7. Các công trình nghiên cứu liên quan
2.6. PHÂN TÍCH DỮ LIỆU
2.6.1. Thống kê mô tả
Thống kê mô tả nhằm xem xét cá dữ liệu điều tra xem giá trị minimum, maximum, mean, Std. Deviation.
2.6.2. Kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha
Trong phần này các thang đo sẽ đƣợc đánh giá độ tin cậy thông qua hệ số tin cậy Cronbach’s Alpha bằng phần mềm thống kê SPSS. Mục đích nhằm tìm ra những mục câu hỏi cần giữ lại và những mục câu hỏi cần bỏ đi trong
các mục đƣa vào kiểm tra (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
hay nói cách khác là giúp loại đi những biến quan sát, những thang đo không
đạt. Các biến quan sát có hệ số tƣơng quan biến tổng (Corrected Item-Total
Correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số
Cronbach’s Alpha từ 0,6 trở lên (Nunnally &Bernsteri, 1994)
Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho rằng nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lƣờng tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang đo lƣờng là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu.
2.6.3. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố đƣợc sử dụng chủ yếu để đánh giá giá trị hội tụ và giá trị phân biệt. Trong phân tích nhân tố EFA, các nhà nghiên cứu thƣờng quan tâm đến một số tiêu chuẩn bao gồm:
Thứ nhất, chỉ số KMO (Kaiser-Meyer-Olkin measure of sampling adequacy): là một chỉ số đƣợc dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp. Nếu chỉ số KMO nhỏ hơn 0,5 thì phân tích nhân tố có khả
năng không thích hợp với các dữ liệu. Kiểm định Bartlett’s xem xét giả thuyết về độ tƣơng quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa (Sig < 0,05) thì các biến quan sát có tƣơng quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Thứ hai, hệ số tải nhân tố (factor loadings): là những hệ số tƣơng quan đơn giữa các biến và các nhân tố, hệ số này lớn hơn 0,5 (Hair &cộng sự, 1998).
Thứ ba, thang đo đƣợc chấp nhận khi tổng phƣơng sai trích lớn hơn 50% (Anderson & Gerbing, 1988). Phƣơng pháp trích “Principal Component Analysis” với phép quay “Varimax” đƣợc sử dụng trong phân tích nhân tố thang đo các thành phần độc lập.
Thứ tƣ, hệ số Eigenvalue (đại diện cho phần biến thiên đƣợc giải thích
bởi mỗi nhân tố) lớn hơn 1.
2.6.4. Phân tích hồi quy
* Ma trận hệ số tương quan
Khi tiến hành phân tích hồi quy bội, chúng ta cần phải xem xét mối quan hệ giữa các biến độc lập, cũng nhƣ giữa cá biến độc lập với các biến phụ thuộc trên cơ sở ma trận hệ số tƣơng quan.
* Đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính bội
Các hệ số R2
và R2a điều chỉnh là các hệ số đánh giá mức độ phù hợp của
mô hình hồi quy tuyến tính.
Hệ số R2đƣợc xem là hệ số có mối qua hệ đồng biến với số lƣợng biến
độc lập đƣa vào mô hình, khi thêm càng nhiều biến độc lập thì R2càng tăng.
Hệ số R2
a điều chỉnh là hệ số đƣợc điều chỉnh từ R2và đƣợc sử dụng để
phản ánh sát mức độ phù hợp của mô hình hồi quy tuyến tính đa biến và R2
a điều chỉnh không (nhất thiết) tăng khi có nhiều biến độc lập vào phƣơng trình. R2a điều chỉnh đƣợc điều chỉnh từ R2
= –
Trong đó n là độ lớn của mẫu và p là số biến độc lập đƣợc đƣa vài phân tích.
* Kiểm định độ phù hợp của mô hình
Kiểm định giả thuyết về sự phù hợp của mô hình hồi quy tuyến tính tổng thể thông qua hệ số Fisher với giả thiết không là không có mối quan hệ giữa biến độc lập và biến phụ thuộc, nghĩa là: = = … = = 0. Nếu bác bỏ giả thuyết không nghĩa là các biến độc lập có quan hệ với biến phụ thuộc hay mô hình tuyến tính phù hợp với dữ liệu.
* Giải thích ý nghĩa của hệ số hồi quy
Hệ số đo lƣờng sự thay đổi của giá trị Y khi Xk thay đổi một đơn vị
và các biến số khác không đổi.
* Hệ số Betak
Hệ số luôn đi kèm với biến số Xk, các biến số này đôi khi có đơn vị đo khác nhau nên không thể so sánh đƣợc với nhau. Vì vậy, hệ số Beta sẽ cho phép đo lƣờng đƣợc trên cơ sở hệ số này đƣợc biểu diễn bằng đơn vị đo lƣờng là độ lẹch chuẩn. Hệ số Betak đƣợc tính nhƣ sau:
Betak =
KẾT LUẬN CHƢƠNG 2
Dựa vào cơ sở lý thuyết nền tảng về hành vi tuân thủ thuế và các nghiên cứu trƣớc đây, tác giả xây dựng mô hình nghiên cứu gồm 9 nhân tố độc lập: Sự phức tạp của chính sách thuế, Thuế suất, Mức phạt, Công tác thanh tra - kiểm tra thuế, Dịch vụ hỗ trợ thuế, Sự thông thạo về thuế của ngƣời nộp thuế, Chi phí tuân thủ thuế, Tính công bằng, Tình trạng tài chính và nhân tố phụ thuộc là: tuân thủ thuế.
Để tiến hành thu thập thông tin và phân tích dữ liệu, tác giả đã xây dựng các thang đo trong mô hình nghiên cứu. Việc xây dựng cách thức đo lƣờng này dựa vào các nghiên cứu trƣớc đây và tùy thuộc vào từng nhân tố. Bên cạnh đó, từ việc nghiên cứu các lý thuyết trƣớc đây, tác giả tiến hành xây dựng bảng câu hỏi nhằm thu thập thông tin về các nhân tố tác động trong mô hình. Nhƣ vậy, mô hình đo lƣờng các nhân tố tác động đã đƣợc xây dựng hoàn chỉnh.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU