CHƢƠNG 4: PHÂ NT CH VÀ ĐỀ XUẤT MÔ HÌNH THUẾ TÀI SẢN Ở VIỆT NAM
4.1.6 Nghiên cứu định lƣợng
Qua kết quả thảo luận nhóm được tổng hợp trong bước nghiên cứu sơ bộ, nghiên cứu đã chỉ ra các nhân tố tác động đến mô hình thuế tài sản ở Việt Nam và các biến quan sát cần thu thập cho bước nghiên cứu chính thức tiếp theo. Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng. Sau khi hoàn chỉnh bảng câu h i, th a mãn với tiêu chí: ngôn từ dễ hiểu, không gây hiểu nhầm về ý nghĩa, các phát biểu không bị trùng lắp, cấu trúc và số lương câu h i hợp lý thì tiến hành thực
hiện thu thập dữ liệu. Toàn bộ dữ liệu hồi đáp sẽ được xử lý với sự hỗ trợ của phần mềm SPSS 18.0
Xây dựng thang đo
Thang đo các nhân tố trong mô hình thuế tài sản được kế thừa và hiệu chỉnh để phù hợp từ các nghiên cứu trước đây. Bước nghiên cứu đầu tiên là nghiên cứu định tính, dùng k thuật thảo luận nhóm và diễn dịch về tất cả các khái niệm liên quan. Nghiên cứu định tính nhằm khám phá, điều chỉnh và bổ sung các biến quan sát dùng để đo lường các khái niệm trong mô hình. Từ đó, các thang đo sơ bộ khái niệm được điều chỉnh phù hợp. Thông tin có được từ thảo luận sẽ được tổng hợp và là cơ sở cho việc hiệu chỉnh, bổ sung các biến thang đo. Các biến quan sát sử dụng cho các khái niệm liên quan được đo bằng thang đo Likert 5 điểm.
Bảng câu hỏi trong nghiên cứu định lượng
Nghiên cứu sử dụng phương pháp thu thập dữ liệu sơ cấp thông qua phiếu điều tra khảo sát, sử dụng dạng câu h i đóng theo thang likert 5 điểm để tìm ra các biến quan sát cần thiết và tối ưu cho mô hình nghiên cứu (Phụ lục 3.1)
Thiết kế mẫu
Mẫu được chọn trong nghiên cứu theo phương pháp phi xác suất (non- probability sampling methods) hay c n gọi là chọn mẫu phi ngẫu nhiên, là phương pháp chọn mẫu mà các đơn vị trong tổng thể chung không có khả năng ngang nhau để được chọn vào mẫu nghiên cứu. Phiếu điều tra sử dụng phương pháp chọn mẫu thuận tiện (convenience sampling) là một trong các phương pháp của chọn mẫu phi xác suất, có nghĩa là lấy mẫu dựa trên sự thuận lợi hay dựa trên tính dễ tiếp cận của đối tượng, ở những nơi mà nhân viên điều tra có nhiều khả năng g p được đối tượng. Lấy mẫu thuận tiện thường được dùng trong nghiên cứu khám phá để xác định ý nghĩa thực tiễn của vấn đề nghiên cứu; ho c để kiểm tra trước bảng câu h i nhằm hoàn chỉnh bảng; ho c khi muốn ước lượng sơ bộ về vấn đề đang quan tâm mà không muốn mất nhiều thời gian và chi phí. Kích thước của mẫu áp dụng trong nghiên cứu được dựa theo yêu cầu của phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) và hồi quy đa biến. Phân tích nhân tố khám phá EFA là một trong những phương pháp phân tích thống kê dùng để rút gọn một tập hợp 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 thông tin của tập biến ban đầu [16].
- Đối với phân tích nhân tố khám phá EFA: Dựa theo nghiên cứu của Hair, Anderson, Tatham và Black [16] cho tham khảo về kích thước mẫu dự kiến. Theo đó kích thước mẫu tối thiểu là gấp 5 lần tổng biến quan sát. Trong mô hình nghiên cứu dự kiến có tổng số biến quan sát là 28, c mẫu cần đạt là 28*5=140 mẫu.
- Đối với phân tích hồi quy đa biến: c mẫu tối thiểu cần đạt được tính theo công thức là 50 +8*m (m: số biến độc lập) (Tabachnick và Fidell [16]). Trong nghiên cứu này, dự kiến số biến độc lập là 3 thì c mẫu tối thiểu là 50 + 8*3 = 74 mẫu. - Nghiên cứu về c mẫu do Roger thực hiện [16] cho thấy c mẫu tối thiểu áp dụng
được trong các nghiên cứu thực hành là từ 150 -200
Thu thập dữ liệu
Nghiên cứu được tiến hành thu thập dữ liệu sơ cấp thông qua phiếu điều tra khảo sát đối với cán bộ ngành thuế, ngành tài chính, giảng viên chuyên ngành tài chính Nhà Nước tại TP.Hồ Chí Minh, TP.Biên H a và TP. Bà Rịa-Vũng Tàu.
C mẫu được sử dụng trong nghiên cứu là 200 mẫu. Do giới hạn về thời gian và chi phi, phương pháp thu thập dữ liệu được sử dụng trong nghiên cứu là phương pháp lấy mẫu thuận tiện, một trong các phương pháp chọn mẫu phi xác suất dựa trên bảng câu h i in sẵn.
Đánh giá độ tin cậy thang đo
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach‟s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach‟s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả [16].
