Điều kiện để phân tích hồi quy là giữa biến phụ thuộc và biến độc lập phải tƣơng quan với nhau (biến độc lập là các biến: TCTTNEW, SPVNEW, TTKTNEW,
KQGQNEW, TTHC1NEW, TTHC2NEW; biến phụ thuộc là biến MDHLNEW). Tiếp theo đó cần tiến hành kiểm tra 5 giả định đối với hàm hồi quy: hiện tƣợng đa cộng tuyến, phƣơng sai của phần dƣ không đổi, phân phối chuẩn của phần dƣ, sơ đồ tuyến tính Scatter, hiện tƣợng tự tƣơng quan giữa các phần dƣ.
Sử dụng kiểm định hệ số tƣơng quan Pearson dùng để kiểm tra mối liên hệ
tuyến tính giữa các biến độc lập và biến phụ thuộc cũng nhƣ giữa các biến độc lập với nhaụ Nếu hệ sốtƣơng quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Nếu các biến độc lập có tƣơng quan chặt ch thì phải lƣu ý đến vấn đề đa cộng tuyến khi phân tích hồi quỵ
Bảng 4.15: Bảng ma trận tƣơng quan giữa các biến
TCTT NEW SPV NEW TTKT NEW KQGQ NEW TTHC1 NEW TTHC2 NEW MDHL NEW TCTT NEW Pearson Correlation 1 0,000 0,000 0,000 0,000 0,000 0,338 ** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 0,000 N 254 254 254 254 254 254 254 SPV NEW Pearson Correlation 0,000 1 0,000 0,000 0,000 0,000 0,270 ** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 0,000 N 254 254 254 254 254 254 254 TTKT NEW Pearson Correlation 0,000 0,000 1 0,000 0,000 0,000 0,428 ** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 0,000 N 254 254 254 254 254 254 254 KQGQ NEW Pearson Correlation 0,000 0,000 0,000 1 0,000 0,000 0,540 ** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 0,000 N 254 254 254 254 254 254 254 TTHC1 NEW Pearson Correlation 0,000 0,000 0,000 0,000 1 0,000 0,264 ** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 0,000
TTHC2 NEW Pearson Correlation 0,000 0,000 0,000 0,000 0,000 1 -0,008 Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 0,895 N 254 254 254 254 254 254 254 MDHL NEW Pearson Correlation 0,338 ** 0,27** 0,428** 0,540** 0,264** -0,008 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,895 N 254 254 254 254 254 254 254
** Hệ số tƣơng quan c ý nghĩa mức 1
(Nguồn: Kết quả khảo sát của tác giả, 2016)
Theo kết quả phântích hệ số tƣơng quan Pearson Bảng 4.15 ta thấy trong 6 biến độc lập đƣợc đƣa vào phân tích thì có 5 biến độc lập (TCTTNEW, SPVNEW, TTKTNEW, KQGQNEW, TTHC1NEW) có hệ số tƣơng quan với
biến phụ thuộc đều lớn hơn 0 (0,264 – 0,540) và giá trị Sig rất nhỏ (= 0,000) cho
nên có thể kết luận rằng 5 biến độc lập này đều có sự tƣơng quan với biến phụ
thuộc ở mức ý nghĩa 1%. Biến độc lập TTHC2NEW có hệ số tƣơng quan nhỏ hơn 0 và giá trị Sig là 0,89, kết quả này cho thấy biến độc lập TTHC2NEW và biến phụ thuộc không có sự liên quan với nhaụ Điều này s thấy rõ khi tiến hành phân tích mô hình hồi quy trong bƣớc tiếp theọ
Bên cạnh đó giá trị Sig của các biến độc lập với nhau đều bằng 1 và hệ sốtƣơng quan đều bằng 0 cho thấy giữa các biến độc lập không có mối tƣơng quan với nhaụ Kết quảthu đƣợc thỏa điều kiện để tiến hành phân tích hồi quy tuyến tính bội sau đó.
