2.3.2.1.1. Độ tin cậy Cronbach’s alpha
Các biến quan sát có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và thang đo được chọn khi hệ số Cronbach’s Alpha từ 0.6 trở lên. (Nunnally & Bernstein 1994).
Thành phần Phương tiện hữu hình có hệ số tin cậy Cronbach’s alpha là 0.831 đạt yêu cầu. Tuy nhiên, hệ số tương quan biến tổng của biến HH2 = 0.235 nhỏ hơn 0.3; đồng thời nếu loại biến HH2 sẽ làm cho hệ số Cronbach’s alpha của thành phần này tăng lên là = 0.904.
Hệ số tương quan biến tổng của các biến còn lại đều > 0.3. Do vậy, biến HH2 bị loại, 5 biến HH1, HH3, HH4, HH5, HH6 được sử dụng cho phân tích nhân tố khám phá EFA.
Thành phần Mức độ tin cậy có hệ số tin cậy Cronbach’s alpha là 0.870 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang đo này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào cho phân tích nhân tố khám phá EFA.
Thành phần Mức độ đảm bảo có hệ số tin cậy Cronbach’s alpha là 0.831 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Thành phần Mức độ đáp ứng có hệ số tin cậy Cronbach’s alpha là 0.862 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Thành phần Sự cảm thông có hệ số tin cậy Cronbach’s alpha là 0.850 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Thành phần Quy trình thực hiện có hệ số tin cậy Cronbach’s alpha là 0.892 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá.
Thành phần Chính sách quy định của cơ quan Nhà nước có hệ số tin cậy Cronbach’s alpha là 0.850 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
2.3.2.1.2. Phân tích nhân tố EFA
Điều kiện để áp dụng phân tích nhân tố là khi kiểm định Bartlett (Bartlett’s test of sphericity) với sig. < 0.05 và chỉ số KMO > 0.5. Phương pháp Principal components analysis đi cùng với phép xoay varimax thường được sử dụng Trong phân tích nhân tố. Sau khi xoay các nhân tố, hệ số tải nhân tố > 0.5 được xem là có ý nghĩa thực tiễn. Phương sai trích phải đạt từ 50% trở lên. Ngoài ra, trị số Eigenvalues phải lớn hơn 1. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Ngoài ra, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi 2003).
Thang đo các nhân tố ảnh hưởng đến sự hài lòng gồm 7 thành phần với 34 biến quan sát đạt độ tin cậy Cronbach’s alpha được đưa vào phân tích nhân tố khám phá.
Kết quả phân tích nhân tố lần thứ nhất.
Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's với sig = 0.000 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan
với nhau đạt yêu cầu. Chỉ số KMO = 0.855 > 0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1 với phương pháp rút trích Principal components và phép xoay varimax, phân tích nhân tố đã trích được 7 nhân tố từ 34 biến quan sát và với tổng phương sai trích là 69.753 (lớn hơn 50%) đạt yêu cầu.
Dựa trên phân tích của bảng ma trận xoay nhân tố (Rotated Component Matrixa), biến DU4 bị loại do có hệ số tải nhân tố của nó = 0.454 chưa đạt yêu cầu (nhỏ hơn 0.5). Do đó, việc phân tích nhân tố lần thứ hai được thực hiện với việc loại biến này.
Kết quả phân tích nhân tố lần thứ hai.
Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's với sig = 0.000 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau đạt yêu cầu. Chỉ số KMO = 0.855> 0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1 với phương pháp rút trích Principal components và phép xoay varimax, phân tích nhân tố đã trích được 7 nhân tố từ 33 biến quan sát và với tổng phương sai trích là 70.466 (lớn hơn 50%) đạt yêu cầu.
Dựa trên phân tích của bảng ma trận xoay nhân tố (Rotated Component Matrixa), các biến HH4, DB1 bị loại dựa vào tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố từ 0.3 trở lên. Vì vậy, phân tích nhân tố sẽ được tiến hành lần thứ ba với việc loại biến này.
Kết quả phân tích nhân tố lần thứ ba:
Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett's với sig = 0.000 và chỉ số KMO = 0.849 > 0.5 đều đáp ứng được yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã trích được 7 nhân tố từ 31 biến quan sát và với tổng phương sai trích là 72.127% (lớn hơn 50%) đạt yêu cầu.
Kết quả tại bảng Rotated Component Matrixa cho thấy hệ số tải nhân tố của các biến này đều lớn hơn 0.5 đạt yêu cầu. Chênh lệch hệ số tải nhân tố của mỗi một biến quan sát đều lớn hơn 0.3 đạt yêu cầu.
Dựa vào kết quả bảng ma trận xoay các nhân tố (Rotated Component Matrixa) lệnh Transform/Compute Variable/mean được sử dụng để nhóm các biến đạt yêu cầu với hệ số tải nhân tố > 0.5 thành sáu nhân tố. Các nhân tố này được gom lại và đặt tên cụ thể như sau:
Nhân tố thứ nhất: gồm 6 biến quan sát (QT1, QT2, QT3, QT4, QT5, QT6) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần quy trình thực hiện ký hiệu là QT.
