CHƯƠNG 3: GIẢ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.2. Phương pháp nghiên cứu
Sơ đồ 3.1: Quy trình nghiên cứu
Nguồn: Tác giả tổng hợp
Xác định đề tài nghiên
cứu
Tổng quan đề tài nghiên
cứu
Thiết kế mô hình nghiên
cứu
Thu thập và xử lý
dữ liệu
Chạy mô hình, phân tích
đánh giá
Kết luận, kiến nghị,
hạn chế
Bước 1: Xác định đề tài nghiên cứu
Bao gồm: Tên đề tài nghiên cứu; Tính cấp thiết của đề tài nghiên cứu; Mục tiêu và câu hỏi nghiên cứu đề tài; Đối tượng và phạm vi nghiên cứu; Phương pháp nghiên cứu; Dàn bài đề tài nghiên cứu.
Nghiên cứu về những nhân tố ảnh hưởng đến chất lượng thông tin BCTC dưới góc nhìn kiểm toán của nhóm ngành CNTT với các công ty niêm yết trên Sở Giao dịch chứng khoán để đảm bảo tính mới của đề tài.
Bước 2: Tổng quan đề tài nghiên cứu
Việc nghiên cứu đề tài thực nghiệm trước đó đã trình bày ở chương 1 về các nhân tố ảnh hưởng đến chất lượng thông tin BCTC, bao gồm mẫu nghiên cứu, mô hình và kết quả nghiên cứu. Đây là cơ sở xây dựng mô hình nghiên cứu ở bước 3.
Bước 3: Thiết kế mô hình nghiên cứu
Kế thừa từ những nghiên cứu trước đó, cùng với những đặc thù của công ty ngành công nghệ thông tin, bài nghiên cứu chọn tám nhân tố như sau:
Sơ đồ 3.2: Các nhân tố nghiên cứu ảnh hưởng đến chất lượng BCTC nhóm ngành CNTT Thời gian công ty niêm yết (TIME)
Quy mô công ty (SIZE)
Quy mô hội đồng quản trị (BOARD) Tỷ lệ lợi nhuận trả cổ tức (DIV) Khả năng thanh toán (PA)
Tỷ suất sinh lời trên vốn chủ sở hữu (ROE) Tỷ lệ sở hữu vốn của cổ đông nước ngoài (FO)
Bước 4: Thu thập và xử lý dữ liệu
Ngành CNTT rất rộng và gồm nhiều doanh nghiệp thuộc đa dạng lĩnh vực nhỏ, bài nghiên cứu đã tra cứu, sàng lọc và đối chiếu các công ty thuộc lĩnh vực sau: công nghệ thông tin, viễn thông, truyền thông, xuất bản, sản xuất phần mềm và các thiết bị sản phẩm điện tử, vi tính niêm yết trên sàn chứng khoán. Sau đó tiến hành thu thập thông tin. Danh sách gồm 32 công ty nằm ở phần phụ lục.
Nghiên cứu sẽ xét trong giai đoạn năm từ 2014 đến 2023 để kết quả có mức ý nghĩa cao hơn. Công ty thành lập muộn nhất vào năm 2010, đảm bảo đủ dữ liệu cho giai đoạn nghiên cứu.
Bài nghiên cứu tổng hợp các chi tiếu chính trong Bảng cân đối kế toán và Báo cáo kết quả hoạt động kinh doanh trong BCTC đã kiểm toán từ năm 2014 đến 2023 của các DNNY nhóm ngành CNTT.
Bước 5: Chạy mô hình và phân tích kết quả nghiên cứu
• Phân tích thống kê mô tả
Phân tích thống kê mô tả là quá trình sử dụng các phương pháp thống kê để tóm tắt và mô tả các đặc điểm chính của một tập dữ liệu. Nghiên cứu được cấu trúc và tính chất của dữ liệu một cách tổng quan, đồng thời cung cấp cơ sở cho các phân tích thống kê tiếp theo để hiểu sâu hơn về mối quan hệ và ảnh hưởng của các biến lên nhau.
