Nội Dung Thực Hiện Nghiên Cứu Định Lượng

Theo Angella Amudo & Eno L. Inaga (2009) đây là nhân tố quan trọng tác động đến tính hữu hiệu của hệ thống KSNB trong đơn vị. Để kiểm tra, đánh giá việc thực hiện nhiệm vụ của mỗi cán bộ được phân công, thể hiện tính kỷ luật, tuân thủ các quy định của pháp luật, văn bản hướng dẫn của ngành và đạo đức về cách ứng xử, tinh thần trách nhiệm của công việc; mỗi cán bộ phải đảm bảo thực hiện những nhiệm vụ cụ thể mà Ban Lãnh đạo đã đề ra. Nhà quản lý đóng vai trò vô cùng quan trọng trong nhân tố môi trường kiểm soát của hệ thống kiểm soát nội bộ. Môi trường kiểm soát chính là điều kiện tiên quyết, nền tảng cho hệ thống kiểm soát nội bộ đơn vị hoạt động. Kết quả của nhiều tác giả như Moorim, A. C. V. P., Inácio, H., & Vieira, E. (2018), Mohamed, M.

M. (2018) cũng đồng tình với quan điểm này.

Từ những phân tích trên tác giả xây dựng giả thuyết nghiên cứu như sau:

Giả thuyết H1: Môi trường kiểm soát có tác động cùng chiều (+) đến tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM.

3.3.1.2 Đánh giá rủi ro

Nghiên cứu của Sterck và cộng sự (2005) chỉ ra rằng các doanh nghiệp nói chung và các đơn vị hành chính sự nghiệp thuộc khu vực công nói riêng cần phân tích, đánh giá một cách đầy đủ các rủi ro liên quan đến hoạt động của đơn vị. Cần xây dựng một quy trình giám sát chặt chẽ các rủi ro và có kế hoạch đối phó trong các trường hợp có sự biến động đột ngột về cơ cấu tổ chức, chính sách cũng như những biến động của nền kinh tế. Việc đánh giá rủi ro không nên mang tính chất chủ quan, cảm tính như vậy sẽ ảnh hưởng tiêu cực đến hệ thống kiểm soát nội bộ của đơn vị.

Các tác giả như Vijayakumar, A. N., & Nagaraja, N. (2012); Babatunde, S. A. (2013); Abdulkadir, H. S. (2014) khi nghiên cứu về tính hữu hiệu trong hệ thống tổ chức nội bộ của các tổ chức cũng cho rằng đây là nhân tố quan trọng ảnh hưởng đến tính hữu hiệu của hệ thống KSNB.

Từ những phân tích trên tác giả xây dựng giả thuyết nghiên cứu như sau:

Giả thuyết H2: Đánh giá rủi ro có tác động cùng chiều (+) đến tính hữu hiệu của hệ thống KSNB tại các KBNN trường ĐH TDM.

3.3.1.3 Hoạt động kiểm soát

Có thể bạn quan tâm!

Xem toàn bộ 141 trang tài liệu này.

Theo INTOSAI 2013 hoạt động kiểm soát bao gồm sự phân công, phân nhiệm giữa các cấp xét duyệt nghiệp vụ và những người thực hiện nghiệp vụ cần được quy định rõ ràng trong văn bản theo hướng dẫn của ngành, hoặc theo quy định của đơn vị. Bên cạnh

đó cũng rất cần đảm bảo tính độc lập giữa tính năng thực hiện và tính năng kiểm soát, tốt nhất thì một công việc đảm bảo phải được kiểm soát ít nhất từ hai người trở lên.

Kết quả nghiên cứu của Moorim, A. C. V. P., Inácio, H., & Vieira, E. (2018), Mohamed, M. M. (2018) hay nghiên cứu của Phạm Huyền Trang (2017) cũng cung cấp bằng chứng thực nghiệm cho thấy có sự tác động tích cực giữa nhân tố này đến tính hữu hiệu của hệ thống KSNB.

Từ những phân tích trên tác giả xây dựng giả thuyết nghiên cứu như sau:

Giả thuyết H3: Hoạt động kiểm soát có tác động cùng chiều (+) đến tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM.

