7. Kết cấu luận văn
2.4.Phương pháp và thủ tục phân tích
- Lập bảng tần số để mô tả mẫu thu thập theo các thuộc tính như giới tính, độ tuổi, trình độ học vấn, vv… Thông qua mô tả mẫu chúng ta có được thông tin sơ bộ về phân loại đối tượng nộp thuế. Đối với thống kê mô tả các biến quan sát cho ta thấy được việc đánh giá chất lượng dịch vụ từ người nộp thuế thông qua hệ số mean từ thang đo Likert 5 mức độ, nếu mean của biến quan sát càng cao thì chứng tỏ người nộp thuế đánh giá cao quan sát đó.
- Nghiên cứu bằng hệ số chất lượng
Nghiên cứu hệ số chất lượng nhờ phương pháp “SERVQUAL” được diễn giải như sau: giá trị “0” của một hệ số chất lượng nào đó, nghĩa là mức mong đợi với mức nhận thức về chất lượng của người nộp thuế trùng nhau, giá trị âm chỉ ra rằng mức mong đợi cao hơn nhận thức, giá trị dương chỉ ra mức nhận thức chất lượng cao hơn mức mong đợi. Kết quả được cho là thành công nếu các giá trị hệ số chất lượng Q 0, kết quả được coi là không thỏa mãn nếu hệ số chất lượng Q < 0.
- Cronbach alpha
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.4 sẽ bị loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có
Cronbach alpha từ 0.7 đến 0.8 là sử dụng tốt. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
- Phân tích nhân tố khám phá EFA (exploratory factor analysis): Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình (Gerbing & Anderson,1988).
Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố . Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn >= 0.5(1) thì mới có ý nghĩa thực tiễn.
(1) Theo Hair & Ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International, Inc, Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loading >0.3
được xem là đạt được mức tối thiểu, Factor loading >0.4 được xem là quan trọng, >0.5 được xem là có ý nghĩa thực tiễn. Hair & Ctg (1998,111) cũng khuyên bạn đọc như sau: nếu chọn tiêu chuẩn factor loading >0.3 thì cỡ mẫu của bạn ít nhất phải là 350,nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn factor
-Xây dựng phương trình hồi quy, kiểm định giả thuyết
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, phân tích ma trận tương quan, hồi quy tuyến tính bội, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor – VIF). Nếu các giả định về đa cộng tuyến không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng. Và hệ số R2 đã được điều chỉnh (adjusted R square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào.
Từ mô hình hồi quy chúng ta tiến hành đánh giá độ phù hợp của mô hình và kiểm định các giả thuyết kỳ vọng.
CHƯƠNG III
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương này sẽ trình bày nội dung: Kết quả nghiên cứu của đề tài và đưa ra những kết luận, đề xuất kiến nghị cho phòng tuyên truyền hỗ trợ thuế. Với 400 mẫu dữ liệu hợp lệ được tiến hành xử lý và phân tích bằng phần mềm Excel và SPSS 15.0 với các nội dung như sau:
- Mô tả mẫu điều tra
- Kết quả nghiên cứu bằng hệ số chất lượng - Đánh giá độ tin cậy của thang đo
+ Phương pháp hệ số Crobach alpha
+ Phương pháp phân tích nhân tố khám phá (EFA) + Điều chỉnh mô hình nghiên cứu
+ Phân tích hồi quy
+ Kiểm định giả thuyết mô hình
+ Đánh giá mức độ thỏa mãn của người nộp thuế.
3.1 Thống kê mô tả mẫu nghiên cứu 3.1.1. Mô tả mẫu
Bảng 3.1:Phân bổ mẫu theo giới tính
GIỚI TÍNH Tổng số Tỷ Lệ (%)
Nam 237 59.25
Nữ 163 40.75
Hình 3.1 Phân bổ mẫu theo giới tính (adsbygoogle = window.adsbygoogle || []).push({});
Kết quả thông kê cho thấy trong tổng số mẫu hợp lệ có 237 nam chiếm tỷ lệ 59.25% tổng mẫu và nữ 163 mẫu chiếm tỷ trọng 40.75%. Như vậy có thể kết luận những người nộp thuế phần đông là nam giới, chúng ta có thể dùng mẫu phân bổ theo giới tính này để kiểm định sự khác biệt của nam và nữ khi đánh giá chất lượng dịch vụ của phòng TTHT thuế của cục thuế tỉnh bến tre.
