CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.1.1.3Kiểm định hệ số tin cậy Cronbach’s alpha cho thang đo biến “Giá phí”
4.1 Phân tích và đánh giá độ tin cậy của thang đo
4.1.1.3Kiểm định hệ số tin cậy Cronbach’s alpha cho thang đo biến “Giá phí”
Thang đo nhân tố giá phí có hệ số Cronbach’s alpha khá cao 0.829. Hệ số tƣơng quan biến tổng của các quan sát nhân tố này đều lớn hơn 0.3 và hệ số Cronbach’s alpha đều lớn hơn 0.6 (bảng 4.3). Điều này cho thấy các biến quan sát của thang đo đảm bảo độ tin cậy. Do đó, cả 5 biến quan sát cho biến “giá phí” đều giữ lại để phân tích EFA.
Bảng 4.3. Kết quả độ tin cậy thang đo biến “Giá phí”
Cronbach's Alpha Số biến
.829 5
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
GP1 15.37 6.801 .577 .808
GP2 15.34 6.409 .643 .789
GP3 15.28 6.340 .657 .785
GP4 15.45 6.497 .602 .801
GP5 15.50 6.459 .648 .788
4.1.1.4. Kiểm định hệ số tin cậy Cronbach’s alpha cho thang đo biến “Thương hiệu”
Thang đo nhân tố thƣơng hiệu có hệ số Cronbach’s alpha khá cao 0.812. Hệ số tƣơng quan biến tổng của các quan sát nhân tố này đều lớn hơn 0.3 và hệ số Cronbach’s alpha đều lớn hơn 0.6 (bảng 4.4). Điều này cho thấy các biến quan sát của thang đo đảm bảo độ tin cậy. Do đó, cả 5 biến quan sát cho biến “Thƣơng hiệu” đều giữ lại để phân tích EFA.
Bảng 4.4. Kết quả độ tin cậy thang đo biến “Thương hiệu”
Cronbach's Alpha Số biến
.812 5
Biến quan
sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu loại biến
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
TH1 14.06 5.980 .598 .776
TH2 14.06 5.668 .629 .766
TH3 14.18 5.764 .593 .777 (adsbygoogle = window.adsbygoogle || []).push({});
TH4 14.02 6.088 .584 .780
TH5 13.91 5.852 .594 .777
(Nguồn: tính toán từ chương trình SPSS)
4.1.1.5. Kiểm định hệ số tin cậy Cronbach’s alpha cho thang đo biến “Sự giới thiệu” thiệu”
Kết quả kiểm tra độ tin cậy của thang đo nhân tố sự giới thiệu có hệ số Cronbach’s alpha 0.786. Hệ số tƣơng quan biến tổng của các quan sát nhân tố này đều lớn hơn 0.3 và hệ số Cronbach’s alpha đều lớn hơn 0.6 (bảng 4.5). Do đó, cả 4 biến quan sát cho biến “sự giới thiệu” đều giữ lại để phân tích EFA.
Bảng 4.5. Kết quả độ tin cậy thang đo biến “Sự giới thiệu”
Cronbach's Alpha Số biến
.786 4
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
SGT1 10.61 3.990 .593 .735
SGT2 10.58 3.628 .658 .700
SGT3 10.50 3.771 .639 .711
SGT4 10.44 3.887 .497 .787
(Nguồn: tính toán từ chương trình SPSS)
4.1.1.6. Kiểm định hệ số tin cậy Cronbach’s alpha cho thang đo biến “Thái độ”
Thang đo nhân tố thái độ có hệ số Cronbach’s alpha là 0.848. Hệ số tƣơng quan biến tổng của các quan sát nhân tố này đều lớn hơn 0.3 và hệ số Cronbach’s alpha đều lớn hơn 0.6 (bảng 4.6). Điều này cho thấy các biến quan sát của thang đo đảm bảo độ tin cậy. Do đó, cả 4 biến quan sát cho biến “thái độ” đều giữ lại để phân tích EFA.
