. Tuy nhiên, mối quan hệ này lại không có ý nghĩa thống kê (sig > 0.05).
Tƣơng tự nhƣ vậy, biến sở hữu nhà nƣớc dù không có ý nghĩa thống kê (sig > 0.05) nhƣng cũng phần nào nói lên đƣợc sự tƣơng quan thuận chiều giữa khai khống và mức độ sở hữu của nhà nƣớc trong doanh nghiệp.
Cuối cùng, HĐQT độc lập Ban Giám đốc và quy mô doanh nghiệp có ý nghĩa thống kê (sig <0.05) với biến phụ thuộc và cho rằng khi tỷ lệ số thành viên HĐQT độc lập Ban giám đốc và quy mô doanh nghiệp ngày càng tăng lên thì càng có ít hơn số công ty sai phạm trọng yếu theo hƣớng khai khống lợi khuận.
3.2.2. K ểm địn tƣơng qu n g ữ á b ến độ lập
Phân tích tƣơng quan là thƣớc đo độ lớn của các mối liên hệ giữa các biến định lƣợng trong nghiên cứu. Thông qua thƣớc đo này ngƣời nghiên cứu có thể xác định mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc, giữa các biến độc lập với nhau trong nghiên cứu. Nếu hệ số tƣơng quan khác 0 chứng tỏ các biến nghiên cứu có mối liên hệ, hệ số tƣơng quan dƣơng phản ánh mối quan hệ cùng chiều và tƣơng quan âm phản ánh mối quan hệ ngƣợc chiều.
Bảng 3.6. Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc và giữa các biến độc lập với nhau
ACHANGE SATA ROA LEV LOSS STOWN BODT AUDSIZE AUDCHA RST LogSIZE
ACHANGE 1 Ln_SATA -.052 1 ROA .056 .196 1 LEV .186 .056 -.246* 1 LOSS -.036 .000 -.157 -.190 1 Ln_STOWN -.308** .115 -.056 .054 .063 1 BODT .041 -033 .066 -.005 -.459 -.074 1 AUDSIZE .047 .043 .197* .085 -.262 .133 .106 1 AUDCHA -.258** -137 -.024 -.206 .262 .042 -.198 -.351 1 RST -.107 -.162 .248* -.096 .316 -.055 -.030 -.389 .389 1 LogSIZE .298** .045 .248* .198 -.217 -.001 .130 .410 -.327 -.224 1
*. Correlation is significant at the 0.05 level (2-tailed). **. Correlation is significant at the 0.01 level (2-tailed).
Nhìn vào bảng bảng 3.6, có thể thấy các biến trong mô hình có quan hệ với nhau. Mang giá trị lớn nhất với sự tƣơng quan mạnh mẽ nhất là cặp quan hệ giữa tình trạng lợi nhuận (LOSS) và Mức độ độc lập của Hội đồng quản trị (BODT). Ngoài ra còn phải kể đến mối quan hệ giữa loại công ty kiểm toán (AUDSIZE) và quy mô doanh nghiệp (LogSIZE), loại công ty kiểm toán (AUDSIZE) và Tiền sử BCTC có sai phạm trọng yếu (RST), thay đổi công ty kiểm toán (AUDCHA) và Tiền sử BCTC có sai phạm trọng yếu (RST)... Ngoài các cặp biến có quan hệ tƣơng quan vẫn có một số cặp biến không có hiện tƣợng này. Trị tuyệt đối của hệ số tƣơng quan nằm trong khoảng từ 0.000 đến 0.459 là chƣa thật sự cao. Tuy nhiên, để kiểm định chắc chắn mô hình có ý nghĩa hay không thì bƣớc tiếp theo đề tài sẽ là kiểm định đa cộng tuyến để chắc chắn mô hình đƣợc xây dựng không có hiện tƣợng đa cộng tuyến, nghiên cứu đƣa ra bảng 3.7 để tiến hành kiểm định đa cộng tuyến của mô hình.
Bảng 3.7. Kiểm định đa cộng tuyến
Model Collinearity Statistics
Tolerance VIF ACHANGE .755 1.325 SATA .895 1.117 ROA .738 1.355 LEV .779 1.284 LOSS .638 1.566 STOWN .845 1.184 BODT .744 1.345 AUDSIZE .684 1.461 AUDCHA .680 1.470 RST .685 1.460 LogSize .682 1.467
Các giá trị Tolerance đều khá cao, từ 0.638 đến 0.895 cho thấy mức độ chấp nhận của biến là tốt và thể hiện một độ phù hợp tốt của tổ hợp kết hợp tuyến tính của các biến trong mô hình. Hơn nữa hệ số phóng đại phƣơng sai VIF đều khá nhỏ và nhỏ hơn 10 cho thấy không tồn tại hiện tƣợng đa cộng tuyến giữa các biến độc lập với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
3.2.3. K ểm địn p ân p ố uẩn
Điều kiện đối với các biến trong mô hình để có thể thực hiện phân tích hồi quy là các biến phải có phân phối chuẩn, do đó, việc kiểm định phân phối chuẩn rất quan trọng. Để thực hiện kiểm tra tính phân phối của các biến, tác giả sử dụng phƣơng pháp dựng đồ thị Histogram. Dựa vào đồ thị với các đƣờng phân phối “hình chuông”, có thể kết luận biến có phân phối chuẩn hay không. Kết quả phân tích đƣợc trình bày trong phụ lục 4, với các biến ACHANGE, ROA, LEV, LOSS, BODT, AUDSIZE, AUDCHA, RST có phân phối chuẩn, trong khi đó, các biến SATA, STOWN, SIZE không có phân phối chuẩn nên đƣợc biến đổi bằng cách lấy logarit (đối với biến SIZE) hoặc lấy Ln (đối với 2 biến còn lại). Bằng cách này, các biến SATA, STOWN, SIZE đã có phân phối chuẩn với tên mới đƣợc trình bày là Ln_SATA, Ln_STOWN, LogSIZE.
