+ Kiểm định hệ số tin cậy Cronbach Alpha
Hệ số Cronbach alpha đƣợc sử dụng để loại các biến rác trƣớc. Các biến có hệ số tƣơng quan biến tổng (item total correlation) nhỏ hơn 0.3 sẽ bị loại bỏ và tiêu chuẩn để chọn thang đo khi nó có độ tin cậy alpha từ 0.6 trở lên.
+ Phân tích nhân tố khám phá
Phân tích nhân tố đƣợc sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu có thể thu thập đƣợc một lƣợng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lƣợng của chúng phải đƣợc giảm bớt xuống đến một số lƣợng mà chúng ta có thể sử dụng đƣợc. Trong quá trình
phân tích nhân tố(EFA), ta phân tích chọn lọc một vài yếu tố có ảnh hƣởng lớn nhất đến sự quan tâm của doanh nghiệp về chất lƣợng phục vụ của ngành thuế. Các nhân tố chung có thể đƣợc diễn tả nhƣ những kết hợp tuyến tính của các biến quan sát:
Fi = Wί1X1 + Wί2X2 + …+ WίkXk Trong đó:
Fi : ƣớc lƣợng trị số của nhân tố thứ i W: quyền số hay trọng số nhân tố. k: số biến
Điều kiện để áp dụng phân tích nhân tố là các biến có tƣơng quan với nhau. Để xác định các biến có tƣơng quan nhƣ thế nào, ta sử dụng kiểm định Barlett’s để kiểm định giả thuyết:
H0: các biến không có liên quan lẫn nhau H1: có sự tƣơng quan giữa các biến
Chúng ta mong đợi bác bỏ giả thuyết H0, nghĩa là chấp nhận giả thiết H1 các biến có liên quan với nhau. Điều này có đƣợc khi giá trị P sau khi kiểm định phải nhỏ hơn mức ý nghĩa xử lý α. Đồng thời, phân tích nhân tố đƣợc xem là thích hợp khi giá trị hệ KMO (Kaiser- Mayer-Olkin) trong khoảng từ 0,5 đến 1, khi đó các tƣơng quan đủ lớn để có thể áp dụng phân tích nhân tố.
Sau khi rút đƣợc các nhân tố và lƣu lại thành các biến mới, các biến này sẽ đƣợc thay cho tập hợp biến gốc để đƣa vào phân tích hồi quy.
+ Phƣơng pháp phân tích hồi quy tuyến tính đa biến
Phân tích hồi quy là sự nghiên cứu mức độ ảnh hƣởng của một hay nhiều biến số (biến giải thích hay biến độc lập: independent variables) đến một biến số (biến kết quả hay biến phụ thuộc: dependent variable) nhằm dự báo biến kết quả dựa vào các giá trị đƣợc biết trƣớc của các biến giải thích.
Đề tài sử dụng phƣơng pháp phân tích hồi quy đa biến để ƣớc lƣợng mức độ ảnh hƣởng của các yếu tố chất lƣợng phục vụ hành của ngành thuế (biến độc lập)
đến sự hài lòng của doanh nghiệp (biến phụ thuộc). Phƣơng trình hồi quy có dạng: Y = α0 + β1X1 + β2X2 + .. +βkXk
Trong đó:
Y (biến phụ thuộc): Mức độ hài lòng của doanh nghiệp đối với chất lƣợng phục vụ của cơ quan thuế.
X1, X2,…,Xk (các biến độc lập, là các yếu tố ảnh hƣởng đến biến phụ thuộc). Dự kiến ban đầu thang đo chất lƣợng phục vụ gồm 5 thành phần với tổng cộng khoảng 22 biến. Do đó, việc kiểm định thang đo sẽ đƣợc tiến hành bằng cách đánh giá độ tin cậy từng thành phần, phân tích nhân tố để sắp xếp lại các thành phần là các nhân tố giải thích đƣợc các liên hệ trong thang đo. Sau khi phân tích nhân tố, các nhân tố mới đƣợc rút ra từ phân tích nhân tố sẽ đƣợc đƣa vào mô hình hàm qui để đo lƣờng mức độ ảnh hƣởng của các nhân tố đến sự hài lòng của doanh nghiệp.
α0: hệ số chặn của hàm hồi quy
βi: (với i = 1, 2,…, k) :các tham số hồi quy, đo lƣờng độ lớn và chiều hƣớng ảnh hƣởng của biến độc lập đối với biến phụ thuộc, đƣợc tính toán bằng phần mềm SPSS.
Đối với mục tiêu 3: Trên cơ sở các kết quả nghiên cứu, đề tài đề xuất một số giải pháp chủ yếu để nâng cao chất lƣợng phục vụ của ngành thuế nhằm làm hài lòng hơn cho các doanh nghiệp thực hiện nghĩa vụ thuế trên địa bàn.