Để phân tích dữ liệu thu thập từ các bảng câu hỏi khảo sát, đề tài đã sử dụng phần mềm SPSS 20.0 để xác định các nhân tố đại diện cho các biến quan sát ảnh hưởng đến hành vi tuân thủ thuế của doanh nghiệp được Chi cục thuế huyện Vĩnh Hưng, tỉnh Long An quản lý.
Dữ liệu kết quả của bảng câu hỏi được xử lý như sau:
3.5.2.1 Phân tích thống kê mô tả
Tác giả sử dụng phép phân tích mô tả (descriptives) trong phần mềm SPSS 20.0 để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin của đối tượng được khảo sát) gồm nhóm giới tính, nhóm tuổi.
3.5.2.2 Phân tích độ tin cậy (hệ số Cronbach’s Alpha)
Đo lường độ tin cậy thang đo bằng hệ số Cronbach’s Alpha là phép kiểm định phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng
35
một nhân tố. Hệ số này cho biết trong các biến quan sát của một nhân tố, biến nào đã đóng góp tốt vào việc đo lường khái niệm của nhân tố, biến nào không.
(Cronbach 1951, trích bởi Nguyễn Đình Thọ 2013, trang 355) đưa ra chú ý rằng hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo có từ 03 biến quan sát trở lên, chứ không đo được độ tin cậy cho từng biến quan sát.
Thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,75-0,95]. Nếu hệ số Cronbach’s Alpha ≥ 0,6, thang đo đó có thể được chấp nhận về độ tin cậy (Nunnally & Bernsteri 1994, trích bởi Nguyễn Đình Thọ 2013, trang 365).
(Nguyễn Đình Thọ 2013, trang 364) cho rằng, về lý thuyết hệ số Cronbach’s Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, hệ số Cronbach’s Alpha quá lớn (α > 0,95) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Đây là hiện tượng trùng lắp trong đo lường (redundancy). Do đó, khi kiểm tra từng biến đo lường, chúng ta cần sử dụng thêm hệ số tương quan biến tổng hiệu chỉnh (Corrected Item-Total Correlation). Hệ số này lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (không tính biến đang xem xét). Đây là tiêu chuẩn để đánh giá một biến đo lường có thực sự đóng góp giá trị vào nhân tố hay không. Nếu một biến đo lường có hệ số tương quan biến tổng hiệu chỉnh ≥ 0,3 thì biến đó đạt yêu cầu (Nunnally & Bernstein 1994).
Nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally 1978; Peterson 1994; Slater 1995 trích bởi Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008, tập 2, trang 24).
Trong nghiên cứu này, tác giả sẽ loại bỏ những thang đo có hệ số Cronbach’s Alpha < 0,6 và loại những biến quan sát có hệ số tương quan biến tổng hiệu chỉnh <0,3 ra khỏi mô hình vì những biến quan sát này không có ý nghĩa đối với thang đo. Tuy nhiên, việc loại các biến không đạt yêu cầu còn phụ
36
thuộc vào việc xem xét giá trị nội dung của khái niệm, chứ không chỉ đơn thuần nhìn vào con số thống kê (Nguyễn Đình Thọ 2013, trang 367).
3.5.2.3 Phân tích nhân tố khám phá EFA
Sau khi sử dụng phương pháp Cronbach’s Alpha để đánh giá độ tin cậy thang đo, tiếp theo thang đo phải được đánh giá hai giá trị quan trọng là giá trị hội tụ (convergent validity) và giá trị phân biệt (discriminant validity). Phương pháp phân tích nhân tố khám phá EFA được sử dụng để xác định và đánh giá hai giá trị này.
Với giá trị hội tụ, các biến quan sát có cùng tính chất hội tụ về cùng một nhân tố và trong ma trận xoay, các biến này sẽ nằm chung một cột. Với giá trị phân biệt, các biến quan sát hội tụ về nhân tố này và phải phân biệt với các biến quan sát ở nhân tố khác. Khi biểu diễn trong ma trận xoay, từng nhóm biến sẽ tách thành từng cột riêng biệt.
Phương pháp phân tích EFA dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát (Nguyễn Đình Thọ 2013, trang 378).
Để xác định sự phù hợp khi sử dụng phương pháp phân tích EFA, người ta thường tiến hành kiểm định các tiêu chí:
- Kiểm định Bartlett’s (Bartlett's Test of Sphericity): dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I (indentify matrix) hay không. Kiểm định Bartlett’s có ý nghĩa thống kê khi Sig. < 0,05. Điều này chứng tỏ các biến quan sát tương quan nhau trong tổng thể (Nguyễn Đình Thọ 2013, trang 413).
