Theo (Statistics Solution, 2021 ): “Phân tích hồi quy là sự nghiên cứu mức độ ảnh hưởng của một hay nhiều biến số (biến độc lập hay biến giải thích) đến một biến số (biến kết quả hay biến phụ thuộc)”. Theo (Joseph, David, & Dana , 2021): “Sau khi hoàn tất việc phân tích đánh giá độ tin cậy thang đo (Kiểm định Cronbach’s Alpha) và kiểm định giá trị khái niệm thang đo (Phân tích nhân tố khám phá EFA), các biến không đảm bảo giá trị hội tụ tiếp tục bị loại bỏ khỏi mô hình cho đến khi các
phần) và nhóm biến phụ thuộc trong mô hình nghiên cứu được thực hiện bằng phương
pháp phân tích hồi quy bội. Giá trị của biến mới trong mô hình nghiên cứu là giá trị trung bình của các biến trong nhóm biến độc lập. Tuy nhiên trước khi tiến hành phân tích hồi quy, cần kiểm tra các giả định về khuyết tật mô hình.”
Bảng ANOVA cho phép chúng ta kết quả kiểm định F để đánh giá giả thuyết sự phù hợp của mô hình hồi quy. Giá trị sig kiểm định F bằng 0.000 < 0.05, mô hình hồi quy là phù hợp và ngược lại. (Joseph, David, & Dana , 2021)
Một thước đo sự phù hợp của mô hình hồi quy tuyến tính thường dùng là hệ số xác định R2 (R square). Khi phần lớn các điểm dữ liệu tập trung sát vào đường hồi
quy, giá trị R2 sẽ cao, ngược lại, nếu các điểm dữ liệu phân bố rải rác cách xa đường hồi quy, R2 sẽ thấp. Chỉ số R2 nằm trong bảng Model Summary. R2 hay R2 hiệu chỉnh đều có mức dao động trong đoạn từ 0 đến 1. Nếu R2 càng tiến về 1, các biến độc lập giải thích càng nhiều cho biến phụ thuộc, và ngược lại, R2 càng tiến về 0, các
biến độc lập giải thích càng ít cho biến phụ thuộc. (Joseph, David, & Dana , 2021) Hệ số hồi quy của mỗi biến độc lập có ý nghĩa trong mô hình hay không dựa vào kiểm định T (student) với giả thuyết H0: Hệ số hồi quy của biến độc lập Xi bằng 0. Mô hình hồi quy có bao nhiêu biến độc lập, chúng ta sẽ đi kiểm tra bấy nhiêu giả thuyết H0. Kết quả kiểm định:
Sig < 0.05: Bác bỏ giả thuyết H0, nghĩa là hệ số hồi quy của biến Xi khác 0 một cách
có ý nghĩa thống kê, biến Xi có tác động lên biến phụ thuộc.
Sig > 0.05: Chấp nhận giả thuyết H0, nghĩa là hệ số hồi quy của biến Xi bằng 0 một cách có ý nghĩa thống kê, biến Xi không tác động lên biến phụ thuộc.
Hệ số phóng đại phương sai (VIF) là một chỉ số đánh giá hiện tượng cộng tuyến trong mô hình hồi quy. VIF càng nhỏ, càng ít khả năng xảy ra đa cộng tuyến.