3.3. PHÂN TÍCH HỒI QUY LOGITIC ĐA THỨC
Nghiên cứu thực hiện các hồi quy logistic đa biến (multinomial logistic regression) dựa trên dữ liệu thu thập đƣợc của các biến, các kết quả nhận đƣợc nhƣ sau:
Bảng 3.8. Độ phù hợp của mô hình
Model Model Fitting Criteria Likelihood Ratio Tests -2 Log Likelihood Chi-Square df Sig. Intercept Only 218.182
Final 39.093 179.088 22 .000
Kết quả từ bảng 3.8 cho biết mức độ phù hợp của mô hình hồi quy. Xem xét trị số -2 Log Likelihood, giá trị này càng nhỏ chứng tỏ mô hình càng phù hợp. Ở đây giá trị -2 Log Likelihood có giá trị bằng 39.093, giá trị này cho thấy mô hình có mức độ phù hợp khá tốt.
Bảng 3.9. Mức độ phù hợp của mô hình bằng Pseudo R-Square
Cox and Snell .833
Nagelkerke .939
McFadden .821
Kết quả từ bảng 3.9 thể hiện mức độ phù hợp của mô hình bằng trị số pseudo R2. Tại đây giá trị này đƣợc thể hiện kết quả bằng 3 cách tính R2
từ 3 tác giả khác nhau, tuy nhiên đối với cách tính nào thì R2
cũng lớn hơn 80%. Do đó, có thể nói rằng dữ liệu trong mô hình hồi quy giải thích đƣợc trên 80% độ biến thiên của dữ liệu trong thực tế.
Ngoài ra, kết quả từ phân tích mô hình hồi quy Multinominal Logistic còn kiểm định mức độ tƣơng quan bằng hệ số Chi-Square.
Bảng 3.10. Mức độ tương quan bằng hệ số Chi-Square
Effect
Model Fitting Criteria Likelihood Ratio Tests -2 Log Likelihood of
Reduced Model Chi-Square df Sig.
Intercept 39.093a .000 0 . ACHANGE 39.375 .282 2 .869 Ln_SATA 41.756 2.663 2 .264 ROA 42.803 3.709 2 .157 LEV 41.471 2.377 2 .305 Ln_STOWN 39.726 .633 2 .729 BODT 57.295 18.202 2 .000 LogSIZE 49.175 10.082 2 .006 LOSS 76.956 37.862 2 .000 AUDSIZE 54.752 15.659 2 .000 AUDCHA 49.645 10.552 2 .005 RST 60.158 21.064 2 .000
Bảng 3.10 thể hiện kết quả từ việc kiểm tra mức độ tƣơng quan đơn thông qua hệ số Chi-Square giữa những biến độc lập đối với biến phụ thuộc. Có thể nhận thấy rằng các biến có ảnh hƣởng rõ ràng đến biến độc lập là LOSS, RST, BODT, AUDSIZE, AUDCHA, LogSIZE. Những biến này có trị số Chi-Square khá cao, với hệ số Chi-Square lần lƣợt là 37.862, 21.064, 18.202, 15.659, 10.552, 10.082, cho thấy các biến này có mối tƣơng quan lớn đến biến phụ thuộc. Đi sâu vào phân tích mô hình hồi quy tổng thể, ta xem bảng 3.11 - Ƣớc lƣợng tham số - Parameter Estimates:
Bảng 3.11. Ước lượng tham số
FRAUDa B Std. Error Wald df Sig. Exp(B)
95% Confidence Interval for Exp(B)
Lower
Bound Upper Bound
1 Intercept 72.027 34.081 4.466 1 .035 ACHANGE -.786 7.523 .011 1 .917 .456 1.801E-007 1153763.254 Ln_SATA .251 1.139 .049 1 .826 1.285 .138 11.971 ROA -.366 .215 2.913 1 .088 .693 .455 1.056 LEV -.060 .043 1.907 1 .167 .942 .865 1.025 STOWN .033 .043 .594 1 .441 1.034 .950 1.125 BODT -.277 .121 5.218 1 .022 .758 .598 .961 LogSize -1.895 1.078 3.088 1 .079 .150 .018 1.244 [LOSS=.00] -4.212 2.276 3.425 1 .064 .015 .000 1.282 [LOSS=1.00] 0b . . 0 . . . .
FRAUDa B Std. Error Wald df Sig. Exp(B)
95% Confidence Interval for Exp(B)
Lower
Bound Upper Bound
[AUDSIZE=1.00] 0b . . 0 . . . . [AUDCHA=.00] -1.022 2.239 .208 1 .648 .360 .004 28.986 [AUDCHA=1.00] 0b . . 0 . . . . [RST=.00] -9.871 3.618 7.445 1 .006 5.167E-005 4.305E-008 .062 [RST=1.00] 0b . . 0 . . . . 2 Intercept 63.430 28.370 4.999 1 .025 ACHANGE 2.039 5.561 .134 1 .714 7.679 .000 415690.678 Ln_SATA -.791 .568 1.941 1 .164 .453 .149 1.380 ROA -.139 .140 .989 1 .320 .870 .662 1.144 LEV -.038 .033 1.282 1 .257 .963 .903 1.028 STOWN .006 .027 .044 1 .833 1.006 .954 1.060 BODT -.002 .047 .002 1 .962 .998 .910 1.094
FRAUDa B Std. Error Wald df Sig. Exp(B)
95% Confidence Interval for Exp(B)
Lower
Bound Upper Bound
[LOSS=.00] 4.480 2.904 2.380 1 .123 88.246 .298 26155.457 [LOSS=1.00] 0b . . 0 . . . . [AUDSIZE=.00] 4.252 1.704 6.227 1 .013 70.260 2.490 1982.167 [AUDSIZE=1.00] 0b . . 0 . . . . [AUDCHA=.00] -4.353 1.706 6.513 1 .011 .013 .000 .364 [AUDCHA=1.00] 0b . . 0 . . . . [RST=.00] -4.529 1.973 5.271 1 .022 .011 .000 .515 [RST=1.00] 0b . . 0 . . . .
a. The reference category is: .00.
Từ kết quả ở bảng 3.11, kết quả từ mô hình 1 và mô hình 2 giải thích đƣợc các nhân tố nào ảnh hƣởng đến các sai phạm trọng yếu theo hƣớng khai khống và khai thiếu trên BCTC.
Đối với trƣờng hợp khai khống, các nhân tố ảnh hƣởng đến sai phạm trọng yếu theo kết quả phân tích là BODT, AUDSIZE, RST (sig < 0.05), LOSS, ROA và LogSIZE (sig <0.1).
Đối với trƣờng hợp sai phạm trọng yếu trên BCTC theo hƣớng khai thiếu, các nhân tố có ý nghĩa đối với mô hình là AUDSIZE, AUDCHA, RST và LogSIZE (sig < 0.05).
Kết quả cụ thể của mô hình hồi quy đa biến với từng nhân tố đƣợc thống kê nhƣ sau:
Tố độ tăng trƣởng tà sản bìn quân (ACHANGE)
Kết quả thực nghiệm ở trên cho thấy tốc độ tăng trƣởng tài sản bình quân không có ý nghĩa đối với mô hình (sig > 0.1). Có thể, điều này nói lên rằng giai đoạn tăng trƣởng tài sản không ảnh hƣởng đến hành vi điều chỉnh lợi nhuận, hoặc cũng có thể, nhà đầu tƣ hoặc cổ đông không chú tâm quá lớn vào tình hình tăng trƣởng của một công ty để ra quyết định đầu tƣ hoặc điều chỉnh chính sách. Dù cho những nghiên cứu trƣớc đây của các tác giả trong và ngoài nƣớc đều cho rằng nhân tố tốc độ tăng trƣởng tài sản bình quân đƣợc cho là có ảnh hƣởng đến sai phạm trọng yếu theo chiều hƣớng nếu tốc độ tăng trƣởng tài sản bình quân tăng lên thì theo đó sai phạm theo hƣớng khai khống cũng tăng lên. Tuy nhiên kết quả thực nghiệm từ mô hình hồi quy đa biến dù không có ý nghĩa với mô hình nhƣng chiều ảnh hƣởng của tốc độ tăng trƣởng tài sản lại cho thấy điều ngƣợc lại, khi tốc độ tăng trƣởng tăng lên thì khai khống sẽ ít đi còn khai thiếu sẽ tăng lên. Có thể, chiều hƣớng này đang đi kèm với các vấn đề về thuế mà doanh nghiệp đang nhắm đến. Với kết quả này, giả thuyết H1a và H1b hoàn toàn bị bác bỏ.
Vòng qu y vốn (SATA)
Theo kết quả từ mô hình hồi quy đa biến ở bảng 3.11, với các giá trị sig cho mô hình 1 và 2 lần lƣợt là 0.826 và 0.164 lớn hơn rất nhiều so với 0.1, điều này cho thấy rõ ràng nhân tố này không có ý nghĩa với mô hình và ít tác