thông tin về những biến mới, những nhân tố mới mà nghiên cứu lý thuyết, thực tiễn và điều tra phỏng vấn trực tiếp chưa phát hiện được. Các câu hỏi đóng nhằm mục đích thu thập thông tin để mô tả thực trạng việc vận dụng phân tích CVP và các nhân tố ảnh hưởng đến vận dụng phân tích này trong việc ra quyết định quản trị tại các doanh nghiệp chế biến thức ăn chăn nuôi ở Việt Nam. Các câu hỏi về mức độ được đo lường bằng thang đo Likert 5 mức độ. Tất cả các biến trong bảng câu hỏi đã được xây dựng từ những gợi ý trong tài liệu nghiên cứu và đã được sử dụng trước đó. Các phiếu khảo sát được gửi trực tiếp đến các công ty được khảo sát hoặc được gửi khảo sát online qua doc.google.com. Các phiếu điều tra sẽ được thu lại sau một thời gian thích hợp cũng giống như với phương tiện gửi phiếu điều tra ban đầu.
Quy trình thu thập dữ liệu sơ cấp bằng phiếu khảo sát được tiến hành như sau:
Bước 1: Soạn thảo phiếu khảo sát để khảo sát thử
Mục đích của khảo sát thử là để đánh giá sự phù hợp, tính khoa học và hiệu quả của phiếu điều tra chính thức. Để lập được phiếu điều tra khảo sát thử, tác giả phải căn cứ vào mô hình nghiên cứu và giả thuyết nghiên cứu đã đặt ra để xác định thông tin cần thu thập cho các biến độc lập và các biến phụ thuộc. Phiếu khảo sát thử sẽ được điều tra trực diện với người trả lời nhằm phát hiện những hạn chế về cách đặt câu hỏi, cách thiết kế mẫu phiếu điều tra và phát hiện những câu hỏi cần phải bổ sung hay lược bớt cho trùng lắp. Thời điểm điều tra thử được tiến hành ngay sau khi thiết kế mô hình nghiên cứu. Người trả lời phiếu điều tra chính là nhà quản trị và kế toán trưởng của các công ty được chọn để phỏng vấn sâu. Trong luận án, tác giả tiến hành khảo sát thử với 4 công ty là Công ty cổ phần Việt Long, Công ty TNHH Thương mại VIC, Công ty cổ phần thức ăn chăn nuôi Trung ương, Công ty cổ phần thức ăn chăn nuôi Hasco.
Bước 2: Hoàn thiện phiếu khảo sát chính thức
Kết thúc quá trình khảo sát thử, phiếu khảo sát sẽ được tổng hợp và biên soạn lại về nội dung câu hỏi, các thang đo cho các biến số và sắp xếp lại nội dung và hình thức của phiếu. Sau khi chỉnh sửa sẽ thiết kế phiếu điều tra chính thức bằng công cụ Google Driver và gửi đến 100 doanh nghiệp.
Phiếu khảo sát thiết kế cho hai nhóm đối tượng là Nhà quản trị và Kế toán. Mục đích của việc gửi phiếu khảo sát tới Nhà quản trị là tìm hiểu thông tin về đặc điểm sản xuất, mô hình phân cấp quản lý,…. Mục đích của việc gửi phiếu khảo sát tới Kế toán trưởng là để tìm hiểu thông tin về bộ máy kế toán và trình độ nhân viên kế toán, hệ thống chứng từ, báo cáo kế toán, về các thông tin liên quan đến sản xuất và tiêu thụ sản phẩm thức ăn chăn nuôi, tình hình vận dụng phân tích CVP, những thuận lợi và
khó khăn khi sử dụng phương pháp này. Phần này cung cấp thông tin chung của doanh nghiệp làm cơ sở đánh giá việc vận dụng phương pháp phân tích CVP trong việc ra quyết định quản trị tại các doanh nghiệp chế biến thức ăn chăn nuôi ở Việt Nam.
