THỰC TRẠNG CÔNG TÁC QUẢN LÝ THUẾ GTGT ĐỐI VỚI CÁC DOANH NGHIỆP TẠI CỤC THUẾ TỈNH TIỀN GIANG
12. Phòng Hành chính - Quản trị - Tài vụ - Ấn chỉ
2.4. Đánh giá CBCC Cục thuế và DN về quản lý thuế GTGT tại Cục Thuế tỉnh TG
2.3.5. Phân tích hồi quy xác định các nhân tố ảnh hưởng đến công tác quản lý thuế GTGT đối với các doanh nghiệp tại Cục thuế tỉnh Tiền Giang
Kết quả phân tích hồi quy để xác định cụ thể trọng số của từng nhân tố tác động đến đánh giá của CBCC và DN về công tác quản lý thuế GTGT đối với doanh nghiệp tại Cục thuế tỉnh Tiền Giang thể hiện ở bảng 2.21 và 2.22.
Mô hình nghiên cứu ở đây là mô hình hồi quy tuyến tính bội, trong đó, biến độc lập là những nhân tố: X1: Công tác quản lý nợ thuế; X2: Công tác kiểm tra hoàn thuế; X3: Công tác đăng ký kê khai nộp thuế; X4: Công tác tuyên truyền hỗ trợ người nộp thuế; X5: Chính sách thủ tục về thuế; và biến Dummy đối tượng điều tra (D=1 nếu là CBCC và D=0 nếu là DN). Biến phụ thuộc là: Công tác quản lý thuế GTGT đối với doanh nghiệp tại Cục thuế tỉnh Tiền Giang.
Để đánh giá mức độ tác động riêng lẻ của từng nhân tố đến đánh giá của các đối tượng điều tra về công tác quản lý thuế GTGT đối với doanh nghiệp tại Cục thuế tỉnh Tiền Giang, trong nghiên cứu này, tác giả phân tích mô hình hồi quy tuyến tính bội với phương pháp đưa vào một lượt (Enter). Như vậy có 6 thành phần ở trên là biến độc lập (Independents) và công tác quản lý thuế GTGT đối với doanh nghiệp tại Cục thuế tỉnh Tiền Giang là biến phụ thuộc (Dependent) sẽ được đưa vào để chạy cùng một lúc. Kết quả thể hiện ở bảng 2.21 và 2.22.
Qua kết quả phân tích ở bảng 2.21 cho thấy: Hệ số xác định R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình (4 biến). Tuy nhiên, mô hình thường không phù hợp với dữ liệu thực tế như giá trị R2 thể hiện. Trong tình huống này R2 điều chỉnh (Adjusted R Square) từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi qui tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2. So sánh 2 giá trị R2 và giá trị R2 điều chỉnh (Adjusted R Square) cho thấy R2 điều chỉnh nhỏ hơn, dùng R2 điều chỉnh đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Bảng 2.21. Kết quả kiểm định mô hình R R2 R2 điều
chỉnh
R thay đổi
F thay
đổi df1 df2 Sig. F Durbin- Watson
.820 .672 .662 .672 72.646 6 213 .000 1.752
(Nguồn: Kết quả xử lý số liệu SPSS) Kiểm định F sử dụng trong phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi qui tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Giả thuyết được đặt ra là:
H0: β1= β2= β3= 0
H1: có ít nhất 1 hệ số β ≠ 0
Kết quả nhận thấy mức ý nghĩa Sig. rất nhỏ 0.00 (Bảng 2.21) và hệ số xác định R2 = 0.672 hay R2 hiệu chỉnh = 0.662. Chứng minh cho sự phù hợp của mô hình với mức độ giải thích 66,2% sự biến thiên của mô hình do các biến đưa vào giải thích. Mô hình hồi quy có dạng:
Yi = β0 + β1.eD + β2.X1 + β3.X2 + β4.X3 + β5.X4 + β6.X5 + ui Trong đó :
- i : Là thứ tự mẫu điều tra (i = 1 230 )
- β0, β1, β2, β3, β4, β5, β6: Là các hệ số hồi quy tương ứng các biến độc lập.
