Ma Trận Nhân Tố (Component Matrixa) Của Biến Phụ Thuộc.

Bảng 4.14: Bảng giải thích tổng biến biến phụ thuộc.



Component

Initial Eigenvalues

Extraction Sums of Squared

Loadings

Total

% of

Variance

Cumulative %

Total

% of

Variance

Cumulative %

1

4,367

62,382

62,382

4,367

62,382

62,382

2

0,843

12,040

74,422




3

0,559

7,987

82,409




Có thể bạn quan tâm!

Xem toàn bộ 192 trang tài liệu này.

Extraction Method: Principal Component Analysis.

Các biến quan sát trong thang đo đều có mức tải nhân tố biến thiên từ 0,564 đến 0,933 > 0,5, cho thấy giá trị thang đo là chấp nhận được.

Bảng 4.15: Ma trận nhân tố (Component Matrixa) của biến phụ thuộc.



Nhân tố

Công tác KSRR trong

quản lý hoàn thuế

KSRR 1

0,933

KSRR 2

0,871

KSRR 3

0,847

KSRR 4

0,811

KSRR 5

0,766

KSRR 6

0,675

KSRR 7

0,564

Extraction Method: Principal Component Analysis.

a. 1 components extracted.

Phân tích nhân tố khám phá các biến độc lập của mô hình.

Sau khi ứng dụng phần mềm SPSS, kết quả thu được của việc phân tích nhân tố khám phá các biến độc lập của mô hình như sau:

Kết quả kiểm định KMO và Bartlett’s cho thấy giá trị KMO là 0,855 > 0,5 và P-Value (của kiểm định Bartlett’s) < 0,05 (Bảng 4.16). Như vậy mô hình thỏa mãn điều kiện của kiểm định KMO và Bartlett’s.

Bảng 4.16: Kết quả kiểm định KMO và Bartlett đối với các biến độc lập.


Kaiser-Meyer-Olkin Measure of Sampling Adequacy,

0,854

Bartlett's Test of Sphericity

Approx, Chi-Square

5277,976

df

1128

Sig,

0,000

Giá trị eigenvalues ở mức trích 8 nhân tố là 1,602 > 1, trong khi ở mức trích 9 nhân tố là 0,995 < 1. Do đó, số lượng nhân tố trích sẽ dừng ở 8. Tổng phương sai

trích (tổng biến thiên được giải thích bởi các nhân tố) là 69,196% > 50%, thỏa mãn yêu cầu.

Bảng 4.17: Bảng giải thích tổng biến các biến độc lập.



Comp o-nent

Initial Eigenvalues

Extraction Sums of Squared Loadings

Rotation Sums of Squared Loadings


Total

% of Varian

-ce

Cumu- lative

%


Total

% of Varian

-ce

Cumu- lative

%


Total

% of Varian

-ce

Cumu

-lative

%

1

15,008

31,266

31,266

15,00

8

31,266

31,266

4,813

10,028

10,028

2

3,817

7,951

39,217

3,817

7,951

39,217

4,667

9,722

19,750

3

3,017

6,286

45,503

3,017

6,286

45,503

4,562

9,504

29,254

4

2,968

6,184

51,687

2,968

6,184

51,687

4,061

8,461

37,716

5

2,537

5,285

56,972

2,537

5,285

56,972

4,011

8,357

46,073

6

2,316

4,826

61,798

2,316

4,826

61,798

3,946

8,220

54,293

7

1,950

4,062

65,860

1,950

4,062

65,860

3,792

7,901

62,193

8

1,602

3,337

69,196

1,602

3,337

69,196

3,361

7,003

69,196

9

0,995

2,072

71,269







10

0,968

2,016

73,285







11

0,908

1,892

75,177







12

0,851

1,773

76,950







13

0,824

1,717

78,667







14

0,742

1,545

80,212







15

0,710

1,480

81,692







16

0,652

1,359

83,051







17

0,626

1,304

84,355







18

0,599

1,248

85,602







Extraction Method: Principal Component Analysis,

Các biến quan sát trong thang đo đều có mức tải nhân tố biến thiên từ 0,597 đến 0,870 > 0,5, ngoài ra chênh lệch hai mức tải nhân tố ở hai nhân tố cần đo lường khác nhau của một biến quan sát thỏa mãn < 0,3. Như vậy giá trị thang đo là chấp nhận được.

