4.5.1. Xem xét ma trận tƣơng quan giữa các biến
Trƣớc khi tiến hành phân tích hồi quy tuyến tính bội, cần phải xem xét mối quan hệ tƣơng quan tuyến tính giữa các biến. Điều này nhằm kiểm định giữa các biến có mối quan hệ tƣơng quan tuyến tính với nhau và các biến độc lập có tƣơng quan với biến phụ thuộc hay không.
Giả thuyết đặt ra cần phải kiểm định là:
Giả thuyết Ho: Không có mối quan hệ tƣơng quan tuyến tính giữa các biến trong mô hình
Giả thuyết H1: Có mối quan hệ tuyến tính của các biến trong mô hình Kết quả kiểm định sự tƣơng quan nhƣ sau:
Bảng 4.9: Kết quả kiểm định sự tương quan
Correlationsa TL TC HQ AT DU TT GD HL TL Pearson Correlation 1 0,244** 0,204** 0,103 0,120 0,091 0,041 0,408** Sig. (2-tailed) 0,000 0,003 0,138 0,083 0,188 0,559 0,000 TC Pearson Correlation 0,244** 1 0,163* 0,124 0,290** 0,021 0,071 0,564** Sig. (2-tailed) 0,000 0,018 0,072 0,000 0,760 0,308 0,000 HQ Pearson Correlation 0,204** 0,163* 1 0,045 0,104 0,175* -0,075 0,349** Sig. (2-tailed) 0,003 0,018 0,519 0,132 0,011 0,280 0,000 AT Pearson Correlation 0,103 0,124 0,045 1 0,149* 0,075 0,075 0,175* Sig. (2-tailed) 0,138 0,072 0,519 0,031 0,278 0,278 0,011 DU Pearson Correlation 0,120 0,290** 0,104 0,149* 1 -0,021 -0,040 0,489** Sig. (2-tailed) 0,083 0,000 0,132 0,031 0,761 0,566 0,000 TT Pearson Correlation 0,091 0,021 0,175* 0,075 -0,021 1 -0,093 0,083 Sig. (2-tailed) 0,188 0,760 0,011 0,278 0,761 0,179 0,232 GD Pearson Correlation 0,041 0,071 -0,075 0,075 -0,040 -0,093 1 0,101 Sig. (2-tailed) 0,559 0,308 0,280 0,278 0,566 0,179 0,143 HL Pearson Correlation 0,408** 0,564** 0,349** 0,175* 0,489** 0,083 0,101 1 Sig. (2-tailed) 0,000 0,000 0,000 0,011 0,000 0,232 0,143 **. Correlation is significant at the 0,01 level (2-tailed).
*. Correlation is significant at the 0,05 level (2-tailed). a. Listwise N=210
Ma trận này cho ta biết mối tƣơng quan giữa biến Sự hài lòng của ngƣời nộp thuế (biến phụ thuộc) với các biến độc lập, cũng nhƣ sự tƣơng quan giữa các biến độc lập với nhau. Giả thuyết Ho bị bác bỏ với giá trị Sig rất nhỏ 0.000. Với mức ý nghĩa α=0,05 (độ tin cậy 95%), hệ số tƣơng quan giữa biến phụ thuộc HL và các biến độc lập nhìn chung khá cao. Sơ bộ ta có thể kết luận có mối tƣơng quan giữa biến phụ thuộc và các biến độc lập và có thể đƣa các biến độc lập vào mô hình để giải thích cho biến phụ thuộc HL.
Ngoài ra, hệ số tƣơng quan giữa các biến độc lập với nhau đạt giá trị thấp, cao nhất cũng chỉ là 0,314 nên khó có khả năng xảy ra hiện tƣợng đa cộng tuyến.
4.5.2. Phân tích hồi quy bội
Phân tích tƣơng quan đã chứng minh đƣợc rằng, giữa các biến có mối tƣơng quan với nhau, hệ số tƣơng quan có giá trị thấp. Tuy nhiên, việc kiểm tra hiện tƣợng đa cộng tuyến là cần thiết, nhằm hạn chế những hậu quả nếu xảy ra hiện tƣợng này. Quá trình phân tích hồi quy tuyến tính bội tiếp theo nhằm kiểm tra có hay không mối quan hệ tuyến tính giữa các thành phần chất lƣợng dịch vụ thuế điện tử và sự hài lòng của ngƣời nộp thuế.
