CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.2 Kết quả nghiên cứu các thành tố tác động đến tính hữu hiệu của hệ thống KSNB
4.2.3 Tương quan và hồi quy
Để có thể phân tích tương quan và hồi quy, biến tổng được hình thành từ giá trị trung bình (mean) của các biến quan sát:
MT = mean(MT3,MT7,MT1,MT4,MT6,MT2) DG = mean(DG5,DG1,DG2,DG4,DG3)
GS = mean(GS1,GS4,GS2,GS3) TT = mean(TT1,TT4,TT3,TT2) KS = mean(KS1,KS2,KS4,KS3)
Biến phụ thuộc “Hữu hiệu” cũng được hình thành từ giá trị trung bình của 4 biến quan sát như sau:
HH = mean(HH2,HH4,HH1,HH3)
4.2.3.1. Xem xét ma trận tương quan giữa các biến trong mơ hình
Hệ số tương quan Pearson (r) là một chỉ số nhằm để xác định của mối tương quan tuyến tính của hai biến: cụ thể trong bài nghiên cứu này là biến phụ thuộc HH và các biến độc lập MT, DG, GS,TT và KS. Thông thường hệ số tương quan r nằm trong khoảng biến thiên từ -1 tới 1.
- Nếu r càng tiến về -1 hoặc 1: tương quan tuyến tính càng mạnh, càng chặt chẽ; - Nếu r = 1: tương quan tuyến tính tuyệt đối;
- Nếu r = 0: khơng có mối tương quan tuyến tính.
Đồng thời, cũng cần quan tâm đến mức ý nghĩa Sig thu được. Giá trị Sig thu được phải khơng vượt q 0,05 thì hệ số tương quan này mới có ý nghĩa thống kê, cịn nếu hệ số Sig đã không đáp ứng được điều kiện thì ta đã có thể xác định rằng khơng có mối tương quan của các biến đang được khảo sát.
Sau quá trình xử lý dữ liệu, tác giả thu được kết quả chi tiết được trình bày trong bảng 4.25 ngay bên dưới đây:
Bảng 4.25: Kết quả phân tích tương quan Pearson Các mối tương quan Các mối tương quan
HH MT DG GS TT KS HH Hệ số tương quan Pearson 1 ,703 ,447 ,446 ,214 ,642 Sig. (2-tailed) ,000 ,000 ,000 ,006 ,000 Số quan sát 167 167 167 167 167 167 MT Pearson Correlation ,703 1 ,359 ,475 ,146 ,592 Sig. (2-tailed) ,000 ,000 ,000 ,059 ,000 Số quan sát 167 167 167 167 167 167 DG Pearson Correlation ,447 ,359 1 ,177 ,078 ,324 Sig. (2-tailed) ,000 ,000 ,022 ,314 ,000 Số quan sát 167 167 167 167 167 167 GS Pearson Correlation ,446 ,475 ,177 1 -,094 ,397 Sig. (2-tailed) ,000 ,000 ,022 ,226 ,000 Số quan sát 167 167 167 167 167 167 TT Pearson Correlation ,214 ,146 ,078 -,094 1 ,124 Sig. (2-tailed) ,006 ,059 ,314 ,226 ,110 Số quan sát 167 167 167 167 167 167 KS Pearson Correlation ,64 ,592 ,324 ,397 ,124 1 Sig. (2-tailed) ,000 ,000 ,000 ,000 ,110 Số quan sát 167 167 167 167 167 167
(Nguồn: Phụ lục 4.3 – Kết quả phân tích tương quan và hồi quy)
Theo đó, các biến MT, DG, KS, TT, GS đang cùng chiều với biến phụ thuộc tính hữu hiệu của hệ thống KSNB, dao động từ 0.214 đến 0.703 và giá trị Sig thu được đều
nhỏ hơn 0,05. Vì vậy, các biến này đều có mối tương quan tích cực đến biến Hữu hiệu, có thể đưa vào thực hiện hồi quy.
4.2.3.2. Kiểm định phương sai ANOVA
a. Kiểm định độ phù hợp của mơ hình hồi quy tổng thể
Bảng 4.26: Tóm tắt mơ hình với biến phụ thuộc là tính hữu hiệu của hệ thống KSNB Model Summaryb Mơ hình Hệ số R Hệ số R2 Hệ số R2 – hiệu chỉnh Sai số chuẩn Durbin- Watson 1 ,788a ,622 ,610 ,55694 1,555
(Nguồn: Phụ lục 4.3 – Kết quả phân tích tương quan và hồi quy)
Từ bảng 4.26 ta có hệ số R2 hiệu chỉnh là 0,610 có nghĩa là mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu là 61%. Hay có nghĩa là biến độc lập được được giải thích 61% bởi sự thay đổi của biến phụ thuộc.
