Tải bản đầy đủ - 0 (trang)
Nhìn vào giá trị trung bình của các mẫu để kết luận:

Nhìn vào giá trị trung bình của các mẫu để kết luận:

Tải bản đầy đủ - 0trang

47

phân phối lệch về bên trái, và ngược lại (Hair và cộng sự, 2010). Trị số

Kurtosis đề cập đến độ cao hay thấp của phân phối so với phân phối chuẩn.

Trị số kurtosis âm cho biết là phân phối thấp hơn, trong khi đó nếu trị số này

dương chứng tỏ phân phối cao hơn (Hair, 2010). Kline (2005) cho rằng nếu

skewness nhỏ hơn 3 kurtosis nhỏ hơn 10 thì xem như dữ liệu không vi phạm

giả định về phân phối chuẩn.

c) Kiểm định độ tin cậy của thang đo

Kiểm định Crobach’ Alpha là một kiểm định cho phép đánh giá mức độ

tin cậy của việc thiết lập một biến tổng hợp, hay còn gọi là nhân tố trên cơ sở

nhiều biến đơn (biến quan sát). Nói cách khác, kiểm định Cronbach’s Alpha

cho phép đánh giá tính nhất quán của các biến quan sát (biến đơn), nghĩa là

xem xét các biến quan sát (biến đơn) có đủ tin cậy để đại diện, và đo lường

cho biến tổng hợp (nhân tố) hay khơng.

Ở mơ hình hồi quy này, có 2 nhân tố (biến tổng hợp) cần kiểm định độ

tin cậy của thang đo là cạnh tranh và phân cấp quản lý, bởi cạnh tranh và phân

cấp quản lý được đo lường bằng một tập biến quan sát (cạnh tranh được đo

bằng 7 biến quan sát, phân cấp quản lý được đo bằng 5 biến quan sát).

Đối với năng lực của nhân viên kế tốn và mức độ ứng dụng cơng nghệ

thơng tin chỉ mỗi yếu tố chỉ được đo lường bằng 1 biến quan sát nên khơng

thể phân tích cronbach alpha được.

Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cùng nhiều nhà

nghiên cứu đồng ý rằng khi hệ số Cronbach alpha có giá trị từ 0,8 trở lên đến

gần 1,0 là thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng được. Song, cũng có

nhiều nhà nghiên cứu đề nghị hệ số Cronbach alpha từ 0,6 trở lên là có thể sử

dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối

với người trả lời trong bối cảnh nghiên cứu. Tuy nhiên, Cronbach alpha không

cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số



48

Cronbach alpha, người ta còn sử dụng hệ số tương quan biến tổng (iterm –

total correlation) và những biến nào có tương quan biến tổng < 0,3 sẽ bị loại

bỏ.

d) Xem xét hệ số ma trận tương quan

Ma trận này cho biết tương quan giữa biến phụ thuộc với từng biến độc

lập, cũng như tương quan giữa các biến độc lập với nhau. Nếu hệ số tương

quan giữa biến phụ thuộc và các biến độc lập đều cao thì có thể đưa các biến

độc lập vào mơ hình để giải thích cho biến phụ thuộc. Tuy nhiên, nếu hệ số

tương quan giữa các biến độc lập với nhau cũng cao thì có thể ảnh hưởng lớn

đến kết quả của phân tích hồi quy bội (có thể gây ra hiện tượng đa cộng

tuyến); do vậy, nhà nghiên cứu cần phải xem xét lại thật kỹ vai trò của các

biến độc lập trong mơ hình xây dựng được (kiểm tra hiện tượng đa cộng tuyến

trong mô hình).

Khi hệ số tương quan tiến đền gần tới 1 thì nó thể hiện mối quan hệ

tuyến tính chặt chẽ. Cần lưu ý là khi giải thích hệ số tương quan tuyến tính thì

các biến có mối quan hệ tuyến tính khơng có nghĩa là các biến có quan hệ

nhân quả. Nói cách khác, mối quan hệ tuyến tính chỉ là điều kiện cần của mối

quan hệ nhân quả, để kiểm tra điều kiện đủ của mối quan hệ nhân quả chúng

ta cần phải căn cứ vào bảng hệ số ước lượng của mơ hình hồi quy (quan tâm

đến hệ số beta và giá trị Sig của nó).



e) Phân tích hồi quy bội

Để trả lời cho câu hỏi 2 “Những nhân tố nào ảnh hưởng đến việc lập dự

toán trong các DN trên địa bàn thành phố Đà Nẵng?”, tác giả tiến hành kiểm

định các giả thiết H4, H5, H6, H7.



49

H4: Việc áp dụng các cơng cụ lập dự tốn tỉ lệ thuận với mức độ cạnh tranh.

H5: Việc sử dụng nhóm cơng cụ lập dự tốn tỉ lệ thuận với mức độ phân

cấp quản lý.

H6: Việc sử dụng nhóm cơng cụ lập dự tốn tỉ lệ thuận với khoa học kỹ

thuận được áp dụng trong hoạt động của DN.

H7: Việc sử dụng nhóm cơng cụ lập dự tốn tỉ lệ thuận với trình độ nhân

viên kế tốn của DN.

Giả thiết H4, H5, H6, H7 được kiểm định bằng mô hình hồi quy đa biến

Hồi quy tuyến tính” là mơ hình biểu diễn mối quan hệ nhân quả giữa một

biến được gọi là biến phụ thuộc (hay biến được giải thích - Y) và một hay

nhiều biến độc lập (hay biến giải thích - X). Mơ hình này sẽ giúp nhà nghiên

cứu dự đoán được mức độ của biến phụ thuộc (với độ chính xác trong một

phạm vi giới hạn) khi biết trước giá trị của biến độc lập. Mô hình hồi quy

tuyến tính bội sẽ có dạng tổng qt như sau:

Yi  0  1 X 1i   2 X 2i  ...   p X pi  ei



Trong đó, Yi là giá trị của biến phụ thuộc (mức độ vận dụng cơng cụ dự

tốn) tại quan sát thứ i

Xpi là giá trị của biến độc lập thứ p tại quan sát thứ i (Các yếu tố tác

động đến mức độ vận dụng cơng cụ dự tốn: cạnh tranh, phân cấp quản lý,

trình độ của nhân viên kế tốn, mức độ ứng dụng cơng nghệ thơng tin trong

lập dự toán);

βk là các hệ số hồi quy riêng

ei là phần dư của mơ hình hồi quy



KẾT LUẬN CHƯƠNG 2

Trong Chương 2, tác giả đã đưa ra hai câu hỏi nghiên cứu về mức độ vận

dụng, mức độ lợi ích và các nhân tố ảnh hưởng đến việc lập dự toán ở các DN

trên địa bàn thành phố Đà Nẵng; đồng thời tác giả đưa ra 7 giả thiết nghiên



50

cứu và xây dựng mơ hình nghiên cứu hồi quy bội với biến phụ thuộc là Mức

độ vận dụng công cụ lập dự toán, 4 biến độc lập là cạnh tranh, trình độ nhân

viên kế tốn, phân cấp quản lý, ứng dụng cơng nghệ thơng tin trong lập dự

tốn. Việc xử lý dữ liệu được tiến hành trên phần mềm SPSS để đưa ra kết

quả nghiên cứu vào Chương 3.



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Nhìn vào giá trị trung bình của các mẫu để kết luận:

Tải bản đầy đủ ngay(0 tr)

×