Dùng hệ số xác định R2 (R square) và hệ số xác định điều chỉnh R2 điều chỉnh (Ajusted R square). Hệ số này biểu thị độ mạnh của mối quan hệ tuyến tính giữa Y (biến phụ thuộc) và các biến độc lập (NA, LC, SE, IR). Trong mô hình hồi quy bội, vì có nhiều biến độc lập nên dùng hệ số xác định điều chỉnh R2 điều chỉnh để thay thế cho hệ số xác định R2 khi so sánh các mô hình với nhau. Hệ số này giúp điều chỉnh mức độ phù hợp của mô hình: nghĩa là kiểm tra những mô hình có nhiều biến độc lập nhưng thực sự trong đó có một số biến không giúp bao nhiêu cho việc giải thích biến thiên của Y.
Kiểm định F (bảng ANOVA) có mức ý nghĩa p < 0.05 thì mô hình hồi quy là phù hợp.
Kiểm tra các giả định của mô hình hồi qui bội:
− Hiện tượng đa cộng tuyến (hiện tượng các biến độc lập có mối quan hệ với nhau): dùng
chỉ số phóng đại phương sai VIF (Variance Inflation Factor) để kiểm tra, chỉ số VIF ≤ 10. Nếu VIF của một biến độc lập nào đó >10 thì biến này không có giá trị giải thích biến thiên của Y. Giá trị VIF của các biến đều nhỏ hơn 10 thì điều này cho thấy hiện tượng đa cộng tuyến giữa các biến độc lập là chấp nhận được.
− Kiểm định về tính độc lập của sai số: Đại lượng thống kê Durbin–Waston (d) có thể
dùng để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất). Đại lượng d có giá trị biến thiên từ 0 đến 4. Nếu các giá trị phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 của Hoàng Trọng và Chu Hoàng Mộng Ngọc, 2008).
− Kiểm tra phân phối chuẩn của phần dư ε: kiểm tra giá trị trung bình (Mean) gần bằng
− Kiểm tra hiện tượng phương sai thay đổi (heteroscedasticity): kiểm tra mối quan hệ giữa phần dư và giá trị hồi qui ước lượng và độc lập nhau và phương sai không đổi.