CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.2. Kết quả phân tích định lượng từ mô hình nghiên cứu và giải thích kết quả
4.2.6. Phân tích hồi quy
Y = 𝜷𝟎 + 𝜷𝟏𝑿𝟏 + 𝜷𝟐𝑿𝟐 + 𝜷𝟑𝑿𝟑 + 𝜷𝟒𝑿𝟒 + 𝜀 Trong đó:
Y: Độ chính xác của thông tin tài chính
𝜷𝟎: Hằng số
𝜷𝟏, 𝜷𝟐, 𝜷𝟑, 𝜷𝟒: Hệ số hồi quy của các biến độc lập 𝑿𝟏: Chức năng và tính năng của phần mềm
𝑿𝟐: Giao diện và tính dễ sử dụng 𝑿𝟑: Chi phí và lợi ích kinh tế
𝑿𝟒: Mức độ hỗ trợ kỹ thuật từ nhà cung cấp phần mềm khi có vấn đề xảy ra 𝜺: Sai số ngẫu nhiên
b. Phân tích hồi quy
Bảng 4.7. Tổng quan mô hình
Nguồn: Kết quả phân tích dữ liệu của tác giả Dựa trên bảng phân tích “Tổng quan mô hình” có thể thấy rằng:
R = 0.724 cho thấy mối tương quan giữa các biến độc lập (HTKT, GDDU, CPLI, CNTN) và biến phụ thuộc (DCCTC) là khá mạnh. Điều này có nghĩa là mô hình hồi quy tuyến tính này có khả năng dự đoán khá tốt độ chính xác của thông tin tài chính dựa trên các yếu tố được nghiên cứu.
R²= 0.524 biểu thị rằng 52.4% sự biến thiên của biến phụ thuộc DCCTC (Độ chính xác của thông tin tài chính) có thể được giải thích bởi các biến độc lập trong mô hình. Điều này cho thấy mô hình có khả năng dự đoán khá tốt nhưng vẫn còn một phần lớn sự biến động chưa được giải thích (khoảng 47.6%).
Hệ số điều chỉnh R²= 0.512 cho thấy rằng khi điều chỉnh để phản ánh mức độ phức tạp của mô hình (số lượng biến độc lập), thì 51.2% sự biến động của DCCTC vẫn được giải thích bởi mô hình. Đây là một chỉ số tốt hơn R² khi so sánh các mô hình với số lượng biến độc lập khác nhau, và trong trường hợp này, nó không giảm quá nhiều, cho thấy mô hình đang sử dụng các biến có giá trị trong việc dự đoán.
Sai số chuẩn ước lượng = 0.50955 là thước đo của độ lệch tiêu chuẩn của sai số trong mô hình hồi quy. Sai số chuẩn nhỏ cho thấy các dự đoán của mô hình thường không
R - Hệ số tương quan đa biến
R² - Hệ số xác định
Hệ số xác định điều chỉnh
Sai số chuẩn của ước lượng
Kiểm định Durbin-Watson
0.724 0.524 0.512 0.50955 1.648
khác xa với giá trị thực tế của DCCTC.
Kiểm định Durbin-Watson = 1.648 là một chỉ số kiểm tra sự tương quan tự động của phần dư (residuals). Giá trị này nằm gần 2, cho thấy không có sự tương quan dương hay âm mạnh giữa các phần dư, tức là không có hiện tượng tự tương quan trong mô hình này. Điều này cho thấy các giả định của mô hình hồi quy không bị vi phạm, giúp kết quả đáng tin cậy hơn.
Nhìn chung, mô hình này có tính phù hợp và đáng tin cậy để sử dụng trong việc dự đoán độ chính xác của thông tin tài chính dựa trên các yếu tố như chức năng, tính năng của phần mềm kế toán, hệ thống kế toán, và chi phí lệch.
Bảng 4.8. Kiểm định F cho mức độ phù hợp của mô hình
ANOVA
Tổng phương sai df Bình phương
trung bình F Sig.
Tổng bình
phương hồi quy 43.994 4 10.999 42.361 .000
Tổng bình
phương sai số 39.984 154 0.260
Tổng cộng 83.979 158
Nguồn: Kết quả phân tích dữ liệu của tác giả Kiểm định F cho mức độ phù hợp của mô hình nghiên cứu với giả thuyết:
𝐻0: R² = 0 (Mô hình hồi quy không phù hợp) 𝐻1: R² ≠ 0 (Mô hình hồi quy phù hợp)
Giá trị F là 42.361 cho thấy sự khác biệt giữa tổng phương sai của mô hình hồi quy và phương sai còn lại của mô hình. Điều này thể hiện rằng các biến độc lập (HTKT, GDDU, CPLE, CNTN) có ảnh hưởng đáng kể đến biến phụ thuộc DCCTC.
Mức ý nghĩa Sig. = 0.000 nhỏ hơn 0.05 nên chấp nhận 𝐻1, bác bỏ 𝐻0. Cho thấy rằng mô hình hồi quy có ý nghĩa thống kê. Điều này có nghĩa là xác suất để xảy ra sai rất thấp, và có thể kết luận rằng mô hình hồi quy này phù hợp với dữ liệu.
