KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. 0.836 Approx. Chi-Square 1977.862 Bartlett's Test of Sphericity df 120 Sig. 0
(Nguồn: kết quả phân tích – phụ lục 4)
Tiếp tục kiểm định phương sai trích (% cumulative variance) của các yếu tố, có thể thấy được trong Bảng tổng phương sai được giải thích (Total Variance Explained), phương sai cộng dồn của các yếu tố (cumulative %) là 84,14%, thỏa mãn tiêu chuẩn phương sai trích phải > 50% (Hair 2009, theo Đinh Phi Hổ 2012). Điều này có nghĩa là 84,14% thay đổi của các nhân tố được giải thích bởi các biến quan sát (thành phần của Factor). Ngoài ra, theo Gerbing và Anderson (1988), các nhân tố có Eigenvalue < 1 sẽ
khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Eigenvalue > 1 và được chấp nhận khi tổng phương sai trích 50%. Kết quả nghiên cứu này có 5 nhân tố đại diện đảm bảo được tiêu chuẩn có Eigenvalue >1
Bảng 4.18 ảng t ng phư ng sai đư c giải thích Total Varianc xplain -
(Nguồn: kết quả phân tích – phụ lục 4)
Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 6.440 40.248 40.248 6.440 40.248 40.248 2.810 17.563 17.563 2 2.394 14.963 55.211 2.394 14.963 55.211 2.798 17.485 35.048 3 1.989 12.432 67.643 1.989 12.432 67.643 2.777 17.353 52.401 4 1.408 8.801 76.444 1.408 8.801 76.444 2.715 16.966 69.367 5 1.231 7.694 84.138 1.231 7.694 84.138 2.363 14.771 84.138 6 .547 3.419 87.557 7 .475 2.968 90.525 8 .329 2.055 92.580 9 .275 1.716 94.296 10 .242 1.511 95.807 11 .172 1.077 96.884 12 .145 .909 97.793 13 .134 .836 98.629 14 .093 .582 99.212 15 .082 .511 99.723 16 .044 .277 100.000 Extraction Method: Principal Component Analysis.
Cuối cùng dựa vào ma trận nhân tố xoay (Rotated component matrix) mà trong đó thể hiện các biến quan sát đều có hệ số tải nhân >0.55, tác giả thu được 5 nhân tố đại điện cho các tác động đến khả năng vận dụng KTQT tại DNXD, cụ thể như sau:
Bảng 4.19 Bảng ma trận nh n tố xoay Rotat compon nt matrix
Rotated Component Matrixa
Component 1 2 3 4 5 TECH3 .947 TECH1 .913 TECH2 .903 SIZE3 .919 SIZE1 .908 SIZE2 .894 COMP1 .792 COMP4 .789 COMP2 .768 COMP3 .767 COST3 .901 COST2 .899 COST1 .857 QUAL3 .870 QUAL1 .847 QUAL2 .837
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a a. Rotation converged in 6 iterations.
Bảng 4.20 Bảng mơ hình sau kiểm định Cronbach's Alpha và phân tích EFA
STT Nhân tố (tên iến
phụ thuộc) Biến quan sát Ý nghĩa
1 Quy mô (SIZE) SIZE1, SIZE2,
SIZE3 Quy mơ DN
2 Trình độ (QUAL) QUAL1, QUAL2, QUAL3
Trình độ nhân viên kế tốn
3 Cạnh tranh (COMP) COMP1, COMP2, COMP3, COMP4 Mức độ cạnh tranh trong ngành 4 Công nghệ sản xuất (TECH) TECH1, TECH2, TECH3 Mức độ áp dụng CNSXTT 5 Chi phí áp dụng KTQT (COST) COST1, COST2, COST3 Chi phí áp dụng KTQT
(Nguồn: kết quả phân tích – phụ lục 4)
4.1.4 Ma trận hệ số tƣơng quan
Bảng 4.21 Ma trận hệ số tư ng quan giữa các biến
Correlations
APPL SIZE COST COMP TECH QUAL
APPL Pearson Correlation 1 .544** -.603** .646** .470** .471**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 140 140 140 140 140 140
SIZE Pearson Correlation .544** 1 -.464** .501** .347** .235**
Sig. (2-tailed) .000 .000 .000 .000 .005
N 140 140 140 140 140 140
COST Pearson Correlation -.603** -.464** 1 -.494** -.387** -.385**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 140 140 140 140 140 140
