Bảng 3 .8 Kết quả khảo sát các dự toán lập trong các DNSX cơ khí Việt Nam
Bảng 3.13 Mẫu nghiên cứu và tỷ lệ phản hồi của các nhóm đối tượng khảo sát
trả lời dưới 30 chiếm không quá 10%.
Bảng 3.13. Mẫu nghiên cứu và tỷ lệ phản hồi của các nhóm đối tượng khảo sátNhóm Nhóm Số bảng câu hỏi Tỷ lệ % Đã gửi Nhận về Sử dụng Khơng sử dụng Nhận về/đã gửi Sử dụng/ đã gửi NT cấp cao 150 87 71 16 58% 47,33% NQT cấp trung gian 200 110 98 12 55% 49% NQT cấp cơ sở 150 89 63 26 59,33% 42% Tổng 500 286 232 54 57,2% 46,4%
3.4.2.2. Kiểm định độ tin cậy của thang đo
Để kiểm tra độ tin cậy của các biến quan sát, nghiên cứu sử dụng hệ số Cronbach’s Alpha và hệ số tương quan biến tổng (Corrected item total correlation). Hệ số Cronbach’s Alpha là hệ số cho phép đánh giá xem nếu đưa các biến quan sát nào đó thuộc về một biến nghiên cứu (biến độc lập, biến phụ thuộc) có phù hợp khơng. Vì là nghiên cứu mới nên tiêu chuẩn kiểm định là hệ số Cronbach Alpha tối thiểu phải đạt 0,6 mới được xem là chấp nhận được (Hair và cộng sự, 2010). Tuy nhiên, Cronbach Alpha không cho biết nên giữ lại biến nào hoặc nên loại bỏ biến nào. Vì vậy, ngồi hệ số Cronbach Alpha, nghiên cứu sử dụng hệ số tương quan biến tổng (Corrected Item- Total Correlation). Hệ số này cho biến mức độ “liên kết” giữa một biến quan sát trong yếu tố với các biến cịn lại, đồng thời nó phản ánh mức độ đóng góp vào giá trị khái niệm của yếu tố của một biến quan sát cụ thể. Tiêu chuẩn để đánh giá một biến có thực sự đóng góp giá trị vào yếu tố hay không là hệ số tương quan biến tổng phải > 0,3. Nếu biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3, tức là khơng phù hợp với mơ hình nghiên cứu, nên được loại bỏ (Nunally và Burstein, 1994).
Kết quả kiểm định độ tin cậy thang đo Cronbach’s Alpha cho 5 biến độc lập (5 yếu tố:
“Áp lực cạnh tranh”, “Sự tham gia của nhà quản trị”,“Quy trình cơng nghệ sản xuất”, “Trình độ của nhân viên kế toán”, “Mức độ trang bị phương tiện hỗ trợ thu thập, xử lý, phân tích và cung cấp thông tin”) và biến phụ thuộc (“Áp dụng KTQT với việc RQĐ ngắn hạn”)
trong mơ hình nghiên cứu đều có Cronbach's Alpha > 0,8 và tất cả các biến quan sát đều có hệ số tương quan biến tổng (Corrected Item-Total Correlation) lớn hơn 0,5. Tất cả các chỉ số đều lớn hơn mức tối thiểu đảm bảo tính hội tụ, độ tin cậy và tính phân biệt của các nhân tố như đề xuất của Hair và cộng sự (2010). Điều đó chứng tỏ thang đo lường cho các biến độc lập và biến phụ thuộc là rất tốt, các biến quan sát của từng nhóm yếu tố đưa vào rất phù hợp nên đều được đưa vào phân tích ở những bước tiếp theo (Kết quả phân tích được trình bày trong Phục lục
3.11).
3.4.2.3. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá ((Exploratory Factor Analysis - EFA) là một kỹ thuật để giảm bớt dữ liệu, giúp “rút trích” từ các biến quan sát thành một hoặc một số biến tổng hợp (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Một số tiêu chuẩn khi phân tích khám phá yếu tố là hệ số KMO tối thiểu 0,5; kiểm định Barlett có p-value nhỏ hơn 0,05 (Hair và cộng sự, 2006; Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Theo kết quả phân tích từ dữ liệu, hệ số KMO khá cao (0,818 > 0,5) thể hiện tập dữ liệu nghiên cứu phù hợp để phân tích yếu tố, kiểm định Bartlett có p-value =
0.000 < 0,05 chứng tỏ các biến quan sát có tương quan với nhau trong yếu tố. Dựa vào bảng giá trị Eigenvalue (Phụ lục 3.11), những yếu tố có hệ số Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích, cho nên mơ hình giữ lại 5 yếu tố ứng với 5 biến độc lập (đúng như mơ hình nghiên cứu đề xuất); Tổng phương sai trích 71,452%> 50% nên mơ hình EFA là phù hợp. Các hệ số tải nhân tố (Factor loading)
đều lớn hơn 0,5 cho thấy các biến quan sát đều có ý nghĩa thống kê tốt và khơng có biến quan sát nào bị tải lên hai nhóm yếu tố. Như vậy, các biến độc lập và biến phụ thuộc trong mơ hình nghiên cứu đề xuất đều thoả mãn điều kiện để được đưa vào phân tích ở các bước tiếp theo.
3.4.2.4. Kết quả phân tích hồi quy và kiểm định giả thuyết nghiên cứu
Sau khi kiểm định hệ số Cronbach’s Alpha và phân tích yếu tố khám phá (EFA), nghiên cứu thực hiện kiểm định các giả thuyết được đưa ra thông qua kiểm định tương quan và hồi qui bội. Trước khi kiểm định mơ hình nghiên cứu bằng phân tích hồi quy bội, tác giả đã xem xét mối tương quan giữa các biến trong mơ hình bằng việc sử dụng hệ số Pearson’s Correlation để lượng hóa mức độ chặt chẽ của mối liên hệ giữa các biến độc lập:“Áp lực cạnh tranh”(CTR), “Sự tham gia của nhà quản trị” (NQT), “Trình độ của nhân viên kế tốn”(KTV), “Quy trình cơng nghệ sản xuất” (QTR) và “Mức độ trang bị phương tiện hỗ trợ thu thập, xử lý, phân tích và cung cấp thông tin” (CNT) với biến phụ thuộc:“Áp dụng KTQT với việc RQĐ ngắn hạn trong DN” (MAMD). Kết quả cho thấy biến phụ thuộc có
tương quan với hầu hết các biến nghiên cứu khác và có hệ số tương quan đều đạt mức ý nghĩa thống kê từ 0,146 đến 0,589 (Phụ lục 3.11).
Để tiến hành hồi quy, từ các biến quan sát, tác giả xác định các biến đại diện. Mỗi biến đại diện là trung bình của các biến quan sát của mỗi nhóm yếu tố. Kí hiệu biến phụ thuộc là MAMD, 5 biến độc lập là: CTR, NQT, KTV và QTR và CNT. Phương pháp phân tích hồi quy đa biến được sử dụng để ước lượng cho mơ hình hồi quy tổng thể:
MAMD i = β1 + β2 CTR i + β3 NQT i + β4 KTV i + β5 QTR i + β6 CNT i + Ui (1)
Trong đó Ui là sai số ngẫu nhiên đại diện cho các yếu tố khác ngồi 5 yếu tố trên mà có ảnh hưởng đến “Áp dụng KTQT với việc RQĐ ngắn hạn trong DN” (MAMD). Sau đó tác giả thực hiện kiểm định độ phù hợp của mơ hình và kiểm định các giả thuyết nghiên cứu. Kết quả trong Bảng 3.14.