Bảng 4.18: Ma trận Rotated Component Matrixa các biến độc lập.



Nhân tố

1

2

3

4

5

6

7

8

MT7

0,815








MT1

0,766

MT3

0,761

MT2

0,725

MT4

0,687

MT6

0,650

MT5

0,609

KS6


0,841







KS5

0,832

KS2

0,816


0,804







KS3

0,799

KS1

0,627

TL5



0,853






TL3

0,847

TL4

0,807

TL1

0,799

TL2

0,660

TL6

0,597

PU3




0,821





PU2

0,798

PU1

0,780

PU6

0,730

PU4

0,711

PU5

0,608

DG4





0,870




DG6

0,863

DG2

0,803

DG1

0,687

DG5

0,653

DG3

0,602

TT4






0,867



TT1

0,832

TT3

0,790

TT2

0,688

TT5

0,669

TT6

0,600

GS4







0,800


GS2

0,776

GS5

0,704

GS1

0,674

GS6

0,667

GS3

0,623

ND3








0,803

ND1

0,756

ND2

0,741

ND4

0,684

ND6

0,671

KS4


Kết quả trong bảng 4.18 xoay nhân tố cho thấy có 8 nhân tố được hình thành như sau:

- Nhóm 1 (nhân tố Môi trường kiểm soát - MT) gồm 7 biến MT1, T2, MT3, MT4, MT5, MT6, MT7.

- Nhóm 2 (nhân tố Hoạt động kiểm soát - KS) gồm 6 biến KS1, KS2, KS3, KS4, KS5, KS6.

- Nhóm 3 (nhân tố Thiết lập các mục tiêu - TL) gồm 6 biến TL1, TL2, TL3, TL4, TL5, TL6.

- Nhóm 4 (nhân tố Phản ứng rủi ro - PU) gồm 6 biến: PU1, PU2, PU3, PU4, PU5, PU6.

- Nhóm 5 (nhân tố Đánh giá rủi ro - DG) gồm 6 biến: DG1, DG2, DG3, DG4, DG5, DG6.

- Nhóm 6 (nhân tố Thông tin và truyền thông - TT) gồm 6 biến: TT1, TT2, TT3, TT4, TT5, TT6.

- Nhóm 7 (nhân tố Giám sát - GS) gồm 6 biến: GS1, GS2, GS3, GS4, GS5,GS6.

- Nhóm 8 (nhân tố Nhận diện rủi ro tiềm tàng - ND) gồm 5 biến: ND1,ND2, ND3, ND4, ND6.

4.3.4. Kiểm định mức độ tương quan giữa biến độc lập và biến phụ thuộc

4.3.4.1. Phương pháp kiểm định mức độ tương quan giữa biến độc lập và biến phụ thuộc

Để kiểm định mức độ tương quan giữa biến độc lập và biến phụ thuộc, hệ số tương quan Pearson sẽ được sử dụng. Để phân tích hồi quy, điều kiện cần phải có là biến độc lập phải có tương quan với biến phụ thuộc. Khi sử dụng SPSS, mức độ tương quan càng cao nếu giá trị sig < mức ý nghĩa (vd: 0,05) và hệ số tương quan Pearson càng lớn và tiến đến 1, Theo Evan (1996), giá trị tuyệt đối hệ số tương quan Pearson (tạm gọi là |r|) thể hiện mức độ tương quan giữa hai biến như sau: 0 ≤ |r| < 0,2 là rất yếu; 0,2 ≤ |r| < 0,4 là yếu; 0,4 ≤ |r| < 0,6 là trung bình; 0,6 ≤ |r| < 0,8 là mạnh và 0,8 ≤ |r| < 1 là rất mạnh. Ngoài ra, khi kiểm định hệ số tương quan Pearson, nếu giữa các biến độc lập có hệ số tương quan cao (và thỏa mãn điều kiện giá trị sig < mức ý nghĩa) thì cần kiểm tra yếu tố đa cộng tuyến.

