6. Kết cấu đề tài
4.3. PHÂN TÍCH VÀ ĐÁNH GIÁ THANG ĐO
4.3.1. Đánh giá độ tin cậy của thang đo
Kết quả tính toán hệ số Cronbach’s alpha ở Phụ lục 1 cho thấy các biến độc lập đều thỏa mãn các điều kiện về hệ số > 0.6 và hệ số tương quan biến tổng > 0.3 có đủ độ tin cậy cần thiết để được tiếp tục phân tích nhân tố khám phá EFA:
Đối với biến độc lập
“Quy mô của DNKT” ( = 0.965) gồm các biến quan sát QM1, QM2, QM3, QM4.
“Giá phí kiểm toán” (= 0.962) gồm các biến quan sát GP1, GP2, GP3;
“Tính độc lập của KTV” (= 0.937) gồm các biến quan sát ĐL1, ĐL2, ĐL3;
“Năng lực chuyên môn” (= 0.963) gồm các biến quan sát NLCM1, NLCM2, NLCM3, NLCM4.;
“Hệ thống KSNB của NHTM” (= 0.960) gồm các biến quan sát KSNB1, KSNB2, KSNB3, KSNB4;
“KSCL các DNKT từ các cơ quan quản lý” (= 0.937) gồm các biến quan sát KSCL1, KSCL2, KSCL3.
Biến phụ thuộc
“CLDVKT BCTC của các NHTM” (= 0.723 ) gồm các biến quan sát CLDVKT1, CLDVKT2, CLDVKT3.
4.3.2. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Đối với các biến độc lập, tác giả thực hiện phân tích EFA nhằm loại bỏ hết các biến số có hệ số tải nhỏ hơn 0.5. Sau đây là bảng kết quả kiểm định KMO của các biến độc lập:
Bảng 4.9: KMO and Barlett Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .771 Bartlett’s Test of
Sphericity
Approx. Chi-Square 3751.413
Df 253
Sig .000
Nguồn: Kết quả tính toán SPSS 22.0
Hệ số KMO = 0.771 > 0.5 chứng tỏ việc thực hiện phân tích nhân tố khám phá EFA là thích hợp với dữ liệu nghiên cứu.
72
Kết quả kiểm định Bartlett có mức ý nghĩa Sig = 0.000 < 0.05 suy ra các biến quan sát có mối tương quan với tổng thể, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Tiếp theo, bảng Tổng phương sai trích sẽ được xem xét để xác định khả năng các nhóm nhân tố giải thích được bao nhiêu phần trăm sự biến thiên của các biến quan sát. Như vậy, mô hình nghiên cứu gồm 21 biến quan sát và được chia thành 6 nhóm: (i) Giá trị Eigenvalues của 6 nhóm nhân tố đều lớn hơn 1 và (ii) Giá trị tổng phương sai trích = 92.253% > 50%, giá trị này cho biết 6 nhóm nhân tố này giải thích được 92.253% sự biến thiên của các biến quan sát.
Bảng 4.10: Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 6.853 29.795 29.795 6.853 29.795 29.795 2 5.297 23.031 52.827 5.297 23.031 52.827 3 4.176 18.159 70.985 4.176 18.159 70.985 4 2.289 9.953 80.938 2.289 9.953 80.938 5 1.539 6.693 87.631 1.539 6.693 87.631 6 1.063 4.622 92.253 1.063 4.622 92.253 7 .499 2.171 94.423 8 .161 .700 97.102 9 .127 .550 97.653 10 .096 .418 98.070 11 .081 .352 98.423 12 .061 .264 98.687 13 .057 .249 98.936 14 .051 .220 99.156 15 .044 .193 99.349 16 .037 .162 99.511 17 .031 .136 99.648
73 18 .028 .120 99.768 19 .024 .104 99.871 20 .021 .092 99.963 21 .008 .037 100.000
Nguồn: Kết quả tính toán SPSS 22.0
Tiếp theo, Bảng ma trận nhân tố sau khi xoay sẽ được xem xét để xem 6 nhóm nhân tố này bao gồm những biến quan sát nào, và liệu trật tự của các biến quan sát có bị xáo trộn so với thang đo được xây dựng lúc đầu không.
