Nhân tố 1 2 3 4 5 CT1 .814 CT3 .789 CT2 .784 CT4 .530 TL2 .735 TL3 .733 TL4 .726 TL1 .671 NL1 .809 NL2 .769 NL3 .752 TT3 .815 TT1 .753 TT2 .746 UH3 .815 UH1 .806 UH2 .733
Ngoài ra, giữa các biến quan sát đều có sai biệt về hệ số tải nhân tố lớn 0,3 đáp ứng yêu cầu iA - iB > 0,3 điều này đảm bảo giá trị phân biệt của thang đo (xem bảng 4.15).
Bảng 4.15 Kết quả ma trận xoay nhân tố đối với biến độc lập (Với hệ số tải cận dưới 0,1)
Nhân tố 1 2 3 4 5 CT1 .814 .168 .187 .136 CT3 .789 .165 .140 .105 CT2 .784 .245 .132 .151 CT4 .530 .184 .256 .329 TL2 .735 .256 .170 .254 TL3 .268 .733 .181 .116 TL4 .147 .726 .132 .222 TL1 .671 .372 .185 NL1 .179 .234 .809 .142 .145 NL2 .217 .188 .769 .235 .146 NL3 .149 .209 .752 .192 .164 TT3 .115 .221 .151 .815 .134 TT1 .161 .135 .197 .753 .241 TT2 .255 .225 .204 .746 .148 UH3 .188 .164 .815 UH1 .146 .244 .212 .806 UH2 .186 .202 .158 .200 .733 Nguồn : Theo nghiên cứu của tác giả
Từ các kết quả trên, thấy rằng phân tích EFA đối với biến độc lập là thích hợp với dữ liệu thực tế. Các biến quan sát có tương quan tuyến tính với nhân tố đại diện. Các thang đo đảm bảo tính hội tụ và phân biệt.
4.3.2 Kết quả phân tích nhân tố khám phá EFA đối với biến phụ thuộc Bảng 4.16 Hệ số KMO và kiểm định Bartlett’s đối với biến phụ thuộc Bảng 4.16 Hệ số KMO và kiểm định Bartlett’s đối với biến phụ thuộc
Kiểm định KMO .710
Kiểm định Bartlett's
Approx. Chi-Square 159.255
df 3
Sig. .000
Nguồn: Theo nghiên cứu của tác giả
Kết quả phân tích EFA đối với biến phụ thuộc cho hệ số kiểm định KMO đạt được giá trị 0,710 lớn hơn 0,5, bên cạnh đó kiểm định Bartlett’s có giá trị 159,255 với mức ý nghĩa Sig = 0,000 bé hơn 0,05 cho thấy việc sử dụng phân tích nhân tố khám phá EFA là thích hợp và các biến quan sát có tương quan với nhau trong tổng thể (Xem bảng 4.16) .
Tương tự như đối với các biến độc lập, tác giả sử dụng phương pháp trích nhân tố là Principal Component Analysis ( PCA) , phép quay vng góc Varimax, cùng với việc sử dụng tiêu chí Eigenvalue để chọn số lượng nhân tố phù hợp. Kết quả phân tích cho thấy tại vị trí giá trị Eigenvalue = 2,135 ( > 1 ) đủ tiêu chuẩn đã trích được 1 nhân tố từ 3 biến quan sát với tổng phương sai trích được là 71,171 % ( > 50 %), điều này cho biết nhân tố rút trích được sẽ giải thích 71,171 % sự biến thiên của tập dữ liệu nên đạt đủ tiêu chuẩn. (xem bảng 4.17)
Bảng 4.17 Kết quả phương sai trích đối với biến phụ thuộc
Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2.135 71.171 71.171 2.135 71.171 71.171 2 .449 14.982 86.153 3 .415 13.847 100.000
Mặt khác, kết quả phân tích từ ma trận xoay nhân tố cho thấy các hệ số tải nhân tố factor doading đều lớn hơn 0,5 nên các biến quan sát đều quan trọng đối với nhân tố (Xem bảng 4.18).
Bảng 4.18 Kết quả ma trận xoay nhân tố đối với biến phụ thuộc
Nhân tố 1
VD1 .848
VD2 .848
VD3 .835
Nguồn : Theo nghiên cứu của tác giả
Từ các kết quả trên, thấy rằng phân tích EFA đối với biến phụ thuộc là thích hợp với dữ liệu thực tế. Các biến quan sát có tương quan tuyến tính với nhân tố đại diện. Thang đo đảm bảo tính hội tụ.
4.4 Kết quả kiểm định hồi quy - Mơ hình hồi quy bội chính thức
Kết quả kiểm định hồi quy sẽ cho biết mối quan hệ giữa biến phụ thuộc và các biến độc lập cùng với ý nghĩa về sự liên quan của chúng. Sau khi thực hiện và thu được kết quả từ việc đánh giá độ tin cậy bằng hệ số Cronbach’s Alpha và phân tích khám phá nhân tố EFA, tác giả cho rằng bộ thang đo cho các nhân tố trong bài nghiên cứu là đạt tiêu chuẩn, đảm bảo độ tin cậy cho phép tiến hành phân tích hồi quy bội. Tuy nhiên trước hết, tác giả kiểm định các giả định về dữ liệu, nhằm mục đích đảm bảo các dữ liệu phù hợp cho việc kiểm định hồi quy. Tác giả lần lượt kiểm định hiện tượng đa cộng tuyến, hiện tượng tự tương quan và hiện tượng phương sai thay đổi. Bên cạnh đó tác giả cũng thực hiện kiểm định mối tương quan giữa các biến độc lập với nhau và giữa từng biến độc lập với biến phụ thuộc.
4.4.1 Kết quả kiểm định hiện tượng đa cộng tuyến
thêm giả thiết là các biến độc lập khơng có sự tương quan hồn tồn với nhau. Để kiểm tra hiện tượng này, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Vì vậy, trong bài nghiên cứu này tác giả sử dụng chỉ số VIF để kiểm tra hiện tượng đa cộng tuyến. Theo quy tắc kinh nghiệm nếu VIF > 2, thì cẩn thận nghi ngờ là có hiện tượng đa cộng tuyến. Theo kết quả phân tích hệ số hồi quy ta thấy các chỉ số VIF đều nhỏ hơn 2 (xem bảng 4.20), chứng tỏ các biến độc lập này khơng có quan hệ chặt chẽ với nhau nên khơng có hiện tượng đa cộng tuyến trong mơ hình.
4.4.2 Kết quả kiểm định hiện tượng tự tương quan
Trong mơ hình hồi quy tuyến tính chúng ta giả định khơng có tương quan giữa các phần dư hay Cov(uiuj) = 0 với mọi i, j. Còn nếu tồn tại i và j mà Cov(ui,uj) ≠ 0: thì kết luận có tự tương quan. Nếu sai số Ut chỉ tương quan với Ut-1 (sai số một kỳ trước đó) thì ta có hiện tượng tự tương quan. Hiện tượng này có thể xảy ra bởi một số nguyên nhân chủ quan khi nghiên cứu như chọn sai dạng mơ hình, chọn sai dạng hàm số hoặc có sai số hệ thống trong đo lường. Cần phải kiểm định hiện tượng này bởi vì sự tự tương quan xảy ra thì mơ hình hồi quy sẽ khơng cịn chính xác.
Tác giả kiểm định hiện tượng tự tương quan bằng cách quan sát trực quan kết quả đồ thị tần số của phần dư đã chuẩn hoá cùng với kiểm định giá trị Durbin Watson. Kết quả nhận được từ phần mềm SPSS kết xuất cho thấy đồ thị Histogram của phần dư có dạng phân phối xấp xỉ phân phối chuẩn, giá trị trung bình Mean = 0 và độ lệch chuẩn Std. Deviation = 0,986 xấp xỉ 1 (Xem hình 4.1). Ngồi ra kết quả kiểm định cho thấy giá trị Durbin Watson = 2,079 (Xem bảng 4.21) nằm trong khoảng [1<D<3], có thể kết luận khơng có hiện tượng tự tương quan giữa các phần dư.