Bảng 4.10: Kết quả phân tích hồi quy bội
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 0,743a 0,553 0,537 0,56419 1,924
a, Predictors: (Constant), GD, DU, TT, TL, AT, HQ, TC b, Dependent Variable: HL
ANOVAb
Model Sum of
Squares
df Mean Square F Sig.
1 Regression 79,446 7 11,349 35,655 0,000a
Residual 64,298 202 0,318
Total 143,744 209
a, Predictors: (Constant), GD, DU, TT, TL, AT, HQ, TC b, Dependent Variable: HL
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error
Beta Tolerance VIF
1 (Constant) -2,379 0,454 -5,236 0,000 TL 0,303 0,067 0,225 4,540 0,000 0,902 1,109 TC 0,462 0,064 0,366 7,184 0,000 0,853 1,173 HQ 0,243 0,057 0,209 4,241 0,000 0,912 1,097 AT 0,044 0,056 0,038 0,790 0,430 0,955 1,047 DU 0,417 0,063 0,333 6,675 0,000 0,892 1,122 TT 0,036 0,057 0,031 0,643 0,521 0,951 1,052 GD 0,110 0,055 0,095 1,993 0,048 0,968 1,033 a, Dependent Variable: HL
(Nguồn: Tính toán từ dữ liệu điều tra)
Kết quả phân tích hồi quy bội cho thấy:
- Mô hình hồi quy tuyến tính bội là phù hợp.
Kiểm định F là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Giả thuyết Ho đƣợc đặt ra là 1 = 2 = 3 = 4 = 5 = 6 = 7 = 0. Nếu giả thuyết này bị bác bỏ thì chúng ta có thể kết luận rằng kết hợp của các biến hiện có trong mô hình có thể giải thích đƣợc thay đổi của Y, điều này nghĩa là mô hình xây dựng phù hợp với tập dữ liệu. Theo kết quả tính toán đƣợc, trị thống kê F của mô hình có giá trị Sig. = 0,000 rất nhỏ cho thấy ta sẽ an toàn khi bác bỏ giả thuyết Ho. Vì vậy, mô hình hồi quy tuyến tính bội của ta phù hợp với tập dữ liệu và có thể sử dụng đƣợc.
- Ý nghĩa của các hệ số hồi quy riêng phần trong mô hình
Hệ số hồi quy riêng phần đo lƣờng sự thay đổi giá trị trung bình của biến phụ thuộc khi một biến độc lập thay đổi, giữ nguyên các biến độc lập còn lại. Các hệ số hồi quy riêng phần của tổng thể cần đƣợc thực hiện kiểm định giả thuyết Ho: i = 0. Kết quả hồi quy cho thấy, giả thuyết Ho đối với hệ số hồi quy các thành phần TL, TC, HQ, DU và GD bị bác bỏ với giá trị Sig. rất nhỏ (nhỏ hơn hoặc bằng 0,05). Riêng 2 thành phần Độ an toàn và bảo mật (ký hiệu biến AT) có giá trị Sig là 0,43
lớn hơn 0,05 và thành phần Mức độ tin tƣởng của ngƣời giao dịch (ký hiệu TT) có giá trị Sig. = 0,521. Do đó, ta không thể bác bỏ giả thuyết Ho: 4 = 0 và 6 = 0 với mức ý nghĩa 5%. Tức là không có mối quan hệ tuyến tính giữa biến Độ an toàn và bảo mật và Sự hài lòng của người nộp thuế, và cũng không có mối quan hệ tuyến tính giữa biến Mức độ tin tưởng của người giao dịch và Sự hài lòng của người nộp thuế.
Một thƣớc đo nữa để đánh giá sự phù hợp của mô hình tuyến tính thƣờng dùng là hệ số R2
hiệu chỉnh. Hệ số này càng cao chứng tỏ mô hình càng phù hợp. Kết quả hồi quy tuyến tính cho thấy, hệ số R2
hiệu chỉnh trong nghiên cứu này là 0,537. Điều đó chứng tỏ mô hình này giải thích đƣợc 53,7% sự khác biệt của Sự hài lòng của người nộp thuế khi giao dịch thuế điện tử.
