Có ba phương pháp nghiên cứu thường được sử dụng đó là định tính, định lượng và hỗn hợp (Creswell và cộng sự, 2003). “Nghiên cứu định tính dùng để xây dựng lý thuyết khoa học dựa vào quy trình quy nạp. Phương pháp định lượng là phương pháp truyền thống trong khoa học, trong đó dữ liệu được dùng để khám phá quy luật của hiện tượng khoa học chúng ta cần nghiên cứu, thu thập dữ liệu để kiểm định các lý thuyết khoa học được suy diễn từ lý thuyết đã có”. Theo Cresell & Clack (2007): “Phương pháp hỗn hợp dựa trên cơ sở của hệ nhận thức thực dụng, chú trọng việc ứng dụng của sản phẩm khoa học – giải quyết vấn đề kinh doanh”. Nhằm giải quyết các mục tiêu đề ra, tác giả sử dụng phương pháp hỗn hợp, bao gồm phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng.
3.2.1 Phương pháp nghiên cứu định tính
Dựa trên các tài liệu đã nghiên cứu của các chuyên gia và kế thừa các nghiên cứu khảo sát để rút ra các nhân tố cơ bản ảnh hưởng đến HTKSNB. Từ đó, xây dựng bảng câu hỏi khảo sát. Các biến được thảo luận và đánh giá bằng hình thức thảo luận nhóm. Kết quả cuộc thảo luận sẽ được tác giả ghi nhận, tổng hợp làm căn cứ để điều chỉnh các biến. Sau khi tiến hành thảo luận nhóm thì có 6 nhân tố tác động tới sự hữu hiệu của HTKSNB trong các DNNVV tại TP.HCM được các thành viên đồng tình và
sử dụng chính thức. Trong q trình này, tác giả cũng tiến hành điều chỉnh bảng câu hỏi cho phù hợp.
3.2.2 Phương pháp nghiên cứu định lượng
Việc đo lường mức độ ảnh hưởng của các nhân tố đến sự hữu hiệu của HTKSNB trong các DNNVV được tiến hành theo các bước sau:
Bước 1: Thiết kế bảng câu hỏi khảo sát
Trên cơ sở kết quả các nhân tố đã được xác định ở bước nghiên cứu định tính, Bảng câu hỏi khảo sát được áp dụng trong nghiên cứu định lượng được thiết kế gồm các nội dung:
- Một vài thơng tin nhằm mục đích tìm hiểu và phân loại đối tượng khảo sát; - Đo lường theo thang đo Likert 5 cấp độ về mức độ ảnh hưởng của các nhân tố
ảnh hưởng đến sự hữu hiệu của HTKSNB trong các DNNVV tại TP.HCM và sự hữu hiệu của HTKSNB trong các DNNVV tại TP.HCM.
Bước 2: Xác định kích thước mẫu khảo sát và cách lấy mẫu
Xác định kích thước mẫu
Để sử dụng EFA, kích thước mẫu phải lớn. Tuy nhiên, việc xác định kích thước mẫu phù hợp là rất phức tạp nên thông thường dựa vào kinh nghiệm.
Theo Hair và cộng sự (2006) trích trong Nguyễn Đình Thọ (2011) cho rằng: “Để sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100”. Theo Tabachnick và Fidell (2007) trích trong Nguyễn Đình Thọ (2011) thì kích thước mẫu trong phân tích hồi quy bội phụ thuộc vào nhiều nhân tố, ví dụ như: mức ý nghĩa, độ mạnh của phép kiểm định, số lượng biến độc lập. Theo Green (1991) và Tabachnick và Fidell (2007) trích trong Đinh Phi Hổ (2014) thì quy mơ mẫu có thể được xác định theo công thức: N 50 + 8m (Với, N: là cỡ mẫu; m: là số lượng nhân tố độc lập).
Trong đề tài này, có 6 biến độc lập với 31 biến quan sát. Như vậy, tác giả lựa chọn kích thước mẫu là 316 là hồn toàn phù hợp với các điều kiện đặt ra như trên.
