Phân tích hồi quy: là phương pháp dùng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập. Phương pháp hồi quy có dạng
Yi = B0 + B1 X1i + B2 X2i + B3 X3i +…+ BP XPi +ei Trong đó:
Xpi: biểu hiện giá trị của biến độc lập thứ tự thứ p tại quan sát thứ i. Bp: hệ số hồi quy riêng phần.
ei: là biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và
phương sai không đổi α2
Mục đích của việc phân tích hồi quy là dự đoán mức độ của các biến phụ thuộc khi biết trước giá trị của biến độc lập theo (Hoàng Trọng và Mộng Ngọc 2008)
Hệ số xác định R2 điều chỉnh: Hệ số xác định tỉ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong mô hình hồi qui. Đó cũng là
thông sốđo lường độ thích hợp của đường hồi quy theo qui tắc R2 càng gần 1 thì mô hình xây dựng càng thích hợp, R2 càng gần 0 mô hình càng kém phù hợp với tập dữ liệu mẫu. Tuy nhiên, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mô hình. Trong tình huống này R2 điều chỉnh
(Adjusted R square) được sử dụng để phản ánh sát hơn mức độ phù hợp của mô
hình tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2 Kiểm định F trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình tuyến tính tổng thể. Nếu giả thuyết H0 của kiểm định F bị bác bỏ thì có thể kết luận mô hình hồi qui tuyến tính đa biến phù hợp với tập dữ liệu và có thể sử dụng được.
Kiểm định Independent – Samples T-test và kiểm định One way
ANOVA được dùng để xem xét ảnh hưởng của các biến liên quan đến đặc
điểm cá nhân người khảo sát đến mức độ hài lòng chung của người dân và một
số phân tích khác.