4.4.1. Thống kê mô tả dữ liệu
Trung bình mẫu (mean) trong thống kê là một đại lượng mô tả thống kê, được tính ra bằng cách lấy tổng giá trị của toàn bộ các quan sát trong tập chia cho số lượng các quan sát trong tập.
Số trung vị (median) là một số tách giữa nửa lớn hơn và nửa bé hơn của một mẫu, một quần thể, hay một phân bố xác suất. Nó là giá trị giữa trong một phân bố, mà số số nằm trên hay dưới con số đó là bằng nhau. Điều đó có nghĩa rằng 1/2 quần thể sẽ có các giá trị nhỏ hơn hay bằng số trung vị, và một nửa quần thể sẽ có giá trị bằng hoặc lớn hơn số trung vị.
Độ lệch chuẩn, hay độ lệch tiêu chuẩn, là một đại lượng thống kê mô tả dùng để đo mức độ phân tán của một tập dữ liệu đã được lập thành bảng tần số. Có thể tính ra độ lệch chuẩn bằng cách lấy căn bậc hai của phương sai. Nếu gọi X là giá trị của công cụ tài chính, m = E(X) là trung bình động của X, S là phương sai, d là độ lệch chuẩn thì độ lệch chuẩn sẽ được tính toán như sau:S = E[(X – m)2] d = Căn bậc hai của S
sát trong tổng thể, giá trị các biến quan sát có thể hội tụ, phân tán, hoặc phân bổ theo một mẫu hình nào đó, quy luật nào đó.
4.4.2. Đánh giá độ tin cậy của thang đo
Độ tin cậy của thang đo được đánh giá thông qua hệ số Cronbach Alpha và hệ số tương quan biến tổng (item-total correlation). Nó giúp đo lường mức độ chặt chẽ mà các biến quan sát trong thang đo tương quan với nhau.
Về giá trị của Cronbach alpha, Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008, Tập 2 tr24) cho rằng: “Nhiều nhà nghiên cứu đồng ý rằng giá trị này từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0,7 đến 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm thang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995)”. Trong nghiên cứu này, hầu hết các thang đo đều được tham khảo từ nghiên cứu của Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2002), do đó tác giả chỉ sử dụng những thang đo mà hệ số Cronbach alpha đạt giá trị từ 0,7 trở lên.
Với những thang đo có hệ số Cronbach Alpha nhỏ hơn 0,7 là thang đo không phù hợp và xem xét loại biến quan sát nào đó đi (trong kết quả kiểm định thang đo sẽ tự đề xuất việc loại bỏ biến này) để đạt được hệ số Cronbach Alpha tốt hơn. Chú ý rằng các biến quan sát cho kiểm định Cronbach Alpha phải đảm bảo từ 3 biến trở lên. Nếu nhỏ hơn việc thực hiện kiểm định thang đo là không phù hợp, khi đó phần mềm sẽ không đưa ra kiến nghị gì về đánh giá thang đo.
Trong mỗi thang đo, hệ số tương quan biến tổng thể hiện sự tương quan giữa một biến quan sát với tất cả các biến khác trong thang đo. Hệ số này càng cao thì sự tương quan của biến với các biến khác càng cao. Các biến có hệ số tương quan biến tổng lớn hơn 0,3 được coi là phù hợp, với những biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3 bị coi là biến rác và loại khỏi thang đo.
4.4.3. Phân tích nhân tố
Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Phân tích nhân tố giúp thu gọn các biến quan sát
thành những nhóm biến, các biến trong nhóm có quan hệ mật thiết với nhau, mỗi nhóm đo lường một yếu tố riêng; các biến quan sát có thể bị tách ra hay nhập vào thành những nhóm mới so với mô hình ban đầu.
Trong nghiên cứu này, phương pháp nhân tố EFA được sử dụng để xác định giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant); các tham số thống kê quan trọng trong phân tích nhân tố gồm có:
Hệ số tải nhân tố - Factor loading: là hệ số tương quan đơn giữa các biến và các nhân tố.
Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những chỉ số nhân tố có Eigenvalue > 1 mới được giữ lại trong mô hình phân tích, các nhân tố có Eigenvalue < 1 sẽ bị loại khỏi mô hình. Kết quả đưa ra có bao nhiêu chỉ số Eigenvalue >1 sẽ có bấy nhiêu nhân tố được hội tụ.
Phương pháp phân tích nhân tố được sử dụng trong nghiên cứu này là Principal Component Analysis với phép quay Varimax with Kaiser Normalization.
Chỉ số Kaiser-Meyer-Olkin (KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO đủ lớn (giữa 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
Sig của kiểm định Bartlett < 0,05 chứng tỏ các biến có tương quan với nhau trong tổng thể - đây là điều kiện cần để áp dụng phân tích nhân tố (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, 31).
