CHƢƠNG 4: PHÂN TÍCH VÀ ĐỀ XUẤT MÔ HÌNH THUẾ TÀI SẢN Ở VIỆT NAM TRONG B
4.2.4 Phân tích nhân tố
Phương pháp phân tích nhân tố (phân tích EFA) được dùng để kiểm định tính đơn nguyên và giá trị hội tụ của từng thang đo, theo đó liên hệ giữa các nhóm biến có quan hệ qua lại lẫn nhau được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản. Nghiên cứu này sử dụng phương pháp Principal Component Analysis với phép quay Varimax với các điều kiện thực hiện là:
- Trị số KMO (Kaiser-Meyer-Olkin) lớn hơn 0.5 (Garson, 2003)
- Điểm dừng khi trích các yếu tố có trị riêng (eigenvalue) ≥ 1 (Gerbing & Anderson, 1988), trị riêng là tổng lệch bình phương của một nhân tố, đại lượng đại diện cho lượng biến thiên giải thích bởi nhân tố hay phương sai của một nhân tố.
- “Varience extracted” lớn hơn 50%, nghĩa là phần trăm phương sai tích lũy giải thích được trên 50% biến thiên của dữ liệu.
- Các biến chỉ được chấp nhận khi nó có trọng số lớn hơn 0.5 và các trọng số tải của chính nó ở factor khác phải nhỏ hơn 0.35, hoặc khoảng cách giữa hai trọng số tải của cùng một biến ở hai factor khác nhau lớn hơn 0.3 nhằm đảm bảo nhân tố và biến có liên hệ chặt chẽ với nhau.
Trong quá trình tiến hành, các biến không đạt yêu cầu sẽ bị loại bỏ và phân tích nhân tố sẽ được thực hiện lại cho đến khi nào đạt được kết quả tốt nhất.
Phân tích nhân tố đối với các biến độc lập
Từ kết quả phân tích độ tin cậy thang đo ở phần trên, việc phân tích nhân tố trước tiên được tiến hành trên 17 biến quan sát của các biến độc lập ảnh hưởng đến “tính hiệu quả của thuế tài sản”. Kết quả phân tích (phụ lục 3.4) cho hệ số KMO là 0.824, lớn hơn 0.5 cho thấy giả thuyết là đúng. Trong kiểm dịnh Barlett’s, p = 0.000 (bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau trong tổng thể) như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố. Bước tiếp theo là thực hiện phân tích nhân tố theo Principal components với phép quay Varimax, kết quả (phụ lục 3.4) cho thấy 3 nhóm nhân tố và 17 biến quan sát đạt yêu cầu sau khi phân tích.
Như vậy, sau khi tiến hành phân tích nhân tố 17 biến được giữ nguyên vì có giá trị lớn hơn 0.5 và được được xác định với trị riêng lớn hơn (>) 1. Kết quả cho thấy 3 nhân tố “đối tượng chịu thuế”, “Căn cứ tính thuế” và “Hình thức đánh thuế” giải thích được 60,80% biến thiên của dữ liệu và đạt yêu cầu phân tích dữ liệu.
Phân tích nhân tố đối với biến phụ thuộc
Kết quả sau khi đưa các biến quan sát phụ thuộc vào phân tích nhân tố (phụ lục 3.4) cho thấy rằng tất cả các biến đều đạt mức độ phù hợp với điều kiện đã nêu ở trên và kết quả cho một nhóm nhân tố duy nhất.
Như vậy, sau khi tiến hành phân tích nhân tố 5 biến được giữ nguyên vì có giá trị lớn hơn 0.5 và được được xác định với trị riêng lớn hơn 1. Kết quả cho thấy nhân tố “ tính hiệu quả của thuế tài sản” trên giải thích được 57,66% biến thiên của dữ liệu và đạt yêu cầu phân tích dữ liệu.