Để kiểm định mức độ tương quan giữa các biến độc lập và biến phụ thuộc, trước hết ta thiết lập các biến đại diện cho các nhân tố trên với giá trị của chúng bằng giá trị trung bình của các biến quan sát còn trong mô hình sau bước phân tích nhân tố khám phá EFA. Cụ thể các biến đại diện như sau:


KSRR

Kiểm soát rủi ro trong quản lý hoàn thuế GTGT,

MT

Môi trường kiểm soát,

KS

Hoạt động kiểm soát,

TL

Thiết lập các mục tiêu,

PU

Phản ứng rủi ro,

RR

Đánh giá rủi ro,

TT

Thông tin và truyền thông,

GS

Hoạt động giám sát,

ND

Nhận diện rủi ro.


thuộc

4.3.4.2. Kết quả kiểm định mức độ tương quan giữa biến độc lập và biến phụ


Bảng 4.19: Tương quan giữa các biến.


Biến quan sát


1

2

3

4

5

6

7

8

9

1, KSRR

1,000









2, MT

0,656**

1,000








3, KS

0,656**

0,473**

1,000







4, TL

0,600**

0,440**

0,601**

1,000






5, PU

0,582**

0,456**

0,398**

0,405

1,000





6, DG

0,521**

0,287**

0,403**

0,322**

0,333**

1,000




7, TT

0,460**

0,335**

0,265**

0,263**

0,383**

0,192*

1,000



8, GS

0,602**

0,545**

0,489**

0,430**

0,280**

0,415**

0,290**

1,000


9, ND

0,582**

0,422**

0,398**

0,331**

0,364**

0,299**

0,342**

0,308**

1,000

Note: N = 130, *, is significant at the 0,05 level (2-tailed),

**, is significant at the 0,01 level (2-tailed),






Căn cứ theo kết quả trên, thì giá trị sig của các biến phụ thuộc với biến độc lập < 0,01 cho thấy ở mức ý nghĩa 0,01, thì các biến phụ thuộc đều có tương quan với biến độc lập. Căn cứ giá trị tương quan Pearson thì các biến độc lập và biến phụ thuộc có mức độ tương quan từ trung bình đến mạnh. Như vậy mô hình đạt điều kiện về sự tương quan giữa biến độc lập và biến phụ thuộc để có thể phân tích hồi quy.

Bên cạnh đó, giá trị sig giữa các biến độc lập cho thấy giữa chúng cũng có sự tương quan với nhau, tuy nhiên |r| biến thiên từ 0,192 đến 0,601 tức mức độ tương quan là từ yếu đến trung bình. Do đó cần xem xét việc mô hình có bị đa cộng tuyến hay không. Dấu hiệu đa cộng tuyến sẽ được xem xét thông qua hệ số phóng đại phương sai VIF khi phân tích hồi quy.

4.3.5. Phân tích hồi quy

4.3.5.1. Phương pháp phân tích hồi quy

Hiện tượng đa cộng tuyến.

Hệ số phóng đại phương sai VIF (Variance Inflation Factor) sẽ được sử dụng để kiểm tra hiện tượng đa cộng tuyến. Theo Theo Đinh Phi Hổ (2014), nếu VIF của một biến độc lập > 10 thì biến này hầu như không có giá trị giải thích biến thiên của biến phụ thuộc trong mô hình MLR. Tuy nhiên, trong thực tế, việc diễn giải các trọng số hồi quy cần phải thận trọng khi VIF > 2. Do đó, để đảm bảo không có hiện tượng đa cộng tuyến thì VIF cần < 2.

