Phân tích mô hình hồi quy tuyến tính đa biế n

4.4.1 Mô tả các nhân tố đo lường

Sau khi phân tích nhân tố và tính lại giá trị của các nhân tố mới, kết quả cho thấy (Bảng 4.5), giá trị trung bình của các nhân tố đều lớn hơn 3, chứng tỏ mức đánh giá của lãnhđạo và nhân viên đối với các nhân tố này tương đối tốt; giá trị trung bình lớn nhất là 3.600 thuộc về nhân tố “Giám sát”và nhân tố nhỏ nhất là 3.0651 thuộc về nhân tố “Thông tin và truyền thông”.

Bảng 4.5: Bảng thống kê mô tả các nhân tố

Giá trị trung bình Độ lệch chuẩn Số biến khảo sát

HOAN THIEN 3.3221 .49084 119 X1 3.4353 .71386 119 X2 3.5462 .74502 119 X3 3.6000 .58744 119 X4 3.0651 .82689 119 X5 3.3754 .66745 119

Nguồn: Tác giả xử lý số liệu SPSS 20.0

Nhìn chung ta thấy, nhân viên và các lãnhđạo khao bạc khá đồng tình với các nhân tố ảnh hưởng đến sự hoàn thiện HTKSNB tại kho bạc. Tuy nhiên, để biết được trong các nhân tố X1, X2, X3, X4, X5 và X6 nhân tố nàoảnh hưởng nhiều, nhân tố nàoảnh hưởng ít đến sự hoàn thiện HTKSNB tại kho bạc chúng ta cần thực hiện đến bước phân tích tương quan và hồi quy tiếp theo.

4.4.2Phân tích tươngquan hệ số Pearson

Phân tích tương quan hệ số Pearson là để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến định lượng. Kiểm tra biến phụ thuộc và biến độc lập xem có tương quan với nhau hay không, nếu hai biến tương quan với nhau thì hệ số tương quan Pearson |r| > 0.1. Kiểm tra giữa 2 biến độc lập, có sự tương quan chặt chẽ thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy.

Bảng 4.6: Bảng thống kê Hệ số tương quan Pearson HOAN THIEN X1 X2 X3 X4 X5 Hệ số tương quan Pearson HOAN THIEN 1.000 .480 .409 .623 .543 .533 X1 .480 1.000 .223 .256 .380 .287 X2 .409 .223 1.000 .291 .324 .270 X3 .623 .256 .291 1.000 .400 .468 X4 .543 .380 .324 .400 1.000 .429 X5 .533 .287 .270 .468 .429 1.000 Sig. HOAN THIEN . .000 .000 .000 .000 .000 X1 .000 . .007 .002 .000 .001 X2 .000 .007 . .001 .000 .001 X3 .000 .002 .001 . .000 .000 X4 .000 .000 .000 .000 . .000 X5 .000 .001 .001 .000 .000 . HOAN THIEN 119 119 119 119 119 119 X1 119 119 119 119 119 119 X2 119 119 119 119 119 119 X3 119 119 119 119 119 119 X4 119 119 119 119 119 119 X5 119 119 119 119 119 119

Nguồn: Tác giả xử lý số liệu SPSS 20.0

Ma trận bên trên ( Bảng 4.6) cho thấy mối tương quan giữa biến phụ thuộc Sự hoàn thiện môi trường KSNB với từng biến độc lập có hệ số tương quan đều lớn hơn 0.1; và 5 biến độc lập có thể đưa vào mô hìnhđể giải thích cho biến phụ thuộc - biến HOAN THIEN. Mặt khác, bên cạnh sự tương quan giữa các biến độc lập với biến phụ thuộc thì giữa các biến độc lập của thang đo các yếu tố ảnh hưởng đến sự hoàn thiện môi trường KSNB cũng có mối tương quan với nhau, các hệ số tương quan giữa các biến đa số đều lớn hơn 0.1. Vì vậy, 5 biến độc lập X1, X2, X3, X4, X5 đều được xem là các biến độc lập trong các mô hình hồi quy tiếp theo. Vì sự tương

quan của các biến này, chúng ta sẽ chú ý vấn đề đa cộng tuyến trong các phân tích tiếp theo.

4.4.3 Phân tích hồi quy đa biến

4.4.3.1Đánh giá mực độ phù hợp của mô hình

Qua kết quả phân tích tương quan hệ số Pearson ở trên ta thấy có 5 biến độc lập của mô hình có tương quan chặt chẽ với biến phụ thuộc; nên 5 biến này được đưa vào bước phân tích tiếp theo là phân tích hồi q uy đa biến. Kết quả thống kê mô tả của các biến đưa vào phân tích hồi quy.

Dựa theo kết quả ở bảng trên, ta thấy giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó. Giá trịcủa biến phụthuộc là giá trịtrung bình của các biến quan sát về sự hoàn thiện MTKSNB. Phân tích được thực hiện bằng phương pháp Enter, các biến được đưa vào cùng một lúc đểxem biến nào được chấp nhận.

Trong phân tích này, để đánh giá sự phù hợp của mô hình, người ta dùng hệ số xác định R2 hoặc R2hiệu chỉnh; hai giá trị này thể hiện sự phù hợp của mô hình và giá trị của R2hoặc R2 hiệu chỉnh phải lớn hơn hoặc bằng 0.5.

Mặc khác, để kiểm định sự phù hợp của mô hình, người ta sử dụng kiểm định F; kiểm định này đưa ra giả thuyết H0 = các biến độc lập khôngảnh hưởng đến biến phụ thuộc. Nếu giá trị Sig. < 0.05 thì sẽ an toàn khi bác bỏ giả thuyết H0 và điều này có nghĩa là mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu.

Kết quả phân tích hồi quy như sau:

Bảng 4.7 : Bảng đánh giá độ phù hợp của mô hình

Mô hình Hệ số R Hệ số R2 Hệ số R2- hiệu chỉnh Sai số chuẩn của ước lượng

Thống kê thay đổi Hệ số

Durbin- Watson Hệ số R2 sau khi đổi Hệ số F khi đổi Bậc tự do 1 Bậc tự do 2 Hệ số Sig. F sau khi đổi 1 .770a .593 .575 .31999 .593 32.931 5 113 .000 1.485

Nguồn: Tác giả xử lý số liệu SPSS 20.0

Bảng 4.7 cho thấy, giá trị hệ số tương quan là 0.593 > 0.5, do vậy, đây là mô hình thích hợp để sử dụng đánh giá mối quan hệ giữa biến phụ thuộc và các biến độc lập.

Kết quả cho thấy giá trị R2 = 0.593 và R2 hiệu chỉnh = 0.575; điều này chứng tỏ mô hình đạt mức thích hợp là 59.3% hay nói cách khác là 59.3% độ biến thiên của biến “sự hoàn thiện MTKSNB tại kho bạc” được giải thích bởi 5 biến độc lập trong mô hình. Các phần còn lại là do sai số và các nhân tố khác.

4.4.3.2 Kiểm định sự phù hợp của mô hình

Kiểm định F về tính phù hợp của mô hình hồi quy tuyến tính tổng thể. Điều này cho chúng ta biết biến phụ thuộc có tương quan tuyến tính với toàn bộ biến độc lập hay không. Đặt giả thuyết H0 là: a0= a1 = a2 = a3= a4= a5= 0. Kiểm địnhF và giá trị của sig.

Bảng 4.8 : Bảng đánh giá độ phù hợp của mô hình

Mô hình Tổng bình phương Bậc tự do Trung bình bình phương F Sig.

1

Hồi qui 16.859 5 3.372 32.931 .000b

Phần dư 11.570 113 .102

Tổng 28.430 118

Nguồn:Phân tích dữ liệu –phụ lục số 4

Nhận thấy giá trị Sig. rất nhỏ (< 0.05) nên bác bỏ giả thuyết H0. Điều này có ý nghĩa là các biến độc lập trong mô hình có tương quan tuyến tính với biến phụ thuộc, tức là sự kết hợp của các biến độc lập có thể giải thích được sự thay đổi của biến phụ thuộc.

4.4.3.3 Phân tích mô hình a) Mô hình lần 1

Phươngtrình hồi quy tuyến tính biểu diễn mối quan hệ giữa 5 nhân tố tác động (biến độc lập)và sự hoàn thiện hệ thống kiểm soát nội bộtại kho bạc (biến phụ thuộc) có dạng như sau:

Y = a0+ a1X1 + a2X2+ a3X3+ a4X4+ a5X5

Hoặc:

Sự hoàn thiện hệ thống kiểm soát nội bộ tại kho bạc = a0 + a1* Môi trường kiểm soát

+ a2*Đánh giá rủi ro + a3* Giám sát + a4* Thông tin và truyền thông+ a5* Hoạt động kiểm soát

b) Kiểm định mô hình hồi quy tuyến tính đa biến

Nghiên cứu thực hiện chạy hồi quy tuyến tính đa biến với phương pháp đưa vào một lượt (phương pháp Enter), trong đó:

 Biến Y: biến phụthuộc. Thang đo của nhân tốnày từ 1 đến 5 (1: Hoàn toàn không đồng ý; 5: Hoàn toàn đồng ý). Biến Y gồm 5 biến quan sát là: MTKS6, DGRR6, KS8, TT7, GS6.

 a: hằng sốtựdo.