- Kiểm định KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy): là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan từng phần của chúng. Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, hệ số KMO phải lớn hơn 0,5. Kaiser (1974) đề nghị KMO ≥ 0,90: rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: được; KMO ≥ 0,60: tạm được; KMO ≥ 0,50: xấu và KMO < 0,50: không thể chấp nhận được. Trong thực tế, với sự hỗ trợ của phần mềm xử lý thống kê SPSS, chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt
37
yêu cầu thì vấn đề kiểm định Bartlett’s, KMO không còn ý nghĩa nữa vì chúng luôn luôn đạt yêu cầu (Nguyễn Đình Thọ 2013, trang 414).
- Tiêu chí Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) là tiêu chí được sử dụng phổ biến trong xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalues tối thiểu bằng 1 (≥ 1) (Nguyễn Đình Thọ 2013, trang 410).
- Hệ số tải nhân tố (Factor Loading) còn gọi là trọng số nhân tố, λi >=0,5 là
chấp nhận. Nếu λi < 0,5chúng ta có thể xóa biến Xi vì nó thật sự không đo lường
khái niệm ta cần đo. Tuy nhiên việc loại bỏ cần chú ý giá trị nội dung của biến đó đóng góp vào giá trị nội dung của khái niệm nó đo lường. Nếu mẫu lớn cũng có
thể chấp nhận λi > 0,4. Khác biệt hệ số tải nhân tố của một biến quan sát giữa các
nhân tố > 0,3 để tạo giá trị phân biệt (Nguyễn Đình Thọ 2013, trang 420).
- Tổng phương sai trích TVE (Total Variance Extraction) thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Tổng này phải đạt từ 50% trở lên, nghĩa là phần chung lớn hơn phần riêng và sai số từ 60% trở lên là tốt. Khi hai điều kiện này được thỏa, có thể kết luận mô hình EFA phù hợp (Nguyễn Đình Thọ 2013, trang 420).
Trong phân tích EFA, có nhiều phép trích nhân tố (Grorsuch 1983, trích bởi Nguyễn Đình Thọ 2013, trang 408). Trong nghiên cứu này, tác giả sử dụng phương pháp trích nhân tố Principal Components và trong mô hình thành phần chính PCA sử dụng phép quay Varimax (phép quay vuông góc).
3.5.2.4 Phân tích tương quan, hồi quy
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan, hồi quy để kiểm định các giả thuyết.
Hệ số tương quan Pearson (ký hiệu là r) là chỉ số để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa 2 biến định lượng. Giá trị r cho biết không có mối liên hệ tuyến tính, chưa hẳn 2 biến không có mối liên hệ và r cao đôi khi thực ra chẳng có quan hệ gì. Có tương quan chưa hẳn có quan hệ nhân quả. Hệ số tương quan là thước đo mang tính đối xứng (Hoàng Trọng và Chung Nguyễn
38
Mộng Ngọc 2008, tập 1, trang 197). Trước hết, tác giả xem xét hệ số tương quan giữa sự gắn bó của nhân viên với các nhân tố ảnh hưởng đến sự gắn bó.
Phân tích hồi quy là nghiên cứu mối quan hệ phụ thuộc của biến phụ thuộc vào biến độc lập với ý tưởng ước lượng hoặc dự đoán giá trị trung bình tổng thể của biến phụ thuộc trên cơ sở các giá trị biết trước của các biến độc lập (Hoàng Trọng và Chung Nguyễn Mộng Ngọc 2008, tập 1, trang 204).
Tác giả tiến hành phân tích hồi quy tuyến tính đa biến bằng phương pháp bình phương nhỏ nhất thông thường OLS (Ordinal Least Squares) nhằm kiểm định mối quan hệ giữa biến phụ thuộc: sự gắn bó của người lao động và các biến độc lập: (1) Thu nhập; (2) Khen thưởng và phúc lợi; (3) Môi trường làm việc; (4) Đồng nghiệp; (5) Người quản lý; (6) Cơ hội thăng tiến; (7) Văn hóa tổ chức.
Phương trình HQ tổng thể có dạng: Ŷi = β0 + β1X1i + β2X2i + … βkXki + εi
Trong đó:
- Ŷi: là giá trị dự báo.
- Β0: là tung độ gốc.
