CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Phương pháp nghiên cứu
3.4.3. Nghiên cứu định lượng
Phương pháp nghiên cứu định lượng áp dụng trong bước này nhằm đạt được hai mục tiêu:
(1) đánh giá giá trị của thang đo, nhằm xác định các biến quan sát có giá trị để thực hiện kiểm định các giả thuyết nghiên cứu. (2) Kiểm định các giả thuyết nghiên cứu nhằm nghiên cứu các nhân tố bên trong đơn vị ảnh hưởng đến minh bạch TTKT của đơn vị SNCL.
Mô hình nghiên cứu
Mô hình nghiên cứu đề xuất là dạng mô hình cấu trúc tuyến tính (SEM-Structual equation modeling), gồm 02 thành phần: mô hình đo lường (measurement models) và mô hình cấu trúc (structural model). Cụ thể như sau
Mô hình đo lường
Mô hình đo lường (measurement models) – trình bày mối quan hệ giữa biến đo lường (biến quan sát) với biến tiềm ẩn (các khái niệm nghiên cứu trừu tượng) mà chúng đo lường (Hair và cộng sự, 2016). Mối quan hệ này được đánh giá thông qua ba giá trị của thang đo: độ tin cậy của thang đo, giá trị hội tụ và giá trị phân biệt. Dựa vào thang đo của các khái niệm nghiên cứu trình bày ở mục 3.3.3.2, trong mô hình nghiên cứu đề xuất có chưa 09 khái niệm nghiên cứu
trừu tượng gồm: minh bạch TTKT, sự hỗ trợ của nhà lãnh đạo, sự am hiểu của kế toán trưởng, sự am hiểu của kế toán viên, mức độ đáp ứng của thiết bị phần cứng, mức độ đáp ứng của thiết bị phần mềm, mức độ đáp ứng của công nghệ truyền thông, đặc điểm văn hoá tổ chức của đơn vị, đặc điểm cơ cấu tổ chức của đơn vị. Các biến đo lường của các khái niệm nghiên cứu tiềm ẩn này kế thừa nghiên cứu trên thế giới và đều có dạng thang đo kết quả nên mô hình đo lường có dạng kết quả (Reflective).
Mối quan hệ giữa Mô hình cấu trúc
Mô hình cấu trúc (structural model) – trình bày mối quan hệ giữa các khái niệm nghiên cứu.
Mối quan hệ này được đánh giá thông qua kiểm định chấp nhận hay bác bỏ các giả thuyết trong mô hình nghiên cứu. Mô hình cấu trúc trong nghiên cứu này trình bày ở sơ đồ 3.1 là mô hình gồm nhiều biến tiềm ẩn và biến quan sát được. Trong đó gồm 05 biến nội sinh (TRANS, AM, AC, OR, ORC), 05 biến ngoại sinh (CM, HW, SW, CN, MDTC), và 01 biến kiểm soát (HTCTTT). Đặc điểm các khái niệm trong mô hình nghiên cứu đề xuất được trình bày trong bảng 3.1.
Bảng 3.1: Đặc điểm các biến trong mô hình nghiên cứu
(Nguồn: tác giả)
Phương pháp thu thập dữ liệu
Trong luận án này, phương pháp khảo sát được sử dụng để thu thập dữ liệu và lý do của việc lựa chọn này là: (1) phương pháp thu thập này phổ biến nhất trong kinh doanh hiện nay để thu thập dữ liệu khi mà nghiên cứu này không có sẵn dữ liệu thứ cấp; (2) mục đích của việc sử dụng phương pháp nghiên cứu định lượng trong nghiên cứu này là kiểm định các mối quan hệ nhân quả của các khái niệm trong mô hình nghiên cứu, do đó, dữ liệu thu thập bằng phương pháp khảo sát là dữ liệu thu thập tại một thời điểm sẽ phù hợp nhất để kiểm định các giả thuyết nghiên cứu (Nguyễn Đình Thọ, 2013).
Biến tiềm ẩn Biến quan sát được Biến nội sinh Biến ngoại sinh Biến kiểm soát
Sự minh bạch TTKT (TRANS) X X
Sự hỗ trợ của nhà lãnh đạo (CM) X X
Sự hiểu biết của kế toán trưởng (AM) X X
Sự hiểu biết của kế toán viên (AC) X X
Mức độ đáp ứng của thiết bị phần cứng (HW) X X
Mức độ đáp ứng của phần mềm (SW) X X
Mức độ đáp ứng của công nghệ truyền thông (CN) X X
Đặc điểm cơ cấu tổ chức (OR) X X
Đặc điểm của văn hóa tổ chức (ORC) X X
Mức độ tự chủ tài chính của đơn vị (MDTC) X X
Hình thức công bố thông tin của đơn vị (HTCBTT) X X
Công cụ thu thập dữ liệu là bảng câu hỏi chi tiết với các câu hỏi đóng và các trả lời được đo lường theo cấp độ thang đo Likert 07 điểm. Sử dụng thang đo Likert 07 điểm thay vì thang 05 điểm giúp tăng khả năng nắm bắt nhiều biến động hơn khi số thang điểm tăng lên (Ahire và cộng sự, 1996). Các câu trả lời với mức điểm tăng dần tương ứng với mức độ đồng ý của người trả lời từ mức 1 là “hoàn toàn không đồng ý” và đến mức 7 là “hoàn toàn đồng ý”. Riêng khái niệm đặc điểm văn hóa tổ chức của đơn vị, các câu hỏi về bao nhiêu người thì câu trả lời mức 1 là “không có ai” và đến mức 7 là “tất cả mọi người” (Van Muijen và cộng sự, 1999).
Bảng câu hỏi được thiết kế gồm có 02 phần: Phần A – Thực tế tại đơn vị: gồm các câu hỏi liên quan đến việc đánh giá minh bạch TTKT và các câu hỏi liên quan đến các nhân tố bên trong ảnh hưởng đến minh bạch TTKT của đơn vị; Phần B – Thông tin chung: chứa các câu hỏi cung cấp thông tin chung về đơn vị và thông tin của đối tượng tham gia khảo sát như loại hình đơn vị SNCL, lĩnh vực hoạt động, mức độ tự chủ tài chính của đơn vị; hình thức công bố thông tin của đơn vị; vị trí, số năm kinh nghiệm của đối tượng khảo sát… Trong đó, nhằm bảo đảm sự bảo mật thông tin cá nhân, người trả lời được quyền tùy chọn trả lời các thông tin chi tiết liên lạc như họ và tên, email, tên đơn vị công tác. Bảng câu hỏi được gửi trực tiếp, qua email, và qua survey đến các đối tượng khảo sát.
Đám đông nghiên cứu và cỡ mẫu nghiên cứu
Đơn vị phân tích: Vì mục tiêu của nghiên cứu là đánh giá mức độ minh bạch TTKT của các đơn vị SNCL tại Việt Nam hiện nay và nghiên cứu các nhân tố bên trong quan trọng ảnh hưởng đến minh bạch TTKT của các đơn vị này nên đơn vị phân tích trong nghiên cứu này là các tổ chức cung cấp TTKT, cụ thể là các đơn vị SNCL tại Việt Nam.
Đám đông nghiên cứu: Đối tượng phân tích của nghiên cứu này là minh bạch TTKT và các nhân tố bên trong tác động đến minh bạch TTKT của các đơn vị SNCL, do đó đám đông nghiên cứu là các đơn vị SNCL trên toàn lãnh thổ Việt Nam.
Khung mẫu và cỡ mẫu:
Tuy nhiên, việc xác định khung mẫu (danh sách các đơn vị SNCL tại Việt Nam) rất tốn kém, mất nhiều thời gian và đặc biệt khi nghiên cứu trong khu vực công tại Việt Nam tiếp cận các đơn vị công rất khó khăn. Chính vì vậy, phương pháp chọn mẫu phi xác suất được xem là phương pháp phù hợp nhất áp dụng trong nghiên cứu này. Cụ thể là phương pháp chọn mẫu thuận tiện kết hợp với phát triển mầm vì đối tượng nghiên cứu là tất cả đơn vị SNCL đã được xác định và đối tượng khảo sát của đơn vị SNCL rất khó tiếp cận nên phương pháp chọn mẫu này khả thi nhất.
Kích thước mẫu tối thiểu của mô hình kiểm định SEM xử lý bằng kỹ thuật PLS_SEM là gấp 10 lần số đường dẫn trong mô hình cấu trúc (Hair và cộng sự, 2016). Theo sơ đồ 3.1 (mục 3.3.2) số đường dẫn trong mô hình nghiên cứu này gồm có 16 đường dẫn vì vậy kích thước mẫu tối thiểu cần là 160 đơn vị SNCL.
Đối tượng khảo sát
Mục tiêu chính của nghiên cứu là đánh giá mức độ minh bạch TTKT và nghiên cứu các nhân tố bên trong đơn vị ảnh hưởng đến minh bạch TTKT nên đối tượng khảo sát được xác định phải là những người có kiến thức chuyên sâu, am hiểu về kế toán khu vực công đồng thời phải đang công tác tại đơn vị thì mới có thể đánh giá chính xác về thực tế tại đơn vị (Bavik, 2016; Onwuegbuzie và Leech, 2007). Đặc biệt trong các nhân tố được nhận diện từ lý thuyết thì nhân tố đặc điểm văn hóa tổ chức của đơn vị phải được đánh giá bởi người bên trong đơn vị. Kết hợp nghiên cứu của Xu (2003) và Xu và cộng sự (2003), tác giả mời đối tượng tham gia khảo sát gồm: ban lãnh đạo cấp cao của đơn vị (trưởng, phó đơn vị), kế toán trưởng, kế toán viên đang làm việc tại các đơn vị SNCL, chủ tịch công đoàn, kiểm toán nội bộ.
Các đối tượng khảo sát được lựa chọn phải đang công tác ở các đơn vị SNCL hoạt động trong nhiều lĩnh vực khác nhau như trường học, bệnh viện, tổ chức nghề nghiệp...để có thể thu thập tối đa sự hiểu biết về vấn đề nghiên cứu (Onwuegbuzie và Leech, 2007) cũng như xác định xem mô hình đề xuất có được áp dụng trên nhiều loại tổ chức và ngành nghề khác nhau hay không (Nguyen, 2014). Với cỡ mẫu tối thiểu được xác định là 160 thì phải thu thập tối thiểu 160 câu trả lời hoàn chỉnh từ các đối tượng khảo sát này, một bảng trả lời chỉ đại diện cho một đơn vị phân tích.
Xử lý dữ liệu
Công cụ xử lý dữ liệu
Mô hình nghiên cứu đề xuất là dạng mô hình cấu trúc tuyến tính (SEM-Structual equation modeling). Kỹ thuật sử dụng để xử lý dữ liệu của mô hình SEM là PLS_SEM (Partial least squares SEM) với phần mềm Smart PLS 3.2.7. Lý do lựa chọn phương pháp PLS_SEM là:
(1) PLS_SEM được sử dụng khá phổ biến trong các nghiên cứu khám phá. Các nhân tố tác động trong mô hình chính thức được xây dựng dựa trên các nghiên cứu trên thế giới kết hợp với phân tích đặc điểm đặc thù của Việt Nam. Do đó, áp dụng kỹ thuật phân tích PLS_SEM giúp khám phá các nhân tố này có thực sự tác động đến minh bạch TTKT của các đơn vị SNCL tại Việt Nam hay không.
(2) So với mô hình cấu trúc được xử lý bằng phương pháp hiệp phương sai truyền thống thì PLS có xu hướng đạt mức độ thống kê cao hơn trong các điều kiện cân bằng (Reinartz và cộng sự, 2009).
(3) Mô hình nghiên cứu phức tạp, mô hình cấu trúc gồm nhiều cấu trúc (biến tiềm ẩn) và chúng tác động qua lại nhau, đồng thời gồm nhiều mô hình đo lường trong đó mỗi cấu trúc được đo lường bằng nhiều biến quan sát. Việc sử dụng PLS_SEM cho phép xử lý đồng thời các phần tử trong tổng thể mô hình cùng một lúc thay vì ước lượng mối quan hệ riêng phần của từng cặp phần tử trong mô hình (Hair và cộng sự, 2016).
(4) Phương pháp xử lý này yêu cầu kích thước mẫu không quá lớn (Reinartz và cộng sự, 2009) vì đơn vị phân tích là đơn vị SNCL và đối tượng khảo sát đang có vị trí cao tại các đơn vị SNCL rất khó tiếp cận nên số lượng mẫu chỉ là số lượng tối thiểu.
Quy trình xử lý dữ liệu
Khi áp dụng kỹ thuật phân tích SEM, nhà nghiên cứu có thể kiểm tra mô hình đo lường và mô hình cấu trúc đồng thời (mô hình một bước- one-step modelling) hoặc riêng biệt (mô hình hai bước-two-step modelling) (Anderson và Gerbing, 1988; Baumgartner và Homburg, 1996).
Nghiên cứu này sẽ áp dụng phân tích theo mô hình hai bước vì cách xử lý này tránh diễn giải bị sai lệch dễ gặp phải khi ước lượng mô hình cấu trúc và mô hình đo lường cùng lúc (Anderson và Gerbing, 1988). Việc áp dụng kỹ thuật PLS_SEM sẽ thuận lợi cho quy trình phân tích 02 bước này. Bước đầu tiên sẽ thực hiện đánh giá mô hình đo lường và sau đó kiểm định mô hình cấu trúc.
(1) Đánh giá mô hình đo lường
Đánh giá thang đo là bước quan trọng nhất được thực hiện trước khi kiểm định mô hình đề xuất và các giả thuyết của nó (Nguyen, 2014). Đánh giá mô hình đo lường tập trung vào ba giá trị quan trọng của thang đo, đó là: độ tin cậy (reliability), giá trị hội tụ (convergent validity), và giá trị phân biệt (discriminant validity) (Hair và cộng sự, 2016). Mô hình đo lường được đánh giá theo trình tự các bước như sau:
(i) Độ tin cậy nhất quán nội bộ của thang đo
Độ tin cậy nhất quán nội bộ của thang đo (internal consistent reliability) được đánh giá bằng hai chỉ số là độ tin cậy của thang đo Cronbach alpha và độ tin cậy tổng hợp (composite reliability). Cách đánh giá độ tin cậy tổng hợp và hệ số Cronbach alpha tương tự nhau nhưng độ tin cậy tổng hợp thường xác định giá trị độ tin cậy nhất quán nội bộ cao hơn, trong khi đó Cronbach alpha thường đo lường độ tin cậy nhất quán nội bộ thận trọng hơn. Do đó, khi phân
tích và đánh giá độ tin cậy nhất quán nội bộ của thang đo, giá trị độ tin cậy thực sự nằm khoảng giữa của hai hệ số độ tin cậy này. (Hair và cộng sự, 2016).
Độ tin cậy tổng hợp nằm trong khoảng [0;1] với giá trị cao hơn thì độ tin cậy cao hơn. Giá trị ≥ 0,7 đạt mức thỏa mãn cao nhất, tuy nhiên trong nghiên cứu khám phá có thể chấp nhận giá trị nằm trong khoảng [0,6; 0,7] (Hair và cộng sự, 2016). Tương tự, hệ số Cronbach alpha ≥ 0,6 có thể chấp nhận và tốt nhất khi ≥ 0,7 (Nunnally và Bernstein, 1994).
(ii) Giá trị hội tụ
Giá trị hội tụ phản ánh mức độ hội tụ của một thang đo sử dụng để đo lường một khái niệm sau nhiều lần lặp lại. Nghĩa là nếu thực hiện đo lường sau nhiều lần thì các số đo của những lần đo lường này phải tương quan chặt chẽ với nhau (Nguyễn Đình Thọ, 2011). Trọng số tải của từng biến quan sát (outer loadings) (hay còn gọi là độ tin cậy của từng biến quan sát - indicator reliability) và phương sai trích trung bình (average variance extracted-AVE) là hai chỉ số được sử dụng phổ biến để đánh giá giá trị hội tụ của thang đo (Hair và cộng sự, 2016).
Trọng số tải (outer loading) của từng biến quan sát phải có ý nghĩa thống kê và trọng số tải được chuẩn hóa (outer loading standarded) nên từ 0,7. Khi biến quan sát có giá trị trọng số tải nằm trong khoảng (0,4; 0,7) cần xem xét loại biến quan sát đó ra khỏi thang đo. Biến quan sát này sẽ bị loại chính thức nếu việc loại biến đó làm độ tin cậy tổng hợp tăng, AVE tăng, và giá trị nội dung của thang đo không bị ảnh hưởng. Tiêu chuẩn AVE được xác định như là giá trị trung bình của các trọng số tải bình phương của các biến quan sát liên quan đến một khái niệm.
Giá trị AVE nên ≥ 0,5.
(iii) Giá trị phân biệt
Giá trị phân biệt là mức độ cấu trúc này phân biệt với các cấu trúc khác bởi các tiêu chuẩn thực nghiệm. Giá trị phân biệt đạt được khi mỗi khái niệm khác nhau được đo bởi thang đo khác nhau. Nghĩa là hệ số tương quan của hai khái niệm này phải khác 1. Đánh giá giá trị phân biệt có thể thực hiện thông qua tiêu chí Fornell_Larcker, trọng số tải chéo (cross-loadings), chỉ số HTMT (heterotrait-monotrait ratio). Trong xử lý PLS_SEM, tiêu chí HTMT được sử dụng phổ biến nhất để đánh giá giá trị phân biệt (Hair và cộng sự, 2016) với giá trị HTMT <1 và tốt nhất khi giá trị này < 0,9 (Hair và cộng sự, 2016).
(2) Kiểm tra mô hình cấu trúc
Đánh giá mô hình cấu trúc nhằm mục đích kiểm tra mối quan hệ giữa các biến nội sinh và ngoại sinh trong mô hình nghiên cứu thông qua các giả thuyết nghiên cứu đề xuất (Hair và cộng sự, 2016). Mô hình cấu trúc được đánh giá dựa trên quy trình đề xuất bởi Hair và cộng sự (2016:191) gồm 08 bước: (i) kiểm tra đa cộng tuyến; (ii) kiểm tra mức ý nghĩa và sự phù hợp
của mô hình nghiên cứu; (iii) kiểm tra mức độ R2; (iv) kiểm tra ảnh hưởng của quy mô f2; (v) kiểm tra sự phù hợp về khả năng dự báo của mô hình Q2; (vi) kiểm tra sự ảnh hưởng của quy mô q2; (vii) phân tích biến trung gian; và (viii) kiểm tra sự phù hợp của mô hình nghiên cứu.
Cụ thể:
(i) Đánh giá vấn đề đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình hồi quy bội có tương quan hoàn toàn với nhau (Nguyễn Đình Thọ, 2013). Khi hiện tượng này xảy ra sẽ dẫn đến sự không ổn định trong việc ước lượng các hệ số đường dẫn (path cofficient). Hiện tượng đa cộng tuyến được đánh giá bằng chỉ số VIF. Nếu VIF < 2 có thể khẳng định mô hình nghiên cứu hoàn toàn không xảy ra hiện tượng đa cộng tuyến, còn VIF < 5 là mức quyết định các cấu trúc dự báo xảy ra hiện tượng đa cộng tuyến nhưng vẫn chấp nhận được, và VIF > 5 bắt buộc phải xử lý hiện tượng đa cộng tuyến bằng cách gộp các cấu trúc này thành một cấu trúc đơn hoặc chuyển thành cấu trúc có bậc cao hơn (Hair và cộng sự, 2016).
(ii) Đánh giá mức ý nghĩa và sự phù hợp của các mối quan hệ trong mô hình cấu trúc
Mục đích của bước này là nhằm đánh giá mối quan hệ giữa các cấu trúc theo các giả thuyết nghiên cứu. Đầu tiên đánh giá mức ý nghĩa thống kê của các mối quan hệ thông qua mức ý nghĩa và p value. Sau đó, đánh giá sự phù hợp của các mối quan hệ giữa các biến có ý nghĩa thống kê thông qua giá trị của hệ số đường dẫn. Giá trị tiêu chuẩn của hệ số đường dẫn biến thiên trong khoảng [-1; +1], nếu hệ số đường dẫn gần giá trị 1 có nghĩa là mối quan hệ cùng chiều cao và luôn có ý nghĩa thống kê và ngược lại nếu giá trị này gần 0 thì mối quan hệ yếu và gần bằng 0 thì không có ý nghĩa thống kê (Hair và cộng sự, 2016).
(iii) Đánh giá mức độ của R2
Hệ số xác định R2 được sử dụng để đo lường khả năng dự báo của mô hình. Hệ số này trình bày sự ảnh hưởng của các biến độc lập kết hợp với nhau tác động đến biến phụ thuộc. Hay nói cách khác, mức độ biến động của biến phụ thuộc được giải thích bởi tất cả các biến độc lập có liên quan (Hair và cộng sự, 2016).
Giá trị R2 nằm trong khoảng [0; 1], với các giá trị R2 là 0,75, 0,5, hoặc 0,25 tương ứng với khả năng dự báo cao, trung bình, hoặc yếu. Thông thường R2 = 0,2 là mức chấp nhận được (Hair và cộng sự, 2011; Henseler và cộng sự, 2009). Tuy nhiên, tránh sự thiên lệch khi lựa chọn các biến độc lập không có ý nghĩa thống kê cao vào trong mô hình làm R2 tăng lên, giá trị R2 điều chỉnh (R2adj) được sử dụng để thay thế cho R2 (Hair và cộng sự, 2016).
(iv) Đánh giá ảnh hưởng của quy mô f2