Kết Quả Cronbach’S Alpha Đối Với Khả Năng Sinh Lời

Bảng 3.14 Kết quả Cronbach’s alpha đối với khả năng sinh lời

Biến quan sát

Trung bình thang đo nếu loại biến	Phương sai thang đo nếu loại biến	Tương quan biến-tổng	Cronbach's Alpha nếu loại biến
Kết quả phân tích lần 1: Cronbach’s Alpha=0.871
KNSL1	11.7975	2.343	.679	.854
KNSL2	11.6456	2.283	.755	.824
KNSL3	11.7215	2.357	.676	.855
KNSL4	11.6962	2.240	.796	.807

Có thể bạn quan tâm!

Xem toàn bộ 255 trang tài liệu này.

(Nguồn: tác giả tổng hợp từ kết quả nghiên cứu định lượng sơ bộ)

g. Đánh giá thang đo công bố báo cáo phát triển bền vững

Độ tin cậy của thang đo của nhân tố công bố báo cáo PTBV được kiểm định thông qua một lần phân tích độ tin cậy Cronbach’s Alpha như thể hiện tại Bảng

3.15. Kết quả kiểm định cho thấy hệ số Cronbach’s Ạlpha của tổng thể là 0.784>0.6; hệ số tương quan biến tổng của tất cả các biến quan sát đều lớn 0.3. Tác giả nhận định các biến quan sát đảm bảo độ tin cậy. Các biến quan sát này sẽ được dùng trong phân tích EFA ở bước tiếp theo.

Bảng 3.15 Kết quả Cronbach’s alpha đối với công bố báo cáo phát triển bền vững

Biến quan sát

Trung bình thang đo nếu loại biến	Phương sai thang đo nếu loại biến	Tương quan biến-tổng	Cronbach's Alpha nếu loại biến
Kết quả phân tích lần 1: Cronbach’s Alpha=0.784
CBTT1	17.4557	4.149	.450	.780
CBTT2	17.3924	3.831	.618	.723
CBTT3	17.4557	4.328	.398	.765
CBTT4	17.3165	3.578	.826	.657
CBTT5	17.4177	3.939	.551	.746

(Nguồn: tác giả tổng hợp từ kết quả nghiên cứu định lượng sơ bộ)

Kết quả kiểm định Cronbach’s Alpha cho thang đo trong bước nghiên cứu sơ bộ này, cho thấy các thang đo này đều có hệ số Cronbach’s Alpha > 0.6 và hệ số tương quan biến tổng > 0.3, thấp nhất là nhân tố công bố bố báo cáo PTBV với hệ số

là 0.784 và cao nhất là nhân tố cơ hội tăng trưởng với hệ số là 0.911. Như vậy không có biến quan sát nào bị loại và mô hình bao gồm 29 thang đo đảm bảo độ tin cậy.

3.3.1.2 Phân tích khám phá nhân tố EFA

Tiếp đến tác giả tiến hành kiểm định độ tin cậy và phân tích nhân tố khám phá EFA để xác định mức độ phù hợp của các thang đo như trong bảng 3.16

Bảng 3.16 Kết quả phân tích khám phá nhân tố EFA –Nghiên cứu sơ bộ

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.644
Bartlett's Test of Sphericity	Approx. Chi-Square	1.364E3
	df	406
	Sig.	.000

Trọng số nhân tố
CHTT	QDPL	QDQL	CBTT	KNSL	DDKD	QMDN
CHTT1	.929
CHTT4	.896
CHTT2	.891
CHTT3	.806
QDPL4		.942
QDPL3		.911
QDPL1		.866
QDPL2		.814
QDQL1			.891
QDQL4			.841
QDQL3			.819
QDQL2			.809
CBTT4				.901
CBTT2				.768
CBTT5				.722
CBTT3				.611

CBTT1

	.597
KNSL4		.876
KNSL2		.839
KNSL3		.794
KNSL1		.760
DDKD1			.811
DDKD4			.793
DDKD2			.725
DDKD3			.580
QMDN4				.776
QMDN1				.762
QMDN3 QMDN2				.760 .758

