Phân tích tương quan Pearson được thực hiện giữa các biến phụ thuộc và các biến độc lập, khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp . Giá trị tuyệt đối của Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ. Đồng thời cũng cần phân tích tương quan giữa các biến độc lập . Vì những tương quan như vậy có thể ảnh hưởng lớn đế n kết quả của phân tích hồi quy như gây ra hiện tượng đa c ộng tuyến . Cụ thể, trong bài nghiên cứu này chúng ta sẽ nghiên cứu mối tương quan giữa biến Phần bù rủi ro danh mục đầu tư ( Ri-Rf) và các biến độc lập: phần bù rủi ro thị trường (Rm-Rf), quy mô công ty (SMB), giá trị (HML) và xu hướng (WML).
Bảng 4.2: Tính chất của hệ số tương quan
Giá trị r Mối quan hệ giữa biến độc lập với biến phụ thuộc
r > 0 Có quan hệ đồng biến
r = ±1 Có quan hệ tuyến tính chặt chẽ r = 0 Không có quan hệ tuyến tính r < 0 Có quan hệ nghịch biến
Correlations Ri-Rf Rm-Rf SMB HML WML Ri-Rf Pearson Correlation 1 Sig. (2-tailed) .000 N 745 Rm-Rf Pearson Correlation .760 ** 1 Sig. (2-tailed) .000 N 745 745 SMB Pearson Correlation -.552 ** -.460** 1 Sig. (2-tailed) .000 .000 N 745 745 745 HML Pearson Correlation .285 ** .299** -.487** 1 Sig. (2-tailed) .000 .000 .000 N 745 745 745 745 WML Pearson Correlation -.007 -.007 .025 -.028 1
Sig. (2-tailed) .842 .839 .503 .451
N 745 745 745 745 745
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn : Kết quả phân tích tương quan từ SPSS
Nhìn vào ma trận hệ số tương quan giữa các biến độc lập và biến phụ thuộc tại bảng, chúng ta thấy trong số 4 biến độc lập thì biến rủi ro thị trường Rm - Rf là có tương quan mạnh nhất tới phần bù rủi ro cổ phiếu với hệ số tương quan lên tới 0.76 ở mức ý nghĩa 1% tương đương độ tin cậy 99%, đối với biến HML có hệ số tương quan thuận là 0.285. Hai biến còn lại gồm SMB và WML có mối tương quan tương nghịch đối với biến Ri - Rf với hệ số tương quan lần lượt là -0.552 và -0.007 đều ở mức ý nghĩa 1% (hay độ tin cậy 99%). Mặt khác giá trị sig = 0.000 < 1% cho thấy kết quả phân tích tương quan có ý nghĩa thống kê (do kết quả phân tích tương quan có ý nghĩa ở mức 1%)
Ngoài ra, chạy tương quan Pearson có thể nhận diện được vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau dựa vào giá trị tuyệt đối r để đánh giá.Nói cách khác hiện tượng đa cộng tuyến xảy ra khi có mối tương quan tuyến tính hiện hữu giữa 2 biến độc lập trong mô hình.