Sau khi tìm ra các nhân tố tác động đến mức độ hài lòng của DN bằng phân tích hệ số tin cậy Cronbach Alpha và phân tích nhân tố khám phá EFA, các nhân tố tiếp tục được đưa vào mô hình hồi quy bội để phân tích, xác định cụ thể trọng số của từng yếu tố tác động đến mức độ hài lòng của DN.
Kết qủa số liệu phân tích thể hiện (phụ lục 7). Với kết quả Bảng 4.11: Thống kê phân tích các hệ số hồi quy ta có hệ sốR2 = 0.789 và hệ số R2 hiệu chỉnh = 0.784. Nói cách khác, khoảng 78.4% khác biệt của mức độ hài lòng quan sát có thể được giải thích bởi sự khác biệt của 4 thành phần: Thông tin về thuế, Công chức thuế, Thủ tục và chính sách thuế, Cơ sở vật chất tại cơ
quan thuế.
Kiểm nghiệm mô hình với giá trị Sig = 0.000 (<0.05) cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Với kết quảBảng 4.12như sau:
Quan sát các hệ sốβ chuẩn hóa, ta thấy cả 04 nhân tố: Thông tin về thuế, Công chức thuế, Thủ tục và chính sách thuế, Cơ sở vật chất tại cơ quan thuế đều có mối quan hệ tuyến tính với sự hài lòng của DN với Sig t < 0.05.
Phương trình hồi quy được xác định như sau:
Y = β0 +β1X1 +β2X2 + β3X3 +β4X4
Trong đó:
Y là biến phụ thuộc thể hiện giá trị dự đoán vềsựhài lòng của DN.
β0,β1,β2,β3,β4 là các hệ số hồi quy.
X1, X2, X3, X4 là các biến độc lập theo thứ tự: Thông tin về thuế, Công chức thuế, Thủ tục và chính sách thuế, Cơ sở vật chất tại cơ quan thuế.
Y = -2.172 E17 + 0.590X1 + 0.345X2+ 0.467X3 + 0.322X4
Các hệ số hồi quy mang dấu dương thể hiện các yếu tố trong mô hình hồi
quy trênảnh hưởng tỉ lệ thuận đến sự hài lòng của DN. Hằng số -2.172E17 là một hằng số rất nhỏ không ảnh hưởng đến sự hài lòng của DN. Các thành phần đo lường sự hài lòng nêu trên cho thấy tất cả các thành phần đều có ảnh hưởng đến sự hài lòng của DN, trong đó thành phần Thông tin về thuế tác động mạnh đếnsự hài lòng củaDN so với các thành phần còn lại.
- Giả sử X1 biến động tăng 1% và X2, X3, X4 không thay đổi thì sự hài lòng của DN: Y tăng là 0.59; tương tự với các X2, X3, X4. Như vậy việc tác động lên các biến độc lập tăng thì sự hài lòng cũng tăng theo.
Trong trường hợp các biến độc lập có hiện tượng đa cộng tuyến tức là các biến độc lập tương quan chặt chẽ với nhau và nó cung cấp cho mô hình những thông tin rất giống nhau và khó tách ảnh hưởng của từng biến riêng rẽ nên để tránh diễn giải sai lệch kết quả hồi quy so với thực tế thì cần phải đánh giá, đo lường hiện tượng đa cộng tuyến. Hệ số phóng đại phương sai VIF (Variance inflation factor – VIF) rất nhỏ (đều xấp xỉ bằng 1) cho thấy các
biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra. Do đó, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy.
Bảng 4.11 Thống kê phân tích các hệ số hồi quy
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 0.888a 0.789 0.784 0.46428056 a. Predictors: (Constant), Thong tin ve thue, Cong chuc thue, Thu tuc va chinh sach thue, Co so vat chat tai co quan thue.
b. Dependent Variable: Muc do hai long
ANOVAb
Model Sum of
Squares df Mean Square F Sig. Regression 162.458 4 40.614 188.417 0.000a
Residual 43.542 202 0.216 1
Total 206.000 206
a. Predictors: (Constant), Thong tin ve thue, Cong chuc thue, Thu tuc va chinh sach thue, Co so vat chat tai co quan thue.
b. Dependent Variable: Muc do hai long
Bảng 4.12 Các thông số thống kê của từng biến trong phương trình.
Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF (Constant) -2.172 E-17 0.032 0.000 1.000
Thong tin ve thue 0.590 0.032 0.590 18.239 0.000 1.000 1.000 (adsbygoogle = window.adsbygoogle || []).push({});
Thu tuc va chinh
sach thue 0.467 0.032 0.467 14.444 0.000 1.000 1.000
Cong chuc thue 0.345 0.032 0.345 10.651 0.000 1.000 1.000
1
Co so vat chat tai
co quan thue 0.322 0.032 0.322 9.948 0.000 1.000 1.000
a. Dependent Variable: Muc do hai long.