Kết quả cho thấy mô hình có độ phù hợp đạt yêu cầu (R2=0,72). Hệ số R2
hiệu chỉnh (Adjusted Square) trong mô hình này là 0,72 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức 72%. Điều này cũng có nghĩa là có 72% sự biến thiên Kiểm soát rủi ro hoạt động thu thuế được giải thích chung bởi 8 biến độc lập trong mô hình.
Bảng 4.23: Kiểm tra độ phù hợp của mô hình
Model Summaryb
Mô hình Hệ số R Hệ số R2 Hệ số R
2 -
hiệu chỉnh
Sai số chuẩn của ước lượng
Hệ số Durbin Watson
Kiểm định F về tính phù hợp của mô hình hồi quy tuyến tính tổng thể. Kiểm định này cho chúng ta biết biến phụ thuộc có tương quan tuyến tính với toàn bộ các biến độc lập hay không.
Giả thuyết H0 là: β1 = β2 = β3 = β4 = β5 = β6 = β7 = β8 = 0. Kiểm định F và giá trị sig.
Nếu giả thuyết H0 bị bác bỏ, chúng ta có thể kết luận các biến đốc lập trong mô hình có thể giải thích được sự thay đổi của biến phụ thuộc, điều này đồng nghĩa mô hình xây dựng phù hợp với tập dữ liệu các biến.
Bảng 4.24: Bảng phân tích ANOVA ANOVAa Mô hình Tổng bình phương Bậc tự do Trung bình bình phương F Sig. Hồi quy 69.953 8 8.744 74.770 .000b Phần dư 25.845 221 .117 Tổng 95.798 229
(Nguồn phân tích dữ liệu - phụ lục số 4.14)
Kết quả từ bảng 4.24, cho thấy giá trị Sig = .000(< 0.05) chứng tỏ rằng mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập được, và các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% nên bác bỏ giả thuyết H0. Điều này có ý nghĩa là các biến độc lập trong mô hình có tương quan tuyến tính với biến phụ thuộc, tức là sự kết hợp của các biến độc lập có thể giải thích được sự thay đổi của biến phụ thuộc. Mô hình hồi quy tuyến tính bội được xây dựng phù hợp và có thể sử dụng được.