CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Phương pháp phân tích dữ liệu
Tiến hành các bước kiểm định bằng kỹ thuật xử lý dữ liệu trên phần mềm SPSS và AMOS Graphics, cụ thể như sau:
- Kiểm định hệ số tin cậy Cronbach’sAlpha nhằm đánh giá sơ bộ thang đo, đo lường độ tin cậy của biến đo lường;
- Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) để đánh giá giá trị hội tụ và giá trị phân biệt của các nhóm nhân tố;
- Phân tích nhân tố khẳng định CFA (Confirmatory Factor Analysis) để kiểm định lại tính đơn biến, đa biến, giá trị hội tụ và phân biệt của bộ thang đo;
- Phân tích mơ hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để xác định mức độ ảnh hưởng của VHTC và chất lượng HTTTKT đến chất lượng thông tin BCTC tại các DN trên địabàn tỉnh Bình Phước.
3.3.1. Kiểm định hệ số Cronbach’s Alpha
Kiểm định độ tin cậy thang đo Cronbach’s Alpha được sử dụng để loại bỏ biến rác trước khi tiến hành phân tích nhân tố. Kiểm định độ tin cậy của các biến trong thang đo dựa vào hệ số tương quan biến tổng của các biến quan sát và hệ số Cronbach’s Alpha của thành phần thang đo. Tác giả Nguyễn Đình Thọ (2011) cho rằng thang đo được chấp nhận khi có hệ số tương quan biến tổng hiệu chỉnh lớn hơn hoặc bằng 0,3 và Cronbach’s Alpha có giá trị trong khoảng từ 0,60 đến 0,95.
Sau khi kiểm định hệ số Cronbach's Alpha, các thang đo đều đạt độ tin cậy tốt được đưa vào kiểm định trongcphân tích EFA để đánh giá giá trị hội tụ và giá trị phân biệt của thang đo.
3.3.2. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Phân tích EFA được tiến hành để đánh giá sơ bộ tính đơn hướng, giá trị hội tụ và giá trị phân biệt của thang đo, xác định mức độ, phạm vi tác động giữa các biến quan sát và các nhân tố cơ sở, từ đó rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở.
Các tiêu chí đánh giá :
– Kiểm định Bartlett (Bartlett’s test of sphericity) nhằm xem xét tương quan của các biến quan sát trong nhân tố. Giá trị sig Bartlett’s Test < 0.05 chứng tỏ các biến quan sát cóctương quan với nhau trong nhânctố.
– Hệ số KMO (Kaiser-Meyer-Olkin) nhằm xem xét sự thích hợp của phân tích nhân tố. Điều kiện đủ là hệ số KMO cógiá trị trong khoảng [0,5; 1] để phân tích nhân tố là phù hợp. Hệ số KMO có giá trị nhỏ hơn 0.5, thì phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu nghiên cứu.
– Trị số Eigenvalue nhằm xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích .
– Hệ số tải nhân tố (Factor Loading) cho biết mối quan hệ tương quan giữa biến quan sátvới nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu; Hệ số tải nhân tố > 0.4 được xem làquan trọng; Hệ số tải nhân tố > 0.5 được xem là có ý nghĩa thực tiễn.
– Tổng phương sai trích (Total Variance Explained) ≥ 50% chứng tỏ mơ hình EFA là phù hợp. Coi biến thiên là 100% thì trịsố này thể hiện các nhân tố được trích giải thích bao nhiêu % biến thiên của các biến quan sát.
Phân tích nhân tố khẳng định CFA được sử dụng để khẳng định lại tính đơn biến, đa biến, giá trị hội tụ và giá trị phân biệt của bộ thang đo. CFA là bước tiếp theo của EFA, chỉ sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc tiềm ẩn cơ sở, trong đó mối quan hệ hay giả thuyết đã có được từ lý thuyết hay thực nghiệm giữa biến quan sát và nhân tố cơ sở được thừa nhận trước khi tiến hành kiểm định thống kê.
Các chỉ số cơ bàn có thể xem xét để đánh giá như sau: - Chi-square/df ≤3 (Theo Carmines & Mclver, 1981). - TLI,CFI ≥0,9 (Theo Bentler & Bonett, 1980). - RMSEA ≤0,08 (Theo Steiger, 1990).
3.3.4. Phân tích mơ hình cấu trúc tuyến tính SEM
Mơ hình cấu trúc tuyến tính SEM được dùng để mơ tả mối quan hệ giữa các biến quan sát được (observed variables) với mục tiêu cơ bản là kiểm định các giả thuyết thống kê.
Đề tài gồm một biến trung gian là chất lượng HTTTKT, một biến độc lập là VHTC, biến phụ thuộc là chất lượng thơng tin BCTC, do đó để kiểm tra mối quan hệ phức hợp trong mơ hình, tác giả sử dụng cơng cụ AMOS để phân tích mơ hình cấu trúc tuyến tính SEM. Phân tích mơ hình cấu trúc tuyến tính SEM nhằm xác định mức độ ảnh hưởng của VHTC và chất lượng HTTTKT đến chất lượng thông tin BCTC.
KẾT LUẬN CHƯƠNG 3
Chương 3 tác giả giả thích rõ ràng hơn về cách thức thực hiện nghiên cứu, xây dựng mơ hình nghiên cứu và thang đo cụ thể cho từng biến trong mơ hình , cách thức xác định cỡ mẫu, phương pháp thu thập dữ liệu nghiên cứu và các cơng cụ được dùng để xử lý, phân tích dữ liệu. Từ đó làm cơ sở để tiến hành thực nghiệm và đưa ra kết quả nghiên cứu trong chương tiếp theo.