Các Biến Quan Sát Và Thang Đo Chất Lượng Tốt Sau Kiểm Định

quy định. Bên cạnh đó, quy định về

pháp luật thuế

thường xuyên được bổ

sung, sửa đổi để phù hợp với tình hình mới. Tuy nhiên, việc sửa đổi thường xuyên các quy định làm cho thường những người làm công tác kế toán thuế gặp khó khăn trong việc cập nhật liên tục quy định, và hiểu rõ những quy định này để áp dụng trong việc hoàn thành nghĩa vụ thuế. Bên cạnh đó, quy định sửa đổi nhiều lúc cũng dẫn đến những sửa đổi trong việc ghi nhận kế toán, tính thuế, dễ dàng dẫn đến sai lầm trong kê khai, nộp thuế theo đúng quy định của pháp luật thuế.

Thứ sáu, các doanh nghiệp có ý kiến phản ánh việc thực thi chính sách ở các cơ quan thuế trên địa bàn còn chưa thống nhất. Ngoài việc nghiên cứu tìm hiểu các văn bản pháp luật về thuế, doanh nghiệp còn phải tìm hiểu cách thức áp dụng của từng cục thuế/chi cục thuế trong trường hợp quy định không rõ ràng. Các doanh nghiệp gặp phải trường hợp các chi cục thuế khác nhau yêu cầu doanh nghiệp nộp các loại tờ khai, văn bản khác nhau để giải quyết cùng một loại thủ tục hành chính thuế, trong đó, hai ví dụ được nhắc đến nhiều

nhất là thủ

tục thay đổi địa điểm kinh doanh dẫn đến chuyển đổi cơ

quan

thuế thuế.

(chi cục thuế) quản lý và thủ

tục giải thể

doanh nghiệp đóng mã số

4. CÁC NHÂN TỐ

QUẢN LÝ THUẾ

TÁC ĐỘNG ĐẾN TUÂN

THỦ THUẾ CỦA DOANH NGHIỆP TRÊN ĐỊA BÀN THÀNH PHỐ HỒ CHÍ MINH

1. Kiểm định chất lượng của thang đo

Tác giả sử

dụng kiểm định Cronbach’s Alpha để

đánh giá chất lượng

của thang đo đã xây dựng. Kiểm định độ tin cậy thang đo Cronbach’s Alpha là công cụ dùng để kiểm tra xem các biến quan sát của một nhân tố có đáng tin

cậy hay không, có tốt không. Phép kiểm định này phản ánh mức độ tương

quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố. Nó cho biết

trong các biến quan sát của một nhân tố, biến nào đã đóng góp vào việc đo lường khái niệm nhân tố, biến nào không. Kết quả Cronbach Alpha của nhân

tố tốt thể hiện rằng các biến quan sát mà tác giả sử dụng là rất tốt, thể hiện được đặc điểm của nhân tố, như vậy tác giả đã có được một thang đo tốt cho nhân tố này.

Thang đo được đánh giá chất lượng tốt khi: (1) Hệ số Conbach’s Alpha của tổng thể lớn hơn 0,6 (hoặc lớn hơn 0,7 đối với những nghiên cứu điển hình); và (2) Hệ số tương quan biến – tổng của các biến quan sát lớn hơn 0,3

(Corrected Item – Total Correlation) (Nguyễn Đình Thọ Trang, 2009).

và Nguyễn Thị

Mai

Kết quả kiểm định cho thấy hệ số Cronbach’s Alpha của các biến đều lớn hơn 0,6 và hệ số tương quan biến tổng lớn hơn 0,3. Chi tiết kết quả kiểm

định Cronbach's Alpha của các biến được trình bày trong Phụ kiểm định thang đo.

lục Kết quả

Tuy nhiên, trong thang đo Tuyên truyền hỗ

trợ

(TTHT), biến quan sát

TTHT3 có trị số “Cronbach's Alpha nếu loại biến” là 0,738, lớn hơn trị số

Cronbach's Alpha nếu để biến TTHT3 trong thang đo (0,688). Do đó, tác giả loại bỏ biến này để thang đo có trị số Cronbach's Alpha lớn hơn (0,738) và có chất lượng tốt hơn so với thang đo có cả 04 biến.

