CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.3. Kết quả phân tích hồi quy tuyến tính và xác định tương quan
Trước khi tiến hành phân tích hồi quy, tác giả sử dụng phân tích tương quan Pearson để kiểm tra mức độ mạnh mẽ của mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu tồn tại mối tương quan chặt chẽ giữa hai biến thì cần phải xử lý vấn đề đa cộng tuyến trước khi tiến hành phân tích hồi quy ở bước tiếp theo.
Bảng 4.7 Kết quả phân tích Pearson giữa các biến Tương quan tuyến tính
AQ LS CC AI PQ CS
AQ
Hệ số tương quan 1 0.587** 0.521** 0.621** 0.663** 0.594**
Mức ý nghĩa (2 phía) 0.000 0.000 0.000 0.000 0.000
N 150 150 150 150 150 150
LS
Hệ số tương quan 0.587** 1 0.387** 0.436** 0.338** 0.371**
Mức ý nghĩa (2 phía) 0.000 0.000 0.000 0.000 0.000
N 150 150 150 150 150 150
CC
Hệ số tương quan 0.521** 0.387** 1 0.288** 0.403** 0.348**
Mức ý nghĩa (2 phía) 0.000 0.000 0.000 0.000 0.000
N 150 150 150 150 150 150
AI
Hệ số tương quan 0.632** 0.436** 0.288** 1 0.404** 0.395**
Mức ý nghĩa (2 phía) 0.000 0.000 0.000 0.000 0.000
N 150 150 150 150 150 150
PQ
Hệ số tương quan 0.663** 0.338** 0.403** 0.404** 1 0.442**
Mức ý nghĩa (2 phía) 0.000 0.000 0.000 0.000 0.000
N 150 150 150 150 150 150
CS
Hệ số tương quan 0.594** 0.371** 0.348** 0.395** 0.442** 1 Mức ý nghĩa (2 phía) 0.000 0.000 0.000 0.000 0.000
N 150 150 150 150 150 150
** Tương quan ở mức ý nghĩa 0.01 (2-tailed).
Ma trận hệ số tương quan cho thấy giá trị ý nghĩa giữa biến độc lập và biến phụ thuộc đều nhỏ hơn 0,05, thể hiện mối tương quan có ý nghĩa trong mô hình nghiên cứu. Hệ số tương quan tiến gần tới 1 thể hiện mối tương quan chặt chẽ giữa các yếu tố LS, CC, AI, PQ và CS.
4.3.2. Phân tích hồi quy tuyến tính bội
Tiến hành phân tích mô hình theo phương pháp hồi quy tuyến tính với mô hình nghiên cứu đã được đề xuất, trong đó có 5 nhân tố độc lập là các nhân tố có tác động ảnh hưởng và 1 nhân tố phụ thuộc là chất lượng kiểm toán, các biến này là đại diện trung bình của kết quả ma trận xoay và được tiếp tục phân tích. Kết quả đưa ra rằng các các biến trong các nhân tố vẫn theo đúng trình tự trong mô hình ban đầu, khẳng định mô hình phù hợp với thực tiễn nhằm tiếp tục nghiên cứu và phân tích.
Bảng 4.8 Các nhân tố được tiếp tục phân tích hồi quy tuyến tính
STT Nhân tố Biến quan sát
A Nhân tố độc lập
1 Môi trường pháp lý (LS) LS3, LS2, LS1
2 Nhân tố thuộc khách thể kiểm toán (CC) CC6, CC5, CC3, CC4, CC2, CC1 3 Tính độc lập nhóm kiểm toán viên (AI) AI1, AI3, AI2, AI4
4 Trình độ chuyên môn nghề nghiệp (PQ) PQ4, PQ1, PQ2, PQ3
5 Hệ thống kiểm soát chất lượng (CS) CS4, CS5, CS3, CS2, CS1
B Nhân tố phụ thuộc
1 Chất lượng kiểm toán (AQ) AQ4, AQ2, AQ1, AQ3
Tổng số lượng biến quan sát độc lập: 22 Tổng số lượng biến quan sát phụ thuộc: 4 Mô hình phân tích hồi quy là:
AQ = β1*LS + β2*CC + β3*AI + β4*PQ + β5*CS + ε Trong đó:
- β1, β2, β3, β4, β5 là các hệ số hồi quy chuẩn hóa - ε là sai số ngẫu nhiên
- AQ: Biến phụ thuộc
- LS, CC, AI, PQ, CS: Biến độc lập
Kết quả về kiểm định sự phù hợp của mô hình:
4.3.2.1. Đánh giá sự phù hợp của mô hình:
Bảng 4.9 Đánh giá độ phù hợp mô hình
Mô
hình R R Square R2 điều chỉnh
Ước lượng độ
lệch chuẩn Durbin-Watson
1 0.846a 0.716 0.706 0.31061 2.078
Từ kết quả bảng 4.9, giá trị R2 điều chỉnh là 0.706, tương đương 70.6%. Hiểu được rằng các nhân tố độc lập trong mô hình nghiên cứu khi thực hiện phân tích hồi quy tuyến tính, các nhân tố đó có mức độ ảnh hưởng khoảng 70.6% với chất lượng kiểm toán BCTC. Đánh giá rằng mô hình có thể chấp nhận được với giá trị kết quả.
