Tính hữu hiệu của hệ thống KSNB Mơi trường kiểm soát Đánh giá rủi ro Hoạt động kiểm sốt Thơng tin và truyền thơng Giám sát
Tính hữu hiệu của hệ
thống KSNB 1.000
Mơi trường kiểm sốt .017 1.000
Đánh giá rủi ro .387 .592 1.000
Hoạt động kiểm soát .425 .576 .823 1.000
Thông tin và truyền
thông .428 .568 .793 .859 1.000
4.3.2 Phân tích hồi quy
Phân tích hồi quy được thực hiện với 5 biến độc lập bao gồm : Môi trường kiểm soát (COEN), Đánh giá rủi ro (RISK), Hoạt động kiểm sốt (COAC), Thơng tin và truyền thông (INFO), Giám sát (MONI) và biến phụ thuộc là Tính hữu hiệu của hệ thống KSNB (EFE). Kết quả thống kê mơ tả của các biến đưa vào phân tích hồi quy:
Bảng 4.9 Thống kê mô tả các biến phân tích hồi quy
Trung bình Độ lệch
chuẩn
Kích thước mẫu
Tính hữu hiệu của hệ thống KSNB 4.2430 .50725 155
Mơi trường kiểm sốt 3.0419 .77072 155
Đánh giá rủi ro 3.4903 1.02758 155
Hoạt động kiểm soát 3.8555 .83884 155
Thông tin và truyền thông 3.7845 .81146 155
Giám sát 3.8323 .75168 155
Giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó. Giá trị của biến phụ thuộc là giá trị trung bình của các biến quan sát về tính hữu hiệu của hệ thống KSNB. Phân tích được thực hiện bằng phương pháp Enter. Các biến được đưa vào cùng một lúc để xem biến nào được chấp nhận. Kết quả phân tích hồi quy như sau:
Kết quả cho thấy mơ hình hồi quy đưa ra tương đối phù hợp với mức ý nghĩa 0.05. Hệ số R hiệu chỉnh = 0.725 có nghĩa là có khoảng 72.5% phương sai tính hữu hiệu của hệ thống KSNB được giải thích bởi 4 biến độc lập là : Môi trường kiểm sốt, Đánh giá rủi ro, Hoạt động kiểm sốt, Thơng tin và truyền thông, Giám sát . Cịn lại 27.5% tính hữu hiệu của hệ thống KSNB được giải thích bằng các yếu tố khác.
Bảng 4.10 Bảng đánh giá độ phù hợp của mô hình
Mơ
hình Các biến được đưa vào Các biến bị loại bỏ
Phương pháp
1
Mơi trường kiểm sốt Đánh giá rủi ro
Hoạt động kiểm sốt Thơng tin và truyền thông
Giám sát
Enter
Biến phụ thuộc: Tính hữu hiệu của hệ thống KSNB
Mơ hình R R2 R 2 hiệu chỉnh Sai số chuẩn dự đoán 1 .854 .729 .725 .42930
Biến dự đoán : (Hằng số), Mơi trường kiểm sốt, Đánh giá rủi ro,
Hoạt động kiểm sốt, Thơng tin và truyền thông, Giám sát
Kiểm định F sử dụng trong bảng phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Trong bảng phân tích ANOVA, ta thấy giá trị sig. rất nhỏ (sig. = 0.000), nên mơ hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.11 Phân tích phương sai (hồi quy)
ANOVAa Mơ hình Tổng các bình phương df Bình phương trung bình F Sig. 1 Phần hồi quy 12.164 5 2.433 13.201 .000b
Phần dư 27.460 149 .184
Tổng cộng 39.624 154
a. Biến dự đốn: (Hằng số), Mơi trường kiểm soát, Đánh giá rủi ro, Hoạt
động kiểm sốt, Thơng tin và truyền thông, Giám sát
b. Biến phụ thuộc : Tính hữu hiệu của hệ thống KSNB
Bảng 4.12 Hệ số hồi quy sử dụng phương pháp Enter
Mơ hình
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Dung sai VIF Hằng số 0.412 .183 2.131 .036
Mơi trường kiểm
sốt .248 .059 .377 9.227 .000 .984 1.713
Đánh giá rủi ro .285 .240 .493 11.169 .000 .972 1.671 Hoạt động kiểm
soát .124 .093 .206 2.333 .000 .985 1.122
Thông tin và truyền
thông .152 .091 .243 4.678 .000 .922 1.513
Giám sát .096 .071 .143 1.362 .045 .944 1.367
Trong kết quả trên, nếu sig. < 0.05 tương đương với độ tin cậy 95% và |t| > 2 thì nhân tố đó được chấp nhận, có nghĩa là nó có sự tác động đến xu hướng tiêu dùng. Kết quả hồi quy cho thấy 5 nhân tố trên đều thỏa mãn điều kiện.