Dựa trên kết quả kiểm định F, mô hình hồi quy với các biến độc lập HTKT, GDDU,
CPLI, CNTN có mức độ phù hợp tốt với dữ liệu. Các biến này đều có tác động đáng kể đến mức độ chính xác thông tin tài chính (DCCTC). Vì vậy, giả thuyết nghiên cứu của bạn, rằng việc sử dụng phần mềm kế toán có ảnh hưởng đến mức độ chính xác thông tin tài chính, được hỗ trợ bởi kết quả này.
Bảng 4.9. Kết quả mô hình hồi quy tuyến tính
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy đã
chuẩn
hóa t Sig.
Kiểm định đa cộng tuyến
Hệ số hồi quy
Sai số chuẩn
Hệ số hồi
quy Tolerance VIF
Hằng số - 0.094 0.333 - 0.281 0.779
CNTN 0.345 0.064 0.361 5.377 0.000 0.687 1.456 GDDU 0.372 0.083 0.259 4.493 0.000 0.928 1.078 CPLI 0.184 0.054 0.220 3.375 0.001 0.730 1.370 HTKT 0.173 0.059 0.186 2.957 0.004 0.780 1.282
Nguồn: Kết quả phân tích dữ liệu của tác giả Qua đó, mô hình hồi quy tuyến tính có thể viết được dưới dạng như sau:
DCCTC=- 0.094 + 0.345*CNTN + 0.372*GDDU + 0.184*CPLI + 0.173*HTKT + 𝜀 Bảng 4.9 cũng thể hiện các giá trị t - statistic và p-value để thể hiện ý nghĩa thống kê của mỗi hệ số. Giá trị p-value đều bé hơn 0.05 nên các hệ số đều có mức ý nghĩa thống kê ở mức ý nghĩa 5%. Điều này đồng nghĩa rằng các biến Chức năng tính năng, Giao diện và tính dễ sử dụng, Chi phí và lợi ích kinh tế và Mức độ hỗ trợ kỹ thuật đều tác động đến biến Độ chính xác của thông tin tài chính. Bên cạnh đó Các giá trị Tolerance từ 0.687 đến 0.928 đều lớn hơn 0.1 và giá trị VIF từ 1.078 đến 1.456 đều nhỏ hơn 10, cho thấy không có hiện tượng đa cộng tuyến giữa các biến độc lập. Điều này khẳng định tính ổn định và tin cậy của mô hình hồi quy.
Hình 4.1. Biểu đồ tần số Histogram
Nguồn: Kết quả phân tích dữ liệu của tác giả Qua biểu đồ histogram, có thể thấy rằng các quan sát của phần dư phân tán không xa nhau, tạo thành hình tháp với các cột sát nhau. Giá trị trung bình của phần dư (Mean) được hiển thị trên biểu đồ Histogram là -5.87E-16. Đây là một giá trị rất nhỏ, gần bằng 0, điều này cho thấy rằng phần dư trung bình của mô hình hồi quy gần như bằng không, tức là không có sự chênh lệch hệ thống trong dự đoán của mô hình.
Hình 4.2. Biểu đồ P-P Plot
Nguồn: Kết quả phân tích dữ liệu của tác giả Biểu đồ P-P Plot ở hình trên thể hiện rằng các điểm quan sát của phần dư phân tán tập trung theo một đường thẳng cố định, đường thẳng này đại diện cho phân phối của phần dư. Do đó, giả định phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.3. Biểu đồ phân tán của phần dư
Nguồn: Kết quả phân tích dữ liệu của tác giả Kết quả từ hình 4.3 cho thấy rằng phần dư đã được phân bố chuẩn hóa, dao động quanh đường tung độ 0. Điều này cho thấy giả định về quan hệ tuyến tính của mô hình không bị vi phạm. Vậy kết quả mô hình hồi quy tuyến tính thu được là đáng tin cậy và có thể sử dụng để đưa ra các nhận xét và dựa vào đó để đưa ra các giải pháp đề xuất.
Qua kết quả ở bảng 4.9, mô hình hồi quy với các hệ số hồi quy được chuẩn hóa có dạng như sau:
DCCTC = 0.361*CNTN + 0.259*GDDU + 0.220*CPLI + 0.186*HTKT + 𝜀 Dựa trên mô hình hồi quy tuyến tính với các hệ số hồi quy chuẩn hóa, kết quả có ý nghĩa như sau:
- Khi CNTN (Chất lượng nội dung tài liệu nghiên cứu) tăng 1 đơn vị, thì DCCTC (Độ chính xác thông tin tài chính) trung bình sẽ tăng 0.361 đơn vị, khi các yếu tố khác không đổi.
- Khi GDDU (Giao diện và tính dễ sử dụng) tăng 1 đơn vị, thì DCCTC trung bình sẽ tăng 0.259 đơn vị, khi các yếu tố khác không đổi.
- Khi CPLI (Chi phí và lợi ích kinh tế) tăng 1 đơn vị, thì DCCTC trung bình sẽ tăng 0.220 đơn vị, khi các yếu tố khác không đổi.
- Khi HTKT (Hỗ trợ kỹ thuật) tăng 1 đơn vị, thì DCCTC trung bình sẽ tăng 0.186 đơn vị, khi các yếu tố khác không đổi.
Điều này có nghĩa là CNTN có ảnh hưởng mạnh nhất đến DCCTC, tiếp theo là GDDU, CPLI, và HTKT. Tất cả các yếu tố này đều có tác động tích cực đến DCCTC, nghĩa là khi mỗi yếu tố tăng, độ chính xác thông tin tài chính cũng tăng lên.