Sau khi tiến hành kiểm định độ tin cậy của thang đo (Cronbach’s Alpha) và phân tích nhân tố EFA, các biến không đảm bảo độ tin cậy, không có giá trị đo lường sẽ bị loại ra khỏi thang đo cho đến khi các biến quan sát được nhóm lại vào các nhân tố rút trích ra được (các nhóm biến mới). Giá trị của các biến mới trong mô hình là giá trị trung bình của các biến quan sát thành phần của biến đó.
Tiếp theo xem xét hệ số tương quan giữa biến trong mô hình nghiên cứu đề xuất. Trước khi đi vào phân tích hồi quy, cần phải thỏa mãn được một yêu cầu cơ bản là mối quan hệ giữa các biến độc lập và biến phụ thuộc là quan hệ tương quan (Nguyễn Đình Thọ, 2011).
Trước tiên chúng ta xem qua mối tương quan tuyến tính giữa các biến thông qua ma trận tương quan với giá trị kiểm định là hệ số tương quan Pearson. Các giả thuyết H0 của kiểm định này cho rằng không có tương quan tuyến tính giữa 2 biến (tức các hệ số không có ý nghĩa thống kê). Chúng ta sẽ xem xét với độ tin cậy 95% các giá trị p-value (mức ý nghĩa Sig) có < 0.05 hay không? Nếu Sig < 0.05 thì ta có đủ cơ sở bác bỏ giả thuyết H0. Tức là hệ số tương quan giữa 2 biến là có ý nghĩa. Ngược lại, nếu Sig > 0.05 thì ta chấp nhận giả thuyết H0. Tức là hệ số tương quan tuyến tính giữa 2 biến là không có ý nghĩa.
Sau đó, bằng phương pháp bình phương nhỏ nhất OLS tiến hành phân tích hồi quy bội tuyến tính nhằm xây dựng mô hình lý thuyết và qua đó xem xét chiều hướng cũng như cường độ tác động của từng biến độc lập tới biến phụ thuộc. Ở đây, tác giả sử dụng phương pháp đưa biến Enter để phân tích hồi quy.
Trong phân tích hồi quy, để đánh giá độ phù hợp của mô hình, các nhà nghiên cứu sử dụng hệ số R2 (R – Square). Trong hồi quy tuyến tính bội thường dùng hệ số R2 (R – Square) điều chỉnh để đánh giá độ phù hợp của mô hình vì nó không phóng đại mức độ phù hợp của mô hình.
Ngoài ra, cần kiểm tra hiện tượng tự tương quan bằng hệ số Durbin – Watson (1< Durbin – Watson <3) và không có hiện tượng đa cộng tuyến (kiểm tra bằng hệ số phóng đại phương sai VIF < 10). Tuy nhiên, theo Nguyễn Đình Thọ (2011), trong thực tế mà VIF > 2 thì chúng ta vẫn cần cẩn thận trong diễn giải các trọng số hồi quy.
Cuối cùng, hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta của biến độc lập nào càng cao thì mức độ tác động của nó lên biến phụ thuộc càng lớn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Hồi quy tuyến tính sẽ được thực hiện như sau:
- Thiết kế mô hình
- Ước tính các tham số của mô hình - Đánh giá mô hình
- Phân tích kết quả