4.3.3 Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính tính
4.3.3.1 Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng như hiện tượng phương sai thay đổi (heteroskedasticity độc lập cũng như hiện tượng phương sai thay đổi (heteroskedasticity
Kiểm tra giả định này bằng cách vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi quy tuyến tính cho ra. Người ta hay vẽ biểu đồ phân tán giữa 2 giá trị này đã được chuẩn hóa (standardized) với phần dư trên trục tung và giá trị dự đốn trên trục hồnh. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đốn với phần dư, chúng sẽ phân tán ngẫu nhiên.
Đồ thị (phụ lục 10: đồ thị Scatterplot) cho thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 chứ khơng tạo thành một hình dạng nào. Như vậy giá trị dự đoán và phần dư độc lập nhau và phương sai của phần dư khơng thay đổi. Như vậy mơ hình hồi quy phù hợp.
4.3.3.2 Giả định về phân phối chuẩn của phần dư
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích,….Vì vậy chúng ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của các phần dư.
Biểu đồ tần số của phần dư chuẩn hóa (phụ lục 10 : đồ thị Histogram) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Thật không hợp lý khi chúng ta kỳ vọng rằng các phần dư quan sát có phân phối hồn tồn chuẩn vì ln ln có những chênh lệch do lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong mẫu quan sát cũng chỉ xấp xỉ chuẩn mà thơi. Ở đây, ta có thể nói phân phối phần dư xấp xỉ chuẩn (trung bình Mean = 0.00, và độ lệch chuẩn Std.Dev. = 0.984 tức là gần bằng 1). Do đó có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
4.4.3.3 Giả định khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến) (đo lường đa cộng tuyến)
Cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi khơng có đa cộng tuyến trong khi hệ số xác định R square vẫn khá cao.
Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor)
Thông thường, nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu như khơng có giá trị giải thích biến thiên của Y trong mơ hình MLR (Hair & cộng sự 2006 trích trong Nguyễn Đình Thọ, 2011).
Theo bảng hệ số hồi quy, hệ số VIF của các biến độc lập có giá trị từ 1.122 đến 1.713 (tất cả đều nhỏ hơn 10). Vì vậy có thể luận, mơ hình khơng xảy ra hiện tượng đa cộng tuyến.
4.3.4. Phân tích sự khác biệt giữa các thuộc tính của đối tượng nghiên cứu về hệ thống kiểm soát nội bộ tại một số đơn vị thuộc ngành giải trí tại TP. Hồ Chí Minh
Phân tích phương sai một yếu tố ANOVA nhằm mục đích xem xét sự khác biệt giữa các thuộc tính định tính của đối tượng nghiên cứu và tính hữu hiệu của hệ thống kiểm sốt nội bộ.
Để phân tích ANOVA thành cơng thì trước tiên có một tiền đề cần được thõa mãn nghĩa là chúng ta xem xét phương sai có đồng nhất khơng giữa các nhóm. Như vậy, tác giả đưa ra hai giả thiết:
H0: Phương sai bằng nhau.
Ở mức tin cậy 95%, nếu sig của thống kê Levene > 0,05 thì chúng ta khẳng định rằng khơng có sự khác biệt về giá trị phương sai giữa các nhóm đó là điều kiện cần để chúng ta đi vào bước hai là phân tích ANOVA. Ngược lại, nếu sig của thống kê Levene < 0,05 thì chúng ta khẳng định rằng có sự khác biệt về giá trị phương sai giữa các nhóm nên chúng ta khơng thể đi tiếp bước hai.
