7. Kết cấu đề tài
4.3.1 Phương trình hồi quy tuyến tính
Phát hiện từ bước nghiên cứu trước về các nhân tố ảnh hưởng nâng cao hiệu quả sử dụng phần mềm kế toán và kết quả phân tích EFA cho thấy 6 nhân tố bao
gồm: chất lượng thông tin, năng lực quản lý, chất lượng phần mềm, chất lượng phần cứng, hiệu quả tư vấn và thái độ chấp nhận phần mềm ảnh hưởng đến hiệu quả sử dụng phần mềm kế toán.
Phương trình hồi quy:
HQSDPMKT= β1CLTT + β2NLQL + β3CLPM + β4CLPC + β5HQTV +β6CNPM + ε Trong đó:
Biến CLTT: chất lượng thông tin Biến NLQL: năng lực quản lý Biến CLPM: chất lượng phần mềm Biến CLPC: chất lượng phần cứng Biến HQTV:Hiệu quả tư vấn
Biến CNPM: thái độ chấp nhận phần mềm ε : hệ số nhiễu.
β: hệ số hồi quy.
Biến HQSDPMKT: Hiệu quả sử dụng phần mềm kế toán
Kết quảcho thấy mô hình có độ phù hợp đạt yêu cầu (R2=0,799). Hệ số R2hiệu chỉnh (Adjusted Square) trong mô hình này là 0,799 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức 79,9%. Điều này cũng có nghĩa là có 79,9% sự biến thiên cho nâng cao hiệu quả sử dụng phần mềm kế toán được giải thích chung bởi 6 biến độc lập trong mô hình.
Bảng 4.15: Kiểm tra độ phù hợp của mô hình
Mô hình Hệ sốR Hệ sốR2 Hệ số R
2 - hiệu chỉnh
Sai số chuẩn của ước lượng
1 .897a .805 .799 .292
a. Predictors: (Constant), CNPM, HQTV, CLTT, NLQL, CLPC, CLPM b. Dependent Variable: HQSDPMKT
Kiểm định F về tính phù hợp của mô hình hồi quy tuyến tính tổng thể. Kiểm định này cho chúng ta biết biến phụ thuộc có tương quan tuyến tính với toàn bộ các biến độc lập hay không. Giả thuyết H0 là: β1 = β2 = β3 = β4 = β5 = β6 = 0
Kiểm định F và giá trị sig.
Nếu giả thuyết H0 bị bác bỏ, chúng ta có thể kết luận các biến đốc lập trong mô hình có thể giải thích được sự thay đổi của biến phụ thuộc, điều này đồng nghĩa mô hình xây dựng phù hợp với tập dữ liệu các biến.
Bảng 4.16: Bảng phân tích ANOVA ANOVAa Mô hình Tổng bình phương Bậc tự do Trung bình bình phương F Sig. 1 Hồi quy 69.061 6 11.510 135.249 .000b Phần dư 16.765 197 .085 Tổng 85.827 203 a. Dependent Variable: HQSDPMKT b. Predictors: (Constant), CNPM, HQTV, CLTT, NLQL, CLPC, CLPM
Kết quả từ bảng 4.16, cho thấy giá trị Sig = .000 (< 0.05) chứng tỏ rằng mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập được, và các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% 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. Mô hình hồi quy tuyến tính bội được xây dựng phù hợp và có thể sử dụng được.
Bảng 4.17: Bảng kết quả hồi quy
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t stat Sig. Thống kê đa cộng tuyến Beta Sai số chuẩn Beta Hệ số Tolerance Hệ số VIF 1 (Constant) -.697 .165 -4.226 .000 CLTT .112 .036 .123 3.068 .002 .621 1.611 NLQL .173 .044 .164 3.919 .000 .568 1.761 CLPM .554 .056 .501 9.979 .000 .393 2.544 CLPC .179 .047 .167 3.817 .000 .516 1.937 HQTV .150 .046 .135 3.236 .001 .570 1.755
a. Biến phụ thuộc: HQSDPMKT
Nhìn vào bảng kết quả hồi quy ta thấy hệ số Sig của 6 nhân tố độc lập CLTT, NLQL, CLPM, CLPC, HQTV, CNPM đều< 5% và hệ số phóng đại phương sai VIF rất thấp (<2) điều này chứng tỏ hiện tượng đa cộng tuyến không xảy ra với các biến độc lập.