4.4.2 ây dựng mô hình hồi quy
Phân tích hồi quy đƣợc thực hiện với 6 biến độc lập. Giá trị của các biến độc lập đƣợc tính trung bình dựa trên các biến quan sát thành phần (kết quả phân tích nhân tố) của các biến độc lập đó. Giá trị của biến phụ thuộc là giá trịtrung bình của
Bảng 4.16: Kết quả phân tích hồi quy l n 1
Mô hình
Hệ số chƣa chu n hoá chu n Hệ số hoá
t Sig.
Thống kê đa cộng tuyến
B Độ lệch
chu n Beta Tolerance Hệ số
Hệ số phóng đại phƣơng sai (VIF) (Constant) 1,564E-16 0,033 0,000 1,000 TCTTNEW 0,338 0,033 0,338 10,260 0,000 1,000 1,000 SPVNEW 0,270 0,033 0,270 8,176 0,000 1,000 1,000 TTKTNEW 0,428 0,033 0,428 12,979 0,000 1,000 1,000 KQGQNEW 0,540 0,033 0,540 16,379 0,000 1,000 1,000 TTHC1NEW 0,264 0,033 0,264 8,022 0,000 1,000 1,000 TTHC2NEW -0,008 0,033 -0,008 -0,253 0,801 1,000 1,000
(Nguồn: Kết quả khảo sát của tác giả, 2016)
Phân tích hồi quy đƣợc thực hiện bằng phƣơng pháp Enter. Phƣơng pháp này giúp xửlý tất cảcác biến đƣa vào một lần, đƣa ra các thông số thống kê liên quan đến
các biến. Kết quả phân tích hồi quy lần 1, thành phần TTHC2NEW có giá trị Sig. =
0,801 > 0,05, nên không có ý nghĩa về mặt thống kê, đồng thời với kết quả phân tích sự tƣơng quan Pearson (Bảng 4.15) cũng cho thấy thành phần TTHC2NEW và biến phụ thuộc không có sự tƣơng quan với nhaụ Từ những kết quả thu đƣợc tác giả loại thành phần TTHC2NEW ra khỏi mô hình và tiến hành chạy lại kết quả hồi quy lần 2.
Bảng 4.17: Kết quả hồi quy l n 2
Mô hình
Hệ số chƣa chu n hoá chu n Hệ số hoá
t Sig.
Thống kê đa cộng tuyến
B Độ lệch
chu n Beta Tolerance Hệ số
Hệ số phóng đại phƣơng sai (VIF) (Constant) 1,541E-16 0,033 0,000 1,000 TCTTNEW 0,338 0,033 0,338 10,279 0,000 1,000 1,000 SPVNEW 0,270 0,033 0,270 8,192 0,000 1,000 1,000 TTKTNEW 0,428 0,033 0,428 13,004 0,000 1,000 1,000 KQGQNEW 0,540 0,033 0,540 16,410 0,000 1,000 1,000 TTHC1NEW 0,264 0,033 0,264 8,037 0,000 1,000 1,000
Kết quả hồi quy lần thứ 2 cho thấy các nhóm nhân tố đƣa vào mô hình điều có giá trị Sig. rất nhỏ (=0,000) cho thấy các nhóm nhân tố đƣa vào mô hình đều có ý nghĩa thống kê.
Để viết đƣợc phƣơng trình hồi quy tác giả tiến hành kiểm định mô hình và các giả thuyết nghiên cứu nhƣ sau:
Đánh giá độ phù hợp của mô hình: Kết quảphân tích hồi quy Bảng 4.18 cho thấy R2 hiệu chỉnh bằng 0,726. Điều đó cũng có nghĩa là 72,6% biến thiên của mức độ hài lòng đƣợc giải thích bởi mối liên hệ tuyến tính của các biến độc lập đƣợc đƣa vào mô hình. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫụ Để kiểm định
xem có thể suy rộng mô hình cho tổng thể thực hay không ta phải kiểm định độ phù
hợp của mô hình.