Bảng 4.13 Kết quả phân tích sự khác biệt giữa các thuộc tính của đối tượng nghiên cứu
Thuộc tính Thống kê Levene (sig.) Phân tích ANOVA (sig.)
Lĩnh vực hoạt động 0.122 0.004
Thời gian hoạt động 0.243 0.099
Số lượng nhân viên 0.016 0.003
4.3.4.1 Phân tích sự khác biệt theo lĩnh vực hoạt động
Kết quả thống kê Levene cho biết phương sai của tính hữu hiệu của hệ thống kiểm sốt nội bộ bằng nhau hay khác nhau giữa các lĩnh vực hoạt động của đơn vị. Sig của thống kê Levene = 0.122 (>0.05) nên ở độ tin cậy 95% giả thiết H0: Phương sai bằng nhau được chấp nhận và bác bỏ giả thiết H1. Do đó, kết quả phân tích ANOVA có thể sử dụng.
Kết quả phân tích ANOVA với mức ý nghĩa 0.004 <0.05, chấp nhận giả thiết H1: Trung bình khác nhau. Do đó, có sự khác biệt về tính hữu hiệu của hệ thống kiểm sốt nội bộ giữa các lĩnh vực hoạt động của đơn vị như sản xuất phim truyền hình, sản xuất phim điện ảnh, sản xuất chương trình truyền hình, sân khấu kịch.
4.3.4.2 Phân tích sự khác biệt theo thời gian hoạt động
Kết quả thống kê Levene cho biết phương sai của tính hữu hiệu của hệ thống kiểm soát nội bộ bằng nhau hay khác nhau giữa thời gian hoạt động của đơn vị: Dưới 5 năm, Từ 5 năm đến 9 năm, Từ 10 năm trở lên. Sig của thống kê Levene = 0.243 (>0.05) nên ở độ tin cậy 95% giả thiết H0: Phương sai bằng nhau được chấp nhận và bác bỏ giả thiết H1. Do đó, kết quả phân tích ANOVA có thể sử dụng.
Kết quả phân tích ANOVA với mức ý nghĩa 0.099 >0.05, bác bỏ giả thiết H1: Trung bình khác nhau. Do đó, khơng có sự khác biệt về tính hữu hiệu của hệ thống kiểm soát nội bộ giữa các thời gian hoạt động của đơn vị.
4.3.4.3. Phân tích sự khác biệt theo số lượng nhân viên
Kết quả thống kê Levene cho biết phương sai của tính hữu hiệu của hệ thống kiểm sốt nội bộ bằng nhau hay khác nhau giữa số lượng nhân viên của đơn vị. Sig của thống kê Levene = 0.016 (<0.05) nên ở độ tin cậy 95% giả thiết H1: Phương sai khác nhau được chấp nhận và bác bỏ giả thiết H0. Do đó, kết quả phân tích ANOVA khơng thể sử dụng. Vì phương sai khác nhau nên khơng thể kết luận
4.4 Mơ hình hồi quy chính thức các yếu tố ảnh hưởng đến tính hữu hiệu của hệ thống KSNB thống KSNB
Hình 4.1 Kết quả phân tích hồi quy
Hệ số hồi quy thể hiện dưới hai dạng: (1) chưa chuẩn hóa (Unstandardized) và (2) chuẩn hóa (Standardized). Vì hệ số hồi quy chưa chuẩn hóa (B), giá trị của nó
phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình được. Hệ số hồi quy chuẩn hóa (beta, ký hiệu β) là hệ số chúng ta đã chuẩn hóa các biến. Vì vậy chúng được dùng để so sánh mức độ tác động của các biến phụ thuộc vào biến độc lập. Biến độc lập nào có trọng số này càng lớn có nghĩa là biến đó có tác động mạnh vào biến phụ thuộc.
