3.6.1 .“Thiết kế”mẫu
3.6.2. Phân tích dữ”liệu
Sau khi thu thập, các“bảng trả lời được kiểm tra và loại đi những bảng không đạt yêu cầu. Sau đó chúng được mã hóa, nhập liệu và làm sạch dữ liệu bằng SPSS for Window.”
Kiểm định độ tin cậy c a các thang đo:
Để kiểm định độ tin cậy của thang đo tác giả đã tính tốn hệ số “Cronbach’s Alpha” và “hệ số tương quan biến tổng thể”. Nhiều“nhà nghiên cứu đồng ý rằng hệ số Cronbach Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có“nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2008). Vì vậy, đối với nghiên cứu này thì Cronbach Alpha từ 0.7 trở lên là sử dụng được.”
Hệ số“tương quan biến tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của biến này với các biến khác trong nhóm càng cao. Theo Nunnally & Burnstein(1994), hệ số tương quan các biến sẽ có các mức độ phân loại”như sau:
- ± 0.01 đến ± 0.1: Mối tương quan quá thấp, không đáng kể - ± 0.2 đến ± 0.3 : Mối tương quan thấp
- ± 0.4 đến ± 0.5: Mối tương quan trung bình - ± 0.6 đến ± 0.7: Mối tương quan cao
Trong đó“các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 được coi là biến rác và sẽ bị loại khỏi thang đo.”
Phân tích nhân tố khám phá EFA:
“Phân tích nhân tố khám phá EFA” (Exploratory Factor Analysis)“là kỹ thuật sử dụng để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng như tìm ra các mối quan hệ giữa các biến với nhau.”Phép“phân tích nhân tố của các khái niệm nghiên cứu được xem xét để cung cấp bằng chứng về giá trị phân biệt và giá trị hội tụ của thang đo. Mức độ thích hợp của tương quan nội tại các biến quan sát trong khái niệmnghiên cứu được thể hiện bằng hệ số KMO (Kaiser – Mever – Olkin).”Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
Đo“lường sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Bartlett’s Test of Sphericity trong phân tích khám phá dùng để xem xét sự thích hợp của phân tích nhân tố. Rút trích nhân tố đại diện bằng các biến quan sát được thực hiện với phép qua Varimax và phương pháp trích nhân tố”Principle components. Các“thành phần với giá trị Eigenvalue lớn hơn 1 và tổng phương sai trích bằng hoặc lớn hơn 50% được xem như những nhân tố đại diện các biến.”Hệ số“tải nhân tố (Factor loading) biểu diễn các tương quan đơn giữa các biến và các nhân tố bằng hoặc lớn 0.5 mới có ý nghĩa.”
Từ kết quả “phân tích nhân tố khám phá”,“tác giả sẽ xem xét lại mơ hình nghiên cứu giả thiết, cân nhắc việc liệu có phải điều chỉnh mơ hình hay không, thêm, bớt các nhân tố hoặc các giá trị quan sát của các nhân tố hay khơng?”
Phân tích hồi quy đa biến
Phân tích tương quan:
Các thang“đo đã qua đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson.“Phân tích tương quan Pearson“được thực hiện giữa các biến phụ thuộc và biến độc lập nhằm khẳng định mối liên hệ tuyến tính giữa các biến này và khi đó việc
sử dụng phân tích hồi quy tuyến tính là phù hợp. Hệ số tương quan Pearson (r) có giá trị trong khoảng (-1,+1). Giá trị tuyệt đối của r càng tiến đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra rằng hai biến khơng có quan hệ tuyến tính”(Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích hồi quy đa biến:
Sau khi kết luận hai biến“có mối quan hệ tuyến tính với nhau thì có thể mơ hình hóa mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).”
Nghiên cứu“thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.”
Kiểm định giả thuyết:
Quá trình kiểm định giả thuyết được thực hiện theo các bước sau: Đánh giá độ phù hợp của mơ hình hồi quy đa biến thơng qua R2
và R2 hiệu chỉnh.
Kiểm định giả thuyết về độ phù hợp của mơ hình.
Kiểm định“giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.”
Kiểm định“giả thuyết về phân phối chuẩn của phần dư: dựa theo biểu đồ tần số của phần dư chuẩn hóa; xem giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1.”
Kiểm tra“giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến”(Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Xác định mức độ“ảnh hưởng của các yếu tố tác động đến mức độ hài lòng của NNT đối với CLDV hành chính thuế tại Chi cục thuế Thành phố Cà Mau tỉnh Cà Mau: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mơ hình nghiên cứu.”
Cuối cùng, “kiểm định T – test” và “phân tích phương sai ANOVA” dùng để kiểm định sự khác biệt giữa các thành phần theo yếu tố nhân khẩu học: nhóm “giới
tính”, “độ tuổi”,” trình độ học vấn”, “nghề nghiệp” về mức độ hài lòng của NNT đối với CLDV hành chính thuế tại Chi cục thuế Thành Phố Cà Mau tỉnh Cà Mau.