CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.4 Kết quả nghiên cứu định lượng
4.4.2 Kiểm định mơ hình nghiên cứu
Việc kiểm định mơ hình nghiên cứu được tác giả sử dụng Stata.11 làm công cụ hỗ trợ để xử lý dữ liệu. Bảng dữ liệu dùng cho chạy hồi quy tuyến tính bội và kết quả chi tiết về kiểm định mơ hình được tác giả đính kèm phụ lục 09 và 10.
4.4.2.1 Kiểm định mức độ phù hợp của mơ hình
Theo lý thuyết thống kê thì để đánh giá mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc trong mơ hình hồi quy ta dùng hệ số R2 (R-squared) hoặc R2 hiệu chỉnh (Adj R-squared). R-squared càng gần 1 thì mơ hình càng phù hợp với dữ liệu nghiên cứu, ngược lại R-squared càng gần 0 thì mơ hình càng ít phù hợp với dự liệu nghiên cứu. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), thì R- squared sẽ càng tăng lên khi đưa thêm biến độc lập vào mơ hình, tuy nhiên điều này cũng được chứng minh rằng khơng phải phương trình nào càng có nhiều biến độc lập cũng càng phù hợp hơn với dữ liệu mẫu. Do vậy, dùng R-squared để đánh giá mức độ phù hợp của mơ hình vẫn chưa phải là phương án tối ưu. Để khắc phục cho nhược điểm của R-squared thì dùng Adj R-squared để đánh giá cho độ phù hợp của mơ hình là an tồn hơn vì nó khơng nhất thiết tăng lên khi đưa thêm biến độc lập vào mơ hình, nói cách khác nó khơng phụ thuộc vào độ lệch phóng đại của R- squared. Tuy nhiên, hệ số Adj R-squared mới chỉ cho chúng ta biết về mức độ phù hợp của mơ hình với dữ liệu mẫu. Để kiểm định mức độ phù hợp của mơ hình hồi quy tổng thể chúng ta phải kiểm định F, nếu Prob > F (P-value của F) < 5% nằm trong miền bác bỏ giả thiết “H0: Mơ hình khơng phù hợp” thì cho thấy mơ hình hồn tồn phù hợp và có thể sử dụng được.
Kết quả kiểm định mức độ phù hợp của mơ hình trong bài nghiên cứu này được tóm tắt trong bảng dữ liệu sau:
Bảng 4.7: Tóm tắt kết quả kiểm định mức độ phù hợp của mơ hình N R2 (R-squared) R2 hiệu chỉnh (Adj R-squared) F Prob>F 135 0,238 0,170 3,49 0,000
(Nguồn: Kết quả nghiên cứu từ phần mềm Stata)
Từ kết quả nghiên cứu cho thấy R2 hiệu chỉnh là 0,17 (17%), tức là các biến trong mơ hình chỉ có ảnh hưởng 17% tới biến phụ thuộc, đây là một con số khá thấp hay nói cách khác sự phù hợp của mơ hình đối với dữ liệu mẫu là chưa cao. Tuy nhiên, để kết luận mơ hình hồi quy tổng thể có phù hợp hay khơng ta xem xét vào việc kết quả kiểm định F. Kết quả cho thấy Prob >F = 0,000 < 0,05 nằm trong miền bác bỏ giả thiết “H0: Mơ hình khơng phù hợp” thì cho thấy mơ hình hồi quy tổng thể hoàn toàn phù hợp.
4.4.2.2 Kiểm định sự tƣơng quan giữa các biến trong mơ hình
Mục đích của việc kiểm định sự tương quan giữa các biến trong mơ hình nhằm xác định có hay khơng mối liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập trong mơ hình. Ngồi ra, cơng việc này cịn giúp chúng ta có cơ sở trong việc tìm ra hiện tượng đa cộng tuyến trong mơ hình. Kết quả kiểm định sự tương quan giữa các biến trong mơ hình nghiên cứu này được thể hiện trong bảng 4.8. Quan sát bảng số liệu ta thấy các biến độc lập có tương quan cao với biến phụ thuộc là: QMDN, LCTKT, KHSL, QSHNN, QSHTC. Đối với các biến độc lập thì QSHTC và QSHTT có tương quan với nhau cao nhất ở mức 0,6003, tuy nhiên mức này vẫn thấp hơn 0,8 nên khơng có hiện tượng đa cộng tuyến.
Bảng 4.8 Ma trận hệ số tƣơng quan QMDN DBTC LCTKT KNSL KNTT HDQT KDH QM HDQT TBCD QSHTT QSHNN QSHTC CBTT TN QMDN 1.0000 DBTC 0.1250 1.0000 LCTKT 0.4041 -0.0056 1.0000 KNSL 0.1455 -0.3222 0.1243 1.0000 KNTT -0.0530 0.0375 0.1483 -0.0055 1.0000 HDQTKDH 0.0851 -0.0621 0.1258 0.0462 0.1154 1.0000 TBCD 0.1562 0.0255 0.0914 -0.0248 0.0840 0.2431 1.0000 QMHDQT 0.0190 -0.0521 -0.0988 0.0671 -0.0186 0.1214 -0.0296 1.0000 QSHTT 0.2068 -0.1521 0.0293 -0.0079 0.1632 0.0564 -0.0307 -0.0846 1.0000 QSHNN 0.0331 -0.1154 0.0630 0.1127 -0.0341 0.1257 0.1285 0.1350 0.0081 1.0000 QSHTC 0.2572 -0.1534 0.1480 0.1289 0.0445 0.1666 0.1841 -0.0181 0.6003 0.0749 1.0000 CBTTTN 0.3349 -0.0818 0.3090 0.2608 -0.0674 0.0200 0.0663 0.0073 0.0046 -0.1070 0.1693 1.0000
4.4.2.3 Kiểm định các khuyết tật của mơ hình Kiểm định hiện tƣợng đa công tuyến
Mặc dù dựa vào bảng ma trận hệ số tương quan chúng ta đã có cơ sở kết luận là mơ hình khơng xảy ra hiện tượng đa cộng tuyến, tuy nhiên để an toàn hơn chúng ta kiểm định hệ số Vif của mơ hình. Về lý thuyết, nếu hệ số Vif của tất cả các biến nhỏ hơn 10 thì mơ hình khơng xảy ra đa cộng tuyến, tuy nhiên thực tế các nghiên cứu trước cho rằng biến độc lập nào có hệ số Vif > 3 thì cần cân nhắc kỹ về những biến này khi đưa vào mơ hình.
Bảng 4.9: Kết quả kiểm định hiện tƣợng đa cộng tuyến STT Các biến độc lập Vif 1 QMDN 1,44 2 DBTC 1,24 3 LCTKT 1,32 4 KNSL 1,21 5 KNTT 1,13 6 HDQTKDH 1,13 7 TBCD 1,18 8 QMHDQT 1,08 9 QSHTT 1,83 10 QSHNN 1,07 11 QSHTC 1,80
(Nguồn: Kết quả nghiên cứu từ phần mềm Stata)
Từ bảng 4.9 cho ta thấy, tất cả các biến trong mơ hình đều có hệ số Vif<2, do vậy có thể chắc chắn khẳng định mơ hình khơng xảy ra hiện tượng đa cộng tuyến.
Kiểm định phƣơng sai sai số thay đổi
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), nếu mơ hình nghiên cứu có “phương sai của sai số” bị thay đổi, nó làm cho các ước lượng của các hệ số hồi quy không chệch nhưng không phải là ước lượng phù hợp nhất, làm kiểm định các giả thuyết mất hiệu lực khiến chúng ta đánh giá nhầm về chất lượng của mơ
hình hồi quy tuyến tính. Do vậy cần thiết phải thực hiện kiểm định phương sai của sai số. Để kiểm định phương sai của sai số có nhiều cách, trong bài nghiên cứu này tác giả dựa vào hệ số prob > chi2, nếu Prob >chi2 mà lớn hơn 5% thuộc miền chấp nhận H0: “ Mơ hình khơng mắc phương sai sai số thay đổi”.
Bảng 4.10: Kết quả kiểm định phƣơng sai sai số
Chi2 0,15
Prob >chi2 0,6995
(Nguồn: Kết quả nghiên cứu từ phần mềm Stata)
Như vậy, kết quả kiểm định cho thấy Prob >chi2 = 0,6995 > 0,05 thuộc miền chấp nhận H0: “Phương sai sai số khơng thay đổi”, nói cách khác mơ hình khơng mắc phương sai sai số thay đổi. Do vậy chúng ta yên tâm về kết quả kiểm định giả thuyết của mơ hình nghiên cứu.
