> Phân tích tương quan (Pearson)
Hệ số tương quan của Pearson là thống kê thử nghiệm đo lường mối quan hệ thống kê, hoặc sự liên kết, giữa 2 biến với nhau. Nó được biết đến là phương pháp 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 độ lớn của mối liên kết, hoặc mối tương quan, cũng như hướng của mối quan hệ. Điều kiện để tương quan có ý nghĩa là giá trị sig. <0.05. Trong đó:
r < 0 tương quan nghịch giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giá trị của biến kia giảm.
r = 0 không có sự tương quan.
r > 0 tương quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giá trị của biến kia tăng.
> Phân tích hồi quy tuyến tính
Phân tích hồi quy được thực hiện sau khi đã thực hiện các bước ở trên.
Phân tích hồi quy: xác định trọng số của từng nhân tố độc lập tác động lên các biến phụ thuộc. Các nhân tố đã thỏa mãn trong bước phân tích nhân tố sẽ được trích ra và đưa vào sử dụng cho phân tích hồi quy đa biến để kiểm định mô hình và các giả thuyết.
Adjusted R Square: R2 hiệu chỉnh phản ánh độ thay đổi tác động giữa các biến độc lập và biến phụ thuộc tức ta sử dụng r2 hiệu chỉnh để xét xem dữ liệu có phù hợp với mô hình hồi quy không.
Kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập (β1 = β2 = β3 = βn = 0). Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mô hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.
Các hệ số Beta đã chuẩn hóa sẽ cho biết cường độ tác động của biến độc lập cụ thể, trong mô hình nghiên cứu và hệ số Beta chưa chuẩn hóa dùng để đánh giá sự biến thiên của biên phụ thộc khi từng biến độc lập thay đổi.