Bảng 4.11: Rotated Component Matrix
Component
1 2 3 4 5 6
KSNB3 .953
KSNB2 .952
KSNB1 .917
KSNB4 .829
QM3 .945
QM2 .925
QM1 .901
QM4 .884
NLCM4 .945
NLCM2 .936
NLCM3 .934
NLCM1 .927
GP3 .909
GP2 .905
GP1 .888
ĐL2 .961
ĐL3 .955
ĐL1 .850
KSCL1 .862
KSCL3 .815
KSCL2 .784
74
Bảng kết quả cho thấy các biến quan sát đều có hệ số tải đều lớn hơn 0.5, điều này chứng tỏ các nhóm nhân tố này có ý nghĩa thực tiễn. Các nhóm nhân tố cũng ít bị xáo trộn so với nhóm ban đầu. Vậy, kết quả phân tích Cronbach’s alpha cho thấy có 6 biến độc lập và 1 biến phụ thuộc đảm bảo độ tin cậy HAY Kết quả của phân tích nhân tố khám phá EFA thu được 6 nhóm biến độc lập (gồm 21 biến quan sát) và 1 nhóm biến phụ thuộc (3 biến quan sát).
4.3.3. Kiểm định mô hình và giả thuyết nghiên cứu
Tác giả tiến hành kiểm định các giả thuyết đã đặt ra, nhằm xem xét sự phù hợp hay không phù hợp của các giả thuyết đó. Các kết luận rút ra từ các kiểm định này chỉ mang tính chất tham khảo trước khi thực hiện hồi quy. Kết luận và ý nghĩa thực sự về tác động của các nhân tố đến CLDVKT trong mẫu nghiên cứu chỉ có thể đảm bảo sau khi thực hiện hồi quy và phù hợp với tất cả các giả định của mô hình hồi quy đa biến. Các biến có phân phối chuẩn sẽ được tác giả kiểm định bằng hệ số tương quan Pearson.
Sau khi thấy được kết quả tương quan giưa hai biến thì chỉ số Sig. phải được xem xét trước khi đi đến kết luận. Cụ thể (i) Sig. < : kết quả tương quan giữa hai biến có ý nghĩa thống kê và (2) Sig. > : kết quả tương quan giữa hai biến không có ý nghĩa thống kê. Trong đó Sig. là mức ý nghĩa quan sát, tức là xác suất phạm sai lầm loại 1 tối đa khi bán bỏ giả thuyết H0 với một tập dữ liệu quan sát; là mức ý nghĩa kiểm định được xác định trước. Trong kết quả phân tích này thì ý nghĩa thống kê của hệ số tương quan được kiểm định với mức ý nghĩa là 5% và 1%, loại kiểm định được sử dụng là kiểm định 2 phía (2-tailed) – phụ lục .