Phiếu khảo sát dành cho Kế toán và Nhà quản trị gồm 3 phần chính: Phần A: Phân tích mối quan hệ chi phí – khối lượng – lợi nhuận
Phần B: Nhân tố ảnh hưởng đến vận dụng phân tích mối quan hệ chi phí – khối lượng – lợi nhuận
Phần C: Thông tin người trả lời Phần D: Thông tin doanh nghiệp Phát triển thang đo
Các thang đo của nghiên cứu định lượng được xây dựng trên cơ sở sử dụng thang đo của các nghiên cứu trước, cụ thể như sau:
(1) Nhận thức tính hữu ích
(2) Nhận thức tính dễ sử dụng
(3) Ảnh hưởng xã hội
(4) Điều kiện thuận lợi
(5) Dự định vận dụng phân tích CVP
(6) Vận dụng phân tích CVP
Loại thang đo được sử dụng cho đo lường các biến quan sát trong mô hình nghiên cứu là thang đo Likert 5 mức độ: 1- Rất không đồng ý, 2- Không đồng ý, 3- Bình thường, 4- Đồng ý, 5- Rất đồng ý. Đây là lọai thang đo được sử dụng phổ biến trong nghiên cứu hành vi vận dụng. Đối với các biến điều tiết như: giới tính, độ tuổi, nghề nghiệp, trình độ, quy mô, hình thức sở hữu, số năm thành lập được đo lường bằng các thang đo định danh hoặc thứ bậc phụ thuộc vào bản chất của dạng dữ liệu phản ánh chúng (Phụ lục 1A và 1B – Phiếu khảo sát)
Bảng 3.3. Bảng mã hóa thang đo
Nội dung câu hỏi | Tham khảo | ||
Nhận thức tính hữu ích | |||
HI1 | 1. Vận dụng phân tích CVP giúp việc ra quyết định kinh doanh nhanh chóng kịp thời hơn. | Davis (1989), Venkatesh (2000, 2003), | |
HI2 | 2. Vận dụng phân tích CVP làm tăng hiệu quả trong việc ra quyết định kinh doanh. | ||
HI3 | 3. Vận dụng phân tích CVP giúp chọn phương án kinh doanh tối ưu, tăng cơ hội đạt được mức lợi nhuận cao hơn trong kinh doanh. | ||
HI4 | 4. Vận dụng phân tích CVP là cần thiết và phù hợp với doanh nghiệp mình. | ||
HI5 | 5. Vận dụng phân tích CVP là công cụ hữu ích cho việc ra quyết định kinh doanh. | ||
Nhận thức tính dễ sử dụng | |||
SD1 | 1. Anh/Chị nghĩ rằng để hiểu về phân tích CVP không khó khăn gì với mình. | Davis (1989), Venkatesh (2000, 2003) | |
SD2 | 2. Anh/Chị thấy các nội dung phân tích CVP rò ràng và dễ hiểu. | ||
SD3 | 3. Anh/Chị thấy dễ dàng thực hiện phân tích về chi phí, khối lượng, doanh thu, lợi nhuận và mối quan hệ giữa các chỉ tiêu này. | ||
SD4 | 4. Anh/Chị thấy dễ dàng vận dụng phân tích CVP trong việc ra quyết định kinh doanh. | ||
Ảnh hưởng xã hội | |||
XH1 | 1.Yêu cầu của đối tác, của khách hàng và nhà cung cấp khiến anh/chị thấy rằng nên vận dụng phân tích CVP trong việc ra quyết định kinh doanh. | Venkatesh (2000, 2003) | |
XH2 | 2.Việc các nhà quản trị thân thiết vận dụng phân tích CVP trong việc ra quyết định kinh doanh có ảnh hưởng đến quyết định vận dụng của anh/chị. | ||
XH3 | 3. Các nhà quản trị giàu kinh nghiệm khuyên anh/chị nên vận dụng phân tích CVP trong việc ra quyết định kinh doanh. | ||
Điều kiện thuận lợi | |||
TL1 | 1. Phòng kế toán đủ nhân sự để thực hiện phân tích CVP. | Venkatesh (2000, 2003) | |
TL2 | 2. Kế toán có đủ kiến thức và trình độ cần thiết để thực hiện phân tích CVP. | ||
TL3 | 3. Nhà quản trị hiểu thông tin được cung cấp từ phân tích CVP. | ||
Có thể bạn quan tâm!