4.4.3 Kết quả kiểm định hiện tượng phương sai thay đổi
Trước khi phân tích hồi quy, cần phải kiểm định giả định phương sai của phần dư (sai số) không thay đổi. Hiện tượng phương sai thay đổi là hiện tượng phần dư thay đổi theo biến phụ thuộc, nghĩa là khi giá trị biến phụ thuộc tăng hoặc giảm thì phần dư cũng sẽ tăng hoặc giảm theo. Hiện tượng phương sai thay đổi có nguyên
nhân có thể là do việc thu thập dữ liệu sai, do đó cần phải kiểm tra giả định về hiện tượng này.
Tác giả sử dụng kết quả đồ thị phân tán điểm của phần dư chuẩn hóa nhằm xem xét mối quan hệ giữa phần dư và giá trị biến phụ thuộc VD. Nếu giá trị VD tăng lên mà phần dư khơng thay đổi thì có kết luận là khơng có hiện tượng phương sai thay đổi. Kết quả thu được từ phần mềm SPSS kết xuất cho thấy (xem hình 4.2), giá trị phần dư chuẩn hóa phân tán ngẫu nhiên xung quanh đường tung độ 0, do đó có thể kết luận rằng khơng có hiện tượng phương sai thay đổi.
Hình 4.1: Đồ thị tần số Histogram của phần dư đã chuẩn hóa
Hình 4.2: Đồ thị phân tán điểm của phần dư chuẩn hóa
Nguồn: Theo nghiên cứu của tác giả
4.4.4 Kết quả kiểm định mối tương quan giữa các biến
Tác giả sử dụng hệ thống tương quan Pearson để xem xét mối liên hệ giữa từng biến độc lập với biến phụ thuộc và mối liên hệ giữa các biến độc lập với nhau. Theo kết quả được kết xuất từ phần mềm SPSS (Xem bảng 4.19), các hệ số tương quan giữa từng biến độc lập TT, CT, NL, UH, TL đối với biến phụ thuộc VD đều dương tại mức ý nghĩa sig nhỏ hơn 0,05. Điều này cho thấy các biến độc lập đều có mối tương quan tích cực đến biến phụ thuộc. Ngồi ra kết quả cịn cho thấy giữa các biến độc lập với nhau đều có mối tương quan < 0,6 với mức ý nghĩa sig nhỏ hơn 0,05 điều này càng củng cố hơn giả định khơng có hiện tượng đa cộng tuyến. Mỗi biến độc lập đều phản ánh phần riêng theo dữ liệu của nó. Từ các kết quả trên cho thấy đạt điều kiện đưa vào thực hiện hồi quy.
Bảng 4.19 Ma trận tương quan giữa biến phụ thuộc và các biến độc lập VD TT CT NL UH TL VD TT CT NL UH TL VD Pearson Correlation 1 .657 ** .603** .731** .646** .674** Sig. (2-tailed) .000 .000 .000 .000 .000 TT Pearson Correlation .657 ** 1 .493** .521** .479** .522** Sig. (2-tailed) .000 .000 .000 .000 .000 CT Pearson Correlation .603 ** .493** 1 .487** .409** .465** Sig. (2-tailed) .000 .000 .000 .000 .000 NL Pearson Correlation .731 ** .521** .487** 1 .453** .566** Sig. (2-tailed) .000 .000 .000 .000 .000 UH Pearson Correlation .646 ** .479** .409** .453** 1 .486** Sig. (2-tailed) .000 .000 .000 .000 .000 TL Pearson Correlation .674 ** .522** .465** .566** .486** 1 Sig. (2-tailed) .000 .000 .000 .000 .000 Nguồn: Theo nghiên cứu của tác giả
4.4.5 Mơ hình hồi quy chính thức
Theo như kết quả được kết xuất từ phần mềm SPSS, hệ số hồi quy được thể hiện dưới hai dạng: hệ số hồi quy chuẩn hóa và hệ số hồi quy chưa chuẩn hóa . Theo Nguyễn Đình Thọ (2012), hệ số hồi quy chưa chuẩn hóa có giá trị phụ thuộc vào thang đo cho nên không thể sử dụng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình. Hệ số hồi quy đã chuẩn hóa là
hệ số hồi quy đã được chuẩn hóa các biến, có thể dùng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc. Biến độc lập nào có hệ số này càng lớn có nghĩa là biến đó càng tác động mạnh vào biến phụ thuộc.
