CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
4.3 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là tập kỹ thuật phân tích thống kê có liên hệ với nhau dùng để rút gọn một tập hợp nhiều biến quan sát có mối tương quan với nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Trích Nguyễn Đình Thọ, 2011).
Cụ thể, khi đưa tất cả các biến thu thập được (30 biến) vào phân tích, các biến có thể có liên hệ với nhau. Khi đó, chúng sẽ được gom thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng các nhân tố cơ bản tác động đến sự hoàn thiện môi trường KSNB tại các kho bạc trong Tp. Hồ Chí Minh.
Sau khi tiến hành kiểm định bằng hệ số Cronbach's Alphaở trên (xem mục 4.1), bước tiếp theo tác giả sẽ đưa các biến không bị loại vào phân tích nhân tố. Trong phân tích nhân tố, các nhà nghiên cứu thường chú ý đến các yếu tố sau:
Hệ số KMO (Kaiser-Meyer-Olkin): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố và KMO phải ≥ 0.5. Theo Kaiser (1974) đề nghị KMO ≥ 0.9: rất tốt; KMO ≥ 0.8: tốt; KMO ≥ 0.7: được; KMO ≥ 0.6: tạm được; KMO ≥ 0.5: xấu và KMO < 5: không thể chấp nhận được (Trích Nguyễn Đình Thọ, 2011, trang 397).
Kiểm định Bartlett’s test (Bartlett’s test of sphericity): nhằm kiểm định giả thuyết H0 (H0 = các biến không có tương quan với nhau trong tổng thể) căn cứ vào giá trị sig., nếu sig. < 0.05
thì các biến quan sát có tương quan với nhau trong tổng thể, do đó ta có thể tiến hành phân tích nhân tố(Hoàng trọng & Chu Nguyễn Mộng Ngọc, 2005).
Hệ số tải nhân tố (Factor loading): là hệ số tương quan giữa các biến và nhân tố, hệ số này cho biết sự liên hệ chặt chẽ giữa các biến với nhau. Nếu hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại, đồng thời các biến có trọng số không đạt độ phân biệt cao giữa các nhân tố (< 0.3) cũng sẽ bị loại (Nguyễn Đình Thọ, 2011).
Nhân tố trích được phải có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phâ n tích vìđây là đại lượng đại diện cho lượng biến thiên được giải thích bởi mỗi nhân tố (Hair & ctg, 2006).
Thang đo được chấp nhận khi tổng phương saitrích≥ 50%
Trong đề tài này, tác giả sử dụng phương pháp trích Principal Components Analysis (PCA) với phép xoay Varimax để tìm ra các nhân tố đại diện cho các biến.
Tác giả tiến hành phân tích nhân tố khám phá (EFA) theo từng bước. Lần đầu thực hiện EFA, 30 biến đã nhóm lại thành 8 nhân tố. Sau 4 lần thực hiện phép quay, chỉ có 6 nhóm chính thức được hình thành.
4.3.1 Phân tích nhân tố khám phá (EFA) ảnh hưởng đến hoạt động kiểm soát nội bộ tạikho bạc Tp. Hồ Chí Minh kho bạc Tp. Hồ Chí Minh
Các yếu tố ảnh hưởng đến ảnh hưởng đến hoạt động KSNBtại kho bạc Tp. Hồ Chí Minh được đo lường bởi 5 thành phần: Môi trường kiểm soát; Đánh giá rủi ro; Kiểm soát; Thông tin và truyền thông; Giám sát tất cả bao gồm 28 biến, sau khi kiểm định Cronbach's Alpha giữ lại 25 biến (xem mục 4.1), tác giả đưa 25 biến này vào phân tích nhân tố EFA.
Phân tích nhân tố khám phá (EFA) lần thứ nhất. Khi phân tích nhân tố, nghiên cứu đặt ra 2 giả thuyết:
Giả thuyết H0: Các biến trong tổng thể không có tương quan với nhau. Giả thuyết H1: Các biến trong tổng thể có tương quan với nhau.
Bảng 4.1: Hệ số KMO và kiểm định Barlett các thành phần lần thứ nhất Kiểm tra KMO and Bartlett's
Hệ số KMO (Kaiser-Meyer-Olkin) .774 Mô hình kiểm tra của
Bartlett
Giá trị Chi-Square 1224.181
Bậc tự do 300
Sig (giá trị P –value) .000
Nguồn:Phân tích dữ liệu –phụ lục số 4
Kết quả kiểm định Barlett cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (sig = 0.00 < 0.05, bác bỏ H0, nhận H1). Đồng thời, hệ số KMO = 0.774 > 0.5, 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 4.2: Bảng phương sai trích lần thứ nhất Nhân
tố
Giá trị Eigenvalues Chỉ số sau khi trích Chỉ số sau khi xoay Tổng Phương sai trích Tích lũy phương sai trích Tổng Phương sai trích Tích lũy phương sai trích Tổng Phương sai trích Tích lũy phương sai trích 1 6.526 26.102 26.102 6.526 26.102 26.102 3.024 12.097 12.097 2 2.407 9.627 35.729 2.407 9.627 35.729 2.918 11.673 23.770 3 2.159 8.636 44.365 2.159 8.636 44.365 2.804 11.215 34.985 4 1.717 6.868 51.233 1.717 6.868 51.233 2.747 10.988 45.973 5 1.404 5.618 56.851 1.404 5.618 56.851 2.719 10.878 56.851 6 1.272 5.090 61.941 Nguồn:Phân tích dữ liệu –phụ lục số 4
Nhìn vào bảng 4.2 cho thấy, các nhân tố đều có giá trị Eigenvalues > 1. Phương sai trích là 56.851% > 50% là đạt yêu cầu. Với phương pháp rút trích Principal components và phép quay Varimax, có 6 nhân tố được rút trích ra từ biến quan sát. Điều này chứng tỏ cho chúng ta thấy 6 nhân tố rút trích ra thể hiện được khả năng giải thích đư ợc 56.851% sự thay đổi của biến phụ thuộc trong tổng thể.
