4.8.1. Phương pháp đánh giá mối liên hệ tuyến tính giữa các nhân tố trong mô hình hồi quy tuyến tính bội.
Để xác định tầm quan trọng tương đối của từng biến độc lập trong mô hình hồi quy tuyến tính bội cần chú ý hai vấn đề
Vấn đề 1: Được giải đáp bằng cách nhìn vào hệ số tương quan giữa các biến độc lập, trị tuyệt đối của hệ số tương quan càng lớn thì liên hệ tuyến tính càng mạnh. Và điều này cũng đúng khi dùng hệ số Beta để đánh gia liên hệ tuyến tính.
Vấn đề 2: Khi tất cả các biến độc lập cùng tương quan nhau (hệ số r giữa các biến độc lập đều rất lớn 0,7 – 1) thì ảnh hưởng của mỗi biến độc lập đến biến phụ thuộc rất khó đánh giá. Và ảnh hưởng này làm hệ số hồi quy riêng phần của 1 biến độc lập thay đổi về độ lớn. Như vậy dùng hệ số B hay hệ số Beta đều không thích hợp để giải thích tầm quan trọng tương đối của các biến. (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Khi đó để xác định tầm quan trọng của các biến khi chúng được sử dụng cùng với những biến khác trong mô hình ta dùng hệ số tương quan từng phần và tương quan riêng (Part and Partial correltions)
Nhìn vào bảng ANOVA ta thấy hệ số Sig < 0,05 chính vì vậy các nhân tố có tính phù hợp trong mô hình nghiên cứu.
Mô hình hồi quy tuyến tính bội (dạng chuẩn hóa) được biểu diễn như sau: Y = β1*X1+β2*X2+β3*X3+β4*X4+β5*X5+β6*X6 Y: Sự hài lòng (SHL) β: Là hệ số đã chuẩn hóa X1: Tính cạnh tranh giá (TCTG) X2: Sự thuận tiện (STT) X3: Sự tín nhiệm (STN) X4: Phong cách phục vụ (PCPV) X5: Hình ảnh doanh nghiệp (HADN) X6: Sự hữu hình (SHH)