Biến quan sát Nhóm nhân tố Phạm vi phân tích để kiểm sốt, đánh giá những biến động chi phí VAR Mức độ chi tiết của thơng
tin KTCP DET Khả năng phân loại chi phí theo ứng xử DISAGG Tần suất cung cấp thông tin KTCP cho nhà quản trị FREQ Var_8 0,805 Var_6 0,804 Var_5 0,775 Var_1 0,756 Var_4 0,753 Var_3 0,715 Var_2 0,708 Det2 0,880 Det1_4 0,819 Det1_1 0,806 Det1_2 0,803 Det1_3 0,775 Disagg_2 0,898 Disagg_1 0,824 Disagg_3 0,824 Freq1 0,838 Freq2 0,806
Nguồn: Tác giả tổng hợp từ kết quả xử lý SPSS 22 Kết quả kiểm định và đánh giá thang đo thông qua độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA, các thang đo thành phần của khái niệm đa hướng trong các biến độc lập đều đạt yêu cầu. Vì vậy, các thang đo này sẽ được sử dụng tiếp theo để kiểm định giả thuyết nghiên cứu.
4.3 KẾT QUẢ PHÂN TÍCH HỒI QUY BỘI
Sau khi qua giai đoạn phân tích nhân tố EFA, các nhân tố được đưa vào kiểm định mơ hình. Giá trị đại diện của từng nhân tố DET, DISAGG, VAR, FREQ là giá
Để tính giá trị đại diện biến Relev thông qua 2 câu hỏi Q5.1 và Q5.2, tác giả sử dụng cách tính trong nghiên cứu của Cohen and Kaimenaki (2011) như sau: tính mỗi cơng ty mức trung bình của sự chênh lệch tuyệt đối giữa đánh giá của người trả lời về sự thích hợp trong nhận thức tầm quan trọng của thơng tin chi phí để thực hiện các nhiệm vụ cụ thể và mức độ hệ thống KTCP công ty của họ đáp ứng cung cấp thơng tin chi phí nhằm thực hiện các hoạt động tương ứng. Tương tự tính mức trung bình cho các cơng ty khác (200 mẫu đại diện). Giá trị nhân tố Relev (giá trị trung bình của Relev) cho mỗi cơng ty được tính bằng sự chênh lệch giữa mức trung bình lớn nhất trong 200 mẫu và mức trung bình của cơng ty đó. Do đó, giá trị Relev đối với hệ thống KTCP cung cấp thơng tin thích hợp tối thiểu bằng 0. Đối với các biến Acc, Time, Date, Needs, Appr, Reliab, Use, mỗi nhân tố phụ thuộc này chỉ có một biến quan sát đo lường khái niệm, do vậy, giá trị nhân tố đại diện cũng chính là giá trị biến quan sát của chính nó.
4.3.1 Phân tích tương quan Pearson
Ma trận hệ số tương quan Pearson giữa các biến (Phụ lục 9) cho thấy tương quan không loại nhân tố nào do Sig giữa từng biến độc lập với biến phụ thuộc đều nhỏ hơn 0,05. Xét mối tương quan giữa các biến cho thấy sự tồn tại tương quan khá chặt giữa các biến độc lập DET, DISAGG, VAR, FREQ với từng biến phụ thuộc Relev, Acc, Time, Date, Needs, Appr, Reliab, Use và hệ số tương quan dao động từ 0,279 đến 0,512 với mức ý nghĩa 0,01 chỉ ra dự báo hướng tương quan thuận. Điều này kết luận rằng, các biến độc lập này có thể đưa vào mơ hình hồi quy bội MLR để giải thích cho các biến phụ thuộc.
Đồng thời xét thấy mối tương quan giữa các biến độc lập không quá cao khi hệ số tương quan Pearson chỉ dao động từ 0,168 đến 0,351 với mức ý nghĩa 0,01 và 0,05. Các biến độc lập khơng có mối quan hệ hồn tồn với nhau, hệ số tương quan r của các biến độc lập với nhau khác 1, chứ khơng phải khơng có tương quan với nhau nhưng chúng phải phân biệt nhau (Nguyễn Đình Thọ, 2013). Tuy nhiên, để thận trọng thì các giả định của mơ hình hồi quy cũng phải được xem xét đến.
