Tương quan Pearson được biết đến là cách tốt nhất để đo lường mối liên hệ giữa các biến quan tâm vì nó dựa trên phương pháp hiệp phương sai. Nó cung cấp thông tin về tầm quan trọng của mối quan hệ hoặc mối tương quan cũng như hướng của mối quan hệ. Ngoài ra, việc kiểm định hệ số tương quan Pearson còn giúp chúng ta phát hiện ra sự xuất hiện của bài toán đa cộng tuyến khi các biến độc lập có tương quan mạnh với nhau.
21
Trước khi thực hiện phân tích tương quan, ta cần phải tính giá trị trung bình của các biến, gồm các bước sau:
Bấm chọn Transform → Compute Variable…
Đặt tên nhóm nhân tố đại diện ở ô Target Variable.
Cuối cùng, ta nhập hàm công thức MEAN = (...,....,....,...) ở ô Numeric Expression với các biến thuộc nhóm mới được đặt vào chỗ trống → OK.
Hình 2.6: Tính giá trị trung bình
Kế tiếp ta thực hiện thao tác phân tích tương quan, gồm các bước:
Bấm chọn Analyze → Correlate → Bivariate
Chuyển các giá trị trung bình đã tính vào ô Variable
Hình 2.7: Phân tích tương quan Đọc kết quả: Bảng 2.9: Bảng phân tích Pearson Correlations PU 23
S I
B I
- PU có mối tương quan với BI bởi vì: giá trị sig = 0.000 < 5% và có r = 0.72 (0.5
<0.72) => Nên nhận thức hữu ích có hệ quả tương cùng chiều mạnh với ý định sử dụng.
- SI có mối tương quan với BI bởi vì: giá trị sig = 0,000 < 5% và có r = 0.590 (0.5
<0.59) => Nên ảnh hưởng xã hội có hệ quả tương quan cùng chiều mạnh với ý định sử dụng.