3.3.1. Xây dưng thang đo
Như đã phân tích ở trên, nghiên cứu được khảo sát từ 4 nhóm nhân tố là: Chính sách pháp luật; Chất lượng các cuộc thanh tra, kiểm tra; Các chức năng hỗ trợ quản lý và Người nộp thuế. Để có các dữ liệu đánh giá tổng quan, tác giả sử dụng thang đo Likert 5 bậc trong việc đo lường các yếu tố ảnh hưởng tới hiệu quả công tác kiểm tra, thanh tra thuế tại Cục thuế tỉnh Vĩnh Long với: (Bậc 1): Không tác động; (Bậc 2): Tác động ít; (Bậc 3): Tác động trung bình; (Bậc 4): Tác động mạnh; (Bậc 5): Tác động rất mạnh.
3.3.2. Thiết kế bảng câu hỏi
Quy trình xây dựng bảng hỏi được tiến hành theo ba bước như sau:
- Bước 1: Dựa vào cơ sở lý thuyết và các nghiên cứu liên quan trước đây để tạo nên bảng câu hỏi ban đầu.
- Bước 2: Bảng câu hỏi ban đầu được tham khảo ý kiến của giáo viên hướng dẫn và một số nhà quản trị để có được sự điều chỉnh lại cho phù hợp và dễ hiểu.
- Bước 3: Bảng câu hỏi được hoàn chỉnh và gửi đi khảo sát chính thức.
Việc sử dụng bảng câu hỏi để thu thập thông tin cần nghiên cứu có những lợi ích sau (Ranjit Kumar, 2005):
- Tiết kiệm chi phí, thời gian và nguồn nhân lực;
- Đảm bảo được tính ẩn danh cao vì người nghiên cứu và đối tượng khảo sát không cần phải gặp mặt nhau.
Ngoài ra, cũng dễ thấy rằng với công cụ bảng câu hỏi nghiên cứu có thể có được những thông tin cần thiết từ số lượng lớn người trả lời một cách nhanh chóng và hiệu quả
Tuy nhiên theo Bless và đồng tác giả (2006) thì bảng câu hỏi tự trả lời có một số hạn chế như sau:
- Trình độ học vấn và sự hiểu biết của người trả lời đối với các thuật ngữ sử dụng trong bảng câu hỏi là không biết trước được;
- Tỉ lệ trả lời đối với các bảng câu hỏi là khá thấp;
Các hạn chế này được khắc phục bằng cách tuyển chọn những người trả lời câu hỏi có chuyên môn hoặc am hiểu về công tác kiểm tra; thanh tra thuế, đồng thời nhiệt tình và có tinh thần trách nhiệm cao.
Kết quả thiết kế bảng câu hỏi được trình bày trong bảng 3.2 như sau:
Bảng 3.2. Bảng câu hỏi đo lường các yếu tố ảnh hưởng đến hiệu quả công tác kiểm tra, thanh tra thuế tại tỉnh Vĩnh Long
STT Mã hóa Diễn giải CHÍNH SÁCH PHÁP LUẬT
1 CSPL01 Chính sách thuế không ổn định 2 CSPL02 Chính sách thuế không thống nhất 3 CSPL03 Nội dung các sắc thuế phức tạp 4 CSPL04 Hướng dẫn về xử phạt chưa rõ ràng 5 CCSPL05 Hướng dẫn về xử phạt chưa thống nhất
CHẤT LƯỢNG CÁC CUỘC KIỂM TRA, THANH TRA
6 CLKTT01 Lập đề cương kiểm tra, thanh tra
7 CLKTT02 Nắm bắt đặc điểm ngành, nghề kinh doanh của người nộp thuế 8 CLKTT03 Bộ tiêu chí đánh giá rủi ro linh hoạt
9 CLKTT04 Bố trí nhân sự làm công tác kiểm tra, thanh tra 10 CLKTT05 Bố trí nhân sự đoàn kiểm tra, thanh tra hợp lý 11 CLKTT06 Phân tích hồ sơ tại cơ quan thuế chính xác 12 CLKTT07 Cưỡng chế thi hành quyết định hành chính thuế 12 CLKTT08 Tham quan hoạt động SXKD của người nộp thuế 14 CLKTT09 Giao số lượng hồ sơ kiểm tra, thanh tra
