Phân Tích Khám Phá Efa Cho Biến Phụ Thuộc “Tính Hữu Hiệu Của Hệ Thống Kiểm Soát Nội Bộ”

(Rotated component matrix) trong đó thể hiện các biến đặc trưng đều có hệ số tải nhân tố (Factor loading) lớn hơn 0.5.

Vậy bảy nhóm nhân tố độc lập được rút trích bao gồm :

Nhân tố 1: (MTKS) bao gồm các biến MTKS1, MTKS2, MTKS3, MTKS4 và MTKS5; đặt tên cho nhân tố này Môi trường kiểm soát.

Nhân tố 2: (DGRR) bao gồm các biến DGRR1, DGRR2, DGRR3, DGRR4 và DGRR5; đặt tên cho nhân tố này là Đánh giá rủi ro.

Nhân tố 3: (HDKS) bao gồm các biến HDKS1, HDKS2, HDKS3, HDKS4 và HDKS5; đặt tên cho nhân tố này là Hoạt động kiểm soát.

Nhân tố 4: (TTTT) bao gồm các biến TTTT1, TTTT2, TTTT3, TTTT4 và TTTT5; đặt tên cho nhân tố này là Thông tin và truyền thông.

Nhân tố 5: (HDGS) bao gồm các biến HDGS1, HDGS2, HDGS3, HDGS4 và HDGS5; đặt tên cho nhân tố này là Hoạt động giám sát.

4.3.2.1. Phân tích khám phá EFA cho biến phụ thuộc “Tính hữu hiệu của hệ thống kiểm soát nội bộ

Trong đề tài nghiên cứu có 1 biến phụ thuộc “Tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM” với 5 biến quan sát, kết quả phân tích EFA cho thấy tất cả các điều kiện về phân tích nhân tố khám phá đều đáp ứng, hệ số KMO = 0.794> 0.5 ; Sig. = 0,000

< 0.05; hệ số tải nhân tố > 0.5; giá trị trích Eigenvalue > 1 và tổng phương sai trích đạt khá cao 51.414 %.

Bảng 4.14 - Hệ số KMO and Bartlett's Test Kết quả kiểm định KMO

Kaiser-Meyer-Olkin Measure of Sampling

Adequacy.

0.794

Bartlett's Test of Sphericity

Approx. Chi-Square

183.944

Df

10

Sig.

0,000

Có thể bạn quan tâm!

Xem toàn bộ 141 trang tài liệu này.

(Nguồn: Phân tích dữ liệu từ SPSS)

Bảng 4.15 - Phương sai trích biến phụ thuộc


Total Variance Explained

Nhân tố

Giá trị Eigenvalues

Chỉ số sau khi trích


Tổng

Phương sai trích

Tích lũy phương sai

trích


Tổng

Phương sai trích

Tích lũy phương sai

trích

1

2.571

51.414

51.414

2.571

51.414

51.414

2

.770

15.408

66.822





(Nguồn: Phân tích dữ liệu từ SPSS)

4.3.3. Phân tích hồi quy và kiểm định giả thuyết nghiên cứu

4.3.3.1. Kiểm định về tính độc lập của phần dư

Đại lượng thống kê Durbin – Watson (d) của hàm hồi quy 1 có giá trị là 1.679

< 3, cho thấy: không có hiện tượng tự tương quan chuỗi bậc 1, hay nói cách khác: các phần dư ước lượng của mô hình độc lập, không có mối quan hệ tuyến tính với nhau.

Bảng 4.16: Kiểm định sự phù hợp của mô hình hồi quy



Mô hình


Hệ số R


Hệ số

R2


Hệ số R2 -

hiệu chỉnh

Sai số chuẩn của ước lượng

Thống kê thay đổi

Hệ số

Hệ số

2

R

sau khi đổi

Hệ số F

khi đổi

Bậc tự do 1

Bậc tự do 2

Durbin- Watson


.862a

.743

.734

.40043

.743

91.726

5

159

1.998

a Biến độc lập: (Constant) : MTKS, DGRR, HDKS, TTTT, HDGS

b Biến phụ thuộc: KSNB

(Nguồn: Phân tích dữ liệu từ SPSS)

4.3.3.2 Kiểm định sự phù hợp của mô hình hồi quy tổng thể

Kết quả cho thấy mô hình có độ phù hợp đạt yêu cầu (R2=0.743). Hệ số R2 hiệu chỉnh (Adjusted Square) trong mô hình này là 0.734 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức 73.4 %. Điều này cũng có nghĩa là có 73.4% sự biến thiên tính hữu hiệu của HTKSNB tại ĐH TDM được giải thích chung bởi 5 biến độc lập trong mô hình.

4.3.3.3 Kiểm định giả thuyết về ý nghĩa của các hệ số hồi quy

Bảng 4.17: Kết quả hồi quy



Mô hình


Hệ số hồi quy chưa chuẩn hóa


Hệ số hồi quy chuẩn

hóa


T


Sig.


Thống kê đa cộng tuyến


B


Sai số chuẩn


Beta


Độ chấp nhận

VIF

Hệ số phóng đại phương

sai


(Constant)

-1.960

.266


-7.358

.000



MTKS

.287

.039

.314

7.406

.000

.902

1.109

DGRR

.259

.040

.289

6.499

.000

.818

1.223

HDKS

.440

.049

.381

8.897

.000

.883

1.132

TTTT

.207

.051

.185

4.092

.000

.795

1.257

HDGS

.314

.050

.258

6.222

.000

.945

1.059

(Nguồn: Phân tích dữ liệu từ SPSS)

Hệ số VIF các biến độc lập <10 nên không xảy ra hiện tượng đa cộng tuyến. Các hệ số hồi quy đều lớn hơn 0, như vậy tất cả các biến độc lập đưa vào phân tích hồi quy đều tác động cùng chiều tới biến phụ thuộc. Dựa vào độ lớn của hệ số Beta, thứ tự mức độ tác động từ mạnh đến yếu của các biến độc lập tới biến phụ thuộc “Tính hữu hiệu của hệ thống KSNB” là: HDKD > MTKS > DGRR > HDGS > TTTT.

4.3.3.4 Kiểm tra các giả định mô hình hồi quy bội

Kiểm tra các giả định sau:

+ Phương sai của sai số (phần dư) không đổi

+ Các phần dư có phân phối chuẩn

+ Không có mối tương quan giữa các biến độc lập

Nếu các giả định này bị vi phạm thì các ước lượng không đáng tin cậy nữa (Hoàng Trọng - Mộng Ngọc, 2008)

(1)Kiểm định giả định phương sai của sai số (phần dư) không đổi

Bảng 4.18: Bảng phương sai của sai số không đổi



Nhân tố

Giá trị Eigenvalues

Chỉ số sau khi trích

Chỉ số sau khi xoay

Tổng cộng

% của phương

sai

% tích lũy

Tổng cộng

% của phương

sai

% tích lũy

Tổng cộng

% của phương

sai

% tích lũy

1

4.627

18.507

18.507

4.627

18.507

18.507

4.066

16.262

16.262

2

3.891

15.566

34.073

3.891

15.566

34.073

3.299

13.196

29.458

3

3.391

13.563

47.636

3.391

13.563

47.636

3.180

12.718

42.177

4

2.547

10.186

57.822

2.547

10.186

57.822

3.010

12.040

54.216

5

1.999

7.995

65.817

1.999

7.995

65.817

2.900

11.601

65.817

(Nguồn: Phân tích dữ liệu từ SPSS)

Từ kết quả bảng số liệu trên sau khi chạy Fixed number of factors ta thấy phương sai trích là 65.817% > 50% đạt yêu cầu. Với phương pháp rút trích Principal components và phép quay Varimax, có 5 yếu tố được rút trích ra từ 25 biến quan sát. Điều này cũng có nghĩa 5 yếu tố rút trích ra thể hiện khả năng giải thích được 65.817% sự thay đổi của biến phụ thuộc trong tổng thể.

Hình 4 1 Đồ thị phân bố phần dư hàm hồi quy Nguồn Phân tích dữ liệu từ 1

Hình 4.1: Đồ thị phân bố phần dư hàm hồi quy

(Nguồn: Phân tích dữ liệu từ SPSS)

Hình trên cho thấy các phần dư phân tán ngẫu nhiên quanh trục O (là quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai của phần dư không đổi.

(2) Kiểm tra giả định các phần dư có phân phối chuẩn

Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích…(Hoàng Trọng - Mộng Ngọc, 2008). Biểu đồ tần số (Histogram, Q-Q plot, P-P plot) của các phần dư (đã được chuẩn hóa) được sử dụng để kiểm tra giả định này:

Hình 4 2 Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy 2

Hình 4.2: Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy

(Nguồn: Phân tích dữ liệu từ SPSS)

Kết quả từ biểu đồ tần số P-P plot cho thấy các điểm phân tán xung quanh được kỳ vọng. Cũng cho thấy giả định phân phối chuẩn của phần dư không bị vi phạm.

Đồ thị Histogram

Hình 4 3 Biểu đồ tần số của phần dư chuẩn hóa của mô hình Nguồn Phân 3

Hình 4.3: Biểu đồ tần số của phần dư chuẩn hóa của mô hình

(Nguồn: Phân tích dữ liệu từ SPSS)

Kết quả từ biểu đồ tần số Histogram của phần dư cho thấy, phân phối của phần dư xấp xỉ chuẩn (trung bình Mean lệch với 0 vì số quan sát khá lớn, độ lệch chuẩn Std. Dev

= 0.984). Điều này có nghĩa là giả thuyết phân phối chuẩn của phần dư không bị vi phạm Kiểm định Durbin Watson = 1.998 trong khoảng [1 < D < 3] nên không có hiện

tượng tương quan của các phần dư (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008)

(3) Kiểm tra giả định không có mối tương quan giữa các biến độc lập (hiện tượng đa cộng tuyến)

Trong mô hình hồi quy bội, chúng ta có thể thêm giả thuyết là các biến độc lập không có tương quan hoàn toàn với nhau. Vì vậy, khi ước lượng mô hình hồi quy bội chúng ta phải kiểm tra giả thuyết này thông qua kiểm tra hiện tượng đa cộng tuyến. Khi mối tương quan giữa các biến độc lập khá chặt chẽ sẽ dẫn đến hiện tượng đa cộng tuyến của mô hình. Do vậy, mà chúng ta phải dò tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (VIF) ( Nguyễn Đình Thọ, 2011). Thông thường nếu R2< 0.8 và VIF của một biến độc lập nào đó > 5 hoặc hệ số Tolerance < 0.5 thì biến này không có giá trị giải thích biến thiên của biến phụ thuộc trong mô hình tuyến tính bội.

Bảng 4.16 và bảng 4.17, cho thấy hệ số R2< 0.8 và hệ số phóng đại phương sai VIF của các biến độc lập trong mô hình này đều nhỏ hơn 5 (lớn nhất là 1.257) và hệ số

Tolerance tương đối tốt (nhỏ nhất là 0.795) cho thấy không có hiện tượng đa cộng tuyến xảy ra.

(4) Mô hình hồi quy chuẩn hóa các nhân tố tác động đến tính hữu hiệu của hệ thống

KSNB tại ĐH TDM

Trọng số hồi quy được thể hiện dưới hai dạng: (1) chưa chuẩn hóa (Unstandardized estimate) và (2) chuẩn hóa (Standardized estimate). Vì trọng số hồi quy chưa chuẩn hóa, giá trị của nó phụ thuộc vào thang đo và mặt khác các biến độc lập ở đơn vị khác nhau nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng mô hình được. Trọng số hồi quy chuẩn hóa được dùng để so sánh mức độ tác động của các biến phụ thuộc vào biến độc lập. Biến độc lập nào có trọng số càng lớn có nghĩa biến đó tác động mạnh vào biến phụ thuộc

Căn cứ vào bảng 4.17, cho thấy các biến này có hệ số hồi quy dương có nghĩa là các biến này có tác động cùng chiều đến biến phụ thuộc là “Tính hữu hiệu của hệ thống KSNB tại ĐH TDM”. Từ thông số thống kê trong mô hình hồi quy, phương trình hồi quy tuyến tính bội của các nhân tố tác động đến tính hữu hiệu của hệ thống KSNB tại ĐH TDM các hệ số chuẩn hóa như sau:

KSNB = 0.314xMTKS + 0.289xDGRR + 0.381xHDKS + 0.185xTTTT +

0.258xHDGS

Như vậy, cả 05 nhân tố gồm Môi trường kiểm soát, Đánh giá rủi ro, Hoạt động kiểm soát, Thông tin và truyền thông, Giám sát đều hệ số beta chuẩn hóa dương, tức là khi MTKS, HDGS, HDKS, TTTT và DGRR càng tốt thì tính hữu hiệu của hệ thống KSNB tại ĐH TDM càng cao và ngược lại. Trong 5 nhân tố này thì nhân tố Hoạt động kiểm soát có sự ảnh hưởng mạnh nhất đến tính hữu hiệu của hệ thống KSNB tại trường chuẩn hóa = 0.381), tiếp đến là nhân tố Môi trường kiểm soát chuẩn hóa = 0.314); Đánh giá rủi ro chuẩn hóa = 0.289); Hoạt động giám sát chuẩn hóa = 0.258) và cuối cùng là Thông tin truyền thông =0.185) có tác động thấp nhất. Như vậy, giả thuyết H1, H2, H3, H4, H5 cho mô hình nghiên cứu lý thuyết chính thức được chấp nhận.

Kết quả kiểm định giả thuyết được đề xuất trong chương 3, được tóm tắt trong bảng 4.19 như sau:

Bảng 4.19: Tổng hợp kết quả kiểm định các giả thuyết nghiên cứu


Giả

thuyết

Phát biểu


Giá trị Sig.

Kết quả

kiểm định


H1

Môi trường kiểm soát có ảnh hưởng cùng

chiều đến tính hữu hiệu của hệ thống KSNB tại ĐH TDM

Sig. = 0.00<0.05


Chấp nhận


H2

Đánh giá rủi ro có ảnh hưởng cùng chiều đến tính hữu hiệu của hệ thống KSNB tại

ĐH TDM

Sig. = 0.00<0.05


Chấp nhận


H3

Hoạt động kiểm soát có ảnh hưởng cùng chiều đến tính hữu hiệu của hệ thống

KSNB tại ĐH TDM

Sig. = 0.00<0.05


Chấp nhận


H4

Thông tin và truyền thông có ảnh hưởng

cùng chiều đến tính hữu hiệu của hệ thống KSNB tại ĐH TDM

Sig. = 0.00<0.05


Chấp nhận


H5

Hoạt động giám sát có ảnh hưởng cùng chiều đến tính hữu hiệu của hệ thống

KSNB tại ĐH TDM

Sig. = 0.00<0.05


Chấp nhận

(Nguồn: Tác giả tổng hợp)

4.4. Bàn luận kết quả nghiên cứu


Thứ nhất, theo kết quả nghiên hồi quy nhân tố hoạt động kiểm soát có hệ số

chuẩn hóa = 0.381, tức là có mối quan hệ cùng chiều giữa hoạt động kiểm soát và Tính hữu hiệu của hệ thống KSNB tại ĐH TDM và có mức tác động mạnh nhất. Thực tế thị trường luôn chú trọng các quy định, nội quy, quy trình trong các hoạt động nhằm làm cho hệ thống kiểm soát hoạt động có hiệu lực và hiệu quả. Nói cách khác hoạt động kiểm soát tốt hay xấu đều có ảnh hưởng mang tính quyết định đến sự hữu hiệu của hệ thống KSNB tại nhà trường. Mặt khác, về mặt nghiên cứu, kết quả này hoàn toàn phù hợp với nhiều nghiên cứu của các tác giả, điển hình như: Sterck và cộng sự (2005); Ssuuna Pius Mawanda (2008); Angella Amudo & Eno L. Inanga (2009); Shakirat Adepeju Babatunde & Kabiru Isa Dandago (2014); Đinh Thế Hùng và cộng sự (2013); Phạm Thị Hoàng (2013); Nguyễn Thị Thu Hậu (2014); Lê Nguyễn Trường An (2017).

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 13/03/2023