7. Kết cấu của luận văn
3.8 Quy trình phân tích dữ liệu
Hiện có rất nhiều phần mềm thống kê được sử dụng như SPSS, Eview, Stata. SPSS hỗ trợ phân tích dữ liệu cho dữ liệu khảo sát bằng phỏng vấn hiệu quả hơn các phần mềm khác. Ở đây, tác giả sử dụng phần mềm SPSS để xử lý dữ liệu cho luận văn.
3.8.1 Phân tích thống kê mơ tả
Thống kê mơ tả tiến hành phân tích ban đầu về dữ liệu của đối tượng được khảo sát. Cụ thể luận văn sẽ mơ tả dựa trên các tiêu chí tần suất (%) xuất hiện của các nhóm: nghề nghiệp hiện tại của đối tượng được khảo sát, loại hình doanh nghiệp, nguồn vốn, thời gian hoạt động của DN khảo sát.
3.8.2 Đánh giá độ tin cậy của thang đo
Việc đánh giá độ tin cậy của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach’s Alpha thông qua phần mềm xử lý SPSS để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn độ tin cậy (biến rác). Hệ số Cronbach’s Alpha dùng để kiểm định về khả năng giải thích cho một khái niệm nghiên cứu của tập hợp các biến quan sát.
Nếu một biến đo lường có hệ số tương quan biến tổng hiệu chỉnh (corrected item- total correlation) >= 0,3 thì biến đó đạt u cầu và một thang đo được xem là có thể chấp nhận được về độ tin cậy nếu Cronbach’s Alpha >= 0,6 (Nunnally & Bernstein 1994, theo Nguyễn Đình Thọ 2013). Cronbach’s Alpha càng cao thì thang đo càng đạt
độ tin cậy cao, tuy nhiên đối với thang đo có Cronbach q cao (> 0,95) thì cần phải xem lại vì đó là hiện tượng trùng lắp trong đo lường (Nguyễn Đình Thọ, 2013).
3.8.3 Kiểm định giá trị thang đo
Sau khi kiểm tra Cronbach α, công việc tiếp theo là kiểm định giá trị thang đo. Nội dung giá trị thang đo được tác giả đề cập đến giá trị hội tụ và giá trị phân biệt. Giá trị hội tụ nói lên mức độ hội tụ của một thang đo được sử dụng để đo lường một khái niệm sau nhiều lần lặp lại (Nguyễn Đình Thọ, 2013). Giá trị phân biệt nói lên hai thang đo đo lường hai khái niệm khác nhau phải khác biệt nhau.
Theo Nguyễn Đình Thọ (2013), giá trị hội tụ và giá trị phân biệt thường được kiểm tra bằng phương pháp phân tích nhân tố khám phá EFA. Phân tích nhân tố EFA sẽ giúp khám phá các cấu trúc khái niệm nghiên cứu, loại bỏ các biến đo lường không đạt yêu cầu và đảm bảo cho thang đo có tính đồng nhất. Mục đích của việc phân tích nhân tố EFA là xem xét mối quan hệ giữa các biến quan sát và gộp chúng vào các nhóm biến giải thích cho các nhân tố. Những yêu cầu và tiêu chuẩn cụ thể được đặt ra như sau:
+ Đạt giá trị phải hội tụ: Hệ số tải nhân tố (factor loading) > 0.5, nếu biến nào có hệ số tải nhân tố nhỏ hơn 0.5 thì sẽ bị loại, hệ số tải nhân tố lớn nhất ở cột nào thì thuộc vào nhân tố đó.
+ Đạt giá trị phân biệt: Phương sai trích lớn hơn 50% và tiêu chí eigenvalue có giá trị lớn hơn 1 thì được chấp nhận.
Ngồi ra, để có thể phân tích được EFA, chúng ta còn phải kiểm định mức độ quan hệ giữa các biến đo lường. Các tiêu chí để đánh giá quan hệ giữa các biến:
+ Hệ số KMO: là trị số dùng để xem xét sự thích hợp của phân tích nhân tố do vậy giá trị KMO phải nằm giữa 0.5 và 1 (0.5< KMO<1) thì mới phù hợp với dữ liệu thu thập được.
+ Mức ý nghĩa của kiểm định Barrtlett với sig nhỏ hơn 0.05 thì có ý nghĩa thống kê.
3.8.4.1 Phân tích tương quan
Trong nghiên cứu này, các biến độc lập còn lại là các biến định lượng, vì vậy phép kiểm định thích hợp được sử dụng là kiểm định Pearson (Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008). Hệ số tương quan Pearson nhằm để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.