-
Phân Tích Mối Quan Hệ Chi Phí – Khối Lượng – Lợi Nhuận Cung Cấp Thông Tin Trong Việc Ra Quyết Định Sau Khi Quá Trình Kinh Doanh Kết Thúc -
Đề Xuất Mô Hình Và Các Giả Thuyết Nghiên Cứu -
Phương Pháp Nghiên Cứu Sử Dụng Trong Luận Án -
Khái Quát Về Các Doanh Nghiệp Chế Biến Thức Ăn Chăn Nuôi Ở Việt Nam -
Đặc Điểm Tổ Chức Quản Lý Và Tổ Chức Kế Toán Tại Các Doanh Nghiệp Sản Xuất Thức Ăn Chăn Nuôi Ở Việt Nam -
Hệ Thống Các Chỉ Tiêu Phân Tích Cvp Tại Các Doanh Nghiệp Cbtacn
Xem toàn bộ 212 trang tài liệu này.
Nội dung câu hỏi | Tham khảo | ||
TL4 | 4. Nhà quản trị nhận thấy việc vận dụng phân tích CVP là cần thiết và ủng hộ. | ||
TL5 | 5. Anh/Chị có thể vận dụng phân tích CVP vào việc ra quyết định kinh doanh. | ||
TL6 | 6. Luôn có người sẵn sàng trợ giúp anh/chị về chuyên môn khi vận dụng phân tích CVP trong việc ra quyết định kinh doanh. | ||
Dự định vận dụng | |||
DD1 | 1. Anh/Chị dự định phân tích CVP thường xuyên. | Davis (1989), Venkatesh (2000) | |
DD2 | 2. Anh/Chị dự định vận dụng phân tích CVP trong việc ra quyết định kinh doanh thường xuyên. | ||
DD3 | 3. Anh/Chị thấy phân tích CVP là rất cần thiết nên yêu cầu kế toán thực hiện | ||
DD4 | 4. Anh/Chị thấy phân tích CVP là dễ dàng nên yêu cầu kế toán thực hiện. | ||
Vận dụng | |||
VD1 | 1. Nhìn chung kết quả vận dụng phân tích CVP làm anh/chị cảm thấy hài lòng. | Venkatesh và cộng sự (2003) Lu và cộng sự (2010) | |
VD2 | 2. Việc vận dụng phân tích CVP trong việc ra quyết định kinh doanh là quyết định đúng đắn của anh/chị. | ||
VD3 | 3. Anh/chị thích vận dụng phân tích CVP vào việc ra quyết định kinh doanh của mình. | ||
VD4 | 4.Anh/Chị tiếp tục vận dụng phân tích CVP trong việc ra quyết định kinh doanh vào thời gian tới. | ||
Nguồn: Từ khảo sát và tổng hợp của tác giả
Bước 3: Khảo sát chính thức (phát hành phiếu điều tra để thu thập thông tin)
Phiếu điều tra chính thức sẽ được gửi đến người trả lời ở 100 công ty trong mẫu chọn thông qua mạng internet từ công cụ Google Driver, qua đường bưu điện, phỏng vấn trả lời bằng điện thoại và phỏng vấn trực diện. Thời gian phát hành phiếu điều tra từ 18/3/2018. Số lượng phiếu phát ra bao gồm cả bản cứng và bản mềm là 280 phiếu. Để đảm bảo phiếu trả lời được thu về đúng tiến độ, một báo cáo về địa chỉ email, điện thoại của đối tượng phỏng vấn, thời gian gửi phiếu điều tra, thời gian người phỏng vấn nhận được phiếu điều tra, thời gian hẹn trả phiếu điều tra sẽ được lập nhằm mục đích theo dòi và đôn đốc người trả lời. Nếu quá hạn hẹn trả lời 7 ngày mà không nhận được phản hồi thì sẽ tiếp tục gửi phiếu khảo sát.