Bảng 4.27: Kết quả phân tích ANOVA
ANOVAa Mơ hình Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi quy 82,024 5 16,405 52,888 ,000b Phần dư 49,939 161 ,310 Tổng 131,963 166
(Nguồn: Phụ lục 4.3 – Kết quả phân tích tương quan và hồi quy)
Kết quả phân tích ANOVA thể hiện trong bảng 4.27 cho thấy giá trị kiểm định F = 52,888 có Sig. = 0,000, chứng tỏ rằng mơ hình hồi quy xây dựng là phù hợp với dữ liệu nghiên cứu và các biến đều có ý nghĩa về mặt thống kê.
Tóm lại, mơ hình hồi quy liên quan đến năm thành tố chính cầu thành hệ thống KSNB và biến phụ thuộc là tính hữu hiêu của hệ thống KSNB là cơ sở để kiểm định 5 giả thuyết đã nếu ra ở trên.
b. Kiểm định giá thuyết về ý nghĩa của hệ số hồi quy Bảng 4.28: Kết quả phân tích hệ số hồi quy
Model
Hệ số hồi quy chưa chuẩn hoá Hệ số hồi quy chuẩn hoá Giá trị t Mức ý nghĩa Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Độ chấp nhận biến VIF 1 (Constant) -,717 ,270 -2,657 ,009 MT ,437 ,074 ,390 5,929 ,000 ,543 1,843 DG ,179 ,052 ,182 3,464 ,001 ,852 1,174 GS ,122 ,055 ,125 2,196 ,030 ,724 1,382 TT ,114 ,048 ,119 2,368 ,019 ,938 1,067 KS ,281 ,060 ,288 4,651 ,000 ,614 1,628
(Nguồn: Phụ lục 4.3 – Kết quả phân tích tương quan và hồi quy)
Kết quả xác định hệ số hổi quy được thể hiện trong bảng 4.28 cho thấy, các biến độc lập được đưa vào mơ hình có quan hệ tuyến tính với biến phụ thuộc, với Sig trong kiểm định đều nhỏ hơn 0,05. Do đó, các biến độc lập này đều có ý nghĩa giải thích cho biến phụ thuộc, khơng biến nào bị loại khỏi mơ hình.
4.2.3.3 Kiểm tra các giả định mơ hình hồi quy bội
Mơ hình hồi quy tuyến tính bằng phương pháp OSL được thực hiện với một số giả định và mơ hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy để đảm bảo cho độ tin cậy của mơ hình, việc dị tìm sự vi phạm các giả định là cần thiết.
Về giả định liên hệ tuyến tính, phương pháp được sử dụng là biểu đồ phân tán
Scatterplot . Nhìn vào biểu đồ ta thấy phần dư khơng thay đổi theo một trật tự nào đối với giá trị dự đốn. Do đó giả thiết về liên hệ tuyến tính khơng bị vi phạm.
Hình 4.1 Đồ thị phân bố ngẫu nhiên của phần dư chuẩn hóa
Giả định phân phối chuẩn của phần dư được kiểm tra qua biểu đồ Histogram
và đồ thị P-P plot . Nhìn vào biểu đồ Histogram ta thấy phần dư có dạng gần với phân phối chuẩn, giá trị trung bình gần bằng 0 và độ lệch chuẩn gần bằng 1 (cụ thể là 0.985).
Hình 4.2 Biểu đồ tần suất của phần dư chuẩn hoá
Đồ thị P-P plot biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa là phần dư có phân phối chuẩn.
Hình 4.3 Đồ thị so sánh với phân phối chuẩn (p-p) của phần dư chuẩn hóa
(Nguồn: Phụ lục 4.3 – Kết quả phân tích tương quan và hồi quy)
4.2.3.4 Kiểm tra các giả định khơng có mối tương quan giữa các biến độc lập (Hiện tượng cộng đa tuyến)
Theo Nguyễn Đình Thọ (2013 trang 517), khi ước lượng mơ hình hồi qui bội chúng ta phải Kiểm tra vấn đề đa cộng tuyến - là hiện tượng trong đó các biến độc lập có quan hệ với nhau. Để kiểm tra hiện tượng đa công tuyến, chỉ số thường dùng là hệ số phóng đại phương sai (Variance inflation factor – VIF). Kết quả phân tích cũng cho thấy hệ số phóng đại phương sai VIF của các biến là tương đối nhỏ (tất cả đều nhỏ hơn 2).
