4.5.2. Các giả thuyết
Vì mô hình được giữ lại như ban đầu nên các giả thuyết của mô hình cũng không thay đổi.
Giả thuyết H1: Có mối quan hệ dương giữa Sự tin tưởng với Sự hài lòng của Doanh nghiệp trong kê khai thuế qua mạng;
Giả thuyết H2: Có mối quan hệ dương giữa Hỗ trợ doanh nghiệp với Sự hài lòng của Doanh nghiệp trong kê khai thuế qua mạng;
Giả thuyết H3: Có mối quan hệ dương giữa Tính đáng tin cậy với Sự hài lòng của Doanh nghiệp trong kê khai thuế qua mạng;
Giả thuyết H4: Có mối quan hệ dương giữa Thiết kế Website với Sự hài lòng của Doanh nghiệp trong kê khai thuế qua mạng;
Giả thuyết H5: Có mối quan hệ dương giữa Tính hiệu quả với Sự hài lòng của Doanh nghiệp trong kê khai thuế qua mạng.
Tính hiệu quả Sự hài lòng doanh nghiệp Thiết kế Website Tính đáng tin cậy
4.6. Phân tích tương quan
Như đã đề cập trong mục 3.5 của cùng luận văn này, trước khi phân tích hồi quy bội tác giả tiến hành phân tích tương quan để xem xét các mối liên hệ giữa các biến độc lập với nhau và các biến độc lập với các biến phụ thuộc kết quả được trình bày trong bảng 4.15:
Bảng 4.15: Ma trận tương quan giữa các biến
Correlationsa
TRU CIS REL WEB EFF SAT
TRU Pearson Correlation 1 ,253** ,148* ,142* ,178** ,432**
Sig. (2-tailed) ,000 ,028 ,035 ,008 ,000
CIS Pearson Correlation ,253** 1 ,305** ,164* ,186** ,609**
Sig. (2-tailed) ,000 ,000 ,014 ,005 ,000
REL Pearson Correlation ,148* ,305** 1 ,107 ,137* ,489**
Sig. (2-tailed) ,028 ,000 ,112 ,042 ,000
WEB Pearson Correlation ,142* ,164* ,107 1 ,064 ,296**
Sig. (2-tailed) ,035 ,014 ,112 ,343 ,000
EFF Pearson Correlation ,178** ,186** ,137* ,064 1 ,343**
Sig. (2-tailed) ,008 ,005 ,042 ,343 ,000
SAT Pearson Correlation ,432** ,609** ,489** ,296** ,343** 1
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000
**. Correlation is significant at the 0,01 level (2-tailed). *. Correlation is significant at the 0,05 level (2-tailed). a. Listwise N=221
(Nguồn: Kết quả khảo sát của tác giả) Nhìn trong bảng 4.15 ta có nhận xét: 5 nhân tố độc lập đều có sự tương quan với nhân tố Sự hài lòng doanh nghiệp (thấp nhất là 0,296) và chúng đều có ý nghĩa ở mức 1% hoặc 5% nên ta có thể kết luận các biến độc lập này có thể đưa vào mô hình để giải thích cho biến Sự hài lòng doanh nghiệp. Mặc dù hầu hết hệ số tương quan giữa các biến độc lập với nhau không cao (trừ biến REL và biến CIS có tương quan với nhau khá mạnh); nhưng nhiều biến có tương quan ở mức 1% hoặc 5% điều này khiến chúng ta phải xem xét lại thật kỹ vai trò của các biến độc lập này trong mô hình hồi qui tuyến tính bội ta xây dựng được.
Như vậy, sau khi kiểm định Pearson thì giữa các biến độc lập với nhau và các biến này đều thỏa điều kiện để đưa vào phân tích hồi quy.
