5. Kết cấu của luận văn
3.6.2. Kế hoạch phân tích dữ liệu
Trước hết, thang đo sẽ được mã hoá theo như Bảng 3.2: Bảng 3.2: Bảng mã hóa biến
STT Thành
phần Tên biến Mã hóa
1
Tính hiệu quả
Tôi có thể dễ dàng tìm thấy những gì mình cần trên trang
web THQ1
2
Tôi có thể dễ dàng điều hướng trang web tới bất cứ nội dung
nào mà tôi muốn THQ2
3
Tôi có thể hoàn thiện việc kê khai và nộp thuế một cách
nhanh chóng trên website THQ3
4 Tốc độ tải các trang của website là nhanh chóng THQ4 5 Trang web này khá đơn giản để có thể sử dụng THQ5 6
Trang web này giúp tôi có thể truy cập vào thực hiện giao
dịch một cách nhanh chóng THQ6
7 Trang web được tổ chức khá tốt THQ7
8
Sự sẵn sàng của hệ
thống
Trang web luôn sẵn sàng cho các doanh nghiệp trong việc
thực hiện giao dịch nộp thuế SSHT1
9 Trang web này sẽ khởi chạy và chạy ngay lập tức SSHT2
10 Trang web này không bị quá tải hay sụp đổ SSHT3
11
Trang web không bị treo trong suốt quá trình tôi thực hiện
giao dịch SSHT4
12
Độ bảo mật
Trang web bảo mật các thông tin về doanh nghiệp chúng tôi DBM1 13
Thông tin của doanh nghiệp sẽ không bị cung cấp cho một
bên nào khác không có liên quan DBM2
14
Tài khoản ngân hàng cũng như chữ ký điện tử của doanh
nghiệp được bảo mật tuyệt đối DBM3
15 Sự hỗ trợ doanh nghiệp
Nhân viên hỗ trợ trực tuyến cho thấy một sự quan tâm chân
thành trong việc giải quyết vấn đề của người sử dụng HTDN1 16
Nhân viên hỗ trợ trực tuyến trả lời kịp thời các yêu cầu của
17
Các nhân viên hỗ trợ có kiến thức để trả lời câu hỏi của
người dùng HTDN3
18
Các nhân viên hỗ trợ có khả năng truyền đạt niềm tin và sự
tin tưởng cho doanh nghiệp HTDN4
19
Sự hỗ trợ của
ngân hàng
Việc đang ký sử dụng dịch vụ nộp thuế điện tử được ngân
hàng thực hiện một cách nhanh chóng và thuận tiện HTNH1
20
Các ngân hàng có hướng dẫn chi tiết cho người nộp thuế khi
đăng ký sử dụng nộp thuế điện tử HTNH2
21
Thông tin về tài khoản ngân hàng của doanh nghiệp được
ngân hàng đảm bảo bí mật và an toàn tuyệt đối HTNH3
22
Ngân hàng thông báo kịp thời cho doanh nghiệp khi có vấn đề phát sinh trong giao dịch của người nộp thuế với Cục thuế khi có sự vướng mắc với bên thứ 3 Ngân hàng.
HTNH4 23 Sự hài lòng doanh nghiệp
Tôi hài lòng với chất lượng dịch vụ nộp thuế điện tử. SHL1 24 Chất lượng dịch vụ nộp thuế điện tử giống như tôi mong đợi. SHL2 25 Doanh nghiệp chúng tôi sẽ luôn tin tưởng và sử dụng dịch vụ
nộp thuế điện tử mà Ngành thuế đang cung cấp SHL3 26 Tôi sẽ nói tốt về dịch vụ nộp thuế điện tử nếu như có doanh
nghiệp khác hỏi tôi. SHL4
(Nguồn: Tác giả nghiên cứu và tổng hợp) Các dữ liệu sau khi thu thập sẽ được làm sạch và xử lý bằng phần mềm SPSS 16.0. Một số phương pháp phân tích được sử dụng trong nghiên cứu như sau:
Lập bảng tần số để mô tả mẫu thu thập theo các thuộc tính như: giới tính, độ tuổi, chức vụ, thời gian truy cập internet trong tuần v.v…
Cronbach’s alpha
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach’s alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach’s alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có
Cronbach’s alpha từ 0,7 đến 0,8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lường tốt.
Phân tích nhân tố khám phá EFA (exploratory factor analysis):
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt yêu cầu.
Phân tích tương quan Pearson
Trước khi tiến hành phân tích hồi quy tuyến tính bội, cần phải xem xét mối quan hệ tương quan tuyến tính giữa các biến. Điều này nhằm kiểm định giữa các biến có mối quan hệ tương quan tuyến tính với nhau và các biến độc lập có tương quan với biến phụ thuộc.
Giả thuyết đặt ra cần phải kiểm định là:
Ho: Không có mối quan hệ tương quan tuyến tính giữa các biến trong mô hình H1: Có mối quan hệ tuyến tính của các biến trong mô hình
Để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng các nhà nghiên cứu thường sử dụng một số thống kê có tên là Hệ số tương quan Pearson. Nếu giữa 2 biến có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem xét như nhau. Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R2
vẫn khá cao. Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
Xây dựng phương trình hồi quy
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor – VIF). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính được bội được xây dựng. Và hệ số R2 đã được điều chỉnh (adjusted R square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào.
Lý do để hệ số R2 điều chỉnh (Adjusted R square) được sử dụng để đánh giá mức độ phù hợp của mô hình vì nó loại bỏ độ lệch phóng đại của R2, nghĩa là càng đưa thêm biến độc lập vào thì R2
càng tăng khi mà không phải mô hình nào càng có nhiều biến thì sẽ càng phù hợp. Sau đó, nghiên cứu sẽ kiểm định sự phù hợp của mô hình bằng phân tích phương sai ANOVA. Giả thuyết được đặt ra là βj = 0, nếu giả thuyết này bị bác bỏ thì cũng có nghĩa là mô hình xây dựng phù hợp với tập dữ liệu.
Kết luận chương 3
Chương này trình bày phương pháp nghiên cứu được thực hiện nhằm xây dựng, đánh giá các thang đo cho các khái niệm nghiên cứu và kiểm định mô hình nghiên cứu cùng các giả thuyết. Phương pháp nghiên cứu được thực hiện qua 02 giai đoạn chính: nghiên cứu định tính và nghiên cứu định lượng. Nghiên cứu định tính được thực hiện bằng hỏi ý kiến chuyên gia và thảo luận nhóm với những doanh nghiệp đã và đang sử dụng dịch vụ nộp thuế điện tử trên địa bàn do chi cục thuế quận Tân Bình quản lý. Tiếp theo nghiên cứu định lượng sơ bộ được thực hiện để điều chỉnh và hoàn thiện bảng câu hỏi khảo sát. Nghiên cứu định lượng chính thức được tiến hành ngay sau khi bảng câu hỏi khảo sát được chỉnh sửa hoàn tất. Chất lượng dịch vụ thuế qua mạng được đo lường thông qua 05 thành phần thang đo với tổng cộng 26 biến quan sát. Dữ liệu sau khi được thu thập sẽ được tiến hành mã hóa, nhập liệu vào chương trình phân tích số liệu thống kê SPSS 16.0 để phân tích thông tin, xử lý số liệu phục vụ cho nghiên cứu.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1. Giới thiệu
Chương 3 tác giả đã trình bày về phương pháp nghiên cứu của luận văn. Trong chương 4 này tác giả sẽ trình bày kết quả khảo sát mà tác giả đã thực hiện để xây dựng mô hình hồi quy bằng phần mềm SPSS16.0.