Bảng 4.11. Kết quả phân tích EFA cho biến phụ thuộc
Biến phụ thuộc Biến quan sát Giá trị hệ số
Lợi ích cơng tác kế tốn của ERP (BEN)
BEN5 0.804 BEN3 0.772 BEN1 0.735 BEN6 0.699 BEN2 0.649 BEN4 0.582 Sig 0.000 KMO 0.7661 Eigenvalues 3.032 Phƣơng sai trích % 50.52%
Kết quả cho thấy, hệ số KMO bằng 0.7661 lớn hơn 0.5, p-value của kiểm định Barlett bằng 0.00 nhỏ hơn 0.05, hệ số Eigenvalues bằng 3.032 lớn hơn 1 và phƣơng sai trích bằng 50.52% lớn hơn 50%. Nhƣ vậy, phân tích EFA cho biến phụ thuộc là phù hợp. Kết quả cũng chỉ ra có 1 nhân tố đƣợc hình thành giống nhƣ giả thuyết.
Nhƣ vậy, nhân tố Lợi ích cơng tác kế tốn của ERP gồm 6 biến quan sát:
BEN5 - Cải thiện chất lƣợng thơng tin kế tốn đầu ra (đầy đủ, trung thực, khách quan và đáng tin cậy)
BEN3 - Chia sẻ dữ liệu nhanh chóng và linh hoạt hơn
BEN1 - Dữ liệu liên quan đến kế toán đƣợc thu thập đầy đủ và chính xác hơn BEN6 - Thơng tin kế tốn đƣợc cung cấp kịp thời hơn/Giảm thời gian lập báo
cáo tài chính
BEN2 - Lƣu trữ dữ liệu mang tính tập trung và an tồn hơn BEN4 - Giảm sai sót trong q trình xử lý thơng tin.
4.4. Kiểm định mơ hình nghiên cứu và các giả thuyết nghiên cứu
Mơ hình hồi quy có dạng nhƣ sau:
BEN = β0 + β1SYSQ + β2INFQ + β3SERQ + β4INCQ + β5TYPE + β6FIELD +
β7CAT + β8TIME + ε
Trong đó, β0 là hằng số hồi qui, βi là trọng số hồi quy, ε là sai số.
4.4.1. Phân tích tương quan
Trƣớc khi kiểm định mơ hình nghiên cứu bằng phân tích hồi quy, chúng ta cần phải xem xét sự tƣơng quan giữa các biến trong mô hình, hệ số tƣơng quan Pearson đƣợc sử dụng để lƣợng hóa mức độ liên quan chặt chẽ của các biến độc lập với biến phụ thuộc. Hệ số này luôn biến thiên từ -1 đến 1 với các khoảng giá trị cụ thể mang ý nghĩa nhƣ sau:
- Hệ số Peason < 0.3: biến độc lập có mối quan hệ lỏng với biến phụ thuộc. - 0.3 < Hệ số Peason < 0.6: biến độc lập có tƣơng quan với biến phụ thuộc. - Hệ số Pearson > 0.6: biến độc lập có tƣơng quan chặt chẽ với biến phụ thuộc. - Hệ số Pearson càng gần 1: biến độc lập có mối quan hệ càng chặt với biến phụ