15 CLKTT10 Kinh nghiệm của công chức làm công tác kiểm tra, thanh tra 16 CLKTT11 Giao số thu thêm sau kiểm tra, thanh tra
17 CLKTT12 Khá năng xử lý tranh chấp, kiến nghị trong công việc 18 CLKTT13 Phối hợp, kết hợp trong công việc
20 CLKTT15 Trình độ kế toán của công chức làm công tác kiểm tra, thanh tra
21 CLKTT16 Đối chiếu tự động trên cơ sở dữ liệu của cơ quan thuế
CÁC CHỨC NĂNG HỖ TRỢ QUẢN LÝ
22 HTQL01 Thường xuyên tổ chức tập huấn 23 HTQL02 Giải đáp kịp thời các vướng mắc
24 HTQL03 Phổ biến đầy đủ các văn bản giải đáp vướng mắc 25 HTQL04 Khai thác thông tin về người nộp thuế
26 HTQL05 Tích hợp thông tin về người nộp thuế
27 HTQL06 Giám sát việc sử dụng hoá đơn của người nộp thuế
28 HTQL07 Quản lý nợ thuế
NGƯỜI NỘP THUẾ
29 NNT01 Hiểu rõ các nghĩa vụ nộp thuế
30 NNT02 Nắm bắt kịp thời các nghĩa vụ nộp thuế 31 NNT03 Chấp hành tốt các nghĩa vụ thuế
32 NNT04 Hiểu rõ các thủ tục thuế
33 NNT05 Nắm bắt kịp thời các thủ tục thuế 34 NNT06 Tự giác thực hiện đúng các thủ tục thuế
HIỆU QUẢ CÔNG TÁC KIỂM TRA, THANH TRA THUẾ
35 HQKTT01 Tỷ lệ hoàn thành kế hoạch thanh tra, kiểm tra
37 HQKTT02 Tình hình vi phạm pháp luật thuế qua kiểm tra, thanh tra 38 HQKTT03 Tỷ lệ chi phí kiểm tra và số thuế truy thu sau kiểm tra, thanh
tra thuế
39 HQKTT04 Công tác kiểm tra, thanh tra thuế đã đảm bảo công bằng và tạo môi trường cạnh tranh lành mạnh
3.4. XÁC ĐỊNH MẪU NGHIÊN CỨU
Theo Trung tâm thông tin và phân tích số liệu Việt Nam (VIDAC) Công thức xác định kích thước mẫu được tính như sau:
Trong đó:
n = kích cỡ mẫu được tính
z = giá trị z liên quan đến việc xác định mức độ tin cậy (nếu chọn mức độ tin cậy là 95%, thì giá trị z sẽ là 1.96). Điều này miêu tả mức độ không tin cậy của trung bình hoặc tần số của mẫu khi là ước lượng của trung binh và tần suất tổng thể. Giá trị tham khảo: 1.96 (cho mức độ tin cây 95%)
p = ước tính phần trăm trong tập hợp. Thông thường p sẽ thấy ở một vài nghiên cứu trước đó hoặc một vài nguồn thông tin. Trong trường hợp chúng ta không có thông tin trước liên quan đến p, chúng ta thường thiết lập giá trị của p tới 0.5. Điều này sẽ dẫn đến một phân tách 50%-50% để nắm bắt biến số lớn nhất có thể trong tập hợp.
q = (1-p)
e = sai số (ví dụ: tham gia vào giá trị +/- 3, 4, 5 phần trăm). Chiếm một nửa độ rộng của khoảng tin cậy. Sai số càng nhỏ thì kích thước mẫu càng lớn. Giá trị tham khảo: 0.05
Bên cạnh đó, có rất nhiều ý kiến của nhiều chuyên gia khác nhau: phân tích nhân tố cần có mẫu ít nhất 200 quan sát (Gorsuch, 1983); còn Hachter (1994) cho rằng kích cỡ mẫu bằng ít nhất 5 lần biến quan sát (Hair & ctg, 1998). Những quy tắc kinh nghiệm khác trong xác định cỡ mẫu cho phân tích nhân tố EFA là thông thường thì số quan sát (kích thước mẫu) ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc-Phân tích dữ liệu nghiên cứu với SPSS, NXB Thống kê 2005). Theo đó, trong đề tài này có tất cả 39 biến quan sát cần tiến hành phân tích nhân tố, vì vậy số mẫu tối thiểu cần thiết là 38 x 5 = 190.