Sig. (2-tailed) .000 .000 .000 .006 .000
N 140 140 140 140 140 140
TECH Pearson Correlation .470** .347** -.387** .230** 1 .323**
Sig. (2-tailed) .000 .000 .000 .006 .000
N 140 140 140 140 140 140
QUAL Pearson Correlation .471** .235** -.385** .364** .323** 1
Sig. (2-tailed) .000 .005 .000 .000 .000
N 140 140 140 140 140 140
**. Correlation is significant at the 0.01 level (2-tailed).
(Nguồn: kết quả phân tích – phụ lục 5)
Thơng qua bảng kết quả 4.12, ta sẽ tiến hành phân tích mối tương quan giữa các biến độc lập với biến phụ thuộc và mối tương quan giữa các biến độc lập với nhau.
4.1.4.1 Mối tƣơng quan giữa các biến độc lập với biến phụ thuộc
- Giá trị Sig.: ta có giá trị sig. của các biến độc lập SIZE, COST, COMP, TECH,
QUAL với biến phụ thuộc APPL đều <0.01, điều này cho thấy mơ hình có nghĩa thống kê, với mức nghĩa 1% hay có thể nói độ tin cậy của mơ hình là rất cao.
- Hệ số Pearson: hệ số Pearson của các biến SIZE, COMP, TECH, QUAL với biến
APPL đều dương thể hiện mối quan hệ đồng biến với biến độc lập APPL, với giá trị cao nhất là 0.646 giữa biến COMP với biến APPL, tương đương 64.6%. Hệ số Pearson giữa biến COST và biến APPL có giá trị âm thể hiện mối quan hệ nghịch biến với biến độc lập APPL. Điều này phù hợp với giả thuyết đề ra ban đầu.
4.1.4.2 Mối tƣơng quan giữa các biến độc lập với nhau
Ta có giá trị Sig. giữa các biến độc lập đều nhỏ hơn 0.05, dẫn đến có mối tương quan giữa các biến độc lập. Đồng thời, hệ số Pearson lớn hơn 0.3 ở một số cặp biến độc lập. Dẫn đến vấn đề đa cộng tuyến sẽ được xem xét khi phân tích hồi quy thơng
qua kiểm tra hệ số VIF. Nếu hệ số phóng đại phương sai VIF (variance inflation factor) > 2 thì có dấu hiệu đa cộng tuyến. Nếu VIF > 10 thì chắc chắn có đa cộng tuyến. Nếu VIF <2: khơng bị đa cộng tuyến
4.1.4.3 Kiểm định đa cộng tuyến
Bảng 4.22 Kiểm tra hệ số VIF
Coefficientsa Model Unstandardize d Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) -0.173 0.157 -1.1 0.273 SIZE 0.086 0.036 0.159 2.404 0.018 0.657 1.521 COST -0.067 0.021 -0.216 - 3.172 0.002 0.621 1.61 COMP 0.141 0.027 0.357 5.282 0 0.63 1.587 TECH 0.068 0.021 0.198 3.267 0.001 0.779 1.283 QUAL 0.099 0.038 0.157 2.586 0.011 0.778 1.285
a. Dependent Variable: APPL
(Nguồn: kết quả phân tích – phụ lục 6)
Theo kết quả bảng 4.13, hệ số VIF của tất cả các biến độc lập đều nhỏ hơn 2, dẫn đến không xuất hiện đa cộng tuyến giữa các biến độc lập. Ta sẽ tiến hành phân tích hồi quy Binary Logistic để xác định mơ hình cần tìm với 5 biến độc lập ban đầu, bao gồm: SIZE, COST, COMP, TECH, QUAL.
