CHƯƠNG 3 PHƯƠNG PHÁP VÀ MƠ HÌNH NGHIÊN CỨU
3.1.2 Thang đo và các nhân tố ảnh hưởng đến chất lượng dịch vụ kế toán
3.3.2 Phương pháp nghiên cứu định lượng
3.3.2.1 Thiết kế nghiên cứu định lượng [1]
Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA là kỹ thuật được sử dụng nhằm trích xuất các biến quan sát thành một nhóm có mối liên hệ với nhau. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser – Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO có giá trị trong khoảng từ 0.5 đến 1.0 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Đại lượng Barlett là đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Nói cách khác, ma trận tương quan tổng thể là một ma trận đồng nhất, mỗi biến tương quan hồn tồn với chính nó (r=1) nhưng khơng có tương quan với các biến khác (r=0). Điều kiện cần để áp dụng
phân tích nhân tố là các biến phải có tương quan với nhau. Nếu kiểm định cho thấy khơng có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan trong tổng thể.
Bên cạnh đó, phân tích nhân tố cịn dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue > 1 và tổng phương sai trích lớn hơn 50% thì mới được giữ lại trong mơ hình (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, trang 34). Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc, vì sau khi chuẩn hóa mỗi biến gốc có phương sai là 1.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (Component Matrix) hay ma trận nhân tố khi các nhân tố được xoay. Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau.
[2] Đánh giá độ tin cậy thang đo Cronbach Alpha
Phương pháp phân tích này được sử dụng để loại bỏ các biến không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo. Được đánh giá qua hệ số tương quan biến tổng (Item-total Correlation) và hệ số Alpha (Nunnally & Bernstien 1994, trích bởi Nguyễn Đình Thọ, 2012).
Hệ số tương quan biến tổng là hệ số tương quan của một biến với một điểm trung bình của các biến khác trong cùng một thang đo. Do đó, hệ số này càng cao thì sự tương quan giữa biến với các biến khác trong nhóm càng cao. Khi biến có hệ số tương quan biến tổng nhỏ hơn 0.3 được coi là biến rác và sẽ bị loại. Thang đo có độ tin cậy khi hệ số Alpha lớn hơn 0.6.
Mặt khác, nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
[3] Phân tích tương quan Pearson
Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (nhân tố). Khi mức ý nghĩa (Significance, Sig.) của kiểm định Bartlett nhỏ hơn 0.05 chứng tỏ các biến quan sát có tương quan tuyến
tính với nhân tố đại diện. Thêm vào đó, hệ số tương quan Pearson (ký hiệu là r) được tính tốn để lượng hóa mức độ chặt chẽ trong mối liên hệ tuyến tính giữa các biến định lượng, giá trị tuyệt đối của hệ số này càng gần 1.0 thì các biến này có tương quan tuyến tính chặt chẽ (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Đồng thời, hiện tượng đa cộng tuyến giữa các biến độc lập cũng được xem xét.
[4] Phân tích hồi quy bội
Sau khi rút trích được các nhân tố từ phân tích EFA và đánh giá độ tin cậy của thang đo qua hệ số Alpha và loại đi các biến không đảm bảo độ tin cây của thang đo. Việc xác định mối quan hệ giữa các biến cũng như mức độ ảnh hưởng của nhóm biến độc lập đến biến phụ thuộc được thực hiện bằng phương pháp hồi quy bội.
Đầu tiên, phân tích mối tương quan tuyến tính giữa các biến trong mơ hình. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ giữa hai biến định lượng. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối quan hệ tuyến tính chặt chẽ và phân tích hồi quy là phù hợp.
Tiếp theo chạy phân tích hồi quy đa biến bằng phương pháp bình phương nhỏ nhất thơng thường. Phương pháp lựa chọn biến Enter được tiến hành: tất cả các biến được đưa vào một lần và xem xét kết quả thống kê liên quan đến các biến được đưa vào mơ hình. Hệ số R2 hiệu chỉnh (Adjusted R Square) được dùng để xác định độ phù hợp của mơ hình.
Xác định mức độ ảnh hưởng của các nhân tố tác động đến chất lượng DVKT của các doanh nghiệp DVKT: yếu tố nào có hệ số β lớn hơn thì mức độ ảnh hưởng lớn hơn.
