STT Chỉ tiêu Số biến
quan sát Thang đo
Phần 1: Thông tin chung Phần 2:
I. Các nhân tố ảnh hưởng đến cảm nhận áp lực của KTV
1 Phán đoán đạo đức 9 Likert 2 Quy định tổ chức và nghề nghiệp 4 Likert 3 Uy tín nghề nghiệp 2 Likert 4 Quy định pháp lý 3 Likert
5 Gia đình 1 Likert
II. Đánh giá chung về áp lực cảm nhận của KTV 4 Likert
Tổng cộng 23
(Bảng câu hỏi chi tiết trình bày trong phụ lục 1)
3.4. Phương pháp phân tích và xử lý dữ liệu thu thập
Để phân tích kết quả khảo sát nhằm trả lời cho câu hỏi nghiên cứu đặt ra, luận văn sử dụng chương trình thống kê SPSS 20.0 để xử lý dữ liệu theo các bước phân tích như sau, mỗi bước được trình bày ở một mục chi tiết:
Bước 1: Đánh giá độ tin cậy của thang đo sử dụng hệ số Cronbach alpha: Hệ
số này giúp đo lường tính nhất quán của các biến quan sát trong cùng một thang đo để đo lường cùng một khái niệm (Nguyễn Đình Thọ 2014).
Bước 2: Sau khi tiến hành kiểm tra độ tin cậy của thang đo trong mơ hình, để
đánh giá giá trị thang đo, mơ hình phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được sử dụng.
Bước 3: Để phân tích mối quan hệ tuyến tính giữa biến độc và các biến phụ
thuộc, phân tích tương quan Pearson được sử dụng
Bước 4: Để phân tích mối quan hệ giữa biến phụ thuộc áp lực với các biến độc
3.4.1. Thống kê mơ tả
Phân tích thống kê mơ tả được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu thơng qua các chỉ số như số trung bình (mean), độ lệch chuẩn (standard deviation), giá trị lớn nhất (maximum), giá trị nhỏ nhất (minimum)... Qua thống kê mô tả, tác giả sẽ cung cấp một cái nhìn tổng quát về mẫu nghiên cứu.
3.4.2. Đánh giá độ tin cậy của thang đo
Theo Nguyễn Đình Thọ (2014), các thang đo đã được xây dựng ở trên chưa thể sử dụng trong nghiên cứu mà các thang đo này cần phải thỏa mãn những tiêu chí cần thiết. Ba tính chất quan trọng của một thang đo là (1) hướng (dimensionality), nghĩa là thang đo đơn hướng (unidimensionality) hay là đa hướng (multidimensionality), (2) độ tin cậy (reliability) và (3) giá trị (validity) của nó.
Trong nghiên cứu, chúng ta cần phải đánh giá các tiêu chí này của thang đo trước khi dùng nó để kiểm định giả thuyết nghiên cứu.
Độ tin cậy của thang đo nói lên tính nhất qn của đo lường (mức độ giống nhau của kết quả) sau nhiều lần gặp lại. Có nhiều loại độ tin cậy của thang đo, độ tin cậy của thang đo được sử dụng phổ biến nhất trong nghiên cứu là tính nhất quán nội tại (internal consistency) Cronbach Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach Alpha trước khi phân tích nhân tố khám phá EFA (Exploaratory Factor Analysis) để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số Cronbach alpha chỉ đo lường độ tin cậy của thang đo chứ khơng tính được độ tin cậy cho từng biến do đó nó khơng cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan biến-tổng sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo (Nguyễn Đình Thọ 2014, Hồng Trọng & Chu Nguyễn Mộng Ngọc 2005):
(1) Các mức giá trị của Alpha:
- Alpha quá lớn (α>0.95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau. Đây là hiện tượng trùng lắp trong đo lường và nó khơng thực sự là thang đo tốt.
- Alpha biến thiên trong khoảng [0.75-0.95] thang đo có độ tin cậy tốt. - Alpha ≥0.60 là thang đo có thể chấp nhận được về mặt độ tin cậy.
(2) Hệ số tương quan biến-tổng:
- Hệ số tương quan biến tổng ≥ 0.30 thì biến đó đạt u cầu
- Hệ số tương quan biến tổng <0.30 thì cần xem xét có nên loại biến đó hay khơng. Bởi vì nếu Cronbach Alpha đạt u cầu và biến bị vi phạm giá trị nội dung (nghĩa là những biến cịn lại khơng đo lường đầy đủ nội dung của khái niệm nghiên cứu) thì chúng ta khơng nhất thiết để tăng Cronbach Alpha mà hy sinh một giá trị quan trọng hơn, đó là giá trị nội dung.