4.1.5 Phân tích Binary Logistic
4.1.5.1 Kiểm định mức độ phù hợp của mơ hình
Bảng 4.23 Kết quả kiểm định mức độ phù h p c a mơ hình
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 104.735 5 .000
Block 104.735 5 .000
Model 104.735 5 .000
(Nguồn: kết quả phân tích – phụ lục 7)
Bảng kết quả 4.14, ta có Sig. < 0.01 cho thấy mối tương quan giữa biến phụ thuộc và biến độc lập trong mơ hình có nghĩa thống kê với độ tin cậy 99%. Điều này chứng tỏ mơ hình có độ phù hợp rất cao.
4.1.5.2 Kiểm định mức độ giải thích của mơ hình
Bảng 4.24 Kết quả kiểm định mức độ giải thích c a mơ hình
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 62.781a .527 .755
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001.
(Nguồn: kết quả phân tích – phụ lục 7)
Hệ số mức độ giải thích của mơ hình: Nagelkerke R Square = 0.755. Điều này có nghĩa là 75.5% sự thay đổi của biến phụ thuộc (APPL) được giải thích bởi các biến độc lập (SIZE, COST, COMP, TECH, QUAL), còn lại là do các nhân tố khác chưa được đưa vào mơ hình (24.5%).
4.1.5.3 Kiểm định mức độ dự báo chính xác của mơ hình
Bảng 4.25 Kết quả kiểm định mức độ dự báo chính xác c a mơ hình
Classification Tablea
Observed
Predicted
APPL Percentage
Correct Khong ap dung Ap dung
Step 1 APPL Khong ap
dung 35 5 87.5
Ap dung 5 95 95.0
Overall Percentage 92.9
a. The cut value is .500
(Nguồn: kết quả phân tích – phụ lục 7)
Theo kết quả khảo sát trình bày ở phần 4.1.1, có 40 DN khơng áp dụng KTQT. Trong khi đó, kết quả dự báo của mơ hình là 35 DN khơng áp dụng, đạt tỷ lệ chính xác 87.5%. Tương tự, kết quả khảo sát chỉ ra rằng có 100 DN áp dụng KTQT, trong khi kết quả dự báo của mơ hình là 95 DN áp dụng, đạt tỷ lệ chính xác 95%. Vậy tỷ lệ dự báo chính xác tổng thể của mơ hình là 92.9%, tỷ lệ này cao hơn so với nhiều nghiên cứu trước đó về áp dụng KTQT tại các DN ở Việt Nam nói chung và TP. HCM nói riêng.
4.1.5.4 Mơ hình hồi quy Binary Logistic
Bảng 4.26 Kết quả phân tích hồi quy Binary Logistic
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
COST -.536 .259 4.292 1 .038 .585
COMP .770 .362 4.529 1 .033 2.160
TECH .730 .314 5.399 1 .020 2.075
QUAL 1.169 .523 4.993 1 .025 3.220
Constant -6.128 2.143 8.178 1 .004 .002
a. Variable(s) entered on step 1: SIZE, COST, COMP, TECH, QUAL.
(Nguồn: kết quả phân tích – phụ lục 5)
Kết quả bảng 4.17 cho thấy giá trị Sig. < 0.05 ở tất cả các biến hay các biến quan sát có nghĩa thống kê với độ tin cậy lớn hơn 95%. Đồng thời, với giá trị B của từng biến độc lập như bảng kết quả 4.17, ta xác định được mơ hình hồì quy bao gồm các biến có ảnh hưởng đến KTQT như sau:
Ln[P(APPL=1)/P(APPL=0)] = -6.128 + 1.289*SIZE - 0.536*COST + 0.770*COMP + 0.730*TECH + 1.169*QUAL
Trong đó
- Hệ số B0 = -6.128 là h ng số Có nghĩa là khi t ng ảnh hưởng (1.289*SIZE -
0.536*COST + 0.770*COMP + 0.730*TECH + 1.169*QUAL) mang giá trị 6.128 thì lúc này P(APPL = 1) = P(APPL = 0) = 0 , có nghĩa là xác suất áp dụng và khơng áp dụng KTQT là như nhau
- Các hệ số B1 = 1.289, B2 = -0.536, B3 = 0.770, B4 = 0.730, B5 = 1.169 l n lư t là hệ
số tư ng ứng c a các biến SIZE, COST, COMP, TECH, QUAL. Các hệ số này thể hiện mức độ thay đ i c a biến phụ thuộc khi biến độc lập thay đ i.
Qua kết quả nghiên cứu, biến SIZE là biến có ảnh hưởng mạnh nhất đến việc áp KTQT tại các DNXD, tiếp theo đó là các biến QUAL, COMP, TECH, COST. Trong đó, hệ số của các biến SIZE, COMP, TECH, QUAL mang giá trị dương thể hiện mối quan hệ đồng biến với biến APPL. Ngược lại, hệ số của biến COST mang giá trị âm
thể hiện mối quan hệ nghịch biến với biến APPL. Điều này phù hợp với giả thuyết đề ra ban đầu về mối quan hệ giữa các biến độc lập với biến phụ thuộc.
Bảng 4.27 T ng h p mức độ ảnh hưởng c a các nhân tố từ cao xuống thấp
Nhân tố Tên nhân tố Mối quan hệ với biến phụ
thuộc
SIZE Quy mơ +
QUAL Trình độ nhân viên kế tốn +
COMP Mức độ cạnh tranh +
TECH Mức độ áp dụng CNSXTT +
COST Chi phí cho việc t chức KTQT -
4.2 Bàn luận về kết quả nghiên cứu
Kết quả nghiên cứu chỉ ra rằng, mức độ khả thi của việc áp dụng KTQT ở DNXD phụ thuộc vào các nhân tố : Quy mô, trình độ nhân viên kế tốn, mức độ cạnh tranh, CNSXTT và chi phí áp dụng KTQT. Kết quả nghiên cứu phù hợp với các nghiên cứu trong và ngoài nước được thực hiện trước đây, tuy nhiên, do đặc thù sản xuất kinh doanh của từng ngành và công tác thu thập dữ liệu (quy mô mẫu, địa điểm lấy mẫu, …) khác nhau, dẫn đến mức độ ảnh hưởng của các nhân tố lên việc áp dụng KTQT khác với các kết quả nghiên cứu trước. Thêm vào đó, mơ hình chỉ giải thích được 75.5% sự thay đổi của biến phụ thuộc APPL cho thấy ngoài các yêu tố được đưa vào nghiên cứu của tác giả vẫn còn các yêu tố khác có ảnh hưởng đến mức độ vận dụng KTQT tại DNXD. Sau đây, dựa trên những cơ sở lý thuyết đã trình bày trong phần 2.3, tác giả sẽ giải thích mực độ phù hợp của các kết quả thu được từ nghiên cứu định lượng cho từng nhân tố nghiên cứu:
Quy mô doanh nghiệp: việc thị trường bất động sản dần khơi phục và có những
bước tiến ổng định đã giúp các DNXD có thêm cơ hội mở rộng hoạt động sản xuất kinh doanh, mức độ phân bổ của các cơng trình khơng cịn gói gọn trong một tỉnh thành hay một vùng mà hiện đã rải rác trên tồn lãnh thổ Việt Nam. Điều này địi hỏi việc quản trị phải ngày càng chặt chẽ và bao quát hơn, muốn như vậy, các DN phải xây dựng cho riêng mình một hệ thống KTQT nhằm cung cấp các thông tin cần thiết cho việc ra quyết định. Bên cạnh đó, quy mơ tăng lên cịn cho thấy nguồn lực của DN được cải thiện đáng kể, chun mơn hóa trong cơng việc ngày được nâng cao, cơ cấu tổ chức phòng ban độc lập rõ ràng, với các chức năng cụ thể mà vẫn tạo được sự ăn khớp ở góc độ tổng thể giúp thúc đẩy vận dụng KTQT. Nhất quán với các cơ sở lý thuyết trên và kết quả nghiên cứu của Magdy Abdel-Kader & Robert Luther (2008), Nguyễn Ngọc Vũ (2017), Trần Ngọc Hùng (2016), Kamilah Ahmad (2012), mơ hình trong nghiên cứu của tác giả cho thấy quy mô là nhân tố ảnh hưởng mạnh nhất đến khả năng áp dụng KTQT trong các DNXD và quy mơ càng lớn thì khả năng vận dụng KTQT càng cao.