Bảng 4.. Các biến quan sát và thang đo chất lượng tốt sau kiểm định



STT


Thang đo

Cronbach's Alpha của thang đo


Biến quan sát

Tương quan biến

tổng

Cronbach's Alpha nếu loại biến


1


Tuyên truyền hỗ trợ (TTHT)


0,738

TTHT1

0,605

0,606

TTHT2

0,562

0,674

TTHT4

0,547

0,677


2


Quản lý đăng ký, kê khai và thu thuế (QLT)


0,744

QLT5

0,512

0,705

QLT6

0,539

0,686

QLT7

0,570

0,675

QLT8

0,572

0,673

3

Thanh tra, kiểm tra thuế (TTKT)

0,827

TTKT9

0,656

0,781

TTKT10

0,635

0,792

TTKT11

0,678

0,772

Có thể bạn quan tâm!

Xem toàn bộ 202 trang tài liệu này.

Quản lý thuế nhằm thúc đẩy tuân thủ thuế của doanh nghiệp trên địa bàn Thành Phố Hồ Chí Minh 1669779753 - 18

STT


Thang đo

Cronbach's Alpha của thang đo


Biến quan sát

Tương quan biến

tổng

Cronbach's Alpha nếu loại biến




TTKT12

0,656

0,784


4


Xử lý vi phạm pháp luật thuế (XLVP)


00,757

XLVP13

0,523

0,716

XLVP14

0,481

0,729

XLVP15

0,531

0,714

XLVP16

0,598

0,687

XLVP17

0,504

0,720


5

Giải quyết khiếu nại tố cáo về thuế (KNTC)


0,710

KNTC18

0,558

0,582

KNTC19

0,517

0,635

KNTC20

0,512

0,640


6


Chất lượng dịch vụ thuế (CLDV)


0,752

CLDV21

0,505

0,714

CLDV22

0,539

0,700

CLDV23

0,479

0,722

CLDV24

0,577

0,686

CLDV25

0,497

0,718


7


Ứng dụng công nghệ trong quản lý (CNTT)


0,840

CNTT26

0,689

0,791

CNTT27

0,680

0,795

CNTT28

0,664

0,802

CNTT29

0,664

0,802


8


Đặc điểm hoạt động của doanh nghiệp (DDHD)


0,827

DDHD30

0,607

0,801

DDHD31

0,697

0,773

DDHD32

0,638

0,794

DDHD33

0,604

0,798

DDHD34

0,630

0,794


9


Đặc điểm tâm lý của chủ/người quản lý doanh nghiệp (DDTL)


0,807

DDTL35

0,632

0,755

DDTL36

0,627

0,758

DDTL37

0,606

0,768

DDTL38

0,635

0,754


10


Tuân thủ thuế của doanh nghiệp (TTT)


0,766

TTT39

0,606

0,690

TTT40

0,590

0,698

TTT41

0,515

0,742

TTT42

0,583

0,706


(Nguồn: Tác giả kiểm định số liệu bằng phầm mềm SPSS 20.0)

Như vậy qua phân tích kiểm định Cronbach's Alpha, mô hình còn 10 thang đo đảm bảo chất lượng tốt với 41 biến quan sát như trên (đã loại biến quan sát TTHT3 trong thang đo TTHT). Các biến quan sát này được đánh giá tốt và đáng tin cậy. Đồng thời, các biến quan sát của mỗi nhân tố đã đóng góp vào việc đo lường khái niệm của các nhân tố được đưa vào mô hình nghiên cứu.

2. Phân tích nhân tố khám phá (EFA)

Phân tích nhân tố khám phá (EFA) là một phương pháp phân tích định

lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 2009). Hai mục tiêu chính của EFA là phải xác định được (1) Số lượng các nhân tố ảnh hướng đến một tập các biến đo lường và (2) Cường độ về mối quan hệ giữa mỗi nhân tố với từng biến đo lường.

Trong các nghiên cứu về kinh tế, người ta thường sử dụng thang đo bao gồm rất nhiều câu hỏi (biến đo lường/biến quan sát) nhằm đo lường các khái niệm trong mô hình khái niệm, và EFA sẽ góp phần rút gọn một tập gồm rất nhiều biến đo lường/biến quan sát thành một số nhân tố. Khi có được một số ít các nhân tố, nếu sử dụng các nhân tố này với tư cách là các biến độc lập trong hàm hồi quy bội thì khi đó, mô hình sẽ giảm khả năng vi phạm hiện tượng đa cộng tuyến.

Ngoài ra, các nhân tố được rút ra sau khi thực hiện EFA sẽ có thể được thực hiện trong phân tích hồi quy đa biến (Multivariate Regression Analysis).

