Trước khi phân tích hồi qui, ta cần xem xét sự tương quan giữa biến độc lập và biến phụ thuộc (sử dụng tương quan Pearson). Nếu biến độc lập nào có tương quan chặt chẽ với biến phụ thuộc nghĩa là Sig. (2-tailed) < 0,05 thì sẽ được đưa vào chạy hồi qui vì có ý nghĩa thống kê, còn biến nào có Sig. (2-tailed) > 0,05 thì không
đưa vào chạy hồi qui vì không có ý nghĩa thống kê. Kết quả kiểm tra sự tương quan Pearson giữa biến độc lập và biến phụ thuộc được thể hiện ở Phụ lục 12.
Bảng 4.7: Kết quả tương quan giữa biến độc lập và biến phụ thuộc
Nhân tố N Sự hài lòng của sinh viên
về chất lượng dịch vụ đào tạo
Học thuật Tương quan
Pearson
208 0,742**
Sig. (2-tailed) 0,000
Phi học thuật Tương quan
Pearson
208 0,735**
Sig. (2-tailed) 0,000
Danh tiếng Tương quan
Pearson
208 0,496**
Sig. (2-tailed) 0,000
Tiếp cận Tương quan
Pearson
208 0,523**
Sig. (2-tailed) 0,000
Chương trình đào tạo Tương quan Pearson
208 0,698**
Sig. (2-tailed) 0,000
(Nguồn: Tác giả xử lý dữ liệu bằng phần mềm SPSS)
Từ kết quả trên cho ta thấy, biến phụ thuộc có mối quan hệ tương quan tuyến tính với 5 biến độc lập ở mức ý nghĩa 0,000 < 0,05 và hệ số tương quan giữa biến phụ thuộc “Sự hài lòng” với biến độc lập “Học thuật” là 0,742; hệ số tương quan giữa biến phụ thuộc với biến độc lập “Phi học thuật” là 0,735; hệ số tương quan giữa biến phụ thuộc với biến độc lập “Danh tiếng” là 0,496; hệ số tương quan giữa biến phụ thuộc với biến độc lập “Tiếp cận” là 0,523; hệ số tương quan giữa biến
phụ thuộc với biến độc lập “Chương trình đào tạo” là 0,698. Như vậy, các nhân tố này được sử dụng để đưa vào để phân tích hồi qui tuyến tính trong phần tiếp theo.