 X1, X2, X3, X4, X5, là các biến độc lập theo thứ tự sau:Môi trường kiểm soát; Đánh giá rủi

ro; Giám sát; Thông tin và truyền thông; Hoạt động kiểm soát.

Bảng4.9: Thông số thống kê trong mô hình hồi qui bằng phương pháp Enter Mô hình Hệ số chưa chuẩn

hóa

Hệ số chuẩn hóa

T Sig. Thống kê đa cộng tuyến

B Sai số

chuẩn Beta Hệ số Tolerance Hệ số VIF

1 (Hằng số) .563 .227 2.484 .002 X1 .160 .045 .233 3.529 .001 .826 1.211 X2 .094 .043 .143 2.196 .003 .850 1.176 X3 .304 .059 .364 5.132 .000 .715 1.399 X4 .111 .043 .187 2.578 .004 .688 1.454 X5 .130 .053 .177 2.461 .002 .697 1.435 Nguồn:Phân tích dữ liệu –phụ lục số 4

Bảng 4.9, khi xét tstatvà tα/2 của các biến để đo độ tin cậy thì các biến độc lập X1, X2, X3, X4, X5, đều đạt yêu cầu do tstat> tα/2(6,358)= 1.966 (nhỏnhất là 2.196) và các giá trịSig. thểhiện độ

tin cậy khá cao,đều < 0.05 (lớn nhất là 0.004).

Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phòngđại phương sai VIF (Variance Inflation Factor). Thông thường, nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu như không có giá trị giải thích biến thiên của Y trong mô hình MLR (mô hình hồi quy bội) (Hair & ctg 2006) (Trích Nguyễn Đình Thọ, 2011, trang 497). Theo bảng 4.9 ta thấy, hệ số VIF của các biến độc lập có giá trị từ 1.176 đến 1.454 (tất cả đều nhỏ hơn 10). Vì vậy có thể luận, mô hình không xảy ra hiện tượng đa cộng tuyến. Điều này có nghĩa là các biến độc lập không tác động lên nhau.

Trong kết quả trên, nếu sig. < 0.05 tương đương với độ tin cậy 95% thì nhân tố đó được chấp nhận, có nghĩa là nó có sự tác động đến sự hoàn thiện môi trường KSNB tại kho bạc. Kết quả hồi quy cho thấy, trong 5 biến độc lập đưa vào phân tích hồi quy tuyến tính bội ban đầu thì có tất cả 5biến thỏa mãn điều kiện. Do đó, tác giả có thể kết luận rằng các giả thuyết H1, H2, H3, H4, H5, đều được chấp nhận.

Mặc khác, ta thấy hệ số hồi quy chuẩn hóa (Beta) của các biến độc lập đều mang dấu dương, có nghĩa là các biến này có quan hệ thuận chiều với biến phụ thuộc - sự hoàn thiện môi trườngKSNB tại kho bạc.

c) Mô hình lần lần cuối

Từ kết quả ở Bảng 4.9 ta hình thành phương trình hồi quy đa biến có hệ số Beta chuẩn hóa như sau:

BIẾN Y =0.233*X1 + 0.143*X2 +0.364*X3 + 0.187*X4 + 0.177*X5

Phương trình trên cũng cho thấy rằng, sự hoàn thiện môi trường KSNB tại kho bạc chịu tác động lớn nhất bởi nhân tố “Giám sát” (Beta = 0.364);. Đồng thời, “Môi trường kiểm soát” cũng là một nhân tố tác động rất lớn đến sự hoàn thiện môi trường KSNB tại kho bạc (Beta = 0.233). Bên cạnh đó, “Thông tin và truyền thông” cũng ảnh hưởng lớn đến sự hoàn thiện môi trường KSNB tại kho bạc (Beta = 0.187). Ngoài ra, yếu tố “Kiểm soát” cũng là điều làm cho nhân viên và các lãnhđạo kho bạc cảm thấy quan trọng trong việc hoàn thiện môi trường KSNB

tạikho bạc (Beta = 0.177). Yếu tố cuối cùng trong mô hình, “Đánh giá rủi ro”cũng là yếu tố mà nhân viên và lãnhđạo kho bạc quan tâm khi nghĩ tớiviệc hoàn thiện môi trường KSNB tạikho bạc, tuy nhiên, vai trò quyết định của nhân tố này so với các nhân tố trên là không cao (Beta = 0.143).

Các kết quả phân tích trên đây sẽ là cơ sở để tác giả đưa ra những hàm ý kiến nghị cho lãnhđạo kho bạctại Tp. Hồ Chí Minh trong việc hoàn thiện môi trường KSNB tạikho bạc. Nội dung này sẽ được trình bày trong chương cuối cùng của nghiên cứu này.