[6] Kiểm tra sự vi phạm các giả định cần thiết trong phân tích hồi quy
Sau khi thiết lập được phương trình hồi quy mối quan hệ nhân quả giữa các biến độc lập và biến phụ thuộc, tác giả tiến hành dị tìm sự vi phạm các giả định cần thiết trong phân tích hồi quy bằng mơ hình đồ thị phân tán Scatterplot, biểu đồ Histogram và đồ thị Q-Q plot.
3.3.2.2 Quy trình thực hiện
Nghiên cứu định lượng được tiến hành nhằm mục đích kiểm định lại mơ hình nghiên cứu đã đề xuất ở trên và tìm hiểu mức độ tác động của các nhân tố đến chất lượng DVKT.
Quy trình thực hiện ở nghiên cứu định lượng được thực hiện như sau: ▪ B ướ c 1: Xây dựng bảng câu hỏi khảo sát (Phụ lục 02)
Bảng câu hỏi khảo sát được xây dựng ngoài phần câu hỏi tham khảo bao gồm 25 biến quan sát đo lường mức độ tác động của 5 nhân tố, và 3 biến quan sát đo lường biến phụ thuộc - chất lượng DVKT. Thang đo sử dụng trong nghiên cứu là thang đo Likert với 5 mức độ từ [1- Hồn tồn khơng đồng ý] đến [5- Hoàn toàn đồng ý].
▪ B ướ c 2: Xác định số lượng mẫu cần thiết và thang đo cho việc
khảo sát
Đối tượng khảo sát của đề tài này là các doanh nghiệp đang sử dụng DVKT trên địa bàn TP.HCM. Hồ Chí Minh hiện có 24 quận/huyện và số lượng các doanh nghiệp sử dụng DVKT phân bố rải rác ở các quận/huyện nên hiện nay, số lượng các doanh nghiệp này là không thể xác định. Chính vì lẽ đó, tác giả chọn phương pháp chọn mẫu là thuận tiện phi xác suất.
Theo tác giả Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008)26 đối với kỹ thuật phân tích nhân tố, cỡ mẫu ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố, với 25 biến quan sát thì cỡ mẫu tối thiểu trong nghiên cứu là 125.
Tuy nhiên, để phân tích hồi quy bội một cách tốt nhất theo Tabachnick và Fidell (2007) (theo Nguyễn Đình Thọ, 2012, trang 499) thì cỡ mẫu tối thiểu cần đạt được tính bằng cơng thức n ≥ 50 + 8*m (m: số biến độc lập). Vậy với 5 biến độc lập thì cỡ mẫu tối thiểu phải là 90.
Trong nghiên cứu này, tác giả sẽ chọn kích thước mẫu đủ lớn để thỏa mãn cả hai điều kiện trên là từ 125 mẫu trở lên. Và để đảm bảo cỡ mẫu như mong muốn và loại trừ những câu trả lời khơng hợp lệ thì tác giả sẽ tiến hành gửi bảng câu hỏi khảo sát đến 250 đối tượng khảo sát.
▪ B ướ c 3: Gửi phiếu điều tra cho doanh nghiệp
Dữ liệu được thu thập thông qua hai cách, đó là: i. Gửi bảng câu hỏi trực tiếp;
ii. Gửi bảng câu hỏi thơng qua ứng dụng Google Docs.
26 Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS (tập 1-2), NXB Hồng Đức
Việc sử dụng ứng dụng Google Docs giúp cho việc thu thập đỡ mất thời gian và tiết kiệm chi phí hơn nhưng thông tin nhận được vẫn được đảm bảo.
▪ B ướ c 4: Thu nhận phản hồi từ phía doanh nghiệp
Kết quả nhận được 142 phiếu khảo sát (50 phiếu trên Google Document, còn lại là 92 phiếu được khảo sát trực tiếp), trong đó có 14 phiếu bị loại do khơng hợp lệ. Do đó, số lượng quan sát cịn lại để đưa vào phân tích là 128 phiếu - đạt tiêu chuẩn về số lượng mẫu nghiên cứu (lớn hơn 125 mẫu – theo phân tích ở bước 2).
