Ngƣời ta sử dụng một hệ số thống kê có tên là Hệ số tƣơng quan Pearson để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng. Nếu giữa 2 biến có sự tƣơng quan chặt chẽ thì phải lƣu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy.
Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Trong quá trình phân tích hồi quy bội, đa cộng tuyến đƣợc SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
Ma trận tƣơng quan HQPV PT TC HL HQPV Hệ số tương quan 1 .000 .000 .583(**) Mức ý nghĩa (2 chiều) 1.000 1.000 .000 Kích thước mẫu 171 171 171 171 PT Hệ số tương quan .000 1 .000 .538(**) Mức ý nghĩa (2 chiều) 1.000 1.000 .000 Kích thước mẫu 171 171 171 171 TC Hệ số tương quan .000 .000 1 .382(**) Mức ý nghĩa (2 chiều) 1.000 1.000 .000 Kích thước mẫu 171 171 171 171 HL Hệ số tương quan .583(**) .538(**) .382(**) 1 Mức ý nghĩa (2 chiều) .000 .000 .000 Kích thước mẫu 171 171 171 171
** Tương quan có ý nghĩa tại mức 0.01 (2 chiều). Bảng 4.4: Ma trận tƣơng quan giữa các biến
Xem xét ma trận tƣơng quan ở Bảng 4.4, ta thấy có sự tƣơng quan chặt chẽ giữa biến phụ thuộc HL (sự thỏa mãn) với các biến độc lập trong mô hình HQPV (năng lực, hiệu quả phục vụ và đồng cảm), PT (phƣơng tiện hữu hình) và TC (tin cậy). Hệ số tƣơng quan giữa biến sự thỏa mãn với các biến khác đều lớn hơn 0.3. Mặt khác, hệ số tƣơng quan giữa các biến độc lập đều bằng 0, chứng tỏ các biến này hoàn toàn độc lập với nhau. Vì vậy, có thể kết luận không có hiện tƣợng công tuyến giữa các biến độc lập nên thỏa điều kiện đƣa vào phân tích hồi quy.