5. Bố cục của nghiên cứu
2.2.4.1. Ma trận hệ số tương quan giữa các biến
Trước khi kiểm định mô hình bằng phương pháp hồi quy tuyến tính, tan cần xem xét mối tương quan giữa các biến trong mô hình. Phân tích ma trận tương quan sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến độc lập như: Lòng tin (TR), Giao tiếp (CM), Lãnh đạo (LS), Khen
Giá trị tuyệt đối của hệ số tương quan Pearson biến thiên trong khoảng từ 0 đến 1, với giá trị 0 là không có tương quan và 1 là tương quan hoàn toàn. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Đồng thời cũng cần phân tích tương quan giữa các biến độc lập với nhau nhằm phát hiện những mối tương quan chặt chẽ giữa các biến độc lập. Vì những tương quan như vậy có thể ảnh hưởng lớn đến kết quả của phân tích hồi quy cũng như gây ra hiện tượng đa cộng tuyến, làm cho việc giải thích các hệ số hồi quy không còn đáng tin cậy.
Bảng 2.10: Phân tích tương quan giữa các biến trong mô hình
KS TR CM LS RS
KS Hệ số tương quan Pearson Sig. (2-tailed) 1 ,690** ,000 ,463** ,003 ,194 ,243 ,547** ,000 TR Hệ số tương quan Pearson
Sig. (2-tailed) 1 ,379* ,019 ,324* ,047 ,438** ,006 CM Hệ số tương quan Pearson
Sig. (2-tailed)
1 ,260
,114
,217 ,190 LS Hệ số tương quan Pearson
Sig. (2-tailed)
1 ,111
,509 RS Hệ số tương quan Pearson
Sig. (2-tailed)
1
(Nguồn: Kết quả phân tích SPSS- Phụ lục 2)
Dựa vào bảng 2.10 ta thấy, biến độc lập TR, CM, RS tương quan chặt chẽ với biến phụ thuộc với hệ số tương quan lần lượt là 0,690, 0,463, 0,547 và mức ý nghĩa thống kê đều dưới 0,05. Tuy nhiên biến độc lập LS có hệ số tương quan thấp là 0,194 cho thấy sự tương quan với biến phụ thuộc yếu và mức ý nghĩa thống kê lớn hơn 0,05% nên ta loại biến LS. Ngoài ra, hệ số tương quan giữa các biến độc lập không cao nên không có dấu hiệu của hiện tượng đa cộng tuyến. Từ kết quả trên ta tiếp tục xây dựng phương trình hồi quy tuyến tính cho mô hình.
Hình 2.1: Mô hình nghiên cứu sau phân tích tương quan