7. Tổng quan tài liệu nghiên cứu
2.3. THU THẬP DỮ LIỆU
2.3.3. Phƣơng pháp phân tích và xử lý số liệu
Trƣớc khi xử lý - phân tích dữ liệu, các bảng câu hỏi đƣợc kiểm tra để loại bỏ những phiếu trả lời sót. Số liệu sau khi nhập vào máy tính đƣợc kiểm tra lỗi nhập dữ liệu (sai, sót, thừa), loại bỏ những quan sát có điểm số bất thƣờng bằng các phép kiểm định thống kê mô tả (bảng tần số, bảng kết hợp).
a. Phương pháp thống kê mô tả
Đánh giá về mức độ vận dụng
Theo quy mơ DN: Sử dụng giá trị trung bình (Mean) về mức độ vận dụng (thang đó Likert 5 mức độ với 1 đến 5) và giá trị Sig để kiểm định đánh giá cơng cụ lập dự tốn nào có mức độ vận dụng cao, cơng cụ lập dự tốn nào ít đƣợc vận dụng ở 3 nhóm DN lớn, DN vừa, DN nhỏ.
Theo thời gian hoạt động: Sử dụng giá trị trung bình (Mean) về mức độ vận dụng (thang đó Likert 5 mức độ với 1 đến 5) và giá trị Sig để kiểm định đánh giá cơng cụ lập dự tốn nào có mức độ vận dụng cao, cơng cụ lập dự tốn nào ít đƣợc vận dụng ở 2 nhóm DN mới hoạt động, DN hoạt động lâu năm.
Theo lĩnh vực hoạt động: Sử dụng giá trị trung bình (Mean) về mức độ vận dụng (thang đó Likert 5 mức độ với 1 đến 5) và giá trị Sig để kiểm định đánh giá công cụ lập dự tốn nào có mức độ vận dụng cao, công cụ lập dự tốn nào ít đƣợc vận dụng ở 4 nhóm lĩnh vực hoạt động: sản xuất, thƣơng mại, dịch vụ, khác.
b. Kiểm định giả thuyết bằng T-test và ANOVA
Kiểm định giả thuyết:
H1: Mức độ vận dụng cơng cụ lập dự tốn ở các DN có qui mơ lớn lớn
hơn DN có qui mơ nhỏ.
Nghiên cứu này sử dụng ANOVA để kiểm định giả thuyết này. Kiểm định này dùng để kiểm định sự khác biệt về mức độ sử dụng trung bình (giá trị Mean trong bảng số liệu) của 3 nhóm (nhóm DN lớn, DN vừa, DN nhỏ).
H2: Mức độ vận dụng cơng cụ lập dự tốn ở các DN khác nhau trong
các lĩnh vực hoạt động khác nhau.
Nghiên cứu này sử dụng ANOVA để kiểm định giả thuyết này. Kiểm định này dùng để kiểm định sự khác biệt về mức độ sử dụng trung bình (giá
trị Mean trong bảng số liệu) của 4 nhóm lĩnh vực hoạt động: sản xuất, thƣơng mại, dịch vụ, khác.
H3: Mức độ vận dụng cơng cụ lập dự tốn ở các DN lâu năm lớn hơn
DN mới hoạt động.
Nghiên cứu này sử dụng kiểm định Independent - Samples T-test kiểm định giả thuyết này.
Các giả thuyết nhƣ sau: Hai phía:
H0: µ1 = µ2 (khơng có sự khác nhau giữa giá trị trung bình của hai nhóm)
H1: µ1 # µ2 (có sự khác nhau giữa giá trị trung bình của hai nhóm)
- Nếu Sig < mức ý nghĩa α=0.05, thì phƣơng sai giữa 2 nhóm đối tƣợng là khác nhau, ta sẽ sử dụng kết quả kiểm định t ở phần Equal variances not assumed.
- Nếu Sig ≥ α, thì phƣơng sai giữa 2 nhóm đối tƣợng là không khác nhau, ta sẽ sử dụng kết quả kiểm định t ở phần Equal variances assumed.
