STT Thang đo Mức độ đồng ý
Đặc điểm về doanh nghiệp (DDDN)
1 Sự phức tạp của cơ cấu tổ chức doanh nghiệp 1 2 3 4 5
2 Loại hình sở hữu của doanh nghiệp 1 2 3 4 5
3 Quy mô hoạt động của doanh nghiệp 1 2 3 4 5
4 Thời gian (tuổi) hoạt động của doanh nghiệp 1 2 3 4 5
5 Kiến thức về thuế của doanh nghiệp 1 2 3 4 5
Ngành kinh doanh (NKD)
1 Tỷ suất lợi nhuận của ngành 1 2 3 4 5
2 Mức độ cạnh tranh của ngành 1 2 3 4 5
3 Lợi thế về cơ cấu chi phí của ngành 1 2 3 4 5
4
Đặc điểm của ngành kinh doanh trong ước lượng các khoản thuế
phải nộp 1 2 3 4 5
Xã hội (XH)
1 Tuổi của nhà quản lý doanh nghiệp 1 2 3 4 5
2 Giới tính của nhà quản lý doanh nghiệp 1 2 3 4 5
3 Vai trò, vị thế và danh tiếng của DN trong xã hội 1 2 3 4 5
4
Các chuẩn mực, quy tắc của xã hội về tuân thủ thuế (văn hóa
thuế) 1 2 3 4 5
Kinh tế (KT)
1 Lãi suất thị trường 1 2 3 4 5
2 Tình hình lạm phát, tăng trưởng kinh tế 1 2 3 4 5
3 Ảnh hưởng của hội nhập quốc tế 1 2 3 4 5
4 Chính sách của chính phủ và hiệu quả của chi tiêu công 1 2 3 4 5
5 Chi phí tuân thủ thuế của doanh nghiệp 1 2 3 4 5
6 Gánh nặng về tài chính (thiếu nguồn lực tài chính) 1 2 3 4 5
Hệ thống thuế (HTT)
1 Thuế suất 1 2 3 4 5
2 Sự phức tạp của hệ thống thuế 1 2 3 4 5
3 Các hình thức khuyến khích tuân thủ của cơ quan thuế 1 2 3 4 5
4 Các biện pháp ngăn cản (kiểm tra, cưỡng chế, xử phạt) 1 2 3 4 5
5 Hoạt động tuyên truyền hỗ trợ người nộp thuế 1 2 3 4 5
6 Nguồn nhân lực (trình độ và đạo đức của cán bộ thuế) 1 2 3 4 5
Kiến thức về thuế của chủ doanh nghiệp (KIENTHUC)
1
Người nộp thuế hiểu chưa chính xác các thuật ngữ trong luật thuế
thu nhập doanh nghiệp 1 2 3 4 5
2 Cảm thấy phức tạp khi tuân thủ thuế thu nhập doanh nghiệp 1 2 3 4 5
3
Nhận thức của người nộp thuế về trách nhiệm đối với cộng đồng thông qua việc nộp thuế thu nhập doanh nghiệp kém
1 2 3 4 5 4 Khơng xác định đúng cách thức tính thuế thu nhập doanh nghiệp 1 2 3 4 5 5
Hiểu sai về chi phí được trừ và chi phí khơng được trừ khi xác
định thu nhập tính thuế 1 2 3 4 5
Bảng 3.5: tiếp theo
Sự tuân thủ thuế của doanh nghiệp tại chi cục thuế Dĩ An
1
Nhìn chung, DN của anh/chị tuân thủ các quy định về thuế TNDN
1 2 3 4 5
2
Nhìn chung, DN của anh/chị tuân thủ các quy định về thuế GTGT
1 2 3 4 5
3
Nhìn chung, DN của anh/chị tuân thủ các nghĩa vụ thuế theo quy định
1 2 3 4 5
Nguồn: Tác giả tổng hợp
3.3 Nghiên cứu định lượng
3.3.1 Thiết kế mẫu nghiên cứu 3.3.1.1 Qui mô mẫu 3.3.1.1 Qui mô mẫu
Theo các nhà nghiên cứu, đối với phân tích nhân tố khám phá (EFA) cỡ mẫu tối thiểu N > 5*n (n: Tổng số biến quan sát). Theo Thọ và cộng sự (2011), để tiến hành phân tích hồi quy một cách tốt nhất có thể, cỡ mẫu tối thiểu cần đạt được tính theo cơng thức N > 50 + 8m (trong đó m là các biến). Trong nghiên cứu này, tác giả chọn kích thước mẫu đủ lớn để thoả mãn cả hai điều kiện theo tiêu chuẩn của phương pháp nghiên cứu nhân tố EFA và phương pháp hồi quy bội. N > Max (cỡ mẫu theo yêu cầu của hồi quy bội), ứng với thang đo lý thuyết gồm 34 biến quan sát với 6 biến độc lập và 1 biến phụ thuộc. Tác giả phải điều tra tối thiểu là 170 phiếu (34x5). Ngoài ra, trong bài nghiên cứu này có chạy hồi quy nên tác giả áp dụng cơng thức tính số doanh nghiệp cần điều tra: n = 8*m + 50 (m là biến độc lập). Như vậy, số doanh nghiệp cần khảo sát là 98 doanh nghiệp. Với cách tính số doanh nghiệp cần khảo sát, tác giả chọn số mẫu doanh nghiệp cao nhất, đó là 170 doanh nghiệp. Vậy, qui mô mẫu tối thiểu phải đáp ứng yêu cầu trên là 170 doanh nghiệp.
