STT Tên ngành Tiểu ngành Số lƣợng công ty Tỷ lệ (%) 1 16 14% 1.1. Đồ gia dụng và cá nhân 1 1.2. Bán lẻ thực phẩm và nhu yếu phẩm 0 1.3. Thực phẩm, đồ uống và thuốc lá 15 2 1 1% 3 14 13% 4 6 5% 4.1. Dƣợc phẩm, CN sinh học và KH thƣờng thức 5 4.2. Dịch vụ và thiết bị chăm sóc sức khỏe 1 5 16 14% 5.1. Dịch vụ tiêu dùng 2 5.2. Bán lẻ 3
5.3. Ơ tơ và linh kiện 3
5.4. Hàng tiêu dùng và trang trí 8 6 19 17% 7 9 8% 8 4 4% 8.1. Công nghệ phần cứng và thiết bị 1 8.2. Phần mềm và dịch vụ 3 9 26 23% 9.1. Hàng hóa chủ chốt 14 9.1. Vận tải 10
9.3. Các dịch vụ chuyên biệt và thƣơng
mại 2
111 100%
Nguồn: Tác giả tổng hợp theo hệ thống phân ngành trên sàn HSX (Tiêu chuẩn phân ngành GICS)
TỔNG CỘNG Công nghiệp:
Công nghệ thông tin: Hàng tiêu dùng thiết yếu:
Dịch vụ tiện ích: Nguyên vật liệu: Hàng tiêu dùng: Chăm sóc sức khỏe: Bất động sản: Năng lƣợng:
3.4. Phƣơng pháp phân tích dữ liệu 3.4.1. Phƣơng pháp thống kê mô tả 3.4.1. Phƣơng pháp thống kê mô tả
Phƣơng pháp này đƣợc sử dụng để mô tả đặc điểm của đối tƣợng khảo sát, xu hƣớng quan hệ của các biến và phân tích hiện trạng nghiên cứu. Các tham số đƣợc sử dụng trong thống kê mô tả bao gồm: Giá trị trung bình, giá trị thấp nhất, giá trị lớn nhất, độ
lệch chuẩn, phƣơng sai) để làm rõ các thuộc tính của đối tƣợng đƣợc nghiên cứu, các biến trong mơ hình nghiên cứu.
Trong bài nghiên cứu của mình, tác giả muốn sử dụng phƣơng pháp thống kê mô tả để nhận biết đƣợc đặc điểm các biến trong mơ hình nghiên cứu. Và đánh giá xem liệu rằng có sự khác biệt về giá trị trung bình của các nhân tố giữa hai nhóm đối tƣợng quan sát: nhóm quan sát có thực hiện thay đổi cơng ty kiểm tốn và nhóm quan sát khơng thay đổi cơng ty kiểm tốn hay không thông qua phƣơng pháp kiểm định T-test với mẫu độc lập.
3.4.2. Phƣơng pháp phân tích hồi quy logistics
3.4.2.1. Tổng quát về mơ hình hồi quy Logit
Phân tích hồi qui logistic là một kỹ thuật thống kê để xem xét mối liên hệ giữa biến độc lập (biến định tính hoặc biến định danh) với biến phụ thuộc là biến nhị phân. Trong hồi qui tuyến tính đơn, biến độc lập x và phụ thuộc y là biến số liên tục liên hệ qua phƣơng trình: y = + x +
Trong hồi qui logistic, biến phụ thuộc y chỉ có 2 trạng thái: 1 (ví dụ thay đổi kiểm tốn) và 0 (ví dụ khơng thay đổi kiểm tốn). Muốn đổi ra biến số liên tục ngƣời ta tính xác suất của 2 trạng thái này. Nếu gọi p là xác suất để một biến cố xảy ra (ví dụ: thay đổi cơng ty kiểm tốn), thì 1-p là xác suất để biến cố khơng xảy ra (ví dụ: khơng thay đổi cơng ty kiểm tốn).
1 = 0 1 xacsuat p Y xacsuat p
Gọi xác suất xảy ra sự kiện là p với p =[0,1] . Ta có Pr(Y = 1) = p Nhƣ vậy xác xuất không xảy ra sự kiện là Pr(Y = 0) = 1 – p
Tỷ số giữa xác xuất xảy ra sự kiện và không xảy ra sự kiện đƣợc ký hiệu là odds. Ta có Odds = p/(1-p). Khi Odds = 1 thì xác suất xảy ra sự kiện bằng xác suất không xảy ra và cùng bằng 0.5.
Trong đó: p là xác suất để Y = 1. Suy ra:
Tỷ số Odds của sự kiện xảy ra:
Hay:
Giả thuyết kiểm định là:
H0: βi = 0 biến độc lập Xi không tác động đến xác suất xảy ra sự kiện; H1: βi ≠ 0 biến độc lập Xi có tác động đến xác suất xảy ra sự kiện.
3.4.2.2. Các bước phân tích hồi quy logistic
Bƣớc 1: Kiểm định mối tƣơng quan và hiện tƣợng đa cộng tuyến giữa các biến:
Mục đích của kiểm định này nhằm xem xét biến độc lập tƣơng quan có nghĩa với biến phụ thuộc hay không. Dự báo sớm mối quan hệ về độ lớn và chiều tác động giữa hai biến. Hệ số tƣơng quan Pearson (ký hiệu r) đo lƣờng mức độ tƣơng quan tuyến tính giữa hai biến. Nguyên tắc cơ bản, tƣơng quan Pearson sẽ tìm ra một đƣờng thẳng phù hợp nhất với quan hệ tuyến tính của hai biến. Chính vì vậy, phân tích tƣơng quan Pearson đôi khi cịn đƣợc gọi là phân tích hồi quy đơn giản.
Hệ số tƣơng quan Pearson sẽ nhận gía trị từ +1 đến –1. Nếu r > 0 cho biết tƣơng quan dƣơng giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giá trị của biến kia tăng và ngƣợc lại. Nếu r < 0 cho biết tƣơng quan âm giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giá trị của biến kia giảm và ngƣợc lại.
Giá trị tuyệt đối của r càng cao thì mức độ tƣơng quan giữa hai biến càng lớn hoặc dữ liệu càng phù hợp với mối quan hệ tuyến tính giữa hai biến. Thể hiện kiểm định tƣơng quan Pearson giữa các biến trong mơ hình. Số bên trên là hệ số tƣơng quan Pearson (r), số bên dƣới in nghiêng là giá trị p–value của kiểm định Pearson với giả thuyết H0 là khơng có tƣơng quan giữa hai biến. Khi mức ý nghĩa của hệ số tƣơng quan Pearson (r) có độ tin cậy ít nhất bằng 95% (p-value nhỏ hơn hoặc bằng 0,05), ta kết luận rằng tƣơng quan giữa biến độc lập và biến phụ thuộc có ý nghĩa thống kê.
Bƣớc 2: Ƣớc lƣợng tham số của mơ hình:
Mơ hình hồi quy logit gồm 10 biến độc lập (MC, GROWTH, CPLX, DUAL, BIG4, SIZE, AO, ROA, Z-SCORE và LEV) với biến phụ thuộc khả năng xảy ra sự thay đổi cơng ty kiểm tốn, đƣợc ƣớc lƣợng bằng phƣơng pháp Khả năng xảy ra tối đa (MX- Maximum Likelihood).
Phƣơng pháp đƣa biến độc lập vào mơ hình là phƣơng pháp Enter: đƣa vào bắt buộc, các biến độc lập đều đƣợc đƣa vào trong cùng một bƣớc.
Bƣớc 3: Kiểm định ý nghĩa thống kê của các hệ số hồi quy:
Mơ hình hồi quy Logit cũng địi hỏi kiểm định giả thuyết hệ số hồi quy khác 0. Trong hồi quy tuyến tính chúng ta sử dụng kiểm định T-student để kiểm định giả thuyết H0: βi=0. Còn với hồi quy logit ta dùng kiểm định Z-statistic để kiểm định ý nghĩa thống kê của các hệ số hồi quy (p-value < 0.05).
Bƣớc 4: Kiểm định mức độ phù hợp tổng qt của mơ hình:
Ở mơ hình hồi quy logit, tổ hợp liên hệ tuyến tính của tồn bộ các hệ số trong mơ hình ngoại trừ hằng số cũng đƣợc kiểm tra xem có thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc hay khơng. Mơ hình đƣợc xem là khơng phù hợp khi tất cả các hệ số hồi quy đều bằng không (giả thuyết H0: β1= β2= β3=…= βi=0) và mơ hình hồi quy đƣợc xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không.
