STT Biến quan sát Mã hóa
Nhận thức sự hữu ích HY
1 Khai thuế qua mạng internet giúp tiết kiện thời gian so với
khai thuế truyền thống HY1
2 Khai thuế qua mạng internet giúp tiết kiện chi phí so với
khai thuế truyền thống HY2
3 Khai thuế qua mạng được thực hiện dễ dàng hơn HY3 4 Khai thuế qua mạng thực hiện nhanh chóng hơn HY4
5 Khai thuế qua mạng thuận tiện hơn HY5
6 Nói chung, khai thuế qua mạng mang lại sự hữu ích HY6
Nhận thức tính dễ sử dụng DSS
7 Quy trình khai thuế qua mạng thật dễ hiểu DSS7 8 Học cách khai thuế qua mạng thật dễ dàng DSS8
9 Dễ sử dụng thành thạo các thao tác khi khai thuế qua
mạng DSS9
10 Nói chung, khai thuế qua mạng dễ sử dụng DSS10
Chuẩn chủ quan CQ
11 Lãnh đạo Công ty ủng hộ chọn khai thuế qua mạng CQ11 12 Những người trực tiếp làm công việc khai thuế trong
Công ty ủng hộ khai thuế qua mạng CQ12
13 Cơ quan thuế khuyến khích khai thuế qua mạng CQ13 14 Nói chung, khai thuế qua mạng được những đối tượng
Nhận thức kiểm soát hành vi KIEM_SOAT
15 Cơng ty có đủ nguồn lực khai thuế qua mạng KSHV15 16 Cơng ty có đủ kiến thức và khả năng cần thiết để khai
thuế qua mạng KSHV16
17 Công ty cảm thấy thoải mái khi khai thuế qua mạng KSHV17 18 Nói chung, cơ sở hạ tầng và đặc điểm công ty thuận lợi KSHV18
Niềm tin NT
19 Hồ sơ khai thuế qua mạng an toàn NT19
20 Hồ sơ khai thuế qua mạng bảo mật NT19B 21 Hồ sơ khai thuế qua mạng có tính pháp lý cao NT20
22 Nói chung, khai thuế qua mạng đáng tin cậy NT21
Nhận thức về rào cản chuyển đổi CPCD
23 Công ty sẵn sàng đầu tư chi phí để khai thuế qua mạng CPCD22 24 Chúng tôi sẵn sàng tốn thời gian và công sức để nghiên
cứu sử dụng khai thuế qua mạng CPCD23
25
Chất lượng dịch vụ công chưa như mong đợi (như mức độ tin cậy, đáp ứng của cơ quan thuế chưa cao, năng lực phục vụ, sự đồng cảm của nhân viên chưa cao, phương tiện làm việc, địa điểm trụ sở chưa thoáng, rộng rãi) làm tôi muốn khai thuế qua mạng
CPCD23A
26
Nói chung, chúng tơi sẵn sàng vượt qua khó khăn về chi phí chuyển đổi, sự hấp dẫn của phương thức khai thuế thay thế để khai thuế qua mạng qua mạng
CPCD23B
Xu hướng chọn khai thuế qua mạng CKT
28 Chúng tôi sẽ học cách khai thuế qua mạng CKT25 29 Chúng tôi dự định khai thuế qua mạng trong tương lai gần CKT26
3.3 THIẾT KẾ BẢNG CÂU HỎI
Sau khi hoàn tất việc hiệu chỉnh và xây dựng các thang đo phù hợp với việc khảo sát các yếu tố ảnh hưởng đến xu hướng chọn khai thuế qua mạng, tác giả tiến hành thiết kế bảng câu hỏi nhằm phục vụ cho việc thu thập dữ liệu. Bảng câu hỏi chính thức được sử dụng trong nghiên cứu định lượng gồm 3 phần:
- Thơng tin kiểm sốt
Nhằm xác định đối tượng nghiên cứu có được chọn khảo sát và loại những đối tượng không phù hợp với nghiên cứu.
