Phân Tích Dữ Liệu Định Lượng Chính Thức

Đặc điểm mẫu trong PPNC định lượng sơ bộ là mẫu khảo sát là có độ tương đồng cao, về thành phần với mẫu chính càng nhiều càng tốt (Green et al, 1988 ). “Trong PPNC định lượng sơ bộ lấy mẫu thuận tiện thường được sử dụng” (Calder và cộng tsự, 1981)

Số lượng mẫu trong PPNC định lượng sơ bộ có nhiều ý kiến khác nhau, như Hunt t và tcộng tsự (1982) cho rằng mẫu nghiên cứu định lượng khoảng tt từ t12 tđến t30; theo Bolton t(1993) đề xuất số lượng mẫu dao động từ t25 t đến t 100. Còn Nguyễn Đình Thọ (2013, tr 231) “số lượng mẫu tối thiểu từ 50 và tốt hơn nếu đạt 100 khi thực hiện

tphân ttích nhân tố khám phá tEFA”

Để đáp ứng điều kiện phân tích EFA, 136 phiếu điều tra được phát ra theo phương pháp thuận tiện, thu về 128 phiếu điều tra. Trong quá trình xử lý phát hiện có 4 phiếu khảo sát bị lỗi. Những lỗi chủ yếu là chọn cùng một đáp án cho phiếu trả lời hoặc trả lời không hết. Còn lại 124 phiếu hợp lệ đủ điều kiện phân tích PPNC định lượng sơ bộ.

3.4.1.2 Phân tích định lượng sơ bộ

Các khái niệm đã đưa vào luận án đã được chứng minh trong đề tài ở các nước phát triển và đang phát triển khác. Tuy nhiên, khi nghiên cứu tại Việt Nam một nước đang phát triển với sự hội nhập kinh tế quốc tế mạnh mẽ, cần thiết phải đảm bảo độ tin cậy của các thang đo. Do dó, áp dụng kỹ thuật phân tích phù hợp trước khi đưa những thang đo này vào PPNC định lượng chính thức.

Nguyễn Đình Thọ (2013, tr 303) “Nghiên cứu định lượng sơ bộ được thực hiện bằng hai kỹ thuật phân tích là phân tích độ tin cậy và phân tích nhân tố khám phá EFA”. Đề tài này sử dụng công cụ IBM SPSS Satistic 22 để phân tích.

Phân tích độ tin cậy cronbach’Alpha

Theo Nguyễn Đình Thọ (2013, tr364) “Hệ số Cronbach alpha này giúp kiểm định tính đồng nhất của các biến quan sát trong cùng một thang đo. Chỉ số này được tính toán trước khi phân tích nhân tố khám phá EFA, với mục đích loại các biến không phù

Có thể bạn quan tâm!

Xem toàn bộ 307 trang tài liệu này.

hợp. Do đó, nâng cao độ tin cậy cho khái niệm nghiên cứu cần đo.”

Các học giả đồng ý rằng khi “Cronbach‟s alpha từ 0,8 trở lên thì thang đo là tốt; từ 0,7 đến gần 0,8 là dùng được” ( Hair và cộng sự, 2010, tr 35). Cũng có một số học giả cho rằng Cronbach‟s alpha từ 0,6 trở lên dùng được khi khái niệm thang đo lường mới hoặc bối cảnh mới đối với người được khảo sát (Peterson, 1994; Slater, 1995). Bên cạnh đó, để biến quan sát đạt yêu cầu, hệ số tương quan biến tổng phải ≥ 0,3 (Nunnally & Bernstein, 1994). Những biến có chỉ số tương quan biến tổng < 0,3 sẽ được coi là biến rác và cần được loại ra mô hình.

