phân tích hồi quy tuyến tính bội
Kết quả sau khi phân tích Cronbach’s Alpha và phân tích nhân tốEFA, đã tìm ra
05 nhân tốtác động đến mức độ hài lòng của doanh nghiệp về chất lượng dịch vụ công
trong lĩnh vực kê khai thuế qua mạng. 05 nhân tố này với 30 biến quan sát đạt yêu cầu và tiếp tục được đưa vào mô hình hồi quy bội để phân tích, xác định cụ thể trọng số
của từng nhân tốtác động đến mức độ hài lòng của doanh nghiệp.
Phân tích hồi quy nhằm nghiên cứu mối liên hệ phụ thuộc của một biến (gọi là biến phụ thuộc) vào nhiều biến khác (gọi là biến độc lập), qua đó giúp ta dựđoán được mức độ của biến phụ thuộc (với độ chính xác trong một phạm vi giới hạn) khi biết
trước giá trị của biến độc lập (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Kết quả phân tích hồi quy như sau:
* Đánh giá mức độ phù hợp của mô hình nghiên cứu:
Để đánh giá mức độ phù hợp của mô hình nghiên cứu, các nhà nghiên cứu sử
dụng hệ số xác định RP 2 P (R Square). Hệ số xác định RP 2 P đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, khi ta càng đưa thêm biến độc lập vào mô hình thì RP
2
P càng tăng, tuy nhiên điều này cũng được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu (tức là tốt hơn). RP
2
P
có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mô
hình đối với dữ liệu trong trường hợp có một biến giải thích trong mô hình. Như vậy, trong hồi quy tuyến tính bội thường dùng hệ số R Square điều chỉnh (Adjusted R
Square) để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình.
48 Bảng 4.10: Bảng đánh giá mức độ phù hợp của mô hình Model SummaryP b Model R R Square Adjusted R Square Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square Change F Change df1 df2 Sig. F Change 1 .859P a .738 .732 .51791650 .738 118.851 5 211 .000 1.694
a. Predictors: (Constant), LI, TD, NL, CSVC-DT, AT b. Dependent Variable: HL Từ kết quả phân tích hồi quy ta có RP 2 P = 0.738 và RP 2 Pđiều chỉnh = 0.732, có nghĩa
là khoảng 73% thay đổi của mức độ hài lòng quan sát có thể được giải thích bởi sự thay đổi của 05 thành phần: Mức độ an toàn, Cơ sở vật chất và chất lượng đường truyền, Năng lực phục vụ, Mức tiện dụng, Lợi ích mang lại.
Kết quả này cho thấy mô hình là phù hợp, có mối tương quan tương đối mạnh giữa biến phụ thuộc với các biến độc lập của mô hình.
* Kiểm định F:
Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả
thuyết vềđộ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định
này là để xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không.
Kết quả bảng 4.10 cho thấy giá trị Sig rất nhỏ (Sig = 0.000) nên mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
* Kiểm định Anova:
Kiểm định Anova được sử dụng để kiểm tra tính phù hợp của mô hình với dữ
liệu gốc. Nếu mức ý nghĩa của kiểm định < 0.05 thì có thể kết luận mô hình hồi quy phù hợp với tập dữ liệu.
49 Bảng 4.11: Kết quả phân tích ANOVA ANOVAP a Model Sum of Squares
df Mean Square F Sig.
1 Regression 159.402 5 31.880 118.851 .000P b Residual 56.598 211 .268 Total 216.000 216 a. Dependent Variable: HL
b. Predictors: (Constant), LI, TD, NL, CSVC-DT, AT
Kết quả phân tích Anova với giá trị Sig = 0.000 (< 0.05) cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
* Kết quả phân tích hồi quy:
Phương trình hồi quy bội biểu diễn mối quan hệ giữa mức độ hài lòng của doanh nghiệp với các thành phần chất lượng dịch vụnhư sau:
Y = βR0R+ βR1R.XR1R+ βR2R.XR2R+ βR3R.XR3R+ βR4R.XR4R+ βR5R.XR5 Trong đó:
- Y là biến phụ thuộc thể hiện giá trị dự đoán về mức độ hài lòng của doanh nghiệp.
- βR0R, βR1R, βR2R, βR3R, βR4R, βR5R là các hệ số hồi quy.
- XR1R, XR2R, XR3R, XR4R, XR5R là các biến độc lập theo thứ tự: Mức độ an toàn, Cơ sở vật chất và chất lượng đường truyền, Năng lực phục vụ, Mức tiện dụng, Lợi ích mang lại.
Hệ số Beta (β) chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố. Hệ sốβ chuẩn hóa của biến nào càng cao thì mức độtác động của biến đó vào
sự thỏa mãn chất lượng dịch vụ của khách hàng càng lớn (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
50 Bảng 4.12: Kết quả phân tích hồi quy CoefficientsP a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error
Beta Tolerance VIF
1 (Constant) -1.724E- 016 .035 .000 1.000 AT .452 .035 .452 12.839 .000 1.000 1.000 CSVC-DT .547 .035 .547 15.524 .000 1.000 1.000 NL .347 .035 .347 9.859 .000 1.000 1.000 TD .189 .035 .189 5.359 .000 1.000 1.000 LI .279 .035 .279 7.904 .000 1.000 1.000 a. Dependent Variable: HL
Phương trình hồi quy được xác định như sau:
Y = -1.724E-016 + 0.452XR1R + 0.547XR2R + 0.347XR3R + 0.189XR4R + 0.279XR5
Các hệ số hồi quy (β) đều mang dấu dương thể hiện các thành phần trong mô hình hồi quy trên ảnh hưởng theo chiều hướng tỷ lệ thuận với sự hài lòng của doanh nghiệp. Trong đó, thành phần “Cơ sở vật chất và chất lượng đường truyền” có hệ sốβ
chuẩn hóa lớn nhất (β = 0.547) nên có tác động mạnh nhất đến sự hài lòng của doanh nghiệp; đứng thứ hai là thành phần “Mức độ an toàn” có hệ số β chuẩn hóa bằng
0.452; đứng thứ ba là thành phần “Năng lực phục vụ” có hệ số β chuẩn hóa bằng
0.347; đứng thứtư là thành phần “Lợi ích mang lại” có hệ sốβ chuẩn hóa bằng 0.279 và sau cùng là thành phần “Mức tiện dụng” có hệ sốβ chuẩn hóa bằng 0.189.
51