b) Phạm vi nghiên cứu 3
4.4. Phân tích tương quan và hồi qui 88
4.4.2. Phân tích hồi qui 90
4.4.2.1. Mơ hình hồi qui
Mơ hình được sử dụng để kiểm tra các giả thuyết nghiên cứu như đã được đề cập ở chương 3 là: MB = α0 + α1QTR +α2KET + α3QTA + α4CON + ε
Đánh giá độ phù hợp của mơ hình
Tác giả nghiên cứu tài liệu hướng dẫn phân tích hồi qui của Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008) về các thủ tục chọn biến, và dựa vào loại nghiên cứu của luận văn là diễn dịch hay nói cách khác là nghiên cứu đang muốn chứng minh tính đúng đắn của một mơ hình lý thuyết trong bối cảnh nghiên cứu cụ thể ở Việt Nam chứ khơng phải là quy nạp (tìm một mơ hình mới). Chính vì vậy tác giả sử dụng phương pháp Enter (thủ tục xử lý tất cả các biến đưa vào một lần, đưa ra các thông số thống kê liên quan và
91
hình như sau:
Bảng 4.18: Đánh giá độ phù hợp của mơ hình
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm SPSS 20 và Excel 2013)
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .915a .837 .833 .278 1.778
R Square (R2) có khuynh hướng là một ước lược lạc quan của thước đo phù hợp cuả mơ hình đối với dữ liệu trong trường hợp có hơn một biến giải thích trong mơ hình (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Kết quả phân tích hồi qui tuyến tính
bội cho thấy mơ hình có R2 = 0.837 và R2 được điều chỉnh = 0.833. Tuy nhiên, R2 điều chỉnh mới là thước đo sự phù hợp mà ta sử dụng vì nó khơng phụ thuộc vào độ lệch phóng đại của R2,nghĩa là khơng thổi phồng mức độ phù hợp của mơ hình (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008). R2 điều chỉnh = 0.833 nói lên độ thích hợp của mơ hình là 83.3% hay nói cách khác là các biến độc lập (bốn biến) giải thích được 83.3% sự biến thiên của biến mức độ minh bạch.
Kiểm định độ phù hợp của mơ hình
Để kiểm định giả thiết về độ phù hợp của mơ hình thì kiểm định F sử dụng trong bảng phân tích phương sai được phân tích.
Bảng 4.19: Kiểm định độ phù hợp của mơ hình
ANOVAa
Model Sum of Squares df Mean Square F Sig. 1
Regression 56.403 4 14.101 182.822 .000b
Residual 10.952 142 .077
Total 67.356 146
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm SPSS 20 và Excel 2013)
Phân tích ANOVA cho trị thống kê F được tính từ giá trị R Square có Sig = .000 là rất nhỏ cho thấy mơ hình hồi qui tuyến tính bội xây dựng là phù hợp với tập dữ liệu, có ý nghĩa về mặt thống kê với mức ý nghĩa 5% và có thể sử dụng được. Như vậy các biến
92
độc lập trong mơ hình có mối quan hệ đối với biến phụ thuộc mức độ minh bạch.
Xác định và phân tích ý nghĩa các hệ số hồi qui riêng
Kết quả hồi qui thu được sẽ giúp xác định các hệ số hồi qui riêng – hệ số cho biết ảnh hưởng thuần của các thay đổi một đơn vị trong từng biến độc lập đối với trị trung bình của biến phụ thuộc (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Bảng 4.20: Các thông số thống kê của từng biến trong phương trình
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF
1 (Constant) .556 .112 4.961 .000 QTR .072 .037 .085 1.926 .056 .593 1.686 KET .128 .039 .154 3.252 .001 .511 1.959 QTA .199 .043 .258 4.613 .000 .366 2.730 CON .394 .037 .550 10.675 .000 .431 2.322
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm SPSS 20 và Excel 2013)
Kết quả từ bảng hệ số hồi qui cho thấy trong bốn biến độc lập đưa vào mơ hình thì chỉ có ba biến Đặc điểm đội ngũ kế toán, Mức độ quan tâm của các đối tượng đến BCTC, CNTT tác động đến biến Mức độ minh bạch và có ý nghĩa thống kê với mức ý nghĩa 5% (Sig. <5%). Ta sử dụng hệ số hồi qui riêng đã được chuẩn hóa để phân tích tác động của từng biến như sau:
Khi các đặc điểm về đội ngũ kế toán tăng lên, cụ thể là: Quy mơ đội ngũ kế tốn càng lớn, Kinh nghiệm làm việc của nhân viên kế toán càng lâu, và Mức độ chun mơn tài chính của kế tốn càng cao thì mức độ minh bạch sẽ tăng;
93
tượng có nhu cầu sử dụng BCTC của đơn vị; Các đối tượng sử dụng càng quan tâm đến tính kịp thời và tính chất, nội dung các số liệu trên BCTC) thì mức độ minh bạch sẽ tăng;
Khi các đặc điểm về sự phát triển công nghệ thông tin tăng lên (Mức độ hiện đại, cập nhật các tính năng của các phần mềm liên quan càng cao; Mức độ thành thạo trong sử dụng các máy móc, phần mềm của các thành viên đơn vị càng nhiều và đơn vị càng sẵn sàng ứng dụng CNTT mới) thì mức độ minh bạch sẽ tăng.
