CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.5. Phân tích dữ liệu
Như đã trình bày trong phần mở đầu về mục tiêu nghiên cứu, bên cạnh mục tiêu xác định các nhân tố ảnh hưởng đến sự HNNN của KTV độc lập trong cuộc kiểm toán BCTC. Nghiên cứu này cịn nhằm mục đích đo lường mức độ ảnh hưởng và kiểm định các giả thuyết về mối liên hệ giữa các nhân tố đến sự HNNN của KTV độc lập trong cuộc kiểm toán BCTC. Nghiên cứu này là một nghiên cứu khảo sát được đề xuất từ mơ hình và lý thuyết trước đây của Luận văn. Các thủ tục phân tích dữ liệu trong Luận văn này bao gồm: Kiểm định chất lượng thang đo (thông qua hệ số cronbach’s alpha), phân tích nhân tố khám phá EFA và phân tích hồi quy tuyến tính đa biến.
3.5.1 Đánh giá độ tin cậy công cụ đo lường (Bảng câu hỏi theo thang đo Likert): hệ số Cronbach’s alpha
Sau khi thiết kế và thử nghiệm bảng câu hỏi khảo sát tác giả tiến hành đánh giá chất lượng và độ tin cậy của thang đo. Thang đo được xem là đảm bảo về mặt chất lượng và độ tin cậy khi đáp ứng được hai yêu cầu sau: (1) Hệ số Cronbach’s Alpha của tổng thể có giá trị trong khoảng từ 0,6 đến 0,8 (Nguyễn Đình Thọ, 2011) và (2) Hệ số tương quan biến – tổng của các biến quan sát lớn hơn 0,3 (Corrected Item – Total Corelation). Phân tích này được thực hiện cho cả hai giai đoạn là đánh gia sơ bộ và chính thức chất lượng và độ tin cậy của thang đo.
3.5.2 Đánh giá giá trị của công cụ đo lường (Bảng câu hỏi theo thang đo Likert): phân tích nhân tố khám phá (Exploratory Factors Analysis – EFA) phân tích nhân tố khám phá (Exploratory Factors Analysis – EFA)
Trong nghiên cứu này, tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA để đánh giá giá trị thang đo. Với mục tiêu nghiên cứu của Luận văn thì tác giả sử dụng phương pháp phân tích EFA là hợp lý chưa cần tới phân tích CFA. Với thang đo bậc cao hoặc phân tích mơ hình cấu trúc thì phân tích CFA mới thực sự cần thiết. Phân tích EFA sẽ giúp rút trích thành các nhân tố phục vụ cho việc phân tích tiếp theo. Các hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số này lớn hơn 0,3 được xem là mức tối thiểu, lớn hơn 0,4 được xem là quan trọng, lớn hơn 0,5 được xem là có ý nghĩa thiết thực (Hair & cộng sự, 1998). Trong nghiên cứu này, nhằm nâng cao tính thiết thực và độ tin cậy của kết quả nghiên cứu, Tác giả chỉ lựa chọn những nhân tố có hệ số chuyển tải lớn hơn 0,5, Kaiser-Mayer-Olkin (KMO) có giá trị lớn (giữa 0,5 và 1) và tổng phương sai trích lớn hơn 0.5 để đảm bảo nội dung giải thích của các nhân tố thu được từ kết quả phân tích EFA. Phương pháp Principal Component Analysis và phép quay Varimax sẽ được sử dụng trong nghiên cứu này để rút trích các nhân tố chính. Các bước thực hiện trong phân tích nhân tố khám phá để đánh giá thang đo như sau:
Bước 1: Xác định cỡ mẫu phù hợp cho phân tích nhân tố khám phá. Theo Nguyễn
Đình Thọ (2011) thì kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát/biến đo lường là 5:1 – tức là 1 biến đo lường cần tối thiểu 5 quan sát.
Bước 2: Thực hiện kiểm định Bartlett (Bartlett’s test of sphericity) để xem xét sự
tương quan giữa các biến (mục hỏi). Nếu kiểm định này có mức ý nghĩa p < 5% (ký hiệu là Sig <5%) thì giả thuyết H0 sẽ bị bác bỏ. Điều này cho thấy các biến trong mơ hình có tương quan tốt và có thể thực hiện PCA.
Bước 3: Thực hiện kiểm định KMO (Kaiser-Meyer-Olkin measure of sampling
adequacy) để đánh giá về mức độ đầy đủ của mẫu để thực hiện PCA. Nếu kiểm định này có giá trị lớn hơn hoặc bằng 0,5 thì có thể thực hiện PCA.
3.5.3 Phân tích hồi quy tuyến tính đa biến (Multiple Linear Regression).
Sau khi thực hiện thủ tục phân tích nhân tố khám phá EFA tác giả tiến hành thủ tục phân tích hồi quy đa biến, thủ tục phân tích này nhằm kiểm tra mức độ tác động của các biến độc lập (đã được trích ra từ thủ tục phân tích nhân tố khám phá EFA) đối với biến phụ thuộc là sự HNNN qua đó thấy được mức độ ảnh hưởng của các nhân tố đến sự HNNN của KTV độc lập trong cuộc kiểm tốn BCTC. Phân tích hồi quy đa biến được thực hiện theo các bước sau:
Bước 1: Chọn cỡ mẫu thích hợp cho phân tích hồi quy đa biến. Theo Nguyễn
Đình Thọ (2011), phân tích hồi quy có thể thực hiện được khi cỡ mẫu phân tích này lớn hơn hoặc bằng cỡ mẫu của thủ tục phân tích nhân tố khám phá EFA.
Bước 2: Kiểm tra sự thích hợp của các giả định bao gồm: (1) Biến phụ thuộc và
biến độc lập phải có quan hệ tuyến tính với nhau; (2) Biến phụ thuộc là biến định lượng (được đo lường bằng thang đo Likert năm bậc); (3) Các quan sát phải độc lập với nhau; (4) Các biến phụ thuộc phải được đo lường một cách chính xác (khơng có sai số đo lường) (Nguyễn Đình Thọ, 2011).
Bước 3: Tiến hành phân tích hồi quy bằng cách nhập vào phần mềm xử lý dữ liệu
SPSS 20. Phương pháp phân tích này giúp thể hiện được mối liên hệ giữa biến phụ thuộc (sự HNNN) và các biến độc lập (động cơ, đặc điểm, kiến thức) đã được tổng hợp các lý thuyết trong các nghiên cứu trước. Sau cùng hệ số hồi quy sẽ được phân tích nhằm đánh giá mức độ ảnh hưởng của các biến độc lập với biến phụ thuộc.