Bài nghiên cứu sử dụng kiểm định LR statistic để kiểm định mức độ phù hợp tổng quát của mơ hình. Nếu mức ý nghĩa của mơ hình có mức độ tin cậy ít nhất 95% (p- value <= 0.05), ta chấp nhận giả thuyết có ít nhất một hệ số hồi quy khác không và mơ hình đƣợc xem là phù hợp.
Bƣớc 5: Kiểm định mức độ giải thích của mơ hình
Mục tiêu của kiểm định này là nhằm xem xét mức độ giải thích của mơ hình, nghĩa là có bao nhiêu phần trăm thay đổi của biến phụ thuộc (khả năng xảy ra sự thay đổi công ty kiểm tốn) đƣợc giải thích bởi các biến độc lập.
Bài nghiên cứu sử dụng thƣớc đo: McFadden R-squared
Bƣớc 6: Kiểm định mức độ dự báo chính xác của mơ hình:
Để đánh giá khả năng dự báo của mơ hình hồi quy logit, tác giả sử dụng phân tích sau hồi quy (Postestimation Classification), để so sánh trị số thực và trị số dự đoán cho từng biểu hiện và tính tỷ lệ dự đốn đúng sự kiện.
Kết luận chƣơng 3
Dựa vào việc phân tích cơ sở lý thuyết và các phƣơng pháp nghiên cứu trƣớc đây về các nhân tố tác động đến sự thay đổi cơng ty kiểm tốn trong chƣơng 1 và chƣơng 2. Tác giả định hƣớng đƣợc các bƣớc nghiên cứu tiếp theo và đƣợc trình bày cụ thể ở chƣơng 3. Trong chƣơng 3, tác giả thiết kế quy trình nghiên cứu tổng quát, dựa vào các giả thuyết đã đƣa ra phát triển mơ hình nghiên cứu gồm mƣời (10) nhân tố tác động đến sự thay đổi công ty kiểm toán: (1) Sự thay đổi các nhà quản lý cấp cao; (2) Tốc độ tăng trƣởng; (3) Mức độ phức tạp trong hoạt động; (4) Sự kiêm nhiệm trong quản lý; (5) Danh tiếng cơng ty kiểm tốn, (6) Quy mơ cơng ty; (7) Ý kiến kiểm tốn viên; (8) Khả năng sinh lời; (9) Nguy cơ phá sản và (10) Rủi ro tài chính. Và để lƣợng hóa đƣợc mối quan hệ giữa các nhân tố này đến sự thay đổi cơng ty kiểm tốn, tác giả sử dụng mơ hình hồi quy logistics, cũng đƣợc nhiều nhà nghiên cứu trƣớc áp dụng nhƣ: Chow & Rice (1982), Schwartz & Menon (1985), Williams (1988), Woo & Koh (2001),…. Bởi vì, biến phụ thuộc trong mơ hình nghiên cứu là biến sự thay đổi cơng ty kiểm toán, biến giả nhị phân chỉ gồm hai giá trị: 1-có thay đổi và 0-khơng có thay đổi. Dữ liệu đƣợc tác giả thu thập từ 111 công ty niêm yết trên Sàn giao dịch chứng khoán TP Hồ Chí Minh trong 3 năm 2014-2016. Cơng cụ đƣợc tác giả sử dụng để thu thập và xử lý dữ liệu là phần mềm Microsoft Excel và Eview 7.0. Kết quả nghiên cứu và bàn luận về mơ hình các nhân tố tác động đến sự thay đổi công ty kiểm tốn sẽ đƣợc trình bày trong chƣơng tiếp theo.
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN 4.1. Thống kê mô tả
4.1.1. Mô tả về đặc trƣng của mẫu
Để có cái nhìn tổng quan về các đặc tính của mẫu quan sát trong bài nghiên cứu, tác giả thực hiện mô tả các chỉ tiêu thống kê liên quan đến các biến trong mơ hình. Dữ liệu đƣợc trích xuất từ phần mềm Eview 7.0 (Phụ lục 3).