Bảng 4.5: Cronbach’s alpha của thang đo nhân tố Độ tin cậy
Biến quan sát
Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu loại biến
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
DTC1 14.02571 6.661 .551 .770 DTC2 14.22000 6.436 .616 .748 DTC3 14.06000 6.452 .672 .731 DTC4 14.22571 6.605 .607 .752 DTC5 14.40571 7.096 .463 .796 Cronbach's Alpha = 0.798 Ta thấy:
- Cronbach’s Alpha là 0.798 lớn hơn 0.6. Các biến quan sát có hệ số tương quan biến tổng đều lớn hơn 0.3 (>0.3). Vì vậy, các biến quan sát được đưa vào để phân tích EFA ở bước tiếp theo.
4.2.6 Cronbach’s alpha của thang đo nhân tố Tính minh bạch
Bảng 4.6: Cronbach’s alpha của thang đo nhân tố tính minh bạch
Biến quan sát
Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu loại biến
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
TMB1 13.1686 5.745 .537 .767 TMB2 13.3571 6.012 .573 .754 TMB3 13.4171 6.083 .585 .751 TMB4 13.2114 5.732 .610 .742 TMB5 13.3486 5.666 .568 .756 Cronbach's Alpha = 0.793 Ta thấy:
Cronbach’s Alpha là 0.793 lớn hơn 0.6. Các biến quan sát có hệ số tương quan biến tổng đều lớn hơn 0.3 (>0.3). Vì vậy, các biến quan sát được đưa vào để phân tích EFA ở bước tiếp theo.
4.2.6 Cronbach’s alpha của thang đo nhân tố Sự hài lòng
Bảng 4.6: Cronbach’s alpha của thang đo nhân tố Sự hài lòng
Biến quan sát
Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu loại biến
Tƣơng quan biến tổng
Cronbach Alpha nếu loại biến
HL1 17.4829 8.652 .523 .743 HL2 17.5771 9.677 .320 .784 HL3 17.3543 8.997 .436 .762 HL4 17.4886 8.904 .491 .751 HL5 17.1771 6.599 .694 .692 HL6 17.1771 6.599 .694 .692 Cronbach's Alpha = 0.776 Ta thấy:
- Cronbach’s Alpha là 0.776 lớn hơn 0.6. Các biến quan sát có hệ số tương quan biến tổng đều lớn hơn 0.3 (>0.3). Vì vậy, các biến quan sát được đưa vào để phân tích EFA ở bước tiếp theo.
4.3 Phân tích nhân tố khám phá EFA
Phương pháp phân tích nhân tố khám phá (EFA) được sử dụng để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu này, phương pháp EFA dựa vào mối tương quan giữa các biến với nhau để rút gọn thành những nhân tố có nghĩa hơn. Cụ thể, khi đưa tất cả các biến thu thập được đã loại biến TMB6 (30 biến ) vào phân tích, các biến có thể có liên hệ với nhau. Khi đó, chúng sẽ được gom thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng các nhân tố cơ bản tác động đến sự hài lòng của người nộp thuế đối với chất lượng dịch vụ tuyên truyền-hỗ trợ người nộp thuế tại Chi cục Thuế huyện Hóc Môn.
Nghiên cứu tiến hành sử dụng phương pháp trích hệ số Number of factor với phép quay Varimax tại điểm dừng khi trích các nhân tố có Eigenvalue > 1. Thang đo nào có tổng phương sai trích từ 50% trở lên là được chấp nhận (Gerbing & Anderson, 1988). Các biến có trọng số (Factor loading) nhỏ hơn 0,5 sẽ bị loại. Tại mỗi khái niệm có chênh lệch trọng số (Factor loading) lớn nhất và bất kỳ phải đạt ≥ 0,3 (Jabnoun & AL-Tamini, 2003). Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser – Meyer – Olkin) phải có giá trị lớn (0,5 ≤ KMO ≤ 1), điều này thể hiện phân tích nhân tố là thích hợp. Nếu hệ số KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Theo
Kaiser (1974), KMO ≥ 0,9 là rất tốt; 0,9 > KMO ≥ 0,8 là tốt; 0,8 > KMO ≥ 0,7 là được; 0,7 > KMO ≥ 0,6 là tạm được, 0,6> KMO ≥ 0,5 là xấu và KMO < 0,5 là không thể chấp nhận được (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Nhóm nghiên cứu tiến hành phân tích nhân tố khám phá (EFA) theo từng bước. Lần đầu thực hiện EFA, 30 biến đã nhóm lại thành 6 nhân tố. Sau 7 lần thực hiện phép quay, có 6 nhóm chính thức được hình thành. Khi phân tích nhân tố, nghiên cứu đặt ra 2 giả thuyết:
Giả thuyết Ho: Các biến trong tổng thể không có tương quan với nhau.