3.3.1.2 Phương pháp chọn mẫu
Trong bài nghiên cứu này, đề tài nghiên cứu dạng khám phá cùng với những nội dung phân tích như trên, luận văn sử dụng phương pháp chọn mẫu phi xác suất với hình thức chọn mẫu thuận tiện. Tác giả soạn bảng câu hỏi nghiên cứu sẽ được gửi trực tiếp cho doanh nghiệp nên rất thuận lợi cho việc khảo sát. Bên cạnh đó, tác giả dùng phương pháp chọn mẫu thuận tiện thông qua doanh nghiệp đến nộp thuế tại Chi cục thuế Dĩ An, Bình Dương. Có nghĩa là lấy mẫu dựa trên sự thuận lợi hay dựa trên tính dễ tiếp cận của đối tượng, ở những nơi mà tác giả điều tra có nhiều
khả năng gặp được doanh nghiệp đang được quản lý tại Chi cục thuế Dĩ An, Bình Dương.
3.3.2 Thu thập dữ liệu 3.3.2.1 Dữ liệu sơ cấp 3.3.2.1 Dữ liệu sơ cấp
Trong bài nghiên cứu, tác giả thu thập dữ liệu sơ cấp được thu thập thông qua việc lập phiếu điều tra và thực hiện khảo sát trực tiếp đến 250 doanh nghiệp. Cụ thể tác giả đã gửi 250 bảng hỏi đến các đối tượng khảo sát trong nghiên cứu. Sau khi kiểm tra và loại bỏ các phiếu khơng hợp lệ thì số lượng câu hỏi chính thức tiến hành nhập liệu để phân tích cịn lại 210 bảng hợp lệ doanh nghiệp đang nộp thuế tại Chi cục thuế Dĩ An, Bình Dương. Số liệu được đưa vào xử lý chỉ còn 210 phiếu do 40 phiếu không hợp lệ, tỷ lệ phiếu hợp lệ đạt 84%. Số liệu hợp lệ được đưa vào phần mềm SPSS 20.0 xử lý.
3.3.2.2 Dữ liệu thứ cấp
Trong luận văn, dữ liệu thứ cấp được thu thập thơng qua tài liệu thu thập tại phịng kế tốn, phịng hành chính nhân sự và các phịng ban khác tại Chi cục thuế Dĩ An, Bình Dương trong 3 năm từ 2017 - 2019. Ngoài ra, luận văn cũng tham khảo các báo cáo tổng kết hàng năm của Chi cục thuế Dĩ An, Bình Dương.
3.3.3 Phương pháp xử lý số liệu 3.3.3.1 Thống kê mô tả 3.3.3.1 Thống kê mô tả
Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ kết quả khảo sát. Thống kê mơ tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Để hiểu được các hiện tượng và ra quyết định đúng đắn, các phương pháp cơ bản của mô tả dữ liệu thông qua bảng tần số, suất tuất, tần số tích lũy và tần suất tích lũy. Ngồi ra, tac giả cịn sử dụng thống kê mô tả về các trị thống kê như số trung bình, độ lệch chuẩn…
3.3.3.2 Kiểm định độ tin cậy Cronbach’s Alpha
Hệ số Cronbach’s Alpha là thông số để kiểm tra độ tin cậy của các biến quan sát trong mơ hình nghiên cứu gồm một bộ dữ liệu của các khái niệm. Kết quả phân tích dựa trên hệ số Cronbach’s Alpha là xác định độ phù hợp của thang đo các biến, hệ số tương quan biến – tổng (cho biết sự tương quan của một biến quan sát với các
biến còn lại trong bộ thang đo) của chúng. Chỉ giữ lại những thành phần thang đo có hệ số Cronbach’s Alpha > 0,6, nhận định này được nhiều nhà nghiên cứu sử dụng (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2004) cho rằng: hệ số Cronbach’s Alpha từ 0,8 đến 1.0 thì thang đo là rất tốt; từ 0,7 đến 0,8 là sử dụng được; cũng có nhiều nhà nghiên cứu đề nghị rằng hệ số Cronbach Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm nghiên cứu còn mới đối với người trả lời. Hệ số tương quan biến – tổng của các biến quan sát > 0,3 được xem là biến thích hợp cho nghiên cứu.