SPSS không cung cấp kết quả kiểm định một phía, do đó nếu bác bỏ giả thuyết H0 trong kiểm định hai phía, để rút ra kết luận cuối cùng là giá trị trung bình của nhóm nào cao hơn nhóm nào ta cần tiếp tục thực hiện theo cách sau:
Căn cứ vào giá trị trung bình của các mẫu để kết luận:
- Nếu Sig < mức ý nghĩa α=0.05 và giá trị trung bình nhóm 1 < giá trị trung bình nhóm 2 => ta kết luận giá trị trung bình của nhóm 1 nhỏ hơn giá trị trung bình nhóm 2.
- Nếu Sig < mức ý nghĩa α=0.05 và giá trị trung bình nhóm 1 > giá trị trung bình nhóm 2 => ta kết luận giá trị trung bình của nhóm 1 lớn hơn giá trị trung bình nhóm 2.
Để kiểm định giả thuyết nghiên cứu H3, tác giả sử dụng kiểm định một phía (phía trái), với cặp giả thuyết
H0: µ1 ≥ µ2 (Giá trị trung bình của nhóm thứ nhất (DN mới hoạt động) lớn hơn hoặc bằng giá trị trung bình của nhóm thứ hai (DN hoạt động lâu năm)).
H1: µ1 < µ2 (Giá trị trung bình của nhóm thứ nhất (DN mới hoạt động) nhỏ hơn hoặc bằng giá trị trung bình của nhóm thứ hai (DN hoạt động lâu năm)).
c. Phân tích hồi quy bội
Kiểm định tính chuẩn hóa
Phân phối chuẩn của dữ liệu nghiên cứu là một giả định cơ bản của phân tích đa biến [26]. Để kiểm tra tính chuẩn hóa của dữ liệu, Skewness và Kurtosis đƣợc tính tốn. Nếu trị số Skewness là số dƣơng thì phân phối lệch về bên trái và ngƣợc lại [26]. Trị số Kurtosis đề cập đến độ cao hay thấp của phân phối so với phân phối chuẩn. Trị số Kurtosis âm cho biết là phân phối thấp hơn, trong khi đó nếu trị số này dƣơng chứng tỏ phân phối cao hơn [26]. Kline (2005) cho rằng nếu Skewness nhỏ hơn 3, Kurtosis nhỏ hơn 10 thì xem nhƣ dữ liệu khơng vi phạm giả định về phân phối chuẩn [37].
Kiểm định độ tin cậy của thang đo
Cronbach (1951) đã giới thiệu hệ số Cronbach Alpha đo lƣờng độ tin cậy của thang đo (bao gồm từ ba biến quan sát trở lên) [21]. Hệ số này có giá trị biến thiên trong khoảng [0;1]. Về lý thuyết, Cronbach Alpha càng cao thì thang đo có độ tin cậy cao. Tuy nhiên, nếu hệ số Cronbach Alpha ≥ 0,95 cho thấy có nhiều biến quan sát khơng có sự khác biệt nhau, đây gọi là hiện tƣợng trùng lắp trong đo lƣờng [8]. Vì vậy thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,70;0,80]. Nếu giá trị Cronbach Alpha ≥ 0,60 là thang đo có thể chấp nhận đƣợc về mặt độ tin cậy [44].
Các thang đo dùng để đo lƣờng cùng một khái niệm nghiên cứu nên chúng phải có tƣơng quan chặt chẽ với nhau. Vì vậy, khi kiểm tra từng thang đó, chúng ta sử dụng hệ số tƣơng quan biến – tổng hiệu chỉnh (corrected item – total correlation). Hệ số này lấy tƣơng quan của biến đo lƣờng xem xét với tổng các biến cịn lại của thang đo (khơng tính biến dang xem xét). Nếu một biến quan sát có hệ số tƣơng quan biến tổng (hiệu chỉnh) ≤ 0,30 trong phân tích Cronbach Alpha sẽ bị loại [44].
Ở mơ hình hồi quy này, có 3 nhân tố (biến tổng hợp) cần đƣợc kiểm định độ tin cậy của thang đo là cạnh tranh, phân cấp quản lý và công nghệ sản xuất, bởi cạnh tranh, phân cấp quản lý và công nghệ sản xuất đƣợc đo lƣờng bằng một tập biến quan sát (cạnh tranh đƣợc đo bằng 7 biến quan sát, phân cấp quản lý đƣợc đo bằng 5 biến quan sát, công nghệ sản xuất đƣợc đo bằng 3 biến quan sát). Đối với trình độ của nhân viên kế tốn và mức độ ứng dụng công nghệ thông tin mỗi yếu tố chỉ đƣợc đo bằng 1 biến quan sát nên khơng thể phân tích Cronbach Alpha đƣợc.