Các biến độc lập:
D: Đối tượng điều tra (D=1: là CBCC và D=0: là DN) X1: Công tác quản lý nợ thuế;
X2: Công tác kiểm tra hoàn thuế;
X3: Công tác đăng ký kê khai nộp thuế;
X4: Công tác tuyên truyền hỗ trợ người nộp thuế;
X5: Chính sách thủ tục về thuế;
Y: công tác quản lý thuế GTGT đối với DN tại Cục thuế tỉnh Tiền Giang.
Hệ số phóng đại phương sai –VIF (Variance inflation factor) của các biến độc lập trong mô hình đều < 2 do đó hiện tượng đa cộng tuyến giữa các biến độc lập không ảnh hưởng đến mô hình hồi qui (bảng 2.22).
Bảng 2.22. Kết quả phân tích hồi quy
Các biến B Beta T Sig. Chỉ số đa cộng tuyến
Tolerance VIF
Hệ số chặn 3.696 70.026 .000
Đối tượng -.265 -.148 -3.362 .001 .795 1.258
X1 .166 .185 4.616 .000 .964 1.037
X2 .108 .120 2.930 .004 .912 1.097
X3 .227 .253 6.325 .000 .960 1.042
X4 .171 .190 4.831 .000 .995 1.005
X5 .596 .665 16.324 .000 .928 1.077
(Nguồn: Từ kết quả xử lý số liệu điều tra với SPSS) Kết quả kiểm định các biến độc lập: “D: Đối tượng điều tra (D=1: CBCC và D=0: DN; X1: Công tác quản lý nợ thuế; X2: Công tác kiểm tra hoàn thuế; X3:
Công tác đăng ký kê khai nộp thuế; X4: Công tác tuyên truyền hỗ trợ người nộp thuế; X5: Chính sách thủ tục về thuế” đều có giá trị thống kê ‘t ‘ lớn và sig đều bằng 0,00 <0,05 cho thấy các biến trên đưa vào đều có ý nghĩa về mặt thống kê ở mức 99% và có quan hệ tác động lên biến phụ thuộc: công tác quản lý thuế GTGT đối với DN tại Cục thuế tỉnh Tiền Giang.
Ta có mô hình hồi quy được điều chỉnh lại như sau:
Y=3.696 - 0.148D + 0.185X1 + 0.120X2 + 0.253X3+0.190X4+0.665X5+ui Kết quả phân tích ở bảng 2.22 và mô hình trên cho thấy: Hệ số của các nhân tố độc lập: X1: Công tác quản lý nợ thuế; X2: Công tác kiểm tra hoàn thuế; X3:
Công tác đăng ký kê khai nộp thuế; X4: Công tác tuyên truyền hỗ trợ người nộp thuế; X5: Chính sách thủ tục về thuế đều có giá trị dương và khá lớn, nên ảnh hưởng tỷ lệ thuận với biến phụ thuộc, tức khi tăng các biến này thì biến phụ thuộc cũng tăng theo, trong đó hệ số của nhân tố X5 là lớn nhất, đến hệ số của nhân tố X3, X4, X1, và cuối cùng là hệ số của nhân tố X2. Nhân tố X5: Chính sách thủ tục về thuế gồm các biến Thuế suất thuế GTGT là phù hợp và Chính sách thuế GTGT thay đổi làm anh chị hài lòng. Với ý nghĩa đó theo kết quả ước lượng ở trên, khi nhân tố X5:
Chính sách thủ tục về thuế tăng thêm 1% trong điều kiện các yếu tố khác không đổi thì tác động của những vấn đề này đến công tác quản lý thuế GTGT đối với doanh nghiệp tại Cục thuế tỉnh Tiền Giang sẽ tăng thêm 0,665% với mức ý nghĩa thông kê 99%. Cùng với cách giải thích tương tự, chúng ta sẽ thấy được ý nghĩa của các nhân tố còn lại trong mô hình.
Qua nghiên cứu thực tế chúng tôi nhận thấy, chính sách thủ tục về thuế trong thời gian qua là phù hợp và được thực hiện khá tốt. Nhờ vậy, chính những vấn đề này có tác động lớn đến công tác quản lý thuế GTGT của Cục thuế thời gian qua.
2.5. Đánh giá chung công tác quản lý thuế GTGT trên địa bàn