Nhân tố thứ hai: gồm 4 biến quan sát (HH1, HH3, HH5, HH6) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần phương tiện hữu hình ký hiệu là HH.
Nhân tố thứ ba: gồm 5 biến quan sát (TC1, TC2, TC3, TC4, TC5) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần mức độ tin cậy ký hiệu là TC.
Nhân tố thứ tư: gồm 5 biến quan sát (CT1, CT2, CT3, CT4, CT5) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần sự cảm thông ký hiệu là TC.
Nhân tố thứ năm: gồm 4 biến quan sát (DU1, DU2, DU3, DU5) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần mức độ đáp ứng ký hiệu là DU.
Nhân tố thứ sáu: gồm 4 biến quan sát (DB2, DB3, DB4, DB5) được nhóm lại bằng lệnh trung bình và được đặt tên là mức độ đảm bảo ký hiệu là DB.
Nhân tố thứ bảy: gồm 3 biến quan sát (CS1, CS2, CS3) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần chính sách quy định của cơ quan Nhà nước ký hiệu là CS.
2.3.2.2. Thang đo sự hài lòng
2.3.2.2.1. Độ tin cậy Cronbach’s alpha
Thành phần Sự hài lòng có hệ số tin cậy Cronbach’s alpha là 0.739 đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt
tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
2.3.2.2.2. Phân tích nhân tố EFA
Thang đo sự hài lòng gồm 3 biến quan sát, sau khi đạt độ tin cậy bằng phân tích hệ số Cronbach’s alpha được sử dụng để phân tích nhân tố khám phá. Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett's với sig = 0.000 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau đạt yêu cầu. Chỉ số KMO = 0.685 > 0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Tại các mức giá trị Eigenvalues = 1.982, phân tích nhân tố đã rút trích được 1 nhân tố từ 3 biến quan sát với phương sai trích là 66.075% ( > 50%) đạt yêu cầu.
Tất cả các hệ số tải nhân tố của các biến đều lớn hớn 0.5 đạt yêu cầu.
Như vậy, dựa vào các kết quả phân tích nhân tố khám phá EFA trên cho thấy các thang đo sự hài lòng và bảy nhân tố tác động đến sự hài lòng đều đạt giá trị hội tụ, hay các biến quan sát đại diện được cho các khái niệm cần đo. Lệnh Transform/ Compute Variable được sử dụng để nhóm ba biến HL1, HL2, HL3 thành biến sự hài lòng ký hiệu là (HL).
2.3.3. Hiệu chỉnh mô hình nghiên cứu và các giả thuyết
Kết quả phân tích nhân tố rút trích được năm nhân tố ảnh hưởng đến sự hài lòng về chất lượng dịch vụ giống như mô hình lý thuyết ban đầu. Mặc dù có loại biến, nhưng vẫn không làm thay đổi tính chất của thành phần đó. Vì vậy, mô hình lý thuyết ban đầu và các giả thuyết đặt ra được giữ nguyên.
2.3.4. Phân tích tương quan và hồi quy tuyến tính 2.3.4.1. Xác định biến độc lập, biến phụ thuộc 2.3.4.1. Xác định biến độc lập, biến phụ thuộc
Căn cứ vào mô hình nghiên cứu lý thuyết, ta có phương trình hồi quy tuyến tính bội diễn tả bảy nhân tố ảnh hưởng đến sự hài lòng là:
HL = β0 + β1*QT + β2*HH + β3*TC + β4*CT + β5*DU + β6*DB + β7*CS
Biến phụ thuộc (HL): (HL) sự hài lòng của doanh nghiệp nộp thuế. βk là hệ số hồi quy riêng phần (k = 0…7)
2.3.4.2. Phân tích tương quan
Dựa vào bảng Correlations ta có thể thấy hệ số tương quan giữa thành phần sự hài lòng (HL) với 6 biến độc lập QT, HH, TC, DU, DB, CS cao (thấp nhất là 0.425). Riêng biến CT có trị Sig = 0.713 > 0.05. Sơ bộ ta có thể kết luận 6 biến độc lập QT, HH, TC, DU, DB, CS có thể đưa vào mô hình để giải thích cho biến HL và sẽ xem xét kỹ biến CT trong phân tích hồi qui. Ngoài ra, kiểm định đa cộng tuyến cần được tiến hành để xác định xem các biến độc lập có ảnh hưởng lẫn nhau hay không vì hệ số tương quan giữa các biến độc lập cũng cao.
Chi tiết theo bảng 2.25: Hệ số tương quan lần 1 tại phụ lục 1.
2.3.4.3. Phân tích hồi quy tuyến tính bội
2.3.4.3.1. Kiểm định ý nghĩa các biến trong mô hình
Để kiểm định sự phù hợp giữa 7 thành phần ảnh hưởng đến biến phụ thuộc, hàm hồi qui tuyến tính bội với phương pháp đưa vào một lượt (Enter) được sử dụng. Nghĩa là phần mềm SPSS xử lý tất cả các biến đưa vào một lần và đưa ra các thông số thống kê liên quan đến các biến. Hệ số hồi qui riêng phần đã chuẩn hóa của thành phần nào càng lớn thì mức độ ảnh hưởng của thành phần đó đến biến phụ thuộc (HL) càng cao, nếu cùng dấu thì mức độ ảnh hưởng thuận chiều và ngược lại.