Giả thuyết H1: Các biến trong tổng thể có tương quan với nhau.
Kết quả kiểm tra độ tin cậy thông qua hệ số Cronbach’s alpha cho thấy 30 biến quan sát của thang đo chất lượng dịch vụ tuyên truyền-hỗ trợ tại Chi cục Thuế huyện Hóc Môn đạt yêu cầu sẽ được đưa vào phân tích nhân tố EFA . Phương pháp phân tích nhân tố được tiến hành bằ ng phần mềm SPSS 20.0 cho kết quả sau 7 lần chạy ta loại các biến: CSVC5, DTC5, PCPV1, DU5, DU4, DTC4.
Bảng 4.7: Hệ số KMO và kiểm định Barlett các thành phần lần 7 (lần cuối)
Nguồn: Phân tích dữ liệu – phụ lục số 4
Kết quả kiểm định Barlett cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (sig = 0,000 < 0,05 bác bỏ H0, nhận H1). Đồng thời, hệ số KMO = 0,858 (nằm trong khoảng từ 0,5 đến 1), chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp và dữ liệu phù hợp cho việc phân tích nhân tố.
Kiểm tra KMO and Bartlett's
Hệ số KMO (Kaiser-Meyer-Olkin) .858
Mô hình kiểm tra của Bartlett Giá trị Chi-Square 3041.053
Bậc tự do 276
Sig (giá trị P – value) .000
Bảng 4.8: Bảng phƣơng sai trích lần 7
N
hâ
n
tố
Eigenvalues ban đầu
Tổng bình Phƣơng hệ số tải đã trích xuất
Tổng bình Phƣơng hệ số tải đã xoay
Toàn phầ n Phần trăm của Phương sai (%) Phần trăm tích lũy (%) Toàn phần Phần trăm của Phương sai (%) Phần trăm tích lũy (%) Toàn phần Phần trăm của Phương sai (%) Phần trăm tích lũy (%) 1 6.872 28.633 28.633 6.872 28.633 28.633 2.923 12.179 12.179 2 1.948 8.119 36.752 1.948 8.119 36.752 2.736 11.401 23.579 3 1.768 7.367 44.119 1.768 7.367 44.119 2.415 10.063 33.643 4 1.505 6.271 50.390 1.505 6.271 50.390 2.406 10.025 43.668 5 1.335 5.564 55.954 1.335 5.564 55.954 2.172 9.049 52.716 6 1.207 5.028 60.982 1.207 5.028 60.982 1.984 8.265 60.982 7 .943 3.927 64.909 8 .853 3.556 68.465 9 .777 3.237 71.702 10 .681 2.837 74.539 11 .671 2.796 77.335 12 .623 2.595 79.930 13 .581 2.420 82.350 14 .522 2.176 84.526 15 .491 2.046 86.571 16 .449 1.870 88.441 17 .418 1.741 90.182 18 .398 1.660 91.842 19 .379 1.580 93.422 20 .363 1.514 94.937 21 .350 1.460 96.396 22 .298 1.242 97.638 23 .295 1.229 98.867 24 .272 1.133 100.000
Nguồn: Phân tích dữ liệu – phụ lục số 4
Đây là lần phân tích nhân tố đầu tiên 24 biến này được xem xét kết quả rút trích nhân tố ở các bước tiếp theo.
Phương sai trích đạt 60.982% ( >50%) ( phụ lục 4 ). Hệ số tải nhân tố (factor loading) của các biến đều đạt yêu cầu (>0,5).