3.3.1.4 Thông tin và truyền thông

Nghiên cứu của Vijayakumar, A. N., & Nagaraja, N. (2012) cho thấy thông tin và truyền thông có tác động tích cực đáng kể đến hiệu quả hoạt động của tổ chức. Thông tin bao gồm thông tin bên ngoài và thông tin bên trong tổ chức đan xen với nhau. Thông tin sử dụng thường thể hiện dưới dạng văn bản, chứng từ hoặc các thông tin trong nội bộ, các kênh thông tin khác thể hiện dưới nhiều hình thức khác nhau (truyền miệng, báo đài, tạp chí,..). Mặt khác, một tổ chức cũng như các bộ phận, cá nhân đều có quan tâm đến các nguồn thông tin, nhất là các văn bản pháp luật của đơn vị hoặc các thông tin nội bộ liên quan đến các hoạt động của đơn vị. Thông tin thì đa chiều, đa nguồn, có thể có giá trị ít hay nhiều hoặc không giá trị với các cá nhân, bộ phận khác nhau trong đơn vị. Do đó, công tác sàng lọc, phân loại, xử lý thông tin trung thực là hết sức quan trọng, đòi hỏi người thực hiện phải nhạy bén, có năng lực tốt để xác định đâu là thông tin cần thiết, đâu là thông tin tham khảo, đâu là thông tin rác… và gửi đến đúng người có nhu cầu sử dụng. Thông tin và truyền thông càng hữu hiệu càng nâng cao tính hữu hiệu của hệ thống KSNB trong tổ chức.

Từ những phân tích trên tác giả xây dựng giả thuyết nghiên cứu như sau:

Giả thuyết H4: Thông tin và truyền thông có tác động cùng chiều (+) đến tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM.

3.3.1.5 Hoạt động giám sát

Ban lãnh đạo các đơn vị hành chính sự nghiệp luôn mong muốn HTKS của đơn vị hoạt động hữu hiệu, theo tổ chức INTOSAI 2013 để thực hiện điều này đơn vị cần kiểm tra, giám sát xem nó đang được vận hành như thế nào, các thủ tục kiểm soát đặt ra có phù hợp, có được mọi người hiểu đúng và tuân thủ hay không, trong quá trình thực hiện,

có phát hiện bổ sung thêm những gì hoặc cần phải thay đổi những gì cho phù hợp với những thay đổi về mục tiêu của đơn vị.

Các nghiên cứu trước đây liên quan đến tính hữu hiệu của hệ thống kiểm soát nội bộ như Moorim, A. C. V. P., Inácio, H., & Vieira, E. (2018), Mohamed, M. M. (2018), Lê Đoàn Minh Đức, Hà Hữu Phước, Nguyễn Cao Ngọc Thảo (2016) cũng cho thấy giám sát có ảnh hưởng đến tính hữu hiệu của hệ thống kiểm soát nội bộ trong tổ chức.

Từ những phân tích trên tác giả xây dựng giả thuyết nghiên cứu như sau:

Giả thuyết H5: Hoạt động giám sát có tác động cùng chiều (+) đến tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM.

3.3.2. Mô hình nghiên cứu

Căn cứ vào kết quả thảo luận nhóm ở phương pháp nghiên cứu định tính cũng như căn cứ vào 5 yếu tố cấu thành nên hệ thống KSNB theo hướng dẫn của INTOSAI 2013, tác giả đưa ra mô hình nghiên cứu chính thức như Hình 3.2. Trong đó, biến phụ thuộc là Tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM và 5 biến độc lập bao gồm: Môi trường kiểm soát; Đánh giá rủi ro; Hoạt động kiểm soát; Thông tin và truyền thông; Hoạt động giám sát.

Môi trường kiểm soát

Đánh giá rủi ro

Hoạt động kiểm soát

Tính hữu hiệu của hệ thống KSNB tại

trường ĐH TDM

Thông tin và truyền thông

Hoạt động giám sát

Sơ đồ 3.2-Mô hình nghiên cứu đề xuất

(Nguồn: Tác giả tự xây dựng)

3.4. Nội dung thực hiện nghiên cứu định lượng

3.4.1. Thiết kế mẫu và thu thập dữ liệu

Đối tượng khảo sát để thu thập dữ liệu sơ cấp của đề tài là: CB-GV-NV đang công tác tại trường ĐH TDM, bao gồm:

Mô hình nghiên cứu trên có 5 biến độc lập và 1 biến phụ thuộc với 30 thang đo (hay còn gọi là biến quan sát). Các biến quan sát sử dụng thang đo Likert 5 mức độ để đo lường. Về kích thước mẫu, theo J.F Hair và cộng sự (1998) đối với phân tích nhân tố khám phá EFA thì cỡ mẫu phải tối thiểu năm lần các mệnh đề trong thang đo. Trong nghiên cứu này, có tất cả là 30 biến quan sát dùng trong phân tích nhân tố, do vậy cỡ mẫu tối thiểu cần đạt là: 30*5 = 150 quan sát. Đối với hồi quy đa biến thì cỡ mẫu tối thiểu được tính bằng công thức: 50 + 8*m (m là số biến độc lập). Trong nghiên cứu này có 6 biến độc lập thì cỡ mẫu tối thiểu là: 50 + 8*5 = 90 quan sát. Tổng hợp cả hai yêu cầu trên, kích thước mẫu tối thiểu được yêu cầu là 150 quan sát.

Việc thu thập dữ liệu thông qua phỏng vấn bằng bảng câu hỏi. Bảng câu hỏi sẽ được tác giả gửi đi với hình thức phát bảng câu hỏi đã được in sẵn trực tiếp đến người được khảo sát và nhận lại kết quả sau khi hoàn tất.

Có tất cả 200 bảng câu hỏi được gửi trực tiếp đến các đối tượng khảo sát trong nghiên cứu. Kết quả thu về có 178 phiếu, trong đó có 13 bảng câu hỏi đã bị loại do bỏ trống nhiều câu hoặc không trả lời, trả lời không phù hợp. Sau khi kiểm tra và loại bỏ, số lượng bảng câu hỏi phù hợp chính thức được sử dụng để tiến hành nhập liệu nhằm phân tích còn lại 165 bảng câu hỏi (lớn hơn mầu tối thiểu 150), đạt tỷ lệ 82.5 % so với tổng số bảng câu hỏi gửi đi (Xem Bảng câu hỏi khảo sát ở Phụ lục 3 và Danh sách cá nhân được khảo sát ở Phụ lục 4).

3.4.2. Phân tích dữ liệu

Sau khi được thu thập, các bảng trả lời được kiểm tra và loại đi những bảng không đạt yêu cầu. Sau đó chúng được mã hóa, nhập liệu và làm sạch dữ liệu bằng SPSS 22.0. Với phần mềm SPSS, thực hiện phân tích dữ liệu thông qua các công cụ như thống kê mô tả, bảng tần số, kiểm định độ tin cậy của các thang đo, phân tích khám phá, hồi quy, kiểm định T-test và phân tích sâu ANOVA, cụ thể như sau:

4.4.2.1. Kiểm định độ tin cậy của các thang đo

Đối với thang đo trực tiếp, để đo lường độ tin cậy thì chỉ số độ thống nhất nội tại thường được sử dụng chính là hệ số Cronbach’s Alpha (nhằm xem xét liệu các câu hỏi

trong thang đo có cùng cấu trúc hay không). Hệ số Cronbach’s Alpha càng lớn thì độ nhất quán nội tại càng cao. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố khám phá EFA để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ, 2011).

Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các biến đo lường có liên kết với nhau hay không nhưng không cho biết các biến nào cần phải loại bỏ và biến nào cần được giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến – tổng để loại ra những biến không đóng góp nhiều cho khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang đo gồm:

Hệ số tin cậy Cronbach’s Alpha: lớn hơn 0.8 là thang đo lường tốt; từ 0.7 đến 0.8 là sử dụng được; từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong hoàn cảnh nghiên cứu (Nunnally, 1998; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Trong nghiên cứu này, tác giả chọn thang đo có độ tin cậy là từ 0.6 trở lên.

Hệ số tương quan biến – tổng: các biến quan sát có tương quan biến – tổng nhỏ (nhỏ hơn 0.3) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu.

3.4.2.2. Phân tích nhân tố khám phá EFA

Phân tích nhân tố được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính (gọi là các nhân tố) dùng trong phân tích, kiểm định tiếp theo. Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá được dùng để kiểm định giá trị khái niệm của thang đo.

Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA:

Phương pháp: đối với thang đo đa hướng, sử dụng phương pháp trích yếu tố là Principal Axis Factoring với phép quay Promax và điểm dừng khi trích các yếu tố EigenValues lớn hơn hoặc bằng 1. Phương pháp này được cho rằng sẽ phản ánh dữ liệu tốt hơn khi dùng Principal Components với phép quay Varimax (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). Đối với thang đơn hướng thì sử dụng phương pháp trích nhân tố Principal Components. Thang đo chấp nhận được khi tổng phương sai trích được bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ, 2011).