Bảng 4.6. Kết quả độ tin cậy thang đo biến “Thái độ”
Cronbach's Alpha Số biến .848 4 Biến quan sát Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
TĐ1 10.66 5.009 .601 .841 (adsbygoogle = window.adsbygoogle || []).push({});
TĐ2 10.71 4.465 .691 .805
TĐ3 10.69 4.167 .705 .801
TĐ4 10.59 4.443 .758 .777
4.1.1.7. Kiểm định hệ số tin cậy Cronbach’s alpha cho thang đo biến “Độ tin cậy”
Thang đo nhân tố độ tin cậy có hệ số Cronbach’s alpha là 0.78. Hệ số tƣơng quan biến tổng của các quan sát nhân tố này đều lớn hơn 0.3 và hệ số Cronbach’s alpha đều lớn hơn 0.6 (bảng 4.7). Điều này cho thấy các biến quan sát của thang đo đảm bảo độ tin cậy. Do đó, cả 5 biến quan sát cho biến “độ tin cậy” đều giữ lại để phân tích EFA.
Bảng 4.7. Kết quả độ tin cậy thang đo biến “Độ tin cậy”
Cronbach's Alpha Số biến
.780 5
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
ĐTC1 14.56 5.839 .550 .741
ĐTC2 14.53 6.026 .510 .754
ĐTC3 14.64 5.775 .566 .735
ĐTC4 14.53 5.930 .585 .730
ĐTC5 14.46 5.881 .561 .737
(Nguồn: tính toán từ chương trình SPSS)
4.1.1.8. Kiểm định hệ số tin cậy Cronbach’s alpha cho thang đo biến “quyết định lựa chọn dịch vụ kế toán”
Thang đo nhân tố quyết định lựa chọn dịch vụ kế toán có hệ số Cronbach’s alpha là 0.834. Hệ số tƣơng quan biến tổng của các quan sát nhân tố này đều lớn hơn 0.3 và hệ số Cronbach’s alpha đều lớn hơn 0.6 (bảng 4.8). Điều này cho thấy các biến quan sát của thang đo đảm bảo độ tin cậy. Do đó, cả 7 biến quan sát cho biến “sự lựa chọn dịch vụ kế toán” đều giữ lại để phân tích EFA.
Bảng 4.8. Kết quả độ tin cậy thang đo biến “quyết định lựa chọn dịch vụ kế toán”
Cronbach's Alpha Số biến
.834 7
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu loại biến (adsbygoogle = window.adsbygoogle || []).push({});
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
LCDVKT1 22.15 11.033 .651 .801 LCDVKT2 22.31 11.769 .615 .807 LCDVKT3 22.55 11.425 .666 .799 LCDVKT4 22.50 12.131 .530 .820 LCDVKT5 22.25 12.011 .604 .809 LCDVKT6 22.03 11.995 .567 .815 LCDVKT7 22.40 12.497 .457 .831
(Nguồn: tính toán từ chương trình SPSS)
Nhƣ vậy, thông qua công cụ phân tích hệ số Cronbach’s alpha, 39 biến quan sát thuộc 8 nhân tố trên đều đạt về hệ số Cronbach’s alpha và hệ số tƣơng quan tổng nên đƣợc giữ lại để tiếp tục phân tích khám phá EFA. Mục đích của việc phân tích EFA là để tìm ra thang đo tin cậy tốt nhất cho các nhân tố để phân tích hồi quy, việc phân tích EFA có thể sẽ tìm ra nhân tố mới cho mô hình, tuy nhiên sẽ loại bỏ các biến quan sát để tìm ra thang đo tin cậy cho mô hình nghiên cứu là điều chắc chắn và có thể việc loại bỏ biến ở bƣớc phân tích này khá nhiều, đặc biệt đối với những nghiên cứu còn khá mới và đƣợc nghiên cứu trong những trƣờng hợp nghiên cứu khác nhau.