Nhƣ đã đề cập từ lúc đầu, do mối tƣơng quan chặt giữa các biến độc lập trong mô hình nên cần phải chú ý đến hiện tƣợng đa cộng tuyến có thể xảy ra trong mô hình. Một trong những cách để phát hiện hiện tƣợng đa cộng tuyến là sử dụng nhân tử phóng đại phƣơng sai VIF (Variance Inflation Factor). Theo quy tắc kinh nghiệm, khi VIF > 10 thì mức độ đa cộng tuyến đƣợc xem là cao. Tuy nhiên, các hệ số VIF trong kết quả phân tích này khá nhỏ, từ 1,033 đến 1,173 nên ta có thể khẳng định rằng mối tƣơng quan giữa các biến độc lập ảnh hƣởng không đáng kể đến kết quả giải thích của mô hình hồi quy.
Hàm hồi quy tuyến tính bội có thể đƣợc viết nhƣ sau:
HL = - 2,379 + 0,303*TL + 0,462*TC + 0,243*HQ + 0,417*DU + 0,11*GD Trong đó:
TL: Sử dụng dễ dàng
TC: Dịch vụ đảm bảo, tin cậy HQ: Tính hiệu quả
DU: Mức độ sẵn sàng của cơ quan thuế GD: Giao diện website
4.5.3. Mô hình hiệu chỉnh lần 2
Sau khi phân tích hồi quy bội, mô hình nghiên cứu chỉ còn lại 5 nhân tố có ảnh hƣởng đến Sự hài lòng của người nộp thuế. Trong đó, thành phần Dịch vụ đảm bảo, tin cậy và Mức độ sẵn sàng của cơ quan thuế là 2 thành phần tác động đến Sự hài lòng của người nộp thuế nhiều nhất, biến Giao diện website là biến có tác động nhỏ nhất đến Sự hài lòng của người nộp thuế. Vì thế, mô hình nghiên cứu đƣợc hiệu chỉnh lại cho phù hợp với Chất lƣợng dịch vụ thuế điện tử.
Mô hình nghiên cứu cuối cùng để đánh giá Sự hài lòng của người nộp thuế
gồm có 5 nhân tố đó là: Sử dụng dễ dàng; Giao diện website; Dịch vụ đảm bảo, tin cậy; Tính hiệu quả và Mức độ sẵn sàng của cơ quan thuế.
Hình 4.3: Mô hình hiệu chỉnh lần 2
4.5.4. Kết quả các nghiên cứu phụ
Nghiên cứu sự khác biệt về đánh giá các thành phần chất lƣợng dịch vụ theo các biến phân loại:
Sử dụng dễ dàng
Giao diện website Dịch vụ đảm bảo,
tin cậy Tính hiệu quả Mức độ sẵn sàng của cơ quan thuế
Sự hài lòng của ngƣời nộp thuế
Bảng 4.11: Kết quả phân tích ANOVA Sự khác biệt về đánh giá các thành phần chất lƣợng dịch vụ Loại kiểm định Kiểm định Levene test Sig. 1. Giới tính ANOVA 0,279 0,006 2. Độ tuổi ANOVA 0,051 0,000 3. Chức vụ ANOVA 0,546 0,431
4. Thời gian sử dụng internet ANOVA 0,186 0,000
(Nguồn: Tính toán từ dữ liệu điều tra) Kiểm định Independent-sample T-test đƣợc sử dụng để cho ta biết có sự khác biệt về Sự hài lòng giữa các nhóm giới tính, độ tuổi, chức vụ và thời gian sử dụng internet khác nhau. Từ kết quả tổng hợp trong bảng 4.11 ta có nhận xét sau:
Có sự khác biệt có ý nghĩa thống kê về đánh giá của khách hàng giữa Sự hài lòng của người nộp thuế với nhóm thu nhập, độ tuổi, thời gian sử dụng internet (do giá trị Sig. trong kiểm định Levene test > 0,05 nên kết quả ANOVA có thể đƣợc sử dụng, giá trị Sig. trong bảng ANOVA bằng <0,05 nên có sự khác biệt có ý nghĩa thống kê). Tức là với mức ý nghĩa là 5% thì có thể nói rằng có sự khác biệt có ý nghĩa thống kê về sự đánh giá tầm quan trọng của Sự hài lòng của người nộp thuế
giữa những nhóm ngƣời có giới tính, độ tuổi và thời gian sử dụng internet khác nhau. Cụ thể sự khác biệt trong từng nhóm nhƣ sau (xem bảng phân tích sâu ANOVA trong phụ lục 9):
Về độ tuổi: nhóm Dƣới dƣới 30 tuổi có sự khác biệt với với tất cả các nhóm còn lại. Các nhóm có đội tuổi từ 31 - 40 tuổi; từ 41 - 50 tuổi và trên 50 tuổi không có sự khác biệt.
