Giới thiệu dự án

Thuế thu nhập cá nhân (TNCN) là một trong những sắc thuế trực thu giữ vai trò cốt lõi trong hệ thống tài chính công của mọi quốc gia hiện đại. Kể từ khi ra đời lần đầu tiên tại Vương quốc Anh năm 1841 và được áp dụng rộng rãi tại Hoa Kỳ (1913) hay Pháp (1916), thuế TNCN không chỉ thực hiện nhiệm vụ điều tiết vĩ mô, huy động nguồn lực cho Ngân sách Nhà nước (NSNN) mà còn là công cụ phân phối lại của cải, bảo đảm công bằng xã hội. Tại Việt Nam, sau các mốc hoàn thiện lập pháp từ Pháp lệnh Thuế thu nhập đối với người có thu nhập cao (1990) đến Luật Thuế TNCN (2007, sửa đổi 2012, 2014), vai trò của thuế TNCN ngày càng khẳng định tính chiến lược.

Theo số liệu từ Bộ Tài chính và Cục Thuế TP. Hà Nội, bất chấp những gián đoạn chuỗi cung ứng do đại dịch COVID-19, tổng thu NSNN trên địa bàn Thủ đô năm 2020 đạt 267.585 tỷ đồng (đạt 102,8% dự toán, tăng 6,6% so với 2019); năm 2021 thu từ sản xuất kinh doanh đạt 141.311 tỷ đồng (tăng 17,5% so với 2020); và năm 2022 lần đầu tiên vượt mốc lịch sử khi đạt 303.989 tỷ đồng (đạt 107,9% dự toán, tăng 2,4% so với năm 2021). Tuy nhiên, công tác thu thuế TNCN đối với khối cá nhân kinh doanh và lao động tự do tại đô thị lớn như Hà Nội đang đối mặt với nhiều rào cản nghiêm trọng về tỷ lệ tuân thủ tự nguyện.

+-------------------------------------------------------------------------+
|                  THỰC TRẠNG THU NGÂN SÁCH TẠI TP. HÀ NỘI                 |
|  - Năm 2020: Đạt 267.585 tỷ VNĐ (102,8% dự toán)                        |
|  - Năm 2021: Thu từ SXKD đạt 141.311 tỷ VNĐ (Tăng 17,5% YoY)           |
|  - Năm 2022: Thu đạt mốc lịch sử 303.989 tỷ VNĐ (107,9% dự toán)       |
|  - Khảo sát thực tế: Chỉ 43% người nộp thuế tuân thủ đóng thuế TNCN    |
+-------------------------------------------------------------------------+

Problem Statement và các điểm nghẽn (Pain Points)

Dù tổng thu tăng trưởng, khảo sát thực nghiệm ghi nhận chỉ có 43% đối tượng khảo sát thực hiện nộp thuế TNCN, trong khi 57% chưa hoặc không thực hiện nghĩa vụ thuế. Các điểm nghẽn chính gồm:

  • Bất cập trong chính sách giảm trừ: Mức giảm trừ gia cảnh cố định 11 triệu đồng/tháng cho bản thân và 4,4 triệu đồng/tháng cho người phụ thuộc chưa phản ánh kịp thời sự biến động của chỉ số giá tiêu dùng (CPI) và chi phí sinh hoạt đắt đỏ tại đô thị đặc thù như Hà Nội.
  • Tâm lý bất cân xứng thông tin: Người nộp thuế thiếu kiến thức chuyên sâu về việc phân bổ nguồn thu NSNN, dẫn đến tâm lý e ngại và xem thuế là một khoản tổn thất thay vì nghĩa vụ xã hội.
  • Hành vi chuyển dịch thu nhập: Sự bùng nổ của thương mại điện tử (E-commerce), kinh doanh tự do (Freelance) và giao dịch số khiến cơ quan thuế khó kiểm soát dòng tiền, tạo kẽ hở cho hành vi gian lận và tối thiểu hóa nghĩa vụ thuế.