* Kết quả phân tích hồi qui bội lần thứ nhất.
Kết quả phân tích hồi qui bội lần thứ nhất tại bảng tóm tắt các hệ số hồi qui lần 1, các giá trị Sig. với các thành phần QT, HH, TC, CT, DU, DB, CS đều rất nhỏ (nhỏ hơn 0.05). Biến CT có trị Sig =0.292> 0.05. Vì vậy, biến CT bị loại do không có ý nghĩa thống kê. Có thể khẳng định các thành phần QT, HH, TC, DU, DB, CS có ý nghĩa trong mô hình. Vì vậy, hồi quy bội lần thứ hai được thực hiện giữa 6 biến QT, HH, TC, DU, DB, CS và biến phụ thuộc HL.
* Kết quả phân tích hồi qui bội lần thứ hai.
Với kết quả phân tích hồi qui lần thứ 2 tại bảng Coefficientsa, các giá trị Sig. tương ứng với các biến QT, HH, TC, DU, DB, CS đều nhỏ hơn 0.05. Vì vậy, có thể khẳng định lần nữa các biến này có ý nghĩa trong mô hình.
2.3.4.3.2. Kiểm định các giả định hồi quy
Sự suy rộng các kết quả của mẫu cho các giá trị của tổng thể phải trên cở sở các giả định cần thiết như sau:
Giả định liên hệ tuyến tính.
Kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự doán chuẩn hóa (Standardized predicted value). Kết quả cho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0, không tạo thành một hình dạng nào cụ thể. Như vậy, giả định liên hệ tuyến tính được thỏa mãn.
Hình 2.1: Biểu đồ phân tán scatter
Giả định phương sai của sai số không đổi.
Kết quả kiểm định tương quan hạng Spearman cho thấy giá trị sig của các biến QT, HH, TC, DU, DB, CS với giá trị tuyệt đối của phần dư đều khác không. Điều này cho thấy chúng ta không thể bác bỏ giả thiết Ho, nghĩa là phương sai của sai số không đổi. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm.
Giả định không có tương quan giữa các phần dư.
Kết quả phân tích hồi quy bội cho thấy giá trị d = 1.908 (bảng Model Summaryb) nằm trong vùng chấp nhận nên không có tương quan giữa các phần dư. Như vậy, giả định không có tương quan giữa các phần dư không bị vi phạm. Kết luận mô hình hồi quy tuyến tính trên có thể sử dụng được.
Giả định phần dư có phân phối chuẩn.
Kiểm tra biểu đồ phân tán của phần dư cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean gần = 0 và độ lệch chuẩn Std. = 0.986 tức là gần bằng 1). Như vậy, giả định phần dư có phân phối chuẩn không bị vi phạm.
Hình 2.2: Biểu đồ tần số Histogram
2.3.4.3.3. Đánh giá độ phù hợp, kiểm định độ phù hợp của mô hình và hiện tượng đa cộng tuyến
Đánh giá độ phù hợp của mô hình.
Hệ số R2 điều chỉnh (Adjusted R square) = 0.581 (bảng Model Summaryb). Điều này nói lên rằng mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu đến mức 58.10%.
Kiểm định độ phù hợp của mô hình.
Kết quả kiểm định trị thống kê F, với giá trị sig = 0.000 (< 0.001) từ bảng phân tích phương sai ANOVA (bảng ANOVAb) cho thấy mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu, sử dụng được.
Hiện tượng đa cộng tuyến.
Đo lường đa cộng tuyến được thực hiện, kết quả cho thấy hệ số phóng đại phương sai (VIF) nhỏ hơn 2 (bảng Coefficientsa) đạt yêu cầu (VIF < 10). Vậy mô hình hồi quy tuyến tính bội không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
2.3.4.3.4. Phương trình hồi qui
Với tập dữ liệu thu được trong phạm vi nghiên cứu và dựa vào bảng kết quả hồi quy tuyến tính bội (bảng Coefficientsa), phương trình hồi quy tuyến tính bội thể hiện các nhân tố ảnh hưởng đến Ý định gửi tiền như sau:
HL = 0.030 + 0.252*QT + 0.089*HH + 0.126*TC + 0.160*DU + 0.197*DB + 0.165*CS
Các biến độc lập (Xi): QT, HH, TC, DU, DB, CS
Biến phụ thuộc (HL): (HL) sự hài lòng của doanh nghiệp nộp thuế.
2.3.4.3.5. Tổng kết kết quả kiểm định các giả thuyết
Kết quả mô hình hồi quy cho thấy sự hài lòng của khách hàng chịu tác động thuận chiều của 6 thành phần: thành phần quy trình thực hiện (QT), thành phần phương