Trong phân tích hồi quy tuyến tính bội, theo Tabachnick & Fidell (1991), để phân tích hồi quy đạt được kết quả tốt nhất, thì kích cỡ mẫu phải thỏa mãn công thức n ≥ 8m + 50. Trong đó: n là kích cỡ mẫu – m là số biến độc lập của mô hình. Theo đó trong đề tài này có 39 biến độc lập, vậy kích thước mẫu tối thiểu là 8 x38 +50 = 354
Do một số lượng mẫu phỏng vấn thu về không đảm bảo đủ tiêu chuẩn phân tích như: trả lời không hết các câu hỏi, tích phần trả lời sai quy định, thất lạc trong quá trình thu thấp, do đó số lượng mẫu cuối cùng để tiến hành phân tích là 300 mẫu.
Kết luận: Như vậy số lượng mẫu tác giả dự kiến với đề tài nghiên cứu này là 300 mẫu. 300 mẫu nghiên cứu này là các cán bộ, công chức làm việc tại Cục thuế Vĩnh Long và các Chi cục thuế trên địa bàn tỉnh.
3.5. PHƯƠNG PHÁP XỬ LÝ SỐ LIỆU3.5.1. Mô tả dữ liệu 3.5.1. Mô tả dữ liệu
- Thống kê mô tả: được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mô tả và
thống kê suy luận cùng cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Để hiểu được các hiện tượng và ra quyết định đúng đắn, cần nắm được các phương pháp cơ bản của mô tả dữ liệu.
- Hệ số tương quan cho biết mối quan hệ giữa các biến, hệ số này càng cao thì sự tương quan của biến này với các biến khác trong nhóm càng cao. Theo Nunnally & Burnstein(1994), hệ số tương quan các biến sẽ có các mức độ phân loại như sau:
±0.01 đến ±0.1: Mối tương quan quá thấp, không đáng kể ±0.2 đến ±0.3 : Mối tương quan thấp
±0.4 đến ±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
Trong đó các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 được coi là biến rác và không có ý nghĩa trong nghiên cứu.
3.5.2 Kiểm định độ tin cậy của thang đo
Cronback (1951) đã đưa ra hệ số tin cậy Alpha cho các thang đo nghiên cứu có từ 3 biến quan sát trở lên. Theo Nguyễn Đình Thọ (2012) Cronbach’s Alpha được tính
theo công thức rút gọn như sau: Alpha = Nρ/ (1+ ρ(N-1)), trong đó ρ là hệ số tương quan trung bình của các mục hỏi; N là số câu hỏi trong 1 nhân tố.
Hệ số Cronback Alpha có giá trị từ 0 đến 1, về lý thuyết Cronback Alpha càng lớn càng tốt. Nhiều nhà nghiên cứu đồng ý rằng hệ số Cronbach Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, tuy nhiên nếu lớn hơn 0.95 cho thấy các quan sát là không có gì khác biệt (tức là không có ý nghĩa nghiên cứu ), còn từ 0.7 đến gần 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 đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2011). Vì vậy đối với nghiên cứu này thì Cronbach Alpha từ 0.6 trở lên là sử dụng được.
Do các biến quan sát dùng để đo lường cùng một khái niệm (nhân tố) nên cần có sự tương quan với nhau. Vì vậy ngoài việc kiểm tra hệ số Cronbach Alpha >= 0.6, chúng ta cần phải xem xét thêm hệ số tương quan biến tổng (DeVellis, 2003). Đây là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của biến này với các biến khác trong nhóm càng cao. Theo Nunnally & Burnstein (1994) nếu hệ số tương quan biến tổng này mà nhỏ hơn 0.3 thì thang đo đó sẽ bị loại khỏi nghiên cứu.
3.5.3. Phân tích nhân tố khám phá
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998). Phân tích nhân tố được sử dụng với mục đích như sau:
+ Nhận diện các khía cạnh hay nhân tố để giải thích được các liên hệ tương quan trong một tập hợp biến.
+ Nhận diện tập hợp gồm một số lượng biến mới tương đối ít không có tương quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau để thực hiện một phân tích tiếp theo (phân tích hồi quy). Phân tích nhân tố thường có 4 bước:
Bước 1: Tính ma trận các mối liên quan cho tất cả các biến (correlation matrix)
- Tạo correlation matrix cho tất cả các biến
- Xác định các biến mà không có liên quan với biến khác
- Nếu mối liên quan giữa các biến nhỏ, chúng có thể không chung một nhân tố- FA không phù hợp
- Correlation coefficients ≥ 0.3
- KMO là một chỉ tiêu để xem xét sự thích hợp của FA Nếu 0.5 ≤KMO ≤1 thì phân tích nhân tố là thích hợp
- Kiểm định Bartlett xem xét giả thuyết H0: Độ tương quan giữa các biến số quan sát bằng 0. Nếu kiểm định này có ý nghĩa thống kê (sig <0.05) thì các biến có tương quan với nhau trong tổng thể (Trọng & Ngọc, 2005, 262)
Bước 2 : (Xác định nhân tố ) Factor extraction
- Mục đích chính của bước này là xác định các nhân tố.
