CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.3 Mô tả cách chọn mẫu
3.3.1 Đối tƣợng khảo sát
Đối tượng khảo sát là các nhà quản lý, kế toán trưởng, kế toán viên, kiểm toán nội bộ tại các DNXD ở Tp. HCM
3.3.2 K ch thƣớc mẫu
Việc xác định kích thước mẫu phù hợp là rất phức tạp nên thông thường dựa vào kinh nghiệm. Theo Green (1991) và Tabachnick và Fidell (2007) trích trong Đinh Phi Hổ (2014, 46) thì quy mơ mẫu có thể được xác định theo công thức: n 50 8k, với k là số biến độc lập của mơ hình. Với mơ hình gồm 5 biến độc lập, cỡ mẫu phải lớn hơn hoặc bằng 90. Do đó, để đảm bảo độ tin cậy cao cho nghiên cứu tác giả quyết định lựa chọn kích thước mẫu để thực hiện là 140.
3.3.3 Phƣơng pháp thu thập dữ liệu
Tác giả sử dụng phương pháp chọn mẫu phi xác suất, cụ thể là chọn mẫu thuận tiện để thực hiện nghiên cứu.
3.4 Phƣơng pháp phân tích dữ liệu
Trong nghiên cứu này, tác giả sử dụng phần mềm SPSS 22.0 để tiền hành các kiểm định và phân tích thống kê.
3.4.1 Phƣơng pháp thống kê mô tả
Thống kê mô tả được sử dụng để tổng kết và mô tả dữ liệu đã thu thập được, phân tích liên quan đến việc kiểm tra đặc tính của các biến, cũng như so sánh để đưa ra những suy diễn ban đầu về mối quan hệ giữa các biến. Các công cụ được sử dụng là bảng tính tần số và bảng kết hợp nhiều biến để tiến hành mô tả.
3.4.2 Kiểm định ch t ƣợng thang đo
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach‟s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach‟s Alpha trước khi phân tích nhân tố EFA để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Tuy nhiên, hệ số tin cậy Cronbach‟s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi
đó, việc tính tốn hệ số tương quan giữa biến-tổng (Corrected Item – Total Correlation) sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Cụ thể, nghĩa đối với các khoảng giá trị của hệ số Cronbach‟s Alpha được các nghiên cứu của Nunally, 1978; Peterson, 1994 chỉ ra cụ thể như sau: (i) lớn hơn 0,8 là thang đo lường tốt; (ii) từ 0,7 đến 0,8 là sử dụng được; (iii) từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu. Đối với hệ số tương quan giữa biến-tổng, các nghiên cứu sẽ loại bỏ các biến tương ứng với hệ số này ở mức nhỏ hơn 0.4 do khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo.
3.4.3 Phân tích nhân tố khám phá
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát). Cụ thể trong nghiên cứu này, tác giả sẽ đưa tất cả 16 biến quan sát vào phân tích; các biến có liên hệ với nhau sau đó sẽ được gom thành nhóm và trình bày dưới dạng các nhân tố tác động đến mức độ khả thi của việc áp dụng KTQT trong hoạt động sản xuất kinh doanh.
Khi phân tích EFA, cần lưu hệ số tải nhân tố (Factor loading),đây là chỉ tiêu biểu thị tương quan đơn giữa các biến với các nhân tố. Theo Hair & các cộng sự (1998), hệ số này giúp kiểm định nghĩa thiết thực của EFA, gồm các khoảng giá trị và nghĩa tương ứng như sau:
- Hệ số tải nhân tố 0 đư c x m là đạt mức tối thiểu
- Hệ số tải nhân tố 0 4 đư c x m là quan tr ng
3.4.4 Phân tích hồi quy đa iến
Ma trận hệ số tương quan:
Ma trận hệ số tương quan dùng để kiểm định mối tương quan giữa biến phụ thuộc với từng biến độc lập cũng như mối tương quan giữa các biến độc lập với nhau. Cụ thể, trong ma trận này hệ số tương quan Pearson sẽ cho biết mức độ tương quan gữa các biến với nhau, hệ số Pearson càng lớn thì mối tương quan càng cao (hệ số Pearson tối đa là 1). Và đồng thời mức nghĩa quan sát (Sig.) phải nhỏ hơn mức nghĩa kiểm định (0.05) thì kết quả mới có nghĩa thống kê.
