Phân tích hồi quy nhằm xác định mức độ ảnh hƣởng của các nhân tố độc lập đối với nhân tố phụ thuộc. Hồi quy Binary Logistic là một dạng đặc biệt của phân tích hồi quy đa biến. Trong phân tích hồi quy Binary Logistic, biến phụ thuộc có dạng nhị phân, nghĩa là biến phụ thuộc chỉ nhận hai giá trị là 0 và 1. Vì vậy, khi biến phụ thuộc ở dạng nhị phân thì không thể phân tích với dạng hồi quy thông thƣờng vì làm nhƣ vậy sẽ xâm phạm các giả định, rất dễ thấy là khi biến phụ thuộc chỉ có hai biểu hiện thì sẽ không phù hợp khi giả định rằng phần dƣ có phân phối chuẩn, mà thay vào đó sẽ có phân phối nhị thức, điều này sẽ làm mất hiệu lực của các kiểm định thống kê trong phép hồi quy thông thƣờng. Khi sử dụng hồi quy Binary Logistic thì giá trị ƣớc lƣợng của biến phụ thuộc rơi vào khoảng (0;1).
Tiêu chuẩn đánh giá mức độ phù hợp của mô hình thông qua chỉ tiêu -2 Log likelihood (viết tắt là -2LL). Giá trị -2LL càng nhỏ càng thể hiện độ phù hợp của mô hình càng cao. Ngoài ra còn có các chỉ tiêu đánh giá mức độ tác động của các biến độc lập lên biến phụ thuộc và tỷ lệ dự đoán đúng của mô hình. Cuối cùng là xác định mức độ ảnh hƣởng của các yếu tố, hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hƣởng cao hơn các yếu tố khác trong mô hình nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
3.4.4 Phƣơng pháp kiểm định
Nghiên cứu sử dụng phƣơng pháp kiểm định T-test (Independent Samples T- Test) và phƣơng pháp kiểm định phƣơng sai ANOVA một yếu tố (One - way ANOVA) nhằm kiểm định sự khác biệt của các yếu tố nhân khẩu học gồm giới tính, độ tuổi, nghề nghiệp, thu nhập trong việc đánh giá mức độ tác động của các nhân tố đến quyết định lựa chọn ngân hàng để gửi tiết kiệm của khách hàng. Phƣơng pháp kiểm định T-test đƣợc sử dụng khi kiểm định sự khác biệt của hai nhóm tổng thể riêng biệt. Phƣơng pháp kiểm định phƣơng sai ANOVA một yếu tố đƣợc sử dụng khi kiểm định sự khác biệt của ba nhóm tổng thể riêng biệt trở lên (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).