3.4.3. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Để đánh giá độ tin cậy của thang đo ta dùng phương pháp Cronbach Alpha. Vấn đề tiếp theo là đánh giá giá trị của thang đo. Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt, phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được sử dụng để đánh giá hai giá trị này. Phân tích EFA là một kỹ thuật thống kê phân tích đa biến phụ thuộc lẫn nhau được sử dụng rộng rãi để giảm tập hợp các biến phụ thuộc đến một tập hợp dữ liệu nhỏ hơn của các biến cơ bản dựa trên mơ hình của tương quan giữa các biến ban đầu mà không làm mất đi những thông tin cần thiết sẵn có.
Trong phân tích EFA, có hai ma trận quan trọng để xem xét khi đánh giá các thang đo, đó là ma trận các trọng số nhân tố (factor pattern matrix) và ma trận các hệ số tương quan (factor structure matrix). Q trình phân tích nhân tố trong nghiên cứu này được dựa trên ma trận tương quan của các biến quan sát. Để có thể áp dụng được phân tích nhân tố thì các biến phải có liên hệ với nhau. Trong trường hợp hệ số tương quan giữa các biến nhỏ thì việc tiến hành phân tích nhân tố là khơng phù
hợp. Các biến có hệ số tương quan cặp tương đối cao thì có khả năng tương quan với một nhân tố.
Bài luận văn sử dụng phép trích nhân tố thành phần chính là Principal Component Analsyis (PCA) với phép quay vng góc Varimax. Mục tiêu của PCA với phép quay vng góc Varimax là làm sao trích được nhiều phương sai từ các biến đo lường với số lượng thành phần nhỏ nhất để phục vụ cho mục tiêu dự báo tiếp theo ( Nguyễn Đình Thọ 2014).
Một số tiêu chí đánh giá mối quan hệ giữa các biến như sau (Nguyễn Đình Thọ 2014):
Kiểm định Bartlett dùng để xem xét ma trận tương quan có phải là ma trận
đơn vị I (identify matrix), là ma trận có các thành phần (hệ số tương quan giữa các biến) bằng không và đường chéo (hệ số tương quan với chính nó) bằng 1. Nếu kiểm định này có ý nghĩa thống kê (Sig <0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Kiểm định KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để so sánh độ lớn của
hệ số tương quan giữa hai biến với hệ số tương quan từng phần của chúng. KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA thì KMO phải nằm trong khoảng 0.5<KMO<1.
Để đánh giá giá trị thang đo bằng EFA, chúng ta cần xem xét ba thuộc tính quan trọng trong kết quả EFA là: (1) số lượng nhân tố trích được, (2) trọng số nhân tố và (3) tổng phương sai trích (Nguyễn Đình Thọ 2014).
Số lượng nhân tố trích được: Chọn lựa nhân tố hay thành phần chính trong
PCA là vấn đề quan tâm tiếp theo trong ứng dụng EFA để đánh giá thang đo. Ba phương pháp thường được sử dụng là: tiêu chí eigenvalue, tiêu chí điểm gãy (scree test criterion) và xác định trước số lượng nhân tố. Tiêu chí eigenvalue là một tiêu chí sử dụng phổ biến trong xác định các nhân tố, với tiêu chí này số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có eigenvalue tối thiểu bằng 1.
Hệ số tải nhân tố hay trọng số nhân tố (Factor loading): Trọng số nhân tố
của biến quan sát trên nhân tố mà nó là một biến đo lường sau khi quay phải cao và các trọng số trên các nhân tố khác nó không đo lường phải thấp. Đạt được điều này, thang đo đạt được giá trị hội tụ. Trong thực tiễn nghiên cứu Factor loading >0.5 được xem là có ý nghĩa thực tiễn và là giá trị chấp nhận.
Tổng phương sai trích: khi đánh giá kết quả EFA chúng ta cần xem xét phần
tổng phương sai trích TVE. Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của biến đo lường. Tổng phương sai trích >50%, nghĩa là phần chung phải lớn hơn phần riêng và sai số (từ 60% trở lên là tốt). Thỏa được điều này, chúng ta kết luận là mơ hình EFA phù hợp.
3.4.4. Phân tích tương quan Pearson
Hệ số tương quan là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số. Hệ số tương quan có giá trị từ -1 đến 1. Có nhiều loại hệ số tương quan nhưng thông dụng nhất là hệ số tương quan Pearson (r).
Trong phân tích, kiểm định hệ số tương quan Pearson dùng để kiểm tra mối quan hệ tuyến tính giữa biến độc lập và các biến phụ thuộc, vì điều kiện để hồi quy là phải tương quan.
- Khi giá trị sig. giữa biến độc lập và biến phụ thuộc nhỏ hơn 0.05 có nghĩa biến độc lập có tương quan với biến phụ thuộc và hệ số tương quan Pearson (r) được dùng để đánh giá mức độ tương quan mạnh/yếu giữa các biến độc lập với biến phụ thuộc. Tuy nhiên nếu giá trị tương quan Pearson lớn hơn 0.3 tức các biến độc lập có tương quan chặt thì cần lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy.
- Khi giá trị sig. giữa biến độc lập và biến phụ thuộc lớn hơn 0.05 nghĩa là biến độc lập khơng có tương quan với biến phụ thuộc và nên loại biến này trước khi chạy hồi quy.
