Phương pháp phân tích tương quan nhằm mục đích xem xét mức độ tương quan tuyến tính giữa các biến trong mô hình trước khi tiến hành chạy hồi quy. Phân tích tương quan còn giúp bài nghiên cứu kiểm tra hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình. Ma trận tương quan được mô tả trong bảng 4.3.
Bảng 4.3 thể hiện các hệ số tương quan của các biến số. Hệ số tương quan (kí hiệu là r) để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa 2 biến chứ chưa thể hiện một mối quan hệ nhân quả giữa 2 biến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008). Biến ROA có mối tương quan tuyến tính với tất cả các biến giải thích và kiểm soát, vì các hệ số r đều có ý nghĩa thống kê. Trong đó hai biến tốc độ tăng trưởng doanh thu (SGROW) và tốc độ tăng trưởng GDP Việt Nam (GDPGR) là có tương quan dương với ROA. Điều này có thể là do khi doanh thu công ty tăng so với năm trước thì kéo theo lợi nhuận tăng dẫn đến ROA tăng. Ngoài ra tốc độ tăng GDP của Việt Nam càng lớn thì có thể giúp doanh nghiệp kinh doanh thuận lợi, bán được nhiều hàng hóa và tăng lợi nhuận.
Bảy biến còn lại có sự tương quan ngược chiều với ROA. ROA có mức độ tương quan mạnh nhất với biến đòn bẩy tài chính (DEBT) với |𝑟| = 0,519. Điều này có thể là do ở Việt Nam, hầu như các công ty chưa đủ nguồn lực kinh doanh, phải nhờ vào đòn bẩy tài chính.
Khi xem xét sự tương quan giữa các biến với ROA, ta nhận thấy các biến giải thích AR, INV, AP, CCC, WCR đều có tương quan âm (có ý nghĩa thống kê) với ROA, với các |𝑟| tương ứng là 0,261; 0,163; 0,189; 0,173; 0,111. Khi đó ta có thể hy vọng rằng khi tiến hành chạy mô hình với mẫu dữ liệu sẽ cho các hệ số hồi quy có ý nghĩa thống kê.
Mối tương quan âm giữa ROA và các biến AR, INV, AP, CCC cũng được tìm thấy ở nhiều nghiên cứu trước như trong nghiên cứu của García-Teruel và Martínez- Solano (2007) trên mẫu dữ liệu các công ty tại Tây Ban Nha; Karaduman và ctg (2011) trên mẫu dữ liệu các công ty tại Thổ Nhĩ Kỳ; Pais và Gama (2015) trên mẫu dữ liệu các công ty tại Bồ Đào Nha.
Tương tự với ROA, biến AR đều có tương quan có ý nghĩa thống kê với hầu hết các biến (chỉ trừ biến GDPGR). Tuy nhiên vì mô hình nghiên cứu không xem xét mối quan hệ nhân quả giữa AR với INV, AP, CCC, WCR, nên tác giả chỉ chú ý mối tương quan giữa AR với các biến kiểm soát SIZE, SGROW, DEBT, GDPGR. Bài nghiên cứu phải xem xét thận trọng các biến giải thích và kiểm soát có thể tác động
với nhau hay không. Vì nếu xảy ra hiện tượng đa cộng tuyến trong mô hình thì sẽ làm sai lệch đi kết quả giải thích cho ROA.
Các mối tương quan tuyến tính giữa INV, AP, CCC và WCR với các biến kiểm soát cũng đáng để bài nghiên cứu xem xét thận trọng. Trong khi mối tương quan nội bộ giữa các biến AR, INV, AP, CCC, WCR không cần chú trọng bởi mục tiêu nghiên cứu không xét đến các mối quan hệ này.
Field (2005) cho rằng khi giá trị tuyệt đối của hệ số tương quan giữa các biến độc lập trong mô hình lớn hơn 0,8 (|𝑟| > 0,8) thì sẽ xảy ra hiện tượng đa cộng tuyến trong mô hình.
Xem xét bảng 4.3, bài nghiên cứu nhận thấy |𝑟| giữa các biến giải thích và kiểm soát trong 6 mô hình hồi quy đều nhỏ hơn 0,8. Do đó bài nghiên cứu nhận thấy rằng chưa có dấu hiệu của hiện tượng đa cộng tuyến trong 6 mô hình hồi quy. Để kết quả thêm chính xác, bài nghiên cứu sẽ sử dụng thêm một công cụ để kiểm định hiện tượng đa cộng tuyến, được trình bày trong phần 4.3.