3.3.3.3 Phân tích nhân tố khám phá (EFA)
Phương pháp dùng để xác định cấu trúc thang đo với phương pháp Principal Components cùng với phép xoay Varimax được áp dụng cho nghiên cứu này để giúp phân biệt rõ hơn giữa các nhân tố và khả năng giải thích các nhân tố do kết quả phân tích cho ra trọng số nhân tố rất cao hoặc trọng số nhân tố rất thấp là 0. Một vài thông số cần lưu ý:
+ Thông số KMO (Kaiser – Meyer – Olkin) có giá trị từ 0,0 đến 1,0, dùng để kiểm định sự phù hợp của tập dữ liệu khảo sát. KMO có giá trị từ 0,8 đến 1,0 là rất tốt; 0,5 đến 0,8 là trung bình. Theo Hair và ctg (1995), KMO phải lớn hơn 0,5 thì tập dữ liệu mới phù hợp cho các phân tích thống kê hồi qui tiếp theo.
+ Mức ý nghĩa Sig của kiểm định Bartlett ≤ 5%, các biến có tương quan. + Thơng số Eigenvalue biểu thị sự biến thiên theo các nhân tố của biến khảo sát. Theo (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2004), thơng số Eigenvalue > 1 thì các nhân tố thành phần mới có ý nghĩa.
+ Thơng số phần trăm tổng phương sai trích biểu thị sự biến thiên được giải thích bởi các nhân tố, thang đo được chấp nhận khi tổng phương sai trích của tất cả các nhân tố > 50%.
+ Hệ số nhân tố tải (Factor loading) ≥ 0,5 được xem là có ý nghĩa thực tiễn, dùng để xác định biến cần chọn lựa theo nhân tố.
+ Phương pháp trích “Principal Components” với phép xoay “Varimax” được sử dụng trong phân tích nhân tố.
3.3.3.4 Phân tích tương quan
Hệ số tương quan cho biết giữa các biến được đánh giá và kiểm tra có mối tương quan với nhau hay không thông qua hệ số Pearson (r). Hệ số tương quan (r) là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số. Hệ số tương quan có giá trị từ -1 đến 1. Hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số khơng có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu giá trị của hệ số tương quan là âm (r <0) có nghĩa là khi x tăng cao thì y giảm (và ngược lại, khi x giảm thì y tăng); nếu giá trị hệ số tương quan là dương (r > 0) có nghĩa là khi x tăng cao thì y cũng tăng, và khi x tăng cao thì y cũng giảm theo.
Có nhiều hệ số tương quan, hệ số tương quan thông dụng nhất: hệ số tương quan Pearson r. Trong phân tích áp dụng cho luận văn, kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy (giả thuyết H0: hệ số tương quan bằng 0).
Significant của kiểm định Pearson. Giả thuyết H0: hệ số tương quan bằng 0. Do đó nếu Sig. này bé hơn 5% ta có thể kết luận được là hai biến có tương quan với nhau. Hệ số tương quan càng lớn tương quan càng chặt, nếu mức ý nghĩa sig này lớn hơn 5% thì hai biến khơng có tương quan với nhau.
- Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập khơng có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.
- Kết quả phân tích tương quan Pearson cho thấy một số biến độc lập có sự tương quan với nhau. Do đó khi phân tích hồi quy cần phải chú ý đến vấn đề đa cộng tuyến. Các biến độc lập có tương quan với biến phụ thuộc và do đó sẽ được đưa vào mơ hình để giải thích cho biến phụ thuộc theo Hoàng Trọng và cộng sự (2008).