Phương sai trích Variance explained criteria: tổng phương sai trích phải lớn hơn 50%.
4.4.4. Phân tích tương quan và hồi quy đa biến
Sau khi xây dựng các thang đo thích hợp, tiến hành phân tích ma trận tương quan giữa các biến độc lập và biến phụ thuộc, tác giả thực hiện phân tích tương quan và chạy mô hình hồi quy đa biến.
quan hệ qua lại giữa biến độc lập lên biến phụ thuộc.
Hệ số tương quan đo mức độ phụ thuộc tuyến tính giữa hai biến (X & Y); khi hệ số tương quan càng gần bằng không quan hệ càng lỏng lẻo; càng gần 1 càng chặt; nếu cùng dấu là tương quan thuận và ngược lại là nghịch. Theo quy ước các biến có hệ số tương quan nhỏ hơn 0,3 được coi là biến rác, không có ý nghĩa nghiên cứu. Cụ thể :
±0,01 đến ±0,1: Mối tương quan quá thấp, không đáng kể ±0,2đến ±0,3 : Mối tương quan thấp
±0,4đến ±0,5: Mối tương quan trung bình ±0,6 đến ±0,7: Mối tương quan cao
±0,8 trở lên: Mối tương quan rất cao
Mô hình hồi quy tuyến tính chuẩn hóa có dạng như sau: Y = β0+ β1*X1 + β2*X2 + β3*X3+ut
Trong đó:
Y: Công tác thanh tra thuế TNDN ;
X1 - X3: Các yếu tố ảnh hưởng tới hoàn thiện công tác thanh tra thuế TNDN; β1 - β3: Hệ số góc của từng nhân tố ;
β0 : Hệ số chặn của mô hình hồi quy ; ut : phần dư
4.5. THIẾT KẾ BẢNG CÂU HỎI (PHỤ LỤC 1)
Để đưa ra bảng câu hỏi đầu tiên thực hiện bằng phương pháp định tính, sử dụng kỹ thuật thảo luận nhóm với 5 người để hiệu chỉnh, bổ sung các biến quan sát nhằm xây dựng những tiêu chí đánh giá, chỉnh sửa, loại bỏ hay bổ sung câu hỏi phục vụ cho quá trình nghiên cứu định lượng. Kết quả của bước này là xây dựng được một bảng câu hỏi chính thức dùng cho nghiên cứu.
Tóm tắt chương 4
Chương này trình bày cụ thể về quy trình tiến hành nghiên cứu, mô hình nghiên cứu đã được hiệu chỉnh các chi tiết thang đo sau khi thực hiện nghiên cứu định tính.
Chương 4 cũng trình bày về mẫu trong nghiên cứu này được lấy theo phương pháp thuận tiện, phương pháp xử lý số liệu từ các dữ liệu thị trường thu thập được thông qua nghiên cứu định lượng là các phép kiểm định và hồi quy tuyến tính.
Sau khi có được bảng câu hỏi nghiên cứu, tác giả tiến hành điều tra bằng việc phát phiếu câu hỏi tới các đối tượng điều tra (được trình bày ở trên). Sau khi có kết quả điều tra tác giả tiến hành thống kê mô tả dữ liệu với các giá trị trung bình, lớn nhất, nhỏ nhất để nhìn tổng quan đánh giá về kết quả thu thập;
Bước tiếp theo là tác giả đánh giá độ tin cậy thang đo nghiên cứu qua hệ số Cronbach Alpha (lớn hơn 0,7 là phù hợp) và hệ số tương quan biến tổng (lớn hơn 0,3 là thỏa mãn);
Sau khi có được các biến quan sát phù hợp tiến hành phân tích khám phá nhân tố với các chỉ số KMO (lớn hơn 5 và nhỏ hơn 1) là phù hợp để phân tích nhân tố khám phá; Chỉ số Bartlet’s <0,05 là thỏa mãn;
Có bao nhiêu chỉ số Eigenvalue >1 sẽ có bấy nhiêu nhân tố được hội tụ; Phương sai trích lớn hơn 50% là phù hợp;
Chương tiếp theo sẽ trình bày kết quả của việc thu thập dữ liệu từ mẫu, kiểm định thang đo và các kết quả nghiên cứu khác rút ra từ quá trình phân tích dữ liệu.
CHƯƠNG5: KẾTQUẢNGHIÊN CỨU
Chương 4 đã trình bày phương pháp nghiên cứu, Chương 5 sẽ trình bày các nội dung: (1) thống kê mô tả dữ liệu, (2) kiểm định thang đo; (3) kết quả phân tích nhân tố, (4) kiểm định sự phù hợp của mô hình và giả thuyết.
