KMO 0,642
Sig. 0,000
Eigenvalue 1,896
Phương sai trích 63,20%
(Nguồn: Phụ lục 7 – B. Phân tích EFA biến phụ thuộc)
KMO = 0,642 > 0,5 nên mơ hình phân tích là phù hợp. Sig = 0,000 nên kiểm định này có ý nghĩa thống kê và các biến có tương quan nhau trong tổng thể. Đồng thời phương sai trích = 63,20% > 50%, Eigenvalue = 1,404 > 1 nên mơ hình đủ điều kiện để phân tích nhân tố khám phá. Thêm vào đó, hệ số tải nhân tố của các biến quan sát đều lớn hơn 0,5 nên các biến quan sát đều được đưa vào mơ hình.
Như vậy, nhóm biến phụ thuộc vẫn không thay đổi so với lúc đầu. Nhóm này được đặt tên là Chất lượng dịch vụ KTĐL gồm các biến quan sát: Q30, Q31, Q32.
4.4 Phân tích hồi quy tuyến tính bội 4.4.1 Phân tích tương quan Pearson 4.4.1 Phân tích tương quan Pearson
Phương pháp phân tích
Tác giả sử dụng một số thống kê có tên là Hệ số tương quan tuyến tính r (Pearson Correlation Coefficient) để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính
giữa hai biến định lượng. Trị tuyệt đối của r cho biết mức độ chặt chẽ mối liên hệ tuyến tính của các cặp biến, giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ.
0 < r ≤ 1: tương quan tuyến tính thuận (X tăng, Y tăng); -1 ≤ r ≤ 0: tương quan tuyến tính nghịch (X giảm, Y tăng).
Kết quả phân tích (Xem Phụ lục 8 – Phân tích tương quan Pearson)
Hệ số tương quan tuyến tính r (Pearson Correlation Coefficient) dùng để kiểm định sự tương quan giữa năm nhóm đặc điểm bên trong của CTKT với chất lượng dịch vụ KTĐL. Các giá trị Sig. đều nhỏ hơn 0,05; do đó các mối liên hệ tuyến tính này đều có ý nghĩa về mặt thống kê và tất cả chúng đều tương quan thuận chiều nhau. Tương quan giữa các đặc điểm bên trong của CTKT (dịch vụ kiểm toán và phi kiểm tốn; nhiệm kỳ kiểm tốn; quy mơ CKTK; KSCL bên trong; Mức độ am hiểu lĩnh vực kinh doanh của khách hàng) với chất lượng dịch vụ TKĐL lần lượt là: 0,268; 0,244; 0,186; 0,423; 0,419. Như vậy có sự tương quan tỷ lệ thuận giữa các đặc điểm bên trong của CTKT với chất lượng dịch vụ KTĐL. Kết quả kiểm định tương quan giữa các biến rất thích hợp để phân tích hồi quy đa biến.
Mặt khác, ta cũng cần xem xét tương quan tuyến tính các biến độc lập với nhau. Kết quả cho thấy, giữa các biến độc lập hồn tồn khơng có quan hệ tuyến tính, như vậy có thể sẽ khơng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập. Phần kiểm tra hiện tượng đa cộng tuyến này sẽ được trình bày kỹ hơn ở phần phân tích hồi quy tuyến tính bội thơng qua Hệ số phóng đại phương sai (VIF).
4.4.2 Phân tích hồi quy bội
Phương pháp phân tích
Để kiểm định vai trò quan trọng của các nhân tố trong việc đánh giá mối quan hệ giữa các đặc điểm bên trong của CTKT với chất lượng dịch vụ KTĐL và sự ảnh hưởng của các đặc điểm này đến chất lượng dịch vụ KTĐL, tác giả tiến hành sử dụng mơ hình hồi quy bội với năm biến độc lập: Dịch vụ kiểm toán và phi kiểm tốn, Nhiệm kỳ kiểm tốn, Quy mơ, Kiểm sốt chất lượng bên trong, Mức độ am hiểu lĩnh vực kinh doanh của khách hàng và một biến phụ thuộc là Chất lượng dịch vụ KTĐL.
Phân tích hồi quy được thực hiện với phần mềm SPSS 20.0 và giá trị các yếu tố dùng để chạy hồi quy là giá trị các biến quan sát đã được kiểm định ở những phần trên.
Đánh giá sự phù hợp của mơ hình
Để đánh giá sự phù hợp của mơ hình các đặc điểm bên trong của CTKT ảnh hưởng đến chất lượng dịch vụ kiểm toán, tác giả sử dụng hàm hồi quy tuyến tính bội năm đặc điểm bên trong của CTKT và chất lượng dịch vụ KTĐL sẽ được đưa vào chạy hồi quy.
Chất lượng dịch vụ KTĐL = β0 + β1* Dịch vụ kiểm toán và phi kiểm toán +
β2*Nhiệm kỳ kiểm tốn + β3*Quy mơ và Danh tiếng + β4*Kiểm soát chất lượng
bên trong + β5*Mức độ am hiểu lĩnh vực kinh doanh của khách hàng (với β1, β2,
β3, β4, β5 là các hệ số hồi quy riêng của từng nhân tố).