Nhằm đạt được mục tiêu nghiên cứu, tác giả đã phân tích mô hình nghiên cứu theo các bước như sau:
-Phân tích tương quan
Phân tích tương quan cho ta thấy mức tương quan giữa các biến trong mô hình nghiên cứu.
-Phân tích hồi quy
Phân tích hồi quy sẽ xác định được mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối quan hệ và qua đó giúp ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập.
-Kiểm định các giả thuyết hồi quy:
+ Kiểm định không có sự tự tương quan giữa các biến độc lập trong mô hình (không bị hiện tượng đa cộng tuyến)
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Nghiên cứu tiến hành kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng chỉ tiêu VIF.
+ Kiểm định phương sai của sai số không đổi (không bị hiện tượng phương sai thay đổi)
Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được bằng phương pháp hồi quy thông thường trên dữ liệu bảng vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có ý nghĩa, lúc đó kiểm định hệ số hồi quy không dùng được. Bởi vì phương sai của sai số thay đổi làm mất tính hiệu quả của ước lượng, nên cần thiết phải tiến hành kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White, với giả thuyết H0: không có hiện tượng phương sai thay đổi.
+ Kiểm định độ phù hợp của mô hình nghiên cứu
Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), khi chạy hồi quy cần quan tâm đến các thông số sau:
− Hệ số Beta: hệ số hồi quy cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
− Hệ số R2: đánh giá phần biến động của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập. Hệ số này có thể thay đổi từ 0 đến 1.
− Kiểm định mức ý nghĩa của mô hình nghiên cứu: để kiểm tra tính phù hợp của mô hình với tập dữ liệu gốc. Nếu mức ý nghĩa của kiểm định < 0.05 thì ta có thể kết luận mô hình hồi quy phù hợp với tập dữ liệu ở mức ý nghĩa 5%.