CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.2.3. Xử lý và phân tích bảng dữ liệu
Tác giả sử dụng phần mềm SPSS 20.0 để xử lý dữ liệu, thực hiện các kiểm định và phân tích hồi quy trong mô hình phân tích nhân tố khám phá (EFA) để phân tích, xác định, phân nhóm, kiểm định và xác định mức độ ảnh hưởng của từng nhân tố đến chất lượng TTKT tại các trường Đại học tự chủ tài chính khu vực TP.HCM.
Phân tích nhân tố khám phá (EFA): Mục đích của việc phân tích EFA là để loại bỏ nhân tố giả, đánh giá độ tin cậy đối với giá trị của các thang đo, khám phá (thang đo mới) và khẳng định (điều chỉnh thang đo đã có).
Để phân tích nhân tố khám phá tác giả phải thực hiện các kiểm định sau:
+ Thực hiện kiểm định KMO (Kaiser – Meyer – Olkin) và Bartlerrs. Để sử dụng EFA, KMO phải lớn hơn (>) 0.5
Theo Kaiser (1974): KMO > 0.9: Rất tốt KMO > 0.8: Tốt KMO > 07: Được KMO > 06: Tạm được KMO > 05: Xấu
KMO < 05: Không thể chấp nhận được
+ Thực hiện kiểm định tương quan biến: Ma trận đơn vị có hệ số tương quan giữa các biến = 0. Nếu sig < 0.05, bác bỏ giả thuyết ban đầu các biến có quan hệ lẫn nhau.
+ Thực hiện kiểm định mức độ giải thích của các biến quan sát đối với nhân tố tổng phương sai được giải thích (Total Variance Explained) và ma trận nhân tố xoay: Phương pháp trích PCA (principal component) cùng phép xoay vuông góc (varimmax) được tác giả sử dụng khi cần trích nhiều phương sai từ các biến đo lường với số lượng thành phần nhỏ nhất để phục vụ cho mục tiêu dự báo tiếp theo (Hair & các cộng sự, 2006). Mô hình chỉ hợp lý khi tổng phương sai trích (Total variance extracted) của các nhân tố ≥ 50%.
Xây dựng mô hình điều chỉnh qua kiểm định Cronbach Alpha và phân tích nhân tố khám phá.
Phân tích hồi quy đa biến:
+ Kiểm định hệ số hồi quy: Khi kiểm định các biến thì sig < 0.05: Các biến này có mối tương quan và có ý nghĩa với chất lượng thông tin kế toán và có độ tin cậy. Đồng thời kiểm tra có hiện tượng đa cộng tuyến, theo Hair &CTg 2006) nếu VIF > 10 có hiện tượng đa cộng tuyến tức là các biến không có mối tương quan và không có ý nghĩa cải cách chế độ kế toán nhằm nâng cao chất lượng TTKT và không có độ tin cậy.
+ Kiểm định mức độ phù hợp của mô hình. + Tóm tắt mô hình.
+ Phân tích phương sai (ANOVA), điều kiện giá trị Sig < 0.05.
Kiểm định lại mô hình:
+ Kiểm định phương sai phần dư không đổi: Dùng kiểm định Spearman, điều kiện Sig > 0.05
+ Phân phối chuẩn của phần dư: Dùng đồ thị Histogram để kiểm định. Với điều kiện Mean = 0 (độ lệch chuẩn), và độ lệch std.Dev = 1 (phương sai) thì kết luận của tác giả sẽ đúng với mô hình.