TT Mã
hóa Tiêu chí Nguồn
I MT Môi trường kiểm soát
1 MT1 CBCC được nâng cao thái độ phục vụ khách hàng.
Tác giả đề xuất
2 MT2 Cơ cấu tổ chức được phân chia chức năng nhiệm vụ hợp lý.
Việt Thùy (2016)
3 MT3 CBCC có trình độ chuyên môn nghiệp vụ cao. Thanh Hiếu (2015)
4 MT4 CBCC được bố trí công việc phù hợp với chuyên môn nghiệp vụ
Thanh Hiếu (2015)
5 MT5 Nhân viên luôn có cơ hội phát triển và thăng tiến. Tác giả đề xuất
II RR Đánh giá rủi ro
6 RR1 Kho bạc luôn đặt nhiệm vụ bảo đảm an toàn tuyệt đối tiền và tài sản của nhà nước.
Thanh Hiếu (2015);
7 RR2 Bộ phận kiểm soát chi thường xuyên kiểm tra đối chiếu các tài khoản và thủ tục chi ngân sách.
Việt Thùy (2016)
8 RR3 Bộ phận kế hoạch tổng hợp kiểm soát quá trình thực hiện dự án đúng tiến độ và giải ngân theo kế
Thanh Hiếu (2015)
hoạch đã được duyệt.
9 RR4 Lãnh đạo Kho bạc luôn kiểm soát chặt chẽ việc tuân thủ các quy trình nghiệp vụ.
Thanh Hiếu (2015)
10 RR5 Lãnh đạo kho bạc luôn phát hiện và kịp thời xử lý các rủi ro trong thời gian ngắn nhất.
Thanh Hiếu (2015)
III KS Kiểm soát
11 KS1
Bảng hướng dẫn quy trình xử lý nghiệp vụ tại các phòng ban giúp khách hàng dễ kiểm soát được tiến độ xử lý công việc của mình.
Tác giả đề xuất
12 KS2 Lãnh đạo kho bạc luôn phân chia công việc hợp lý và phân rõ trách nhiệm quản lý.
Thanh Hiếu (2015)
13 KS3 Các chứng từ phát sinh luôn được kiểm soát đầy đủ, kịp thời và khoa học.
Tác giả đề xuất
14 KS4 Kiểm soát việc giao nhận hồ sơ đáp ứng đúng thời gian quy định
Tác giả đề xuất
15 KS5 Kho bạc thường xuyên kiểm tra giá trị tài sản và định mức tồn quỹ tại đơn vị.
Thanh Hiếu (2015)
IV TT Thông tin và truyền thông
16 TT1 Kho bạc thường xuyên liên lạc tốt việc phối hợp thanh toán song phương qua hệ thống ngân hàng
Tác giả đề xuất
17 TT2 Các thông tin tại kho bạc được công bố rõ ràng, chính xác.
Thanh Hiếu (2015)
18 TT3
Thường xuyên thông tin cho doanh nghiệp việc mở và quản lý tài khoản tại kho bạc trong điều kiện áp dụng TABMIS.
Thanh Hiếu (2015)
19 TT4 Việc an toàn thông tin cá nhân luôn được bảo mật và thay đổi thường xuyên.
Thanh Hiếu (2015) 20 TT5 Nhân viên kho bạc hướng dẫn chi tiết khi khách Tác giả đề
hàng không thực hiện đúng các trình tự thủ tục. xuất
V GS Giám sát
21 GS1
Hoạt động giám sát thường xuyên của Kho bạc tỉnh đối với các đơn vị được thực hiện đúng theo quy định về thời gian.
Tác giả đề xuất
22 GS2 Hoạt động giám sát thường xuyên tại các đơn vị được thực hiện một cách chặc chẽ.
Tác giả đề xuất
23 GS3 Hoạt động giám sát thường xuyên tại các đơn vị được thực hiện đúng trình tự thủ tục.
Việt Thùy (2016)
24 GS4 Hoạt động giám sát đột xuất tồn quỹ tiền mặt tại Kho bạc đúng quy định.
Tác giả đề xuất
25 GS5
Phòng Thanh tra Kho bạc tỉnh thường xuyên kiểm tra độc lập công tác chuyên môn từng đơn vị.
