CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.2. Phân tích các nhân tố ảnh hưởng đến việc vận dụng CĐKT cho DNNVV ở
4.2.2. Phân tích nhân tố khám phá EFA sau khi đã hiệu chỉnh mơ hình
Phương pháp phân tích nhân tố EFA là một trong những phương pháp phân tích thống kê dùng để gộp hay đơn giản hóa một tập hợp những biến phụ thuộc được quan sát, chuyển hóa thành những tập biến ít hơn để nghiên cứu các khái niệm lí thuyết sâu và hiệu quả hơn. Theo như Hair và cộng sự (1998), trong phân tích EFA chỉ số Factor Loading có giá trị lớn hơn 0.5 được xem là có ý nghĩa thống kê đối với thực tế ( Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008). Chỉ số KMO (Kaiser Meyer Olkin) thể hiện mức độ phù hợp của phương pháp EFA, nếu hệ số KMO lớn hơn 0.5 nhỏ hơn 1 thì phương pháp phân tích nhân tố EFA được xem là hợp lệ và có độ tin cậy.
Tóm lại, phân tích EFA cần phải thõa mãn các điều kiện sau: - Factor loading > 0.5.
- Hệ số KMO nằm trong khoảng giá trị từ 0.5 – 1.
- Tổng phương sai trích – Total Variance Explained > 50%. - Giá trị phương sai tổng hợp Eigenvalue > 1.
4.2.2.1. Phân tích EFA cho biến độc lập Kết quả thực nghiệm và đánh giá kết quả
Trong phần khảo sát, các nhân tố tác động đến việc vận dụng văn bản CĐKT cho DNNVV ở Việt Nam, bài nghiên cứu có đưa ra 23 biến độc lập tuy nhiên sau khi hiệu chỉnh và loại ra bằng phương pháp kiểm định thang đo độ tin cậy Cronbach’s Alpha thì số biến cịn lại thỏa mãn là 14 biến, tồn bộ các biến này được gộp thành 5 nhân tố. Để kiểm tra tính hợp lí của các biến gộp này, tác giả tiến hành phân tích dữ liệu bảng bằng mẫu dữ liệu thu thập được 120 quan sát hơp lệ. Từ đó đưa tồn bộ biến vào phương pháp phân tích nhân tố EFA từ đó chọn lọc, rút ra các nhân tố có hệ số với bằng chứng mang ý nghĩa thống kê. Đồng thời, cũng loại trừ các nhân tố có hệ số thấp khơng mang ý nghĩa thống kê.
Bên cạnh đó, kiểm định Bartlett test với giả thuyết đầu vào H0 là: “Các biến không tương quan với nhau trong mẫu”. Nếu giá trị sig (p-value) nhỏ hơn 0.05 thì có đủ cơ sở để bác bỏ giả thuyết H0, tức là các biến có tương quan với nhau trong mẫu và việc áp dụng phân tích nhân tố EFA là thích hợp.
Kết quả phân tích nhân tố khám phá EFA
Bảng4.4: Kết quả giá trị KMO và kiểm định Bartlett ( Nhân tố độc lập) KMO và Kiểm định Bartlett
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .650
Bartlett's Test of Sphericity
Approx. Chi-Square 476.000
df 91
Nguồn: Tổng hợp tính tốn của Tác giả bằng phần mềm SPSS 20, n=120
Kết quả giá trị của KMO là 0.650 > 0.5 thỏa mãn điều kiện, đồng thời giá trị Sigma là 0.000 < 0.05 (mức ý nghĩa 5%) nên đủ cơ sở để bác bỏ giả thuyết H0 của kiểm định Bartlett, tức là các biến đang xét có tương quan với nhau trong mẫu dữ liệu nghiên cứu và phân tích nhân tố khám EFA có độ tin cậy.
Bảng 4.5: Phân tích nhân tố khám phá EFA bằng ma trận xoay theo Varimax Rotated Component Matrixa
Nhân tố 1 2 3 4 5 ND 1.1 .756 ND 1.2 .741 ND 1.4 .740 ND 1.3 .698 ND 3.2 .801 ND 3.1 .782 ND 3.3 .712 ND 6.1 .845 ND 6.2 .802 ND 6.3 .577 ND 2.3 .824 ND 2.2 .806 ND 5.2 .839 ND 5.3 .816 Phương sai tổng hợp 3.614 2.037 1.535 1.148 1.074 Phương sai rút trích - - - - 67.194%
Biểu đồ 4.1: Biểu đồ Scree Plot thể hiện giá trị Eigenvalue -Phương sai tổng hợp
Nguồn: Tổng hợp tính tốn của Tác giả bằng phần mềm SPSS 20, n=120
Nhìn vào bảng 4.5 các hệ số factor loading đều lớn hơn 0.5, thõa mãn điều kiện của giả thiết phân tích EFA, phương sai rút trích của từng nhân tố lớn hơn 50%, đồng thời giá trị phương sai tổng hợp – eigenvalue lớn hơn 1 thỏa mãn kiểm định phân tích nhân tố khám phá EFA. Các nhân tố đưa vào mơ hình phân tích nhân tố khám phá EFA là hợp lí và có độ tin cậy. Cụ thể với mơ hình 5 nhân tố giải thích được khoảng 67.194% xu hướng của dữ liệu đối với việc vận dụng hệ thống văn bản CĐKT vào DNNVV ở Việt Nam. Số phần trăm còn lại là khoảng 32.806 % là các nhân tố bên ngoài chưa được xem xét để phản ánh vấn đề này.
4.2.2.2. Phân tích EFA cho biến phụ thuộc đại diện cho nhân tố vận dụng chế độ kế toán tại các DNVVN
Kết quả phân tích nhân tố khám phá EFA cho biến phụ thuộc
Sau phần phân tích kiểm định thang đo Cronbach’s Alpha, một biến quan sát được loại ra khi không đủ điều kiện là biến ND 8.4, nên phân tích EFA cho biến
phụ thuộc sẽ dựa vào 3 biến quan sát còn lại bao gồm ND 8.1, ND 8.2 và ND 8.3. Tác giả cũng tiến hành xem xét các giá trị KMO và sigma trong phân tích biến phụ thuộc nhằm xem xét dữ kiện của khung biến phụ thuộc có thõa mãn và phù hợp hay không.
Bảng 4.6: Kết quả giá trị KMO và kiểm định Bartlett và phương sai trích trong
EFA ( Nhân tố phụ thuộc)
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .654 Bartlett's Test of
Sphericity
Approx. Chi-Square 69.907
df 3
Sig. .000
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Phương sai tổng Phương sai trích Tích lũy % Phương sai tổng % of Variance Cumulative % 1 1.906 63.525 63.525 1.906 63.525 63.525 2 .649 21.638 85.162 3 .445 14.838 100.000
Nguồn: Tổng hợp tính tốn của Tác giả bằng phần mềm SPSS 20, n=120
Kết quả ở bảng 4.6 cho thấy chỉ số KMO cho nhân tố biến phụ thuộc lớn hơn 0.5, giá trị sigma của kiểm định nhỏ hơn 0.05 nên đủ cơ sở để bác bỏ H0. Tức mơ hình sử dụng phân tích nhân tố các biến trong EFA là hợp lệ và có độ tin cậy. Phương sai trích của mơ hình là 63.525% lớn hơn 50 % đều thõa mãn dữ kiện.