Bảng 3.2:Phân bổ mẫu theo tình trạng hôn nhân
Tình trạng hôn nhân Tổng số Tỷ lệ (%)
Đã lập gia đình 371 92.8
Độc thân 29 7.3
Tổng cộng 400 100
Mẫu phân bổ theo tình trạng hôn nhân có 371 mẫu đã lập gia đình chiếm 92.8% tổng mẫu và chưa lập gia đình 29 mẫu chiếm 7.3% tổng số mẫu. như vậy mẫu điều tra nhằm chủ yếu là những người đã lập gia đình. Chúng ta có thể sử dụng thông tin mẫu này để kiểm định giả thuyết về sự khác biệt trong việc đánh giá chất lượng phục vụ của 02 nhóm đối tượng này tìm để tìm ra nguyên nhân và khắc phục làm tăng sự hài lòng của NNT.
Bảng 3.3:Phân bổ mẫu theo vị trí công tác
Vị trí công tác Tổng số Tỷ lệ (%) GĐ/PGĐ 3 0.75 TP/PTP 307 76.75 Chuyên viên 35 8.75 Nhân viên 55 13.75 Tổng cộng 400 100 Tỷ lệ GĐ/PGĐ ; 0,75% Chuyên
viên; 8,75% Nhân viên; 13,75%
TP /PTP ; 76,75%
Hình 3.3. Phân bổ mẫu theo vị trí công tác
Mẫu phân bổ theo vị trí công tác qua bảng trên cho thấy rằng đa số nguời trả lời phiếu rơi vào vị trí là các trưởng phòng ban có 307 mẫu chiếm tỷ lệ 76.75% trong tổng số 400 mẫu được điều tra. Số còn lại là vị trí giám đốc chiếm 0.75%; chuyên viên chiếm 8.75%; Nhân viên 13.75%. Tương tự như trên thông tin mẫu này chúng ta cũng có thể dùng để kiểm định giả thuyết sự khác biệt và tìm giải pháp khắc phục nâng cao sự hài lòng cho từng nhóm đối tượng.
Bảng 3.4:Phân bổ mẫu theo trình độ học vấn Trình độ học vấn Tổng số Tỷ lệ (%) Phổ thông 2 0.5 Trung cấp 58 14.5 Cao đẳng 76 19 Đại học 228 57 Sau Đại học 36 9 Tổng cộng 400 100
Hình 3.4. Phân bổ mẫu theo trình độ học vấn
Mẫu phân bổ theo trình độ học vấn cho thấy đại học chiếm 228 trường hợp chiếm tỷ lệ 57% trong tổng số 400 trường hợp; các trường hợp còn lại gồm: trung cấp có 58 người chiếm tỷ lệ 14.5%; cao đẳng 76 người chiếm tỷ lệ 19%; sau đại học 36 người chiếm tỷ lệ 9%. Tương tự như trên thông tin mẫu này chúng ta cũng có thể dùng để kiểm định giả thuyết sự khác biệt và tìm giải pháp khắc phục nâng cao sự hài lòng cho từng nhóm đối tượng.
Bảng 3.5:Phân bố mẫu theo lợi nhuận trước thuế của doanh nghiệp
Lợi nhuận trước thuế (Trđ) Tổng số Tỷ lệ (%)
Dưới 250 350 87.5 250 đến dưới 500 15 3.8 500 đến dưới 1.000 9 2.3 1.000 đến dưới 2.000 7 1.8 2.000 đến dưới 3.000 3 0.8 3.000 đến dưới 4.000 1 0.3 4.000 đến dưới 5.000 2 0.5 5.000 đến dưới 6.000 1 0.3 Trên 6.000 12 3.0 Tổng cộng 400 100.0
Doanh nghiep 15 9 7 3 1 2 1 12 350 0 50 100 150 200 250 300 350 400 250 250-500 500-1000 1000-2000 2000-3000 3000-4000 4000-5000 5000-6000 tren 6000
Hình 3.5 phân bổ mẫu theo lợi nhuận trước thuế của doanh nghiệp
Nhìn vào biểu đồ trên ta thấy đa số đối tượng nộp thuế chiếm số đông có lợi nhuận trước thuế của doanh nghiệp ở mức nhỏ hơn 250 triệu đồng gồm 350 trong tổng số 400 mẫu nghiên cứu chiếm tỷ lệ 87,5%. Các đối tượng nộp thuế còn lại chiếm tỷ lệ 12,5 % trong tổng số mâũ nghiên cứu, điều này cho thấy các đối tượng nộp thuế đa số là những doanh nghiệp có quy mô khá nhỏ. Thông tin này cũng cho phép chúng ta kiểm định sự khác biệt trong việc đánh giá chất lượng phục vụ của từng nhóm đối tượng doanh nghiệp nhằm đưa ra các giải pháp nâng cao sự hài lòng khách hàng.