4.3.2 Phân tích hồi quy tuyến tính bội và kiểm định giả thuyết nghiên cứu
Để đạt mục tiêu kiểm định mơ hình lý thuyết, tác giả thực hiện hồi quy đa biến theo phương pháp Enter, theo đó, 4 biến độc lập là DET, DISAGG, VAR, FREQ và từng biến phụ thuộc Relev, Acc, Time, Date, Needs, Appr, Reliab, Use sẽ được đưa vào một lượt hình thành 8 mơ hình hồi quy con.
❖ Kiểm định các giả định của mơ hình hồi quy:
[1] Giả định khơng có hiện tượng đa cộng tuyến:
Kết quả Collinearity Statistics trong mỗi mơ hình (Phụ lục 10) cho thấy dung sai T (Tolerance) của các biến độc lập nhỏ, lớn nhất là 0,884 và hệ số phóng đại phương sai VIF lớn nhất là 1,290, đạt yêu cầu “hệ số VIF được coi là tốt nếu nhỏ hơn 2” (Nguyễn Đình Thọ, 2013). Điều này cho thấy, giả định khơng có hiện tượng đa cộng tuyến hồn tồn được chấp nhận, mối quan hệ giữa các biến độc lập khơng ảnh hưởng đến kết quả giải thích của mơ hình hồi quy.
[2] Giả định phương sai của phần dư không đổi:
Kiểm tra sự phù hợp các giả định phương sai của phần dư không đổi và quan hệ tuyến tính: nghiên cứu sử dụng đồ thị phân tán Scatterplot cho phần dư chuẩn hóa (Standardized residual) và giá trị dự đốn chuẩn hóa (Standardized predicted value). Quan sát các đồ thị (Phụ lục 10), ta thấy các phần dư phân tán ngẫu nhiên quanh trục 0, tức quay quanh giá trị trung bình của phần dư trong một phạm vi không đổi, nghĩa là phương sai của phần dư không đổi và tồn tại quan hệ tuyến tính giữa các biến phụ thuộc và các biến độc lập.
[3] Giả định các phần dư ước lượng có phân phối chuẩn:
Các kiểm định phân phối chuẩn của phần dư được thực hiện như biểu đồ tần số của phần dư chuẩn hố –Histogram (Phụ lục 10) có thể kết luận rằng phần dư ước lượng có phân phối chuẩn, bởi các giá trị trung bình Mean gần bằng 0, độ lệch chuẩn Std. gần bằng 1, các dạng đồ thị có dạng đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số và biểu đồ P-P Plot (Phụ lục 10) cũng cho kết luận tương tự, với các chấm phân tán sát với đường chéo.
❖ Kiểm định độ phù hợp và ý nghĩa hệ số hồi quy của các mơ hình hồi quy:
Để đánh giá sự phù hợp của mơ hình hồi quy, tác giả dựa trên hệ số R2 hiệu chỉnh, đây là hệ số đo lường mối quan hệ tương quan giữa biến độc lập và biến phụ thuộc. Dựa trên kết quả R2 hiệu chỉnh dao động từ 24,1% đến 43% của 8 mơ hình tổng hợp trong Bảng 4.5, ta có kết quả phân tích mơ hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu là x% (nghĩa là các biến độc lập ảnh hưởng x% sự thay đổi của biến phụ thuộc, còn lại (100-x)% là do sự kiểm soát, sự ảnh hưởng của các biến ngồi mơ hình khơng được quan sát và do sai sót ngẫu nhiên) và phù hợp với tổng thể (kiểm định F trong ANOVA các mơ hình đều có mức ý nghĩa Sig = 0,000b (nhỏ hơn rất nhiều so với 0,05)).