Theo đó hệ số tương quan được tính bằng cách chia hiệp phương sai của biến với tích độ lệch chuẩn của chúng. Hai biến được coi là có tương quan chặt chẽ khi hệ số tương quan từ 0.8 trở lên tại mức ý nghĩa Sig < 0,05. Dựa vào kết quả phân tích tương quan có thể bước đầu đánh giá được dự báo của mơ hình.
3.8.4.2 Xây dựng và kiểm định mơ hình hồi quy
Xây dựng mơ hình hồi quy
Để kiểm định mức độ tác động của các nhân tố trong mơ hình, tác giả dùng mơ hình hồi qui bội (MLR) thơng qua phần mềm xử lý thống kê SPSS. Mơ hình có dạng như sau: Y = β1X1+β2X2+ β3X3+ β4X4+...+ βkXk. Tác giả sẽ sử dụng phương pháp Enter – SPSS xử lý tất cả các biến đưa vào một lượt.
Kiểm định sự phù hợp của mơ hình
Kiểm định độ phù hợp của mơ hình để lựa chọn mơ hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết :
H0: Tập hợp các biến độc lập khơng có mối liên hệ với biến phụ thuộc (βi = 0) H1: Tập hợp các biến độc lập có mối liên hệ với biến phụ thuộc (βi ≠ 0)
Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mơ hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mơ hình được xây dựng phù hợp với tập dữ liệu, vì thế mơ hình có thể sử dụng được.
Kiểm tra hiện tượng đa cộng tuyến
Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor -
VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến.
Kiểm tra mức độ giải thích của mơ hình
Tác giả đánh giá mức độ giải thích của mơ hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mơ hình, mặc dù khơng phải mơ hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm khơng phụ thuộc vào số lượng biến đưa thêm vào mơ hình được sử dụng thay thế R2
để đánh giá mức độ phù hợp của mơ hình hồi qui bội.
Kiểm tra phần dư của mơ hình
Một trong những điều kiện cần thỏa mãn khi sử dụng mơ hình hồi qui tuyến tính là phần dư phải tuân theo phân phối chuẩn. Một phương pháp khảo sát đơn giản nhất là xây dựng Biểu đồ tần suất của các phần dư hoặc Biểu đồ tần suất PP-Plot (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định giả thuyết các sai số ngẫu nhiên của mơ hình có phương sai khơng đổi
Cơng cụ để kiểm tra giả giả thuyết các sai số ngẫu nhiên của mơ hình có phương sai khơng đổi là đồ thị phân tán phần dư chuẩn hóa (Scatterplot).
Tóm tắt chương 3
Chương 3 trình bày phương pháp nghiên cứu được sử dụng. Để đáp ứng mục tiêu của bài nghiên cứu, tác giả sử dụng nghiên cứu định lượng với phương pháp khảo sát, mẫu được thu thập tại 200 DNNVV tại Tp.Hồ Chí Minh, đối tượng thu thập là những người am hiểu về kế tốn. Dữ liệu được thu thập thơng qua bảng câu hỏi với 5 cấp độ. Sau đó dữ liệu được mã hóa, lập ma trận, làm sạch, được dùng để đánh giá độ tin cậy của thang đo. Sau đó, tác giả tiếp tục kiểm định giá trị của thang đo bao gồm giá trị nội dung và giá trị phân biệt, phân tích EFA. Cuối cùng, tác giả tiến hành kiểm định các
giả thuyết nghiên cứu và lượng hóa tác động của các nhân tố trong mơ hình bằng xây dựng mơ hình hồi quy bội (MLR).
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
Chương này sẽ trình bày kết quả nghiên cứu định lượng. Tác giả sẽ dựa trên dữ liệu đã khảo sát. Mẫu nghiên cứu sẽ được mô tả theo số lượng theo các điều kiện đã được đặt ra. Tiếp theo, tác giả trình bày tổng quát các số liệu thống kê về quyết định thuê ngồi dịch vụ kế tốn cũng như các nhân tố tác động đến quyết định thuê ngồi dịch vụ kế tốn. Kết quả đánh giá độ tin cậy của thang đo bằng Cronbach và kiểm định giá trị thang đo bằng phân tích EFA được trình bày sau đó. Kế tiếp, tác giả tiến hành kiểm định mối quan hệ giữa các nhân tố đến quyết định thuê ngoài dịch vụ kế tốn thơng qua các phép kiểm định Pearson và xây dựng mơ hình hồi qui tuyến tính tối ưu nhằm lượng hóa mức độ tác động của các nhân tố đến quyết định thuê ngoài dịch vụ kế toán.