Đối tượng nghiên cứu là những người chưa thực hiện khai thuế qua mạng và được tập huấn quy trình kê khai thuế qua mạng, có những hiểu biết về quy trình kê khai thuế qua mạng. Do vậy loại những bảng câu hỏi mà đối tượng nộp thuế đã thực hiện kê khai thuế qua mạng rồi hay nhưng đối tượng chưa biết quy trình kê khai thuế qua mạng.
- Thơng tin các phát biểu về hình thức khai thuế qua mạng
Ghi nhận mức độ đồng ý về các biến quan sát (được diễn tả bằng các phát biểu) đo lường cho các khái niệm trong mơ hình. Đây cũng là thành phần chính của bảng câu hỏi giúp khảo sát mức độ cảm nhận của người nộp thuế đối với các yếu tố như: xu hướng sử dụng, nhận thức sự hữu ích, nhận thức tính dễ sử dụng, chuẩn chủ quan, nhận thức kiểm soát hành vi, niền tin và nhận thức về chi phí chuyển đổi. Sau khi tiến hành nghiên cứu định tính, 29 biến có liên quan được đưa vào khảo sát. Để đo lường các biến này, tác giả đã sử dụng thang đo Likert 5 mức độ từ “1 – Hồn tồn khơng đồng ý” đến “5 – Hồn tồn đồng ý”.
- Thơng tin khác
Ghi nhận các thông tin liên quan đến đối tượng trả lời bảng câu hỏi, bao gồm: giới tính, độ tuổi của người được phỏng vấn, kinh nghiệm làm việc, chức vụ và các
thuế… Đây là phần câu hỏi phục vụ cho việc mô tả về đối tượng nộp hồ sơ khai thuế nên các câu hỏi được đưa và dưới dạng câu hỏi đóng để tăng khả năng hồi đáp của người trả lời.
Bảng câu hỏi sau khi hiệu chỉnh được trình bày ở phần phụ lục 2.
3.4. NGHIÊN CỨU ĐỊNH LƯỢNG 3.4.1. Phương thức lấy mẫu
Trong nghiên cứu này, phương pháp lấy mẫu được chọn là lấy mẫu thuận tiện, dữ liệu được thu thập thơng qua các hình thức phỏng vấn trực tiếp người nộp thuế đã tham gia lớp tập huấn khai thuế qua mạng và chưa thực hiện khai thuế qua mạng, đến phòng Tuyên truyền hỗ trợ để được hướng dẫn về chính sách thuế, nộp tờ khai thuế trực tiếp, đề nghị hướng dẫn thêm về quy trình kê khai thuế qua mạng và phát bảng câu hỏi tại hội nghị tập huấn do Cục thuế TP tổ chức.
3.4.2. Cỡ mẫu
Đối với phân tích nhân tố (EFA), cỡ mẫu tối thiểu là N ≥ 5*x (x: tổng số biến quan sát) (Hair & ctg, 1998 – trích từ Michele, 2005). Trong nghiên cứu này, tổng số biến quan sát là 29, như vậy số mẫu tối thiểu cần đạt được là 145. Tác giả đã phát bảng câu hỏi và phỏng vấn trực tiếp 354 bảng câu hỏi, trong đó có 243 bảng thỏa mãn yêu cầu và được sử dụng để phân tích.
3.4.3 Xử lý và phân tích dữ liệu
Dữ liệu sau khi được thu thập sẽ được mã hóa và thực hiện q trình phân tích như sau:
3.4.3.1 Phân tích mơ tả
Trong bước đầu tiên, tác giả sử dụng phân tích mơ tả để phân tích các thuộc tính của mẫu nghiên cứu:
Đối tượng trả lời bảng câu hỏi: giới tính, độ tuổi, chức vụ công tác, kinh nghiệm làm việc.
nghiệp, vị trí tương đối với cơ quan thuế.