Hiện tượng tự tương quan.

Hiện tượng tự tương quan xảy ra khi sai số của các quan sát phụ thuộc vào nhau. Để kiểm định hiện tượng tự tương quan, thống kê d của Durbin – Watson được sử dụng. Có thể tra bảng thống kê Durbin – Watson để tìm các giới hạn dL và dU với N là số quan sát của mẫu và k là số biến độc lập trong mô hình.

4.3.5.2. Kết quả phân tích hồi quy

Bảng 4.20: Tổng kết mô hình (Model Summaryb)


Model

R

R Square

Adjusted R Square

Std, Error of the Estimate

Durbin-Watson

1

0,868a

0,754

0,737

0,350

1,803

a, Predictors: (Constant), MT, KS, TL, PU, DG, TT, GS, ND b, Dependent Variable: KSRR

Căn cứ kết quả trên, chỉ số Adjusted R square = 0,737 > 0,5 nghĩa là trong 100% sự biến động của biến phụ thuộc “Công tác kiểm soát rủi ro trong quản lý hoàn thuế GTGT” thì có 73,7% sự biến động là do tác động từ các biến độc lập, còn lại 26,3% là do sai số ngẫu nhiên hoặc các yếu tố khác ngoài mô hình.

Giá trị Durbin-Watson là d = 1,844, Với mẫu khảo sát có số quan sát là N = 132, số biến độc lập là k = 8, mức ý nghĩa 0,05 thì giá trị dL = 1,622, dU = 1,846, Theo Yahua Qiao (2011), thường giá trị DW nằm trong khoảng 1,5 – 2,5 sẽ không xảy ra hiện tượng tự tương quan. Giá trị d = 1,803 thuộc vào đoạn [1,5; 2,5], như vậy các phần sai số sẽ không xảy ra hiện tượng tự tương quan.

Bảng 4.21: Kết quả hồi quy



Model

Unstandardized

Coefficients

Standardized

Coefficients


T


Sig,

Collinearity

Statistics

B

Std, Error

Beta

Tolerance

VIF

1

(Constant)

-1,068

0,280


-3,807

0,000



MT

0,200

0,063

0,193

3,171

0,002

0,549

1,820

KS

0,180

0,065

0,174

2,788

0,006

0,520

1,924

TL

0,144

0,063

0,135

2,280

0,024

0,580

1,725

PU

0,155

0,053

0,162

2,899

0,004

0,653

1,531

DG

0,178

0,060

0,155

2,959

0,004

0,737

1,356

TT

0,109

0,050

0,111

2,165

0,032

0,781

1,281

GS

0,154

0,061

0,151

2,537

0,012

0,577

1,734

ND

0,206

0,055

0,197

3,706

0,000

0,718

1,393

a, Dependent Variable: KSRR

Giá trị VIF của tất cả các biến độc lập đều < 2, như vậy mô hình không xảy ra hiện tượng đa cộng tuyến.

Giá trị sig của các biến độc lập đều < 0,05, như vậy trọng số hồi quy của các biến độc lập là có ý nghĩa thống kê.

Phân phối của phần dư được kiểm chứng là phân phối chuẩn với giá trị trung bình là 2,09E-15 và độ lệch chuẩn là 0,968 ~ 1.

Biểu đồ 4.1: Biểu đồ tần số phần dư chuẩn hoá Histogram.

4 4 Kết quả nghiên cứu Phương trình hồi quy chưa chuẩn hóa KSRR 1 068 0 200 1


4.4. Kết quả nghiên cứu

Phương trình hồi quy chưa chuẩn hóa


KSRR = -1,068 + 0,200 MT + 0,180 KS +0,144 TL + 0,155 PU + 0,178 DG

+ 0,109 TT + 0,154 GS + 0,206 ND

Như vậy:

Khi Môi trường kiểm soát thay đổi 1 đơn vị thì công tác kiểm rủi ro trong hoàn thuế GTGT thay đổi cùng chiều 0,200 đơn vị (với điều kiện các biến khác không đổi).