Mục tiêu nghiên cứu (Project Objectives)

  1. Hệ thống hóa cơ sở lý luận về thuế TNCN và hành vi tuân thủ thuế dựa trên Lý thuyết Hành động hợp lý (TRA), Lý thuyết Hành vi hoạch định (TPB) và Lý thuyết Triển vọng (Prospect Theory).
  2. Xác định và đo lường định lượng các nhân tố tác động đến hành vi nộp thuế TNCN của cá nhân kinh doanh, người lao động tại Hà Nội.
  3. Kiểm định độ tin cậy của thang đo (Cronbach's Alpha), phân tích nhân tố khám phá (EFA) và thiết lập mô hình hồi quy tuyến tính bội.
  4. Đề xuất hệ thống giải pháp chính sách, tối ưu hóa quy trình quản lý thuế số hóa nhằm tăng tỷ lệ tuân thủ thuế tự nguyện trên địa bàn.

Giải pháp tiếp cận và kết quả kỳ vọng

Nghiên cứu kết hợp phương pháp nghiên cứu định tính (tổng thuật tài liệu, xây dựng bảng hỏi 24 biến quan sát) và nghiên cứu định lượng (khảo sát $N=200$, xử lý bằng phần mềm IBM SPSS Statistics v22.0). Kết quả kỳ vọng lượng hóa chính xác trọng số ảnh hưởng của 5 nhóm nhân tố: Nhận thức & Tâm lý (NTTL), Kinh tế & Xã hội (KTXH), Mức thuế suất (MTS), Đặc điểm nghề nghiệp (DDNN), và Nhận thức về hình phạt (NTHP).

Phạm vi và giới hạn nghiên cứu

  • Không gian: Người nộp thuế, cá nhân kinh doanh và người lao động sinh sống trên địa bàn TP. Hà Nội.
  • Thời gian khảo sát: Tháng 04/2023.
  • Giới hạn kỹ thuật: Chọn mẫu thuận tiện phi xác suất ($N=200$), tập trung vào các nhóm đối tượng tiếp cận qua nền tảng số.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng quan các mô hình thực nghiệm trong và ngoài nước để xác định khoảng trống nghiên cứu:

Tác giả / Nghiên cứu Địa bàn / Quy mô mẫu Phương pháp Kết quả chính & Hạn chế
Nguyễn Văn Cừ (2019) TP. Bà Rịa ($N=150$) Hồi quy OLS, SPSS Hoạt động thanh tra, thủ tục kê khai và mức phạt tác động ngược chiều; thuế suất tác động cùng chiều. Giới hạn quy mô mẫu nhỏ.
Nguyễn Thị Ngọc Điệp & Nguyễn Quốc Thịnh (2021) Chi cục Thuế Q.3, TP.HCM ($N=216$) Cronbach's Alpha, EFA Kiến thức thuế, nhận thức công bằng và hình phạt tác động dương (+); chi phí tuân thủ tác động âm (-). Chưa đo lường yếu tố nghề nghiệp tự do.
Lê Vũ Hà (2021) Tỉnh Đồng Nai ($N=500$) EFA, SEM 5 nhóm nhân tố tác động: Nhận thức, chính sách, nghề nghiệp, nơi làm việc, kinh tế. Phạm vi khu công nghiệp, khác tính chất đô thị dịch vụ Hà Nội.
Nghiên cứu này (2023) TP. Hà Nội ($N=200$) Cronbach's Alpha, EFA, Multiple Regression Tích hợp 5 nhóm biến độc lập; phân tích chuyên sâu phân khúc lao động trẻ (46,5% từ 22-25 tuổi) và kinh doanh online.