Biến còn lại là Đặc điểm quản trị khơng có tác động đến sự thay đổi của biến mức độ minh bạch, hay cụ thể hơn là khơng có ý nghĩa thống kê ở mức ý nghĩa 5% (Sig. >5%).
Đồng thời các hệ số tương quan riêng phần này còn được dùng để xác định tầm quan trọng của các biến trong mơ hình bằng cách đo lường khả năng giải thích biến thiên của biến phụ thuộc do ảnh hưởng của một biến độc lập. Trị tuyệt đối của hệ số tương quan càng lớn thì liên hệ tuyến tính càng mạnh. Độ lớn của kết quả phân tích hệ số tương quan riêng phần của các biến Đặc điểm đội ngũ kế toán, Mức độ quan tâm của các đối tượng đến BCTC, Công nghệ thông tin lần lượt là 0.154; 0.258; 0.550. Như vậy, tầm quan trọng của các biến trong mơ hình theo thứ tự như sau: CNTT có tác động lớn nhất đối với Mức độ minh bạch, tiếp sau đó là biến Mức độ quan tâm của các đối tượng đến BCTC, cuối cùng là Đặc điểm đội ngũ kế tốn có tác động ít nhất lên Mức độ minh bạch.
4.4.2.2. Kiểm định sự tuân thủ của các giả định cần thiết
Mơ hình hồi qui tuyến tính bội được xây dựng dựa trên một số giả định, và chúng đều phải được tuân thủ. Nếu vi phạm các giả thiết sau thì kết quả ước lượng sẽ khơng cịn chính xác nữa (Hoàng Trọng & Mộng Ngọc, 2008):
Thứ nhất, là giả định liên hệ tuyến tính;
Thứ hai, là giả định phương sai của sai số không đổi; Thứ ba, là giả định về phân phối chuẩn của phần dư;
94
Thứ tư, là giả định về tính độc lập của sai số;
Thứ năm, là giả định khơng có hiện tượng Đa cộng tuyến.
Nhằm đảm bảo tính chính xác và có thể sử dụng được của kết quả nghiên cứu, luận văn đã thực hiện kiểm tra sự vi phạm tất cả các giả thiết lần lượt như dưới đây:
a) Mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập: kiểm tra thơng qua
phân tích hệ số tương quan giữa các biến độc lập với biến phụ thuộc (đã được trình bày ở trên trong phần phân tích tương quan). Và kết quả kiểm tra cho thấy có mối liên hệ tuyến tính giữa các cặp biến này. Đồng thời nghiên cứu còn sử dụng phương pháp vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra (Phụ lục 5). Nhìn vào sơ đồ có thể nhận thấy các giá trị dự đoán và phần dư phân tán rất ngẫu nhiên, và riêng phần dư thì phân tán khơng có hệ thống, trật tự trong một vùng xung quanh đường đi qua tung độ 0 chứ không tạo thành một hình dạng nào. Điều đó chứng tỏ khơng có mối liên hệ gì giữa các giá trị dự đoán và phần dư. Như vậy là giả định tuyến tính được thỏa mãn (đúng).