Do đó hiện tượng đa cộng tuyến giữa các biến độc lập trong mơ hình này là nhỏ, khơng ảnh hưởng đáng kể đến kết quả hồi quy.
4.2.3.5 Mơ hình hồi quy chính thức các yếu tố ảnh hưởng đến tính hữu hiệu của hệ thống KSNB
Trọng số hồi quy được thể hiện dưới hai dạng: chưa chuẩn hoá và đã chuẩn hố. Vì trọng số hồi quy chưa chuẩn hố, giá trị của nó phụ thuộc và thang đo và mặt khác các biến độc lập có các đơn vị khác nhau nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình được. Với các kết quả kiêm định trên ta thấy mơ hình hồi quy là phù hợp và có ý nghĩa thống kê. Ta có mơ hình hồi quy với trọng số hồi quy chưa chuẩn hoá là:
Hữu hiệu = (0,717) + 0,437 MT + 0,179 DG + 0,281 KS + 0,114 TT+ 0,122 GS
Tuy nhiên, phương trình hồi quy chưa chuẩn khơng có nhiều ý nghĩa kinh tế, vì nó chỉ phản ánh sự thay đổi của biến phụ thuộc khi từng biến độc lập thay đổi trong điều kiện các biến độc lập còn lại phải cố định.
Theo Nguyễn Đình Thọ (2013 trang 524) trọng số hồi qui chuẩn hoá là trọng số đã chuẩn hố các biến, vì vậy chúng được dùng để so sánh mức độ tác động của các biến phụ thuộc vào biến độc lập. Biến độc lập nào có trọng số này càng lớn có nghĩa là biến đó tác động mạnh và0 biến phụ thuộc. Ta xét phương trình hồi quy với trọng số hồi quy đã chuẩn hoá:
Hữu hiệu = 0,390 MT + 0,182 DG + 0,288 KS + 0,119 TT + 0,125 GS
Căn cứ vào cơng thức trên, có thể thấy cả 5 thành tố là Mơi trường kiểm sốt, Đánh giá rủi ro, Hoạt động kiểm soát, Thơng tin và truyền thơng và Giám sát đều có tác động tỷ lệ thuận đến tính hữu hiệu của hệ thống KSNB ở các DNNVV tại TP. HCM. Điều này có nghĩa là 5 thành tố này hoạt động hiệu quả thì tính hữu hiệu của hệ thống KSNB ở các DNNVV tại TP. HCM sẽ càng cao.
Bên cạnh đó, thành tố Mơi trường kiểm sốt tác động mạnh mẽ nhất đến sự hữu hiệu của hệ thống KSNB ở các DNNVV tại TP. HCM (β = 0,390), tiếp đến là thành tố
Hoạt động kiểm soát (β = 0,288), thành tố Đánh giá rủi ro (β = 0,182), thành tố Giám sát (β = 0,125) và cuối cùng là thành tố Thông tin và truyền thông (β = 0,119). Và các giả thuyết H1, H2 H3, H4 và H5 đều được chấp nhận.
Bảng 4.29: Kết quả kiểm định các giả thuyết
Giả thuyết Kết quả kiểm định
H1
Mơi trường kiểm sốt ảnh hưởng cùng chiều đến tính hữu hiệu của hệ thống KSNB trong các DNNVV
Chấp nhận
H2
Đánh giá rủi ro ảnh hưởng cùng chiều đến tính hữu hiệu của hệ thống KSNB trong các DNNVV
Chấp nhận
H3
Hoạt động kiểm sốt ảnh hưởng cùng chiều đến tính hữu hiệu của hệ thống KSNB trong các DNNVV
Chấp nhận
H4
Hệ thống thông tin và truyền thông ảnh hưởng cùng chiều đến tính hữu hiệu của hệ thống KSNB trong các DNNVV
Chấp nhận
H5
Giám sát ảnh hưởng cùng chiều đến tính hữu hiệu của hệ thống KSNB trong các DNNVV
Chấp nhận
(Nguồn: Tác giả tự tổng hợp)