Kết quả kiểm định bên dưới cho thấy KMO = .613 > 0.5 và kiểm định Bartlett có ý nghĩa thống kê với P-value < 0.05. Như vậy, việc sử dụng mô hình EFA để đánh giá giá trị thang đo TCCTKT là phù hợp.
Kiểm định KMO và Bartlett cho thang đo biến phụ thuộc.
.613 | ||
Mô hình kiểm tra Bartlett | Chỉ số Chi-Square | 65.976 |
Bậc tự do | 3 | |
Sig. | .000 |
Có thể bạn quan tâm!
-
Khái Quát Chung Về Tổ Chức Công Tác Kế Toán Tại Các Trường Đh – Cđ – Tc Công Lập Tự Chủ Tài Chính Trên Địa Bàn Tỉnh Bình Dương -
Danh Mục Bctc Và Báo Cáo Quyết Toán Áp Dụng Cho Các Đơn Vị Kế -
Tỷ Lệ Thâm Niên Công Tác Của Cá Nhân Được Khảo Sát -
Đối Với Nhân Tố “Yêu Cầu Đối Với Thông Tin Kế Toán” -
Đối Với Nhân Tố “Khuôn Khổ Pháp Lý Về Kế Toán” -
Phần Nội Dung Khái Quát Xoay Quanh Các Vấn Đề Như:
Xem toàn bộ 153 trang tài liệu này.
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
Kiểm định phương sai trích của các nhân tố.
Kết quả phân tích bên dưới cho thấy rằng 62.674 (>50 ) thay đổi của nhân tố được giải thích bởi các biến quan sát. Kết luận mô hình phân tích nhân tố (EFA) phù hợp và thang đo được chấp nhận.
Bảng phương sai trích cho thang đo biến phụ thuộc
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 | 1.880 | 62.674 | 62.674 | 1.880 | 62.674 | 62.674 |
2 | .711 | 23.703 | 86.377 | |||
3 | .409 | 13.623 | 100.000 |
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
Kiểm định hệ số Factor loading
Kết quả phân tích nhân tố (EFA) cho biến phụ thuộc của ma trận nhân tố cho thấy: hệ số tải nhân tố (Factor loading) của các biến quan sát đều thỏa điều kiện khi phân tích nhân tố là lớn hơn 0.5 và số nhân tố tạo ra khi phân tích nhân tố là 1 nhân tố. Điều này phù hợp với giả thuyết ban đầu về các biến đo lường tương ứng với nhân tố.
Ma trận nhân tố biến phụ thuộc
Nhân tố | |
1 | |
TCCTKT1 | .850 |
TCCTKT2 | .826 |
TCCTKT3 | .692 |
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
4.2.3 Phân tích hồi quy đa biến
4.2.3.1 Mô hình hồi quy tổng thể
Để xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc, nghiên cứu sử dụng mô hình hồi quy đa biến như sau:
TCCTKT = β0 + β1PL + β2NL + β3KS + β4YC + β5CN
Trong đó:
TCCTKT: Biến phụ thuộc (Tổ chức công tác kế toán) Các biến độc lập: PL, NL, KS, YC, CN.
PL: Khuôn khổ pháp lý kế toán
NL: Nguồn nhân lực kế toán
KS: Kiểm soát nội bộ
YC: Yêu cầu đối với thông tin kế toán
CNTT: Ứng dụng công nghệ thông tin
β0, β1, … β5: Các tham số của mô hình.
4.2.3.2 Kiểm định mức độ phù hợp của mô hình
Kết quả kiểm định cho thấy hệ số R2 điều chỉnh = 56.0 > 50 , đồng thời, kiểm định F trong bảng ANOVA cho thấy giá trị này có ý nghĩa thống kê với Sig. < 0.05. Từ đó kết luận mô hình là phù hợp, các biến độc lập (PL, NL, KS, YC, CN) giải thích được 56.0% sự thay đổi của biến phụ thuộc (TCCTKT), phần còn lại được giải thích bởi các yếu tố không được xem xét trong mô hình.
Bảng tóm tắt mô hình hồi quy
Hệ sốR | Hệ sốR2 | Hệ số R2- hiệu chỉnh | Sai số chuẩn của ước lượng | Durbin- Watson | |
1 | .761a | .580 | .560 | 0.4258 | 1.962 |
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
Bảng ANOVA
Tổng bình phương | Bậc tự do | Trung bình bình phương | F | Sig. | ||
1 | Hồi quy | 26.522 | 5 | 5.304 | 29.253 | .000b |
Phần dư | 19.220 | 106 | .181 | |||
Tổng | 45.742 | 111 |
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
4.2.3.3 Kiểm định trọng số hồi quy
Dựa vào kết quả trong bảng trọng số hồi quy bên dưới, cho thấy giá trị Sig của các biến độc lập PL, NL, KS, YC, CN đều nhỏ hơn 0.05, từ đó tác giả kết luận các biến độc lập tương quan và có ý nghĩa với biến độc lập TCCTKT.