Với kết quả ở trên cho thấy, hệ số KMO=0,644 > 0,5, kiểm định Batlett có p- value bằng 0,000 < 0,05, phương sai trích =70,604 > 50%, các hệ số factor loading đều lớn hơn 0,5 và hệ số Eigen Value > 1. Như vậy các tiêu chuẩn khi sử dụng phân tích khám phá EFA cho thấy các nhân tố trong kết quả nghiên cứu định lượng sơ bộ đều phù hợp với tập dữ liệu nghiên cứu. Tác giả tiếp tục tiến hành bước tiếp theo nghiên cứu định lượng chính thức.

3.3.2 Nghiên cứu định lượng chính thức

3.3.2.1 Mục tiêu nghiên cứu

Mục tiêu của nghiên cứu định lượng chính thức là kiểm định lại thang đo, kiểm định lại các giả thuyết đề ra trong mô hình và các mối quan hệ trong mô hình đã đề xuất. Bước cuối cùng đó là dựa vào kết quả phân tích của mô hình để tác giả đề xuất các hàm ý nghiên cứu. Nghiên cứu thực hiện định lượng chủ yếu ở các đơn vị kinh doanh xăng dầu thuộc tập đoàn xăng dầu Việt Nam.

3.3.2.2 Thiết kế mẫu nghiên cứu

+ Xác định đối tượng thu thập dữ liệu và đối tượng khảo sát

Đối tượng thu thập dữ liệu là bao gồm tất cả các công ty kinh doanh xăng dầu trực thuộc tập đoàn xăng dầu Việt Nam với số lượng khoảng 56 công ty thành

viên. Trong điều kiện bị giới hạn về nguồn lực, nghiên cứu giới hạn là các doanh nghiệp thành viên trong nước của tập đoàn xăng dầu Việt Nam. Đối tượng khảo sát và những người giữ chức vụ chủ tịch HĐTV, giám đốc, các phó giám đốc, kế toán trưởng tại các công ty kinh doanh xăng dầu trực thuộc tập đoàn xăng dầu Việt Nam. Sở dĩ đối tượng khảo sát được lựa chọn như trên vì đây là những đối tượng nắm rất rò những thông tin cần thiết có thể cung cấp để công bố BCPTBV.

+ Kích cỡ mẫu

Do hướng lựa chọn của luận án là phân tích theo mô hình SEM đòi hỏi một mẫu lớn để tăng độ tin cậy cho kết quả (Raykov và Widaman, 1995). Hair và cộng sự (2010) đề nghị kích thước mẫu gấp 5 lần số biến quan sát của đề tài. Theo quan điểm của tác giả Tabachnick và Fidell (1989), đối với phân tích SEM kích thước mẫu 300 là tốt. Căn cứ vào các tiêu chuẩn trên, với số lượng câu hỏi trong bảng hỏi là 29, tác giả tính ra số mẫu khảo sát cần là xấp xỉ 300.