Căn cứ vào bảng 4.12 cho thấy các biến này có hệ số hồi quy dương có nghĩa là các biến này có tác động cùng chiều đến biến phụ thuộc là tính hữu hiệu của hệ thống KSNB. Từ thông số thống kê trong mơ hình hồi quy, phương trình hồi quy tuyến tính bội được thể hiện như sau:
Tính hữu hiệu của hệ thống KSNB = 0.377 x Mơi trường kiểm sốt + 0.493 x Đánh giá rủi ro + 0.206 x Hoạt động kiểm sốt + 0.243 x Thơng tin và truyền thông + 0.143 x Giám sát
Như vậy cả 5 nhân tố: Mơi trường kiểm sốt, đánh giá rủi ro, hoạt động kiểm sốt, thơng tin và truyền thơng, giám sát đều có ảnh hưởng tỷ lệ thuận đến tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh. Nghĩa là khi các nhân tố đó càng cao thì tính hữu hiệu của hệ thống KSNB hoạt động càng cao. Trong 5 nhân tố này thì nhân tố đánh giá rủi ro có sự ảnh hưởng mạnh nhất đến tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh (β = 0.493), tiếp đến là nhân tố môi trường kiểm sốt (β = 0.377), nhân tố thơng tin và truyền thông (β = 0.243), nhân tố kiểm soát (β = 0.206) và nhân tố giám sát (β = 0.143).. Như vậy, giả huyết H1, H2, H3, H4, H5 cho mơ hình nghiên cứu được chấp nhận.
Kết quả kiểm định giả thuyết được thực hiện ở trên khẳng định các giả thuyết sau đây sẽ được chấp nhận:
Giả thuyết H1: Mơi trường kiểm sốt tốt làm tăng tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh.
Giả thuyết H2: Đánh giá rủi ro làm tăng tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh.
Giả thuyết H3: Hoạt động kiểm soát chặt chẽ làm tăng tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh.
Giả thuyết H4: Việc nâng cao công tác chất lượng thông tin và truyền thơng góp phần làm tăng tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh.
Giả thuyết H5: Hoạt động giám sát tốt làm tăng tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh.
4.5 Bàn luận kết quả nghiên cứu
Kết quả nghiên cứu cho thấy hệ thống KSNB của một số đơn vị thuộc ngành giải trí tại Tp. Hồ Chí Minh chỉ đạt mức trung bình khá; tính hữu hiệu của hệ thống KSNB chỉ đạt mức 4.24; Trong đó, các nhân tố mơi trường kiểm sốt, đánh giá rủi ro, hoạt động kiểm soát, thơng tin và truyền thơng, giám sát có ảnh hưởng đến tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh trong mơ hình hồi quy, kết quả này phù hợp với lý thuyết và các nghiên cứu trước đây về các nhân tố ảnh hưởng đến tính hữu hiệu của hệ thống KSNB.
Theo kết quả nghiên cứu, mức độ tác động của các nhân tố trong thành phần thang đo đến tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh như sau:
Nhân tố Đánh giá rủi ro được đánh giá là nhân tố quan trọng nhất ảnh hưởng đến tính hữu hiệu của hệ thống KSNB tại một số đơn vị thuộc ngành giải trí trên địa bàn TP. Hồ Chí Minh. Kết quả trên phù hợp với các nghiên cứu của các tác giả đi trước như P Muraleetharan (2011), Lại Thị Thu Thủy (2013), Nguyễn Ngọc Lý (2016), Nguyễn Thị Phương Lan (2018) đều cho rằng nhân tố đánh giá rủi ro tác động tích cực nhất tới tính hữu hiệu của hệ thống KSNB. Tuy nhiên giá trị trung bình chỉ đạt ở mức trung bình khá là 3.49. Điều này cho thấy, các DN chưa thực sự quan tâm chú trọng đến việc đánh giá rủi ro, đặc biệt là các DN chưa quan tâm xem xét các loại gian lận tiềm tàng như gian lận trên BCTC, có thể mất mát tài sản và các hành vi gian lận khác có thể xảy ra, đồng thời DN chưa thường xuyên nhận diện