Kết quả bảng 4.8 cho thấy, theo tiêu chuẩn Eigenvalue >1 thì có 6 nhân tố được rút ra và 6 nhân tố này sẽ giải thích được 60,982% biến thiên của dữ liệu.
Phương pháp trích nhân tố chính , phép xoay varimax để xoay nhân tố: download by : skknchat@gmail.com
xoay nguyên góc nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích nhân tố.
Bảng 4.9: Kết quả phân tích nhân tố EFA lần 7 (lần cuối)
STT Biến Quan Sát Nhân Tố 1 2 3 4 5 6 1 TCK1 .709 2 TCK2 .695 3 TCK4 .692 4 TCK5 .687 5 TCK3 .678 6 TMB2 .736 7 TMB3 .694 8 TMB5 .687 .290 9 TMB4 .681 10 TMB1 .620 11 PCPV4 .826 12 PCPV2 .685 13 PCPV3 .669 14 PCPV5 .666 15 CSVC1 .738 16 CSVC3 .720 17 CSVC4 .701 18 CSVC2 .318 .686 19 DTC2 .806 20 DTC3 .783 21 DTC1 .715 22 DU2 .771 23 DU3 .742 24 DU1 .657
Nguồn: Phân tích dữ liệu – phụ lục số 4
Như vậy, qua phân tích nhân tố lần 7, thang đo chất lượng sự hài lòng của người nộp thuế còn 24 biến và hội tụ thành 6 nhân tố.
Bảng 4.10: Tóm tắt các biến hình thành các nhân tố mới I. Tính công khai
TCK1 Các quy trình về tiếp nhận, trả kết quả, giải đáp, giải quyết các vướng mắc về thuế đều được công khai tại bảng thủ tục hành chính của Phòng tuyên truyền hỗ trợ.
TCK2 Bộ thủ tục hành chính thuế liên quan đến xác nhận thuế, hoàn thuế và miễn giảm thuế đều được công khai tại bảng thủ tục hành chính của Phòng tuyên truyền hỗ trợ.
TCK3 Công chức Phòng tuyên truyền-hỗ trợ luôn đeo thẻ công chức khi làm việc. TCK4 Công chức Phòng tuyên truyền-hỗ trợ luôn thông báo kịp thời cho người
nộp thuế khi nhu cầu của họ chưa được giải quyết đúng quy định.
TCK5 Thời gian tiếp nhận và trả kết quả hồ sơ được công khai tại bảng thủ tục hành chính của Phòng tuyên truyền hỗ trợ.
II. Tính minh bạch.
TMB1 Phòng tuyên truyền-hỗ trợ luôn đối xử với người nộp thuế như nhau không phân biệt.
TMB2 Người nộp thuế không phải chi thêm tiền để được quan tâm và giải quyết hồ sơ thuế tốt hơn.
TMB3 Phòng tuyên truyền-hỗ trợ luôn có những lời tư vấn tốt nhất khi người nộp thuế cần tư vấn.
TMB4 Công chức phòng tuyên truyền-hỗ trợ không gây phiền hà, nhũng nhiễu với người nộp thuế.
TMB5 Công chức Phòng tuyên truyền-hỗ trợ không nhận tiền “lót tay” của người nộp thuế.
III. Phong cách phục vụ
PCPV2 Công chức của Phòng tuyên truyền-hỗ trợ có đủ kiến thức để giải đáp các vướng mắc của người nộp thuế.
PCPV3 Công chức của Phòng tuyên truyền-hỗ trợ biết linh hoạt trong giải quyết các tình huống khó.
PCPV4 Công chức của Phòng tuyên truyền-hỗ trợ luôn hướng dẫn người nộp thuế hoàn thành các thủ tục hành chính về thuế một cách chuyên nghiệp.
PCPV5 Đội ngũ tuyên truyền viên giàu kinh nghiệm, nắm vững pháp luật về thuế.
IV. Cơ sở vật chất
CSVC1 Phòng tuyên truyền-hỗ trợ thoáng mát.