+ Phương pháp chọn mẫu

Theo Nguyễn Đình Thọ (2013) có hai phương pháp chọn mẫu trong nghiên cứu định lượng là chọn mẫu xác suất và chọn mẫu phi xác suất. Nếu một mẫu được chọn theo phương pháp xác suất (còn gọi là ngẫu nhiên) thì mẫu đó có thể đại diện cho đám đông, để kết quả nghiên cứu có tính tổng quát hóa cao hơn (Sudman, 1976). Chọn mẫu theo phương pháp phi xác suất cũng được sử dụng phổ biến trong nghiên cứu định lượng, và kết quả nghiên cứu dĩ nhiên vẫn có giá trị, tuy không cao bằng nếu mẫu được chọn ngẫu nhiên. Việc áp dụng định mức, hoặc phân tầng khi chọn mẫu sẽ khắc phục được phần nào hạn chế của phương pháp phi xác suất (Nguyễn Đình Thọ, 2013). Như đã trình bày ở trên, do hạn chế của mẫu nghiên cứu là chỉ có 56 công ty thành viên thuộc tập đoàn xăng dầu Việt Nam nên tác giả dùng kỹ thuật phân tầng theo tiêu chí quy mô của công ty thành viên thuộc tập đoàn Xăng dầu Việt Nam theo các tiêu chí tài sản, doanh thu và quy mô thị trường. Tác giả chia các công ty này thành hai nhóm. Nhóm thứ nhất, những công ty có quy mô về tài sản, doanh thu và địa bàn hoạt động rộng thì tác giả mở rộng quy mô lấy mẫu bằng cách chọn tất cả các thành viên trong Hội đồng thành viên; Ban giám đốc; Kế toán trưởng của các công ty này (có khoảng từ 3-4 thành viên). Ngược lại, nhóm thứ hai

là những công ty có quy mô nhỏ hơn, tác giả chỉ lựa chọn mẫu là Chủ tịch Hội đồng thành viên, Giám đốc và Kế toán trưởng của các công ty này (1-2 thành viên). Điều này phần nào đó sẽ khắc phục được hạn chế của phương pháp lấy mẫu của tác giả.

3.3.2.3 Quá trình khảo sát

+ Tiến hành khảo sát

Bảng hỏi khảo sát được xây dựng trên những tổng hợp từ những lý thuyết nền, tổng quan tài liệu và kết quả từ phỏng vấn chuyên gia, nghiên cứu định lượng sơ bộ như đã trình bày ở trên. Với hạn chế về thời gian và nguồn lực, số lượng doanh nghiệp thuộc tập đoàn xăng dầu, nghiên cứu này sử dụng phương pháp chọn mẫu phi xác suất có áp dụng định mức theo các thuộc tính của đặc điểm doanh nghiệp như: quy mô tài sản, quy mô số lượng nhân viên, vị trí địa lý, quy mô thị trường. Có thể nhận thấy các công ty kinh doanh xăng dầu khu vực sẽ chiếm tỷ trọng doanh thu, tài sản cũng như nhân viên lớn hơn các công ty kinh doanh xăng dầu trên địa bàn một tỉnh, hoặc giữa các công ty xăng dầu tỉnh thì các chỉ tiêu này cũng khác nhau. Các bảng hỏi được phát và thu thập bằng ba hình thức: thứ nhất là bằng tư cách cá nhân và được sự giới thiệu của chủ tịch HĐTV và giám đốc công ty xăng dầu Quảng Bình, thứ hai bằng câu hỏi điện tử thông qua email, thứ ba là bằng bưu điện do khoảng cách địa lý và giới hạn về không gian, thời gian. Cụ thể, thông qua sự giới thiệu của chủ tịch HĐTV và giám đốc công ty xăng dầu Quảng Bình, tác giả có cơ hội tiếp cận với các chủ tịch và giám đốc công ty xăng dầu khu vực các tỉnh miền Trung và Tây Nguyên thông qua hội nghị sơ kết kết quả kinh doanh xăng dầu khu vực miền Trung và Tây Nguyên được tổ chức tại Tp. Đà Nẵng. Tác giả đã có cơ hội gửi bản câu hỏi trực tiếp cho các đối tượng được phỏng vấn. Bên cạnh đó, tác giả cũng dựa trên sự giới thiệu và mối quan hệ cá nhân để có thể gặp trực tiếp một số lãnh đạo trong ban giám đốc và kế toán trưởng các công ty xăng dầu trên địa bàn miền Tây thuộc các tỉnh thành phía Nam. Ngoài ra, một số công ty có địa bàn xa, không tiếp cận trực tiếp các đối tượng để xin khảo sát thì tác giả có gửi email để xin trả lời qua email. Cuối cùng, với các đối tượng khảo sát là các cá nhân đang làm việc tại các công ty không phản hồi qua email thì tác giả cá gửi bảng

câu hỏi thông qua dịch vụ chuyển phát nhanh đường bưu điện để nhận lại kết quả khảo sát.