Phân tích hồi quy Binary Logistic:
Do biến phụ thuộc sẽ mang giá trị “có” hoặc “khơng” và sẽ được mã hóa tương ứng là hai giá trị 0 và 1, ở dạng này gọi là biến nhị phân. Khi biến phụ thuộc ở dạng biến nhị phân thì khơng thể phân tích với dạng hồi quy thơng thường mà sẽ được phân tích dưới dạng hồi quy Binary Logistic. Hồi quy Binary Logistic sử dụng biến phụ thuộc dạng nhị phân để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập đã thu thập từ khảo sát. Giá trị ước lượng của biến phụ thuộc trong hồi quy Binary Logistic sẽ rơi vào khoảng giá trị (0;1). Từ hai giá trị nhị phân của biến phụ thuộc sẽ tiến hành thủ tục để xác định mơ hình hồi quy. Mơ hình này có thể dùng để dự đốn xác suất có vận dụng hay khơng vận dụng KTQT theo quy tắc nếu xác suất được dự đốn lớn hơn 0,5 thì kết quả dự đốn sẽ là “có” và ngược lại sẽ là “không”. Phương pháp “Enter” (đưa vào bắt buộc, các biến trong khối biến độc lập được đưa vào trong cùng một bước) sẽ được áp dụng để phân tích hồi quy Binary Logistic. Các loại kiểm định được thực hiện trong phân tích hồi quy Binary Logistic bao gồm:
• Kiểm định mức độ phù hợp: dựa vào giá trị Sig. (mức nghĩa quan sát) trong bảng kết quả chạy hồi quy để xác định độ phù hợp của mơ hình. Giá trị Sig. càng nhỏ thì độ tin cậy càng cao, mơ hình càng phù hợp.
• Kiểm định mức độ giải thích của mơ hình: mức độ giải thích của mơ hình (Nagelkerke R Square) càng lớn thì càng tốt, cho thấy sự thay đổi của biến phụ thuộc có được giải thích bởi sự thay đổi của các biến độc lập trong mơ hình.
• Kiểm định mức độ dự báo: Dùng để kiểm định mức độ dự báo chính xác của những mẫu có áp dụng và không áp dụng KTQT. Từ đó xác định tỷ lệ dự báo đúng trong tổng thể của mơ hình.
• Xác định mơ hình hồi quy Binary Logistic: Xác định các biến ảnh hưởng đến việc vận dụng KTQT và mức độ ảnh hưởng của từng nhân tố trong mơ hình. Mơ hình có dạng:
Ln [P (APPL=1)/P (APPL=0)]=B0+B1*SIZE + B2*COST + B3*COMP + B4*TECH + B5*QUAL
Trong đó
P (APPL = 1): Xác suất có vận dụng KTQT P (APPL = 0) : Xác suất không vận dụng KTQT B0: H ng số
B15: Hệ số c a các biến độc lập Ln: Logarit c a c số e (e ≈ 2,714)
KẾT LUẬN CHƢƠNG 3
Trong chương này tác giả đã xác định phương pháp nghiên cứu của luận văn là phương pháp nghiên cứu hỗn hợp, đồng thời trình bày cụ thể quá trình nghiên cứu. Mẫu nghiên cứu bao gồm 140 đối tượng khảo sát, bao gồm các nhà quản lý, kế toán trưởng, kế toán viên, kiểm toán nội bộ tại các DNXD ở Tp. HCM. Dữ liệu thu thập được thông qua khảo sát sẽ được xử lý nhằm đảm bảo tính phù hợp và độ tin cậy cao. Chương này cũng đề cập tới việc xây dựng phương trình hồi quy Binary Logistic nhằm phản ánh mối tương quan giữa các nhân tố và mức độ tác động đến việc vận dụng KTQT trong các DNXD tại Tp. HCM. Các kết quả nghiên cứu sẽ được trình bày ở chương tiếp theo.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BẢN LUẬN
4.1 Mô tả bộ dữ liệu
Tác giả tiến hành gửi 250 bảng khảo sát trực tuyến đến các đáp viên là nhân sự làm việc trong các DNXD. Thông tin liên hệ của các đáp viên được thu thập thông qua danh sách các đối tác của đơn vị mà tác giả hiện đang cơng tác. Bảng câu hỏi đính kèm thơng tin về mục đích nghiên cứu được tác giả gửi đến các đáp viên thông qua email cá nhân. Trong đó, để tăng tính phản hồi, tác giả cảm kết mọi thơng tin của đáp viên mang tính chất thống kê ở góc độ tổng thể và chỉ phục vụ cho mục đích nghiên cứu. Sau 20 ngày kể từ lần gửi email khảo sát đầu tiên, tác giả nhận được 147 phản hồi trong đó bao gồm 46 bảng trả lời không hợp lệ. Để thu về 39 phản hồi hợp lệ nhằm đạt được cỡ mẫu là 140 như yêu cầu, tác giả tiến hành gửi email lần 2 và lần 3 kèm theo việc chủ động liên hệ với đáp viên thông qua điện thoại. Tổng cộng tác giả thu về 196 phản hồi trên 250 bảng khảo sát gửi ra đạt tỉ lệ 78,4% (196/250) bao gồm 140 phản hồi hợp lệ đạt cỡ mẫu yêu cầu. Trong 56 phản hồi không hợp lệ chủ yếu do các nguyên nhân: (i) Bảng câu hỏi chưa được hoàn thành đầy đủ; (ii) Đáp viên trả lời giống nhau cho nhiều câu hỏi liên tục; (iii) Đơn vị mà đối tượng khảo sát làm việc đang không hoạt động tại Tp. HCM. Sau đó, dữ liệu được làm sạch bằng phần mềm SPSS để tránh sai sót trong q trình nhập liệu. Sau khi dữ liệu được xử lý và làm sạch, tác giả tiến hành các kỹ thuật thống kê mô tả và hồi quy đa biến.
