CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Dữ liệu nghiên cứu
3.3.1. Dữ liệu thứ cấp
Dữ liệu thứ cấp bao gồm kết quả các nghiên cứu liên quan đến đề tài; số liệu thống kê về hải quan giai đoạn 2014 – 2017. Dữ liệu thứ cấp được thu thập qua sách báo, tạp chí, các công trình nghiên cứu trong và ngoài nước; các báo cáo của Tổng cục Hải quan, Cục Hải quan tỉnh Đồng Nai.
3.3.2. Dữ liệu sơ cấp
Đề tài chọn 7/8 Chi cục Hải quan thuộc Cục Hải quan tỉnh Đồng Nai để thu thập thông tin sơ cấp. Do có 01 Chi cục Hải quan Bình Thuận nằm tại địa bàn tỉnh Bình Thuận không thuận tiện trong công tác thu thập và khảo sát dữ liệu.
3.3.3. Phương pháp chọn mẫu và quy mô mẫu
Theo Tabachnick & Fidell (2007), kích thước mẫu trong phân tích hồi quy đa biến phụ thuộc vào nhiều yếu tố, mức ý nghĩa, độ mạnh của phép kiểm định, số lượng biến độc lập.
Theo Tabachnick & Fidell (1996), kích thước mẫu cần đảm bảo theo công thức: n>= 50 + 8p. Trong đó: n là cỡ mẫu, p là số lượng biến độc lập.
Hair & ctg (1998) cho rằng kích cỡ mẫu phụ thuộc vào phương pháp phân tích, nghiên cứu này có sử dụng phân tích nhân tố khám phá (EFA), phân tích nhân
tố cần có cỡ mẫu bằng ít nhất 5 lần biến quan sát. Dựa vào số biến quan sát trong nghiên cứu này thì số lượng mẫu cần thiết có thể là 98 quan sát trở lên.
Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr.263) cho rằng những quy tắc kinh nghiệm khác trong xác định cỡ mẫu cho phân tích nhân tố EFA là thông thường thì số quan sát ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố.
Do vậy tác giả tiến hành thu thập với cỡ mẫu bằng 6 lần biến quan sát. Trong nghiên cứu có 31 biến, nên cỡ mẫu = 6 x 31 = 186 quan sát, dự phòng 24 quan sát nữa nên cỡ mẫu điều tra là 210. Mẫu được chọn theo phương pháp phi xác suất, lấy mẫu thuận tiện.
3.3.4. Phương pháp xử lý số liệu
3.3.4.1. Phương pháp phân tích thống kê mô tả
Thống kê mô tả được kiểm định gồm các chỉ số đặc trưng trong thống kê như tần suất, tỷ lệ, giá trị trung bình, các biểu đồ thống kê.
3.3.4.2. Kiểm định thang đo qua hệ số tin cậy Cronbach Alpha
- Hệ số Cronbach’s Alpha và hệ số tương quan biến tổng (Corrected Iterm – Total Correlation) là hệ số đánh giá độ tin cậy của thang đo.
- Nguyễn Đình Thọ (2013, tr.355) cho rằng hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo và chỉ thực hiện khi có 3 biến quan sát trở lên chứ không tính được độ tin cậy cho từng biến quan sát.
- Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0.1]. Hệ số này càng cao càng tốt thì thang đo có độ tin cậy cao. Tuy nhiên, nếu hệ số Cronbach’s Alpha quá lớn, khoảng từ 0.95 trở lên cho thấy có nhiều biến trong thang đo không có gì khác biệt nhau, hiện tượng này gọi là trùng lắp thang đo (Nguyễn Đình Thọ, 2013).
- Nếu một biến đo lường có hệ số tương quan biến tổng (Corrected Iterm – Total Correlation) ≥ 0.3.
Mức giá trị hệ số Cronbach’s Alpha:
+ Từ 0.8 đến gần bằng 1: thang đo lường rất tốt + Từ 0.7 đến bằng 0.8: thang đo lường sử dụng tốt + Từ 0.6 trở lên: thang đo lường đủ điều kiện
3.3.4.3. Phân tích nhân tố khám phá (Exploratory Factor Analysis) Phân tích nhân tố khám phá gọi tắt là EFA, dùng để rút gọn một tập hợp k
biến quan sát thành một tập hợp F (với F<k) các nhân tố có ý nghĩa hơn.
Để kiểm định giá trị của thang đo, trong phân tích EFA sử dụng các tiêu chí phân tích sau:
- Hệ số KMO (Kaiser – Meyer – Olkin measure) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân số. Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008, tr.31) cho rằng trị số của KMO phải đạt giá trị 0.5 trở lên là điều kiện đủ để phân tích nhân tố là phù hợp; Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Theo Nguyễn Đình Thọ (2013) thì Kiểm định Bartlett có ý nghĩa thống kê (sig < 0.5) chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
- Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
- Tổng phương sai tích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
- Hệ số tải nhân tố (Factor loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ giữa biến quan sát với nhân tố. Hệ số nhân tải số càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại.