+ Xử lý dữ liệu

Sau khi kiểm tra dữ liệu thu thập, tác giả tiến hành mã hoá các biến. Đối với thông tin thu thập bằng dữ liệu định tính, tác giả thực hiện việc phân loại thành những mục không bị trùng lặp và không bị bỏ sót ngay từ đầu khi lập bảng hỏi, nên mã hóa các trả lời thành dạng số để nhập liệu và xử lý rất thuận tiện. Việc thiếu dữ liệu trong nhiều các nghiên cứu thực nghiệm hoặc là kết quả của các sai sót từ việc thu thập dữ liệu mà trong đó một số người trả lời đã bỏ qua một số câu hỏi không phù hợp hoặc không thể cung cấp câu trả lời, hoặc sai sót do nhập dữ liệu. Nếu thiếu dữ liệu là do sai sót của quá trình nhập liệu, thì chỉ cần nhập lại số liệu đó, việc này hoàn toàn có thể dễ dàng thực hiện. Các trường hợp thiếu dữ liệu do đáp viên bỏ sót chiếm tỷ lệ nhỏ trong tổng số phiếu trả lời được thu về, do đó tác giả đã loại bỏ các phiếu trả lời này. Kết quả thu được sau bước xử lý dữ liệu là 265 quan sát và đủ số lượng mẫu cho việc thực hiện các kỹ thuật phân tích tiếp theo.

3.2.3.4 Phân tích dữ liệu nghiên cứu

+ Mô tả mẫu nghiên cứu:

Sử dụng công cụ thống kê để mô tả đặc điểm của người trả lời như: giới tính, độ tuổi, thâm niên.

+ Phân tích thống kê mô tả

Tác giả tiến hành phân tích giá trị nhỏ nhất (min), giá trị lớn nhất (max), trung bình, phương sai và ―độ lệch chuẩn của các biến quan sát để có cái nhìn tổng quát về các thang đo được sử dụng trong mô hình.

+ Kiểm tra độ tin cậy và phân tích khám phá nhân tố

Sau khi thu thập dữ liệu từ các bảng khảo sát từ các đối tượng liên quan. Tác giả sẽ tiến hành đánh giá độ tin cậy và phân tích khám phá nhân tố của thang đo giống như các chỉ số ở nghiên cứu sơ bộ.

+ Phân tích nhân tố khẳng định CFA

Để đánh giá thang đo chính thức vẫn sử dụng hệ số Cronbach Alpha và phân tích nhân tố khám phá. Bên cạnh đó, luận án còn sử dụng phân tích nhân tố khẳng

định (Confirmatory Factor Analysis – CFA) để đánh giá mức độ phù hợp tổng hợp của các thang đo một lần nữa để chứng minh dữ liệu thu thập là phù hợp. Để phân tích CFA, luận án sử dụng chương trình AMOS. Đánh giá phân tích CFA đạt yêu cầu, Hair (2010) cho rằng chú ý các giá trị như sau:

Bảng 3.17 Các thước đo kiểm định mức độ phù hợp

STT

Thước đo	Nguồn	Kết luận
1	Mức ý nghĩa Chi bình phương (Cmin) P-value > 0,05	Hair J. và cộng sự (2006).	Mô hình đo lường (Measu rement Model) phù hợp với dữ liệu thực tế.
2	Chi bình phương điều chỉnh theo bậc tự do (Cmin/df), χ2/ d.f. ≤ 5	Schumacker và Lomax (2004); Bentler, P. M., & Bonett, D. G. (1980).
3	Chỉ số thích hợp so sánh CFI (Comparative Fit Index) CFI > 0,90; 0 < CFI < 1, càng tiến về 1 càng phù hợp	Bentler & Bonett (1980); Hu, L.T., & Bentler, P. M. (1995); Hooper và cộng sự (2008).
4	Chỉ số TLI (Tucker-Lewis Index) TLI > 0,90	Garver, N. S., & Mentzer, J. T. (1999); Hair J. và cộng sự (2005).
5	Chỉ số RMSEA (Root Mean Square Error Approximation). RMSEA < 0,05: Mô hình phù hợp tốt; RMSEA <0.08, chấp nhận; Càng nhỏ: Chỉ số tốt.	Schumacker and Lomax (2004); Hair và cộng sự (2006).

