CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.2. Thiết kế nghiên cứu
3.2.6. Phƣơng pháp phân tích dữ liệu
Để phân tích dữ liệu thu thập từ các bảng câu hởi khảo sát, bài nghiên cứu sử dụng phần mềm SPSS 22.0 đế xác định các nhân tố đại diện cho các biến quan sát ảnh hưởng đến chi phí tuân thủ thuế TNDN của các DN thuộc đối tượng nghiên cứu. Quá trình phân tích dữ liệu được thực hiện cụ thể qua các bước:
3.2.6.1. Phân tích thống kê mơ tả
Dữ liệu sau khi thu thập được tác giả thiết kế, mã hóa và nhập liệu qua cơng cụ SPSS, sau đó tiến hành làm sạch.
Dữ liệu sau khi điều tra chỉ là dữ liệu thô, chưa được xử lý, trong quá trình thực hiện thường bị sai lệch, thiếu sót hoặc khơng nhất qn, do đó yêu cầu làm sạch dữ liệu để đảm bảo yêu cầu số liệu được đưa vào phân tích chính xác, đầy đủ và đủ điều kiện.
Kỹ thuật phân tích thống kê mơ tả để đưa ra nhận xét, cái nhìn tống quan ban đầu về số liệu điều tra, khảo sát doanh nghiệp.
Thống kê mơ tả sử dụng số trung bình, kiểm định giá trị trung bình và phân tích thống kê tàn số để xem xét về đối tượng được khảo sát và các nhân tố ảnh hưởng đến chi phí tuân thủ thuế TNDN của các DN trên địa bàn TP Nha Trang được đưa vào nghiên cứu.
3.2.6.2. Kiểm định thang đo bằng hệ số Cronbach alpha
Kiểm định này dùng để kiếm định độ tin cậy của thang đo trong mơ hình nghiên cứu. Sử dụng phương pháp hệ số tin cậy Cronbach Alpha trước khi phân tích nhân to EFA đế loại các biển khơng phù hợp vì các biến rác này có thế tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009);
Hệ số tin cậy Cronbach Alpha chỉ cho biết các đo lường có liên kết với nhau hay khơng, nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến -tổng sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005);
• Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo: Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0.3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0.6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0.4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0.7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:
Loại các biến quan sát có hệ số tương quan biến-tống nhỏ hơn 0.4 (đây là những biến khơng đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
Chọn thang đo có độ tin cậy Alpha lớn hơn 0.6.
3.2.6.3. Phân tích nhân tố khám phá (EFA)
Kiểm định này nhằm kiểm định giá trị của thang đo trong mơ hình nghiên cứu.
Phân tích nhân tố khám phá thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau.
Phương pháp này là phương pháp phân tích thống kê dùng để rút gọn một tập họp nhiều biến quan sát có mối tương quan với nhau thành một tập biến hay còn gọi là nhân tố ít hơn, có ý nghĩa hơn nhưng vẫn đảm bảo chứa đựng những nội dung thông tin của tập biến ban đầu.
Kiểm định Bartlett: các biến quan sát có tương quan với nhau trong tổng thể Xem xét giá trị KMO: 0.5<KMO<1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO< 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
Để phân tích EFA có giá trị thực tiễn: tiến hành loại các biến quan sát có hệ số tải nhân tố < 0.5
Xem lại thông so Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị > 1
Xem xét giá trị tống phương sai trích (yêu cầu là > 50%); cho biết các nhân tố được trích giải thích được % sự biến thiên của các biến quan sát
• Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA: Sử dụng phương pháp trích yếu tố là Principal components với phép quay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues =1. Với các thang đo đơn hướng thì sử dụng phương pháp trích yếu tố Princial components. Tiến hành loại các biến số có trọng số nhân tố (còn gọi là hệ số tải nhân tố) nhỏ hơn 0,4 và tổng phương sai trích được bằng hoặc lớn hơn 50% (thang đo được chấp nhận) (Gerbing & Anderson, 1988; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0,5 để đảm bào mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0,3 là đạt được mức tối thiểu; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0,3; nếu cỡ mẫu khoảng 100 thì chọn hệ số tải nhân tố lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0,75 (Hair, Anderson, Tatham và Black; 2008).
3.2.6.4. Phân tích tƣơng quan
Sau quá trình thực hiện kiếm định thang đo: đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA); tiến hành tính tốn nhân số của nhân tố (giá trị của các nhân tố trích được trong phân tích nhân to EFA) bằng cách tính trung bình cộng của các biến quan sát thuộc nhân tố tương ứng.
Kiểm định mối tương quan tuyển tính giữa các biến trong mơ hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Đồ thị phân tán cũng cung cấp thông tin trực quan về mối tương quan tuyến tính giữa hai biến. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biển định lượng: giá trị tuyệt đối của hệ so Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ (Hoàng Trọng & Chu Nguyễn Mộng Ngọc. 2005).
3.2.6.5. Phân tích hồi quy
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi quy đa biến để kiểm định mơ hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.
Trong mơ hình nghiên cứu, kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập; đồng thời cũng xem xét mối tương quan giữa các biến độc lập với nhau để nhận dạng hiện tượng đa cộng tuyến.
Như trình bày ban đầu, tác giả sử dụng phương pháp bình phương nhỏ nhất (OLS) và dùng hệ số xác định R2adj đế đánh giá mức độ phù hợp của mơ hình.
R2adj cho biết mức độ giải thích của các biến độc lập trong mơ hình và nó cho biết mức độ phù hợp của mơ hình nghiên cứu với ý nghĩa là các biến độc lập giải thích được bao nhiêu phần trăm biến thiên của biến phụ thuộc.
R2adj càng lớn thì mơ hình càng phù hợp và có ý nghĩa.
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 (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005) nhưng thơng thường sẽ lấy giá trị là 2.
Xác định mức độ ảnh hưởng của các yếu tố tác động đến chi phí tuân thủ thuế TNDN: yếu tố có hệ số p càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mơ hình nghiên cứu.
3.2.6.6. Phân tích ANOVA
Tác giả sử dụng phân tích ANOVA để phân tích sự khác biệt giữa các nhóm mẫu, ANOVA được sử dụng để so sánh trung bình từ ba đám đơng trở lên. Mơ hình ANOVA sử dụng phổ biến để so sánh các trung bình đám đơng với dữ liệu khảo sát và đặc biệt là dữ liệu thử nghiệm.
Sau khi có kết quả phân tích hồi quy đa biến, tiến hành phân tích sự khác biệt về chi phí tuân thủ thuế TNDN theo các thuộc tính của đối tượng nghiên cứu: quy mơ, loại hình doanh nghiệp, thời gian hoạt động và lĩnh vực hoạt động để bài
nghiên cứu chỉ rõ hơn có sự khác biệt hay không về chi phí tuân thủ thuế TNDN giữa các DN.
Từ đó, đưa ra những lý giải vì sao có những sự tương đồng hay sự khác biệt như vậy và đưa ra những giải pháp, kiến nghị phù hợp.
Kết luận Chƣơng 3
Chương này đã trình bày về mơ hình nghiên cứu của đề tài với các giả thuyết trong mơ hình, thiết kế phiếu khảo sát để thu thập dữ liệu. Đồng thời, chương này cũng mô tả chi tiết về quy trình thiết kế nghiên cứu như tiến hành phân tích thống kê mơ tả kiểm định thang đo và kiểm định độ phù hợp của mơ hình. Từ những dữ liệu thu thập được, qua việc xử lý dữ liệu tác giả tiến hành phân tích dữ liệu được trình bày cụ thể tiếp theo ở Chương 4.