Phân tích EFA (Exploratory Factor Analysis)

“Phân tích nhân tố khám phá EFA nhằm đánh giá sơ bộ giá trị hội tụ, tính đơn hướng và giá trị phân biệt” (Nguyễn Đình Thọ, 2013 tr364 ). Kết quả này sau đó dùng để phân tích nhân tố CFA và phân tích mô hình đa cấu trúc SEM, do đó phương pháp rút trích Principal Axis Factoring và phép xoay Promax được áp dụng (Kline, 2005). Căn cứ để thực hiện được phân tích EFA được nhiều học giả đồng ý bao gồm:

Thứ nhất, là “chỉ số KMO (Kaiser Meyer Olkin) nhằm xét sự phù hợp của phân tích nhân tố dao động trong khoảng0 .5 ≤ KMO ≤ 1” (Hair và cộng sự, 2010, tr 65);

Thứ hai, “Kiểm định Bartlett thỏa điều kiện Sig ≤0.05. Nếu kiểm định này thỏa điều kiện (Sig ≤ 0.05), thì các biến trong tổng thể có mối tương quan với nhau” theo Hoàng Trọng và cộng sự (2008 tr 136).

Thứ ba, Hệ số tải nhân tố (Factor loading) >0.5. Theo Hair và cộng sự (2010, tr 89), “Factor loading là chỉ số đảm bảo ý nghĩa thực tiễn của EFA. Factor loading > 0.3 có nghĩa là đạt mức tối thiểu (được khuyên dùng nếu cỡ mẫu ít nhất là 350). Factor loading > 0.4 có nghĩa là quan trọng. Factor loading > 0.5 được xem là có ý nghĩa thực tế (được khuyên dùng nếu cỡ mẫu ít nhất là 100)”

Thứ tư, Thang đo chấp nhận được với điều kiện tổng phương sai trích ≥ 50%, và hệ số rút trích Eigenvalue >=1 sẽ được giữ lại, còn < 1 sẽ không đại diện được thông tin tốt hơn biến gốc.

Trong nghiên cứu luận án này, với những điều kiện trên thang đo có chỉ số Cronbach alpha của các biến phải > 0.6 và tương quan biến > 0.3 sẽ được chọn, hệ số KMO thỏa điều kiện 0.5 ≤ KMO ≤1; Kiểm định Bartlett có sig ≤ 0.05 sự khác biệt giữa các hệ số Factor Loading nhỏ hơn 0.3, hệ số tải nhân tố Factor Loading > 0.5, và từ kết kết quả xoay nhân tố, NCS tiến hành thiết kế lại mô hình chính thức và bảng câu hỏi.

3.4.2 Nghiên cứu định lượng chính thức

PPNC định lượng chính thức được tiến hành nhằm do lường mức độ ảnh hưởng của các nhân tố đến chức thực hiện KTQTCL và sự tác động đến hiệu quả của DNSX Việt Nam .

3.4.2.1 Đơn vị khảo sát

Vì giới hạn về nguồn lực nên đối tượng chọn khảo sát là các DNSX ở phía Nam như TP. HCM, Đồng Nai, Bình Dương, Long An , Bà Rịa- Vũng Tàu, Tây Ninh và An Giang. Hơn nữa, lý do tác giả chọn các tỉnh thành đại diện khu vực phía nam vì các tỉnh thành này đóng góp lớn vào sự tăng trưởng GDP của nền kinh tế. Theo thống kê của cục thống kê năm 2017, các tỉnh phía Nam bộ trong đó đóng góp 45% GDP, hơn 50% tổng giá trị sản xuất công nghiệp, kim ngạch xuất khẩu của cả nước.

3.4.2.2 Đối tượng khảo sát

Cá nhân công tác trong đơn vị sản xuất có quy mô vừa và lớn (căn cứ phân loại đơn vị vừa và lớn theo NĐ39/2018/NĐ-CP), là những người phụ trách công việc KTQT trong đơn vị. Do đó, đối tượng được nhận diện cho PPNC định tính chính thức gồm: kế toán quản trị, Kế toán tổng hợp, kế toán trưởng, giám đốc tài chính.

3.4.2.3 Kích thước mẫu

Phân tích SEM yêu cầu phải có cỡ mẫu lớn để đảm bảo có độ tin cậy (RayKov và Widaman, 1995). Nhưng hiện tại, chưa có một đề tài nào khẳng định mẫu như thế nào là lớn. Theo kinh nghiệm của Hair và cộng sự (2010) số mẫu nghiên cứu gấp 5 lần số biến quan sát.

Do đó, mô hình của luận án có 6 biến độc lập, 2 biến phụ thuộc và 38 biến quan sát. Cỡ mẫu tối thiểu theo Tabachnick và Fidell (2007) khi phân tích SEM là 300. Theo Hair và cộng sự (2010) số mẫu cần khảo sát là 190. Căn cứ vào lập luận trên PPNC định lượng của luận án khảo sát với số lượng là 301 DNSX là phù hợp.

Cách thức lấy mẫu của NCS trong đề tài này được thực hiện theo phương pháp phi xác xuất thuận tiện vì lý do sau: Thứ nhất, Theo Nguyễn Đình Thọ (2013, tr 240), “nghiên cứu định lượng đòi hỏi số lượng mẫu nhiều, việc lựa chọn theo phương pháp phi xác xuất cũng được sử dụng phổ biến, nếu trong quá trình kiểm định dữ liệu nghiên cứu vẫn thoả điều kiện thì kiểm định vẫn đóng góp vào đánh giá lý thuyết đó”. Thứ hai, NCS có thể tiếp cận và điều tra đối tượng phụ trách công tác KTQT tại DNSX thông qua mối quan hệ công việc và người quen, việc thực hiện công tác KTQT thường là vấn đề bảo mật của doanh nghiệp, nên đối tượng khảo sát rất khó tiếp cận nếu không có mối quan hệ quen biết giới thiệu. Với cách tiếp cận này, NCS nhờ các đối tượng khảo sát có thể giới thiệu thêm đồng nghiệp tại các đơn vị sản xuất khác qua đó giúp tác giả tăng mẫu trong nghiên cứu thỏa điều kiện về số lượng mẫu, đồng thời cũng tìm được đúng đối tượng khảo sát cho đề tài.

3.4.2.4 Phương pháp khảo sát

Có nhiều phương pháp khảo sát khi tiến hành nghiên cứu như phỏng vấn trực tiếp, qua điện thoại hoặc bằng thư, mỗi lựa chọn của từng phương pháp phỏng vấn đều có ưu nhược điểm riêng. Với mục đích kiểm định sự tác động của các nhân tố tác động đến thực hiện KTQTCL tác động đến thành quả. Nhằm đạt mục tiêu nghiên cứu, cũng như tăng sự phản hồi từ đáp viên, NCS chọn phỏng vấn trực tiếp thông qua bảng hỏi gửi trực tiếp cho đáp viên với tư cách cá nhân. Hơn nữa, thông tin cá nhân người trả lời được bảo mật, điều này có thể dẫn đến người trả lời có những phản hồi trung thực hơn.

3.4.2.5 Quá trình khảo sát

+ Chuẩn bị khảo sát

Trong giai đoạn tiền điều tra chính thức, bằng mối quan hệ của mình NCS đã tiến hành liên hệ với đồng nghiệp đang giảng dạy tại khoa kế toán, khoa dệt May, khoa hóa thực phẩm, khoa da giày, khoa cơ khí, trung tâm hỗ trợ trợ quan hệ doanh nghiệp trường Cao Đẳng Công Thương TP.HCM, trường ĐH Sư Phạm Kỹ Thuật TP. HCM; chi cục thuế một số địa phương; Đồng nghiệp tại các trường khác đang giảng dạy các lớp kế toán trưởng, giám đốc tài chính; Các bạn cựu sinh viên hiện đang công tác tại DNSX. Sau khi liên hệ tác giả đã nhận được sự giúp đỡ để tiến hành khảo sát. Sự hỗ trợ này đã cung cấp cho tác giả một danh sách tên và liên lạc người phỏng vấn tiềm năng. Thời gian chuẩn bị khảo sát được tác giả tiến hành từ giữa tháng 06/2018

+ Khảo sát chính thức

Được sự giúp đỡ của giảng viên giảng dạy các khoa trong trường và trung tâm quan hệ hỗ trợ doanh nghiệp trường Cao Đẳng Công Thương TP.HCM, cán bộ quản lý thuế một số địa phương ở TP. HCM, Bình Dương, Đồng Nai, Long An, và các bạn cựu sinh viên các trường Cao Đẳng Công Thương, Đại học Tài Chính Marketing, Đại học Ngân Hàng, Đại học Công Nghệ, Đại học Kinh Tế Tp.Hồ Chí Minh, ĐH Sư Phạm Kỹ Thuật TP.Hồ Chí Minh, đang làm công tác KTQT tại DNSX với số phiếu phát ra trực tiếp là 380 phiếu, số phiếu thu về sau khảo sát là 345 phiếu, khi gạn lọc một số phiếu không hợp lệ. Số phiếu tác giả thu được là 301 phiếu hợp lệ để thực hiện PPNC định lượng chính thức. Sau đó các phiếu trả lời này được mã hóa và đưa vào đánh giá dữ liệu ở các bước tiếp theo.

Thời gian khảo sát chính thức từ cuối tháng 6 đến cuối tháng 10/2018 hoàn thành.

3.4.2.6 Phân tích dữ liệu định lượng chính thức

Nguyễn đình Thọ (2013, tr 285) “Phân tích PPNC định lượng chính thức bước đầu tiên là đánh giá sơ bộ thang đo thông qua chỉ số độ tin cậy và phân tích EFA. Bước hai, phân tích CFA nhằm đánh giá độ tin cậy tổng hợp, giá trị phân biệt, hội tụ và mức độ thích hợp của thang đo so với dữ liệu. Cuối cùng, phân tích mô hình SEM được vận dụng để kiểm định sự phù hợp của mô hình và kiểm định giả thuyết”.

(1) Thống kê mô tả

Luận án sử dụng công cụ thống kê trong phần mềm hỗ trợ để đánh giá đặc điểm của đối tượng điều tra như: độ tuổi, giới tính, học vấn, vị trí, kinh nghiệm, lĩnh vực hoạt động khu vực.

(2) Đánh giá độ tin cậy của thang đo

Độ tin cậy của thang đo tương tự như mục 3.3.1.2 PPNC định lượng sơ bộ. Nghĩa là chỉ số Cronbach alpha ≥ 0.6, và tương quan biến của tổng thể < 0.3 sẽ bị loại.

(3) Phân tích EFA

Sau khi phân tích độ tin cậy của thang đo, đề tài tiến hành phân tích EFA để xác định giá trị phân biệt và hội tụ của thang đo, trong giai đoạn này sử dụng Principle Axis factoring với phép quay promax. Điều kiện để thực hiện phân tích nhân tố khám phá EFA bằng phương pháp Principle Axis factoring và phép quay promax được áp dụng tương tự mục 3.3.1.2. Với yêu cầu chỉ số KMO nằm trong khoảng 0.5≤ KMO ≤1; Kiểm định Bartlett có ý nghĩa thống kê sig<0.05; Hệ số Factor loading của mỗi nhân tố

≥0.5, chỉ số factor loading ≥0.3; Tổng phương sai trích ≥ 50%.

(4) Phân tích CFA

Phân tích CFA là bước tiếp theo khi thực hiện phân tích EFA. Trong kiểm định thang đo, Nguyễn Đình Thọ (2013, tr 296) “phân tích CFA trong phân tích mô hình SEM có nhiều ưu điểm hơn so với kỹ thuật truyền thống khác, vì phân tích CFA cho phép khi phân tích cấu trúc lý thuyết của các thang đo khái niệm nghiên cứu cũng như mối quan hệ với thang đo khác mà không bị lệch bởi sai số đo lường.”

Điều kiện để đo lường mức độ phù hợp của mô hình và dữ liệu trong phân tích CFA sử dụng các chỉ số như: Chi bình phương CMIN (Chi-square); Chỉ số CMIN/df; Hệ số TLI (Tucker và Lewis Index); Hệ số CFI; Chỉ số RMSEA; Hệ số AGFI (Chỉ số độ thích ứng phù hợp điều chỉnh); Và hệ số GFI (độ thích ứng phù hợp - Goodness of fit index).