Bảng ưu tiên yêu cầu nghiên cứu và hệ thống quản lý (MoSCoW)

  • Must-have (Bắt buộc): Đo lường độ tin cậy thang đo ($\alpha \ge 0.60$), tương quan biến tổng ($r_{it} \ge 0.30$), loại trừ biến không đạt, mô hình hóa hồi quy tuyến tính không vi phạm đa cộng tuyến ($VIF < 10$).
  • Should-have (Nên có): Phân tích tương quan Pearson, ANOVA để kiểm định sai biệt nhân khẩu học (độ tuổi, giới tính, thu nhập).
  • Could-have (Có thể có): Mở rộng khảo sát đa kênh qua tích hợp API bảng hỏi trực tuyến.
  • Won't-have (Chưa thực hiện đợt này): Mô hình hóa cấu trúc tuyến tính bình phương nhỏ nhất từng phần (PLS-SEM).

Thiết kế hệ thống và mô hình nghiên cứu

Phương trình hồi quy tổng quát

Mô hình nghiên cứu dạng hồi quy tuyến tính bội được xây dựng như sau:

$$HVNT = \beta_0 + \beta_1 \cdot NTTL + \beta_2 \cdot KTXH + \beta_3 \cdot MTS + \beta_4 \cdot DDNN + \beta_5 \cdot NTHP + \varepsilon$$

Trong đó:

  • $HVNT$: Hành vi tuân thủ nộp thuế TNCN (Biến phụ thuộc).
  • $\beta_0$: Hệ số chặn (Constant).
  • $\beta_1, \beta_2, \beta_3, \beta_4, \beta_5$: Các hệ số hồi quy chuẩn hóa đại diện cho mức độ tác động của từng nhân tố.
  • $\varepsilon$: Sai số ngẫu nhiên của mô hình (Residual error).

Công nghệ và công cụ sử dụng (Tech Stack)

  • Hệ điều hành / Nền tảng phân tích: Linux Ubuntu 22.04 LTS / Windows 11 x64.
  • Phần mềm xử lý thống kê chuyên dụng: IBM SPSS Statistics Version 22.0.
  • Công cụ tiền xử lý & làm sạch dữ liệu: Microsoft Excel 2021 & Python v3.10 (thư viện pandas v2.0.1, numpy v1.24.3, statsmodels v0.14.0).
  • Thu thập dữ liệu khảo sát: Google Forms Engine với giao thức HTTPS/TLS 1.3 bảo mật danh tính đáp viên.

Phương pháp luận (Methodology)

Quy trình nghiên cứu chuẩn 6 bước được chuẩn hóa:

  1. Xác định vấn đề: Khảo sát thực trạng thu nộp thuế TNCN tại Hà Nội, phát hiện tỷ lệ không tuân thủ cao (57%).
  2. Tổng quan lý thuyết: Đối chiếu khung lý thuyết TRA, TPB của Ajzen & Fishbein với các mô hình tuân thủ thuế của Fisher (1992), Kirchler (2008).
  3. Xây dựng giả thuyết: Thiết lập 5 giả thuyết nghiên cứu từ $H_1$ đến $H_5$.
  4. Thu thập và làm sạch dữ liệu: Xác định cỡ mẫu tối thiểu theo Hair et al. (2006):
    • Cỡ mẫu EFA: $N_{EFA} \ge 5 \times m = 5 \times 24 = 120$
    • Cỡ mẫu hồi quy: $N_{Reg} \ge 50 + 8 \times p = 50 + 8 \times 5 = 90$
    • Thực tế thu thập: $N = 200$ phiếu hợp lệ (vượt ngưỡng yêu cầu $66,7%$).
  5. Kiểm định mô hình: Đánh giá thang đo bằng hệ số Cronbach's Alpha, phân tích nhân tố khám phá EFA và phân tích hồi quy đa biến.
  6. Thảo luận và đề xuất: Đưa ra khuyến nghị dựa trên các hệ số hồi quy có ý nghĩa thống kê.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Dữ liệu khảo sát sơ cấp được mã hóa và làm sạch trên thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý). Dưới đây là đoạn mã Python mô phỏng logic phân tích độ tin cậy Cronbach's Alpha và kiểm tra loại bỏ biến có hệ số tương quan biến tổng nhỏ ($r_{it} < 0.30$):