Kiểm định phân phối chuẩn của phần dƣ
Phần dư có thể khơng tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Do vậy, khi phần dư không tuân theo phân phối chuẩn thì kết quả kiểm định các giả thuyết nghiên cứu có thể khơng phù hợp. Do vậy, cần thiết kiểm định phân phối chuẩn của phần dư. Cũng có nhiều phương pháp kiểm định phân phối chuẩn của phần dư, trong bài này tác giả dựa vào hệ số Prob > chi2, nếu Prob >chi2 > 5% thì thuộc miền chấp nhận H0, phân phối của phân dư là phân phối chuẩn.
Bảng 4.11: Kết quả kiểm định phân phối chuẩn của phần dƣ Biến số N Chi2 Prob>chi2
ei 135 4,52 0,1045
(Nguồn: Kết quả nghiên cứu từ phần mềm Stata)
Kết quả phân tích cho thấy Prob>chi2 =0,1045 > 0,05 do vậy thuộc miền chấp nhận H0: Phân phối của phần dư là phân phối chuẩn.
4.4.2.4 Kiểm định các giả thuyết nghiên cứu
Kết quả kiểm định phương trình hồi quy tuyến tính bội hay chính là kiểm định mối quan hệ giữa các biến độc lập lên biến phụ thuộc được tác giả tóm tắt trong bảng số liệu sau:
Bảng 4.12 Kết quả phƣơng trình hồi quy tuyến tính bội Mơ hình B Sai số chuẩn t P>|t|
QMDN 0,040 0,017 2,364 0,020 DBTC -0,019 0,025 -0,745 0,458 LCTKT 0,066 0,029 2,269 0,025 KNSL 0,186 0,088 2,104 0,037 KNTT -0,001 0,001 -0,869 0,387 HDQTKDH -0,015 0,037 -0,398 0,692 TBCD 0,006 0,020 0,312 0,756 QMHDQT 0,003 0,008 0,323 0,747 QSHTT -0,054 0,047 -1,130 0,261 QSHNN -0,263 0,126 -2,089 0,039 QSHTC 0,044 0,034 1,300 0,196 Hằng số -0,234 0,182 -1,287 0,200
(Nguồn: Kết quả nghiên cứu từ phần mềm Stata)
Qua kết quả phân tích cho thấy có 4 biến độc lập có tác động tới biến phụ thuộc mức độ CBTTTN bao gồm: QMDN, LCTKT, KNSL, QSHNN. Do các biến này đều có mức ý nghĩa của hệ số hồi quy P>|t| lần lượt là 0,02; 0,025; 0,037; 0,039 đều < 0,05 chứng tỏ rằng giả thuyết H0: βi = 0 “biến độc lập i khơng có quan hệ tuyến tính với biến phụ thuộc” bị bác bỏ với độ tin cậy 95%. Trong đó, QMDN, LCTKT, KNSL có tác động cùng chiều tới biến phụ thuộc vì có hệ số β>0 và QSHNN có tác động ngược chiều với biến phụ thuộc vì có hệ số β<0. Dựa vào trọng số hồi quy cịn cho ta thấy biến QSHNN có |β| = 0,263 là lớn nhất so với 3
biến có tác động cịn lại nên QSHNN có tác động mạnh nhất đến mức độ CBTTTN, tiếp đến là KNSL và thấp nhất là QMDN.
Dựa vào kết quả phân tích ở trên chúng ta chấp nhận các giả thuyết sau và các giả thuyết còn lại bị bác bỏ:
H3: Doanh nghiệp được kiểm tốn BCTC bởi cơng ty kiểm tốn big four có mức độ CBTTTN càng cao.
H4: Doanh nghiệp có khả năng sinh lời càng cao thì mức độ CBTTTN càng cao. Với tập dữ liệu thu thập được trong phạm vi nghiên cứu của đề tài và dựa vào kết quả phân tích ở bảng 4.12 thì phương trình hồi quy bội thể hiện các yếu tố tác động đến mức độ CBTTTN có dạng như sau:
CBTTTN = -0,234 + 0,040*QMDN + 0,066*LCTKT + 0,186*KNSL - 0,263*QSHNN +ε