4.1.2. Phân tích nhân tố khám phá EFA
4.1.2.1. Phân tích khám phá EFA cho biến độc lập
Nhƣ vậy từ 32 biến quan sát của 7 nhân tố của mô hình nghiên cứu đề xuất đƣợc đƣa vào phân tích EFA với kỳ vọng sẽ sau khi phân tích nhân tố thì vẫn giữ đƣợc 7 nhân tố với số lƣợng biến quan sát rút gọn nhất và phát hiện nhân tố mới
Các điều kiện kiểm tra nhƣ hệ số KMO đều đạt khá lớn và Sig. của Bartlett’s Test đều nhỏ hơn 5% cho thấy các biến quan sát trong quá trình thực hiện phân tích khám phá EFA đều hoàn toàn phù hợp với phân tích nhân tố.
Phƣơng pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (principal component analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa chỉ có những nhân tố trích ra có giá trị Eigenvaluve lớn hơn mới đƣợc giữ lại trong mô hình phân tích.
Các tiêu chí khi loại biến quan sát trong quá trình phân tích khám phá bao gồm: hệ số tải nhân tố không nhỏ hơn 50%, độ giá trị của hệ số tải biến quan sát thuộc cùng nhiều nhân tố khi đang phân tích phải nhỏ hơn 0.3 (max – min < 0.3) và độ ý nghĩa nội dung, nhƣng chủ yếu bị loại là do hệ số tải và độ giá trị không đảm bảo.
Kết quả phân tích khám phá đúng nhƣ mong đợi, có 8 nhân tố đƣợc rút ra ở ngay lần phân tích khám phá đầu tiên đó là: (1) lợi ích, (2) trình độ chuyên môn, (3) giá phí, (4) thƣơng hiệu, (5) sự giới thiệu, (6) thái độ, (7) độ tin cậy. Tất cả các điều kiện về phân tích nhân tố khám phá đều đáp ứng, hệ số KMO = 0.863 > 0.5 ; Sig. = 0,000 < 0.05 (bảng 4.9), 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 4.9:Hệ số KMO và kiểm định Bartlett các thành phần
KMO and Bartlett's Test
Hệ số KMO .863
Mô hình kiểm tra Bartlett
Gía trị Chi-Square 3292.743
Bậc tự do 496
Sig (giá trị p –value) .000 (Nguồn: tính toán từ chương trình SPSS)
Bảng 4.10:Bảng phương sai trích
Nhân tố
Giá trị Eigenvalues Chỉ số sau khi trích Chỉ số sau khi xoay
Tổng Phƣơng sai trích Tích lũy phƣơng sai trích Tổng Phƣơng sai trích Tích lũy phƣơng sai trích Tổng Phƣơng sai trích Tích lũy phƣơng sai trích 1 7.962 24.881 24.881 7.962 24.881 24.881 3.133 9.790 9.790 2 2.719 8.497 33.378 2.719 8.497 33.378 3.027 9.459 19.249 3 2.588 8.089 41.467 2.588 8.089 41.467 2.893 9.040 28.290 4 1.975 6.171 47.638 1.975 6.171 47.638 2.735 8.548 36.838 5 1.766 5.519 53.157 1.766 5.519 53.157 2.555 7.986 44.824 6 1.248 3.900 57.057 1.248 3.900 57.057 2.209 6.904 51.728 7 1.205 3.766 60.823 1.205 3.766 60.823 1.969 6.153 57.881 8 1.016 3.176 63.999 1.016 3.176 63.999 1.958 6.118 63.999 9 .918 2.867 66.866 10 .855 2.671 69.537 11 .816 2.549 72.086
(Nguồn: tính toán từ chƣơng trình SPSS) Bảng 4.10 cho thấy, các nhân tố đều có giá trị Eigenvalues > 1.Phƣơng sai trích là 63,999% > 50% là đạt yêu cầu. Với phƣơng pháp rút trích Principal components và phép quay Varimax, có 8 nhân tố đƣợc rút trích ra từ biến quan sát (bảng 4.10). Điều này, cho chúng ta thấy 8 nhân tố rút trích ra thể hiện đƣợc khả năng giải thích đƣợc 63,999% sự thay đổi của biến phụ thuộc trong tổng thể.