import numpy as np
import pandas as pd

def cronbach_alpha(df: pd.DataFrame) -> float:
    """Tính toán hệ số độ tin cậy Cronbach's Alpha cho ma trận biến quan sát."""
    item_vars = df.var(axis=0, ddof=1)
    total_var = df.sum(axis=1).var(ddof=1)
    n_items = df.shape[1]
    return (n_items / (n_items - 1)) * (1 - item_vars.sum() / total_var)

def item_total_correlation(df: pd.DataFrame) -> pd.Series:
    """Tính tương quan biến - tổng hiệu chỉnh (Corrected Item-Total Correlation)."""
    corrs = {}
    for col in df.columns:
        other_items_sum = df.drop(columns=[col]).sum(axis=1)
        corrs[col] = df[col].corr(other_items_sum)
    return pd.Series(corrs)

# Demo kiểm định nhóm biến KTXH (Kinh tế và xã hội)
raw_ktxh_data = pd.DataFrame(...) # 200 observations, 5 items
alpha_initial = cronbach_alpha(raw_ktxh_data)
corr_series = item_total_correlation(raw_ktxh_data)

# Kiểm tra điều kiện loại biến KTXH5 do tương quan < 0.30 (thực tế = 0.277)
valid_cols = [c for c in raw_ktxh_data.columns if corr_series[c] >= 0.30]
cleaned_ktxh_data = raw_ktxh_data[valid_cols]
alpha_final = cronbach_alpha(cleaned_ktxh_data)

print(f"Alpha ban đầu: {alpha_initial:.3f} | Alpha sau loại biến: {alpha_final:.3f}")

Kết quả kiểm định độ tin cậy thang đo (Testing & Validation)

Kết quả xử lý trên phần mềm SPSS 22 cho thấy:

Nhóm nhân tố Mã biến Nội dung biến quan sát Hệ số tương quan biến tổng ($r_{it}$) Cronbach's Alpha nếu loại biến Cronbach's Alpha tổng thể Kết luận
Nhận thức & tâm lý (NTTL) NTTL1 Nhận thức đầy đủ về chính sách 0.620 0.416 0.666 Đạt chuẩn
NTTL2 Hiểu biết về khoản chi của Nhà nước 0.416 0.626 Đạt chuẩn
NTTL3 Tự ghi chép thu nhập bản thân 0.626 0.653 Đạt chuẩn
Kinh tế & xã hội (KTXH) KTXH1 Nền kinh tế khó khăn ảnh hưởng tuân thủ 0.653 0.552 0.669 (Lần 1)
0.680 (Lần 2)		 Đạt chuẩn
KTXH2 Tiền lương chi trả qua tài khoản ngân hàng 0.552 0.549 Đạt chuẩn
KTXH3 Địa vị xã hội người nộp thuế 0.549 0.634 Đạt chuẩn
KTXH4 Bị xã hội phê phán khi gian lận thuế 0.634 0.680 Đạt chuẩn
KTXH5 Tuổi tác người nộp thuế 0.277 - Loại bỏ ($r_{it} < 0.30$)
Mức thuế suất (MTS) MTS1 Sự cần thiết duy trì mức thuế suất 0.577 0.564 0.636 Đạt chuẩn
MTS2 Ưu đãi, miễn, giảm thuế 0.564 0.492 Đạt chuẩn
MTS3 Biểu thuế lũy tiến từng phần hợp lý 0.492 0.625 Đạt chuẩn
MTS4 Thuế suất cao/thấp ảnh hưởng kê khai 0.625 0.531 Đạt chuẩn
Đặc điểm nghề nghiệp (DDNN) DDNN1 Công việc được nhiều người biết đến 0.531 0.632 0.613 Đạt chuẩn
DDNN2 Lao động kinh doanh tự do ít tuân thủ 0.632 0.361 Đạt chuẩn
DDNN3 Nhiều nguồn thu nhập đa dạng 0.361 0.668 Đạt chuẩn
Nhận thức hình phạt (NTHP) NTHP1 Mức phạt càng lớn càng tuân thủ 0.668 0.636 0.704 Tốt ($\alpha > 0.70$)
NTHP2 Trốn thuế dẫn đến xử lý hình sự 0.636 0.605 Đạt chuẩn
NTHP3 Tiền phạt lớn hơn số thuế phải nộp 0.605 0.651 Đạt chuẩn
NTHP4 Tăng mức xử phạt vi phạm hành chính 0.651 0.668 Đạt chuẩn