Về thời gian sử dụng internet trong tuần: nhóm dƣới 1 giờ có sự khác biệt với nhóm 11- 20 giờ và nhóm trên 20 giờ; nhóm từ 1 – 5 giờ cũng có sự khác biệt với nhóm 11- 20 giờ và nhóm trên 20 giờ tƣơng tự nhóm 6 – 10 giờ cũng có sự khác biệt với nhóm 11- 20 giờ và nhóm trên 20 giờ.
Kết quả này mở ra hƣớng mới trong nghiên cứu sự hài lòng của ngƣời nộp thuế với các yếu tố nhân khẩu học khác nhau cũng nhƣ thời gian sử dụng internet hàng tuần.
Kết luận chƣơng 4:
Trong chƣơng này tác giả trình bày chi tiêt kết quả nghiên cứu bao gồm: mô tả tổng quát kết quả trả lời của mẫu và kết quả kiểm định các thang đo lƣờng. Thang đo các khái niệm nghiên cứu đã đạt giá trị hội tụ và giá trị phân biệt thông qua sự thỏa mãn các điều kiện của phân tích nhân tố EFA và phân tích tƣơng quan Pearson. Kết quả của phép kiểm định hồi quy tuyến tính đã ủng hộ năm giả thuyết nghiên cứu: H1, H2, H3, H5 và H7 đã nêu trong lý thuyết chƣơng 1. Trong đó 5 nhân tố: Sử dụng dễ dàng, Dịch vụ đảm bảo, tin cậy, Tính hiệu quả Mức độ sẵn sàng của cơ quan thuế và Giao diện website đều có ảnh hƣởng đến Sự hài lòng của ngƣời nộp thuế điện tử với các mức độ khác nhau.
Với kết quả đạt đƣợc, thông qua các kiểm định, mô hình hồi quy có ý nghĩa trong thực tiễn, đây là cơ sở quan trọng để tác giả đƣa ra một số kiến nghị trong chƣơng 5.
CHƢƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
Chƣơng 4 tác giả đã trình bày kết quả nghiên cứu của mình về các yếu tố ảnh hƣởng đến sự hài lòng của ngƣời nộp thuế khi giao dịch thuế điện tử với cơ quan thuế tại Cục thuế TP. Hồ Chí Minh, đây chính là cơ sở quan trọng để tác giả đề xuất các kiến nghị nhằm thu hút ngƣời nộp thuế đến giao dịch thuế điện tử với cơ quan thuế tại Chi cục thuế TP. Hồ Chí Minh vì chỉ khi nào ngƣời nộp thuế cảm thấy hài lòng với dịch vụ thuế điện tử thì họ mới sẵn sàng chuyển sang sử dụng dịch vụ này thay dịch vụ kê khai và nộp thuế trực tiếp, đặc biệt là dịch vụ nộp thuế trực tuyến vì dịch vụ này hiện nay vẫn đang trong giai đoạn thí điểm và số lƣợng các doanh nghiệp sử dụng dịch vụ này không nhiều (xem nội dung 2.3.2). Ngoài việc đƣa ra những kiến nghị thiết thực dựa vào kết quả khảo sát, chƣơng 5 cũng nêu những hạn chế của đề tài và đề xuất một số hƣớng nghiên cứu mới cho các nghiên cứu sau.
