CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.1 Kết quả nghiên cứu
4.1.4.2 Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết đƣợc tác động của các biến độc lập lên biến phụ thuộc, cũng nhƣ mức độ tác động của từng biến.
Yi = B0 + B1*X1i + B2*X2i +...+ Bp*Xpi + ei Trong đó:
Xpi : biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i.
Yi : là giá trị dự đoán ( hay giá trị lí thuyết) thứ i của biến phụ thuộc. ei : Là phần dƣ.
Bp: là hệ số hồi qui, phƣơng pháp đƣợc dùng để xác định Bp là phƣơng pháp OLS – phƣơng pháp bình phƣơng nhỏ nhất.
Mối quan hệ giữa biến độc lập với biến phụ thuộc
Phƣơng trình hồi quy của mô hình có dạng:
HQAIS = B0 + B1*TGQL + B2*KTQL + B3*KTKT + B4*KNVD + B5* MDUD + B6* HQTV
Với quy ƣớc ký hiệu nhƣ sau:
TGQL: Sự tham gia của nhà quản lý về việc thực hiện AIS (X1); KTQL: Kiến thức của nhà quản lý về AIS ( X2); KTKT: Kiến thức kế toán của nhà quản lý ( X3); KNVD: Khả năng vận dụng chế độ kế toán trong các DNNVV( X4); MDUD: Mức độ ứng dụng công nghệ thông tin trong công tác kế toán ( X5); HQTV: Hiệu quả tƣ vấn từ chuyên gia bên ngoài ( X6); Biến phụ thuộc là hiệu quả của AIS ( HQAIS).
Để tiến hành phân tích hồi quy tuyến tính bội, các biến đƣa vào mô hình theo phƣơng pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn đƣợc xây dựng vào phƣơng pháp kiểm định giá trị thống kê F và xác định xác suất tƣơng ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2
. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu đƣợc đánh giá mức độ cộng tuyến làm sai lệch tham số ƣớc lƣợng là: Hệ số phóng đại phƣơng sai (Variance inflation factor - VIF). Quy tắc khi VIF vƣợt quá 10, đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đƣa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phƣơng pháp đƣa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích giá trị phù hợp cho các biến số đƣợc thể hiện thông qua Bảng 4.20.
Bảng 4.20: Hệ số R2 từ kết quả phân tích hồi quy
Mô hình R R 2 R2 hiệu chỉnh Sai số ƣớc lƣợng Durbin- Watson 1 .726a .527 .512 .40468 2.026 a. Biến độc lập: (hằng số), KTKT, KTQL, HQTV, KNVD, TGQL, MDUD b. Biến phụ thuộc: HQAIS
Hệ số xác định hiệu chỉnh R2
hiệu chỉnh là 0.512, điều này cho thấy mối quan hệ giữa biến độc lập với biến phụ thuộc có ý nghĩa, cụ thể là cả 6 biến độc lập trên góp phần giải thích 51.2% sự khác biệt của hiệu quả của AIS.
Nhƣ vậy, mức độ phù hợp của mô hình đƣợc chấp nhận. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mô hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mô hình thông qua kiểm định F.
Kiểm định F
Theo Bảng 4.21 phân tích ANOVA, kiểm định F sử dụng trong bảng phân tích phƣơng sai vẫn là một phép giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F có giá trị là 35.850 với Sig. = 0.00, chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng đƣợc để dự đoán cho tổng thể. Bảng 4.21: Phân tích ANOVA Mô hình Tổng bình phƣơng df Trung bình bình phƣơng F Sig. 1 Hồi quy 35.226 6 5.871 35.850 .000b Phần dƣ 31.607 193 .164 Tổng 66.833 199
Sau khi kiểm định F đã đạt yêu cầu. Tác giả tiến hành phân tích hệ số hồi quy cho từng biến độc lập, để đo lƣờng mức độ tác động của từng biến độc lập lên biến phụ thuộc. Kết quả phân tích hồi quy đƣợc thể hiện trong Bảng 4.22.
Bảng 4.22: Bảng hệ số hồi quy
Mô hình
Hệ số hồi quy chƣa chuẩn hóa
Hệ số hồi quy chuẩn hóa t Sig. Phân tích đa cộng tuyến B Std. Error Beta Độ chấp nhận VIF 1 Hằng số .664 .236 2.818 .005 TGQL .135 .039 .195 3.477 .001 .778 1.285 KTQL .218 .059 .218 3.705 .000 .707 1.415 KNVD .100 .036 .150 2.804 .006 .860 1.162 MDUD .261 .058 .264 4.503 .000 .715 1.399 HQTV .116 .034 .182 3.398 .001 .852 1.173 KTKT .121 .035 .175 3.438 .001 .948 1.055
Theo Bảng 4.22 Phân tích hồi quy, kết quả thống kê cho thấy các hệ số hồi quy chuẩn hóa của phƣơng trình hồi quy đều khác 0 và Sig. <0.05 chứng tỏ cả 6 biến độc lập đều tham gia tác động tới hiệu quả của AIS.
Theo Nguyễn Đình Thọ (2014) nếu chúng ta dùng hệ số hồi quy chƣa chuẩn hóa thì chúng ta khó có thể so sánh mức độ tác động của các biến độc lập vì thang đo lƣờng chúng thƣờng khác nhau. Vì vậy, chúng ta phải sử dụng trọng số hồi quy β chuẩn hóa để có những so sánh chính xác hơn. So sánh giá trị của hệ số chuẩn hóa ở cột Beta cho thấy: Mức độ tác động mạnh nhất là yếu tố mức độ ứng dụng CNTT, sau đó là kiến thức của nhà quản lý, và thấp nhất là yếu tố khả năng vận dụng.
Phƣơng trình hồi quy của mô hình theo hệ số β chuẩn hóa nhƣ sau:
HQAIS = 0.195*TGQL + 0.218*KTQL + 0.150*KNVD + 0.264*MDUD + 0.182*HQTV + 0.175*KTKT
Kiểm định giả thuyết
Dựa trên kết quả phân tích hồi quy sẽ giải thích, kiểm định các giả thuyết đã đƣa ra. Kết quả này cho thấy các giả thuyết từ H1 đến H6 đều đƣợc chấp nhận do các hệ số β chuẩn hóa đều khác không, tức là các biến độc lập trong mô hình đề xuất của tác giả đều có ảnh hƣởng đến biến phụ thuộc với mức độ tác động đƣợc trình bày nhƣ trong Bảng 4.23.
Bảng 4.23: Kiểm định giả thuyết
Giả thuyết Phát biểu Hệ số beta chuẩn hóa Giá trị p Kết luận H1
Có mối quan hệ tỷ lệ thuận giữa sự tham gia của nhà quản lý ( X1) và hiệu quả của hệ thống thông tin kế toán ( X7)
.195 .001
Chấp nhận H2
Có mối quan hệ tỷ lệ thuận giữa kiến thức hệ thống thông tin kế toán của nhà quản lý ( X2) và hiệu quả của hệ thống thông tin kế toán ( X7).
.218 .000
H3
Có mối quan hệ tỷ lệ thuận giữa kiến thức kế toán của nhà quản lý ( X3) và hiệu quả của hệ thống thông tin kế toán ( X7).
.175 .001
H4
Có mối quan hệ tỷ lệ thuận giữa khả năng vận dụng chế độ kế toán trong các DNNVV ( X4) và hiệu quả của hệ thống thông tin kế toán ( X7).
H5
Có mối quan hệ tỷ lệ thuận giữa mức độ ứng dụng CNTT trong công tác kế toán( X5) và hiệu quả của hệ thống thông tin kế toán ( X7).
.264 .000
H6
Có mối quan hệ tỷ lệ thuận giữa hiệu quả tƣ vấn từ chuyên gia bên ngoài ( X6) và hiệu quả của hệ thống thông tin kế toán ( X7).
.182 .001