5.1. THỐNG KÊ MÔ TẢ DỮ LIỆU
Dữ liệu phiếu khảo sát tác giả phát ra là 250 trong đó thu về 203 phiếu hợp lệ, 47 phiếu không hợp lệ, vì vậy tác giả sẽ thực hiện các kĩ thuật phân tích định lượng dựa trên số mẫu là 203.
Dữ liệu được thống kê theo tần suất, thống kê mô tả dữ liệu để từ đó có các đánh giá sơ bộ về các vấn đề liên quan tới công tác thanh tra thuế TNDN trên địa bàn tỉnh Quảng Trị.
Bảng 5.1: Thống kê mô tả các biến độc lập và phụ thuộc
N Minimum Maximum Mean Statistic Statistic Statistic Statistic
CQT_1 203 2,00 5,00 4,2414 CQT_2 203 2,00 5,00 4,1133 CQT_3 203 2,00 5,00 3,8818 CQT_4 203 2,00 5,00 3,4975 CQT_5 203 2,00 5,00 3,7635 CQT_6 203 2,00 5,00 3,9901 CQT_7 203 2,00 5,00 4,1429 CS_1 203 2,00 5,00 3,9261 CS_2 203 2,00 5,00 3,9163 CS_3 203 3,00 5,00 3,8325
N Minimum Maximum Mean Statistic Statistic Statistic Statistic
DN_1 203 2,00 5,00 3,9015 DN_2 203 2,00 5,00 3,5419 DN_3 203 2,00 5,00 3,5567 DN_4 203 2,00 5,00 3,5764 DN_5 203 1,00 5,00 3,5961 Valid N (listwise) 203 (Nguồn: Kết quả từ phần mềm SPSS)
Hầu hết các biến đều có điểm trung bình từ 3 tới 4 cho thấy người tiêu dùng đánh giá khá cao đối với các yếu tố này, đặc biệt hai biến CQT_1 và CQT_2 có điểm trung bình cao (>4) cho thấy người tiêu dùng đánh giá cao và nhất quán đối với hai yếu tố này.
Với biến phụ thuộc là đánh giá về công tác thanh tra thuế TNDN (HT_1, HT_2) đạt số điểm trung bình trên 3 cho thấy đa số mọi người đều có những đánh giá tốt về công tác thanh tra thuế TNDN.
Bảng 5.2: Thống kê mô tả các đối tượng khảo sát
Mẫu (n = 203) Tần số Tỉ lệ trong mẫu ( %) 1. Giới tính Nam giới Nữ giới Tổng 53 150 203 26,1 73,9 100.0 2. Kinh nghiệm làm việc
Dưới 1 năm Từ 1 đến 5 năm Từ trên 5 năm Tổng 91 95 17 203 44,8 46,8 28,4 100.0
(Nguồn: Kết quả từ phần mềm SPSS)
Kết quả cho thấy số lượng nữ giới nhiều hơn nam giới ( trong dữ liệu khảo sát). Nữ giới chiếm tới 73,9% còn lại 26,1% là Nam giới.
Đa số các đối tượng có kinh nghiệm làm việc từ 1 đến 5 năm (46,8%) tiếp theo là dưới 1 năm (44,8%) và đối tượng trên 5 năm là 28,4%. Qua đó có thể thấy lực lượng đông đảo vẫn nằm trong khoảng kinh nghiệm từ 1 đến 5 năm
5.2.KẾTQUẢĐÁNHGIÁĐỘTINCẬYCỦATHANGĐO
Do các biến nghiên cứu được xây dựng từ 3 biến quan sát khác nhau trở lên. Để kiểm tra sự tin cậy của các khái niệm nghiên cứu này phương pháp phổ biến là sử dụng hệ số Cronbach Alpha (Suanders và cộng sự, 2007). Để kiểm tra mức độ phù hợp của một mục hỏi phải xem xét hệ số tương quan biến tổng (Hair và cộng sự, 2006). Tiêu chuẩn kiểm định là hệ số Cronbach Alpha tối thiểu 0,7 và hệ số tương quan biến tổng tối thiểu 0,3 (Nunally và Burstein, 1994).
Với các biến không phù hợp sẽ tiến hành kiểm tra lại câu hỏi và có thể bỏ đi nếu việc đó giúp độ tin cậy thang đo của nhân tố phù hợp.
