Mô hình phân tích hồi quy bội biểu diễn mối quan hệ giữa hai hay nhiều biến độc lập với một biến phụ thuộc định lƣợng (N.Đ.Thọ, 2011). Do vậy, bài nghiên cứu thuộc phân tích hồi quy bội. Điểm chú ý ở đây là giả định này là không có quan hệ hoàn toàn với nhau. Trong thực tiễn nghiên cứu, các biến trong một mô hình thƣờng có quan hệ với nhau nhƣng chúng phải phân biệt nhau (tức là đạt đƣợc giá trị phân biệt). Do đó, khi ƣớc lƣợng mô hình hồi quy bội phải kiểm trả giả thuyết này thông qua kiểm tra hiện tƣợng đa cộng tuyến. Để kiểm tra hiện tƣợng đa cộng tuyến, chỉ số thƣờng dùng là hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor). Đối với nghiên cứu này, nếu VIF của một biến độc lập nào đó < 2 thì hiện tƣợng đa cộng tuyến giữa các thành phần độc lập không ảnh hƣởng đáng kể đến kết quả giải thích của mô hình, tức là không xảy ra hiện tƣợng đa cộng tuyến giữa các biến độc lập. (Hair và cộng sự, 2006).
Ngoài ra, để sử dụng mô hình hồi qui bội MLR cần xem xét điều kiện về biến: có một biến phụ thuộc và phải là định lƣợng và nhiều biến độc lập có thể là định lƣợng hay định tính. Thêm vào đó, khi đã quyết định sử dụng mô hình hồi qui bội cũng cần phải kiểm tra các giả định để xem kết quả có tin cậy đƣợc không. Để kiểm tra mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng nhƣ hiện tƣợng phƣơng sai thay đổi cần phải xây dựng mối quan hệ giữa phần dƣ và giá trị qui về hồi qui (N.Đ.Thọ, 2011). Tuy nhiên do kiến thƣớc còn hạn chế nên việc xem xét phần dƣ là rất khó thực hiện.
Sau khi xem xét các điều kiện trên, dựa vào bảng kết quả kiểm định hệ số hồi qui, nếu hệ số sig < 0.05 thì hệ số beta tƣơng ứng sẽ đƣợc chọn để xem xét mức độ ảnh hƣởng của các biến độc lập lên biến phụ thuộc.
40