3.4.3.2 Kiểm định và đánh giá thang đo
Để đánh giá thang đo các khái niệm trong nghiên cứu cần kiểm tra độ tin cậy, độ giá trị của thang đo. Dựa trên các hệ số độ tin cậy Cronbach’s Alpha, hệ số tương quan biến - tổng (Item-to-total correlation) giúp loại ra những biến quan sát khơng đóng góp vào việc mơ tả khái niệm cần đo, hệ số Cronbach’s alpha if Item Deleted để giúp đánh giá loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm cần đo, và phương pháp phân tích nhân tố khám phá (EFA) nhằm kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu.
- Phân tích Cronbach’s Alpha
Phân tích Cronbach’s Alpha thực chất là phép kiểm định mức độ tương quan lẫn nhau của các mục hỏi trong thang đo qua việc đánh giá sự tương quan giữa bản thân các mục hỏi và tương quan của điểm số trong từng mục hỏi với điểm số toán bộ các mục hỏi cho từng trường hợp trả lời. Một tập hợp các mục hỏi được đánh giá tốt khi hệ số alpha lớn hơn hoặc bằng 0,8, hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được (Peterson, 1994). Theo Nunnally & Burnstein (1994), các biến có hệ số tương quan biến - tổng nhỏ hơn 0,3 sẽ bị loại khỏi thang đo do có tương quan kém với các biến khác trong cùng mục hỏi.
Hệ số tin cậy Alpha chỉ cho biết các đo lường có liên kết với nhau hay không, nhưng không cho biết mục hỏi (biến quan sát) nào cần bỏ đi và mục hỏi nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến - tổng (item-total correlation) sẽ giúp loại ra những mục hỏi khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA nhằm loại ra các biến khơng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007).
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 giữa biến với các biến khác trong nhóm càng cao. Theo Nunnall & Burnstein (1994) cho rằng các biến có hệ số tương quan biến - tổng nhỏ hơn 0,3 được coi là biến rác và sẽ loại ra khỏi mơ hình; 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 và Nguyễn Thị Mai Trang, 2007).
- Phân tích nhân tố khám phá (EFA)
Sau khi loại bỏ các biến không đảm bảo độ tin cậy, phương pháp phân tích nhân tố EFA được sử dụng để xác định độ giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity), và đồng thời thu gọn các tham số ước lượng theo từng nhóm biến.
Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải lớn hơn hoặc bằng 0,4 trong một nhân tố (Jun & Ctg 2002). Để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn hoặc bằng 0,3 (Jabnoun & Ctg 2003).
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue - đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mơ hình (Garson 2003).
Tiêu chuẩn phương sai trích (Variance explained criteria): tổng phương sai trích phải lớn hơn 50%.
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 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn 1 với các biến quan sát.
cậy Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA), các biến không đảm bảo độ giá trị hội tụ tiếp tục bị loại khỏi mơ hình cho đến khi các tham số được nhóm theo các nhóm biến. Việc xác định mối quan hệ giữa các nhóm biến này cũng như xác định mối quan hệ giữa các nhóm biến độc lập (yếu tố thành phần) và nhóm biến phụ thuộc (xu hướng sử dụng) trong mơ hình nghiên cứu được thực hiện bằng phương pháp phân tích hồi quy bội.
Giá trị của biến mới trong mơ hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của biến đó, giá trị của các thành phần được phần mềm SPSS tính một cách tự động từ giá trị trung bình có trọng số của các biến quan sát đã được chuẩn hóa. Tuy nhiên, trước khi tiến hành phân tích hồi quy, một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan nhằm kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình.
- Phân tích tương quan
Kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này mối tương quan tuyến tính càng chặt chẽ (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Trong mơ hình nghiên cứu, kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập.
- Phân tích hồi quy đa biến
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 đến các biến được đưa vào trong mơ hình.
- Kiểm định các giả thuyết, sử dụng với phần mềm SPSS
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy riêng phần βi (i = 1..5). Xác định mức độ ảnh hưởng của các yếu tố tác động đến xu hướng sử dụng dịch vụ hội nghị thoại đa phương: yếu tố có hệ số β lớn hơn 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.