5.1. Kết luận
Trên cơ sở lý thuyết và mối quan hệ về chất lƣợng dịch vụ thuế điện tử và sự hài lòng của ngƣời nộp thuế cũng nhƣ tham khảo các mô hình nghiên cứu trƣớc đây về lĩnh vực này, tác giả đã đề xuất mô hình nghiên cứu cho riêng mình. Mô hình nghiên cứu sau khi hiệu chỉnh trong chƣơng 1 và chƣơng 4, bảng câu hỏi chính thức đƣợc sử dụng và đem đi khảo sát trên 200 ngƣời nộp thuế trên địa bàn TP. Hồ Chí Minh. Kết quả thu về đƣợc xử lý và làm sạch bằng phần mềm SPSS 16.0 tác giả có thể tóm tắt lại kết quả nghiên cứu nhƣ sau:
Với 36 biến quan sát đƣợc xây dựng từ 7 thành phần độc lập và 1 thành phần phụ thuộc sau khi trải qua các bƣớc kiểm tra độ tin cậy Cronbach‟s alpha, nghiên cứu khám phá (EFA) và loại ra 1 biến không đạt yêu cầu trong thành phần Mức độ sẵn sàng của cơ quan thuế và 1 biến trong thành phần Sự hài lòng của ngƣời nộp thuế, 7 nhân tố đƣợc rút trích ra tại hệ số Eigenvalues >1. Năm nhân tố này đƣợc đƣa vào phân tích tƣơng quan và phân tích hồi quy nhằm xây dựng một mô hình hồi quy đa biến các yếu tố ảnh hƣởng đến Sự hài lòng của người nộp thuế. Kết quả hồi quy bội cho ta một mô hình các yếu tố ảnh hƣởng đến Sự hài lòng của người nộp thuế khi sử dụng dịch vụ kê khai và nộp thuế qua mạng gồm 5 thành phần (Thành
phần Độ an toàn và bảo mật bị loại do có giá trị Sig. >0,05) có ảnh hƣởng theo các mức độ từ mạnh đến yếu nhƣ sau: (1) Dịch vụ đảm bảo, tin cậy là yếu tố ảnh hƣởng lớn nhất đến sự hài lòng của ngƣời nộp thuế (β = 0,462), kế đến là (2) Mức độ sẵn sàng của cơ quan thuế (β = 0,417), (3) Sử dụng dễ dàng (β = 0,303) ảnh hƣởng thứ 3, tiếp theo là (4) Tính hiệu quả (β = 0,243), và cuối cùng là (5) Giao diện website
(β = 0,11)
Phân tích ANOVA và sâu ANOVA mối quan hệ giữa biến định tính và biến
Sự hài lòng người nộp thuế cũng chỉ ra rằng, có sự khác biệt có ý nghĩa thống kê về sự đánh giá tầm quan trọng của Sự hài lòng của người nộp thuế giữa những nhóm ngƣời có giới tính, độ tuổi và thời gian sử dụng internet khác nhau. Đây là một kết quả quan trọng và là tiền đề nghiên cứu cho các đề tài khác trong việc xem xét các yếu tố nhân khẩu học với Sự hài lòng của người nộp thuế. Việc nghiên cứu sự hài lòng của ngƣời nộp thuế khi giao dịch điện tử là một việc làm quan trọng giúp cơ quan thuế cải thiện khả năng phục vụ ngƣời nộp thuế thông qua các dịch vụ điện tử và qua đó thu hút ngƣời nộp thuế đến giao dịch thuế điện tử với cơ quan thuế nhiều hơn.
5.2. Một số kiến nghị nhằm thu hút ngƣời nộp thuế giao dịch thuế điện tử với cơ quan thuế tại Chi cục thuế Tp. Hồ Chí Minh cơ quan thuế tại Chi cục thuế Tp. Hồ Chí Minh
Trên cơ sở kết quả nghiên cứu đã đƣợc trình bày trong chƣơng 4 tác giả đề xuất một số kiến nghị cụ thể nhằm thu hút ngƣời nộp thuế giao dịch điện tử với cơ quan thuế tại Chi cục thuế Tp. Hồ Chí Minh trong đó tập trung vào các yếu tố có