Tiêu chuẩn: Hệ số tải nhân tố phải lớn hơn hoặc bằng 0.5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0.3 là mức tối thiểu chấp nhận được; lớn hơn 0.4 là quan trọng; lớn hơn 0.5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0.3; nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố lớn hơn 0.55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0.75.

Từ cơ sở lý thuyết trên, tác giả tiến hành thực hiện theo các bước sau:

Trước tiên, tác giả xác định đối với các nhân tố ảnh hưởng đến tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM đều là các thang đo đơn hướng, nghĩa là các nhân tố này tác động một chiều đến biến phụ thuộc và không có chiều ngược lại nên tác giả sẽ sử dụng phương pháp trích nhân tố Principal Components với phép quay Varimax và điểm dừng khi trích các yếu tố có EigenValues lớn hơn 1.

Sau đó tiến hành thực hiện kiểm định các yêu cầu liên quan gồm:

- Kiểm định Bartlett: các biến quan sát có tương quan với nhau trong tổng thể.

- Xem xét trị số KMO: nếu KMO trong khoảng từ 0.5 – 1 thì phân tích nhân tố là thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

- Để phân tích EFA có giá trị thực tiễn, tiến hành loại các biến quan sát có hệ số tải nhân tố nhỏ hơn 0.5.

- Xem lại thông số EigenValues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị lớn hơn 1.

- Xem xét tổng phương sai trích (yêu cầu lớn hơn hoặc bằng 50%): cho biết các nhân tố được trích giải thích % sự biến thiên của các biến quan sát.

3.4.2.3. Phân tích hồi quy đa biến

- Phân tích tương quan: Các thang đo đã qua đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson. Phân tích tương quan Pearson được thực hiện giữa các biến phụ thuộc và biến độc lập nhằm khẳng định mối liên hệ tuyến tính giữa các biến này và khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Hệ số tương quan Pearson (r) có giá trị trong khoảng (-1 +1). Giá trị tuyệt đối của r càng tiến đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra rằng hai biến không có quan hệ tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

- Phân tích hồi quy đa biến: Sau khi kết luận hai biến có mối quan hệ tuyến tính với nhau thì có thể mô hình hóa mối quan hệ nhân quả này bằng hồi quy tuyến tính

(Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.

Kiểm định giả thuyết: Quá trình kiểm định giả thuyết được thực hiện theo các bước

- Đánh giá độ phù hợp của mô hình hồi quy đa biến thông qua R2 và R2 hiệu chỉnh.

- Kiểm định giả thuyết về độ phù hợp của mô hình.

- Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.

- Kiểm định giả thuyết về phân phối chuẩn của phần dư: dựa theo biểu đồ tần số

của phần dư chuẩn hóa; xem giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1.

- Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF

> 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

- Xác định mức độ ảnh hưởng của các nhân tố ảnh hưởng Tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.

Phân tích hồi quy tuyến tính theo phương trình hồi quy

KSNB = β0 + β1MTKS + β2 DGRR + β3 HDKS + β4 TTTT + β5 HDGS + ε

Trong đó:

- KSNB: Biến phụ thuộc là Tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM. Các biến độc lập:

- MTKS: Môi trường kiểm soát

- DGRR: Đánh giá rủi ro

- HDKS: Hoạt động kiểm soát

- TTTT: Thông tin và truyền thông

- HDGS: Giám sát

- β0, β1, … β5: Các tham số của mô hình.

- ε: hệ số nhiễu.

KẾT LUẬN CHƯƠNG 3

Chương này trình bày các giai đoạn của quy trình nghiên cứu, nghiên cứu định tính, nghiên cứu định lượng. Xác định mô hình nghiên cứu trên cơ sở có 5 nhân tố ảnh hưởng đến tính hữu hiệu của hệ thống KSNB tại trường ĐH TDM thông qua thảo luận nhóm, từ đó hình thành cách thức xây dựng thang đo trên cơ sở các nghiên cứu trước và cách thu thập dữ liệu nghiên cứu như chọn mẫu khảo sát, số lượng mẫu phát ra thu về và xác định số mẫu phù hợp với phương pháp nghiên cứu. Trong chương này tác giả còn trình bày các kỹ thuật phân tích nghiên cứu được áp dụng như phân tích độ tin cậy của thang đo, phân tích tương quan, phân tích hồi quy để kiểm định mô hình nghiên cứu nhằm làm cơ sở cho việc trình bày kết quả nghiên cứu, bàn luận và kết luận ở các Chương tiếp theo.

Xem tất cả 141 trang.

Ngày đăng: 13/03/2023