Cách lấy mẫu
Trong nghiên cứu này, tác giả sử dụng lấy mẫu thuận tiện. Đây là cách chọn mẫu phi xác suất, trong đó nhà nghiên cứu tiếp cận với các đối tượng nghiên cứu bằng phương pháp thuận tiện. Phương pháp chọn mẫu này khá phổ biến. Điều này đồng
nghĩa với việc nhà nghiên cứu có thể chọn các đối tượng mà họ có thể tiếp cận được (Nguyễn Đình Thọ, 2013). Phương pháp này có ưu điểm: dễ tiếp cận với đối tượng nghiên cứu và thường được sử dụng khi bị giới hạn về thời gian và chi phí. Nhược điểm của phương pháp là khơng tổng qt hóa cho đám đông.
Bước 3: Gửi bảng câu hỏi khảo sát
Bảng câu hỏi khảo sát được gửi và nhận về thơng qua hình thức: trực tiếp hoặc email.
Bước 4: Xử lý dữ liệu thô
Sau khi thu nhận các bảng câu hỏi khảo sát, tác giả tập hợp dữ liệu đó lên phần mềm Microsoft Excel. Dữ liệu sẽ được đưa vào phân tích bằng phần mềm IBM SPSS Statistics 20 sau khi tác giả đã tiến hành xử lý xong dữ liệu thơ (kiểm tra tính hợp lý của dữ liệu đã nhận).
Bước 5: Kiểm định chất lượng thang đo
Kiểm định độ tin cậy thang đo Cronbach’s Alpha phản ánh mức độ tương quan chặt chẽ, tính nhất quán giữa các biến trong một nhân tố. Tác giả Nguyễn Đình Thọ, (2011) cho rằng: “Trong đánh giá độ tin cậy thang đo, cần ghi nhận rằng Cronbach’s Alpha đo lường độ tin cậy của cả thang đo chứ khơng tính độ tin cậy cho từng biến quan sát. Hơn thế, các biến trong cùng một thang đo dùng để đo lường cùng một khái niệm nghiên cứu nên chúng phải có tương quan chặt chẽ với nhau”.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008): “Mức giá trị hệ số Cronbach’s Alpha:
Từ 0.8 đến gần bằng 1: thang đo lường rất tốt
Từ 0.7 đến gần bằng 0.8: thang đo lường sử dụng tốt
Từ 0.6 trở lên: thang đo lường đủ điều kiện”
Trong phân tích nhân tố, tác giả Numally và Burnstein, (1994) nêu ra: “Nếu một biến đo lường có hệ số tương quan biến tổng (hiệu chỉnh) lớn hơn hoặc bằng 0.3 thì biến đó đạt yêu cầu”.
Theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2008): “Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả”.
Bước 6: Tiến hành phân tích nhân tố khám phá
Thơng qua phân tích Cronbach’s Alpha, tác giả tiến hành loại ra những biến không đảm bảo độ tin cậy. Tiếp đến, tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Anlysis) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ (convergent validity) và giá trị phân biệt (discriminant validity). Phân tích EFA rút gọn các biến quan sát ban đầu thành những nhân tố mới có ý nghĩa hơn trên cơ sở mối quan hệ tuyến tính của các nhân tố mới với biến quan sát.
Để đánh giá giá trị thang đo cần xem xét bốn (4) thuộc tính quan trọng trong kết quả EFA:
(1) Sự phù hợp của phân tích nhân tố: khi giá trị KMO (Kaiser – Meyer – Olkin) nằm trong khoảng từ 0.5 đến 1 và kiểm định Barlett Test có ý nghĩa, tức là giá trị Sig của kiểm định này bé hơn 0.05 (với độ tin cậy 95%) (Nguyễn Đình Thọ, 2011).
(2) Số lượng nhân tố trích: Tiêu chí Eigenvalue được dùng để xác định số lượng nhân tố trích. Với tiêu chí này, số lượng nhân tố trích được xác định ở nhân tố dừng có Eigenvalue 1 (Nguyễn Đình Thọ, 2011).
(3) Hệ số tải nhân tố (Factor loading): Theo Hair và cộng sự (1998), chỉ tiêu này nhằm mục đích đảm bảo mức ý nghĩa thiết thực của EFA, cụ thể:
Factor loading > 0.3: đạt mức tối thiếu
Factor loading > 0.4: quan trọng
Factor loading > 0.5: có ý nghĩa thực tiễn
(4) Tổng phương sai trích: Khi đánh giá EFA, cần xem xét phần tổng phương sai trích. Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Nếu tổng này đạt từ 50% trở lên là được, từ 60% trở lên là tốt. Thỏa mãn được điều kiện này, có thể kết luận mơ hình EFA là phù hợp.