Bước 4: Tiếp nhận phiếu điều tra và cập nhật thông tin
Số phiếu trả lời thu về là 256 phiếu sẽ được xử lý trước khi cập nhật vào phần mềm phân tích dữ liệu SPSS 20. Số phiếu đủ điều kiện để đưa vào phần mềm chạy dữ liệu là 250 phiếu. Những phiếu trả lời nào không đầy đủ sẽ được liên lạc lại với người trả lời để bổ sung, hiệu chỉnh. Sau khi hoàn tất quá trình kiểm tra, dữ liệu thu thập được sẽ được phân loại thành dữ liệu định tính và định lượng. Dữ liệu định tính sẽ được mã hóa trước khi nhập liệu. Đối với những câu hỏi đóng, việc mã hóa hoàn toàn dựa trên các phương án trả lời trong bảng hỏi. Đối với câu hỏi mở, việc mã hóa được thực hiện bằng cách thống kê các phương án trả lời từ phiếu điều tra rồi sau đó nhóm các câu trả lời có cùng ý nghĩa thành một nhóm. Mỗi nhóm này sẽ là một phương án trả lời và được mã hóa. Kết thúc quá trình mã hóa, dữ liệu sẽ được cập nhật vào phần mềm SPSS 20 và AMOS 20. Quá trình nhập liệu được thực hiện 2 lần độc lập và lưu vào hai tệp tin để đảm bảo độ chính xác.
Bước 5: Làm sạch dữ liệu
Phương pháp làm sạch dữ liệu là dùng bản tần số đơn giản cho tất cả các biến định tính và định lượng. Dòng missing cho thấy có giá trị khuyết không được trả lời. Tiếp theo là quay về màn hành khai báo biến để phát hiện những giá trị khuyết. Ngoài ra, trên bảng tần số đơn giản cũng cho biết những giá trị khác biệt ngoài những giá trị đã được mã hóa. Đây là trường hợp nhập sai số liệu và cũng cần sửa lại như đối với giá trị khuyết. Để phát hiện trường hợp nhập sai số liệu nhưng không thể phát hiện được bằng 1 bảng tần số đơn giản, tác giả tiến hành lập bảng tần số đơn giản trên hai tệp tài liệu gốc và so sánh kết quả, nếu có chênh lệch ở nội dung nào thì phải quay về tập phiếu điều tra để đối chiếu, sửa chữa.
Dữ liệu sau khi được làm sạch được sử dụng để phân tích, kiểm định các giả thuyết nghiên cứu bằng phần mềm SPSS 20 và AMOS 20.
Phân tích dữ liệu (Phương pháp phân tích và kiểm định các giả thuyết)
Số liệu sau khi đã được làm sạch sẽ được đưa vào phần mềm SPSS 20 làm cơ sở dữ liệu để thống kê mô tả, đánh giá độ tin cậy của thang đo và phân tích khám phá nhân tố. Sau đó sử dụng phần mềm AMOS 20 để phân tích khẳng định nhân tố và phân tích mô hình cấu trúc SEM nhằm có kết quả tốt nhất cho mô hình nghiên cứu phân tích nhân tố ảnh hưởng đến vận dụng phân tích CVP trong việc ra quyết định kinh doanh.
Thống kê mô tả
Sau khi tiến hành khảo sát trên diện rộng, tác giả tiến hành xác định giá trị trung bình các biến, tỷ lệ phần trăm, tần suất. Các biến phân loại như: giới tính, độ tuổi, trình độ chuyên môn, chức vụ được phân loại bằng các chỉ số thống kê mô tả cơ bản qua số quan sát và bảng tần suất theo các dấu hiệu phân biệt đã được định sẵn.