4.1.1 Phân tích thống kê mơ tả
APPL
Frequency Percent Valid Percent
Cumulative Percent Valid Khong ap dung 40 28.6 28.6 28.6 Ap dung 100 71.4 71.4 100.0 Total 140 100.0 100.0
(Nguồn: kết quả phân tích – phụ lục 1)
Kết quả bảng 4.1 cho thấy trong các DNXD được khảo sát có 28.6% không áp dụng và 71.4% áp dụng KTQT. Tỷ lệ áp dụng cho thấy việc áp dụng KTQT đã phần nào được các DNXD chú trọng.
Bảng 4.2 Bảng thống kê mô tả biến Quy mô - SIZE
SIZE
Frequency Percent Valid Percent
Cumulative Percent Valid Nho 64 45.7 45.7 45.7 Vua 37 26.4 26.4 72.1 Lon 39 27.9 27.9 100.0 Total 140 100.0 100.0
(Nguồn: kết quả phân tích – phụ lục 1)
Từ bảng 4.2 ta thấy các DN nhỏ chiếm tỉ trọng cao nhất 45.7% trong khi DN vừa là 26.4% và DN lớn là 27.9%. Kết quả này cho thấy các DNXD cũng nằm trong thực trạng chung của các DN tại Tp. HCM nói riêng và Việt Nam nói chung khi đa phần đều là các DN nhỏ và vừa.
Bảng 4.3 Bảng thống kê mô tả biến giữa biến áp dụng - APPL và biến quy mô- SIZE
SIZE * APPL Crosstabulation
APPL
Total Khong ap dung Ap dung
SIZE Nho Count 37 27 64
% within SIZE 57.8% 42.2% 100.0% Vua Count 2 35 37 % within SIZE 5.4% 94.6% 100.0% Lon Count 1 38 39 % within SIZE 2.6% 97.4% 100.0% Total Count 40 100 140 % within SIZE 28.6% 71.4% 100.0%
(Nguồn: kết quả phân tích – phụ lục 2)
Kết quả bảng 4.3 cho thấy, đa số các DN lớn và vừa đều áp dụng KTQT (lần lượt là 97.4% và 94.6%) trong khi các DN nhỏ chỉ có mức áp dụng KTQT là 42.2%. Kết quả thống kê thể hiện khá rõ mối quan hệ tỷ lệ thuận giữa quy mô DN và việc áp dụng KTQT trong quản lý của các DN được khảo sát, khi quy mơ DN càng lớn thì khả năng áp dụng KTQT càng cao.
Bảng 4.4 Bảng thống kê mơ tả biến chí phí - COST
COST
Frequency Percent Valid Percent
Cumulative Percent
Valid Rat thap 41 29.3 29.3 29.3
Thap 42 30.0 30.0 59.3
Binh thuong 17 12.1 12.1 71.4
Cao 16 11.4 11.4 82.9
Rat cao 24 17.1 17.1 100.0
Total 140 100.0 100.0
(Nguồn: kết quả phân tích – phụ lục 1)
Kết quả bảng 4.4 cho thấy, trong các DN tham gia khảo sát, có đến 59.3% đơn vị có tỷ trọng chi phí tổ chức KTQT trong cơ cấu chi phí ở mức thấp hoặc rất thấp, trong khi đó, con số này ở các DN với mức đầu tư cao hoặc rất cao vào hệ thống KTQT là 28.5%. Điều này hoàn toàn phù hợp với cơ cấu chi phí của các DNXD khi mà các chi phí về vật tư, nhân cơng, khấu hao máy móc thiết bị là chủ yếu.
