3 4 Mối quan hệ giữa chất lượng HTTTKT và chất lượng TTKT
3.6 Nghiên cứu định lượng
3.6.1 Thiết kế bảng câu hỏi khảo sát và thu thập mẫu khảo sát
Từ việc tổng hợp các kết quả nghiên cứu và lý thuyết có liên quan trước đây, tác giả đã đưa ra mơ hình nghiên cứu và xây dựng bảng câu hỏi để tiến hành khảo sát thực tế.
Bảng câu hỏi khảo sát sử dụng gồm 23 biến quan sát với thang đo Likert 5 mức độ (từ 1- Rất không đồng ý đến 5- Rất đồng ý).
Phương pháp chọn mẫu
Theo Đinh Phi Hồ (2014) có 2 cách tiếp cận để xác định quy mơ mẫu đại diện cho tổng thể đó là (1) phương pháp thống kê mô tả, (2) mơ hình định lượng lựa chọn
Hai phương pháp đó lần lượt được trình bày cụ thể như sau:
Phương pháp thống kê mô tả: cơ sở để chọn mẫu xác định bởi công thức: n=N/1+N(e)2
Trong đó:
n : số lượng mẫu cần xác định N: tổng thể
e: mức độ chính xác mong muốn (mức sai sót 0.05 hay mức độ tin cậy là 95%) Phương pháp mơ hình định lượng: chủ yếu là mơ hình phân tích nhân tố khám phá. Mơ hình phân tích nhân tố khám phá: kích cỡ mẫu được dựa vào (1) mức tối thiểu và (2) số lượng biến đưa vào mơ hình
n = ∑ kPj
𝑡
𝑗=1
Mức tối thiểu: 50
Pj: số biến quan sát của thang đo thứ j (j =1 đến t)
k: tỷ lệ của số quan sát so với biến quan sát (5/1 hoặc 10/1) Nếu n < 50, chọn n = 50, nếu n > 50, chọn quy mô mẫu là n.
Đối tượng khảo sát là các nhân viên kế toán tại các doanh nghiệp đang hoạt động. Để phân tích EFA, kích thước mẫu tối thiểu phải là 50, tơt hơn là 100 và tỉ lệ quan sát biến đo lường (N/p) là 5:1 nghĩa là một biến đo lường cần tối thiểu là năm biến quan sát tốt hơn là 10:1 trở lên (Hair et al.,, 2006), (Nguyễn Đình Thọ, 2013).
đo lường cho 2 nhân tố độc lập, 6 biến đo lường cho nhân tố trung gian và 4 biến đo lường cho nhân tố phụ thuộc).
Luận văn đã tiến hành với gần 400 bảng câu hỏi khảo sát. Sau khi thu về và loại bỏ những bảng câu hỏi chưa phù hợp với 203 bảng câu hỏi được đưa vào phân tich tiếp theo.
3.6.2 Phương pháp phân tích dữ liệu
3.6.2.1 Đánh giá độ tin cậy thang đo bằng Cronbach’s Alpha
Dựa vào Cronbach’s Alpha để kiểm tra sự chặt chẽ và tương quan giữa các biến quan sát và để loại các biến rác trước khi tiến hành phân tích EFA. Theo Churchill (1979) và Nguyễn Đình Thọ (2013) thực hiện việc đánh giá độ tin cậy thang đo này có thể giúp ta tránh được biến rác vì biến rác có thể tạo ra nhân tố giả (artifical factors) khi phân tích EFA.
Theo trên, tiêu chuẩn của một thang đo được chọn như sau: + Nếu một biến đo lường có hệ số tương quan biến - tổng lớn hơn hoặc bằng 0.30 thì biến đó đạt yêu cầu (Nunnally and Bernstein, 1994), (Nguyễn Đình Thọ, 2013).
+ Theo Nguyễn Đình Thọ (2013), hệ số Cronbach’s Alpha quá lớn (>0.95) điều này có nghĩa là có nhiều biến trong thang đo khơng có khác biệt gì nhau. Một thang đo có độ tin cậy tốt khi nó trong khoảng [0.70 – 0.80]. Nếu Cronbach’s Alpha lớn hơn hoăc bằng 0.60 là thang đo có thể chấp nhận được về mặt độ tin cậy.
+ Các biến đo lường Cronbach’s Alpha, hệ số tương quan biến - tổng nhằm để loại ra những biến quan sát khơng đóng góp trong việc mơ tả các khái niệm cần đo. Dựa vào Cronbach’s Alpha để loại các biến rác trước khi tiến hành phân tích EFA (Nguyễn Đình Thọ, 2013).
3.6.2.2 Phân tích nhân tố khám phá EFA
Theo Hair và cộng sự (1998) và Nguyễn Đình Thọ (2013) phân tích nhân tố EFA với mục đích là để thu nhỏ và tóm tắt các dữ liệu có ích cho việc tập hợp các biến cần thiết cho vấn đề nghiên cứu. Mỗi biến quan sát sẽ được tính một tỉ số được gọi là hệ số tải nhân tố (factor loading). Ý nghĩa của hệ số này là cho biết mỗi biến đo lường sẽ thuộc về nhân tố nào. Hệ số tải nhân tố của từng biến quan sát có giá trị lớn hơn 0.5. Điểm dừng khi Eigenvalue lớn hơn 1(đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) và tổng phương sai dùng để giải thích bởi từng nhân tố lớn hơn 50% thì việc phân tích nhân tố đạt u cầu (Gerbing and Anderson, 1998), (Nguyễn Đình Thọ, 2013).
Thực hiện kiểm định Barlett để xem ma trận tương quan có phải là ma trận đơn vị, các biến đo lường có quan hệ với nhau và các hệ số tương quan lớn hơn hoặc bằng 0.30. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) khi kiểm định Barlett có sig < 5%, có nghĩa là ma trận tương quan là ma trận đơn vị.
Hệ số KMO (Kaiser-Meyer-Olkin) có giá trị trong khoảng từ 0.50<KMO<1 thì thể hiện việc phân tích nhân tố là thích hợp. Nếu KMO<0.50 thì việc phân tích nhân tố khơng có khả năng với dữ liệu (Hair and cộng sự, 1998), (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) .
Như vậy, khi tiến hành phân tích khám phá nhân tố EFA, điều kiện là: + Factor Loading > 0.50
+ 0.50 < KMO <1
+ Phương sai trích Total Varicance Explained > 50% + Eigenvalue > 1
3.6.2.3 Phân tích nhân tố khẳng định CFA
chỉ số thích hợp so sánh (CFI_Comparative Fit Index), chỉ số RMSEA (Root Mean Square Error Approximation). Theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2008) mơ hình thích hợp với dữ liệu thị trường khi tiến hành kiểm định các chỉ số thoả điều kiện sau:
+ Chi-square có P-value > 0.05
+ Gía trị TLI, CFI lớn hơn hoặc bằng 0.9 + CMIN/df nhỏ hơn hoặc bằng 2
+ RMSEA nhỏ hơn hoặc bằng 0.08.
3.6.2.4 Mơ hình cấu trúc tuyến tính SEM (Structural Equation Modelling)
Phân tích mơ hình cấu trúc tuyến tính –SEM để xác định mức ảnh hưởng của các nhân tố.