- Βk: hệ số độ dốc của Ŷi theo biến Xk giữ nguyên các biến X1, X2, …Xk-1
không đổi.
- εi là thành phần ngẫu nhiên (yếu tố nhiễu)
Việc xây dựng và kiểm định mô hình hồi quy được thực hiện qua các bước: Bước 1: lựa chọn các biến đưa vào mô hình hồi quy, tác giả sử dụng phương pháp Enter, phần mềm SPSS xử lý tất cả các biến đưa vào cùng một lượt.
Bước 2: đánh giá độ phù hợp của mô hình bằng hệ số xác định R2 (R
Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào
mô hình, mặc dù không phải mô hình càng có nhiều biến độc lập thì càng phù
hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm
không phụ thuộc vào số lượng biến đưa thêm vào mô hình được sử dụng thay thế
R2 để đánh giá mức độ phù hợp của mô hình hồi quy bội.
Bước 3: kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ưu
bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0:
không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập.
Nếu trị thống kê F có Sig < 0,0 thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết
39
luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc.
Bước 4: xác định các hệ số của phương trình hồi quy, đó là các hệ số hồi
quy riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến
độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên.
Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì
thế việc so sánh trực tiếp chúng với nhau là không có ý nghĩa. Do đó, để so sánh các hệ số hồi quy với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệnh chuẩn beta.
Bước 5: Kiểm tra vi phạm các giả định hồi quy
Mô hình hồi quy được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi quy, cần phải dò tìm các vi phạm giả định cần thiết sau đây:
- Liên hệ tuyến tính: Công cụ để kiểm tra là đồ thị phân tán phần dư chuẩn
hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted Value).
- Phương sai của sai số không đổi: Vẽ đồ thị phần dư theo giá trị ước lượng
ŷ từ mô hình hồi quy và quan sát xem có hiện tượng phương sai thay đổi không. Nếu các điểm phân tán trên đồ thị cho không thấy có mối liên hệ nào giữa phần dư và giá trị ŷ có thể kết luận hiện tượng phương sai thay đổi không xảy ra
- Phân phối chuẩn của phần dư: Công cụ để kiểm tra là đồ thị tần số
Histogram hoặc đồ thị tần số P-P plot.
- Tính độc lập của các sai số (không có tương quan giữa các phần dư):
Công cụ để kiểm tra là đại lượng thống kê d (Durbin - Watson) hoặc đồ thị phân tán phần dư chuẩn hóa.
- Không có mối tương quan giữa các biến độc lập (không có hiện tượng đa
cộng tuyến): Công cụ để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp
nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008), quy tắc chung là VIF>10 là dấu hiệu đa cộng tuyến; trong khi đó, theo (Nguyễn Đình
40
Thọ 2013), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.
Kết luận Chương 3
Trong chương 3, tác giả đã tiến hành đề xuất mô hình nghiên cứu thực nghiệm về các nhân tố ảnh hưởng đến hành vi tuân thủ thuế các doanh nghiệp do Chi cục thuế huyện Vĩnh Hưng, tỉnh Long An quản lý, các nhân tố này bao gồm: Đặc điểm tâm lý của doanh nghiệp; Yếu tố xã hội; yếu tố kinh tế; yếu tố pháp luật và chính sách về thuế. Trên cơ sở các nhân tố này, tác giả đã phát triển 4 giả thuyết nghiên cứu tương ứng để tiến hành kiểm định sự ảnh hưởng. Nghiên cứu được tác giả thực hiện với quy trình 2 bước gồm nghiên cứu định tính kết hợp thảo luận nhóm và nghiên cứu định lượng. Nghiên cứu định tính đã xây dựng được thang đo để tiến hành khảo sát. Nghiên cứu định lượng được tác giả thực hiện khảo sát với mẫu 182 doanh nghiệp, kết quả có 166 quan sát được sử dụng để phân tích. Bên cạnh việc trình bày quy trình nghiên cứu, tác giả cũng tiến hành xây dựng các thang đo dự kiến cho các nhân tố trong mô hình. Thang đo này được xây dựng trên cơ sở các nghiên cứu trước, sau đó tiến hành thảo luận nhóm với các chuyên gia để điều chỉnh lại nội dung cho phù hợp.
41
CHƯƠNG 4
PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Trong chương 3, tác giả đã tiến hành đề xuất mô hình nghiên cứu thực nghiệm về các nhân tố ảnh hưởng đến hành vi tuân thủ thuế các doanh nghiệp do