4.4.4 Kiểm tra các giả định của mô hình hồi quy

Khi quyết định sử dụng mô hình hồi quy bội, chúng ta phải kiểm tra các giả định cần thiết của nó xem kết quả có tin cậy được không (Trích Nguyễn Đình Thọ, 2011).

Kiểm tra các giả địnhsau:

 Phươngsai của sai số(phần dư) không đổi.

 Các phần dư có phân phối chuẩn.

 Không có mối tương quan giữa các biến độc lập.

Nếu các giả địnhnày bị vi phạm thì cácước lượng không đáng tin cậy nữa (Hoàng Trọng - Mộng Ngọc, 2008).

Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng như hiện tượng phương sai thay đổi (heteroskedasticity).

Kiểm tra giả định này bằng cách vẽ đồ thị phân tán giữa các phần dư và giá trị dự đoán mà mô hình hồi quy tuyến tính cho ra. Người ta hay vẽ biểu đồ phân tán giữa 2 giá trị này đã được chuẩn hóa (standardized) với phần dư trên trục tung và giá trị dự đoán trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có mối quan hệ gì giữa các giá trị dự đoán với phần dư, chúng sẽ phân tán ngẫu nhiên. (Trích

Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).

Qua đồ thị phân tán giữa các phần dư và giá trị dự đoán (Phụ lục 4) cho thấy phần dư ẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 chứ không tạo thành

một hình dạng nào. Như vậy giá trị dự đoán và phần dư độc lập nhau nên phương sai của phần dư không thay đổi. Như vậy mô hình hồi quy phù hợp.

4.4.5 Giả định về phân phối chuẩn của phần dư

Phần dư có thể không tuân theo phân phối chuẩn vì những lý do sau: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,… Vì vậy, chúng ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của các phần dư. (Trích Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).

Biểu đồ tần số Histogram, Q-Q plot, P-P plot (Tham khảo phụ lục 4) của các phần dư (đã được chuẩn hóa) được sử dụng để kiểm tra giả định này. Mặt khác, hệ số kiểm định Durbin Watson = 1.458 trong khoảng [1 < D < 3] nên không có hiện tượng tương quan của các phần dư (Hoàng Trọng –Mộng Ngọc, 2008).

4.5 Tóm tắt chương 4

Chương này trình bày kết quả phân tích bao gồm: Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha. Phân tích EFA sau khi loại bỏ các biến không đạt yêu cầu thì có 5 nhân tố được rút ra và mô hình mới được hiệu chỉnh sau khi đặt tên cho biến mới gồm 5 nhân tố là: Giám sát; Môi trường kiểm soát; Thông tin và truyền thông; Kiểm soát; Đánh giá rủi ro.

Phân tích Pearson, phân tích hồi quy đa biến và kiểm định giảthuyết đã khẳng định như sau: sựhoàn thiện hệthống kiểm soát nội bộchịuảnh hưởng bởi 5 nhân tố: :Giám sát; Môi trường kiểm soát; Thông tin và truyền thông; Kiểm soát; Đánh giá rủi ro.Trong đó, nhân tố có ảnh hưởng lớn nhất là Giám sát.

Chương cuối cùng sẽtóm tắt toàn bộnghiên cứu, những giải pháp hoàn thiện của nghiên cứu này và đềnghịnhững hướng nghiên cứu tiếp theo.

CHƯƠNG 5 GIẢI PHÁP HOÀN THIỆN HỆ THỐNG KIỂM SOÁT NỘI BỘ TẠI CÁC KHO BẠC TRÊN ĐỊA BÀN TP.HCM

5.1 Quanđiểm hoàn thiện

Sau khi khảo sát nghiên cứu hoạt động thực tế tại các KBNN trên địa bàn TP. Hồ Chí Minh. Hiện nay tại các Kho bạc mặc dầu đã có hệ thống KSNB nhưng vẫn còn có những hạn chế tồn tại vì thế với sự kế thừa các quan điểm hoàn thiện hệ thống KSNB tại các KBNN trên địa bàn Tp. Hồ Chí Minh với sự tham khảo ý kiến của lãnh đạo các kho bạc quận, huyện và những công chức đang thực thi nhiệm vụ tại kho bạc tác giả xin đưa ra một số quan điểm và định hướng chung nhằm hoàn thiện hệ thống KSNB góp phần hoàn thành nhiệm vụ chung và đảm bảo an toàn tiền và tài sản của nhà nước.

Thực hiện tốt công việc kiểm soát góp phần thực hiện tốt các chính sách chế độ, quy trình nghiệp vụ nhằm phát hiện kịp thời những sai sót và đề xuất những biện pháp khắc phục liên quan đến công việc của từng CBCCđể không ngừng nâng cao chất lượng các hoạt đ ộng nghiệp vụ.