Kiểm định độ tin cậy của thang đo
Do các câu hỏi trong bảng hỏi được tác giả thiết kế theo thang đo Likert, nên các dữ liệu thu thập được trước khi đưa vào phân tích sẽ được kiểm tra và đánh giá độ tin cậy của các thang đo bằng hệ số Cronbach’s Alpha. Theo Hair và cộng sự (1998), hệ số Cronbach’s Alpha được sử dụng để loại các biến rác trong bảng hỏi sử dụng thang đo Likert. Các biến bị loại là những biến có hệ số tương quan biến giữa biến thành phần với biến tổng nhỏ hơn 0,3 và hệ số Cronbach’s Alpha nhỏ hơn 0,6. Hệ số Cronbach’s Alpha sẽ được chạy riêng cho từng nhân tố độc lập, qua đó đo lường tính nhất quán giữa các biến trong cùng một nhân tố, vì mức độ nhất quán của các biến quan sát càng cao thì độ tin cậy của thang đo càng cao. Mỗi nhân tố trong nghiên cứu khi được thực hiện kiểm định phải đạt chỉ số Cronbach’s Alpha từ 0,6 trở lên mới được xem là chấp nhận được. Nếu chỉ số Cronbach’s Alpha của nhân tố đạt mức từ 0,7 đến 0,8 thì sử dụng được, còn nếu chỉ số này nằm trong khoảng từ 0,8 đến 1 thì độ tin cậy tố (Hair, 1998). Tuy nhiên, nếu hệ số Cronbach’s Alpha của các biến quan sát nào lớn hơn 0,95 thì có khả năng xuất hiện biến quan sát thừa ở trong thang đo. Biến quan sát thừa là biến đo lường một khái niệm hầu như trùng với biến đo lường khác, tương tự giống như trường hợp cộng tuyến trong hồi quy, khi đó biến thừa nên được loại bỏ.
Trong khi đó, hệ số tương quan biến tổng của từng biến phải đạt mức từ 0,3 trở lên mới có thể được đưa vào phân tích tiếp (Nunnally & Bernstein, 1994), các biến có hệ số này thấp hơn mức 0,3 sẽ được coi là biến rác và bị loại bỏ trước khi đi vào giai đoạn phân tích nhân tố.
Thông thường để tính độ tin cậy chỉ cần dùng Cronbach’s Alpha là đủ, tuy nhiên để thực hiện phân tích khẳng định trong AMOS thì cần xác định thêm chỉ tiêu Phương sai trích (Average Variance Extracted – AVE). Theo Hair (1998), Phương sai trích của mỗi khái niệm nên vượt quá 0,5 thì đảm bảo độ tin cậy.
Như vậy, theo phương pháp này, hệ số Cronbach’s Alpha của biến quan sát đều thỏa mãn với các yêu cầu đưa ra. Do đó, thang đo của các biến quan sát đều đảm bảo được độ tin cậy và được giữ lại trong phiếu khảo sát để thực hiện các bước phân tích tiếp theo.
Phân tích khám phá nhân tố (EFA)
Phân tích khám phá nhân tố EFA để đánh giá mức độ hội tụ của các nhân tố được đưa vào nghiên cứu khi đánh giá mức độ ảnh hưởng của các nhân tố tới vận dụng phân tích CVP trong việc ra quyết định kinh doanh. Việc này nhằm mục đích đánh gía các thang đo xem có đúng với dự định ban đầu của luận án không. Để áp dụng được phân tích nhân tố, các biến quan sát phải có liên hệ với nhau. Sử dụng kiểm định Bartlett’s test of sphericity để kiểm định giả thuyết về quan hệ tương quan giữa các biến trong tổng thể. Theo đó, giá trị của kiểm định Bartlett’s càng lớn thì càng có nhiều khả năng các biến quan sát có mối quan hệ tương quan nhau. Trường hợp các biến quan sát không có quan hệ tương quan thì việc phân tích nhân tố rất có khả năng không thích hợp.
Để kiểm định tính thích hợp của mô hình phân tích nhân tố, tác giả sử dụng hệ số KMO (Kaiser – Meyer – Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Do đó hệ số KMO phải đạt giá trị 0,5 trở lên (0,5 ≤ KMO ≤ 1) thể hiện phân tích nhân tố là phù hợp. Tiếp theo, tác giả sử dụng phương sai trích (% biến thiên được giả thích bởi các nhân tố) để xác định sự thích hợp của phương pháp phân tích nhân tố. Tiêu chuẩn đối với phương sai trích là phải đạt từ 50% trở lên, giá trị Eigenvalue > 1 (Hair và cộng sự, 1998).