Chỉ số Durbin-Watson trong bảng kết quả 4.14 đạt giá trị d=2.078 là khoảng mức chấp nhận được, không bị trường hợp tự tương quan giữa các phần dư dẫn đến việc ảnh hưởng đến giả thuyết nghiên cứu. Hiểu được rằng dữ liệu thu thập được trong quá trình nghiên cứu đã đáp ứng được điều kiện phù hợp.
4.3.2.2. Kiểm định mức độ phù hợp của mô hình:
Bảng 4.10 Kiểm định ANOVA ANOVAa
Giá trị
Tổng bình phương
Bậc tự do (df)
Trung bình bình
phương F
Mức ý nghĩa
(Sig) 1
Tương quan 35.065 5 7.013 72.688 .000b
Phần dư 13.893 144 0.096
Tổng 48.958 149
Trong bảng ANOVA 4.15 về đánh giá độ phù hợp của mô hình nghiên cứu, hệ số F=72.688 và mức ý nghĩa Sig = 0.000 < 0.05, do đó mô hình hồi quy tuyến tính đã xây dựng phù hợp với tổng thể và có thể sử dụng được.
4.3.2.3. Kết quả phân tích hồi quy và mức độ ảnh hưởng
Kết quả phân tích hồi quy ở bảng 4.11 cho thấy, Giá trị Beta ở Hệ số điều chỉnh của 5 nhân tố đều lớn hơn 0, chứng tỏ tất cả các biến độc lập đều ảnh hưởng dương lên biến phụ thuộc. Tất cả các biến đều có mức ý nghĩa (Sig) nhỏ hơn 0.05 chứng tỏ các nhân tố trong mô hình phù hợp và có ý nghĩa thực tiễn trong đời sống.
Bảng 4.11 Kết quả phân tích hồi quy tuyến tính
Thành phần
Hệ số chưa điều chỉnh
Hệ số điều
chỉnh Giá trị T
Mức ý nghĩa
Thống kê Đa cộng tuyến
B Độ lệch chuẩn Beta Dung sai VIF
Hằng
số 0.284 0.207 1.373 0.172
LS 0.179 0.042 0.225 4.278 0.000 0.710 1.407 CC 0.135 0.045 0.154 3.002 0.003 0.751 1.331 AI 0.230 0.046 0.265 5.016 0.000 0.708 1.412 PQ 0.260 0.043 0.326 6.091 0.000 0.689 1.452 CS 0.168 0.043 0.208 3.944 0.000 0.708 1.412 Phương trình hồi quy tuyến tính bội:
AQ = 0.225*LS + 0.154*CC + 0.265*AI + 0.326*PQ + 0.208*CS + ε Trong đó:
Biến phụ thuộc:
AQ: Chất lượng kiểm toán BCTC
Biến độc lập:
LS: Môi trường pháp lý
CC: Nhân tố thuộc về khách thể kiểm toán AI: Tính độc lập của nhóm kiểm toán viên PQ: Trình độ chuyên môn nghề nghiệp
CS: Hệ thống kiểm soát chất lượng của công ty kiểm toán
4.3.2.4. Xác định hiện tượng đa cộng tuyến
Hiện tượng đa cộng tuyến phát sinh khi có mối tương quan cao giữa các biến độc lập, có khả năng làm sai lệch kết quả kiểm tra và thổi phồng tầm quan trọng của kết quả nghiên cứu. Hệ số phương sai (VIF) được sử dụng để đánh giá hiện diện đa cộng tuyến. Theo kết quả trình bày ở bảng 4.16, các giá trị VIF nằm trong khoảng từ 1,331 đến 1,452, tất cả đều nhỏ hơn 2. Điều này cho thấy hiện tượng đa cộng tuyến không tồn tại do không có mối tương quan đáng kể giữa các biến độc lập trong mô hình nghiên cứu.