Xem xét hệ số ma trận tương quan
Ma trận này cho biết tƣơng quan giữa biến phụ thuộc với từng biến độc lập, cũng nhƣ tƣơng quan giữa các biến độc lập với nhau. Nếu hệ số tƣơng quan giữa các biến phụ thuộc và các biến độc lập đều cao thì có thể đƣa các biến độc lập vào mơ hình để giải thích cho biến phụ thuộc. Tuy nhiên, nếu hệ số tƣơng quan giữa các biến độc lập với nhau cũng cao thì có thể ảnh hƣởng lớn đến kết quả của phân tích hồi quy bội (có thể gây ra hiện tƣợng đa cộng tuyến); do vậy, nghiên cứu cần phải xem xét lại thật kỹ vai trò của các biến độc lập trong mơ hình xây dựng đƣợc (kiểm tra hiện tƣợng đa cộng tuyến trong mơ hình).
Phân tích hồi quy bội
toán trong các DN trên địa bàn tỉnh Gia Lai?”, tác giả tiến hành kiểm định
của giả thuyết H4; H5; H6; H7; H8.
H4: Việc áp dụng công cụ lập dự tốn có mối quan hệ cùng chiều với
mức độ cạnh tranh.
H5: Việc sử dụng cơng cụ lập dự tốn có mối quan hệ cùng chiều với
mức độ phân cấp quản lý trong DN.
H6: Việc sử dụng cơng cụ lập dự tốn có mối quan hệ cùng chiều với
mức độ áp dụng công nghệ thơng tin trong cơng tác lập dự tốn của DN.
H7: Việc áp dụng công cụ lập dự tốn có mối quan hệ với cơng nghệ
sản xuất trong DN
H8: Việc sử dụng cơng cụ lập dự tốn có mối quan hệ cùng chiều với
trình độ của nhân viên kế tốn của DN.
Giả thuyết H4; H5; H6; H7; H8 đƣợc kiểm định bằng mơ hình hồi quy đa biến.
Hồi quy tuyến tính sẽ giúp nhà nghiên cứu dự đoán đƣợc mức độ của biến phụ thuộc (với độ chính xác trong một phạm vi giới hạn) khi biết trƣớc giá trị của biến độc lập. Mơ hình hồi quy tuyến tính bội sẽ có dạng tổng qt sau:
Yt= β0 + β1 x X1t + β2 x X2t + ... + βp x Xpt + ei
Trong đó, Yt là giá trị của biến phụ thuộc (mức độ vận dụng công cụ lập dự toán) tại quan sát thứ i.
Xpi là giá trị của biến độc lập thứ p tại quan sát thứ i (các yếu tố tác động đến mức độ vận dụng cơng cụ lập dự tốn: cạnh tranh, phân cấp quản lý, mức độ áp dụng công nghệ thông tin trong cơng tác lập dự tốn của DN, trình độ của nhân viên kế tốn, cơng nghệ sản xuất.
βk là các hệ số hồi quy riêng. ei là phần dƣ của mơ hình hồi quy.
KẾT LUẬN CHƢƠNG 2
Trong Chƣơng 2, tác giả đã ra câu hỏi những nhân tố nào ảnh hƣởng đến việc lập dự toán trong các DN trên địa bàn tỉnh Gia Lai. Đồng thời đƣa ra 8 giả thuyết nghiên cứu và xây dựng mơ hình nghiên cứu hồi quy bội với biến phụ thuộc là mức độ vận dụng cơng cụ lập dự tốn và 5 biến độc lập là: cạnh tranh, phân cấp quản lý, trình độ nhân viên kế tốn, ứng dụng cơng nghệ thông tin trong lập dự tốn và cơng nghệ sản xuất. Việc xử lý dữ liệu đƣợc tiến hành trên phần mềm SPSS 16.0 để đƣa ra kết quả nghiên cứu vào Chƣơng 3.