5.2.1 Thang đo các biến độc lập
Bảng 5.3: Kết quả phân tích Cronbach alpha các biến độc lập
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến – tổng
Cronbach alpha nếu loại biến
Cơ quan thuế Cronbach alpha = 0,789
CQT_1 23,2660 8,038 0,468 0,771
CQT_2 23,3941 6,963 0,749 0,718
CQT_3 23,6256 7,176 0,587 0,748
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến – tổng
Cronbach alpha nếu loại biến
CQT_5 23,8670 8,185 0,269 0,814 CQT_6 23,5172 7,875 0,552 0,759 CQT_7 23,3645 6,956 0,726 0,722 Chính sách Cronbach alpha = 0.707 CS_1 7,7635 0,944 0,523 0,618 CS_2 7,7685 0,941 0,589 0,539 CS_3 7,8473 0,972 0,467 0,689
Vê Doanh Nghiệp Cronbach alpha = 0.878
DN_1 14,2808 5,074 0,395 0,797 DN_2 14,6256 4,552 0,537 0,755 DN_3 14,6059 3,992 0,732 0,687 DN_4 14,5911 4,144 0,720 0,694 DN_5 14,5665 4,702 0,455 0,783 (Nguồn: Kết quả từ phần mềm SPSS)
Thang đo đều hệ số Cronbach alpha > 0.7 nên có thể nói rằng thang đo này là tốt, các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0.3, không có biến nào bị loại thêm. Thang đo và các biến quan sát đạt độ tin cậy cao.
5.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
Phần phân tích này sử dụng phương pháp trích Principal Axis Factoring và phép quay Promax. Điểm dừng trích các yếu tố là những nhóm nhân tố có giá trị Eigenvalues thấp nhất là 1. Tiêu chuẩn để chấp nhận các biến đo lường khi trọng số
(Factor loading) từ 0,5 trở lên. Đồng thời thang đo thật sự có thể thật sự tin cậy để đưa vào phân tích số liệu khi tổng phương sai trích của chúng lớn hơn hoặc bằng 50% (Gerbing & Anderson, 1988). Để đảm bảo tính đồng nhất và độ tin cậy của các biến quan sát, sau khi phân tích EFA, chỉ những nhóm nhân tố thỏa mãn những điều kiện trên thì mới có thể tham gia vào phần chạy hồi quy trong phân tích tiếp theo.
Bảng 5.4: Kết quả phân tích nhân tố Hệ số KMO KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,766
Bartlett's Test of Sphericity
Approx. Chi-Square 1631,912
df 105
Sig. 0,000
(Nguồn: Kết quả từ phần mềm SPSS)
Chỉ số KMO = 0,766 (nằm giữa 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp; Sig của kiểm định Bartlett = 0,000 < 0,05 chứng tỏ các biến có tương quan với nhau trong tổng thể - đây là điều kiện cần để áp dụng phân tích nhân tố (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, 31).
Điều này cũng có nghĩa là giả thuyết ma trận tương quan tổng thể là ma trận đồng nhất bị bác bỏ, các biến có tương quan với nhau và thỏa điều kiện trong phân tích nhân tố.
Kết quả phân tích phương sai tổng thể cho thấy 4 nhân tố được trích tại eigenvalue là 1,048 với phương sai trích là 63,24%. Như vậy, các chỉ tiêu phân tích (eigenvalue > 1 và phương sai trích > 50%) đều đạt yêu cầu, kết quả phân tích có ý nghĩa và 4 nhân tố này giải thích được 63,24% biến thiên của dữ liệu.
Bảng 5.5: Kết quả phân tích nhân tố Phương sai giải thích
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
1 4,866 32,439 32,439 4,866 32,439 32,439 3,211 21,406 21,406 2 2,119 14,130 46,568 2,119 14,130 46,568 2,610 17,399 38,804 3 1,453 9,686 56,254 1,453 9,686 56,254 2,207 14,710 53,515 4 1,048 6,988 63,242 1,048 6,988 63,242 1,459 9,727 63,242 5 ,983 6,553 69,795 6 ,751 5,007 74,803 7 ,724 4,829 79,632 8 ,635 4,235 83,866 9 ,614 4,094 87,960 10 ,457 3,045 91,005 11 ,398 2,652 93,657 12 ,367 2,446 96,103 13 ,357 2,382 98,485 14 ,185 1,234 99,719 15 .042 .281 100.000
Extraction Method: Principal Component Analysis.
Bảng 5.6 Ma trận xoay nhân tố Rotated Component Matrixa
Component 1 2 3 4 CQT_1 0,634 CQT_2 0,915 CQT_3 0,640 CQT_4 CQT_5 0,758 CQT_6 0,660 CQT_7 0,909 CS_1 0,758 CS_2 0,825 CS_3 0,710 DN_1 DN_2 0,724 DN_3 0,880 DN_4 0,862 DN_5 0,530
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.