Sử dụng phương pháp đưa vào lần lượt (Enter) đây là phương pháp mặc định trong chương trình để thực hiện hồi quy tuyến tính. Có một phương trình hồi quy cần thực hiện nhằm xác định vai trò quan trọng của từng nhân tố trong việc đánh giá mối quan hệ giữa lòng trung thành của nhân viên đang làm việc tại công ty cổ phần quốc tế Hòa Bình.
Để đánh giá độ phù hợp của mô hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square) ( Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008) để đánh giá mức độ phù hợp của mô hình nghiên cứu, hệ số xác định R2
là hàm không giảm theo số biến độc lập được đưa vào mô hình, nếu số biến độc lập được đưa thêm vào mô hình thì R2 càng tăng. Tuy nhiên điều này cũng được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu (tức là tốt hơn).
Như vậy, R square 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. Do đó, trong hồi quy tuyến tính bội thường dùng hệ số R-square điều chỉnh để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình.
Bên cạnh đó, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin-Watson(d) đại lượng (d) có giá trị biến thiên trong khoảng 0 đến 4 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Song song đó, kiểm tra có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF với điều kiện VIF < 10 (có nghĩa là nếu VIF > 10 thì có xảy ra hiện tượng đa cộng tuyến) (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
Ngoài ra, kiểm định ANOVA được sử dụng để kiểm tra tính phù hợp của mô hình với tập dữ liệu. Nếu mức ý nghĩa của kiểm định < 0.05 thì có thể kết luận mô hình hồi quy phù hợp với tập dữ liệu. Mặt khác, hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008), hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào lòng trung thành của nhân viên càng cao.