Phân tích đặc trưng mẫu nghiên cứu ($N=200$)

  • Giới tính: Nữ giới chiếm ưu thế với 61% ($N=122$), Nam giới chiếm 39% ($N=78$), phản ánh sát thực trạng lao động kinh doanh dịch vụ và kinh doanh trực tuyến tại Hà Nội.
  • Độ tuổi: Nhóm tuổi 22 - 25 tuổi chiếm tỷ trọng cao nhất 46,5% ($N=93$), nhóm dưới 22 tuổi chiếm 28,5% ($N=57$), và nhóm trên 25 tuổi chiếm 25% ($N=50$).
  • Trình độ học vấn / Tình trạng việc làm: Nhóm đã đi làm chiếm 59,5% ($N=119$), tốt nghiệp Đại học/Cao đẳng chiếm 14% ($N=28$), tốt nghiệp THPT chiếm 26,5% ($N=53$).
  • Thu nhập: Mức dưới 10 triệu đồng/tháng chiếm 53% ($N=106$), từ 10 - 20 triệu đồng/tháng chiếm 29,5% ($N=59$), từ 20 - 30 triệu đồng/tháng chiếm 12,5% ($N=25$), từ 30 - 50 triệu đồng/tháng chiếm 3% ($N=6$), và trên 50 triệu đồng/tháng chiếm 2% ($N=4$).
CƠ CẤU THU NHẬP ĐÁP VIÊN KHẢO SÁT (HÀ NỘI, 2023)
[############################                        ] 53.0% : Dưới 10 triệu VNĐ
[###############                                     ] 29.5% : 10 - 20 triệu VNĐ
[######                                              ] 12.5% : 20 - 30 triệu VNĐ
[##                                                  ]  3.0% : 30 - 50 triệu VNĐ
[#                                                   ]  2.0% : Trên 50 triệu VNĐ

Đổi mới và đóng góp

  1. Thanh lọc thang đo chặt chẽ: Đã phát hiện và loại bỏ biến quan sát $KTXH5$ ($r_{it} = 0.277 < 0.30$), nâng hệ số Cronbach's Alpha của nhóm biến Kinh tế & Xã hội từ 0.669 lên 0.680, bảo đảm tính giá trị hội tụ và tính đơn hướng của thang đo.
  2. Khảo sát chuyên sâu phân khúc lao động số tại Thủ đô: Khác với các nghiên cứu tập trung vào doanh nghiệp hoặc cán bộ công chức truyền thống, đề tài tiếp cận đối tượng thanh niên trẻ (46,5% từ 22-25 tuổi) tham gia vào nền kinh tế số (Gig economy, affiliate marketing, content creator), cung cấp dữ liệu thực chứng sát sườn cho công tác chuyển đổi số của ngành thuế.
  3. Mô hình hóa tác động đồng thời: Tích hợp cả yếu tố cưỡng chế (NTHP - Alpha 0.704) và yếu tố tự nguyện (NTTL, MTS, KTXH), khẳng định giải pháp tăng cường tuân thủ thuế không thể chỉ dựa vào chế tài mà phải kết hợp với truyền thông minh bạch ngân sách.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-World Use Cases)

  • Tình huống 1: Quản lý thuế cá nhân kinh doanh trên sàn TMĐT (Shopee, TikTok Shop, Lazada): Ứng dụng kết quả nhân tố $KTXH2$ (thanh toán qua ngân hàng) và $DDNN2$ (kinh doanh tự do) để xây dựng hệ thống đối soát dữ liệu tự động giữa ngân hàng thương mại, sàn TMĐT và cổng dịch vụ công của Tổng cục Thuế (eTax Mobile).
  • Tình huống 2: Tối ưu hóa chiến dịch truyền thông của Cục Thuế Hà Nội: Tập trung vào nhân tố $NTTL2$ (công khai minh bạch các dự án phúc lợi sử dụng tiền thuế), giúp giảm tâm lý bài xích nghĩa vụ nộp thuế.