Phân tích EFA dựa trên cơ sở mối quan hệ giữa các biến đo lường, vì

vậy, trước khi quyết định sử dụng EFA, cần xem xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số tương quan (correlation matrix) có

thể

nhận biết được mức độ

quan hệ

giữa các biến. Nếu các hệ

số tương

quan nhỏ 2009).

hơn 0,30, khi đó sử

dụng EFA không phù hợp (Hair và cộng sự,


sau:

Điều kiện cần để bảng kết quả ma trận xoay có ý nghĩa thống kê là:

(1) Hệ số KMO phải nằm trong đoạn từ 0,5 đến 1;

(2) Kiểm định Barlett có sig phải nhỏ hơn 0,05;

(3) Tổng phương sai trích lớn hơn hoặc bằng 50%; và

(4) Giá trị Eigenvalue lớn hơn hoặc bằng 1.

Kết quả phân tích nhân tố khám phá (EFA) được trình bày chi tiết như

1. Kiểm định tính thích hợp của EFA (Kiểm định KMO)

Kiểm định KMO (Kaiser – Meyer ­ Olkin) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với hệ số tương quan riêng phần của chúng. Hệ số Kaiser­Mayer­Olkin (KMO) là chỉ số dùng để xem xét sự thích hợp của phương pháp phân tích nhân tố. Trị số của KMO lớn (giữa 0,5 và 1) là điều kiện đủ để sử dụng phân tích nhân tố khám phá là thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố khám phá có khả năng

không thích hợp với các dữ

liệu đang sử

dụng để

phân tích. Để

sử dụng

phương pháp phân tích nhân tố khám phá EFA, thì hệ số KMO phải nằm trong đoạn từ 0,5 đến 1.

Kết quả kiểm định các dữ liệu từ khảo sát các doanh nghiệp trên địa bàn Thành phố Hồ Chí Minh bằng SPSS 20.0 cho thấy hệ số KMO = 0,760 (chi tiết trong Phụ lục Kết quả Phân tích nhân tố khám phá EFA), thõa mãn điều kiện: 0,5 < KMO < 1.

Như vậy, phân tích nhân tố khám phá EFA là thích hợp cho dữ liệu khảo sát thực tế từ các doanh nghiệp trên địa bàn Thành phố Hồ Chí Minh mà tác giả đã thu thập được.

2. Kiểm định tương quan của các biến quan sát trong thước đo đại diện (Kiểm định Barlett)

Kiểm định Bartlett dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân

tố phải có mối tương quan với nhau. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlerr có ý nghĩa thống kê (Sig. ≤ 0,05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.

Kết quả kiểm định các dữ liệu từ khảo sát các doanh nghiệp trên địa bàn Thành phố Hồ Chí Minh bằng SPSS 20.0 cho thấy hệ số Sig. ≤ 0,05, nghĩa là các biến quan sát có tương quan với nhân tố đại diện.

3. Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố

Mức độ giải thích của các biến quan sát đối với nhân tố được kiểm định thông qua Tổng phương sai trích/được giải thích (Total Variance Explained). Tổng phương sai trích ≥ 50% cho thấy mô hình phân tích nhân tố EFA là phù hợp với dữ liệu nghiên cứu. Khi xem xét biến thiên là 100% thì trị số này thể

hiện các nhân tố được trích cô đọng được bao nhiêu % và bị nhiêu % của các biến quan sát.

thất thoát bao

Kết quả kiểm định các dữ liệu khảo sát doanh nghiệp trên địa bàn Thành phố Hồ Chí Minh (Bảng Tổng phương sai trích/được giải thích trong Phụ lục Kết quả Phân tích nhân tố khám phá EFA) cho thấy trị số phương sai trích là 59,635%. Điều này có nghĩa là 59,635% thay đổi của các nhân tố được giải thích bởi các biến quan sát (thành phần của mỗi nhân tố).

4. Kết quả phân tích nhân tố khám phá (EFA)

Để xác định số lượng nhân tố trong phân tích nhân tố khám phá EFA, trị số Eigenvalue được sử dụng như là một tiêu chí phổ biến. Trị số Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Với tiêu chí này, chỉ có những nhân tố nào có trị số Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích.

Theo kết quả

kiểm định

(Bảng Tổng phương sai trích/được giải thích

trong Phụ lục Kết quả Phân tích nhân tố khám phá EFA), có 8 nhân tố có trị số Eigenvalue lớn hơn 1. Đây là 8 nhân tố có được từ kết quả của phân tích nhân tố khám phá EFA.

Bên cạnh đó, phân tích nhân tố khám phá còn sử dụng Factor Loadings (hệ số tải nhân tố) là những hệ số tương quan đơn giữa các biến quan sát với nhân tố. Nếu hệ số tải càng lớn chứng tỏ biến quan sát có mối quan hệ càng chặt chẽ với nhân tố.

