Làm sạch dữ liệu là bước quan trọng để giảm thiểu độ sai sót do kỹ thuật sàng lọc và nhập dữ liệu tạo ra, làm sạch dữ liệu gồm hai giai đoạn:
Giai đoạn 1: Loại các bảng câu hỏi không phù hợpTổng số bảng trả lời trong thời gian khảo sát từ 01 tháng 07 năm 2016 đến 30 tháng 09 năm 2016 là 220 bảng.
Các bảng câu hỏi sau khi thu thập được đánh số thứ tự, xem xét và sàng lọc trước khi được nhập vào phần mềm SPSS. Các bảng trả lời không hợp lệ bị loại ra khỏi tập hợp dữ liệu cần xử lý bao gồm: Bảng câu hỏi cón sót câu hỏi chưa trả lời, các bảng không thể hiện thiện chí khi trả lời do mâu thuẫn các mục hỏi hoặc do sự trả lời không hợp.
Như vậy sau khi sàng lọc các câu trả lời không phù hợp , chỉ còn lại 210 bảng câu hỏi hợp lệ đưa vào phân tích
Giai đoạn 2: Làm sạch dữ liệu khi nhập và phần mềm SPSS
Quá trình nhập liệu có thể xảy ra lỗi như: nhập sai, nhập sót, nhập thừa. Để khắc phục những lỗi này, dùng bảng tần số cho tất cả các biến. Sau đó chỉnh lại giá trị các biến lỗi. Làm sạch dữ liệu ở giai đoạn này để đảm bảo dữ liệu được nhập với độ phù hợp và chính xác tối đa.
Mã hóa dữ liệu: Với dữ liệu khơng phải ở dạng số cần tạo một con số mã hóa (Xem phụ lục 4:Mã hóa dữ liệu).
3.6.1 Kiểm định độ tin cậy của thang đo
Một trong những mục tiêu của đề tài là nhận diện các nhân tố ảnh hưởng đến chất lượng hệ thống thông tin kế toán. Để giải quyết mục tiêu đề ra, ta phải kiểm định độ tin cậy của thang đo từng nhân tố. Hai công cụ xác định hệ số Cronbach’s Alpha và phân tích nhân tố được sử dụng để thực hiện điều này.
Để kiểm tra các chỉ tiêu đo lường từng nhân tố ảnh hưởng đến chất lượng hệ thống
thơng tin kế tốn có là một thang đo tốt hay không ta sử dụng đại lượng Cronbach’s Alpha. Cũng dựa vào cơng cụ này, ta có thể xác định nên hay không nên loại bỏ những chỉ tiêu nào và chỉ tiêu ấy sẽ không xuất hiện ở phần phân tích nhân tố. Tiếp theo, phân tích nhân tố EFA để định lại một nhóm quan sát trong mơ hình nghiên cứu. Phân tích nhân tố giúp nhận diện các chỉ số đánh giá tác động tói chất lượng của AIS có liên hệ tương quan với nhau và gom lại thành một nhân tố để nghiên cứu.
3.6.2 Hệ số tương quan và phân tích hồi quy tuyến tính
Đầu tiên, hệ số tương quan giữa chất lượng của AIS với các nhân tố ảnh hưởng đến
chất lượng của AIS sẽ được xem xét. Tiếp theo, phân tích hồi quy tuyến tính để biết được cường độ tác động của các nhân tố lên biến phụ thuộc, trong đó biến phụ thuộc là chất lượng của AIS. Sau đó, kiểm tra độ thích hợp của mơ hình, xây dựng mơ hình hồi quy bội và kiểm định giả thuyết.
- Đánh giá sự phù hợp của mơ hình: Thơng qua hệ số xác định R2 hoặc R2 điều chỉnh. - Kiểm định sự phù hợp của mơ hình: Kiểm định F dùng để khẳng định khả năng
mở rộng mơ hình này áp dụng cho tổng thể.
- Xác định tầm quan trọng của các biến trong mơ hình. Kiểm định t để bác bỏ giải thuyết các hệ số hồi quy của tổng thể bằng 0.
Cuối cùng, nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng là phù hợp, thực hiện dị tìm sự vi phạm của giả định cần thiết trong hồi quy tuyến tính bội
– “Hiện tượng đa cộng tuyến” bằng cách tính độ chấp nhận Tolerance và hệ số phóng đại VIF.