b) Kiểm tra giả định phương sai của sai số không đổi, hay phần dư không tương
quan với các biến độc lập trong mơ hình. Nếu độ lớn của phần dư tăng hay giảm cùng với giá trị của biến dự đoán (biến phụ thuộc) thì có khả năng để nghi ngờ giả định này bị vi phạm. Qua đồ thị phân tán giữa các phần dư và giá trị dự đoán ở kiểm định trên ta thấy các quan sát phân tán ngẫu nhiên. Đồng thời, thực hiện phân tích hồi qui biến phần dư (Unstandardize Residual) theo biến dự đoán (Unstandardize Predicted Value): ei2 = b1+ b2 * Biến dự đoán. Kết quả phân tích hồi qui như sau: hệ số b2 có kết quả kiểm định t bằng 0.000, ý nghĩa thống kê 1.000 (Phụ lục 6). Như vậy, phần dư và biến dự đốn khơng có mối liên hệ cũng chính là khơng có hiện tượng phương sai của sai số thay đổi. Giả định phương sai của sai số không đổi đã được thỏa mãn.
95
phối chuẩn hay không. Thông qua biểu đồ phân phối của phần dư cho thấy phần dư có phân phối chuẩn (trung bình Mean = -6.01E-15 rất gần bằng 0, và độ lệch chuẩn Std. Dev. = 0.98621 tức là rất gần bằng 1). Như vậy có thể kết luận là là giả thiết phân phối chuẩn không bị vi phạm.
d) Kiểm định giả thiết về tính độc lập của phần dư: giả định về sai số thực ei cho nó
là ngẫu nhiên, độc lập và có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi.
Với dữ liệu được thu thập và ghi chép không theo tuần tự chuỗi thời gian nên tác giả nhận định giả thiết này khó bị vi phạm.
Tuy nhiên để thêm phần chắc chắn và thuyết phục cho nghiên cứu, kiểm định Durbin – Watson được thực hiện và hệ số d có giá trị 1.778 (Phụ lục 8) là tương đối cao, suy ra tương quan giữa các phần dư là nhỏ r = 0.111 (d ≈ 2 (1-r)) (Carter Hill & et al., 2014 ). Như vậy, có thể nhận định rằng giả định tương quan giữa phần dư không bị vi phạm.
e) Kiểm tra hiện tượng đa cộng tuyến: Nghiên cứu thực hiện xác định Hệ số độ chấp
nhận (Tolerance) cho kết quả cao (lớn hơn 0.3), Phương sai phóng đại (VIF) cho kết quả nhỏ hơn 3 đã chứng tỏ mơ hình khơng vi phạm giả định Đa cộng tuyến (xem phần Phụ lục 9).
Như vậy, sau khi thực hiện kiểm định đầy đủ các giả thiết xây dựng cho mơ hình hồi qui, kết quả kiểm định cho phép kết luận rằng các giả thiết của phân tích hồi qui tuyến tính khơng bị vi phạm. Vì vậy, kết quả phân tích hồi qui là đáng tin cậy và có thể sử dụng được.
4.4.2.3. Kết quả kiểm định giả thuyết
Mơ hình đề xuất ban đầu đưa ra bốn giả thuyết nghiên cứu, trong đó chỉ có ba biến thực sự có tác động đáng kể lên mức độ minh bạch theo kết quả kiểm định đã thực hiện ở trên. Từ đó, luận văn rút ra được kết quả kiểm định giả thuyết như sau:
96
Bảng 4.21: Tổng hợp kết quả kiểm định các giả thuyết
(Nguồn: Người viết tổng hợp từ kết quả phân tích tương quan và hồi qui)
Lúc này, mơ hình các biến ảnh hưởng đến mức độ minh bạch sau khi kiểm định sẽ như sau:
Hình 4.1: Mơ hình các biến ảnh hưởng đến mức độ minh bạch
Mức độ minh bạch
Đặc điểm đội
ngũ kế toán
Mức độ quan tâm của các đối tượng
đến BCTC
Công nghệ thông tin
Giả thuyết Kết quả Kết luận
H1 Nhân tố Đặc điểm quản trị có mối quan hệ đồng
biến với tính MBTT BCTC khu vực cơng
Khơng tác động Bác bỏ
H2 Nhân tố Đặc điểm đội ngũ kế tốn có mối quan hệ
đồng biến với tính MBTT BCTC khu vực công
Tác động dương Chấp nhận
H 3
Nhân tố Mức độ quan tâm của các đối tượng đến BCTC có mối quan hệ đồng biến với tính MBTT
BCTC khu vực cơng
Tác động dương Chấp nhận
H 4 Nhân tố CNTT có mối quan hệ đồng biến với tính
97
(Nguồn: Người viết tổng hợp từ kết quả phân tích tương quan và hồi qui)