Thanh Hiếu (2015)
VI KT Tự kiểm tra và kiểm tra chéo
26 KT1 Công tác tự kiểm tra của từng nhân viên tại đơn vị kho bạc luôn được thực hiện thường xuyên.
Tác giả đề xuất
27 KT2 Các phòng ban thường xuyên kiểm tra rà soát các quy trình nghiệp vụ tự kiểm tra.
Anh Phong và Trung
Hạnh (2010)
28 KT3 Công tác tự kiểm tra được thể hiện đúng theo thủ tục của cấp trên quy định.
Việt Thùy (2016)
29 KT4 Các đơn vị trong kho bạc thường xuyên kiểm tra chéo các nghiệp phát sinh.
Tác giả đề xuất
30 KT5
Công tác kiểm tra chéo giữa các nhân viên trong cùng một bộ phận tại đơn vị kho bạc luôn được phối hợp chặt chẽ.
Tác giả đề xuất
VII CT Công tác kiểm soát nội bộ
31 CT1 Công tác KSNB giúp KB thực hiện tốt yêu cầu thủ tục quy trình quản lý theo quy định.
Tác giả đề xuất
32 CT2 Công tác KSNB ảnh hưởng tốt đến kết quả làm việc của nhân viên Kho bạc.
Tác giả đề xuất
33 CT3 Công tác KSNB ảnh hưởng tốt đến việc quản lý ngân sách nhà nước.
Tác giả đề xuất
3.2.2. Nghiên cứu định lượng
3.2.2.1. Mục tiêu
Nghiên cứu định lượng dựa trên những tài liệu, số liệu thu thập được qua bảng câu hỏi cùng với phương pháp thống kê, phân tích, so sánh kết hợp với phần mềm phân xử lí số liệu để đưa ra các nhân tố ảnh hưởng cũng như kết luận từ các số liệu.
3.2.2.2. Phương pháp phân tích dữ liệu
Sau khi được thu thập, các bảng trả lời được kiểm tra và loại đi những bảng không đạt yêu cầu. Sau đó chúng được mã hóa, nhập liệu và làm sạch dữ liệu bằng SPSS for Window 20. Với phần mềm SPSS, thực hiện phân tích dữ liệu thông qua các công cụ như thống kê mô tả, bảng tần số, kiểm định độ tin cậy của các thang đo, phân tích khám phá, hồi quy, kiểm định T-test và phân tích sâu ANOVA.
- Thống kê mô tả:
Mẫu thu thập được tiến hành phân tích bằng các thống kê mô tả: Phân loại mẫu theo tiêu chí phân loại điều tra, tính trung bình, giá trị lớn nhất, giá trị nhỏ nhất của các trả lời trong câu hỏi điều tra.
- Kiểm định độ tin cậy của thang đo:
Hệ số Cronbach’s Alpha chỉ cho biết các biến đo lường có liên kết với nhau hay không nhưng không cho biết các biến nào cần phải loại bỏ và biến nào cần được giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến - tổng để loại ra những biến không đóng góp nhiều cho các khái niệm cần đo (Hoàng Trọng và Chu
Nguyễn Mộng Ngọc, 2008). Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang đo gồm:
Hế số tin cậy Cronbach’s Alpha: Nhiều nhà nghiên cứu đồng ý rằng hệ số Cronbach Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1988; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Vì vậy đối với nghiên cứu này thì Cronbach Alpha từ 0.6 trở lên là sử dụng được. Như thế, để kiểm định sự tin cậy của các thang đo sử dụng trong nghiên cứu, tác giả sử dụng hệ số Cronbach’s Alpha để kiểm định và hệ số tương quan biến tổng. Các biến không đảm bảo tin cậy sẽ bị loại khỏi mô hình nghiên cứu và không xuất hiện khi phân tích khám phá nhân tố (EFA).