▪ B ướ c 5: Xử lý dữ liệu thông qua việc sử dụng công cụ phân tích SPSS
Dữ liệu thu được từ phiếu sẽ được nhập vào phần mềm chuyên dụng SPSS 20.1 và Excel 2010 để xử lý, tiếp theo dữ liệu sẽ được kiểm tra, mã hóa và làm sạch
dữ liệu, sau đó tiến hành các bước phân tích như:
[1] Thống kê mơ tả: mơ tả các thuộc tính của nhóm mẫu nghiên cứu.
[2] Phân tích nhân tố khám phá (EFA) được sử dụng để kiểm định sự hội tụ của các biến. Các biến có hệ số tương quan giữa biến và các nhân tố (factor loading) nhỏ hơn 0.5 sẽ bị loại bỏ. Phương pháp phân tích Principal components với phép quay varimax sẽ được thực hiện và điểm dừng khi trích các yếu tố có Eigenvalue lớn hơn 1.
[3] Đánh giá độ tin cậy các thang đo: độ tin cậy của thang đo được đánh giá qua hệ số Cronbach Alpha, qua đó các biến khơng phù hợp sẽ bị loại nếu hệ số tương quan biến tổng nhỏ hơn (< 0.3) và thang đo được chấp nhận khi hệ số Cronbach Alpha đạt yêu cầu (> 0.6).
[4] Phân tích tương quan Pearson: được sử dụng để kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình (giữa biến phụ thuộc với từng biến độc lập, giữa các biến độc lập với nhau). Hệ số này được tính tốn để lượng hóa mức độ chặt chẽ trong mối liên hệ tuyến tính giữa các biến định lượng (càng gần về 1 thì càng tương quan chặt chẽ với nhau).
[5] Phân tích hồi quy tuyến tính bội: sau khi kết luận các biến có mối liên hệ tuyến tính thì có thể mơ hình hóa mối quan hệ nhân quả của các biến này bằng mơ hình hồi quy tuyến tính. Cụ thể phương trình trong phân tích hồi quy như sau:
CLDVKT = β2*TC + β2*DU + β3*PV + β4*HH + β5*DC + ε
Trong đó:
- CLDVKT: Chất lượng dịch vụ kế tốn (biến phụ thuộc) - TC: Sự tin cậy (biến độc lập 1)
- DU: Khả năng đáp ứng (biến độc lập 2) - PV: Năng lực phục vụ (biến độc lập 3) - HH: Phương tiện hữu hình (biến độc lập 4) - DC: Sự đồng cảm (biến độc lập 5)
- ε: Sai số
KẾT LUẬN CHƯƠNG 3
Trong chương này tác giả đã trình bày chi tiết về các phương pháp nghiên cứu, quy trình nghiên cứu của luận văn. Mở đầu bằng việc xây dựng khung nghiên cứu của luận văn, tác giả đã sơ đồ hóa tồn bộ quy trình thực hiện nghiên cứu của luận văn.
Tiếp theo, tác giả đã trình bày cụ thể từng biến độc lập và biến phụ thuộc trong mơ hình đo lường chất lượng dịch vụ kế toán, cũng như thang đo các biến trong mơ hình. Sau đó, tác giả xác định các phương pháp nghiên cứu được sử
dụng như phương pháp nghiên cứu định tính (nghiên cứu tài liệu, khái quát hóa, tổng quát hóa, so sánh đối chiếu, hỏi ý kiến chuyên gia) phối hợp với phương
pháp nghiên cứu định lượng (thống kê mơ tả, phân tích nhân tố khám phá) để
kiểm định các giả thuyết nghiên cứu được đưa ra.
Cuối cùng, tác giả đi vào trình bày chi tiết quy trình nghiên cứu chính của
luận văn như cơ sở xây dựng mơ hình nghiên cứu, cơ sở xây dựng thang đo cho
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
Tiếp theo, tác giả sẽ tiến hành trình bày kết quả nghiên cứu về các nhân tố tác động đến chất lượng DVKT tại các doanh nghiệp DVKT trên địa bàn
TP.HCM. Cuối cùng, tác giả sẽ trình bày kết quả nghiên cứu phân tích nhân
tố khám phá, phân tích hồi quy đa biến để đo lường mức độ tác động của các
biến độc lập đến biến phụ thuộc (chất lượng DVKT).