Trên c s d li u thu th p cùng các thang đo đã đ c đánh giá, tác gi ti n hành ki m
đnh gi thuy t nghiên c u b ng cách s d ng mô hình h i qui tuy n tính b i, v i s h tr c a ph n m m th ng kê SPSS. ph c v cho các b c phân tích ti p theo b ng mô hình h i qui, ph ng pháp l y trung bình các bi n đo l ng các nhân t đã đ c s d ng đ tính giá tr cho các nhân t trong t ng thang đo khái ni m nghiên c u (Nguy n ình Th , 2011). K t qu s t o ra 4 bi n m i nh sau: bi n EFO ậ M c tiêu ho t đ ng, là giá tr trung bình c a các bi n đo l ng c a nhân t EFO, bi n RER ậ M c tiêu báo cáo, là giá tr trung bình c a các bi n đo l ng c a nhân t RER, bi n LAC ậ M c tiêu tuân th , là giá tr trung bình c a các bi n đo l ng c a nhân t LAC, và bi n ASQ là giá tr trung bình c a các bi n đo l ng khái ni m ch t l ng h th ng thông tin k toán. Ngoài ra, đ phân tích nh h ng c a m c đ ng d ng công ngh thông tin, thì bi n đnh tính m Ế đ ng d ng công ngh
thông tin s đ c l ng hóa b ng hai bi n gi (bi n dummy). Bi n PMKT, có giá tr là 1 n u m c đ ng d ng công ngh thông tin là s d ng ph n m m k toán, là 0 n u m c đ
ng d ng công ngh thông tin là Excel, Access ho c ERP. Bi n ERP, có giá tr là 1 n u m c
đ ng d ng công ngh thông tin là s d ng h th ng ERP, là 0 n u m c đ ng d ng công ngh thông tin là Excel, Access ho c ph n m m k toán. Các bi n m i này s đ c đ a vào
phân tích trong mô hình h i qui v i hai n i dung chính sau: (1) ki m đnh các gi đnh trong mô hình h i qui tuy n tính, (2) c l ng và ki m đnh mô hình h i qui tuy n tính.
nh ng k t qu phân tích t mô hình h i qui có Ủ ngh a thì nó đòi h i m t s gi đnh c n ph i đ c đ m b o. Chính vì th , tr c khi đi vào phân tích h i qui, tác gi ti n hành ki m tra m t s các gi đnh c a mô hình, bao g m: gi đnh quan h tuy n tính, gi đnh
ph ng sai các sai s không đ i, gi đnh v phân ph i chu n c a ph n d , và gi đnh không vi ph m hi n t ng đa c ng tuy n.
Gi đnh quan h tuy n tính
Gi đ nh đ u tiên c n ki m đ nh là gi a bi n đ c l p và bi n ph thu c ph i có m i quan h tuy n tính. Có nhi u cách đ ki m tra gi đnh v quan h tuy n tính, trong nghiên c u này, tác gi s d ng đ th phân tán gi a các ph n d đã đ c chu n hóa (Standardized Residuals) và giá tr d đoán chu n hóa (Standardized Predicted Values) mà mô hình h i qui tuy n tính cho ra (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
Hình 4.3. th phân tán gi a ph n ế ốỢ Ểiá ỏr d đoán mô ểửnh
K t qu x lỦ trong đ th phân tán hình 4.3 cho th y r ng, không có m i liên h nào gi a ph n d và các giá tr d đoán c a mô hình, chúng phân tán r t ng u nhiên. ng th i, ph n d phân tán trong m t vùng xung quanh đ ng th ng đi qua tung đ 0, ch không t o thành m t hình d ng nào c . T đó k t lu n đ c r ng, gi đ nh v quan h tuy n tính và
ph ng sai c a sai s không đ i trong mô hình đ c đ m b o (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
Gi đ nh ph ng sai c a sai s không đ i
Theo k t qu phân tích ph n trên đã có th k t lu n v gi đ nh ph ng sai c a sai s
không đ i, tuy nhiên, đ có thêm c s cho kh ng đnh này, tác gi đã th c hi n ki m đ nh m t l n n a b ng ki m đnh Breusch ậ Pagan v i gi thuy t đ t ra là:
H0: Ph ng sai các sai s không đ i
K t qu ki m đ nh đ c th c hi n trên ph n m m Stata th hi n b ng 4.10 cho th y giá tr P = 0.1914 (> 0.05), k t lu n ch p nh n gi thuy t H0. i u đó có ngh a là, ph ng
B ng 4.10. Ki m đ nể pể nỂ sai ẾáẾ sai s ỆểônỂ đ i
Gi đnh v phân ph i chu n c a ph n d
ki m tra gi đnh v phân ph i chu n c a ph n d , tác gi s d ng ph ng pháp xây
d ng bi u đ t n s Histogram c a ph n d chu n hóa, k t h p v i ph ng pháp so sánh
phân ph i ph n d quan sát v i phân ph i chu n k v ng b ng bi u đ P-P Plot (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
D a vào đ ng cong c a phân ph i trên bi u đ hình 4.4, có th k t lu n đ c r ng phân ph i c a ph n d là phân ph i x p x chu n v i đ l ch chu n Std. Dev = 0.987 (t c là g n b ng 1).
Hình 4.4. Bi Ố đ t n s c a ph n ế ẾểỐ n hóa . hettest
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance
Variables: fitted values of Ch t l ng HTTTKT chi2(1) = 1.71
Ngoài ra, b ng vi c quan sát m c đ các đi m th c t phân tán xung quanh đ ng th ng phân ph i chu n k v ng trên bi u đ P-P Plot hình 4.5, nh n th y r ng các đi m quan sát
không phân tán quá xa đ ng th ng phân ph i chu n k v ng. T đó có th k t lu n r ng các ph n d chu n hóa có phân ph i ti m c n phân ph i chu n. V i hai k t qu đánh giá đã
th c hi n, kh ng đnh r ng gi đnh phân ph i chu n c a ph n d không b vi ph m.
Hình 4.5. Bi Ố đ P-P Plot cho ph n ế ẾểỐ n hóa (adsbygoogle = window.adsbygoogle || []).push({});
Gi đnh không có hi n t ng đa c ng tuy n
Hi n t ng đa c ng tuy n x y ra khi các bi n đ c l p có t ng quan hoàn toàn v i
nhau. ki m tra hi n t ng đa c ng tuy n, ch s th ng dùng là h s phóng đ i ph ng
sai VIF (Variance Inflation Factor). K t qu x lý (trên Stata 12) trong b ng 4.11 cho th y r ng, h s VIF c a các bi n đ c l p đ u nh h n 2. K t qu này c ng phù h p v i h s VIF khi phân tích h i quy trong b ng 4.14. T đó k t lu n r ng, mô hình nghiên c u không x y ra hi n t ng đa c ng tuy n (Nguy n ình Th , 2011).
.vif
Variable VIF 1/VIF PMKT 1.75 0.571793 ERP 1.73 0.577558 LAC 1.39 0.717447 RER 1.32 0.759020 EFO 1.12 0.893846 Mean VIF 1.46 B ng 4.11. H s pểónỂ đ i pể nỂ sai - VIF
Trên c s k t qu ki m tra các gi đnh, tác gi có th k t lu n r ng, nghiên c u có đ đi u ki n đ s d ng mô hình h i quy b i trong vi c ki m đnh các gi thuy t nghiên c u (H1, H2) trong ch ng ti p theo.