CHƢƠNG 3 PHƢƠNG PHÁP NGHIÊN CỨU
3.4. Phƣơng pháp xử lý dữ liệu điều tra
3.4.4.1. Phân tích tƣơng quan
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) [6], hệ số tƣơng quan Pearson (ký hiệu là r) để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng (khoảng cách hay tỷ lệ). Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Giá ừị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tƣơng quan tuyến tính chặt chẽ (khi tất cả các điểm phân tán xếp thành một đƣờng thẳng thì trị tuyệt đối của r = 1).
Theo Nguyễn Đình Thọ (2011), trong mơ hình hồi quy bội (MLR), chúng ta cỏ nhiều biến độc lập, vì vậy với MLR, chúng ta có thêm giả định là các biến độc lập khơng có quan hệ nhau hồn tồn, nghĩa là hệ số tƣơng quan r của các cặp biến độc lập với nhau khác với 1, chứ khơng phải chúng khơng có tƣơng quan với nhau. Trong thực tiễn nghiên cứu, các biến trong một mơ hình thƣờng có quan hệ với nhau nhƣng chúng phải phân biệt nhau (đạt đƣợc giá trị phân biệt).
Phân tích tƣơng quan đƣợc sử dụng làm thƣớc đo độ lớn của các mối liên hệ giữa các biến định lƣợng trong nghiên cứu. Thơng qua thƣớc đo này có thể xác định mối liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập.
Trong phân tích tƣơng quan, giá trị Sig. nói lên tính phù hợp của hệ số tƣơng quan giữa các biến theo phép kiểm định F với một độ tin cậy cho trƣớc. Nếu chọn mức ý nghĩa 1% thì giá trị Sig. phải nhỏ hơn 0.01, còn nếu mức ý nghĩa là 5% thì sig. phải nhỏ hơn 0.05 thì hệ số tƣơng quan mới có ý nghĩa thống kê (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tƣơng quan (Pearson Correlation) nói lên mức độ tƣơng quan giữa các biến với nhau trong mơ hình. Nếu hệ số tƣơng quan càng lớn và có ý nghĩa thống kê
thì mối tƣơng quan giữa các biến càng mạnh. Tƣơng quan giữa một biến với chính biến đó sẽ bằng một.