3.4.3.4 Phân tích ANOVA
Việc phân tích ANOVA nhằm xác định ảnh hưởng của các biến định tính đối với xu hướng chọn khai thuế qua mạng. Phương pháp sử dụng là phân tích phương sai 1 yếu tố (One-way ANOVA). Đây là phương pháp được sử dụng trong trường hợp chỉ sử dụng 1 biến yếu tố để phân loại các quan sát thành các nhóm khác nhau.
Mục đích của phân tích là nhằm tìm xem có sự khác nhau đáng kể (có ý nghĩa thống kê) hay không về các yếu tố ảnh hưởng đến xu hướng chọn khai thuế qua mạng giữa những nhóm đối tượng nộp thuế khác nhau.
Các yếu tố định tính được phân tích trong đề tài nghiên cứu này là giới tính, độ tuổi, kinh nghiệm làm việc, chức vụ của người trả lời bảng câu hỏi; thời gian hoạt động, quy mơ doanh thu, hình thức doanh nghiệp, vị trí tương đối với cơ quan thuế của doanh nghiệp.
Một số giả định khi thực hiện phân tích ANOVA:
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn và cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
- Phương sai của các nhóm so sánh phải đồng nhất.
(Nguồn: Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008))
3.5. TĨM TẮT CHƯƠNG
Chương 3 trình bày phương pháp thực hiện nghiên cứu nhằm đạt được các mục tiêu đề ra. Quá trình này gồm hai bước: Bước 1, nghiên cứu định tính với kỹ thuật phỏng vấn sâu nhằm bổ sung và hiệu chỉnh các thang đo các biến trong mơ hình. Bước
phát bảng câu hỏi tại hội nghị tập huấn. Sau đó dữ liệu sẽ được xử lý và phân tích bằng phần mềm SPSS 16.0 để kiểm định các thang đo và sự phù hợp của mơ hình lý thuyết. Trong chương tiếp theo, tác giả sẽ trình bày kết quả phân tích dữ liệu, kết quả nghiên cứu bao gồm kết quả đánh giá thang đo, phân tích nhân tố khám phá, hồi quy đa biến và kiểm định giả thuyết.
PHÂN TÍCH VÀ THẢO LUẬN
Chương 3 đã trình bày phương pháp nghiên cứu gồm thiết kế nghiên cứu, hiệu chỉnh thang đo và phương pháp phân tích. Trong chương này sẽ trình bày các kết quả phân tích gồm: (1) mô tả mẫu, (2) kiểm định độ tin cậy của thang đo, (3) phân tích
nhân tố, (4) kiểm định độ giá trị của thang đo, (5) phân tích hồi quy đa biến, (6) kiểm
định giả thuyết nghiên cứu và (7) phân tích ANOVA.
4.1. MƠ TẢ MẪU
4.1.1. Phương pháp thu thập dữ liệu và tỷ lệ hồi đáp
Như đã trình bày trong chương 3, mẫu được chọn theo phương pháp lấy mẫu thuận tiện với kích thước là 243 mẫu. Dữ liệu được thu thập trong 6 tuần (từ ngày 18/10/2010 đến 29/11/2010), phương pháp thu thập là phỏng vấn trực tiếp đối với người được phỏng vấn, phát bảng câu hỏi tại hội nghị tập huấn khai thuế qua mạng. Tổng số bảng câu hỏi được phỏng vấn và phát ra là 354 bảng, trong đó có 243 bảng hợp lệ và dữ liệu đáng tin cậy được sử dụng để đưa vào phân tích. Cịn lại 111 câu hỏi là bảng trả lời không đầy đủ, bỏ trắng hoặc dữ liệu không đáng tin cậy. Tỷ lệ hồi đáp là 68,6%.
4.1.2. Mô tả thơng tin mẫu
Dữ liệu thu thập được trình bày trong bảng 4.1.