Kết quả

phân tích nhân tố

khám phá EFA các dữ

liệu khảo sát doanh

nghiệp trên địa bàn Thành phố Hồ Chí Minh được thể hiện trong Bảng Ma

trận nhân tố xoay (Phụ lục Kết quả Phân tích nhân tố khám phá EFA). Kết quả phân tích cho biết các biến quan sát đều có hệ số tải nhân tố (factor load­ ing) lớn hơn 0,55.

Sau khi thực hiện kiểm định phân tích nhân tố khám phá EFA, kết quả thể hiện có 08 nhân tố đại diện tác động đến tuân thủ thuế của doanh nghiệp trên địa bàn Thành phố Hồ Chí Minh, với các biến đặc trưng/biến quan sát của nhân tố được sắp xếp lại khác với mô hình lý thuyết ban đầu (gồm 09 nhân tố).

Nhân tố 1 (Component 1) bao gồm các biến: KNTC18, QLT8, QLT7, KNTC19, QLT6, KNTC20, QLT5. Biến KNTC18, KNTC19, KNTC20 theo lý

thuyết lúc đầu thuộc nhân tố KNTC; QLT5, QLT6, QLT7, QLT8 thuộc nhân tố QLT. Qua EFA các biến này được xếp chung với nhau. Đặt tên cho nhân tố này là QLT hay F1.

Nhân tố

2 (Component 2)

bao gồm các biến: DDHD31, DDHD34,

DDHD30, và DDHD32, đều là thành phần của DDHD. Đặt tên cho nhân tố này là DDHD hay F2.

Nhân tố

3 (Component 3)

bao gồm các biến: CNTT27, CNTT26,

CNTT28 và CNTT29, đều là thành phần của CNTT. Đặt tên cho nhân tố này là CNTT hay F3.

Nhân tố 4 (Component 4) bao gồm các biến: TTKT11, TTKT9, TTK­ T12, và TTKT10, đều thuộc TTKT. Đặt tên cho nhân tố này là TTKT hay F4.

Nhân tố

5 (Component 5)

bao gồm các biến: XLVP16, XLVP15,

XLVP17, XLVP13, và XLVP14, đều thuộc XLVP. Đặt tên cho nhân tố này là XLVP hay F5.

Nhân tố 6 (Component 6) bao gồm các biến: DDTL35, DDTL38,

DDTL36, và DDTL37, đều thuộc DDTL. Đặt tên cho nhân tố này là DDTL hay F6.

Nhân tố 7 (Component 7) bao gồm các biến: CLDV22, CLDV23,

CLDV25, CLDV24, và CLDV21, đều thuộc CLDV. Đặt tên cho nhân tố này là CLDV hay F7.

Nhân tố 8 (Component 8) bao gồm các biến: TTHT1, TTHT2 và

TTHT4, đều thuộc TTHT. Đặt tên cho nhân tố này là TTHT hay F8.

Như vậy, qua các kiểm định chất lượng thang đo và các kiểm định của mô hình EFA, nhận diện có 8 thang đo tác động đến tuân thủ thuế và 1 thang đo đại diện cho tuân thủ thuế của doanh nghiệp trên địa bàn Thành phố Hồ Chí Minh, với tổng cộng có 41 biến quan sát.

Tổng hợp kết quả như sau:

Bảng 4.. Mô hình điều chỉnh qua kiểm định Cronbach’s Alpha và phân tích nhân tố khám phá (EFA)

STT

Thang đo

Biến quan sát

Giải thích thang đo


1


QLT (F1)

KNTC18, QLT8, QLT7, KNTC19, QLT6, KNTC20, QLT5

Quản lý đăng ký, xác định, thu thuế và giải quyết khiếu nại tố

cáo về thuế

2

DDHD (F2)

DDHD31, DDHD34,

DDHD30, DDHD32

Đặc điểm hoạt động

của doanh nghiệp

3

CNTT (F3)

CNTT27, CNTT26, CNTT28

CNTT29

Ứng dụng công nghệ

trong quản lý

4

TTKT (F4)

TTKT11, TTKT9, TTKT12,

TTKT10

Thanh tra, kiểm tra

thuế

5

XLVP (F5)

XLVP16, XLVP15, XLVP17,

XLVP13, XLVP14

Xử lý vi phạm pháp

luật thuế


6


DDTL (F6)

DDTL35, DDTL38, DDTL36, DDTL37

Đặc điểm tâm lý của chủ/người quản lý

doanh nghiệp

Xem tất cả 202 trang.

Ngày đăng: 30/11/2022
Trang chủ Tài liệu miễn phí