Tác giả sử dụng hệ số hồi quy đã chuẩn hóa hình thành mơ hình hồi quy chính thức. Qua kết quả thu được (Xem bảng 4.20), các hệ số hồi quy chuẩn hóa của các biến độc lập đều có ý nghĩa thống kê (các giá trị sig đều xấp xỉ 0,00 < 0,05), hệ số chặn constant khơng có ý nghĩa thống kê (sig = 0,983 > 0,05). Do đó bộ hệ số hồi quy đã chuẩn hóa lần lượt là a0 = 0, a1 = 0,184, a2 = 0,157, a3 = 0,337 , a4 = 0,246, a5 = 0,195. Mơ hình hồi quy chính thức được trình bày sau đây:
Mơ hình hồi quy chính thức
VD = 0 + 0,184 CT + 0,157 CT + 0,337 NL + 0,246 UH + 0,195 TL + e
Bảng 4.20 Kết quả phân tích hệ số hồi quy
Mơ hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Độ chấp nhận biên VIF 1 (Constant) .004 .204 .021 .983 TT .172 .047 .184 3.682 .000 .583 1.716 CT .163 .049 .157 3.328 .001 .653 1.531 NL .272 .041 .337 6.639 .000 .568 1.760 UH .230 .044 .246 5.252 .000 .665 1.503 TL .175 .046 .195 3.820 .000 .563 1.776
Nguồn: Theo nghiên cứu của tác giả
4.4.6 Kết quả kiểm định mức độ phù hợp của mơ hình hồi quy
Sau khi đã hình thành được mơ hình hồi quy chính thức, vấn đề tiếp theo là kiểm định mức độ phù hợp của mơ hình vừa hình thành. Theo Nguyễn Đình Thọ (2012), việc kiểm định sự phù hợp của mơ hình nhằm giải thích tỷ lệ biến thiên của biến phụ thuộc được giải thích bằng các biến độc lập và phần dư, nghĩa là kiểm định đại lượng biến phụ thuộc khi biến thiên được giải thích bao nhiêu bởi các đại lượng biến độc lập. Tác giả sử dụng hệ số R2 đã hiệu chỉnh để đo lường mức độ phù hợp của mơ hình, hệ số này càng cao thì mức độ phù hợp của mơ hình càng cao. Bên cạnh đó cịn sử dụng giá trị kiểm định F trong phép phân tích ANOVA, nếu biến thiên của hồi quy (regresstion) lớn hơn nhiều lần biến thiên của phần dư (residual) thì mơ hình hồi quy càng phù hợp, căn cứ vào giá trị sig (P-value) của F < giá trị ý nghĩa cho trước (thường là 0,05) để đánh giá mức độ phù hợp của mơ hình.