Sau khi thu thập dữ liệu và tính toán các biến cho mô hình, tác giả thực hiện phân tích thống kê mô tả về các quan sát trong mẫu nghiên cứu bằng cách sử dụng lệnh
"sum <biến phụ thuộc> <biến độc lập>". Đồng thời, tác giả cũng xem xét việc loại bỏ các biến có giá trị ngoại lai (Outlier) có thể tác động đến kết quả của mô hình.
• Phân tích tự tương quan
Phân tích tự tương quan là một phương pháp trong thống kê được sử dụng để khám phá mối quan hệ giữa các biến trong cùng một tập dữ liệu. Thông qua việc đo
lường độ mạnh yếu của sự tương quan giữa các cặp biến, phân tích tự tương quan giúp xác định mức độ tương tác và ảnh hưởng của mỗi biến lên nhau. Kết quả của phân tích này thường được biểu diễn qua ma trận tương quan, trong đó giá trị nằm trong khoảng từ -1 đến 1, biểu thị hướng và mức độ của mối quan hệ.
Tiến hành phân tích ma trận tương quan giữa các biến trong mô hình bằng lệnh
“pwcorr <biến phụ thuộc> <biến độc lập>, sig” và cân nhắc loại đi các biến độc lập có sự tương quan với biến phụ thuộc.
• Mô hình FEM, REM, OLS và GLS: Mô hình FEM (Fixed Effects Model), REM (Random Effects Model), OLS (Ordinary Least Squares), và GLS (Generalized Least Squares) là các phương pháp thống kê được sử dụng trong phân tích hồi quy và mô hình hóa dữ liệu.
Mô hình FEM (Fixed Effects Model): Đây là một phương pháp sử dụng trong mô hình hồi quy khi muốn kiểm soát các biến không quan sát được và giữa các đối tượng quan sát. Mô hình FEM giả định rằng các hiệu ứng của các biến không quan sát được là cố định cho từng đối tượng hoặc nhóm.
Mô hình REM (Random Effects Model): Trái ngược với FEM, mô hình REM giả định rằng các hiệu ứng của các biến không quan sát được là ngẫu nhiên và phân phối theo một cách nhất định. Điều này cho phép mô hình REM có tính khái quát hơn so với FEM, nhưng đôi khi cũng có thể dẫn đến sự mất mát hiệu suất.
OLS (Ordinary Least Squares): Đây là phương pháp phổ biến nhất trong mô hình hồi quy tuyến tính, trong đó mục tiêu là tìm ra đường hồi quy sao cho tổng bình phương của sai số là nhỏ nhất. OLS giả định rằng sai số là độc lập, đồng nhất và tuân theo phân phối chuẩn.
GLS (Generalized Least Squares): Mô hình này là một sự mở rộng của OLS, nó giảm thiểu sai số ước lượng bằng cách sử dụng các trọng số khác nhau cho các quan sát khác nhau. GLS không yêu cầu các giả định cứng nhắc như OLS và có thể xử lý các hiện tượng như sai biến và hiệu ứng vô hiệu.
Bước 6: Kết luận, kiến nghị, hạn chế.
Dựa trên kết quả của việc chạy mô hình, bài nghiên cứu sẽ tiến hành phân tích chi tiết và rút ra các kết luận quan trọng. Bằng cách này, nghiên cứu sẽ cung cấp cái nhìn tổng quan về hiệu quả và hiệu suất của các mô hình đã sử dụng, đồng thời cung cấp thông tin về mức độ ảnh hưởng của các biến quan trọng đến BCTC của các công ty ngành CNTT niêm yết trên sàn chứng khoán. Từ các kết quả và phân tích thu được, bài nghiên cứu sẽ đề xuất các giải pháp và kiến nghị cụ thể nhằm tối đa hóa chất lượng thông tin của BCTC.