CHƯƠNG 4 : KẾT QUẢ NGHIẾN CỨU VÀ BÀN LUẬN
4.1 ĐÁNH GIÁ THANG ĐO (KIỂM ĐỊNH ĐỘ TIN CẬY CRONBACH
4.1.7 CRONBACH ALPHA CỦA THANG ĐO NHÂN TỐ ĐÀO TẠO BỒI DƯỠNG NHÂN
(ĐTBD)
Bảng 4.7 : Cronbach Alpha của thang đo nhân tố tạo bồi dưỡng nhân viên
Thang đo Đào tạo bồi dưỡng nhân viên Trun g bình thang đo nếu loại biến Phươ ng sai thang đo nếu loại biến Tươ ng quan biến tổng Cronba ch alpha nếu loại biến ĐTB D1 3.86 75 .636 .568 . ĐTB D2 3.75 50 .706 .568 .
(Nguồn phân tích dữ liệu – Phụ lục số 4.7)
Bảng 4.7 cho thấy thang đo Đào tạo bồi dưỡng nhân viên được cấu thành bởi
Cronbach’s Alpha
Số biến
thời, tương quan biến tổng của các biến đều lớn hơn 0.3 và dao động ở mức 0.568. Vậy thang đo đạt độ tin cậy cần thiết.
4.1.8 Cronbach Alpha của thang đo nhân tố Hệ thống thông tin kế toán (HTTT)
Bảng 4.8 : Cronbach Alpha của thang đo nhân tố Hệ thống thơng tin kế tốn (HTTT) Cronbach’s Alpha Số biến .818 3 Thang đo Hệ thống thông tin tại đơn vị Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến Tương quan biến tổng Cronbach alpha nếu loại biến HTTT1 7.9272 1.508 .646 .775 HTTT2 7.8477 1.357 .686 .735 HTTT3 7.8411 1.455 .683 .739
(Nguồn phân tích dữ liệu – Phụ lục số 4.8)
Bảng 4.8 cho thấy thang đo Hệ thống thông tin tại đơn vị được cấu thành bởi ba biến quan sát. Hệ số Cronbach Alpha của thang đo bằng 0.818> 0.6. Kết quả phân tích độ tin cậy của thang đo cho thấy hệ số Cronbach Alpha của tất cả các biến quan sát đều lớn hơn 0.6; biến thiên từ 0.735 đến 0.775. Đồng thời, tương quan biến tổng của các biến đều lớn hơn 0.3 và dao động từ 0.646 đến 0.683. Vậy thang đo đạt độ tin cậy cần thiết.
Sau khi đo lường độ tin cậy của thang đo Conbach Alpha của 7 nhân tố, tất cả các biến quan sát của 7 nhân tố đều được giữ lại vì đáp ứng được độ tin cậy Conbach Alpha.
4.2 Kiểm định giá trị thang đo
EFA dùng để thu gọn, rút trích các biến quan sát có ý nghĩa hội tụ và tách biệt, rút gọn một tập k biến quan sát thành 1 tập F (F < k) các nhân tố có ý nghĩa hơn, dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát (biến nguyên thủy).
Hội tụ có nghĩa là các biến quan sát cùng hệ số tải Factor Loading (là những hệ số tương quan đơn giữa các biến quan sát với nhân tố, hệ số tải càng lớn thì chứng tỏ biến quan sát có mối quan hệ càng chặt chẽ với nhân tố).
Nghiên cứu này sử dụng phương pháp chọn số lượng nhân tố với phương pháp Tiêu chí Eigenvalue và Phép quay nhân tố vng góc (Factor rotation) Varimax . Trong phân tích nhân tố EFA cần phải đáp ứng các điều kiện sau:
- Số lượng nhân tố được xác định ở nhân tố có Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) tối thiểu bằng 1.
