Kiểm định độ phù hợp của mô hình
Hệ số R² điều chỉnh là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó không phụ thuộc vào độ lệch phóng đại của hệ số R². Kết quả phân tích hồi qui bội (bảng 4.8) cho thấy R² điều chỉnh (Adjusted R Square) bằng 0.668, nghĩa là mức độ phù hợp của mô hình là 66.8%. Nói chính xác, 6 nhân tố là KTT, DD, CST, QDDN, YTT, HDKT giải thích được 66.8% biến phụ thuộc là tuân thủ thuế. Còn lại 33.2% xuất phát từ các nhân tố khác. Có thể nói các biến được đưa vào mô hình đạt kết quả giải thích khá tốt.
Bảng 4. 8: Model Summaryb
Model R R² R² điều chỉnh Std. Error of
the Estimate Durbin-Watson
1 .824a .678 .668 .42364 1.890
Kết quả nhận được từ bảng ANOVAb
(bảng 4.9) cho thấy trị thống kê F là 68.852 với giá trị Sig. rất nhỏ (= 0.000 < 0.05). Như vậy, có thể kết luận rằng mô hình hồi qui bội thỏa mãn các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Bảng 4. 9: ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 74.141 6 12.357 68.852 .000a
Residual 35.176 196 .179
Total 109.317 202
Hiện tượng đa cộng tuyến
Để kiểm tra hiện tượng đa cộng tuyến, hệ số phóng đại phương sai (VIF) được sử dụng và khi VIF < 10 nghĩa là các biến độc lập không có tương quan tuyến tính với nhau. Kết quả nhận được từ bảng 4.7 với hệ số phóng đại phương sai (VIF) có giá trị thấp nhất là 1.075 và cao nhất là 1.399 đạt yêu cầu (VIF < 10). Có thể kết luận mô hình hồi qui tuyến tính bội không có hiện tượng đa cộng tuyến. Như vậy, mối quan hệ giữa các biến độc lập không ảnh hưởng đến việc giải thích mô hình hồi qui tuyến tính bội.