(Nguồn, tác giả tổng hợp)

+ Kiểm định mô hình cấu trúc tuyến tính

Mô hình cấu trúc tuyến tính hay còn gọi là SEM (Structural Equation Modeling) là một kỹ thuật phân tích thống kê được phát triển để phân tích mối quan hệ đa chiều giữa nhiều nhân tố trong một mô hình (Haenlein và Kaplan, 2004). Mối

quan hệ đa chiều giữa các nhân tố được biểu thị trong một loạt các phương trình hồi quy đơn hoặc bội. Kỹ thuật phân tích mô hình cấu trúc SEM sử dụng kết hợp dữ liệu định lượng và các giả định tương quan (nguyên nhân-kết quả) vào mô hình nghiên cứu. Với mô hình này, các nhà nghiên cứu có thể kiểm tra các mối quan hệ của những nhân tố trong mô hình một cách trực quan nhất. Chính vì thế, kỹ thuật này dùng để giải quyết triệt để những vấn đề sau: (1) phân tích nhiều mô hình hồi quy bội một lần; (2) phân tích hồi quy với trường hợp đa cộng tuyến; (3) phân tích đường dẫn với nhiều nhân tố phụ thuộc; (4) xây dựng mối quan hệ đa chiều giữa nhiều nhân tố trong một mô hình.

Hiện nay, các nhà nghiên cứu thường có hai cách tiếp cận khác nhau đối với mô hình SEM. Thứ nhất, cách sử dụng dựa trên hiệp phương sai (CB-SEM), sử dụng các phần mềm như EQS, AMOS,…Thứ hai, cách tiếp cận bình phương nhỏ nhất (PLS-SEM), tập trung vào việc phân tích phương sai và có thể thực hiện bằng PLS-Graph, SmartPLS,…Trong khuôn khổ nội dung luận án của mình, tác giả sử dụng theo hướng tiếp cận đầu tiên đó là CBSEM. Điều này nhằm mục đích giải quyết vấn đề xác nhận (hoặc từ chối) các giả thuyết (một tập hợp các mối quan hệ đa chiều hướng giữa các nhân tố có thể được kiểm định bởi mô hình). Phương pháp CBSEM thực hiện điều này bằng cách xác định một mô hình thông qua ý nghĩa các chỉ số tương tự như bảng 3.17.

+ Kiểm tra ước lượng mô hình bằng phương pháp Boostrap

Để kiểm định sự phù hợp của mô hình nghiên cứu cuối cùng, cần thiết phải sử dụng bộ dữ liệu độc lập với nhu hoặc cỡ mẫu ban đầu phải đảm bộ độ lớn nhất định. Trong phương pháp nghiên cứu định lượng, chúng ta thường phải phải chia mẫu thành 02 mẫu con thông qua phương pháp lấy mẫu. Mẫu con thứ nhất dùng để ước lượng các tham số mô hình và đánh giá lại mô hình bằng cách sử dụng mẫu con thứ hai: Cỡ mẫu con thứ nhất dùng để khám phá; Việc đánh giá chéo thì dùng cỡ mẫu con thứ hai (Cross-Validation).

Chỉ số đánh giá chéo CVI (Cross-Validation Index) nhằm mục đích đo sự chênh lệch giữa ma trận Covariance phù hợp trong mẫu con thứ nhất với ma trận Covariance của mẫu. Nếu kết quả chỉ số CVI nhỏ nhất thì cỏ thể đưa ra nhận định