Bảng 4.5 Bảng thống kê mô tả biến giữa biến áp dụng-APPL và biến chi phí-COST
COST * APPL Crosstabulation
APPL
Total Khong ap
dung Ap dung
COST Rat thap Count 1 40 41
% within COST 2.4% 97.6% 100.0% Thap Count 5 37 42 % within COST 11.9% 88.1% 100.0% Binh thuong Count 6 11 17 % within COST 35.3% 64.7% 100.0% Cao Count 11 5 16 % within COST 68.8% 31.3% 100.0%
Rat cao Count 17 7 24
% within COST 70.8% 29.2% 100.0%
Total Count 40 100 140
% within COST 28.6% 71.4% 100.0%
(Nguồn: kết quả phân tích – phụ lục 2)
Trong các DN có tỷ trọng chi phí tổ chức KTQT ở mức rất thấp và thấp thì tương ứng có 97.6% và 88.1% có áp dụng KTQT trong hoạt động sản xuất kinh doanh như được thể hiện trong bảng 4.5. Đồng thời, khi tỷ lệ của chi phí này tăng lên đến mức cao hoặc rất cao thì chỉ cịn 31.3% và 29.2% số lượng doanh nghiệp vận dụng KTQT. Sự biến thiên của nhân tố chi phí vận dụng KTQT trong tương quan với khả năng xây dựng KTQT trong DN cho thấy chúng có mối quan hệ nghịch biến. Vì vậy, khi chi phí bỏ ra để xây dựng hệ thống KTQT càng cao thì khả năng thành cơng sẽ càng thấp.
Bảng 4.6 Bảng thống kê mô tả biến cạnh tranh - COMP
COMP
Frequency Percent Valid Percent Cumulative Percent
Valid Rat thap 6 4.3 4.3 4.3
Thap 31 22.1 22.1 26.4
Binh thuong 27 19.3 19.3 45.7
Cao 50 35.7 35.7 81.4
Rat cao 26 18.6 18.6 100.0
Total 140 100.0 100.0
(Nguồn: kết quả phân tích – phụ lục 1)
Bảng 4.6 cho thấy tỉ lệ cạnh tranh trong ngành xây dựng ở mức rất thấp và thấp là 4.3% và 22.1% trong khi ở mức cao và rất cao là 35.7% và 18.6%, thể hiện số lượng DN cảm thấy áp lực cạnh tranh cao tương đối lớn. Điều này phù hợp với việc ngành xây dựng đang phát triển mạnh tại Tp. HCM nói riêng và Việt Nam nói chung song song với đó là ngày càng nhiều DN gia nhập ngành.
Bảng 4.7 Thống kê mô tả biến áp dụng- APPL và biến mức độ cạnh tranh-COMP
COMP * APPL Crosstabulation
APPL
Total Khong ap dung Ap dung
COMP Rat thap Count 6 0 6
% within COMP 100.0% 0.0% 100.0%
Thap Count 25 6 31
% within COMP 80.6% 19.4% 100.0%
Binh thuong Count 4 23 27
% within COMP 14.8% 85.2% 100.0%
Cao Count 3 47 50
% within COMP 6.0% 94.0% 100.0%
Rat cao Count 2 24 26
% within COMP 7.7% 92.3% 100.0%
Total Count 40 100 140
% within COMP 28.6% 71.4% 100.0%
(Nguồn: kết quả phân tích – phụ lục 2)
Bảng 4.7 cho thấy khi áp lực cạnh tranh rất thấp và thấp thì hầu như các DN không áp dụng KTQT. Ngược lại, khi áp lực cạnh tranh tăng lên ở mức cao và rất cao thì đa số các DN đều áp dụng KTQT trong hoạt động quản lý của mình. Kết quả thống kê thể hiện mối quan hệ tỷ lệ thuận giữa áp lực cạnh tranh và việc áp dụng KTQT trong quản lý của các DN được khảo sát, khi áp lực cạnh tranh càng lớn thì khả năng áp dụng KTQT càng cao
Bảng 4.8 Bảng thống kê mô tả biến CNSXTT - TECH
TECH
Frequency Percent Valid Percent Cumulative Percent
Valid Rat thap 13 9.3 9.3 9.3
Thap 42 30.0 30.0 39.3
Binh thuong 27 19.3 19.3 58.6
Cao 26 18.6 18.6 77.1
Rat cao 32 22.9 22.9 100.0
Total 140 100.0 100.0
(Nguồn: kết quả phân tích – phụ lục 1)
Bảng 4.8 cho thấy có sự chênh lệch không lớn gữa số lượng các DNXD áp dụng CNSXTT (40.5%) và các DN ít áp dụng hoặc gần như không áp dụng (39.3%). Điều này cho thấy nhiều DNXD, đặc biệt là các DN vừa và nhỏ vẫn sử dụng nhân công là chủ yếu, chưa áp dụng CNSXTT để nâng cao năng suất, biện pháp thi công. Tuy vậy, với đà phát triển của ngành xây dựng, trong những năm gần đây số lượng các DN sử dụng cơng nghệ tiên tiến, máy móc hiện đại đã xuất hiện ngày một nhiều hơn.
Bảng 4.9 Bảng thống kê mô tả biến áp dụng -APPL và biến CNSXTT-TECH
TECH * APPL Crosstabulation