Lộ trình triển khai giải pháp chính sách (Roadmap)

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí dự kiến: Nâng cấp hệ sinh thái thuế số và hạ tầng AI đối soát dữ liệu ước tính chiếm khoảng $0,05%$ tổng thu NSNN hàng năm của Cục Thuế Hà Nội.
  • Lợi ích định lượng (ROI): Nâng cao tỷ lệ tuân thủ tự nguyện từ 43% lên mức mục tiêu $65 - 70%$ trong vòng 3 năm, ước tính đóng góp tăng thu cho ngân sách thành phố hàng chục nghìn tỷ đồng mỗi năm, đồng thời cắt giảm $40%$ thời gian và nhân lực xử lý hồ sơ hoàn thuế thủ công.

Hạn chế và hướng phát triển

  • Quy mô và phương pháp chọn mẫu: Mẫu $N=200$ được chọn theo phương pháp phi xác suất thuận tiện qua internet, phân bố tập trung nhiều ở nhóm thu nhập dưới 20 triệu đồng ($82,5%$), chưa bao quát sâu nhóm cá nhân có thu nhập siêu cao hoặc chủ hộ kinh doanh quy mô lớn.
  • Phạm vi địa lý: Nghiên cứu chỉ giới hạn trên địa bàn TP. Hà Nội, chưa đối sánh đa chiều với các đô thị có mức sống tương đương như TP. Hồ Chí Minh hay Đà Nẵng.
  • Hướng phát triển: Mở rộng quy mô mẫu lên $N \ge 1.000$, ứng dụng phân tích SEM (Structural Equation Modeling) kết hợp đo lường hành vi bằng dữ liệu giao dịch thực tế thay vì bảng hỏi tự báo cáo.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                               |
+-------------------------------------------------------------------------------+
| [1] SINH VIÊN & HỌC VIÊN CAO HỌC:                                             |
|     - Khung tham chiếu chuẩn mực về quy trình phân tích định lượng SPSS 22    |
|     - Tài liệu mẫu về xử lý dữ liệu thang đo Likert và kiểm định Cronbach's a |
+-------------------------------------------------------------------------------+
| [2] CHUYÊN VIÊN PHÂN TÍCH DỮ LIỆU & KINH TẾ LƯỢNG:                            |
|     - Bộ biến quan sát chuẩn hóa về hành vi tuân thủ thuế tại Việt Nam        |
|     - Kinh nghiệm xử lý loại biến r_it < 0.30 và cấu trúc nhân tố EFA         |
+-------------------------------------------------------------------------------+
| [3] CƠ QUAN THUẾ & NHÀ HOẠCH ĐỊNH CHÍNH SÁCH:                                 |
|     - Căn cứ thực chứng để điều chỉnh chính sách giảm trừ gia cảnh            |
|     - Định hướng giải pháp chuyển đổi số (eTax Mobile, kết nối dữ liệu VNeID) |
+-------------------------------------------------------------------------------+
| [4] DOANH NGHIỆP & NGƯỜI NỘP THUẾ:                                            |
|     - Nâng cao nhận thức về quyền lợi, nghĩa vụ và quy trình quyết toán thuế  |
|     - Giảm thiểu rủi ro pháp lý và chế tài hành chính/hình sự do trốn thuế    |
+-------------------------------------------------------------------------------+

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật tối thiểu để triển khai và chạy lại mô hình định lượng này là gì?

Hệ thống cần cài đặt IBM SPSS Statistics (từ v20.0 trở lên) hoặc môi trường Python 3.9+ với các thư viện statsmodels, scikit-learn, factor_analyzer. Dữ liệu đầu vào cần được làm sạch, mã hóa chuẩn 1-5 theo thang đo Likert, không chứa giá trị rỗng (missing values).