4.3.4. Kết quả phân tính tương quan và hồi quy đa biến
75 Bảng 4.12. Correlations CLDV KT QM GP KSNB KSCL NLCM ĐL CLDVKT Pearson Correlati on 1 0.468** 0.384** 0.206* - 0.343** 0.295** 0.510** Sig. (2- tailed) 0.000 0.000 0.038 0.000 0.003 0.000 QM Pearson Correlati on 0.468** 1 0.458** 0.145 - 0.411** 0.096 0.163 Sig. (2- tailed) 0.000 0.000 0.146 0.000 0.339 0.102 GP Pearson Correlati on 0.384** 0.458** 1 -0.144 -0.131 -0.192 0.263** Sig. (2- tailed) 0.000 0.000 0.148 0.190 0.053 0.008 KSNB Pearson Correlati on 0.206* 0.145 -0.144 1 -0.484 -0.034 -0.173 Sig. (2- tailed) 0.038 0.146 0.148 0.000 0.733 0.081 KSCL Pearson Correlati on - 0.343** - 0.411** -0.131 - 0.484** 1 - 0.310** -0.107 Sig. (2- tailed) 0.000 0.000 -.190 0.000 0.002 0.285 NLCM Pearson Correlati on 0.295** 0.096 -0.192 -0.034 - 0.310** 1 -0.139
76 Sig. (2- tailed) 0.003 0.339 0.053 0.733 0.002 0.163 ĐL Pearson Correlati on 0.510** 0.163 0.263** -0.173 -0.107 -0.139 1 Sig. (2- tailed) 0.000 0.102 0.008 0.081 -.285 0.163
(**): Tương quan có ý nghĩa khi Sig. < 0.01 (*): Tương quan có ý nghĩa khi Sig. < 0.0
(Nguồn: Kết quả tính toán SPSS)
Bước đầu tiên khi tiến hành phân tích hồi quy đa biến chính là xem xét mối tương quan tuyến tính giữa tất cả các biến. Bên cạnh việc kiểm định sự tương quan giữa các biến độc lập với CLDVKT đã được thực hiện trong những phần trước thì xem xét ma trận hệ số tương quan còn giúp ta hiểu rõ hơn về mức độ liên hệ giữa các biến độc lập với nhau. Bảng ma trận hệ số tương quan với biến đại diện là CLDVKT đã đưa ra những bằng chứng về mối tương quan giữa CLDVKT và các biến độc lập gồm: QM, GP, KSNB, KSCL, NLCM, ĐL. Trong đó, hệ số tương quan giữa biến phụ thuộc CLDVKT và QM là 0.468, với GP là 0.384, với KSNB là 0.206, với -0.343, với NLCM – Năng lực chuyên môn của KTV là 0.295, với ĐL của KTV là 0.510. Vậy các biến độc lập hầu hết đều có mối tương quan với nhau mặc dù hệ số tương quan giữa các biến độc lập hiện nay đều đang ở mức độ trung bình và thấp (nhỏ hơn 0.5) nên về sơ bộ có thể thấy mối tương quan giữa các từng cặp biến độc lập đều ở mức trung bình. Do đó, có thể tạm thời kết luận rằng, mô hình hiện tại không có dấu hiệu của hiện tượng đa cộng tuyến. Tuy nhiên, kết quả này chỉ là những nhận định, đánh giá sơ bộ ban đầu về mới tương quan. Tác giả sẽ tiến hành phân tích dữ liệu thông qua phần mềm SPSS để đưa ra kết luận cuối cùng.
4.3.4.2. Đánh giá độ phù hợp của mô hình
Hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình. R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp cho mô hình đối với dữ liệu trong trường hợp mô hình có hơn 1 biến giải thích. Giá trị R2 càng cao sẽ là một dấu hiệu cho thấy giữa biến độc lập và biến phụ thuộc có mối liên hệ càng chặt chẽ. Tuy nhiên, trong hồi quy đa biến, R2 hiệu chỉnh được sử
77
dụng nhiều hơn khi bàn về việc đánh giá độ phù hợp của mô hình, vì nó không thổi phồng mức độ phù hợp của mô hình xây dựng (Hoàng Trọng, & Chu Nguyễn Mộng Ngọc, 2008). Áp dụng phân tích hồi quy tuyến tính bội vào mô hình với phương pháp phân tích được chọn là đưa vào một lượt (Enter). Ta thu được các bảng sau:
Bảng 4.12: Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate 1 0.819a 0.671 0.651 0.178
Nguồn: Kết quả tính toán SPSS 22.0
Theo kết quả phân tích đánh giá độ phù hợp của mô hình cho thấy R2 hiệu chỉnh bằng 0.651. Điều này có nghĩa là mô hình đã giải thích được 65.1% giữa biến phụ thuộc với các biến độc lập đang nghiên cứu Mức độ phù hợp của mô hình tương đối cao. 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 hiện hay không thì ta phải kiểm định độ phù hợp của mô hình thông qua phân tích ANOVA.