Tác giả sử dụng hệ số tải nhân tố (Factor loading) của các biến quan sát để lựa chịn số lượng nhân tố đưa vào phân tích. Hệ số tải nhân tố phản ánh tương quan giữa các nhân tố và các biến quan sát. Hệ số này lớn cho biết nhân tố và biến quan sát có quan hệ chặt chẽ với nhau. Các hệ số này cũng được dùng để giải thích các nhân tố. Thường thì một biến quan sát được chọn khi thỏa mãn hệ số factor loading lớn hơn hoặc bằng 0.5. Tuy nhiên cũng có tiêu chuẩn khác biệt, hệ số fator loading lớn hơn hoặc bằng 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố. Trong luận án, tác giả chọn hệ số factor loading lớn hơn hoặc bằng 0.5 (Hair và cộng sự, 2006), khi đó các biến quan sát có hệ số tải lớn hơn hoặc bằng 0.5 thì được giữ lại để đưa vào phân tích. Các biến quan sát sau khi được giữ lại sẽ được đặt tên tại theo từng nhân tố trong trường hợp các nhân tố này không giống với các nhân tố đã được tác giả trình bày trong mô hình nghiên cứu.
Sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax (Gerbing và Anderson, 1988) với hệ số tải ≥ 0,5 (Hair và cộng sự, 1998) đối với cả biến độc lập và biến phụ thuộc. Cuối cùng phân tích kết quả mô hình EFA bằng cách sử dụng ma trận nhân tố xoay.
Phân tích khẳng định nhân tố (CFA)
Đối với các nghiên cứu có các thang đo được thiết lập từ các nghiên cứu trước, tác giả đã có hiểu biết nhất định về cấu trúc quan hệ của mô hình thì sử dụng phân tích khẳng định nhân tố là phù hợp (Hair và cộng sự, 2006). Mục đích của phân tích khẳng định nhân tố trong mô hình đo lường SEM là kiểm tra tính hợp lý và sự phù hợp của mô hình sau khi khám phá nhân tố. Khi mô hình cụ thể được ước lượng sẽ so sánh giữa mô hình lý thuyết với thực tế bằng cách đánh giá sự tương đồng của ma trận hiệp phương sai ước lượng được với ma trận hiệp phương sai được quan sát.
Để đo lường mức độ phù hợp của mô hình với thông tin thị trường, sử dụng chỉ số Chi-square (CMIN), Chi-square điều chỉnh theo bậc tự do (CMIN/df), chỉ số CFI, GFI, TLI và RMSEA. Mô hình được xem là phù hợp với dữ liệu thị trường khi mô hình nhận được các giá trị Chi-square/df ≤ 0,3 (Chin và Todd, 1995; Hair và cộng sự, 2006). Ngoài ra, người ta còn phân biệt theo cỡ mẫu: Chi-square/df < 5 với mẫu lớn hơn 200 hay < 3 với mẫu nhỏ hơn 200 (Kettinger và Lee, 1995). Giá trị TLI, CFI, GFI
> 0,9 nếu mẫu nhỏ hơn 250 và số biến quan sát trong mô hình dưới 30 biến, TLI, CFI, GFI ≥ 0,92 nếu mẫu lớn hơn 250 và số biến quan sát nhỏ hơn 30, TLI, CFI, GFI ≥ 0,9 nếu số biến quan sát lớn hơn 30 biến (Hair và cộng sự, 2006). Hệ số RMSEA ≤0,05 được xem là tốt, nhỏ hơn 0,08 cũng có thể chấp nhận được (Hooper và cộng sự, 2008).
Phân tích mô hình cấu trúc SEM
Mô hình cấu trúc tuyến tính với kỹ thuật phân tích đường dẫn được sử dụng để kiểm định giả thuyết nghiên cứu, kiểm định các mối quan hệ trong mô hình nghiên cứu. Tiêu chuẩn kiểm định theo thông lệ lấy ở mức ý nghĩa 5%, khái niệm nào không có ý nghĩa thống kê ở độ tin cậy 95% thì sẽ loại lần lượt ra khỏi mô hình (giá trị P.value>0,05). Do CFA cũng là một dạng của phân tích mô hình cấu trúc nên tiêu chuẩn đánh giá tính thích hợp của mô hình được xem xét như trong phân tích khẳng định nhân tố.