Trước khi tiến hành phân tích hồi qui tuyến tính bội thì việc xem xét mối tương quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là cơng việc phải làm và hệ số tương quan Pearson trong ma trận hệ số tương quan là phù hợp để xem xét mối tương quan này. Tương quan của một biến nào đĩ với chính nĩ sẽ cĩ hệ số tương quan là 1 và chúng cĩ thể được thấy trên đường chéo của ma trận. Mỗi biến sẽ xuất hiện hai lần trong ma trận với hệ số tương quan như nhau, đối xứng nhau qua đường chéo của ma trận. Nếu kết luận được là các biến độc lập và biến phụ thuộc cĩ tương quan tuyến tính với nhau qua hệ số tương quan Pearson, trong đĩ một biến được gọi là biến phụ thuộc và các biến cịn lại gọi là các biến độc lập.
Kiểm định độ phù hợp của mơ hình. Kiểm định F trong bảng phân tích phương sai là một phép kiểm định về độ phù hợp của mơ hình hồi qui tuyến tính tổng thể.
Kiểm định ý nghĩa của các hệ số hồi qui. Kiểm định t trong bảng các thơng số thống kê của từng biến độc lập dùng để kiểm định ý nghĩa của các hệ số hồi qui.
Sử dụng phương pháp Enter, SPSS xử lý tất cả các biến đưa vào một lần và đưa ra các thơng số thống kê liên quan đến các biến.
Sau đĩ, dị tìm các vi phạm giả định cần thiết trong hồi qui tuyến tính bội.
- Đối với giả định liên hệ tuyến tính và phương sai bằng nhau, sử dụng đồ thị phân tán giữa các phần dư chuẩn hĩa và giá trị dự đốn chuẩn hĩa. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì sẽ khơng nhận thấy cĩ liên hệ gì giữa các giá trị phần dư chuẩn hĩa và giá trị dự đốn chuẩn hĩa. Chúng sẽ phân tán rất ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0, khơng tạo thành một hình dạng nào.
- Đối với giả định về phân phối chuẩn của phần dư, sử dụng biểu đồ tần số của các phần dư. Nếu trung bình bằng 0 và độ lệch chuẩn xấp xỉ bằng 1 thì cĩ thể kết luận rằng giả định phân phối chuẩn khơng bị vi phạm.
- Đối với giả định về tính độc lập của sai số tức khơng cĩ tương quan giữa các phần dư, đại lượng thống kê Durbin-Watson dùng để kiểm định tương quan của các sai số kề nhau. Đại lượng d cĩ giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dư khơng cĩ tương quan, giá trị d sẽ gần bằng 2.
- Đối với giả định phương sai của sai số khơng đổi, kiểm tra phương sai của sai số khơng thay đổi cĩ bị vi phạm hay khơng bằng kiểm định tương quan hạng Spearman, với giả thuyết Ho là hệ số tương quan hạng của tổng thể bằng 0. Nếu kết quả kiểm định khơng bác bỏ giả thuyết Ho thì kết luận phương sai của sai số khơng thay đổi. Phương trình hồi qui tuyến tính bội cĩ nhiều biến giải thích thì hệ số tương quan hạng cĩ thể tính giữa trị tuyệt đối của phần dư với từng biến riêng.
- Đối với giả định khơng cĩ mối tương quan giữa các biến độc lập (đo lường hiện tượng đa cộng tuyến), sử dụng hệ số phĩng đại phương sai (VIF - Variance inflation factor), nếu VIF vượt quá 10 thì đĩ là dấu hiệu của hiện tượng đa cộng tuyến.
Tiếp theo là đánh giá độ phù hợp của mơ hình hồi qui tuyến tính bội bằng hệ số R2 và hệ số R2 điều chỉnh. Hệ số R2 đã được chứng minh là hàm khơng giảm theo số biến độc
lập được đưa vào mơ hình, càng đưa thêm nhiều biến độc lập vào mơ hình thì R2 càng
tăng. Tuy nhiên, điều này cũng được chứng minh rằng khơng phải phương trình càng cĩ nhiều biến sẽ càng phù hợp hơn với tập dữ liệu. Để giải quyết tình huống này, hệ số
R2 điều chỉnh được sử dụng để phản ánh tốt hơn mức độ phù hợp của mơ hình hồi qui
tuyến tính bội. Hệ số R2 điều chỉnh khơng nhất thiết phải tăng lên khi nhiều biến độc
lập được đưa thêm vào mơ hình. Hệ số R2 điều chỉnh là thước đo sự phù hợp được sử
dụng cho tình huống hồi qui tuyến tính bội vì nĩ khơng phụ thuộc vào độ lệch phĩng đại của hệ số R2.
Sau cùng sẽ viết phương trình hồi qui tuyến tính bội, dựa vào các hệ số hồi qui riêng phần để xác định mức độ ảnh hưởng của các nhân tố đến ALCTR của các DNMXK. Hệ số hồi qui riêng phần của nhân tố nào càng lớn thì mức độ ảnh hưởng của nhân tố đĩ đến ALCTR càng cao, nếu cùng dấu thì mức độ ảnh hưởng theo chiều thuận và ngược lại.