- Chỉ những biến có hệ số tải nhân tố (Factor loading) > 0.5 được giữ lại. - Điều kiện cần để áp dụng EFA là các biến đo lường phải có tương quan
với nhau. Điều kiện đủ là chỉ số Kaiser – Meyer – Olkin (KMO) phải lớn hơn 0.5 (Nguyễn Đình Thọ, 2013, tr. 397)..
- Kiểm định Bartlett’s có Sig < 0.05. Sử dụng kiểm định Bartlett để xem xét các biến có quan hệ với nhau hay khơng.
- Phương sai trích Total Varicance Explained > 50%.
4.2.1 Phân tích khám phá nhân tố
Bảng 4.9: Phân tích nhân tố nhóm biến độc lập Tên biến quan sát Hệ số tải nhân tố
VH2 .832 VH3 .819 VH4 .780 VH1 .752 PL2 .755 PL1 .748 PL3 .739 PL4 .691 .313 CT3 .783 CT2 .758
CT4 .753 CT1 .702 GD3 .839 GD2 .831 GD1 .791 HTTT1 .310 .784 HTTT2 .762 HTTT3 .755 KT1 .901 KT2 .887 ĐTBD1 .846 ĐTBD2 .804 Hệ số KMO 0.834 Mức Eigenvalues 1.033 Phương sai trích 74.269%
(Nguồn phân tích dữ liệu – Phụ lục số 4.9)
Từ nguồn phân tích dữ liệu cho thấy hệ số KMO = 0.834 (>0.5) và kiểm định Barlett có Sig= 0.00 (<0.05) cho thấy phân tích EFA là thích hợp. Từ đó tác giả kết luận các biến quan sát có tương quan với nhau trong tổng thể.
Từ nguồn phân tích dữ liệu cho thấy các nhân tố đều có giá trị Eigenvalues >1.Phương sai trích là >50%. Tại mức Eigenvalues = 1.033 (>1), EFA đã rút trích được 7 nhân tố từ 22 biến quan sát với tổng phương sai trích là 74.269% (>50%) và khơng có biến quan sát nào bị loại đồng thời cho thấy 7 thành phần rút trích thể hiện được khả năng giải thích được 74.269 % sự thay đổi của biến phụ thuộc trong tổng thể. Vì vậy, việc phân tích nhân tố là hợp lí và đúng với mơ hình ban đầu .
Sau đó tác giả sử dụng phép quay Varimax để gom lại các nhóm nhân tố. Từ nguồn phân tích dữ liệu cho thấy 22 biến quan sát đều có hệ số tải nhân tố loading factor lớn hơn 0.50 đạt u cầu.
4.2.2 Phân tích nhân tố nhóm biến phụ thuộc
Bảng 4.10 Phân tích nhân tố nhóm biến phụ thuộc Tên biến
quan sát Hệ số tải Sai biệt
CL4 .940 CL3 .867 CL1 .852 CL2 .833 Hệ số KMO 0.779 Mức Eigenvalues 3.054 Phương sai trích 76.360%
(Nguồn phân tích dữ liệu – Phụ lục số 4.10)
Hệ số KMO = 0.779 (>0.5) và kiểm đinhk Barlett có Sig= 0.00 (<0.05) cho thấy phân tích EFA là thích hợp.
Tại mức Eigenvalues = 3.054 (>1), EFA đã rút trích được từ 4 biến quan sát và thành 1 nhóm với tổng phương sai trích là 76.360 % (>50%) và khơng có nhân tố mới được hình thành so với mơ hình nghiên cứu đề xuất ban đầu. Chi tiết kết quả phân tích được trình bày ở phụ lục 3.
Sau q trình phân tích nhân tố thì các biến quan sát cịn lại là: Nhóm 1: PL1, PL2, PL3, PL4 Nhóm 2: CT1, CT2, CT3, CT4 Nhóm 3: KT1, KT2 Nhóm 4: VH1, VH2, VH3, VH4 Nhóm 5: GD1, GD2, GD3 Nhóm 6: ĐTBD1, ĐTBD2
Nhóm 8: CL1, CL2, CL3, CL4
4.2.3 Kết luận phân tích nhân tố khám phá EFA
Từ kết quả phân tích EFA và Cronbach’s Alpha như trên, mơ hình nghiên cứu chính thức gồm có 7 nhân tố ảnh hưởng đến chất lượng thơng tin kế tốn 22 biến quan sát, cụ thể như sau:
Bảng 4.11 : Kết luận các nhân tố cịn lại trong mơ hình nghiên cứu Nhân
tố
BIẾN NỘI DUNG TÊN NHÓM
NHÂN TỐ
X1
PL1 Luật ngân sách và các chính sách quản lý tài chính khu vực cơng
Môi trường pháp lý
PL2 Chuẩn mực, chế độ, chính sách kế tốn khu vực công
PL3 Cơ quan ban hành chuẩn mực, chế độ kế tốn khu vực cơng
PL4 Mục tiêu báo cáo tài chính rõ rang
X2 CT1 Sự dân chủ Mơi trường chính trị
CT2 Sự giám sát chặt chẽ của cơ quan, đơn vị giám sát
CT3 Áp lực từ việc bắt buộc phải cung cấp Thông tin BCTC đã kiểm toán độc lập của các đơn vị thuộc khu vực công.
CT4 Quyền lực của đối tượng sử dụng thông tin
X3 KT1 Tốc độ tăng trưởng kinh tế của các đơn vị hành chính phường/xã
Mơi trường kinh tế
KT2 Cơ chế quản lý tài chính tại các đơn vị hành chính sự nghiệp.
X4 VH1 Chủ nghĩa cá nhân và tham nhũng Môi trường văn hoá
VH2 Việc đấu tranh, đòi hỏi quyền lợi được kiểm sốt tình hình thu chi NSNN, tình hình sử dụng tài chính cơng của cơng chúng
VH3 Quan điểm công khai hay bảo mật TTKT tại các đơn vị
VH4 Sự nghiêm túc chấp hành các quy đinh kế toán, chuấn mực đạo đức và chuẩn mực nghề nghiệp.
X5
GD1 Trình độ của các chuyên gia, chuyên viên kế tốn tại các đơn vị sự nghiệp cơng lập
Môi trường giáo dục
GD2 Mức độ tiếp cận với sự phát triển kế tốn khu vực cơng trong khu vực và thế giới
GD3 Mức độ tin học hố cơng tác kế toán và tăng cường sử dụng công nghệ thông tin
X6 ĐTBD1 Nhân viên phải luôn nâng cao trình độ về kế tốn
Đào tạo bồi dưỡng
ĐTBD2 Đơn vị luôn hỗ trợ việc ĐT & BD kiến thức về kế tốn đồng thời có kế hoạch và thực hiện ĐT & BD liên tục nhân viên và nhà quản lý
X7 HTTT1 Hệ thống phương tiện kỹ thuật Hệ thống thông tin kế toán
HTTT2 Hệ thống chứng từ, tài khoản, sổ sách và báo cáo kế toán
HTTT3 Hệ thống kiểm sốt
Điều chỉnh mơ hình nghiên cứu
(Nguồn: Tác giả tự tổng hợp)
Hình 4.1 Mơ hình nghiên cứu chính thức 4.3. Hồi quy tuyến tính
4.3.1 Xây dựng phương trình hồi quy tuyến tính từ dữ liệu của mẫu
Mơ hình hồi quy tuyến tính được xây dựng có dạng: Y= B0 + Bi*Xi Trong đó:
Xi là trị quan sát thứ I của biến độc lập
Y là giá trị dự đoán ( hay giá trị lí thuyết) thứ I của biến phụ thuộc
B0 và Bi: là hệ số hồi qui, phương pháp được dùng để xác định B0 và Bi là phương pháp OLS – phương pháp bình phương nhỏ nhất.
