Mô hình nghiên cứu điều chỉnh sau khi phân tích nhân tố khám phá (EFA) và các giả thuyết nghiên cứu đƣợc phân tích bằng phƣơng pháp phân tích hồi quy OLS. Có hai phƣơng trình hồi quy cần thực hiện, phƣơng trình thứ nhất (hồi quy đa biến) nhằm xác định vai trò quan trọng của từng nhân tố trong việc đánh giá mối quan hệ giữa các hình thức học tập đến sự gắn kết và hiệu quả tổ chức; phƣơng trình thứ hai (hồi quy đơn) nhằm xác định sự tác động của yếu tố gắn kết tổ chức đối với hiệu quả tổ chức.
Để đánh giá độ phù hợp của mô hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square) để đánh giá mức độ phù hợp của mô hình nghiên cứu. Hệ số xác định R2 đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình, tuy nhiên không phải phƣơng trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hƣớng là một yếu tố lạc quan của thƣớc đo sự phù hợp của mô hình đối với dữ liệu trong trƣờng hợp có một biến giải thích trong mô hình. Nhƣ vậy, trong hồi quy tuyến tính bội thƣờng dùng R-square điều chỉnh để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình. Bên cạnh đó, cần kiểm tra hiện tƣợng tƣơng quan bằng hệ số Durbin-Watson (1< Durbin-Watson<3) và không có hiện tƣợng đa cộng tuyến bằng hệ số phóng đại phƣơng sai VIF (VIF < 2,5). Hệ số Beta chuẩn hóa đƣợc dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó càng lớn (Hoàng Trọng và Mộng Ngọc, 2005).