Bảng 4.11: Bảng ma trận xoay Biến quan Biến quan sát Thành phần 1 2 3 4 5 6 7 8 GP3 .738 GP4 .704 GP5 .681 GP2 .637 GP1 .606 LI4 .771 LI3 .722 LI2 .718 LI5 .687 LI1 .670 TĐ2 .841 TĐ4 .832 TĐ3 .792 TĐ1 .753 TH3 .768 TH4 .693 TH2 .676 TH1 .649 TH5 .636 SGT2 .836 SGT3 .811 SGT1 .777 SGT4 .684 ĐTC5 .763 ĐTC4 .648 ĐTC3 .595 ĐTC2 .757 ĐTC1 .639 TĐCM1 .548 TĐCM3 .794 TĐCM4 .703 TĐCM2 .544
(Nguồn: tính toán từ chương trình SPSS) Extraction Method: Principal Component Analysis.
4.1.2.2. Phân tích khám phá EFA cho biến phụ thuộc “quyết định lựa chọn dịch vụ kế toán” vụ kế toán”
Trong bài nghiên cứu có 1 biến phụ thuộc “quyết định lựa chọn dịch vụ kế toán” với 7 biến quan sát, kết quả phân tích EFA cho thấy tất cả các điều kiện về phân tích nhân tố khám phá đều đáp ứng, hệ số KMO = 0.84 > 0.5 ; Sig. = 0,000 < 0.05; hệ số tải nhân tố > 0,5; giá trị trích Eigenvalue > 3,534 (yêu cầu lớn hơn 1); và tổng phƣơng sai trích đạt khá cao 50,484%. (bảng 4.12, 4.13)
Bảng 4.12:Hệ số KMO và kiểm định Bartlett các thành phần
Hệ số KMO .840 (adsbygoogle = window.adsbygoogle || []).push({});
Kiểm tra mô hình Bartlett Giá trị. Chi-Square 588.844 Bậc tự do 21 Sig (giá trị p – value) .000 Bảng 4.13: Phương sai trích Nhân tố
Giá trị Eigenvalues Chỉ số sau khi trích
Tổng Phƣơng sai trích Tích lũy phƣơng sai trích Tổng Phƣơng sai trích Tích lũy phƣơng sai trích 1 3.534 50.484 50.484 3.534 50.484 50.484 2 .813 11.614 62.098 3 .769 10.989 73.087 4 .706 10.079 83.166 5 .468 6.683 89.849 6 .363 5.179 95.028 7 .348 4.972 100.000
(Nguồn: tính toán từ chương trình SPSS)
4.2. Phân tích tƣơng quan Pearson:
Kiểm định hệ số tƣơng quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Ma trận tƣơng quan cho biết tƣơng quan giữa biến phụ thuộc với từng biến độc lập cũng nhƣ tƣơng quan giữa các biến độc lập với nhau. Hệ số tƣơng quan của các quyết định lựa chọn dịch vụ kế toán với từng biến độc lập khá tƣơng đối. Hệ số tƣơng quan giữa các biến độc lập khá thấp, tuy nhiên ta vẫn phải xét vai trò của các biến độc lập và hiện tƣợng đa cộng tuyến.