Khi Hoạt động kiểm soát thay đổi 1 đơn vị thì công tác kiểm soát rủi ro trong hoàn thuế GTGT thay đổi cùng chiều 0,180 đơn vị (với điều kiện các biến khác không đổi).

Khi Thiết lập các mục tiêu thay đổi 1 đơn vị thì công tác kiểm soát rủi ro trong hoàn thuế GTGT thay đổi cùng chiều 0,144 đơn vị (với điều kiện các biến khác không đổi).

Khi Phản ứng rủi ro thay đổi 1 đơn vị thì công tác kiểm soát rủi ro trong hoàn thuế GTGT thay đổi cùng chiều 0,155 đơn vị (với điều kiện các biến khác không đổi).

Khi Đánh giá rủi ro thay đổi 1 đơn vị thì công tác kiểm soát rủi ro trong hoàn thuế GTGT thay đổi cùng chiều 0,178 đơn vị (với điều kiện các biến khác không đổi).

Khi Thông tin và truyền thông thay đổi 1 đơn vị thì công tác kiểm soát rủi ro trong hoàn thuế GTGT thay đổi cùng chiều 0,109 đơn vị (với điều kiện các biến khác không đổi).

Khi Hoạt động giám sát thay đổi 1 đơn vị thì công tác kiểm soát rủi ro trong hoàn thuế GTGT thay đổi cùng chiều 0,154 đơn vị (với điều kiện các biến khác không đổi).

Khi Nhận diện rủi ro thay đổi 1 đơn vị thì công tác kiểm soát rủi ro trong hoàn thuế GTGT thay đổi cùng chiều 0,206 đơn vị (với điều kiện các biến khác không đổi).

Theo kết quả mô hình hồi quy, kết luận về các giả thuyết nghiên cứu như sau:

Bảng 4.22: Kết quả sau khi kiểm định các giả thuyết nghiên cứu.


Giả thuyết

Kết luận

H1: Môi trường kiểm soát có tác động dương đối với việc nâng cao công tác

KSRR trong quản lý hoàn thuế GTGT tại đơn vị.

Chấp nhận

H2: Hoạt động kiểm soát có tác động dương đối với việc nâng cao công tác KSRR trong quản lý hoàn thuế GTGT tại đơn vị.

Chấp nhận

H3: Thiết lập các mục tiêu có tác động dương đối với việc nâng cao công tác KSRR trong quản lý hoàn thuế GTGT tại đơn vị.

Chấp nhận

H4: Phản ứng rủi ro có tác động dương đối với việc nâng cao công tác KSRR

trong quản lý hoàn thuế GTGT tại đơn vị.

Chấp nhận

H5: Đánh giá rủi ro có tác động dương đối với việc nâng cao công tác KSRR trong quản lý hoàn thuế GTGT tại đơn vị.

Chấp nhận

H6: Thông tin và truyền thông có tác động dương đối với việc nâng cao công

tác KSRR trong quản lý hoàn thuế GTGT tại đơn vị.

Chấp nhận

H7: Hoạt động giám sát có tác động dương đối với việc nâng cao công tác KSRR trong quản lý hoàn thuế GTGT tại đơn vị.

Chấp nhận

H8: Nhận diện rủi ro có tác động dương đối với việc nâng cao công tác KSRR

trong quản lý hoàn thuế GTGT tại đơn vị.

Chấp nhận

Phương trình hồi quy chuẩn hóa


KSRR = 0,193MT + 0,174 KS +0,135 TL + 0,162 PU + 0,155 DG + 0,111TT + 0,151 GS + 0,197 ND

Xem toàn bộ nội dung bài viết ᛨ

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 15/03/2023