Kiểm định độ phù hợp của mô hình
Để kiểm định độ phù hợp của mô hình hồi quy tổng thể ta xem xét đến giá trị F từ bảng phân tích phương sai ANOVA, giá trị F = 32.361 với mức ý nghĩa Sig. =0.000 < 0.05, cho thấy mô hình hồi quy tuyến tính bội xây dựng được phù hợp với tổng thể.
Bảng 4.14: ANOVAa Model Sum of Squares Df Mean Square F Sig 1 Regression 6.214 6 1.036 32.361 0.000b Residual 3.041 95 0.032 Total 9,255 101 a. Dependent Variable: CLDVKTDL b. Predictors: (Constant), QM, GP, ĐL, NLCM, KSNB, KSCL
78
4.3.4.3. Kết quả hồi quy
Bảng 4.15: Coefficientsa Model Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa T Sig. Thống kê cộng tuyến B Sai số chuẩn Beta Độ chấp nhận VIF 1 Hằng số 0.274 0.397 0.689 0.493 QM 0.065 0.024 0.200 2.752 0.007 0.654 1.528 GP 0.141 0.031 0.332 4.579 0.000 0.657 1.522 KSNB 0.203 0.035 0.440 5.839 0.000 0.608 1.645 KSCL 0.089 0.035 0.210 2.564 0.012 0.517 1.934 NLCM 0.219 0.030 0.497 7.233 0.000 0.732 1.367 ĐL 0.227 0.026 0.558 8.724 0.000 0.845 1.184
Nguồn: Kết quả tính toán SPSS 22.0
Bảng 4.17 cho thấy hệ số phóng đại phương sai (VIF) của đa số các nhân tố có giá trị nhỏ hơn 2 và độ chấp nhận của các biến đều > 0.0001 chứng tỏ mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến (các biến độc lập có tương quan chặt ché với nhau).
Cả 6 biến biến QM (Sig. = 0.007), GP (Sig. = 0.000), KSNB (Sig. = 0.000), KSCL (Sig. = 0.012), NLCM (Sig. = 0.000), ĐL (Sig. = 0.000) thỏa điều kiện Sig. < 0.05 tức các biến này đạt mức ý nghĩa 5% hay có độ tin cậy là 95%. Do đó, các biến này được chọn trong mô hình và có liên hệ tuyến tính với biến phụ thuộc CLDVKT.
Từ đó, ta có phương trình hồi quy với hệ số beta chuẩn hóa như sau:
CLDVKT = 0.558ĐL + 0.497NLCM + 0.21KSCL + 0.440KSNB + 0.332GP + 0.2QM
Sỡ dĩ, tác giả sử dụng hệ số beta chuẩn hóa để nhằm so sách được mức độ ảnh hưởng của các biến độc lập đối với biến phụ thuộc. Nhìn vào phương trình, ta có thể thấy cả 6 biến này đều có tỷ lệ thuận với chất lượng KTĐL và trong đó biến ĐL ảnh hưởng nhiều nhất, kế đến là biến NLCM và KSCL, KSNB và cuối cùng là biến QM. Cụ thể như sau: Trong điều kiện các biến còn lại không đổi thì nếu biến ĐL tăng thêm 1 đơn vị thì biến CLDVKT sẽ tăng thêm 0.558 đơn vị; tương tự nếu biến NLCM tăng thêm 1 đơn vị thì CLDVKT sẽ tăng thêm 0.497 đơn vị; nếu biến KSCL tăng thêm 1 đơn vị thì biến CLDVKT sẽ tăng 0.21 đơn vị; tiếp đến nếu biến KSNB tăng thêm 1
79
đơn vị thì biến CLDVKT sẽ tăng thêm 0.440 đơn vị; khi biến GP tăng thêm 1 đơn vị thì biến CLDVKT sẽ tăng thêm 0.332 đơn vị; và cuối cùng nếu biến QM tăng thêm 1 đơn vị thì biến CLDVKT sẽ tăng thêm 0.2 đơn vị. Sau khi phân tích tương quan và chạy mô hình hồi quy tuyến tính bội, ta có mô hình các nhân tố ảnh hưởng đến CLDVKT gồm 6 nhân tố ảnh hưởng và phương trình hồi quy tuyến tính được viếT lại như sau:
Y = 0.558X1 + 0.497X2 + 0.21X3 + 0.440X4 + 0.332X5 + 0.2X6
Trong đó:
Y: Chất lượng KTĐL
X1: Tính độc lập của KTV (ĐL)
X2: Năng lực chuyên môn của KTV (NLCM)
X3: KSCL các DNKT từ các cơ quan quản lý (KSCL) X4: Hệ thống KSNB của NHTM (KSNB)
X5: Giá phí kiểm toán (GP) X6: Quy mô của DNKT (QM)
80
TÓM TẮT CHƯƠNG 4
Chương 4 trình bày kết quả của các phương pháp phân tích dữ liệu được sử dụng trong luận văn như phân tích thống kê mô tả, phân tích Cronbach’s alpha, phân tích nhân tố khám phá EFA, phân tích tương quan và phân tích hồi quy tuyến tính bội. Nghiên cứu thu được 102 bảng trả lời từ các KTV và kết quả phân tích Cronbach’salpha cho thấy có 6 biến độc lập và 1 biến phụ thuộc đảm bảo độ tin cậy.