Bảng 4.21 Kết quả chỉ số R2 đánh giá mức độ phù hợp mơ hình
Mơ
hình Hệ số R
Hệ số R2 chưa hiệu chỉnh
Hệ số R2
Đã hiệu chỉnh Sai số chuẩn
Giá trị Durbin-Watson
1 .867a .752 .745 .383 2.079
a. Biến phụ thuộc : VD
b. Biến độc lập: TT, CT, NL, UH, TL
Nguồn: Theo nghiên cứu của tác giả
Theo kết quả thu được (xem bảng 4.21), giá trị hệ số R2 đã điều chỉnh (Adjusted R Square) là 0,745 cho biết mức độ phù hợp của mơ hình so với thực tế đạt 74,5 %, nói cách biến độc lập có ảnh hưởng đến 74,5% sự thay đổi của biến phụ thuộc.
Kết quả thu được từ phân tích ANOVA (xem bảng 4.22) cho giá trị kiểm định F = 102,987 với sig = 0,000, điều đó cho thấy biến thiên của hồi quy lớn hơn nhiều lần so với biến thiên của phần dư, chứng tỏ rằng mơ hình hồi quy chính thức là phù hợp với dữ liệu nghiên cứu và các hệ số hồi quy của mơ hình nghiên cứu có ý nghĩa thống kê và phù hợp với tổng thể (thực tế) đạt mức 74,5 %.
Bảng 4.22 Kết quả phân tích ANOVA
Mơ hình Tổng bình phương Trung bình bình phương F Sig. 1 Hồi quy 75.586 5 15.117 102.987 .000b Phần dư 24.954 170 .147 Tổng 100.540 175
Nguồn: Theo nghiên cứu của tác giả
4.4.7 Kết quả kiểm định giả thuyết nghiên cứu
Những kết quả nghiên cứu thu được ở phần trên đã cho thấy tất cả các biến độc lập đều tác động đến biến phụ thuộc. Các hệ số hồi quy đều dương cho thấy tất cả các nhân tố: mức độ quan trọng của thơng tin chi phí đối với doanh nghiệp, mức độ cạnh tranh trong môi trường hoạt động của doanh nghiệp, tiềm năng nguồn lực của doanh nghiệp, sự ủng hộ của quản lý cấp cao trong doanh nghiệp, tâm lý chấp nhận của nhân viên đều có tác động tích cực đến việc vận dụng hệ thống kế tốn chi phí dựa trên cơ sở hoạt động vào doanh nghiệp xây dựng trên địa bàn TP. Hồ Chí Minh. Dẫn đến kết luận tất cả các giả thuyết nghiên cứu H1, H2, H3, H4, H5 đều được chấp nhận.
4.5 Thảo luận về kết quả nghiên cứu
Với những kết quả thu được qua quá trình nghiên cứu, tác giả cũng lần lượt giải quyết được những mục tiêu nghiên cứu và có câu trả lời cho những câu hỏi nghiên
Bảng 4.23 Kết quả kiểm định các giả thuyết nghiên cứu
Giả thuyết Kết quả
kiểm định H1 Mức độ quan trọng của thơng tin chi phí đối với doanh
nghiệp càng cao thì khả năng vận dụng hệ thống kế tốn chi phí dựa trên cơ sở hoạt động càng cao.
Chấp nhận
H2 Mức độ cạnh tranh trong môi trường hoạt động của doanh nghiệp càng cao thì nhu cầu vận dụng hệ thống kế tốn chi phí dựa trên cơ sở hoạt động càng cao.
Chấp nhận
H3 Tiềm năng nguồn lực của doanh nghiệp càng cao thì khả năng vận dụng hệ thống kế tốn chi phí dựa trên cơ sở hoạt động càng cao.
Chấp nhận
H4 Sự ủng hộ của quản lý cấp cao trong doanh nghiệp càng cao thì khả năng vận dụng hệ thống kế tốn chi phí dựa trên cơ sở hoạt động càng cao.
Chấp nhận
H5 Tâm lý chấp nhận của các nhân viên trong doanh nghiệp càng cao thì khả năng vận dụng hệ thống kế tốn chi phí dựa trên cơ sở hoạt động càng cao.
Chấp nhận
Nguồn: Theo nghiên cứu của tác giả
Thông qua phương pháp xem xét các nghiên cứu trong quá khứ có liên quan,