CSVC2 Phòng tuyên truyền-hỗ trợ được bố trí tại vị trí dễ nhìn thấy.
CSVC3 Phòng tuyên truyền-hỗ trợ có đủ chỗ ngồi cho người nộp thuế trong thời gian chờ đợi được hỗ trợ.
CSVC4 Thiết bị công nghệ thông tin hiện đại được dùng (đèn chiếu, máy vi tính…) phục vụ việc tập huấn và triển khai chính sách cho người nộp thuế.
V. Độ tin cậy
DTC1 Phòng tuyên truyền-hỗ trợ luôn thực hiện đúng các quy trình giải quyết công việc như đã công khai.
DTC2 Phòng tuyên truyền-hỗ trợ bảo mật tốt thông tin của người nộp thuế. DTC3 Phòng tuyên truyền-hỗ trợ luôn quan tâm tới các vướng mắc của người nộp
thuế.
VI. Đáp ứng
DU1 Công chức Phòng tuyên truyền-hỗ trợ luôn giải quyết công việc rất đúng hẹn. DU2 Công chức Phòng tuyên truyền-hỗ trợ luôn lắng nghe các ý kiến đóng góp của
người nộp thuế.
DU3 Công chức Phòng tuyên truyền-hỗ trợ không bao giờ từ chối giải đáp các vướng mắc của người nộp thuế.
4.4 Phân tích hồi quy đa biến 4.4.1 Giả thuyết nghiên cứu 4.4.1 Giả thuyết nghiên cứu
H1: Tính minh bạch có tương quan với sự hài lòng của người nộp thuế H2: Tính công khai có mối tương quan với sự hài lòng của người nộp thuế H3: Phong cách phục vụ có mối tương quan với sự hài lòng của người nộp thuế
H4: Cơ sở vật chất có mối tương quan với sự hài lòng của người nộp thuế download by : skknchat@gmail.com
H5: Độ tin cậy có mối tương quan với sự hài lòng của người nộp thuế H6: Đáp ứng có mối tương quan với sự hài lòng của người nộp thuế
4.4.2 Phân tích mô hình
Phương trình hồi quy tuyến tính biểu diễn mối quan hệ giữa 6 nhân tố tác động (biến độc lập) và sự hài lòng của người nộp thuế đối với chất lượng dịch vụ tuyên truyền-hỗ trợ người nộp thuế tại Chi cục Thuế huyện Hóc Môn.
Gọi:
Y : Sự hài lòng của người nộp thuế
X1: Tính minh bạch X2: Sự cảm thông X3: Phong cách phục vụ X4: Cơ sở vật chất X5: Độ tin cậy X6: Đáp ứng
Phương trình hồi quy biểu diễn mối quan hệ các nhân tố đánh giá sự hài lòng của người nộp thuế về chất lượng dịch vụ tuyên truyền-hỗ trợ người nộp thuế tại Chi cục Thuế huyện Hóc Môn có dạng như sau:
Y= a1X1 + a2X2 + a3X3+ a4X4+ a5X5+ a6X6
Bảng 4.11: Thông số thống kê trong mô hình hồi qui
Mô hình Hệ số chƣa chuẩn hóa Hệ số chuẩn hóa T Sig.
Thống kê đa cộng tuyến
B Sai số chuẩn Beta Hệ số Tolerance Hệ số VIF (Constant) .414 .129 3.199 .002 CSVC .069 .027 .098 2.534 .012 .693 1.442 TCK .100 .028 .138 3.596 .000 .704 1.420 DU .163 .028 .223 5.912 .000 .723 1.382 DTC .169 .030 .214 5.671 .000 .722 1.385 PCPV .275 .030 .359 9.280 .000 .690 1.449 TMB .105 .037 .110 2.811 .005 .677 1.477 Biến phụ thuộc: Y
Nguồn: Phân tích dữ liệu – phụ lục số 4
Khi xét tstat và tα/2 của các biến để đo độ tin cậy thì các biến độc lập DTC, DU, CSVC, TMB, PCPV, TCK đều đạt yêu cầu do tstat > tα/2(0,05. 337) = 1,967 (nhỏ nhất là 2,534) và các giá trị Sig. thể hiện độ tin cậy khá cao, đều < 0,05 . Ngoài ra, hệ số VIF của các hệ số Beta đều nhỏ hơn 2 (lớn nhất là 1,477) và hệ số Tolerance đều > 0,5 (nhỏ nhất là 0,677) cho thấy không có hiện tượng đa cộng tuyến xảy ra (Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2008). Mặt khác, mức ý nghĩa kiểm định 2 phía giữa các biến độc lập với biến phụ thuộc đều thỏa điều kiện (Sig. 2-tailed = 0,000 < 0,05).