Theo Hair & ctg (2009,116), Multivariate Data Analysis, 7th Edition thì:
+ Factor Loading ở mức ± 0.3: Điều kiện tối thiểu để biến quan sát được giữ lại.
+ Factor Loading ở mức ± 0.5: Biến quan sát có ý nghĩa thống kê tốt.
+ Factor Loading ở mức ± 0.7: Biến quan sát có ý nghĩa thống kê rất tốt.
Tuy nhiên giá trị tiêu chuẩn của hệ số tải Factor loading cần phải phụ thuộc vào kích thước mẫu. Với từng khoảng kích thước mẫu khác nhau, mức trọng số nhân tố để biến quan sát có ý nghĩa thống kê là hoàn toàn khác nhau. Cụ thể nếu quy mô mẫu nhỏ hơn 100 thì hệ số tối thiểu là 0.75; mẫu từ 100 đến 350 thì hệ số tối thiểu là 0.55; mẫu trên 350 thì hệ số tải nhân tố chỉ cần tối thiểu bằng 0.30. Trên
thực tế áp dụng, thường lấy hệ số tải 0.45 hoặc 0.5 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến 350; lấy tiêu chuẩn hệ số tải là 0.3 với cỡ mẫu từ 350 trở lên.
3.3.4.4. Phân tích hồi quy đa biến (Multiple Regression Analysis, MRA)
Các tiêu chí trong phân tích hồi quy đa biến:
- Giá trị R2 (R Square), R2 hiệu chỉnh (Adjusted R Square) phản ánh mức độ giải thích biến phụ thuộc của các biên độc lập trong mô hình hồi quy. R2 hiệu chỉnh phản ánh sát hơn so vói R2. Mức giao động của 2 giá trị này là từ 0 đến 1.
- Giá trị sig của kiểm định F được sử dụng để kiểm định độ phù hợp của mô hình hồi quy. Nếu sig nhỏ hơn 0.05, ta kết luận mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được. Giá trị này nằm trong bảng ANOVA.
- Trị số Durbin – Watson (DW) dùng để kiểm tra hiện tượng tương quan chuỗi bậc nhất. DW có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2, nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch.
- Giá trị sig của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hời quy. Nếu sig kiểm định t của hệ số hồi quy của một biến độc lập nhỏ hơn 0.05, ta kết luận biến độc lập đó tác động đến biến phụ thuộc. Mỗi biến độc lập tương ứng với một hệ số hồi quy riêng, do vậy ta cũng có từng kiểm định t riêng.
- Hệ số phóng đại phương sai VIF (Variance Inflation Factor) dùng để kiểm tra hiện tượng cộng tuyến. Thông thường, nếu VIF của một biến độc lập lớn hơn 10 nghĩa là đang có đa cộng tuyến xảy ra với biến độc lập đó. Khi đó, biến này không còn giá trị giải thích biến thiên của biến phụ thuộc trong mô hình hồi quy (Nguyễn Đình Thọ, 2013). Tuy nhiên, trên thực tế nếu hệ số VIF > 2 thì khả năng rất cao đang xảy ra hiện tượng cộng tuyến.
- Kiểm định các giả định hồi quy, bao gồm phần dư chuẩn hóa và liên hệ tuyến tính:
+ Kiểm tra phạm vi giả định phần dư chuẩn hóa: Sử dụng biểu đồ Histogram, nếu giá trị trung bình Mean gần bằng 0, độ lệch chuẩn gần bằng 1, ta có thể khẳng định phân phối là xấp xỉ chuẩn. Đối với biểu đồ Normal P-P Lot, nếu các điểm phân
vị trong phân phối của phần dư tập trung thành một đường chéo, như vậy giả định phân phối chuẩn của phần dư không vi phạm.
+ Kiểm tra vi phạm giả định liên hệ tuyến tính: Biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa, giúp chúng ta dò tìm xem, dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không. Nếu phần dư chuẩn hóa phân bổ tập trung xung quan đường hoành độ 0, chúng ta có thể kết luận giả định quan hệ tuyến tính không vi phạm.
KẾT LUẬN CHƯƠNG 3
Chương 3 trình bày thiết kế nghiên cứu các nhân tố ảnh hưởng đến kiểm soát rủi ro trong công tác quản lý thuế nhập khẩu tại Cục Hải quan tỉnh Đồng Nai. Kết quả giai đoạn này đã xác định có 6 nhân tố ảnh hưởng đến kiểm soát rủi ro trong công tác quản lý thuế nhập khẩu và 1 thang đo kiểm soát rủi ro trong công tác quản lý thuế nhập khẩu, từ đó làm cơ sở cho nghiên cứu định lượng.
Nghiên cứu chính thức sử dụng phương pháp định lượng với cỡ mẫu tối thiểu là 210 và kỹ thuật lấy mẫu ngẫu nhiên thuận tiện. Các kỹ thuật kiểm định về độ tin cậy và giá trị của thang đo tương ứng là Cronbach Alpha, phân tích nhân tố khám phá (EFA) và hồi quy đa biến được đề xuất thực hiện để đảm bảo tính phù hợp của mô hình.