Hệ số tin cậy Cronbach‟s Alpha chỉ ra các đo lường có liên kết với nhau hay không, nhưng không cho biết biến quan sát nào cần b đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo [16].
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
- Loại các biến quan sát có hệ số tương quan biến-tổng nh (nh hơn 0.4), tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0.6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) [16].
- Các mức giá trị của Alpha: lớn hơn 0.8 là thang đo lường tốt, từ 0.7 đến 0.8 là sử dụng được, từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới ho c là mới trong bối cảnh nghiên cứu [16].
- Loại các biến quan sát có hệ số tương quan biến-tổng nh hơn 0.4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
- Chọn thang đo có độ tin cậy Alpha lớn hơn 0.6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).
Phân tích nhân tố khám phá EFA
Các thang đo đạt yêu cầu về độ tin cậy sẽ được sử dụng phân tích nhân tố để rút gọn một tập gồm nhiều biến quan sát thành một tập biến (gọi là nhân tố) ít hơn; các nhân tố được rút gọn này sẽ có ý nghĩa quan trọng hơn nhưng vẫn chứa đựng hầu hết
nội dung thông tin của tập biến quan sát ban đầu (Hair, Anderson, Tatham & Black, [16]). Phương pháp phân tích nhân tố khám phá EFA được dùng để kiểm định giá trị khái niệm thang đo.
Bảng 4.6: Các bước phân tích nhân tố EFA
Bước Nội dung
1
- Đối với các biến quan sát đo lường các khái niệm thành phần là các yếu tố ảnh hưởng đến tính hiệu quả của thuế tài sản, nghiên cứu này sử dụng phương pháp phân tích nhân tố Principal Axis Factoring với phép quay Varimax.
2
- Đối với các biến quan sát đo lường tính hiệu quả của thuế tài sản (thang đo đơn hướng), sử dụng phương pháp trích nhân tố Principal Axis Factoring với phép quay Varimax.
3
- Kiểm định Bartlett: các biến quan sát có tương quan với nhau trong tổng thể
- Xem xét giá trị KMO: 0.5<=KMO<=1 thì phân tích nhân tố là thích hợp với dữ liệu, ngược lại KMO<=0.5, thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu [16]
- Để phân tích EFA có giá trị thực tiễn: tiến hành loại các biến có quan sát có hệ số tải nhân tố <0.5
- Xem lại thông số trị riêng (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố ) có giá trị >1
- Xem xét giá trị tổng phương sai trích ( yêu cầu >= 50 ): cho biết các nhân tố được trích giải thích được sự biến thiên của các biến quan sát. Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA: - Sử dụng phương pháp trích yếu tố là Principal components với phép quay Varimax
và điểm dừng khi trích các yếu tố có trị riêng bằng 1. Với các thang đo đơn hướng thì sử dụng phương pháp trích yếu tố Princial components. Tiến hành loại các biến số có trọng số nhân tố (c n gọi là hệ số tải nhân tố ) nh hơn 0,4 và tổng phương sai trích được bằng ho c lớn hơn 50 thì thang đo được chấp nhận (Gerbing & Anderson, [16]).
- Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn ho c bằng 0,5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0,3 là đạt mức tối thiểu; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: c mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0,3; nếu c mẫu khoảng 100 thì chọn hệ số tải nhân tố lớn hơn 0,55; nếu c mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0,75 [16].
Phân tích hồi quy đa biến
Sau quá trình thực hiện kiểm định thang đo, đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach‟s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA), tiến hành tính toán nhân số của nhân tố (giá trị của các nhân tố trích được trong nhân tố phân tích nhân tố EFA) bằng cách tính trung bình cộng của các biến quan sát thuốc nhân tố tương ứng. Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích nhân tố hồi quy đa biến để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5 .
Phân tích tƣơng quan:
- Kiểm định mối tương quan tuyến tính giũa các biến trong mô hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Đồ thị phân tán cũng cung cấp thông tin trực quan về mối tương quan tuyến tính giữa hai biến. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ ch t chẽ mối liên hệ tuyến tính giữa hai biến định lượng: giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng ch t chẽ [16].
- Trong mô hình nghiên cứu, kỳ vọng có mối tương quan tuyến tính ch t chẽ giữa biến phụ thuộc và các biến độc lập; đồng thời cũng xem xét mối tương quan giữa các biến độc lập với nhau để nhận dạng hiện tượng đa cộng tuyến.
Phân tích hồi quy đa biến:
- Sau khi kết luận là hai biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính [16].
- Nghiên cứu thực hiện hồi quy đa biến theo phương pháp “Enter”: tất cả các biến được đưa và một lần và xem xét các kết quả thống kê liên quan.
- Phương trình hồi quy đa biến cho mô hình nghiên cứu đề xuất ban đầu (theo mô hình lý thuyết):
Bảng 4.7: Mô tả các biến trong phương trình hồi quy đa biến
Biến Ý nghĩa Loại biến
F_Hieuqua Tính hiệu quả của thuế tài sản Phụ thuộc
F_Doituong Đối tượng chịu thuế tài sản Độc lập
F_Hinhthuc Hình thức đánh thuế tài sản Độc lập
F_Cancu Căn cứ tính thuế tài sản Độc lập
Kiểm định các giả thuyết, sử dụng phầm mềm SPSS:
- Đánh giá độ phù hợp của mô hình hồi quy đa biến - Kiểm định giả thuyết về độ phù hợp của mô hình
- Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerrance) ho c hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến [16].