- Giá trị sig. giữa các biến độc lập với nhau càng lớn càng tốt. Nếu giá trị sig. lớn hơn 0.05 có nghĩa là giữa các biến độc lập khơng có mối tương quan. Ngược lại nếu sig. nhỏ hơn 0.05 thì cần lưu ý tới hệ số tương quan Pearson để xem tính tương
quan mạnh hay yếu giữa các biến, trong trường hợp này có thể xảy ra hiện tượng đa cộng tuyến.
3.4.5. Phân tích hồi quy tuyến tính bội
Để biểu diễn mối quan hệ giữa biến phụ thuộc và các biến độc lập, mơ hình hồi quy bội (MLR) được thực hiện. Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter, tức là đưa tất cả các biến vào một lượt.
Cụ thể, phương trình được biểu diễn như sau:
Y = β0+η1X1+η2X2+η3X3+η4X4+η5X5
Trong đó:
Y: Áp lực cảm nhận từ cơng ty kiểm tốn (Biến phụ thuộc) X1: Phán đoán đạo đức
X2: Quy định tổ chức nghiề nghiệp X3: Uy tín nghề nghiệp
X4: Quy định pháp lý X5: Gia đình
β0, η1...η5 : Là các hệ số hồi quy
Trong nghiên cứu, để xem xét tầm quan trọng giữa các biến độc lập (mức độ giải thích của chúng cho biến thiên của biến phụ thuộc), chúng ta sử dụng trọng số hồi quy đã chuẩn hóa.
Để đánh giá mức độ phù hợp đối với mơ hình hồi quy bội MLR, chúng ta dựa vào hệ số xác định R2 (R square). Hệ số R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, tuy nhiên khơng phải phương trình nào càng có nhiều biến sẽ càng phù hợp với dữ liệu, R2 có xu hướng là một yếu tố lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có một biến giải thích trong mơ hình. Như vậy, trong hồi quy tuyến tính bội thường dùng hệ số R2 điều chỉnh (Adjusted R Square) để đánh giá độ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp của mơ hình.
Ngồi ra, để kiểm tra các biến độc lập khơng có tương quan hoàn toàn với nhau, khi ước lượng mơ hình hồi qui bội chúng ta phải kiểm tra giả định này thông qua kiểm tra hiện tượng đa cộng tuyến (multicollinearity). Đa cộng tuyến là hiện tượng trong đó các biến độc lập có quan hệ với nhau. Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor).
Tóm tắt chương 3
Trong chương này, tác giả đã trình bày chi tiết về phương pháp nghiên cứu, quy trình nghiên cứu của luận văn. Mở đầu bằng việc xây dựng khung nghiên cứu của luận văn, tác giả đã sơ đồ hóa tồn bộ quy trình thực hiện nghiên cứu của luận văn. Tiếp theo, tác giả đã xây dựng mơ hình nghiên cứu và trình bày phương pháp nghiên cứu định lượng để kiểm định các giả thuyết nghiên cứu được đưa ra.
Luận văn sử dụng phương pháp khảo sát bằng công cụ là bảng câu hỏi. Bảng câu hỏi được xây dựng dựa trên nghiên cứu gốc và gửi đến các nhân viên chuyên nghiệp đang và đã làm việc tại các DNKT ở Tp.HCM. Dữ liệu sau khi thu thập sẽ được phân tích bằng các phương pháp phân tích thống kê tần số, tính tốn hệ số Cronbach alpha và phân tích nhân tố khám phá EFA, phân tích hồi quy tuyến tính bội qua sự hỗ trợ của phần mềm SPSS 20.0 nhằm xác định được mối quan hệ giữa các nhân tố ảnh hưởng đến áp lực kiểm tốn.
Tóm lại, thơng qua chương phương pháp nghiên cứu tác giả đã phần nào chứng minh được chất lượng của cơng trình nghiên cứu, cũng như làm cơ sở tin cậy cho những kết quả nghiên cứu sẽ được trình bày ở chương tiếp theo.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.1. Phân tích thống kê tần số 4.1.1. Đặc điểm của mẫu khảo sát 4.1.1. Đặc điểm của mẫu khảo sát
Nghiên cứu thu được 130 bảng câu hỏi trả lời qua mail và bằng công cụ trực tuyến Google.docs từ các nhân viên chuyên nghiệp hiện đang làm việc tại các DNKT ở Tp.HCM. (Danh sách người tham gia khảo sát được trình bày trong Phụ lục 2).
Về đối tượng tham gia khảo sát: Các đối tượng tham gia khảo sát có tỷ lệ giới
tính chênh lệch nhau khá nhiều cụ thể tỷ lệ nữ chiếm 63.1% và tỷ lệ nam chiếm 36.9%. Họ hiện đang làm việc nhiều vị trí cơng tác và kinh nghiệm làm việc khác nhau trong DNKT như sau: