Kiểm định thang đo thông qua phân tích nhân tố khám phá EFA

Một phần của tài liệu Nghiên cứu các nhân tố ảnh hưởng đến chất lượng hệ thống thông tin kế toán tại các doanh nghiệp nhỏ và vừa tại hà nội (Trang 47 - 50)

Chương 4: KẾT QUẢ NGHIÊN CỨU

4.3. Kiểm định thang đo thông qua phân tích nhân tố khám phá EFA

Một số tiêu chuẩn mà các nhà nghiên cứu cần quan tâm khi tiến hành phân tích nhân tố:

 Kiểm định giả thuyết các biến quan sát có tương quan với nhau trong tổng thể dựa vào hệ số KMO (Kaiser- Meyer- Olkin) và kiểm định Barlett. Phân tích nhân tố là thích hợp khi hệ số KMO ≥ 0.5 và mức ý nghĩa Barlett ≤ 0.05 (Hair và cộng sự, 2006).

 Hệ số tải nhân tố (Factor loading) ≥ 0.5 , tiến hành loại các biến quan sát có hệ số tải nhân tố ≤ 0.5 (Hair và cộng sự, 2006).

 Chọn các nhân tố có giá trị EigenValue ≥ 1 và phương sai trích được ≥ 50% (Anderson và Gerbing, 1988).

 Khác biệt về hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.

Phân tích nhân tố khám phá (EFA) cho 6 biến độc lập:

Mô hình sau khi đánh giá độ tin cậy gồm 6 biến độc lập là Sự hỗ trợ của người quản lý; Kiến thức của người quản lý; Trình độ của nhân viên kế toán; Trình độ tham gia của người sử dụng; Sự cải tiến liên tục; Quản trị rủi ro với 27 biến quan sát có ý nghĩa về mặt thống kê. Các biến độc lập này sẽ tiếp tục được đưa vào kiểm định thang đo thông qua phân tích nhân tố khám phá EFA.

Phân tích EFA cho 6 biến độc lập được thực hiện với giả thuyết H0: Các biến quan sát không có sự tương quan nhau trong tổng thể. Kết quả phân tích thu được tóm tắt như sau:

 Kiểm định Barlett: Sig = 0.000 < 5%: Bác bỏ giả thuyết H0, các biến quan sát trong phân tích EFA có tương quan với nhau trong tổng thể.

 Hệ số KMO = 0.810 > 0.5: phân tích nhân tố là cần thiết cho dữ liệu.

 Có 10 nhân tố được rút trích từ phân tích EFA với:

 Giá trị EigenValues của các nhân tố đều > 1: đạt yêu cầu.

 Giá trị tổng phương sai trích = 63.959% (> 50%): phân tích nhân tố khám phá đạt yêu cầu. Như vậy, 6 nhân tố được rút trích này giải thích cho 63.959% biến thiên của dữ liệu.

 Khác biệt về hệ số tải nhân tố của các biến quan sát giữa các nhân tố đều >

0.3 cho thấy các nhân tố có giá trị phân biệt cao.

Bảng 4.3. Bảng kết quả phân tích EFA các biến độc lập Rotated Component Matrixa

Component

1 2 3 4 5 6

SHTNQL1 .754

SHTNQL2 .730

SHTNQL3 .806

SHTNQL4 .753

SHTNQL5 .790

SHTNQL6 .800

KTNQL1 .840

KTNQL2 .828

KTNQL3 .789

KTNQL4 .774

STGNSD1 .753

STGNSD2 .761

STGNSD3 .674

STGNSD4 .739

STGNSD5 .744

TĐNVKT1 .787

TĐNVKT2 .711

TĐNVKT3 .774

SCTLT1 .768

SCTLT2 .736

SCTLT3 .605

SCTLT4 .820

SCTLT5 .883

QTRR1 .826

QTRR2 .601

QTRR3 .842

QTRR4 .752

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 6 iterations.

(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2021) Phân tích nhân tố khám phá (EFA) cho biến phụ thuộc:

Tiến hành phân tích nhân tố cho hai biến phụ thuộc Chất lượng HTTTKT bao gồm 6 biến quan sát. Kết quả phân tích EFA cho thấy:

 6 biến quan sát được nhóm thành 1 nhân tố. Hệ số tải nhân tố (Factor loading) đều > 0.5 nên chúng có ý nghĩa thiết thực.

 Mỗi biến quan sát có sai biệt về hệ số tải nhân tố đều ≥ 0.3 nên đảm bảo sự phân biệt giữa các nhân tố.

 Hệ số KMO = 0.883 > 0.5 phân tích nhân tố là cần thiết cho dữ liệu.

 Thống kê Chi-square của Kiểm định Bartlett đạt giá trị mức ý nghĩa là

0.000. Do vậy, các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể.

Phương sai trích đạt 61.452% thể hiện rằng 1 nhân tố rút ra giải thích được 61.452%

biến thiên của dữ liệu nên thang đo rút ra được chấp nhận. Rút trích nhân tố với Eigenvalue > 1 đạt yêu cầu.

Bảng 4.4. Bảng kết quả phân tích EFA biến phụ thuộc Component Matrixa

Component 1

CLHTTTKT1 .826

CLHTTTKT2 .805

CLHTTTKT3 .791

CLHTTTKT4 .744

CLHTTTKT5 .727

CLHTTTKT6 .805

Extraction Method: Principal Component Analysis.

a. 1 components extracted.

(Nguồn: Kết quả phân tích dữ liệu của tác giả, 2021) Dựa vào kết quả phân tích EFA, các nhân tố rút trích ra của các giả thuyết nghiên cứu chính đều đạt yêu cầu. Do đó, mô hình nghiên cứu sau đánh gồm 10 biến độc lập: Sự hỗ trợ của người quản lý; Kiến thức của người quản lý; Trình độ của nhân viên kế toán; Trình độ tham gia của người sử dụng; Sự cải tiến liên tục;

Quản trị rủi ro và 1 biến phụ thuộc là Chất lượng HTTTKT được chấp nhận.

Một phần của tài liệu Nghiên cứu các nhân tố ảnh hưởng đến chất lượng hệ thống thông tin kế toán tại các doanh nghiệp nhỏ và vừa tại hà nội (Trang 47 - 50)

Tải bản đầy đủ (PDF)

(89 trang)