Bước 7: Đề xuất mơ hình nghiên cứu và phương pháp phân tích hồi quy
Mơ hình hồi quy đa biến (Multiple Regression Anlysis)
Phân tích hồi quy đa biến sử dụng các nhân tố trích ra từ phân tích nhân tố nhằm kiểm định mơ hình nghiên cứu cùng các giải thuyết đi kèm. Mức độ tương quan giữa nhân tố độc lập (mơi trường kiểm sốt, đánh giá rủi ro, hoạt động kiểm sốt,
thơng tin và truyền thơng, giám sát và thể chế chính trị) với nhân tố phụ thuộc (sự hữu hiệu của HTKSNB) thể hiện qua các tham số nhân tố được tính tốn.
Mơ hình hồi quy để kiểm định các giả thuyết nêu trên có dạng như sau:
HH = 0 + 1MT + 2DG + 3HD + 4TT + 5GS + 6CT +
Trong đó:
Biến MT: Mơi trường kiểm sốt Biến DG: Đánh giá rủi ro
Biến HD: Hoạt động kiểm soát Biến TT: Thông tin và truyền thông Biến GS: Giám sát
Biến CT: Thể chế chính trị
Biến HH: Sự hữu hiệu của HTKSNB trong các DNNVV tại TP.HCM
: Trọng số hồi quy : Hệ số nhiễu
Phân tích tương quan
Mục đích của phân tích tương quan Person nhằm đo lường mức độ tương quan tuyến tính giữa các biến độc lập (mơi trường kiểm sốt, đánh giá rủi ro, hoạt động kiểm sốt, thơng tin và truyền thơng, giám sát và thể chế chính trị) với biến phụ thuộc (sự hữu hiệu của HTKSNB). Giá trị của hệ số tương quan Person (r) nằm trong khoảng -1 ≤ r ≤ 1 và có ý nghĩa sau:
r = -1 hay r = 1: biến độc lập và biến phụ thuộc có mối liên hệ tuyệt đối r = 0 (hoặc gần bằng 0): biến độc lập và biến phụ thuộc khơng có liên hệ gì r < 0: biến độc lập và biến phụ thuộc liên hệ nghịch chiều
r > 0: biến độc lập và biến phụ thuộc liên hệ thuận chiều
Bước 8: Kiểm định mơ hình hồi quy
Để đảm bảo độ tin cậy và hiệu quả của mơ hình, tác giả thực hiện các kiểm định sau:
- Adjusted R Square (R bình phương hiệu chỉnh): phản ánh mức độ tác động của các biến độc lập lên biến phụ thuộc. Trong nghiên cứu, giá trị này 50% là chấp nhận được.
- Durbin – Watson (DW): nhằm kiểm định tự tương quan chuỗi bậc nhất. DW có giá trị từ 0 đến 4. Dữ liệu thu thập được đánh giá tốt khi khơng có tự tương quan.
1 < DW < 3: mơ hình khơng có tương quan;
0 < DW < 1: mơ hình có sự tương quan dương;
3 < DW < 4: mơ hình có sự tương quan âm.
- Kiểm định F trong ANOVA: nhằm mục đích kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Với giá trị Sig của kiểm định F < 0.05: có thể kết luận mơ hình hồi quy tuyến tính được xây dựng là phù hợp, có thể áp dụng cho tổng thể.
- Hệ số VIF (Hệ số phóng đại phương sai): sử dụng hệ số này nhằm mục đích kiểm tra hiện tượng đa cộng tuyến.
VIF > 2: có dấu hiệu đa cộng tuyến
VIF > 10: chắc chắn có đa cộng tuyến
VIF < 2: khơng có hiện tượng đa cộng tuyến
- Kiểm định bằng biểu đồ tần số phần dư chuẩn hóa Histogram: đường cong phân phối chuẩn chồng lên biểu đồ tần số và được xem như phần dư phân phối gần chuẩn và giả định phần dư có phân phối chuẩn khơng bị vi phạm.
- Kiểm định bằng biểu đồ P – P Plot: khi nhìn vào đồ thị, ta thấy các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo thì giả định phân phối chuẩn của phần dư không bị vi phạm.
- Kiểm định bằng biểu đồ Scatter Plot: nhằm mục đích kiểm tra dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính.