7. Kết cấu của đề tài
4.2.4. Kiểm định mơ hình nghiên cứu
Việc phân tích nhân tố khám phá (EFA) giúp ta phân tích các nhân số tự động theo phương pháp trích nhân số có quyền số hoặc có trọng số nhân tố (Weight or factor socre coefficient); hoặc tính nhân số của nhân tố bằng phương pháp trung bình cộng (Nguyễn Đình Thọ, 2011). Trong nghiên cứu, sử dụng tính nhân số của nhân tố bằng phương pháp trích nhân số có quyền số hoặc có trọng số nhân tố. Việc tính tốn nhân số sẽ thực hiện tự động trong phần mềm SPSS 22. 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 khơng. 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.
4.2.4.1. Phân tích tương quan
Sử dụng một hệ số thống kê có tên là Hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Nếu giữa 2 biến độc lập có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy (hệ số tương quan > 0.8). Trong phân tích tương quan Pearson, khơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem xét như nhau.
Bảng 4. 7: Ma trận tương quan giữa biến phụ thuộc và các biến độc lập
TƯƠNG QUAN CE CA RA IC MA EIC Hệ số tương quan Pearson CE 1 .000 .000 .000 .000 .418** CA .000 1 .000 .000 .000 .246** RA .000 .000 1 .000 .000 .438** IC .000 .000 .000 1 .000 .120 MA .000 .000 .000 .000 1 .176* EIC .418** .246** .438** .120 .176* 1
(Nguồn: Kết quả phân tích từ phần mềm SPSS 22.0)
Nhìn vào bảng 4.7 cho thấy các biến độc lập CE, CA, RA, IC, MA có hệ số tương quan thuận chiều với 1 biến phụ thuộc (EIC), hệ số tương quan của biến phụ thuộc với các biến độc lập từ 0.120 đến 0.438. Giữa các biến độc lập có hệ số tương quan thuận chiều tương đối cao nhưng không vượt quá cao hơn 0.8, hiện tượng đa cộng tuyến khó có thể xảy ra, nhưng cũng cần chú ý vấn đề này trên hệ số VIF trong mơ hình nghiên cứu. Do vậy, các biến độc lập được đưa vào sử dụng trong mô hình nghiên cứu.
4.2.4.2. Phân tích hồi quy
a. Kết quả phân tích hồi quy tuyến tính bội mơ hình
Bảng 4. 8: Phân tích hồi quy tuyến tính bội mơ hình Mơ Mơ hình Hệ số R Hệ số R2 R2 điều chỉnh Sai số chuẩn ước lượng Trị số thống kê Durbin-Watson 1 .687a .472 .458 .73630484 1.331
a. Biến độc lập : MA, IC, RA, CA, CE b. Biến phụ thuộc: EIC
ANOVAb Mơ hình Tổng bình phương Bậc tự do (df) Bình phương trung bình Thống kê F Mức ý nghĩa 1 Hồi quy 92.450 5 18.490 34.105 .000b Sai số 103.550 191 .542 Tổng 196.000 196 a. Biến độc lập : MA, IC, RA, CA, CE b. Biến phụ thuộc: EIC
Coefficientsa
Mơ hình
Hệ số chưa chuẩn hóa
Hệ số chuẩ n hóa t Mức ý nghĩa (Sig.) Đa cộng tuyến Hệ số B Sai số chuẩn Beta Độ chấp nhận VIF 1 Hằng số -1.503E-17 .052 .000 1.000 CE .418 .053 .418 7.940 .000 1.000 1.000 CA .246 .053 .246 4.680 .000 1.000 1.000 RA .438 .053 .438 8.319 .000 1.000 1.000 IC .120 .053 .120 2.279 .024 1.000 1.000 MA .176 .053 .176 3.344 .001 1.000 1.000 a. DependentVariable: EIC
(Nguồn: Kết quả phân tích từ phần mềm SPSS 22.0)
b. Kiểm tra các giả định trong mơ hình
+ Kiểm định giả định phương sai của sai số (phần dư) khơng đổi
Hình 4.3 cho thấy phần dư phân tán ngẫu nhiên quanh trục O (là giá trị trung bình của phần dư) trong một phạm vi khơng đổi, do vậy giả định tuyến tính của mơ hình hồi qui và phương sai bằng nhau được thỏa mãn. Kết quả kiểm định tương quan hạng Spearman cho thấy giả thuyết về hệ số tương quan hạng của tổng thể bằng không bị bác bỏ, điều này cho phép kết luận rằng phương sai của sai số không thay đổi.
Hình 4. 3: Đồ thị phân tán giữa giá trị dự đoán và phần dư hồi qui
(Nguồn: Kết quả phân tích từ phần mềm SPSS 22.0)
+ Kiểm tra giả định các phân dư có phân phối chuẩn
Từ biểu đồ phân phối của phần dư cho thấy giá trị trung bình của phần dư bằng không và biểu đồ tần số của phần dư chuẩn hóa gần tuân theo phân phối chuẩn. Điều này cho phép kết luận rằng giả thiết phân phối chuẩn của mơ hình hồi qui khơng bị vi phạm.