4.7. Hồi quy tuyến tính
Phân tích hồi qui bội là một trong những đích nhắm lớn nhất của tác giả để xem xét và lượng hóa được mối quan hệ giữa các biến độc lập là những nhân tố ảnh hưởng đến Sự hài lòng doanh nghiệp và biến phụ thuộc là Sự hài lòng doanh nghiệp. Sau khi hoàn thành các thủ tục cần thiết như kiểm định thang đo Cronbach’s alpha, phân tích nhân tố EFA, phân tích tương quan Pearson kết quả cho thấy đều phù hợp để chạy phân tích hồi qui.
Phương trình hồi quy bội mẫu được tác giả xây dựng như sau: SAT = 0 + 1*TRU + 2*CIS + 3*REL + 4*WEB + 5*EFF
Trong đó:
- SAT: Biến phụ thuộc Sự hài lòng doanh nghiệp.
- 1, 2, 3, 4, 5: là các hệ số hồi quy được dùng từ các hệ số hồi quy ước lượng được.
- TRU, CIS, REL, WEB, EFF là các biến độc lập theo thứ tự: Sự tin tưởng, Hỗ trợ công dân, Tính đáng tin cậy, Thiết kế Website và Tính hiệu quả.
Phương trình hồi qui bội được thực hiện trên phần mềm SPSS 16.0. Với 5 biến độc lập và 1 biến phụ thuộc được đưa vào phân tích, phương pháp hồi qui bội được chọn là phương pháp chọn từng bước (stepwise selecsion). Đây là một kết hợp của thủ tục đưa vào dần và loại trừ dần và có lẽ là phương pháp được sử dụng thông thường nhất.(2)
4.7.1. Đánh giá sự phù hợp của mô hình hồi qui
Như đã đề cập trong phần 3.5.2 hệ số R2 hiệu chỉnh được thay cho hệ số R2 để xem xét sự phù hợp của mô hình hồi qui đa biến vì nó không thổi phồng mức độ phù hợp của mô hình.
2 Hoàng Trọng – Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS tập 1, NXB Hồng Đức.
Bảng 4.16: Kết quả đánh giá sự phù hợp của mô hình
Model Summaryf
Model R R Square Adjusted R Square Std, Error of the Estimate Durbin-Watson 1 ,609a ,371 ,368 ,58916 2 ,687b ,472 ,467 ,54099 3 ,736c ,541 ,535 ,50537 4 ,756d ,571 ,564 ,48966 5 ,771e ,594 ,585 ,47753 1,937
a. Predictors: (Constant), CIS b. Predictors: (Constant), CIS, REL c. Predictors: (Constant), CIS, REL, TRU d. Predictors: (Constant), CIS, REL, TRU, EFF e. Predictors: (Constant), CIS, REL, TRU, EFF, WEB f. Dependent Variable: SAT
(Nguồn: Kết quả khảo sát của tác giả) Từ kết quả bảng 4.16, ta thấy khi đưa dần thêm từng biến quan sát vào mô hình thì R2 hiệu chỉnh tăng dần và khi ta đưa 5 biến vào thì R2 hiệu chỉnh lúc này đạt giá trị lớn nhất. Lúc đó R2 điều chỉnh đạt 0,585 cho thấy sự tương thích của mô hình với biến quan sát là chấp nhận được và biến phụ thuộc Sự hài lòng doanh nghiệp
được giải thích bởi 5 biến độc lập trong mô hình là khá cao.
4.7.2. Kiểm định sự phù hợp của mô hình
Để kiểm định sự phù hợp của mô hình hồi qui tuyến tính tổng thể thì chúng ta sử dụng kết quả kiểm định F. Kiểm định F trong phân tích phương sai xem xét có hay không mối liên hệ tuyến tính giữa biến phụ thuộc với toàn bộ tập hợp của các biến độc lập.
Giả thuyết Ho : β1 = β2 = β3 = β4 = β5 = 0
Nhìn vào bảng 4.17 và 4.18 bên dưới, ta thấy rằng trị thống kê F = 63,005 được tính từ giá trị R2 khi có mặt 5 biến, giá trị sig. = 0,000 rất nhỏ cho thấy mô hình sử dụng là phù hợp.
Như 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.