Mối quan hệ giữa biến độc lập với chất lượng thông tin BCTC phường/xã
Mơi trường pháp lí Mơi trường chính trị Mơi trường kinh tế
Đào tạo bồi dưỡng nhân viên Môi trường giáo dục Mơi trường văn hóa Hệ thống thơng tin tại
đơn vị
Chất lượng thơng tin BCTC
Phương trình đường thẳng có dạng:
CL= B0 + B1*PL + B2*CT + B3*KT + B4*GD + B5*VH + B6*ĐTBD + B7*HTTT+ε
Tác giả kí hiệu như sau:
- CL: Đặc tính chất lượng thơng tin BCTC phường/xã (Y) - PL: Môi trường pháp lý(X1)
- CT: Môi trường chính trị(X2) - KT: Mơi trường kinh tế (X3) - GD: Môi trường giáo dục (X4) - VH: Mơi trường văn hóa (X5)
- ĐTBD: Đào tạo bồi dưỡng nhân viên (X6)
- HTTT: Hệ thống thơng tin kế tốn tại đơn vị (X7) - ε: sai số
4.3.2 Kiểm định hệ số tương quan
Trước khi đi vào kiểm định mơ hình nghiên cứu bằng phân tích hồi quy tuyến tính bội, ta xem xét sự tương quan giữa các biến độc lập và phụ thuộc.
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn là dữ liệu chuẩn hóa (được xuất ra từ phần mềm SPSS sau q trình phân tích nhân tố khám phá). Để xác định mối quan hệ nhân quả giữa các biến trong mơ hình, bước đầu tiên ta cần phân tích tương quan giữa các biến xem thử có mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc hay không. Kết quả của phần phân tích này dù khơng xác định được mối quan hệ nhân quả giữa biến phụ thuộc và biến độc lập nhưng nó đóng vai trị làm cơ sở cho phân tích hồi qui. Các biến phụ thuộc và biến độc lập có tương quan cao với nhau báo hiệu sự tồn tại của mối quan hệ tiềm ẩn giữa hai biến. Đồng thời, việc phân tích tương quan cịn làm cơ sở để dị tìm sự vi phạm giả định của phân tích hồi qui tuyến tính: các biến độc lập có tương quan cao với nhau hay hiện tượng đa cộng tuyến.
Bảng 4.12: Ma trận tương quan giữa các biến độc lập và biến phụ thuộc
(Nguồn phân tích dữ liệu – Phụ lục số 4.11)
Hệ số tương quan luôn nằm trong khoảng từ -1 đến 1, lấy giá trị tuyệt đối, nếu từ 0.4 đến 0.6 thì tương quan trung bình , lớn hơn 0.6 là tương quan chặt chẽ và càng gần 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì mối quan hệ là lỏng.
Bảng 4.12 cho thấy 7 biến độc lập có hệ số tương quan cùng chiều với biến phụ thuộc. Ta thấy rằng, các hệ số tương quan giữa biến độc lập và biến phụ thuộc đều có ý nghĩa (sig<0.05), do vậy các biến độc lập đưa vào phân tích hồi qui là phù hợp. Như vậy, giữa các thang đo đo lường mức độ đặc tính chất lượng thơng tin kế tốn trong mơ hình nghiên cứu có mối tương quan tuyến tính với nhau. Vì thế, sẽ khơng xuất hiện đa cộng tuyến trong phân tích hồi quy.
Bên cạnh đó, kết quả phân tích cũng cho thấy mức tương quan tuyến tính giữa từng thang đo trên với thang đo đặc tính chất lượng thơng tin kế tốn, trong đó mối quan hệ tương quan cao nhất là giữa thang đo đặc tính chất lượng thơng tin kế tốn và Mơi trường pháp lí với giá trị bằng 0.662.
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. Cơng cụ chẩn đốn 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 khơng. 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