Mô hình được coi là phù hợp khi chỉ số Chi bình phương có giá trị P- value > 5% (Nguyễn Đình Thọ, 2013, tr 296). “Hệ số chi-square có một nhược điểm là phụ thuộc vào số lượng mẫu nghiên cứu. Nếu cỡ mẫu lớn sẽ làm cho hệ số chi - Square lớn và ảnh hưởng đến kiểm định mức độ phù hợp của mô hình. Mô hình được coi là phù hợp với dữ liệu thị trường khi có các chỉ số: CMIN/df ≤ 2; TLI; CFI ≥0.9; AGFI>0.8; và RMSE ≤ 0.05.” Hair và cộng sự (2010) chỉ số GFI có thể chấp nhận được khi GFI<0.9; Chỉ số RMSEA ≤ 0.08; trong trường hợp RMSEA≤0.05 được coi là rất tốt. Chỉ số RMSEA là một chỉ số rất quan trong trong việc đánh giá mức độ phù hợp của mô hình so với tổng thể. Do đó, “CFA được dùng để kiểm tra tính đơn hướng, giá trị hội tụ, giá trị phân biệt, độ tin cậy tổng hợp, và tổng phương sai trích” (Hair et al, 2010, tr 79)

(5) Phân tích mô hình SEM

Sau khi mô hình thỏa điều kiện thích hợp trong phân tích CFA, mô hình SEM được thực hiện cho kiểm định giả thuyết. Mô hình được đánh giá với điều kiện tương tự như phân tích CFA. Hair et al (2010, tr58) cho rằng “mô hình đa cấu trúc SEM là một sự kết hợp độc đáo hoặc một phần mở rộng của phân tích đa biến như đánh giá đa nhân tố và đánh giá hồi quy. Mô hình SEM được vận dụng để ước lượng các mô hình lý thuyết đa biến. Mô hình đo lường SEM cũng chỉ rõ ảnh hưởng giữa các biến tiềm ẩn và biến quan sát, đồng thời mô hình SEM cũng chỉ rõ ảnh hưởng giữa các biến tiền ẩn với nhau”. Ngoài ra mô hình SEM cung cấp thuộc tính đo lường của biến quan sát như độ tin cậy, độ giá trị. Trong phân tích SEM có hai kỹ thuật là: PLS-SEM (partial least squares SEM) và CB-SEM (Certainly covariance based SEM). PLS-SEM được dùng tránh vấn đề liên quan đến kích thuớc mẫu nhỏ (Hair et al, 2010). Luận án này NCS sử dụng kích mẫu lớn (301 DNSX) với mục tiêu xác định các nhân tố ảnh hưởng đến thực hiện KTQTCL tác động đến hiệu quả nên NCS chọn phương pháp CB-SEM là thích hợp với đề tài này.

KẾT LUẬN CHƯƠNG 3

Chương 3 NCS đã trình bày PPNC, quy trình nghiên cứu, với mục tiêu xác định nhân tố ảnh hưởng thực hiện KTQTCL tác động hiệu quả của DNSX Việt Nam, PPNC định tính được sử dụng qua thảo luận chuyên sâu với các chuyên gia là giám đốc, kế toán trưởng, giảng viên giảng dạy và nghiên cứu về KTQT. Với công cụ thu thập là dàn bài khảo sát chuyên gia, số lượng mẫu đề tài được xác định cho đề tài này là 7 chuyên gia.

Với mục tiêu đo lường các nhân tố ảnh hưởng đến thực hiện KTQTCL tác động, tác giả sử dụng PPNC định lượng sơ bộ với 124 mẫu và PPNC định lượng chính thức với số mẫu nghiên cứu là 301. NCS dùng bảng câu hỏi khảo sát câu hỏi đóng với thang đo likert 5 điểm. Tác giả thực hiện mã hóa câu trả lời trong nghiên cứu, sau đó là kiểm định độ tin cậy cronbach alpha, phân tích EFA, phân tích CFA và cuối cùng là phân tích SEM. Chương này sẽ là cơ sở để thực hiện các bước nghiên cứu thực tế nhằm đạt được kết quả sẽ được trình bày trong Chương 4: “Kết quả nghiên cứu và bàn luận”.

Xem toàn bộ nội dung bài viết ᛨ