Hình 4. 4: Đồ thị Tần số của phần dư chuẩn hóa
(Nguồn: Kết quả phân tích từ phần mềm SPSS 22.0)
Kiểm tra bằng biểu đồ tần số P-P plot cũng cho thấy các điểm phân tán sát với đường thẳng kỳ vọng, như vậy phân phối dư có thể xem như chuẩn.
Hình 4. 5: Đồ thị P-P plot của phần dư - đã chuẩn hóa
(Nguồn: Kết quả phân tích từ phần mềm SPSS 22.0)
+ Kiểm định về tính độc lập của sai số trong mơ hình
Từ Giá trị Durbin – Watson cho thấy D = 1.331 giá trị D nằm trong miền chấp nhận cho thấy mơ hình khơng có tự tương quan giữa các phần dư.
+ Kiểm tra giả định khơng có mối tương quan giữa các biến độc lập (Hiện tượng đa cộng tuyến)
Hiện tượng đa cộng tuyến xảy ra khi các biến độc lập có tương quan hồn toàn với nhau. Từ bảng 4.8 cho thấy các chỉ số VIF của các biến độc lập đều nhỏ hơn 10 nên khơng có hiện tượng đa cộng tuyến giữa các biến độc lập (Hoàng Trọng & Mộng Ngọc, 2005).
Như vậy, qua kiểm tra các giả định của mơ hình hồi quy tuyến tính với kết quả là các giả định đều không bị vi phạm. Do đó, các kết quả của mơ hình hồi quy là đáng
c. Kết quả kiểm định các giả thuyết nghiên cứu
Kết quả phân tích hồi qui tuyến tính bội trong bảng 4.8 cho thấy mơ hình có R2 = 0.472 và R2 được điều chỉnh = 0.458. Ta nhận thấy R2 điều chỉnh nhỏ hơn R2 nên ta 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 (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005). R2 được điều chỉnh = 0.458 nói lên độ thích hợp của mơ hình là 45,8 % hay nói cách khác 45.8 % sự biến thiên của biến “Tính hữu hiệu của hệ thống KSNB” được giải thích bởi các biến độc lập trong mơ hình, phần cịn lại được giải thích bởi những yếu tố khác khơng được xem xét trong mơ hình.
Phân tích ANOVA cho thấy thơng số F có mức ý nghĩa (sig.)= 0.000b, điều này chứng tỏ rằng mơ hình hồi qui xây dựng là phù hợp với bộ dữ liệu thu thập được, và các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5%. Như vậy các biến độc lập trong mơ hình có quan hệ đối với biến phụ thuộc “Tính hữu hiệu của hệ thống KSNB”.
Kết quả hồi quy cho thấy, có 5 nhân tố quan trọng là CE, RA, CA, IC và MA có quan hệ tuyến tính với EIC (Sig < 0.05). Vì vậy 5 nhân tố này sẽ giữ lại trong mơ hình hồi quy. Mơ hình hồi quy sẽ được viết lại như sau:
EIC = 0.418 x CE + 0.438 x RA+ 0.246 x CA + 0.12 x IC+ 0.176 x MA
Như vậy, cả 5 nhân tố: Mơi trường kiểm sốt, Đánh giá rủi ro, Hoạt động kiểm sốt, Thơng tin và truyên thông và Giám sát đều có ảnh hưởng tỷ lên thuận đến tính hữu hiệu của hệ thống KSNB. Tức là RA, CE, CA, MA, IC càng cao thì tính hữu hiệu của hệ thống kiểm sốt nội bộ các doanh nghiệp CBTS càng cao. Như vậy, giả thuyết H1, H2, H3, H4, H5 cho mơ hình nghiên cứu lý thuyết được chấp nhận.
Kết quả kiểm định được đề xuất trong chương 3, được tóm tắt trong bảng 4.9 như sau:
Bảng 4. 9: Tóm tắt kết quả kiểm định các giả thuyết
Giả thuyết Phát biểu Kết quả
kiểm định
H1
Mơi trường kiểm sốt có ảnh hưởng tích cức đến tính hữu hiệu của hệ thống KSNB các doanh nghiệp CBTS tỉnh Khánh Hòa.
Chấp nhận
H2
Đánh giá rủi ro có ảnh hưởng tích cực đến tính hữu hiệu của hệ thống KSNB các doanh nghiệp CBTS tỉnh Khánh Hòa.
Chấp nhận
H3
Hoạt động kiểm sốt có ảnh hưởng tích cực đến tính hữu hiệu của hệ thống KSNB các doanh nghiệp CBTS tỉnh Khánh Hịa.
Chấp nhận
H4
Thơng tin và truyền thơng có ảnh hưởng tích cực đến tính hữu hiệu của hệ thống KSNB các doanh nghiệp CBTS tỉnh Khánh Hòa.
Chấp nhận
H5
Giám sát có ảnh hưởng tích cực đến tính hữu hiệu của hệ thống KSNB các doanh nghiệp CBTS tỉnh Khánh Hòa.
Chấp nhận