Trình độ nhân viên kế tốn: nhờ vào sự phát triển của khoa học công nghệ, với
việc ra đời các phần mềm kế toán, ứng dụng hệ thống ERP trong kế toán đã giúp nhân viên kế toán tiết kiệm được rất nhiều thời gian trong việc hạch toán kế toán, quản lý chứng từ, tính giá thành, lập báo cáo tài chính,…và các cơng việc khác thuộc KTTC. Thay vào đó, nhân viên kế tốn được u cầu nhiều hơn trong việc đưa ra các thông tin KTQT như phân tích, lập kế hoạch, dự tốn,..nhằm đưa ra các thơng tin tham mưu cho nhà quản lý trong việc quản trị và điều hành DN. Điều này đồi hỏi người làm kế tốn phải có trình độ chun mơn ngày càng nâng cao hơn, có các kỹ năng về phân tích, dự báo và sử dụng các công cụ kỹ thuật của KTQT. Chính vì vậy, trình độ nhân viên KTQT có ảnh hưởng rất lớn đến khả năng vận dụng KTQT trong DN. Kết quả này phù
hợp với các nghiên cứu của Ismail and King (2007), Đào Hữu Linh (2014), Nguyễn Ngọc Vũ (2017).
Mức độ cạnh tranh trong ngành: Bên cạnh cơ hội phát triển, các DNXD tại Việt
Nam cũng phải đối mặt với rất nhiều thách thức. Việc Cộng đồng kinh tế ASEAN (AEC) và các hiệp định thương mại tự do (FTA) có hiệu lực đều thống nhất cắt gảm thuế quan, khuôn khổ pháp l ngày càng đơn giản tạo điều kiện cho các nhà thầu nước ngồi tham gia đấu thầu các cơng trình trong nước. Với trình độ cơng nghệ, trình độ lao động và năng suất lao động còn thấp dẫn đến việc các DNXD trong nước sẽ có nguy cơ mất thị trường nội địa vào tay các DNXD nước ngoài. Áp lực cạnh tranh buộc các DNXD phải tối ưu hoá các yếu tố đầu vào của sản xuất kinh doanh, khơng ngừng sáng tạo, tìm tịi đưa tiến bộ khoa học kỹ thuật vào sản xuất trong bối cảnh hàng hóa gồm vật liệu xây dựng, trang trí nội thất, máy móc cơng trình của các nước trong khối ASEAN như Thái Lan, Malaysia, Singapore… đã đổ bộ vào Việt Nam ào ạt trong vài năm trở lại đây. Mức độ cạnh tranh trong ngành càng cao, càng phức tạp đòi hỏi DN phải đưa ra được những quyết định hợp l , đúng thời điểm dẫn đến cần có những cơng cụ đủ mạnh để hỗ trợ nhà quản lý có thể ra quyết định một cách kịp thời và chính xác, trong đó KTQT là một trong những cơng cụ hữu hiệu nhất. Vì vậy, mức độ cạnh tranh trong ngành có ảnh hưởng đến khả năng áp dụng KTQT, mức độ cạnh tranh càng cao thì khả năng áp dụng càng lớn. Kết quả của nghiên cứu phù hợp với các nghiên cứu của Kamilah Ahmad (2012), Trần Ngọc Hùng (2016), Nguyễn Ngọc Vũ (2017).
Áp dụng CNSXTT: Kết quả thu được từ phân tích định lượng cho thấy các
DNXD ứng dụng các CNSXTT vào sản xuất kinh doanh thì khả năng vận dụng KTQT sẽ cao hơn các DN khác. Điều này cũng đã được các nghiên cứu trước đây của Magdy Abdel-Kader & Robert Luther (2008); Tuan Tuan Mat (2010) và Kamilah Ahmad (2012) chỉ ra đối với các nhóm ngành khác nhau. Ngoài ra, khi xem xét về mức độ ảnh hưởng, mức độ áp dụng CNSXTT tác động tương đối lớn đến khả năng vận dụng