Bảng 4.12: Đánh giá mức độ phù hợp của mô hình hồi qui tuyến tính đa biến
Mô hình Hệ số Hệ số Hệ số R2 - hiệu chỉnh Sai số chuẩn của ƣớc lƣợng
Thống kê thay đổi Hệ số
R R2 Hệ số R2 sau khi đổi Hệ số F khi đổi Bậc tự do 1 Bậc tự do 2 Durbin- Watson 1 .804a .646 .640 .33686 .646 104.492 6 343 .961
a Biến độc lập: (Constant) TMB, DU, DTC, TCK, CSVC, PCPV b Biến phụ thuộc: Y
Nguồn:Phân tích dữ liệu – phụ lục số 4
Bảng 4.12 cho thấy, giá trị hệ số tương quan là 0,804 > 0,5. Do vậy, đây là mô hình thích hợp để sử dụng đánh giá mối quan hệ giữa biến phụ thuộc và các biến độc lập.
Hệ số xác định của mô hình hồi quy R² hiệu chỉnh là 0,646. Điều này cho biết khoảng 64,6% sự biến thiên về sự hài lòng của người nộp thuế đối với chất lượng dịch vụ tuyên truyền-hỗ trợ người nộp thuế tại Chi cục Thuế huyện Hóc Môn, có thể giải thích được từ mối quan hệ tuyến tính giữa biến Y với các biến độc lập.
Bảng 4.13: Phân tích phƣơng sai (ANOVA) ANOVAb Mô hình Tổng bình phương Bậc tự do Trung bình bình phương F Sig. Hồi qui 71.142 6 11.857 104.492 .000b Phần dư 38.921 343 .113 Tổng 110.063 349
a Biến độc lập: (Constant) TMB, DU, DTC, TCK, CSVC, PCPV b Biến phụ thuộc: Y
Nguồn:Phân tích dữ liệu – phụ lục số 4
Kết quả phân tích phương sai (ANOVA) với sig.=0,000 < 0.05cho biết mô hình hồi quy hoàn toàn phù hợp v ới bộ dữ liệu thu thập được, có nghĩa là t ồn tại mối quan hệ tuyến tính giữa bi ến biến phụ thu ộc Y - sự hài lòng v ới ít nh ất một trong các biến x1, x2, x3, x4, x5,x6
4.4.3 Kiểm tra các giả định mô hình hồi quy
Kiểm tra các giả định sau:
- Phương sai của sai số (phần dư) không đổi.
- Các phần dư có phân phối chuẩn.
- Không có mối tương quan giữa các biến độc lập.
Nếu các giả định này bị vi phạm thì các ước lượng không đáng tin cậy nữa (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008).
4.4.3.1 Kiểm định giả định phương sai của sai số (phần dư) không đổi
Để kiểm định giả định phương sai của sai số (phần dư) không đổi, ta sử dụng đồ thị phân tán của phần dư đã được chuẩn hóa (Standardized Residual) và giá trị dự báo đã được chuẩn hóa (Standardized predicted value). Hình 4.1 cho thấy các phần dư phân tán ngẫu nhiên quanh trục O (là quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai của phần dư không đổi.
Hình 4.1: Đồ thị phân tán giữa giá trị dự đoán và phần dƣ từ hồi qui.
4.4.3.2 Kiểm tra giả định các phần dư có phân phối chuẩn
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008). Biểu đồ tần số (Histogram, Q-Q plot, P-P plot) của các phần dư (đã được chuẩn hóa) được sử dụng để kiểm tra giả định này.