Công cụ thống kê trong nghiên cứu này chủ yếu sử dụng là thống kê mô tả, phân tích độ tin cậy Cronbach Alpha, phân tích nhân tố khám phá EFA và hồi quy tuyến tính.
(i) Thống kê mô tả
Thống kê mô tả được sử dụng để mô tả các đặc tính cơ bản của dữ liệu thu thập từ nghiên cứu thực nghiệm thông qua nhiều cách khác nhau. Thống kê mô tả cung cấp bản tóm tắt đơn giản về các mẫu và các biện pháp để tạo ra nền tảng cho phân tích định lượng của dữ liệu. Để hiểu được hiện tượng và quyết định đúng đắn, để hiểu các kỹ thuật cơ bản của mô tả dữ liệu. Các chỉ số thống kê mô tả thường là: giá trị trung bình; số tối thiểu, số tối đa; độ lệch chuẩn; sai số chuẩn; độ nhọn, độ lệch của phân phối.
(ii) Độ tin cậy Cronbach Alpha
Hệ số alpha Cronbach được biết đến rộng rãi (Cronbach, 1951; Li, Rosenthal, và Rubin, 1996; Mendoza, Stafford, & Stauffer, 2000; Osburn 2000; van Zyl, Neudecker, và Nel, 2000). Cronbach Alpha là một phương pháp phổ biến để đo độ tin cậy của thang đo, ví dụ như trong việc định lượng độ tin cậy của một số điểm chung các thông tin của một số câu hỏi trong thang đo. Hệ số Cronbach Alpha phải được tính toán cho mỗi thang đo riêng biệt, hệ số Alpha Cronbach cao thể hiện mối tương quan chặt chẽ giữa các câu hỏi trong thang đo. Giả sử một thang đo lường có k thành phần câu hỏi:
. Như vậy hệ số Cronbach Alpha được tính toán như sau:
Trong đó:
phương sai tổng biến quan sát phương sai của từng biến thứ i
Điều kiện chấp nhận độ tin cậy của Cronbach Alpha: α ≥ 0.9 Xuất sắc
0.8 ≤ α < 0.9 Tốt
0.7 ≤ α < 0.8 Chấp nhận
0.6 ≤ α < 0.7 Cân nhắc (chấp nhận trong thang đo mới) 0.5 ≤ α < 0.6 Xấu
α < 0.5 Không thể chấp nhận
Ngoài ra, điều kiện chấp nhập độ tin cậy Cronbach Alpha được kiểm tra thông qua hệ số tương quan với biến tổng nếu hệ số này lớn hơn 0,3. Việc loại bỏ các biến rác nhỏ hợn 0,3 sẽ làm tăng độ tin cậy Cronbach Alpha nhằm kiểm chứng mức độ ổn định và tiêu chuẩn đánh giá của thang đo.
(iii) Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố EFA nhằm rút gọn một tập hợp biến quan sát ban đầu thành những nhân tố chung đại diện cho những thang đo (Child, 1990). Các nhà nghiên cứu muốn khám phá các mẫu trong các dữ liệu hoặc để kiểm tra giả thuyết quy định rõ ràng. Phân tích nhân tố khám phá (EFA), không áp đặt những hạn chế nội dung trên các dữ liệu; không có hạn chế về các mô hình của các mối quan hệ giữa các biến quan sát và tiềm ẩn. EFA là dữ liệu hướng (Brown, 2006). Mỗi nhân tố phổ biến được giả định ảnh hưởng đến tất cả các biến quan sát và các nhân tố thông thường là một trong hai tất cả các tương quan hoặc không tương quan. Sau khi mô hình được ước tính, điểm số yếu tố, các đại lượng của các biến tiềm ẩn, được tính toán và sử dụng để phân tích đánh giá. Như vậy, phân tích nhân tố EFA được cho là phù hợp khi các tiêu chuẩn sau đây được thỏa điều kiện:
- Hệ số tải nhân tố (Factor Loadings): là những hệ số tương quan đơn giữa các biến và các nhân tố. Hệ số tải nhân tố lớn hơn 0,3 được cho là phù hợp với quy mô mẫu tối thiểu 190 số quan sát.
- Tính thích hợp của EFA (Kaiser – Meyer – Olkin): là chỉ số dùng xem xét sự thích hợp của phân tích nhân tố nếu 0,5 ≤ KMO ≤ 1.
- Kiểm định Bartlett (Bartlett’s Test of Sphericity): kiểm định giả thuyết H0 (các biến không có tương quan với nhau trong tổng thể). Ma trận tương quan tổng thể là một ma trận đơn vị trong đó tất cả các giá trị trên đường chéo đều bằng 1 và ngoài đường chéo bằng 0. Đại lượng kiểm định này dựa trên sự biến đổi thành đại lượng Chi-Square
từ định thức của ma trận tương quan. Ý nghĩa kiểm định Bartlett cho biết nếu bác bỏ giả thuyết H0: đại lượng Chi-Square lớn, ý nghĩa thống kê nhỏ hơn 0,05 thì phân tích nhân tố là thích hợp, còn nếu chưa có cơ sở bác bỏ giả thuyết H0: đại lượng Chi-Square nhỏ, ý nghĩa thống kê lớn hơn 0,05 thì phân tích nhân tố có khả năng không thích hợp.
