CHƢƠNG 2 : THIẾT KẾ NGHIÊN CỨU
2.3. THU THẬP DỮ LIỆU
2.3.3. Xử lý dữ liệu
a. Thống kê mô tả
Thống kê mô tả đƣợc sử dụng để so sánh mức độ vận dụng các công cụ dự toán cũng nhƣ mức độ hữu ích của các công cụ dự toán. Kiểm định T-test và ANOVA đƣợc sử dụng để kiểm định sự khác biệt trong việc vận dụng công cụ lập dự toán của các nhóm đối tƣợng khác nhau. Mô hình hồi quy tuyến tính bội đƣợc sử dụng để đánh giá ảnh hƣởng của các nhân tố đến việc vận dụng công cụ lập dự toán.
Tác giả sử dụng giá trị trung bình (mean) về mức độ vận dụng và mức độ lợi ích cảm nhận (thang đo likert 5 mức độ với 1 đến 5) đánh giá DN theo quy mô, theo thời gian hoạt động và theo lĩnh vực hoạt động để trả lời câu hỏi 1 “ Những công cụ nào trong nhóm các công cụ lập dự toán được áp dụng? Mức độ vận dụng và mức độ lợi ích cảm nhận của các công cụ trong các DN trên địa bàn thành phố Đà Nẵng như thế nào?”
Cụ thể:
Đánh giá về mức độ vận dụng
Theo quy mô DN: sử dụng giá trị trung bình (Mean) về mức độ vận dụng (thang đo likert 5 mức độ với 1 đến 5) và giá trị Sig để kiểm định đánh giá công cụ dự toán nào có mức độ vận dụng cao, công cụ dự toán nào ít đƣợc vận dụng ở 3 nhóm DN lớn, DN vừa, DN nhỏ.
Theo thời gian hoạt động: sử dụng giá trị trung bình (Mean) về mức độ vận dụng (thang đo likert 5 mức độ với 1 đến 5) và giá trị Sig để kiểm định đánh giá công cụ dự toán nào có mức độ vận dụng cao, công cụ dự toán nào ít đƣợc vận dụng ở 2 nhóm DN mới hoạt động, DN hoạt động lâu năm.
Theo lĩnh vực hoạt động: sử dụng giá trị trung bình về mức độ sử dụng (thang đo likert 5 mức độ với 1 đến 5) để đánh giá công cụ dự toán nào có
mức độ vận dụng cao, công cụ dự toán nào ít đƣợc vận dụng ở 4 nhóm lĩnh vực hoạt động: sản xuất, thƣơng mại, dịch vụ, khác.
Đánh giá về mức độ lợi ích cảm nhận
Tƣơng tự nhƣ đánh giá về mức độ sử dụng các công cụ lập dự toán, trong phần này tác giả cũng trình bày đánh giá ở cả ba lĩnh vực: theo quy mô, theo thời gian hoạt động, theo lĩnh vực hoạt động.
Nghiên cứu giả thuyết
H1: Mức độ sử dụng các công cụ lập dự toán khác nhau ở các quy mô DN.
Nghiên cứu này sử dụng ANOVA để kiểm định giả thuyết này. Kiểm định này dùng để kiểm định sự khác biệt về mức độ sử dụng trung bình (giá trị mean trong bảng số liệu) của 3 nhóm (nhóm DN lớn, DN vừa, DN nhỏ).
H2: Mức độ sử dụng các công cụ lập dự toán ở các DN mới hoạt động nhỏ hơn các DN hoạt động lâu năm.
Nghiên cứu này sử dụng kiểm định Independent t - test để kiểm định giả thiết này.
Các dạng giả thiết nhƣ sau: Hai phía
H0: 1= 2 (không có sự khác nhau giữa giá trị trung bình của hai nhóm) H1: 1 ≠ 2 (Có sự khác nhau giữa giá trị trung bình của hai nhóm)
- Nếu sig < mức ý nghĩa α=0.05, kết luận rằng với độ tin cậy (1- α), có đủ bằng chứng thống kê để bác bỏ giả thiết H0, chấp nhận giả thiết H1, có nghĩa là có sự khác biệt có ý nghĩa thống kê giữa giá trị trung bình của hai nhóm.
- Nếu sig ≥ α, kết luận rằng với độ tin cậy (1- α), chƣa có đủ cơ sở (bằng chứng) thống kê để bác bỏ giả thiết H0, do đó, đối với mẫu nghiên cứu này, chƣa có sự khác biệt có ý nghĩa về giá trị trung bình của hai nhóm
Bên phải
H0: 1 ≤ 2 (Giá trị trung bình của nhóm thứ nhất nhỏ hơn hoặc bằng giá trị trung bình của nhóm thứ hai)
H
1: 1 > 2 (Giá trị trung bình của nhóm thứ nhất lớn hơn giá trị trung bình của nhóm thứ hai)
Bên trái
H0: 1 ≥ 2 (Giá trị trung bình của nhóm thứ nhất lớn hơn hoặc bằng giá trị trung bình của nhóm thứ hai)
H1: 1 < 2 (Giá trị trung bình của nhóm thứ nhất nhỏ hơn giá trị trung bình của nhóm thứ hai)
SPSS không cung cấp kết quả kiểm định một phía, do đó, nếu bác bỏ đƣợc giả thiết H0 trong kiểm định hai phía, để rút ra kết luận cuối cùng là giá trị trung bình của nhóm nào cao hơn nhóm nào ta cần tiếp tục thực hiện theo cách sau:
Căn cứ vào giá trị trung bình của các mẫu để kết luận:
Nếu sig < mức ý nghĩa α= 0.05 và giá trị trung bình nhóm 1 < giá trị trung bình nhóm 2 => ta kết luận giá trị trung bình của nhóm 1 nhỏ hơn giá trị trung bình nhóm 2
Nếu sig < mức ý nghĩa α= 0.05 và giá trị trung bình nhóm 1 > giá trị trung bình nhóm 2 => ta kết luận giá trị trung bình của nhóm 1 lớn hơn giá trị trung bình nhóm 2
Để kiểm định giả thiết nghiên cứu H2, tác giả sử dụng kiểm định một phía (phía trái), với cặp giả thiết
H0: 1 ≥ 2 (Giá trị trung bình của nhóm thứ nhất (Dn mới hoạt động ) lớn hơn hoặc bằng giá trị trung bình của nhóm thứ hai (Dn hoạt động lâu năm)
H1: 1 < 2 (Giá trị trung bình của nhóm thứ nhất (Dn mới hoạt động) nhỏ hơn giá trị trung bình của nhóm thứ hai (Dn hoạt động lâu năm)
H3: Mức độ sử dụng các công cụ lập dự toán khác nhau ở các lĩnh vực hoạt động của DN.
Nghiên cứu này sử dụng ANOVA để kiểm định giả thuyết này. Kiểm định này dùng để kiểm định sự khác biệt về mức độ sử dụng trung bình (giá trị mean trong bảng số liệu) của 4 nhóm lĩnh vực hoạt động: sản xuất, thƣơng mại, dịch vụ, khác
b. Kiểm định tính chuẩn hóa
Phân phối chuẩn của dữ liệu nghiên cứu là một giả định cơ bản của phân tích đa biến (Hair và cộng sự, 2010). Để kiểm tra tính chuẩn hóa của dữ liệu, skewness và kurtosis đƣợc tính toán. Nếu trị số skewness là số dƣơng thì phân phối lệch về bên trái, và ngƣợc lại (Hair và cộng sự, 2010). Trị số Kurtosis đề cập đến độ cao hay thấp của phân phối so với phân phối chuẩn. Trị số kurtosis âm cho biết là phân phối thấp hơn, trong khi đó nếu trị số này dƣơng chứng tỏ phân phối cao hơn (Hair, 2010). Kline (2005) cho rằng nếu skewness nhỏ hơn 3 kurtosis nhỏ hơn 10 thì xem nhƣ dữ liệu không vi phạm giả định về phân phối chuẩn.
c. Kiểm định độ tin cậy của thang đo
Kiểm định Crobach’ Alpha là một kiểm định cho phép đánh giá mức độ tin cậy của việc thiết lập một biến tổng hợp, hay còn gọi là nhân tố trên cơ sở nhiều biến đơn (biến quan sát). Nói cách khác, kiểm định Cronbach’s Alpha cho phép đánh giá tính nhất quán của các biến quan sát (biến đơn), nghĩa là xem xét các biến quan sát (biến đơn) có đủ tin cậy để đại diện, và đo lƣờng cho biến tổng hợp (nhân tố) hay không.
Ở mô hình hồi quy này, có 2 nhân tố (biến tổng hợp) cần kiểm định độ tin cậy của thang đo là cạnh tranh và phân cấp quản lý, bởi cạnh tranh và phân
cấp quản lý đƣợc đo lƣờng bằng một tập biến quan sát (cạnh tranh đƣợc đo bằng 7 biến quan sát, phân cấp quản lý đƣợc đo bằng 5 biến quan sát).
Đối với năng lực của nhân viên kế toán và mức độ ứng dụng công nghệ thông tin chỉ mỗi yếu tố chỉ đƣợc đo lƣờng bằng 1 biến quan sát nên không thể phân tích cronbach alpha đƣợc.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach alpha có giá trị từ 0,8 trở lên đến gần 1,0 là thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng đƣợc. Song, cũng có nhiều nhà nghiên cứu đề nghị hệ số Cronbach alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu. Tuy nhiên, Cronbach alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach alpha, ngƣời ta còn sử dụng hệ số tƣơng quan biến tổng (iterm – total correlation) và những biến nào có tƣơng quan biến tổng < 0,3 sẽ bị loại bỏ.
d. Xem xét hệ số ma trận tương quan
Ma trận này cho biết tƣơng quan giữa biến phụ thuộc với từng biến độc lập, cũng nhƣ tƣơng quan giữa các biến độc lập với nhau. Nếu hệ số tƣơng quan giữa biến phụ thuộc và các biến độc lập đều cao thì có thể đƣa các biến độc lập vào mô hình để giải thích cho biến phụ thuộc. Tuy nhiên, nếu hệ số tƣơng quan giữa các biến độc lập với nhau cũng cao thì có thể ảnh hƣởng lớn đến kết quả của phân tích hồi quy bội (có thể gây ra hiện tƣợng đa cộng tuyến); do vậy, nhà nghiên cứu cần phải xem xét lại thật kỹ vai trò của các biến độc lập trong mô hình xây dựng đƣợc (kiểm tra hiện tƣợng đa cộng tuyến trong mô hình).
Khi hệ số tƣơng quan tiến đền gần tới 1 thì nó thể hiện mối quan hệ tuyến tính chặt chẽ. Cần lƣu ý là khi giải thích hệ số tƣơng quan tuyến tính thì
các biến có mối quan hệ tuyến tính không có nghĩa là các biến có quan hệ nhân quả. Nói cách khác, mối quan hệ tuyến tính chỉ là điều kiện cần của mối quan hệ nhân quả, để kiểm tra điều kiện đủ của mối quan hệ nhân quả chúng ta cần phải căn cứ vào bảng hệ số ƣớc lƣợng của mô hình hồi quy (quan tâm đến hệ số beta và giá trị Sig của nó).
e. Phân tích hồi quy bội
Để trả lời cho câu hỏi 2 “Những nhân tố nào ảnh hưởng đến việc lập dự toán trong các DN trên địa bàn thành phố Đà Nẵng?”, tác giả tiến hành kiểm định các giả thiết H4, H5, H6, H7.
H4: Việc áp dụng các công cụ lập dự toán tỉ lệ thuận với mức độ cạnh tranh.
H5: Việc sử dụng nhóm công cụ lập dự toán tỉ lệ thuận với mức độ phân cấp quản lý.
H6: Việc sử dụng nhóm công cụ lập dự toán tỉ lệ thuận với khoa học kỹ thuận được áp dụng trong hoạt động của DN.
H7: Việc sử dụng nhóm công cụ lập dự toán tỉ lệ thuận với trình độ nhân viên kế toán của DN.
Giả thiết H4, H5, H6, H7 đƣợc kiểm định bằng mô hình hồi quy đa biến Hồi quy tuyến tính” là mô hình biểu diễn mối quan hệ nhân quả giữa một biến đƣợc gọi là biến phụ thuộc (hay biến đƣợc giải thích - Y) và một hay nhiều biến độc lập (hay biến giải thích - X). Mô hình này sẽ giúp nhà nghiên cứu dự đoán đƣợc mức độ của biến phụ thuộc (với độ chính xác trong một phạm vi giới hạn) khi biết trƣớc giá trị của biến độc lập. Mô hình hồi quy tuyến tính bội sẽ có dạng tổng quát nhƣ sau:
Yi 0 1 X1i 2 X2i ... p Xpi ei
Trong đó, Yi là giá trị của biến phụ thuộc (mức độ vận dụng công cụ dự toán) tại quan sát thứ i
Xpi là giá trị của biến độc lập thứ p tại quan sát thứ i (Các yếu tố tác động đến mức độ vận dụng công cụ dự toán: cạnh tranh, phân cấp quản lý, trình độ của nhân viên kế toán, mức độ ứng dụng công nghệ thông tin trong lập dự toán);
βk là các hệ số hồi quy riêng ei là phần dƣ của mô hình hồi quy
KẾT LUẬN CHƢƠNG 2
Trong Chƣơng 2, tác giả đã đƣa ra hai câu hỏi nghiên cứu về mức độ vận dụng, mức độ lợi ích và các nhân tố ảnh hƣởng đến việc lập dự toán ở các DN trên địa bàn thành phố Đà Nẵng; đồng thời tác giả đƣa ra 7 giả thiết nghiên cứu và xây dựng mô hình nghiên cứu hồi quy bội với biến phụ thuộc là Mức độ vận dụng công cụ lập dự toán, 4 biến độc lập là cạnh tranh, trình độ nhân viên kế toán, phân cấp quản lý, ứng dụng công nghệ thông tin trong lập dự toán. Việc xử lý dữ liệu đƣợc tiến hành trên phần mềm SPSS để đƣa ra kết quả nghiên cứu vào Chƣơng 3.