Bảng 4.18: Đánh giá độ phù hợp của mô hình
Mô hình R R2 R2hiệu chỉnh Sai số chu n ƣớc lƣợng Durbin-
Watson
1 0,855a 0,732 0,726 0,52334141 1,490
(Nguồn: Kết quả khảo sát của tác giả, 2016)
Kiểm định độ phù hợp của mô hình: Kiểm định F sử dụng trong bảng phân tích ANOVA là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Trong Bảng 4.20, ta thấy giá trị Sig của kiểm định F rất nhỏ
bằng 0,000 (< 0,05), từ đó ta có thể bác bỏ giả thuyết H0 (H0: Tất cả các biến độc lập trong mô hình đều không ảnh hƣởng đến biến phụ thuộc), điều này có nghĩa là có ít nhất một biến độc lập ảnh hƣởng đến biến phụ thuộc. Mô hình phù hợp với tập dữ liệu và có thể suy rộng ra cho toàn tổng thể.
Bảng 4.19: Kiểm định độ phù hợp của mô hình
Model Sum of Squares df Mean Square F Sig. Regression 185,076 5 37,015 135,148 0,000a Residual 67,924 248 0,274 Total 253,000 253
Hiện tƣợng đa cộng tuyến: Độ chấp nhận của biến (Tolerances) và hệ số phóng đại phƣơng sai (Variance inflation factor –VIF) đƣợc dùng đểphát hiện hiện
tƣợng đa cộng tuyến. Dựa vào Bảng 4.17 ta thấy giá trị VIF là rất nhỏ đều bằng 1 nhỏ hơn 10, Ta có thể nói không có hiện tƣợng đa cộng tuyến xảy ra (Các biến độc lập không có tƣơng quan với nhau).
Giả định về phân phối chu n của phần dƣ: Dựa vào đồ thị ta có thể kết luận rằng phân phối phần dƣ xấp xỉ chuẩn (Mean gần bằng 0 và Std.Dev gần bằng 1). Vì vậy giả định về phân phối chuẩn của phần dƣ không bị vi phạm.
(Nguồn: Kết quả khảo sát của tác giả, 2016)
Hình 4.8: Đồ thị phân phối ph n dƣ
Giả định liên hệ tuyến tính: Dựa vào đồ thị phân tán giữa các phần dƣ và các giá trị dự đoán, ta thấy các giá trị phần dƣ không phân tán một cách ngẫu nhiên theo đƣờng hoành độ 0, mà phân tán một cách có hệ thống theo các đƣờng thẳng. Cho thấy giả định về liên hệ tuyến tính bị vi phạm.
(Nguồn: Kết quả khảo sát của tác giả, 2016)
Giả định phƣơng sai của sai số không đổi: Dựa vào kết quả phân tích thu đƣợc ở Bảng 4.20 ta thấy giá trị Sig. của kiểm định đối với thành phần TCTTNEW
và KQGQNEW lớn hơn mức ý nghĩa α 5%; các thành phần SPVNEW, TTKTNEW, TTHC1NEW có giá trị Sig. rất nhỏ (<0,01). Từ kết quả thu đƣợc cho thấy phƣơng sai của sai số thay đổị Điều này làm cho các ƣớc lƣợng của các hệ số hồi quy không chệch nhƣng không hiệu quả. Vì vậy, các nhân tố không nằm trong phƣơng trình hồi quy không hẳn không ảnh hƣởng đến mức độ hài lòng của DN.