Phương trình hồi quy:
Nâng cao hiệu quả sử dụng phần mềm kế toán = 0,123*chất lượng thông tin+ 0,164*năng lực quản lý + 0,501*chất lượng phần mềm + 0,167*chất lượng phần cứng + 0,135*hiệu quả tư vấn + 0,1*thái độ chấp nhận phần mềm
Hiệu quả sử dụng phần mềm kế toán
stt Biến độc lập Số quan sát Hệ số tác động theo thứ tự giảm dần
1 CLPM 204 0,501* 2 CLPC 204 0,167* 3 NLQL 204 0,164* 4 HQTV 204 0,135* 5 CLTT 204 0,123* 6 CNPM 204 0,100*
Để so sánh mức độ ảnh hưởng từng nhân tố độc lập đối với nâng cao hiệu quả sử dụng phần mềm kế toán ta căn cứ vào hệ số Beta chuẩn hóa. Theo đó, nhân tố nào có trọng số Beta chuẩn hóa càng lớn có nghĩa là nhân tố đó ảnh hưởng càng mạnh đến biến phụ thuộc. Ta thấy, ở phương trình hồi quy, trong 6 nhân tố ảnh hưởng đến Nâng cao hiệu quả sử dụng phần mềm kế toán thì nhân tố chất lượng phần mềm ảnh hưởng mạnh nhất đến nâng cao hiệu quả sử dụng phần mềm kế toán với Beta = 0,501; nhân tố chất lượng phần cứng ảnh hưởng mạnh thứ hai với hệ số Beta = 0.167; nhân tố năng lực quản lý ảnh hưởng mạnh thứ ba với hệ số Beta = 0.164; nhân tố tiếp theo hiệu quả tư vấn ảnh hưởng thứ tư với hệ số Beta = 0.135; nhân tố chất lượng thông tin ảnh hưởng thứ năm với hệ số Beta = 0.123, nhân tố thái độ chấp nhận phần mềm ảnh hưởng thấp nhất với hệ số Beta = 0,1.
4.4. Kiểm định các giả thiết cần thiết trong mô hình phân tích hồi quy
4.4.1.1. Kiểm định giả thuyết về ý nghĩa của các hệ số hồi quy.
Có 6 nhân tố được đề xuất trong mô hình, và có 6 nhân tố có mối quan hệ tuyến tính với nâng cao hiệu quả sử dụng phần mềm kế toán. Vì vậy, cần thiết phải kiểm định giả thuyết về ý nghĩa của các hệ số hồi quy này để đi đến kết luận mối quan hệ và mức độ tác động của các nhân tố trên.
Giả thuyết:
H0: β1= β2 = β3= β4= β5 =β6 = 0; H1: β1= β2 = β3= β4= β5 =β6≠ 0.
Với mức ý nghĩa α = 5%
Kiểm định giả thuyết về ý nghĩa các hệ số hồi quy, trong Bảng 4.17, các giá trị t tương ứng với sig < 0.05. Vì vậy, bác bỏ giả thuyết H0 và kết luận rằng các biến độc lập CLTT (Chất lượng thông tin), NLQL (Năng lực quản lý), CLPM(Chất lượng phần mềm), CLPC(Chất lượng phần cứng), HQTV (Hiệu quả tư vấn), CNPM (Thái độ chấp nhận phần mềm) có quan hệ tuyến tính với biến phụ thuộc Y (Nâng cao hiệu quả sử dụng phần mềm kế toán)
4.4.1.2. Kiểm định giả thuyết về phương sai của sai số không đổi
Có 6 nhân tố tương ứng với 6 biến độc lập có tương quan với biến phụ thuộc Y, tuy nhiên, để kiểm tra xem ước lượng của các hệ số hồi quy có đạt hiệu quả không, kiểm định tương quan hạng Spearman được lựa chọn với giả thuyết sau:
Giả thuyết: H0: Hệ số tương quan hạng của các biến CLTT = NLQL = CLPM = CLPC = HQTV = CNPM = 0
Kiểm định Spearman cho mối tương quan giữa hai biến gồm 1 biến độc lập lần lượt là CLTT, NLQL, CLPM, CLPC, HQTV, CNPM với phần dư (ký hiệu biến "phandu”). Kết quả kiểm định cho thấy không thể bác bỏ được giả thuyết H0 do hệ số tương quan hạng của các biến CLTT, NLQL, CLPM, CLPC, HQTV, CNPM lần lượt là 0.521; 0.544; 0.823; 0.652; 0.563; 0.344. Đều có mức ý nghĩa lớn hơn 0.05. Điều này cho thấy phương sai của phần dư không thay đổi (Bảng 4.18).
Bảng 4.18: Kết quả phân tích tương quan Spearman giữa các biến độc lập và biến phụ thuộc HQSDPMKT CLTT NLQL CLPM CLPC HQTV CNPM Spearman's rho HQSDPMK T Correlation Coefficient 1.000 .521** .544** .823** .562** .563** .344** Sig. (2-tailed) . .000 .000 .000 .000 .000 .000 N 204 204 204 204 204 204 204 CLTT Correlation Coefficient .521** 1.000 .341** .537** .263** .254** .408** Sig. (2-tailed) .000 . .000 .000 .000 .000 .000 N 204 204 204 204 204 204 204 NLQL Correlation Coefficient .544** .341** 1.000 .456** .442** .390** .350** Sig. (2-tailed) .000 .000 . .000 .000 .000 .000 N 204 204 204 204 204 204 204 CLPM Correlation Coefficient .823** .537** .456** 1.000 .518** .515** .315** Sig. (2-tailed) .000 .000 .000 . .000 .000 .000 N 204 204 204 204 204 204 204 CLPC Correlation Coefficient .562** .263** .442** .518** 1.000 .372** .220** Sig. (2-tailed) .000 .000 .000 .000 . .000 .002 N 204 204 204 204 204 204 204 HQTV Correlation Coefficient .563** .254** .390** .515** .372** 1.000 .170* Sig. (2-tailed) .000 .000 .000 .000 .000 . .015 N 204 204 204 204 204 204 204 CNPM Correlation Coefficient .344** .408** .350** .315** .220** .170* 1.000 Sig. (2-tailed) .000 .000 .000 .000 .002 .015 . N 204 204 204 204 204 204 204
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
4.4.1.3. Kiểm định hiện tượng đa cộng tuyến
Cộng tuyến và trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau.Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin giống nhau rất khó tách rời ảnh hưởng của từng biến độc lập đến biến phụ thuộc. Nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến. Để dò tìm hiện tượng đa cộng tuyến ta
phải tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai VIF (Variance inflation factor- VIF).
Kết quả đo lường ta thấy độ chấp nhận của biến khá cao, tuy nhiên hệ số phóng đại phương sai VIF rất thấp (<2), điều này chứng tỏ hiện tượng đa cộng tuyến không xảy ra với các biến độc lập (phụ lục)
4.4.1.4. Kiểm định về phân phối chuẩn của phần dư:
Mô hình hồi quy tuyến tính chỉ thực sự phù hợp với các dữ liệu quan sát khi phần dư có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi. Cách này thực hiện bằng cách xây dựng biểu đồ Histogram và biểu đồ P– P Plot.
Kết quả trong biểu đồ tần số Histogram cho thấy một đương cong phân phối chuẩn đặt chồng lên biểu đồ tần số. Với độ lệch chuẩn Std.Dev = 0,985 và Mean = 0 (phụ lục ), ta có thể kết luận rằng, giả thiết phân phối chuẩn có phần dư không bị vi phạm. Để củng cố cho kết luận này, chúng ta xem thêm biểu đồ P-P Plot của phần dư chuẩn hóa, các điểm quan sát không phân tán xa đường chéo kỳ vọng, nên ta có thể kết luận giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
4.4.1.5. Kiểm định về tính độc lập của phần dư:
Đại lượng thống kê Durbin- Waston (d) có thể dùng để kiểm định tương quan của các sai số liên quan.
Giả thuyết H0: hệ số tương quan tổng thể của các phần dư = 0.
Đại lượng d có giá trị biến thiên từ 0 đến 4.Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2. Kết quả cho thấy d được chọn rơi vào miền chấp nhận giả thuyết không có tương quan chuỗi bậc nhất (d = 2,084gần bằng 2) (bảng 4.19). Do vậy, giả định về tính độc lập của sai số không bị vi phạm.
Bảng 4.19: Kết quả chạy Durbin-Watson
Mô hình Hệ sốR Hệ sốR2 Hệ số R
2 - hiệu chỉnh
Sai số chuẩn của ước lượng
Durbin-Watson
1 .897a .805 .799 .292 2.084
a. Predictors: (Constant), CNPM, HQTV, CLTT, NLQL, CLPC, CLPM b. Dependent Variable: HQSDPMKT
4.5.Kiểm tra các giả định mô hình hồi quy bội
Kiểm tra các giả định sau:
- Phương sai 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 định này bị vi phạm thì các ước lượng không đáng tin cậy nữa (Hoàng Trọng - Mộng Ngọc, 2008).
4.5.1. Kiểm định giả định phương sai của sai số (phần dư) không đổi
Bảng 4.20: Bảng kiểm định giả định phương sai của sai số
Nhỏ nhất Lớn nhất Trung bình Độ lệch chuẩn N
Giá trị dự báo đã được chuẩn hóa -4.109 2.400 .000 1.000 204
Hình 4.1: Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy
Nguồn:Phân tích dữ liệu – phụ lục số
Hình 4.1 cho thấy các phần dư phân tán ngẫu nhiên quanh trục O (là quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai của phần dư không đổi.
Kiểm tra giả định các phần dư có phân phối chuẩn
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… (Hoàng Trọng - Mộng Ngọc, 2008). Biểu đồ tần số (Histogram, Q-Q plot, P-P plot) của các phần dư (đã được chuẩn hóa) được sử dụng để kiểm tra giả định này.
Nguồn: Phân tích dữ liệu – phụ lục số
Hình 4.2: Đồ thị P-P Plot của phần dư – đã chuẩn hóa
Kết quả từ biểu đồ tần số P-P plot cho thấy các điểm phân tán xung quanh được kỳ vọng. Cũng cho thấy giả định phân phối chuẩn của phần dư không bị vi phạm.
Nguồn:Phân tích dữ liệu – phụ lục số
Hình 4.3: Đồ thị Histogram của phần dư – đã chuẩn hóa
Kết quả từ biểu đồ tần số Histogram của phần dư cho thấy, phân phối của phần dư xấp xỉ chuẩn (trung bình Mean lệch với 0 vì số quan sát khá lớn, độ lệch chuẩn Std. Dev = 0.985). Điều này có nghĩa là giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
4.6. Một số bàn luận
4.6.1.Về kết quả của hệ số tin cậy Cronbach’s Alpha
Sau khi phân tích độ tin cạy và độ phù hợp của thang đo bằng hệ số tin cạy Cronbach’s alpha, ta nhận thấy Hệ số tương quan biến tổng của các quan sát nhân tố “Hiệu quả tư vấn” đều lớn hơn 0.3 và hệ số Cronbach’s alpha đều lớn hơn 0.6
(bảng 4.5) chỉ có nhân tố có hệ số tương quan biến tổng là 0.085 < 0.3 nên tác giả loại bỏ biến HQTV khỏi mô hình sẽ cải thiện đáng kể độ tin cậy cho các thang đo.
Điều này có thể được giải thích như sau, nhân tố HQTV5 “chi phí bỏ ra phải phù hợp với lợi ích phần mềm kế toán mang lại” không có ý nghĩa thống kê; có thể là hiệu quả tư vấn không tác động nhiều phần chi phí cho đầu tư phần mềm kế toán cho doanh nghiệp tại Tp.HCM, và việc này không ảnh hưởng lớn đến hiệu quả sử dụng phần mềm kế toán. Bởi vì khi doanh nghiệp đã đủ nguồn lực để đầu tư PMKT họ không băn khoăn nhiều bởi chí phí
4.6.2 Về kết quả của phân tích nhân tố khám phá
Kết quả kiểm định KMO và Bartlett cho thấy dữ liệu nghiên cứu này là hoàn toàn phù hợp vì giá trị kiểm định đạt 0.891 (> 0.5) với mức ý nghĩa thống kê là 99% (Sig. = 0,000 < 0.05). Như vậy, kỹ thuật phân tích nhân tố khám phá là hoàn toàn có thể thực hiện được trong nghiên cứu này bởi vì quy mô mẫu 204 là thích hợp và đủ lớn để thực hiên.
Từ bảng tổng phương sai trích tích lũy (bảng 4.10 – xem bảng đầy đủ ở phụ lục 3), ta có thể thấy sáu nhân tố có Eigenevalue (lượng biến thiên được giải thích bởi nhân tố) lớn hơn 1 hoặc rút trích từ 26 yếu tố đưa vào mô hình và phương sai trích có giá trị bằng 62,443 cho biết sáu nhân tố này giải thích được 62,443% biến thiên của dữ liệu. Như vậy phương sai trích đạt yêu cầu (>50%)
Từ bảng ma trận hệ số sau khi xoay (bảng 4.11), ta có thể thấy không có biến nào có hệ số tải nhân tố nhỏ hơn 0.5, do đó cả 26 biến quan sát được sử dụng làm thang đo. Sự tập trung của các biến theo từng nhân tố đã hiện rõ ràng, trong đó:
Nhân tố 1 là toàn bộ các biến thuộc nhân tố chất lượng thông tin Nhân tố 2 là toàn bộ các biến thuộc nhân tố năng lực quản lý Nhân tố 3 là toàn bộ các biến thuộc nhân tố chất lượng phần mềm Nhân tố 4 là toàn bộ các biến thuộc nhân chất lượng phần cứng
Nhân tố 5 là toàn bộ các biến thuộc nhân tố hiệu quả tư vấn từ chuyên gia Nhân tố 6 là toàn bộ các biến thuộc nhân tố thái độ chấp nhận phần mềm
4.6.3 Về kết quả của phân tích hồi quy tuyến tính
Trong bảng kết quả 4.15, hệ số R2 hiệu chỉnh có giá trị là 0.799, có nghĩa là