- Thường dùng phương pháp Principal components analysis để xác định các nhân tố.
- The 1st principal component là phức hợp giải thích được nhiều biến thiên nhất trong quần thể (1st extracted factor), sau đó giảm dần ở nhân tố thứ 2, 3…
- Để xác định giữ lại bao nhiêu nhân tố, căn cứ vào 2 yếu tố: Eigen Values >1
The Scree Plot.
Bước 3 : (Sử dụng phép xoay các nhân tố) Factor rotation
- Ở bước này các nhân tố được sử dụng phép xoay để nó có ý nghĩa hơn - Có nhiều phương pháp, phương pháp hay dùng nhất là Varimax rotations.
- Chọn các nhân tố có ý nghĩa thực tiễn nhất
- Chọn các nhóm biến số có chỉ số lớn cho cùng một nhân tố - Đặt tên cho nhân tố theo ý nghĩa của các biến
3.5.4. Phân tích hồi quy và kiểm định giả thiết
Hồi quy tuyến tính bội thường được dùng để kiểm định và giải thích lý thuyết nhân quả (Cooper và Schindler, 2003). Ngoài chức năng là công cụ mô tả, hồi quy tuyến tính bội được sử dụng như công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị của tổng thể nghiên cứu. Như vậy, đối với nghiên cứu này, hồi quy tuyến tính bội là phương pháp thích hợp để kiểm định các giả thuyết nghiên cứu.
- Phân tích hồi quy tuyến tính đa biến bằng phương pháp bình phương nhỏ nhất thông thường (Ordinal Least Squares – OLS) được thực hiện.
- Phương pháp lựa chọn biến Enter/Remove được tiến hành. Hệ số xác định R2
điều chỉnh được dùng để xác định độ phù hợp của mô hình, Hệ số xác định R2 và R2
hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình. Vì R2
sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao.
- Kiểm định F dùng để khẳng định mô hình này phù hợp với tổng thể.
- Kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0; hay còn có nghĩa là kiểm định các giả thuyết H0 đang nghiên cứu.
- Nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuối cùng là phù hợp, một loạt các dò tìm sự vi phạm của giả định cần thiết trong hồi quy tuyến tính cũng được thực hiện. Các giả định được kiểm định trong phần này gồm: liên hệ tuyến tính (dùng biểu đồ phân tán Scatterplot), phương sai của phần dư không đổi (dùng hệ số tương quan hạng Spearman), phân phối chuẩn của phần dư (dùng Histogram và Q-Q plot), tính độc lập của phần dư (dùng đại lượng thống kê Durbin- Watson), kiểm định giả thuyết ( dùng đại lượng thống kê Correlation), hiện tượng đa cộng tuyến (tính độ chấp nhận Tolerance và hệ số phóng đại VIF).
Kết luận chương 3
Ở chương 3 này tác giả đã xây dựng được thang đo cho các nhân tố tác động tới hiệu quả công tác kiểm tra, thanh tra thuế. Dựa trên các thang đo, tác giả xây dựng bảng câu hỏi để phỏng vấn 300 cán bộ làm việc tại Cục thuế tỉnh Vĩnh Long. Kết quả bảng điều tra câu hỏi chính là cơ sở dữ liệu để tác giả tiến hành phân tích và hồi quy mô hình nghiên cứu ở chương tiếp theo.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. KẾT QUẢ KHẢO SÁT CÔNG TÁC KIỂM TRA, THANH TRA THUẾ TẠI CỤC THUẾ TỈNH VĨNH LONG
4.1.1. Thực trạng công tác kiểm tra, thanh tra thuế tại Cục thuế tỉnh Vĩnh Long
4.1.1.1. Nguồn nhân lực thực hiện công tác kiểm tra, thanh tra thuế của Cục thuế tỉnh Vĩnh Long
Nhìn chung những năm qua, trong điều kiện biên chế không được bổ sung,