Bảng 4.20: Bảng tƣơng quan hạng Spearman
ABS PHANDU TCTT NEW SPV NEW TTKT NEW KQGQ NEW TTHC1 NEW Spear man's rho ABS PHANDU Correlation Coefficient 1,000 0,115 -0,176 ** -0,175** 0,021 0,176** Sig. (2-tailed) 0,0 0,067 0,005 0,005 0,743 0,005 N 254 254 254 254 254 254 TCTT NEW Correlation Coefficient 0,115 1,000 -0,013 0,011 -0,015 0,047 Sig. (2-tailed) 0,067 0,00 0,833 0,858 0,808 0,453 N 254 254 254 254 254 254 SPV NEW Correlation Coefficient -0,176 ** -0,013 1,000 0,013 0,034 0,015 Sig. (2-tailed) 0,005 0,833 0,0 0,838 0,585 0,809 N 254 254 254 254 254 254 TTKT NEW Correlation Coefficient -0,175 ** 0,011 0,013 1,000 0,057 -0,026 Sig. (2-tailed) 0,005 0,858 0,838 0,0 0,369 0,680 N 254 254 254 254 254 254 KQGQ NEW Correlation Coefficient 0,021 -0,015 0,034 0,057 1,000 0,017 Sig. (2-tailed) 0,743 0,808 0,585 0,369 0,0 0,791 N 254 254 254 254 254 254 TTHC1 NEW Correlation Coefficient 0,176 ** 0,047 0,015 -0,026 0,017 1,000 Sig. (2-tailed) 0,005 0,453 0,809 0,680 0,791 0,0 N 254 254 254 254 254 254
** Hệ số tƣơng quan c ý nghĩa mức 1
Giả định về tính độc lập của sai số không có tƣơng quan giữa các phần dƣ : Dựa vào Bảng 4.18, cho thấy kết quả Durbin – Watson = 1,490 (d = 1,490 < dL = 1,718) điều này kết luận rằng có tự tƣơng quan dƣơng trong các phần dƣ. Giá trị
Durbin – Watson (d) biến thiên trong khoảng từ 0 đến 4, giá trị d gần bằng 2 các
phần dƣ không có tƣơng quan chuỗi bậc nhất với nhau, d thấp (nhỏhơn 2) các phần
dƣ gần nhau có tƣơng quan thuận, d lớn hơn 2 (và gần 4) có nghĩa là các phần dƣ có tƣơng quan nghịch).
Nhƣ vậy, tác giả đã tiến hành phân tích; kiểm định các điều kiện cũng nhƣ giả thuyết liên quan đến mô hình hồi quỵ Kết quả thu đƣợc có thể kết luận nhƣ sau:
- Biến phụ thuộc và các biến độc lập có mối quan hệ với nhaụ Các biến độc lập không có sự tƣơng quan với nhau (không xảy ra hiện tƣợng đa cộng tuyến).
- Mô hình hồi quy đƣợc sử dụng là phù hợp và có thể suy rộng cho tổng thể. Nhƣ vậy dựa vào kết quả phân tích hồi quy Bảng 4.17 ta thấy 5 biến độc lập đƣa vào mô hình đều có giá trị sig rất nhỏ (0,000) có ý nghĩa thống kê ở mức ý nghĩa 5% khi đƣa vào mô hình phân tích. Phƣơng trình hồi quy đối với các biến đã đƣợc chuẩn hóa thể hiện mối quan hệ giữa mức độ hài lòng của DN về chất lƣợng phục vụ ngành thuế tỉnh Vĩnh Long với 5 biến độc lập đƣợc biểu hiện qua phƣơng trình hồi quy sau:
SHL = 0,33 x Tiếp cận thông tin 0,2 0 x Sự phục vụ của công chức ngành thuế 0,428 x Công tác thanh tra kiểm tra của cơ quan thuế 0,540 x Kết quả giải quyết công việc của ngành thuế tỉnh Vĩnh Long 0,264 x Thời gian giải quyết TTHC thuế.
4.4.3 Ý nghĩa của các biến trong phƣơng trình hồi quy
- Đối với biến Tiếp cận thông tin: đây là biến có ảnh hƣởng lớn thứ 3 đến mức độ hài lòng của DN với hệ số hồi quy là 0,338, có nghĩa là khi yếu tố Tiếp cận thông tin tăng lên 1 đơn vị thì sự hài lòng của DN về chất lƣợng phục vụ ngành thuế Vĩnh Longs tăng lên 0,338 đơn vị với giả thuyết các yếu tố khác không đổi ở mức ý nghĩa 5%. Nhƣ vậy khi DN đến liên hệ trực tiếp, điện thoại, truy cập vào trang thông tin điện tử của cơ quan thuế dễ dàng, tiện lợi; đƣợc tham dự các lớp tập
huấn, tham dự đối thoại; đƣợc các công chức thuế hƣớng dẫn một cách rõ ràng, dễ hiểu các thông tin chính sách, nội dung tuyên truyền; các thông tin về TTHC thuế đƣợc hƣớng dẫn rõ ràng, dễ hiểu và đƣợc giải quyết đúng quy định, đúng hạn s ảnh hƣởng rất lớn đến mức độ hài lòng của DN.