Hệ số tương quan biến - tổng: là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của biến này với các biến khác trong nhóm càng cao. Theo Nunnally & Burnstein(1994), hệ số tương quan các biến sẽ có các mức độ phân loại như sau:
- ±0.01 đến ±0.1: Mối tương quan quá thấp, không đáng kể - ±0.2 đến ±0.3 : Mối tương quan thấp
- ±0.4 đến ±0.5: Mối tương quan trung bình - ±0.6 đến ±0.7: Mối tương quan cao
- ±0.8 trở lên: Mối tương quan rất cao
Trong đó các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 được coi là biến rác và sẽ bị loại khỏi thang đo.
- Phân tích các nhân tố khám phá EFA:
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật sử dụng để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng như tìm ra các mối quan hệ giữa các biến với nhau. Phép phân tích nhân tố của các
khái niệm nghiên cứu được xem xét để cung cấp bằng chứng về giá trị phân biệt và giá trị hội tụ của thang đo. Mức độ thích hợp của tương quan nội tại các biến quan sát trong khái niệm nghiên cứu được thể hiện bằng hệ số KMO (Kaiser – Mever – Olkin). Trị số KMO lớn ( giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
Đo lường sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Bartlet’s Test of Sphericity trong phân tích khám phá dùng để xem xét sự thích hợp của phân tích nhân tố. Rút trích nhân tố đại diện bằng các biến quan sát được thực hiện với phép quay Varimax và phương pháp trích nhân tố Principle components. Các thành phần với giá trị Eigenvalue lớn hơn 1 và tổng phương sai trích bằng hoặc lớn hơn 50% được xem như những nhân tố đại diện các biến. Hệ số tải nhân tố (Factor loading) biểu diễn các tương quan đơn giữa các biến và các nhân tố bằng hoặc lớn 0.5 mới có ý nghĩa.
Sau khi các khái niệm (nhân tố) được kiểm định thang đo bằng Cronbach’s Alpha sẽ tiếp tục được đưa vào phân tích khám phá nhân tố (EFA). Phân tích nhân tố sẽ giúp nhà nghiên cứu rút ra được những nhân tố tiềm ẩn từ một tập hợp các biến quan sát nhỏ hơn, có ý nghĩa hơn. Một số tiêu chuẩn áp dụng khi phân tích EFA trong nghiên cứu như sau:
Kiểm định sự thích hợp của phân tích nhân tố với dữ liệu của mẫu thông qua giá trị thống kê Kaiser-Meyer-Olkin (KMO). Theo đó, trị số của KMO lớn hơn 0,5 thì phân tích nhân tố là thích hợp (Garson, 2002), ngược lại nếu trị số KMO nhỏ hơn 0,5 thì áp dụng phương pháp phân tích nhân tố không thích hợp với dữ liệu đang có.
Số lượng nhân tố: Số lượng nhân tố được xác định dựa vào chỉ số eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu (Garson, 2002).
Phương sai trích (variance explained criteria): Tổng phương sai trích phải lớn hơn 50%.(Hair và cộng sự, 1998).
Độ giá trị hội tụ: Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0,5 trong một nhân tố (Gerbing & Anderson, 1988).
Phương pháp trích hệ số yếu tố Principal components với phép xoay Varimax để đảm bảo số lượng nhân tố là bé nhất.
Tiêu chuẩn: Hệ số nhân tố phải lớn hơn hoặc bằng 0.5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0.3 là mức tối thiểu chấp nhận được; lớn hơn 0.4 là quan trọng; lớn hơn 0.5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0.3; nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố lớn hơn 0.55; nếu cỡ mẫu khoảng 50 thì hệ số tải phải lớn hơn 0.75.
Từ kết quả phân tích nhân tố khám phá, tác giả sẽ xem xét lại mô hình nghiên cứu giả thiết, cân nhắc việc liệu có phải điều chỉnh mô hình hay không, thêm, bớt các nhân tố hoặc các giá trị quan sát của các nhân tố hay không?
