CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.6 Kiểm định các giả thiết cần thiết trong mô hình phân tích hồi quy
Trong mô hình hồi quy có 6 yếu tố có mối quan hệ tuyến tính với Chất lượng BCTC của các DNNVV, cần thiết phải kiểm định giả thuyết về ý nghĩa của các hệ số hồi quy này để đi đến kết luận mối quan hệ và mức độ tác động của các yếu tố trên.
Giả thuyết:
H0 là: β1= β2 = β3 = β4 = β5 = β6 = 0 H1 là: β1= β2 = β3 = β4 = β5 = β6 ≠ 0 Với mức ý nghĩa α = 5%
Kiểm định giả thuyết về ý nghĩa các hệ số hồi quy, trong Bảng 4.12, các giá trị t tương ứng với sig < 0.05. Vì vậy, bác bỏ giả thuyết H0 và kết luận rằng các biến độc lập NQT (quyết định nhà quản trị), PL (chính sách pháp luật), KT (trách nhiệm của nhân viên kế toán, TA (thuế), LOGSIZE (quy mô doanh nghiệp) và LOGROE (tỷ suất lợi nhuận) có quan hệ tuyến tính với biến phụ thuộc Y (Chất lượng BCTC của các DNNVV).
4.6.2 Kiểm định giả thuyết về phương sai của sai số không đổi
Có 6 yếu tố tương ứng với 6 biến độc lập có tương quan với biến phụ thuộc Y, tuy nhiên, để kiểm tra xem ước lượng của các hệ số hồi quy có đạt hiệu quả không, kiểm định tương quan hạng Spearman được lựa chọn sử dụng với giả thuyết sau:
Giả thuyết: H0: Hệ số tương quan hạng của các biến NQT = PL = KT = LOGSIZE = TA = LOGROE = 0
Kiểm định Spearman cho mối tương quan giữa hai biến gồm 1 biến độc lập lần lượt là NQT, PL, TA, KT, LOGSIZE, LOGROE với phần dư (ký hiệu biến
"phandu”). Kết quả kiểm định cho thấy không thể bác bỏ được giả thuyết H0 do
hệ số tương quan hạng của các biến NQT, PL, TA, KT, LOGSIZE, LOGROE lần lượt là 0.36; 0.530; 0.24; 0.382; 0.411 đều có mức ý nghĩa < 0.05, riêng biến LOGSIZE có hệ số là 0.183 và có mức ý nghĩa < 0.1. Điều này cho thấy phương sai của phần dư không thay đổi (Bảng 4.13).
Bảng 4.13: Kết quả phân tích tương quan Spearman giữa các biến độc lập và biến phụ thuộc
CL NQT PL THUE KT LOGSIZE LOGROE
Spearma n's rho
CL
Correlation
Coefficient 1.000 .360** .530** .240* .382** .183 .411**
Sig. (2-
tailed) . .000 .000 .011 .000 .053 .000
N 112 112 112 112 112 112 112
NQT
Correlation
Coefficient .360** 1.000 .365** .037 .244** -.025 -.017 Sig. (2-
tailed) .000 . .000 .696 .010 .796 .856
N 112 112 112 112 112 112 112
PL
Correlation
Coefficient .530** .365** 1.000 .091 .189* -.011 .160 Sig. (2-
tailed) .000 .000 . .342 .046 .912 .091
N 112 112 112 112 112 112 112
THUE
Correlation
Coefficient .240* .037 .091 1.000 .141 .015 .140 Sig. (2-
tailed) .011 .696 .342 . .138 .878 .141
N 112 112 112 112 112 112 112
KT
Correlation
Coefficient .382** .244** .189* .141 1.000 .101 .102 Sig. (2-
tailed) .000 .010 .046 .138 . .288 .285
N 112 112 112 112 112 112 112
LOGSIZE
Correlation
Coefficient .183 -.025 -.011 .015 .101 1.000 .086 Sig. (2-
tailed) .053 .796 .912 .878 .288 . .368
N 112 112 112 112 112 112 112
LOGROE
Correlation
Coefficient .411** -.017 .160 .140 .102 .086 1.000 Sig. (2-
tailed) .000 .856 .091 .141 .285 .368 .
N 112 112 112 112 112 112 112
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
4.6.3 Kiểm định hiện tượng 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 đa cộng tuyến là chúng cung cấp cho mô hình những thông tin giống nhau rất khó tách rời ảnh hưởng của từng biến độc lập đến biến phụ thuộc. 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 không có đa cộng tuyến. Để dò tìm hiện tượng đa cộng tuyến ta phải tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai VIF (Variance inflation factor- VIF).
Kết quả đo lường ta thấy độ chấp nhận của biến đều < 10, hệ số phóng đại phương sai VIF rất thấp (<2), điều này chứng tỏ hiện tượng đa cộng tuyến không xảy ra với các biến độc lập (bảng 4.16)
4.6.4 Kiểm định về phân phối chuẩn của phần dư
Mô hình hồi quy tuyến tính chỉ thực sự phù hợp với các dữ liệu quan sát khi phần dư có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi. Cách này thực hiện bằng cách xây dựng biểu đồ Histogram và biểu đồ P– P Plot.
Kết quả trong biểu đồ tần số Histogram cho thấy một đương cong phân phối chuẩn đặt chồng lên biểu đồ tần số. Với độ lệch chuẩn Std.Dev = 0,973 và Mean = 0 (phụ lục 7), ta có thể kết luận rằng, giả thiết phân phối chuẩn có phần dư không bị vi phạm. Để củng cố cho kết luận này, chúng ta xem thêm biểu đồ P-P Plot của phần dư chuẩn hóa, các điểm quan sát không phân tán xa đường chéo kỳ vọng, nên ta có thể kết luận giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
4.6.5 Kiểm định về tính độc lập của phần dư
Đại lượng thống kê Durbin- Waston (d) có thể dùng để kiểm định tương quan của các sai số liên quan.
Giả thuyết H0: Hệ số tương quan tổng thể của các phần dư = 0.
Đại lượng d có giá trị biến thiên từ 0 đến 4. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2. Kết quả cho thấy d được chọn rơi vào miền chấp nhận giả thuyết không có tương quan chuỗi bậc nhất (d = 1.716), giá trị dU là 1.667 (tra bảng Durbin-Watson), giá trị 4 - dU là 2.33, vậy d rơi vào miền chấp nhận (bảng 4.14). Do vậy, giả định về tính độc lập của sai số không bị vi phạm.
Bảng 4.14: Kết quả chạy Durbin-Watson hình Mô Hệ sốR Hệ sốR2 Hệ số R2 - hiệu
chỉnh Sai số chuẩn
của ước lượng Durbin-Watson
1 .741a .549 .524 1.525 1.716
a. Biến độc lập: (Constant), LOGSIZE1, THUE, PL, LOGROE, KT, NQT b. Biến phụ thuộc: CL