2. Vì sao biến $KTXH5$ (Tuổi tác người nộp thuế) lại bị loại khỏi thang đo?

Biến $KTXH5$ có hệ số tương quan biến - tổng hiệu chỉnh (Corrected Item-Total Correlation) đạt $0.277$, nhỏ hơn ngưỡng tiêu chuẩn khoa học là $0.30$ (theo Nunnally & Bernstein, 1994). Việc loại bỏ biến này giúp nâng hệ số tin cậy Cronbach's Alpha của nhóm nhân tố Kinh tế - Xã hội từ 0.669 lên 0.680, đảm bảo tính đơn hướng của thang đo.

3. Nghiên cứu giải quyết vấn đề kiểm soát thuế đối với người làm việc tự do (Freelancer) như thế nào?

Mô hình chỉ ra biến $DDNN2$ (Kinh doanh tự do thường không tuân thủ nộp thuế) có hệ số tương quan biến tổng cao (0.632). Giải pháp đề xuất là bắt buộc định danh mã số thuế qua CCCD gắn chip (VNeID), khấu trừ tại nguồn 10% đối với các khoản chi trả dịch vụ trên 2 triệu đồng/lần từ các nền tảng số, và tự động đồng bộ hóa thông tin tài khoản thanh toán ngân hàng.

4. Nhân tố nào có tác động mạnh nhất đến hành vi tuân thủ thuế trong khảo sát?

Nhóm nhân tố Nhận thức về hình phạt (NTHP) có hệ số tin cậy Cronbach's Alpha cao nhất đạt 0.704 (thuộc mức tốt), khẳng định tính răn đe của pháp luật, nguy cơ bị xử lý hình sự và các khoản phạt tài chính vượt quá số thuế phải nộp đóng vai trò quyết định trong việc ngăn chặn hành vi trốn thuế của người dân.

5. Chi phí và thời gian dự kiến để tối ưu hóa chính sách thuế dựa trên nghiên cứu?

Việc điều chỉnh các quy định pháp lý (như mức giảm trừ gia cảnh và sửa đổi Luật Thuế TNCN) đòi hỏi quy trình lập pháp từ 12 - 18 tháng qua các kỳ họp Quốc hội. Trong khi đó, các giải pháp về truyền thông, cải tiến giao diện eTax Mobile và tự động hóa kê khai thuế có thể triển khai ngay trong vòng 3 - 6 tháng với chi phí ngân sách hành chính hiện hành.

Kết luận

Công trình nghiên cứu đã giải quyết trọn vẹn mục tiêu đánh giá các nhân tố ảnh hưởng đến hành vi nộp thuế TNCN của người nộp thuế trên địa bàn TP. Hà Nội. Thông qua phân tích định lượng trên mẫu khảo sát thực nghiệm $N=200$ với công cụ SPSS 22, nghiên cứu đã chứng minh sự phù hợp của 5 nhóm nhân tố cốt lõi: Nhận thức & Tâm lý ($\alpha = 0.666$), Kinh tế & Xã hội ($\alpha = 0.680$), Mức thuế suất ($\alpha = 0.636$), Đặc điểm nghề nghiệp ($\alpha = 0.613$) và Nhận thức về hình phạt ($\alpha = 0.704$).

Kết quả này khẳng định rằng để nâng cao tỷ lệ tuân thủ nộp thuế tự nguyện (hiện mới đạt 43%), cơ quan quản lý cần thực hiện đồng bộ hai mũi nhọn: vừa đẩy mạnh tính minh bạch, công bằng xã hội và điều chỉnh mức giảm trừ gia cảnh sát với mức sống đô thị, vừa số hóa toàn diện quy trình quản lý, tăng cường răn đe đối với các hành vi gian lận trên không gian mạng. Độc giả, nhà nghiên cứu và cơ quan quản lý có thể khai thác mô hình và hệ thống chỉ báo này để tiếp tục phát triển các chính sách tài khóa bền vững cho giai đoạn 2025 - 2030.