Bảng trọng số hồi quy
Hệ số chưa chuẩn hóa | Hệ số chuẩn hóa | t | Sig. | Thống kê đa cộng tuyến | |||
B | Sai số chuẩn | Beta | Hệ số Tolerance | Hệ số VIF | |||
(Constant) | -.110 | .347 | -.316 | .000 | |||
PL | .224 | .069 | .256 | 1.789 | .006 | .525 | 1.906 |
NL | .268 | .075 | .264 | 3.596 | .000 | .793 | 1.261 |
KS | .160 | .077 | .174 | 2.084 | .001 | .568 | 1.762 |
YC | .232 | .081 | .270 | 2.880 | .005 | .452 | 1.213 |
CN | .130 | .065 | .154 | 3.516 | .001 | .760 | 1.316 |
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
Từ kết quả trong bảng trọng số hồi quy ở trên, chúng ta xác định được phương trình hồi quy như sau:
Phương trình hồi quy:
TCCTKT= 0.270.YC + 0.264. NL + 0.256.PL + 0.174.KS + 0.154.CN
4.2.3.4 Kiểm định hiện tượng đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập có sự tương quan hoàn toàn với nhau.Để kiểm tra hiện tượng đa công tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Kết quả về trọng số hồi quy cho thấy hệ số VIF của các biến độc lập đều nhỏ hơn 2, từ đó kết luận mô hình nghiên cứu không có hiện tượng đa cộng tuyến (Nguyễn Đình Thọ, 2011).
4.2.3.5 Kiểm định hiện tượng tự tương quan của phần dư
Tự tương quan là hiện tượng các sai số ngẫu nhiên có mối liên hệ tương quan nhau, khi đó có thể xảy ra hiện tượng tự tương quan.
Sử dụng hệ số Durbin-Watson để kiểm định tự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất), hệ số có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2. Dựa vào kết quả phân tích, cho thấy d được chọn rơi vào miền chấp nhận giả thuyết không có tương quan chuỗi bậc nhất (d=1.962 gần bằng 2). Như vậy, kết luận không có hiện tượng tự tương quan giữa các phần dư trong mô hình, mô hình có ý nghĩa.
4.2.3.6 Kiểm định về phân phối chuẩn của phần dư
Mô hình hồi quy tuyến tính chỉ thực sự phù hợp với các dữ liệu quan sát khi phần dư có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi. Để kiểm định về phân phối chuẩn của phần dư, ta sử dụng biểu đồ Histogram và biểu đồ P–P Plot.
Kết quả trong biểu đồ tần số Histogram (Hình 4.1) cho thấy một đường cong phân phối chuẩn đặt chồng lên biểu đồ tần số, với độ lệch chuẩn Std. Dev = 0.977 và Mean gần bằng 0, ta có thể kết luận rằng, giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.1 Đồ thị Histogram của phần dư đã chuẩn hóa
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
Để củng cố cho kết luận này, chúng ta xem thêm biểu đồ P-P Plot (Hình 4.2) của phần dư chuẩn hóa, các điểm quan sát không phân tán xa đường chéo kỳ vọng, nên ta có thể kết luận giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.2 Đồ thị P-P Plot của phần dư đã chuẩn hóa
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
4.2.3.7 Kiểm định giả định phương sai của sai số (phần dư) không đổi
Kết quả xử lý trong đồ thị phân tán (Hình 4.3) cho thấy 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 sai số (phần dư) không đổi.
Hình 4.3 Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
Ngoài ra, để cũng cố cho kết luận này, tác giả sử dụng kiểm định tương quan Spearman cho mối tương quan giữa hai biến gồm 1 biến độc lập lần lượt là PL, NL,KS, YC, CN với phần dư. Kết quả cho thấy hệ số tương quan hạng các biến PL, NL, KS, YC, CN lần lượt là 0.324, 0.452, 0.448, 0.353, 0.436 đều có mức ý nghĩa lớn hơn 0.05. Điều này cho thấy phương sai của sai số (phần dư) không thay đổi.
Kết quả phân tích tương quan Spearman giữa các biến độc lập và biến phụ thuộc
TCCTKT | PL | NL | KS | YC | CN | |||
Spear man's rho | TCCTKT | Tương quan Hệ số | 1 | .324** | .452** | .448** | .353** | .436** |
Sig. (2-tailed) | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | ||
N | 112 | 112 | 112 | 112 | 112 | 112 | ||
PL | Tương quan Hệ số | .324** | 1 | 0.066 | .158* | .162* | .164* | |
Sig. (2-tailed) | 0.000 | 0.000 | 0.017 | 0.027 | 0.022 | 0.021 | ||
N | 112 | 112 | 112 | 112 | 112 | 112 | ||
NL | Tương quan Hệ số | .452** | 0.066 | 1 | .497** | .142* | .196** | |
Sig. (2-tailed) | 0.000 | 0.357 | 0.000 | 0.000 | 0.046 | 0.006 | ||
N | 112 | 112 | 112 | 112 | 112 | 112 | ||
KS | Tương quan Hệ số | .458** | .406** | .191** | .208** | .291** | .250** | |
Sig. (2-tailed) | 0.000 | 0.000 | 0.007 | 0.003 | 0.000 | 0.000 | ||
N | 112 | 112 | 112 | 112 | 112 | 112 | ||
YC | Tương quan Hệ số | .448** | .158* | .497** | 1 | 0.112 | .264** | |
Sig. (2-tailed) | 0.000 | 0.027 | 0.000 | 0.000 | 0.016 | 0.000 | ||
N | 112 | 112 | 112 | 112 | 112 | 112 | ||
CN | Tương quan Hệ số | .436** | .164* | .196** | .264** | .212** | 1 | |
Sig. (2-tailed) | 0.000 | 0.021 | 0.006 | 0.000 | 0.003 | 0.000 | ||
N | 1 | .324** | .452** | .448** | .353** | .436** |
(Nguồn: Kết quả phân tích SPSS của tác giả, 2019)
4.2.3.8 Kiểm định các giả thuyết nghiên cứu
Dựa vào kết quả trong bảng trọng số hồi quy ở trên, sử dụng trọng số hồi quy chuẩn hóa để xem xét mức độ giải thích của các biến độc lập cho sự biến thiên của biến phụ thuộc (Nguyễn Đình Thọ, 2011), có thể kết luận kết quả kiểm định các giả thuyết nghiên cứu như sau: