CHƢƠNG 1 : CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
3.4. KẾT QUẢ PHÂN TÍCH MÔ HÌNH HỒI QUY TUYẾN TÍNH
Nếu phân tích tƣơng quan cho ta biết đƣợc mối liên hệ giữa các biến định lƣợng thì mô hình hồi quy sẽ mô tả hình thức của mối liên hệ qua đó giúp ta dự đoán đƣợc mức độ của biến phụ thuộc (với độ chính xác trong một phạm vi giới hạn) khi biết trƣớc giá trị của biến độc lập.
Đặt giả thiết về những nhân tố tác động đến sự hài lòng của NNT:
Giả thiết N i dung
H1 Mức độ tiếp cận dịch vụ ảnh hƣởng đến sự hài lòng của NNT H2 Thủ tục hành chính thuế ảnh hƣởng đến sự hài lòng của NNT H3 Sự phục vụ của CBCC ảnh hƣởng đến sự hài lòng của NNT
H4 Kết quả, tiến độ giải quyết công việc ảnh hƣởng đến sự hài lòng của NNT
H5 Điều kiện tiếp đón và phục vụ ảnh hƣởng đến sự hài lòng của NNT
H6 Kết quả, tiến độ giải quyết công việc ảnh hƣởng đến sự hài lòng của NNT
Nguồn: Tác giả đề xuất từ dữ liệu
Áp dụng phân tích hồi quy vào mô hình, tiến hành phân tích hồi quy đa biến với 6 nhân tố đã đƣợc kiểm định hệ số tƣơng quan (X1, X2, X3, X4, X5, X6) và biến phụ thuộc (Y). Phƣơng pháp phân tích đƣợc chọn là phƣơng pháp đƣa vào một lƣợt Enter.
Bảng 3.6: Hệ số hồi quy đa biến
Hệ số chƣa chuẩn hóa Hệ số
chuẩn hóa t Sig. Đa c ng tuyến
B Std. Error Beta Tolerance VIF
Hằng số -0.344 0.300 -1.148 0.253 X1 0.285 0.039 0.350 7.249 0.000 0.992 1.008 X2 0.061 0.033 0.090 1.859 0.065 0.976 1.024 X3 0.286 0.032 0.433 8.809 0.000 0.959 1.043 X4 0.171 0.028 0.297 6.009 0.000 0.949 1.054 X5 0.171 0.036 0.233 4.780 0.000 0.973 1.027 X6 0.147 0.036 0.197 4.058 0.000 0.978 1.023
Nguồn:Từ tính toán của tác giả
Bảng 3.7: Bảng phân tích kết quả hồi quy
Hệ số
chuẩn hóa Sig.
Tolerance VIF Giá trị So sánh Giá trị So sánh X1 0.350 0.000 0.992 0.992>0.0001 1.008 1.008<10 X2 0.090 0.065 0.976 0.976>0.0001 1.024 1.024<10 X3 0.433 0.000 0.959 0.959>0.0001 1.043 1.043<10 X4 0.297 0.000 0.949 0.949>0.0001 1.054 1.054<10 X5 0.233 0.000 0.973 0.973>0.0001 1.027 1.027<10 X6 0.197 0.000 0.978 0.978>0.0001 1.023 1.023<10
Nguồn:Từ tính toán của tác giả
Từ bảng kết quả hồi quy trên ta thấy có 1 biến có Sig. (hay p-value) không đạt mức ý nghĩa 5% = 0.05 là: X2 = 0.065.
Nhƣ vậy với các giả thiết đặt ra:
Bác bỏ giả thiết H2, nghĩa là “Thủ tục hành chính thuế” không ảnh hưởngđến sự hài lòng của NNT
Chấp nhận các giả thiết H1, H3, H4, H5, H6, nghĩa là “Mức độ tiếp cận”, “Sự phục vụ của CBCC”, “Kết quả, tiến độ giải quyết công việc”, “Điều kiện tiếp đón và phục vụ”, “Tiếp nhận và xử lý thông tin phản hồi”
có ảnh hưởngđến sự hài lòng của NNT.
đạt đƣợc tiêu chuẩn chấp nhận Tolerance > 0,0001; đều có hệ số phóng đại phƣơng sai VIF < 10. Nhƣ vậy các biến độc lập này là hoàn toàn phù hợp trong mô hình. Phƣơng trình hồi quy chuẩn hóa lúc này:
Y= -0.344 + 0.285 X1 + 0.286 X3 + 0.171 X4 + 0.171 X5 + 0.147 X6 Với:
Y: Biến hài lòng (phụ thuộc) X1: Mức độ tiếp cận dịch vụ
X3: Sự phục vụ của cán bộ công chức X4: Kết quả, tiến độ giải quyết công việc X5: Điều kiện tiếp đón và phục vụ
X6: Tiếp nhận và xử lý thông tin phản hồi
Bảng 3.8. Kết quả đánh giá mô hình hồi quy
Yếu tố cần đánh giá Giá trị chạy bảng So sánh
R 0.744
R2 0.554
R2 hiệu chỉnh 0.540
Sig. của kiểm định F 0.000 0.000<0.05
Hệ số Durbin-Watson 2.120 0< 2.120 <4
Phƣơng trình hồi quy chuẩn hóa
Y= 0.350 X1 + 0.433 X3 + 0.297 X4 + 0.233 X5 + 0.197 X6
Nguồn:Từ tính toán của tác giả
Kiểm định F sử dụng trong phân tích phƣơng sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp của các biến độc lập. Trong trƣờng hợp này sau khi tiến hành phân tích ta có đƣợc kết quả phân tích hồi quy tuyến tính bội nhƣ sau: hệ số xác định điều chỉnh (R2
điều chỉnh) = 54.0%, nghĩa là mô hình cho phép đƣa ra kết luận: 54.0% sự thay đổi của biến phụ thuộc (sự hài lòng) đƣợc giải thích bởi sự thay đổi của 5 biến số độc lập (các biến từ X1, X3... đến X6). Các giá trị của đại lƣợng thống kê F=39.912
và Sig.F=0.000 cho thấy phƣơng trình hồi quy nói chung là có ý nghĩa thống kê ở mức tốt. Các đại lƣợng thống kê t và giá trị Sig. tƣơng ứng của nó khẳng định các hệ số hồi quy tƣơng ứng với các biến độc lập từ X1, X3,… đến X6 đều khác 0 một cách có ý nghĩa thống kê, ngoại trừ hằng số (Bảng 3.6).
Qua phân tích hồi quy ta thấy hệ số VIF của các biến đều bé hơn 2 nên khả năng xảy ra đa cộng tuyến thấp.
Hệ số Durbin – Watson dùng để kiểm định tƣơng quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sử dụng phƣơng pháp hồi quy bội vì giá trị Durbin – Watson đạt đƣợc là 2.120 (nằm trong khoảng từ 0 đến 4) và chấp nhận giả thuyết không có sự tƣơng quan chuỗi bậc nhất trong mô hình. Nhƣ vậy, mô hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Qua đây ta có thể khẳng định mức độ ảnh hƣởng dƣơng (cùng chiều) của các biến độc lập đến biến phụ thuộc, đồng thời mức độ ảnh hƣởng của từng biến độc lập lên biến phụ thuộc xếp theo thứ tự giảm dần nhƣ sau: X3, X1, X4, X5, X6.
Kết quả kiểm định mô hình cho ở hình 4.2.
Trong điều kiện các yếu tố khác không đổi, khi mức độ tiếp cận dịch vụ
đƣợc phân bổ hợp lý, NNT sẽ hài lòng hơn với chất lƣợng dịch vụ thuế.
Trong điều kiện các yếu tố khác không đổi, khi sự phục vụ của CBCC
chu đáo và có trách nhiệm, NNT sẽ hài lòng hơn với chất lƣợng dịch vụ thuế. Trong điều kiện các yếu tố khác không đổi, khi kết quả, tiến độ giải quyết công việc đƣợc thực hiện nhanh chóng, chính xác thì NNT sẽ hài lòng hơn với chất lƣợngdịch vụ thuế.
Trong điều kiện các yếu tố khác không đổi, khi điều kiện tiếp đón và phục vụ đƣợc bố trí hợp lý, NNT sẽ hài lòng hơn với chất lƣợng dịch vụ thuế.
Trong điều kiện các yếu tố khác không đổi, khi tiếp nhận và xử lý thông tin phản hồi đƣợc giải quyết hợp lý, NNT sẽ hài lòng hơn với chất lƣợng dịch vụ thuế.
Nguồn:Từ tính toán của tác giả
Hình 4.2. Kết quả kiểm định mô hình