- Đối với biến Sự phục vụ của công chức ngành thuế: đây là biến có ảnh hƣởng lớn thứ 4 đến mức độ hài lòng của DN với hệ số hồi quy là 0,270, có nghĩa là khi yếu tố Sự phục vụ của công chức ngành thuế tăng lên 1 đơn vị thì mức độ hài lòng của DN tăng lên 0,270 đơn vị với giả thuyết các yếu tố khác không đổi ở mức ý nghĩa 5%. Khi sự hƣớng dẫn của công chức ngành thuế rõ ràng, dễ hiểu; Công chức ngành thuế tuân thủ đúng quy trình giải quyết công việc; Công chức ngành thuế lịch sự, tôn trọng với DN; Sự tận tình và chu đáo với DN của công chức ngành thuế s ảnh hƣởng rất lớn đến mức độ hài lòng của DN.
- Đối với biến Công tác thanh tra, kiểm tra của cơ quan thuế: hệ số hồi quy bằng 0,428 có ý nghĩa thống kê ở mức 5%. Công tác thanh tra, kiểm tra của cơ quan thuế thể hiện ở thời gian thực hiện thanh tra, kiểm tra đúng với thời gian trên quyết định thanh tra, kiểm tra; Tần suất các cuộc thanh tra, kiểm tra thuế với DN là hợp lý; DN đƣợc cơ quan thuế bảo mật về thông tin DN; DN có phát sinh khiếu nại với cơ quan thuế về kết quả thanh tra, kiểm tra thuế thấp. Khi công tác thanh tra, kiểm tra của cơ quan thuế tăng lên 1 đơn vị với điều kiện các yếu tố khác không đổi thì sự hài lòng s tăng lên 0,428 đơn vị ở mức ý nghĩa 5%.
- Đối với biến Kết quả giải quyết công việc của ngành thuế tỉnh Vĩnh Long:
đây là biến có ảnh hƣởng lớn nhất đến mức độ hài lòng của DN, hệ số hồi quy là
0,540 có nghĩa là khi Kết quả giải quyết công việc của ngành thuế tỉnh Vĩnh Long tăng lên 1 đơn vị thì mức độ hài lòng s tăng lên 0,540 đơn vị trong điều kiện các yếu tố khác không thay đổi có ý nghĩa thống kê ở mức ý nghĩa 5%. Khi các yếu tố: Mức độ minh bạch thủ tục hành chính về thuế; Thông tin cơ quan thuế cung cấp cho
DN nhanh chóng và kịp thời; Mức độ hài lòng của DN với kết quả phản hồi vƣớng mắc thông tin thuế; Chi phí (thời gian và tiền bạc) dành cho ngành thuế để giải quyết công việc là thấp s làm gia tăng mức độ hài lòng của DN.
- Đối với biến Thời gian giải quyết TTHC thuế: hệ số hồi quy là 0,264 có nghĩa là khi Thời gian giải quyết TTHC thuế giảm xuống1 đơn vị thì mức độ hài lòng s tăng lên 0,264 đơn vị trong điều kiện các yếu tố khác không thay đổi có ý nghĩa thống kê ở mức ý nghĩa 5%. Khi các yếu tố về thời gian hoàn thành các thủ tục đăng ký thuế hoặc thay đổi thông tin đăng ký thuế ngắn; Khi thực hiện thủ tục hành chính thuế DN ít gặp phiền hà; Thời gian DN đƣợc giải quyết thủ tục hành chính ngắn; Thời gian thực hiện thủ tục hành chính để giải quyết vấn đề về thuế thu nhập
DN ngắn s làm mức độ hài lòng của DN tăng lên.
4.4 Kết quả kiểm định các giả thuyết của mô hình hồi quy
Dựa vào kết quả hồi quy ở Bảng 17 ta thấy giá trị sig của 5 biến độc lập đều rất nhỏ (bằng 0,00) nhỏ hơn mức ý nghĩa 5% cho thấy 5 biến độc lập (Tiếp cận thông tin, Sự phục vụ của công chức ngành thuế, Công tác thanh tra kiểm tra của cơ quan thuế, Kết quả giải quyết công việc của ngành thuế tỉnh Vĩnh Long, Thời gian giải quyết TTHC thuế) đều có tác động đến biến phụ thuộc (Mức độ hài lòng