Những biến quan sát có hệ số Cronbach’s alpha < 0.6 và hệ số tải < 0.5 đã được sử dụng trong thống kê mô tả. Kết quả phân tích tương quan cho thấy giữa các biến độc lập X với biến phụ thuộc Y có mối liên hệ tuyến tính với nhau. Sau khi phân tích hồi quy tuyến tính bội, nghiên cứu đã đưa ra được kết quả kiểm định 6 nhân tố ảnh hưởng đến CLDVKT BCTC của NHTM.
81
CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
5.1. KẾT LUẬN
Thông qua luận giải các nghiên cứu trước cùng với việc kế thừa mô hình nghiên cứu của Husam Al-Khaddash và cộng sự (2013), phân tích kết quả chuyên gia, nhóm nghiên cứu đã giải quyết câu hỏi nghiên cứu thứ nhất khi luận giải cơ sở đề xuất mô hình nghiên cứu bao gồm sáu nhân tố tác động đến CLDVKT BCTC của các NHTM Việt Nam, cụ thể:
- Quy mô DNKT; - Giá phí kiểm toán; - KSNB của các NHTM; - Tính độc lập của KTV;
- Năng lực chuyên môn của KTV;
- KSCL đối với DNKT từ các cơ quan quản lý
Thức hiện các bước kiểm định trên phần mềm SPSS.22 với bộ dữ liệu sơ cấp thu thập từ 102 KTV đã giúp nhóm nghiên cứu trả lời được câu hỏi nghiên cứu thứ hai. Kết quả kiểm định và phân tích được tiến hành thực hiện trong nghiên cứu bằng các phương pháp kiểm định như kiểm định hệ số tương quan Pearson, kiểm định F,… Mỗi nhân tố tác động đến CLDVKT với những mức độ khác nhau, trong đó mức độ ảnh hưởng nhiều nhất là Tính độc lập của KTV, tiếp đến là nhân tố Năng lực chuyên môn của KTV, hệ thống KSNB của các NHTM và cuối cùng là Giá phí kiểm toán. Kết quả kiểm định này đã có sự tương đồng với các nghiên cứu trước, cụ thể:
Bảng 5.1: Đánh giá sự tương đồng của kết quả kiểm định với các nghiên cứu trước
Biến độc lập
Giả
thuyết Nội dung
Dấu kỳ vọng
Kết quả
QM H1
Quy mô của DNKT có ảnh hưởng đến CLDVKT
+
Kết quả này tương tự với các nghiên cứu của Lennox (1999), Francis (2004), Husam Al-Khaddash và cộng sự (2013)…
82 GP H2 Giá phí kiểm toán có ảnh hưởng đến CLDVKT + DeAngelo (1981), Kym và các cộng sự, 2008, Jong Hag Choi và cộng sự (2010), Novie Susanti Suseno (2013), Husam Al-Khaddash và cộng sự