Theo kết quả phân tích nhân tố EFA lần thứ nhất, thang đo được chấp nhận và được phân thành 5 nhóm. Một số biến của các thành phần thang đo có trọng số (Factor loading) nhỏ hơn 0.50 sẽ bị loại. Trong đó, biến có trọng số nhỏ nhất và hiệu số < 0.3 là TT4 nên biến TT4 sẽ bị loại ở lần phân tích thứ nhất.
Tương tự như vậy, tác giả tiến hành chạy lại EFA thêm 2 lần nữa, kết quả như sau: – Phân tích nhân tố khám phá lần 2: loại biến KS3.
– Phân tích nhân tố khám phá lần 3: loại biến KS2. Phân tích nhân tố khám phá (EFA) lần cuối (lần thứ 4).
Bảng 4.3: Hệ số KMO và kiểm định Barlett các thành phần lần thứ 4 Kiểm tra KMO and Bartlett's
Hệ số KMO (Kaiser-Meyer-Olkin) .750
Mô hình kiểm tra của Bartlett
Giá trị Chi-Square 1013.920
Bậc tự do 231
Sig (giá trị P –value) .000
Nguồn:Phân tích dữ liệu –phụ lục số 4
Kết quả kiểm định Barlett cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (sig = 0.00 < 0.05, bác bỏ H0, nhận H1). Đồng thời, hệ số KMO = 0.750 > 0.5, 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 4.4: Bảng phương sai trích lần thứ nhất Nhân
tố
Giá trị Eigenvalues Chỉ số sau khi trích Chỉ số sau khi xoay Tổng Phương sai trích Tích lũy phương sai trích Tổng Phương sai trích Tích lũy phương sai trích Tổng Phương sai trích Tích lũy phương sai trích 1 5.782 26.280 26.280 5.782 26.280 26.280 2.833 12.879 12.879 2 2.246 10.208 36.488 2.246 10.208 36.488 2.801 12.731 25.609 3 2.080 9.456 45.944 2.080 9.456 45.944 2.664 12.108 37.717 4 1.549 7.040 52.983 1.549 7.040 52.983 2.526 11.482 49.199 5 1.334 6.062 59.045 1.334 6.062 59.045 2.166 9.846 59.045 6 1.269 5.769 64.814 Nguồn:Phân tích dữ liệu –phụ lục số 4
Bảng 4.4 cho thấy, các nhân tố đều có giá trị Eigenvalues > 1. Với phương pháp rút trích Principal components và phép quay Varimax, có 5 nhân tố được rút trích ra từ biến quan sát. Phương sai trích là 59,045% > 50% là đạt yêu cầu. Điều này chứng cho chúng ta thấy 5 nhân tố rút trích ra thể hiện được khả năng giải thích được 59,045% sự thay đổi của biến phụ thuộc trong tổng thể.
Theo kết quả phân tích nhân tố EFA lần cuối thực hiện phương pháp rút trích Principal components và phép quay Varimax, kết quả các nhóm được gom lần cuối như sau:
Nhóm 1 (nhân tố môi trường kiểm soát) gồm 5 biến: MTKS4, KTKS5, MTKS3, MTKS2, MTKS1.
Nhóm 2 (nhân tố đánh giá rủi ro) gồm 5 biến: DGRR4, DGRR5, DGRR1, DGRR2, DGRR3.
Nhóm 3 (nhân tốgiám sát) gồm 5 biến: GS4, GS3, GS1, GS5, GS2.
Nhóm 4 (nhân tốthông tin và truyền thông) gồm 4 biến: TT1, TT2, TT3, TT5.
Từ kết quả phân tích Cronbach’s Alpha và EFA như trên, mô hình nghiên cứu lý thuyết chính thức điều chỉnh gồm 5 nhân tố tác động đến sự hoàn thiện môi trường KSNBkho bạc tại Tp. Hồ Chí Minh. Mô hình nghiên cứu và các giả thuyết được điểu chỉnh lại như sau:
H1: MTKStác động cùng chiều đến sự hoàn thiện môi trường KSNBkho bạc tại Tp. Hồ Chí Minh.
H2: Đánh giá rủi ro tác động cùng chiều đến sự hoàn thiện môi trường KSNBkho bạc tại Tp. Hồ Chí Minh.
H3: Giám sát tác động cùng chiều đến sự hoàn thiện môi trường KSNBkho bạc tại Tp. Hồ Chí Minh.
H4: Thông tin và truyền thông tác động cùng chiều đến sự hoàn thiện môi trường KSNB kho bạc tại Tp. Hồ Chí Minh.
H5: Kiểm soát tác động cùng chiều đến sự hoàn thiện môi trường KSNB kho bạc tại Tp. Hồ Chí Minh.
Để kiểm định bằng mô hình hồi quy tuyến đính đa biến, tác giả kết hợp các biến quan sát có cùng nhóm (theo kết quả phân tích EFA lần cuối) tạo thành các biến trung gian có ký hiệu từ X1, X2, X3, X4, X5, cụ thể như sau: X1= (MTKS1,MTKS2,MTKS3,MTKS4,MTKS5). X2= (DGRR1,DGRR2,DGRR3,DGRR4,DGRR5). X3= (GS1,GS2,GS3,GS4,GS5). X4= (TT1,TT2,TT3,TT5). X5= (KS1,KS4,KS5).