3.3.3.5 Phân tích hồi quy
Phân tích hồi qui tuyến tính là một phương pháp phân tích dùng kỹ thuật thống kê được sử dụng để phân tích mối quan hệ tuyến tính giữa một biến phụ
thuộc và nhiều biến độc lập. Khi sử dụng hồi qui tuyến tính, các tham số thống kê cần được quan tâm bao gồm:
Để xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc, nghiên cứu sử dụng mô hình hồi quy đa biến như sau:
TTT = β0 + β1 DDDN + β2 NKD + β3 XH + β4 KT + β5 HTT +β6 KIENTHUC Trong đó:
TTT: Biến phụ thuộc (Sự tuân thủ thuế của doanh nghiệp: Nghiên cứu tại Chi cục thuế Dĩ An)
Các biến độc lập:
- DDDN: Đặc điểm về doanh nghiệp - NKD: Nhân tố về ngành kinh doanh - XH: Nhân tố về xã hội
- KT: Nhân tố kinh tế
- HTT: Nhân tố về hệ thống thuế
- KIENTHUC: Kiến thức về thuế của chủ doanh nghiệp - β0, β1, … β6: Các tham số của mơ hình.
+ Hệ số R2 điều chỉnh (Adjusted coefficient of determination): Đo lường phần phương sai của biến phụ thuộc được giải thích bởi các biến độc lập có tính đến số lượng biến phụ thuộc và cỡ mẫu. Hệ số này càng cao, độ chính xác của mơ hình càng lớn và khả năng dự báo của các biến độc lập càng chính xác.
+ Kiểm định độ phù hợp của mơ hình với tập dữ liệu: Sử dụng trị thống kê F để kiểm định mức ý nghĩa thống kê của mô hình. Giả thuyết Holà các hệ số Beta trong mơ hình đều bằng 0. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, ta có thể an tồn khi bác bỏ giả thuyết Hohay nói cách khác mơ hình phù hợp với tập dữ liệu khảo sát.
+ Hệ số beta (Standardized Beta Coefficent): Hệ số hồi qui chuẩn hóa cho phép so sánh một cách trực tiếp về mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008).
+ Kiểm định mức ý nghĩa của hệ số beta: Sử dụng trị thống kê t để kiểm tra mức ý nghĩa của hệ số beta. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, ta có thể kết luận hệ số beta có ý nghĩa về mặt thống kê.
Hệ số xác định (R2) và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mơ hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mơ hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mơ hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mơ hình càng cao, (R2 hiệu chỉnh lớn hơn 0,5 là mơ hình đạt giá trị tốt về thống kê). Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến theo Hồng Trọng và cộng sự (2008). Xác định mức độ ảnh hưởng của: nhân tố có hệ số beta càng lớn thì có thể nhận xét rằng nhân tố đó có mức độ ảnh hưởng cao hơn các nhân tố khác trong mơ hình nghiên cứu; hệ số beta được coi là có ý nghĩa nếu sig tương ứng nhỏ hơn 0,05.
Cuối cùng, nhằm bảo đảm độ chính xác của phương trình hồi quy được xây dựng là thích hợp, một loạt các dị tìm về vi phạm các giả thuyết trong hồi quy tuyến tính bội cũng được tiến hành. Các vi phạm giả thuyết được kiểm định trong phần này bao gồm: liên hệ tuyến tính (dùng biểu đồ phân tán Scatterplot), phương sai của phần dư không đổi (dùng hệ số tương quan hạng Spearman), phân phối chuẩn của phần dư (dùng Histogram và P – P plot), tính độc lập của phần dư hay còn gọi là hiện tượng tự tương quan (dùng đại lượng thống kê Durbin – Watson), hiện tượng đa cộng tuyến (VIF).
3.3.3.6 Kiểm định ANOVA
Trước khi phân tích phương sai ANOVA, thực hiện kiểm định xem kết quả phân tích ANOVA có thể sử dụng được hay khơng. Dựa vào kết quả ở bảng Test of Homogeneity of Variances, nếu giá trị Sig. < 0,05 thì phương sai đánh giá sự tuân thủ thuế của doanh nghiệp khác nhau một cách có ý nghĩa thống kê. Khi đó, bài tốn phân tích phương sai ANOVA kết thúc. Ngược lại, nếu giá trị Sig. > = 0,05 thì phương sai đánh giá sự tuân thủ thuế của doanh nghiệp khơng khác nhau một cách có ý nghĩa thống kê. Khi đó, kết quả phân tích ANOVA có thể sử dụng được.
Sau đó, tiến hành phân tích dựa vào kết quả ở bảng ANOVA, nếu giá trị Sig. > 0,05: kết luận khơng có sự khác biệt có ý nghĩa thống kê về sự tuân thủ thuế của doanh nghiệp. Ngược lại, nếu giá trị Sig. < 0,05: kết luận có sự khác biệt có ý nghĩa