CHƯƠNG 4 : KẾT QUẢ NGHIẾN CỨU VÀ BÀN LUẬN
4.4 PHÂN TÍCH HỒI QUY TUYẾN TÍNH ĐA BIẾN
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đưa vào mơ hình theo phương pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn được xây dựng dựa vào phương pháp kiểm định giá trị thống kê F và xác định xác suất tương ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thối hóa tham số ước lượng là: Hệ số phóng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Trọng & Ngọc, 2005, 218).
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mơ hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy tuyến tính cho các biến số được thể hiện thông qua các bảng sau:
Bảng 4.13: Hệ số R-Square từ kết quả phân tích hồi quy Model Summaryb Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .868a .753 .741 .25309 1.824 a. Predictors: (Constant), HTTT, KT, ĐTBD, CT, VH, GD, PL b. Dependent Variable: CL
(Nguồn phân tích dữ liệu – Phụ lục số 4.12)
So sánh hai giá trị R Square và Adjusted R Square có thể thấy Adjusted R Square nhỏ hơn, dùng nó để đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mơ hình nghiên cứu. Độ phù hợp của mơ hình được kiểm định bằng trị thống kê F được tính từ R2
của mơ hình tương ứng với mức ý nghĩa sig. với giá trị sig. càng nhỏ (trừ hằng số) mơ hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
Kết quả từ kiểm định hệ số tương quan cho thấy tất cả các biến độc lập đều có tác động có ý nghĩa lên biến phụ thuộc (sig<0.05) các nhân tố đưa vào phân tích hồi quy đều được giữ lại trong mơ hình.
Bảng 4.13 từ nguồn phân tích dữ liệu cho thấy giá trị của Hệ số R Square> 0.5 thể hiện mơ hình nghiên cứu mà tác giả đặt ra là phù hợp để đánh giá mối quan hệ giữa các biến độc lập và phụ thuộc.
Hệ số xác định hiệu chỉnh Adjusted R-Square là 0.741, nghĩa là mơ hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 74.1%, điều này cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 7 biến trên góp phần giải thích 74.1% sự khác biệt của đặc tính chất lượng thơng tin kế tốn,cịn lại 25.9% ảnh hưởng bởi các nhân tố khác. Như vậy, mức độ phù hợp của mơ hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mơ hình cho tổng thể thực hay khơng ta phải kiểm định độ phù hợp của mơ hình.
Đồng thời, để kiểm tra hiện tượng tự tương quan thông qua kiểm định Durbin-Watson:
Nếu 1< D < 3: mơ hình khơng xảy ra hiện tượng tự tương quan. Nếu 0< D < 1: mơ hình tư tương quan dương.
Nếu 3< D <4: mơ hình tự tương quan âm.
Ta có D=1.824: mơ hình khơng xảy ra hiện tượng tự tương quan
Sau đó nghiên cứu sử dụng mơ hình ANOVA để kiểm định độ phù hợp của mơ hình hồi quy đa biến. Kiểm định này cho biết biến phụ thuộc CL có tương quan tuyến tính với tất cả các biến độc lập hay không. Kiểm định F phải có giá trị Sig nhỏ hơn 0.05 để kiểm chứng mức độ phù hợp của mơ hình hồi quy với tổngthể.
Bảng 4.14: Kết quả ANOVA từ kết quả phân tích hồi quy ANOVAa Model Sum of Squares Df Mean Square F Sig. 1 Regression 27.906 7 3.987 62.236 .000b Residual 9.160 143 .064 Total 37.065 150 a. Dependent Variable: CL b. Predictors: (Constant), HTTT, KT, DTBD, CT, VH, GD, PL
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F có giá trị là 62.236 với Sig. = 000(a) có nghĩa biến phụ thuộc CL có mối tương quan tuyến tính với tất cả các biến độc lập; chứng tỏ mơ hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể.
Bảng 4.15: Bảng kết quả trọng số hồi quy Coefficientsa
Mơ hình Hệ số chưa chuẩn hoá
Hệ số đã chuẩn hoá
tstat Sig. Thống kê đa cộng tuyến Beta Sai số
chuẩn
Beta Tolerance VIF
1 Hằng số - .617 .237 -2.604 .010 PL .167 .060 .161 2.796 .006 .521 1.920 CT .297 .058 .245 5.118 .000 .756 1.322 KT .105 .031 .153 3.441 .001 .875 1.142 GD .153 .044 .177 3.474 .001 .665 1.504 VH .207 .042 .250 4.964 .000 .683 1.465 DTBD .121 .032 .177 3.740 .000 .776 1.289 HTTT .133 .047 .154 2.857 .005 .597 1.674 (Constant) - .617 .237 -2.604 .010 a. Dependent Variable: CL
(Nguồn phân tích dữ liệu – Phụ lục số 4.14)
Kết quả thống kê theo bảng 4.15 cho thấy, các hệ số hồi quy chuẩn hóa của phương trình hồi quy đều khác 0 và Sig <0.05, chứng tỏ thành phần đều tham dự vào chất lượng thông tin BCTC. So sánh giá trị (độ lớn) của hệ số chưa chuẩn
hóa cho thấy: tác động theo thứ tự từ mạnh đến yếu của các thành phần: Mơi trường chính trị, Mơi trường văn hóa,Mơi trường pháp lý, Môi trường giáo dục, Hệ thống thông tin tại đơn vị, Đào tạo bồi dưỡng nhân viên, Môi trường kinh tế. Từ nguồn phân tích dữ liệu cho thấy giá trị của tstat của tất cả các biến độc lập đều > t α/2(1.6567), tất cả nhân tố đều có giá trị Sig <0.05. Vì vậy 7 nhân tố trên đều có tác động đến chất lượng thơng tin BCTC.
Hệ số phóng đại phương sai VIF (Variance inflation factor – VIF) rất nhỏ và dao động từ 1.142 tới 1.920 (nhỏ hơn 10) cho thấy các biến độc lập này khơng có quan hệ chặt chẽ với nhau nên khơng có hiện tượng đa cộng tuyến.
Phương trình hồi quy chuẩn hóa:
CL= -0.617 + 0.167*PL + 0.297*CT + 0.105*KT + 0.153*GD + 0.207*VH + 0.121*ĐTBD + 0.133HTTT