- Xây dựng phương trình hồi quy:
Sau khi thang đo của các yếu tố khảo sát đã được kiểm định thì sẽ được xử lý chạy hồi quy tuyến tính bằng phương pháp tổng bình phương nhỏ nhất (OLS) bằng phương pháp Enter. Theo Nguyễn Đình Thọ (2011), phương pháp Enter phù hợp hơn với các nghiên cứu kiểm định.
- Phân tích hồi quy đa biến:
Phân tích tương quan:
Các thang đo đã qua đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson. Phân tích tương quan Pearson được thực hiện giữa các biến phụ thuộc và biến độc lập nhằm khẳng định mối liên hệ tuyến tính giữa các biến này và khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Hệ số tương quan Pearson (r) có giá trị trong khoảng (-1 +1). Giá trị tuyệt đối của r càng tiến đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra rằng hai biến không có quan hệ tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008).
Phân tích hồi quy đa biến:
Sau khi kết luận hai biến có mối quan hệ tuyến tính với nhau thì có thể mã hình hóa mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008).
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.
Kiểm định giả thuyết:
Quá trình kiểm định giả thuyết được thực hiện theo các bước sau:
+ Đánh giá độ phù hợp của mô hình hồi quy đa biến thông qua R2 và R2 hiệu chỉnh.
+ Kiểm định giả thuyết về độ phù hợp của mô hình.
+ Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.
+ Kiểm định giả thuyết về phân phối chuẩn của phần dư: dựa theo biểu tần số của phần dư chuẩn hóa; xem giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1.
+ Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008).
+ Xác định mức độ ảnh hưởng của các yếu tố tác động đến sự hữu hiệu của hệ thống kiểm soát nội bộ tại các Kho bạc Nhà nước trên địa bàn tỉnh Tây Ninh: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.
+ Cuối cùng kiểm định T - test và phân tích sâu ANOVA dùng để kiểm định sự khác biệt giữa các thành phần theo yếu tố nhân khẩu học: nhóm giới tính độ tuổi về sự hữu hiệu của công tác kiểm soát nội bộ tại các Kho bạc Nhà nước trên địa bàn tỉnh Tây Ninh.
3.3. Phương pháp chọn mẫu và thiết kế mẫu 3.3.1. Phương pháp chọn mẫu 3.3.1. Phương pháp chọn mẫu
hành lấy mẫu thuận tiện. Theo phương pháp này, nhà nghiên cứu tiếp cận với các đối tượng nghiên cứu theo cách thuận tiện, điều này có nghĩa là nhà nghiên cứu có thể chọn các đối tượng cán bộ có thể tiếp cận tại các Kho bạc Nhà nước của tỉnh Tây Ninh.
3.3.2. Thiết kế mẫu
Về kích thước mẫu, MacCallum và đồng tác giả (1999) đã tóm tắt các quan điểm của các nhà nghiên cứu trước đó về con số tuyệt đối mẫu tối thiểu cần thiết cho phân tích nhân tố, trong đó Gorsuch (1983) và Kline (1979) đề nghị con số đó là 100, còn Guilford (1954) cho rằng con số mẫu cần thiết là 200.
Theo Tabachnick & Fidell (1996) để phân tích hồi quy đạt được kết quả tốt nhất thì kích cỡ mẫu phải thỏa mãn công thức: n >= 8p + 50. Trong đó: n là kích thước mẫu cần thiết, p là số biến độc lập của mô hình. Nghiên cứu được xây dựng với 6 biến nên kích cỡ mẫu tối thiểu phải là 98 mẫu
Theo Hair và cộng sự (1992) số mẫu quan sát trong phân tích nhân tố phải lớn hơn 100 và có tỷ lệ so với biến ít nhất là 5/1, tốt nhất trong khoảng tỷ lệ 5/1 – 10/1. Do đó đối với đề tài này, việc xác định cỡ mẫu của nghiên cứu định lượng được thực hiện theo con số kinh nghiệm = (số biến cần đo) x 5 (ước lượng có 33 biến tương đương 165 mẫu khảo sát). Nhằm đạt được kích thước mẫu đề ra và đảm bảo cho kết quả nghiên cứu đại diện cho tổng thể, tác giả phát ra 330 phiếu