Bảng 4.17: Kết quả phân tích phương sai của mô hình
ANOVAf
Model Sum of
Squares
df Mean Square F Sig.
1 Regression 44,847 1 44,847 129,201 ,000a Residual 76,018 219 ,347 Total 120,865 220 2 Regression 57,064 2 28,532 97,490 ,000b Residual 63,801 218 ,293 Total 120,865 220 3 Regression 65,442 3 21,814 85,410 ,000c Residual 55,423 217 ,255 Total 120,865 220 4 Regression 69,074 4 17,269 72,021 ,000d Residual 51,791 216 ,240 Total 120,865 220 5 Regression 71,837 5 14,367 63,005 ,000e Residual 49,028 215 ,228 Total 120,865 220
a. Predictors: (Constant), CIS b. Predictors: (Constant), CIS, REL c. Predictors: (Constant), CIS, REL, TRU d. Predictors: (Constant), CIS, REL, TRU, EFF e. Predictors: (Constant), CIS, REL, TRU, EFF, WEB f. Dependent Variable: SAT
(Nguồn: Kết quả khảo sát của tác giả) Bảng 4.18: Kết quả phân tích hồi qui bội
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error
Beta Tolerance VIF
1 (Constant) 1,294 ,198 6,551 ,000 CIS ,667 ,059 ,609 11,367 ,000 1,000 1,000 2 (Constant) ,366 ,231 1,584 ,115 CIS ,556 ,057 ,507 9,818 ,000 ,907 1,103 REL ,351 ,054 ,334 6,461 ,000 ,907 1,103 3 (Constant) -,561 ,270 -2,078 ,039 CIS ,487 ,054 ,445 8,990 ,000 ,863 1,159
REL ,329 ,051 ,312 6,453 ,000 ,902 1,109 TRU ,327 ,057 ,273 5,728 ,000 ,931 1,075 4 (Constant) -1,052 ,290 -3,623 ,000 CIS ,462 ,053 ,422 8,732 ,000 ,850 1,176 REL ,314 ,050 ,299 6,346 ,000 ,896 1,116 TRU ,298 ,056 ,249 5,344 ,000 ,914 1,094 EFF ,187 ,048 ,179 3,892 ,000 ,941 1,062 5 (Constant) -1,428 ,303 -4,711 ,000 CIS ,442 ,052 ,403 8,510 ,000 ,839 1,191 REL ,305 ,048 ,290 6,319 ,000 ,894 1,119 TRU ,280 ,055 ,233 5,111 ,000 ,905 1,104 EFF ,184 ,047 ,176 3,933 ,000 ,941 1,063 WEB ,154 ,044 ,154 3,481 ,001 ,959 1,043 a. Dependent Variable: SAT
(Nguồn: Kết quả khảo sát của tác giả) Kiểm định các giả thuyết về ý nghĩa của hệ số hồi qui
Ho : βi = 0.
Kết quả thể hiện trên bảng 4.18 cũng cho ta thấy: giá trị sig. (p value) của các hệ số hồi qui β1, β2, β3, β4, β5 đều nhỏ hơn 0,05 tức là với mức ý nghĩa là 5% nên ta bác bỏ giả thuyết Ho hay nói cách khách với tập dữ liệu mẫu và mô hình được mô tả thì không đủ bằng chứng có ý nghĩa thống kê cho thấy βi = 0.
4.7.3. Dò tìm sự vi phạm các giả thuyết trong hồi qui tuyến tính
Từ biểu đồ phân tán giữa hai biến giá trị dự đoán chuẩn hóa (Standardized Predicted Value) và phần dư chuẩn hóa (Standardized Residual) cho thấy phần dư phân tán ngẫu nhiên. Vì vậy giả định liên hệ tuyến tính không bị vi phạm.
Độ lớn của phần dư chuẩn hóa trên biểu đồ phân tán không tăng hoặc giảm cùng với giá trị dự đoán chuẩn hóa. Vì vậy, giả định phương sai của sai số không đổi không bị vi phạm.
(Nguồn: Kết quả khảo sát của tác giả)