Bảng 4.14: Kết quả phân tích tương quan Pearson giữa các biến độc lập và biến phụ thuộc
LCDVKT LI TĐCM GP TH SGT TĐ ĐTC LCDVKT Pearson Correlation 1 .504** .522** .815** .603** -.036 .340** .699** Sig. (2-tailed) .000 .000 .000 .000 .568 .000 .000 N 251 251 251 251 251 251 251 251 LI Pearson Correlation .504** 1 .354** .475** .339** .013 .316** .318** Sig. (2-tailed) .000 .000 .000 .000 .840 .000 .000 N 251 251 251 251 251 251 251 251 TĐCM Pearson Correlation .522** .354** 1 .435** .286** .085 .209** .438** Sig. (2-tailed) .000 .000 .000 .000 .178 .001 .000 N 251 251 251 251 251 251 251 251 GP Pearson Correlation .815** .475** .435** 1 .504** -.045 .373** .572** Sig. (2-tailed) .000 .000 .000 .000 .482 .000 .000 N 251 251 251 251 251 251 251 251 TH Pearson Correlation .603** .339** .286** .504** 1 .051 .146* .517** Sig. (2-tailed) .000 .000 .000 .000 .417 .021 .000 N 251 251 251 251 251 251 251 251 SGT Pearson Correlation -.036 .013 .085 -.045 .051 1 -.003 .016 Sig. (2-tailed) .568 .840 .178 .482 .417 .961 .806 N 251 251 251 251 251 251 251 251 TĐ Pearson Correlation .340** .316** .209** .373** .146* -.003 1 .221** Sig. (2-tailed) .000 .000 .001 .000 .021 .961 .000 N 251 251 251 251 251 251 251 251 ĐTC Pearson Correlation .699** .318** .438** .572** .517** .016 .221** 1 Sig. (2-tailed) .000 .000 .000 .000 .000 .806 .000 N 251 251 251 251 251 251 251 251
(Nguồn: tính toán từ chương trình SPSS)
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
Kết quả phân tích tƣơng quan cho biến phụ thuộc CLTT có hệ số Sig = .000 < 5% ngoại trừ biến “sự giới thiệu” có hệ số Sig = 0.568 > 5%, do vậy chỉ có 6 biến độc lập LI, TĐCM, GP, TH, TĐ, ĐTC đều tƣơng quan với biến phụ thuộc LCDVKT, và 6 biến độc lập này đƣợc giữ lại để phân tích hồi quy.
4.3. Phân tích hồi quy
4.3.1. Phƣơng trình hồi quy tuyến tính
Phát hiện từ bƣớc nghiên cứu trƣớc về các nhân tố ảnh hƣởng đến quyết định lựa chọn dịch vụ kế toán và kết quả phân tích EFA cho thấy các nhân tố lợi ích, trình độ chuyên môn, giá phí, thƣơng hiệu, thái độ, độ tin cậy ảnh hƣởng đến quyết định lựa chọn dịch vụ kế toán.
Phƣơng trình hồi quy:
Y = βLI + β2TĐCM + β3GP + β4TH + β5TĐ +β6ĐTC + ε Trong đó:
Biến LI: Lợi ích
Biến TĐCM: Trình độ chuyên môn Biến GP: Giá phí
Biến TH: Thƣơng hiệu Biến TĐ: Thái độ Biến ĐTC: Độ tin cậy ε : hệ số nhiễu
β: hệ số hồi quy
Y: quyết định lựa chọn dịch vụ kế toán
Kết quả cho thấy mô hình có độ phù hợp đạt yêu cầu (R2=0,78). Hệ số R2 hiệu chỉnh (Adjusted Square) trong mô hình này là 0,78 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữliệu đến mức 78%. Điều này cũng có nghĩa là có 78% sự biến thiên quyết định lựa chọn dịch vụ kế toán đƣợc 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 Mô hình Hệ sốR Hệ sốR2 Hệ số R 2 - hiệu chỉnh Sai số chuẩn của ƣớc lƣợng 1 .886a .785 .780 .265
(Nguồn: tính toán từ chương trình SPSS)
a. Biến độc lập: ĐTC, TĐ, LI, TĐCM, TH, GP b. Biến phụ thuộc: LCDVKT
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 tƣơng quan tuyến tính với toàn bộ các biến độc lập hay không.
Giả thuyết H0 là: β1 = β2 = β3 = β4 = β5 = 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 đƣợc 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 ANOVAa Mô hình Tổng bình phƣơng Bậc tự do Trung bình bình phƣơng F Sig. 1 Hồi quy 62.806 6 10.468 148.587 .000b Phần dƣ 17.189 244 .070 Tổng 79.995 250
(Nguồn: tính toán từ chương trình SPSS) (adsbygoogle = window.adsbygoogle || []).push({});
a. Biến phụ thuôc: LCDVKT
b. Biến độc lập: ĐTC, TĐ, LI, TĐCM, TH, GP
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 đƣợc, và các biến đƣa 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 tƣơng quan tuyến tính với biến phụ thuộc, tức là sự kết hợp của các biến độc lập có thể giải thích đƣợc sự thay đổi của biến phụ thuộc. Mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp và có