- Phương sai trích (cumulative of variance): là phần trăm phương sai toàn bộ được trích bởi các nhân tố, nghĩa là coi biến thiên 100% thì giá trị này cho biến phân tích nhân tố cô đọng được bao nhiêu % và bị thất thoát bao nhiêu %. Tiêu chuẩn để chấp nhận phân tích nhân tố có phương sai cộng dồn lớn hơn 50% với Eigenvalue phải lớn hơn 1.
(iv) Phân tích hồi quy
Sau khi phân tích nhân tố khám phá EFA, mô hình hồi quy tuyến tính tổng quát nhằm đo lường mức độ ảnh hưởng của các yếu tố đến tuân thủ thuế tại Cục thuế thành phố Hồ Chí Minh như sau:
TU = β1TS + β2KE + β3HQ + β4KT + β5KI + β6CB + β7CT + β8HP + β9TC + Ei
Trong đó:
TU biến phụ thuộc (tuân thủ thuế)
Fj = {TS, KE, HQ, KT, KI, CB, CT HP, TC} là các yếu tố ảnh hưởng đến TU β = {β1,…, β9} là hệ số hồi quy tác động đến TU
Ei sai số
Nguyên tắc kiểm định hồi quy:
- Đánh giá mức độ phù hợp của mô hình hồi quy: (1) Hệ số xác định R2 (R Square) và sử dụng kiểm định phương sai ANOVA nhằm kiểm tra ý nghĩa của hệ số xác định R2. Nếu mức ý nghĩa thống kê của phương sai ANOVA sig.F < 0.05 thì xem như mô hình hồi quy phù hợp, do đó mô hình tồn tại ít nhất một yếu tố giải thích được thay đổi biến phụ thuộc; hoặc nếu không có cơ sở bác bỏ giả Sig.F > 0,05 thì mô hình chưa thể kết luận các yếu tố giải thích được thay đổi biến phụ thuộc.
- Các thủ tục chọn biến độc lập:
Phương pháp Enter được sử dụng để phân tích hồi quy bằng cách tất cả các biến độc lập được đưa vào một lần, đưa ra các thông số thống kê liên quan đến các biến. Nếu biến nào thỏa đìều kiện kiểm định ý nghĩa hệ số hồi quy (Sig.t ≤ 0,05) thì biến độc lập đó có ý nghĩa thống kê (βj ≠ 0).
- Kiểm định sự vi phạm các giả định cần thiết trong mô hình hồi quy tuyến tính: (1) Kiểm tra bằng biểu đồ tần số Histogram, biểu đồ tần số Q-Q plot, biểu đồ phân tán Scatter nhằm đánh giá mức độ tuyến tính phù hợp với dữ liệu quan sát hay không; (2) Kiểm định giả thuyết phương sai của sai số không đổi nhằm xem xét mối quan hệ phần dư và các biến giải thích.
Tóm tắt chương 3
Chương này trình bày về phương pháp nghiên cứu được sử dụng để đánh giá thang đo các khái niệm nghiên cứu, mô hình lý thuyết và các giả thuyết nghiên cứu. Phương pháp nghiên cứu được thực hiện qua 02 bước bao gồm nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ bao gồm 02 bước: định tính và định lượng. Nghiên cứu chính thức được thực hiện bằng một nghiên cứu định lượng và kỹ thuật phỏng vấn trực tiếp được sử dụng trong nghiên cứu này với cỡ mẫu là 300 mẫu (trong đó 285 mẫu hợp lệ)
Các thang đo được kiểm định sơ bộ bằng kỹ thuật phân tích độ tin cậy thông qua hệ số Cronbach’Alpha và phân tích nhân tố khám phá EFA. Sau khi điều chỉnh, kết quả cho thấy, các thang đo này đều đạt yêu cầu và sử dụng cho nghiên cứu chính thức.
CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 3 đã thảo luận về phương pháp nghiên cứu được sử dụng để phân tích các yếu tố ảnh hưởng đến tuân thủ thuế từ các mô hình lý thuyết phát triển trong Chương 2, và thiết kế nghiên cứu của cả hai nghiên cứu sơ bộ và nghiên cứu chính thức. Chương này trình bày các kết quả của cả hai nghiên cứu. Thứ nhất, nghiên cứu sơ bộ của 40 doanh nghiệp độc lập được phân tích để đánh giá độ tin cậy nhằm hiệu chỉnh độ tin cậy của thang đo. Những phát hiện từ cuộc điều tra ban đầu dẫn đến việc hoàn tất các công cụ để nghiên cứu chính thức. Phần sau đây mô tả các đặc tính của mẫu và trình bày thống kê mô tả trong nghiên cứu chính thức. Trong nghiên cứu chính thức, độ tin cậy Cronbach Alpha, phân tích nhân tố khám phá EFA và phân tích hồi quy nhằm kiểm định các giả thuyết của mô hình.