Trước khi tiến hành phân tích hồi quy bội, chúng ta phải xem xét mối tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu giữa biến phụ thuộc và các biến độc lập có mối tương quan tuyến tính thì phân tích hồi quy được xem là phù hợp. Ngoài ra cũng cần phải lưu ý mối tương quan giữa các biến độc lập với nhau, nếu tương quan mạnh thì phải lưu ý đến hiện tượng đa cộng tuyến có thể xảy ra trong mô hình hồi quy chúng ta đang xem xét.
Theo Bảng 4.7, ta thấy có tồn tại mối tương quan giữa biến phụ thuộc (Lòng trung thành thương hiệu) với các biến độc lập (Nhận biết thương hiệu, giá cảm nhận, tính năng sản phẩm, thái độ đối với chiêu thị, uy tín thương hiệu) với mức ý nghĩa 1%. Như vậy các biến độc lập có thể đưa vào mô hình để giải thích cho lòng trung thành thương hiệu của khách hàng sử dụng điện thoại di động thông minh. Ngoài ra, hệ số tương quan giữa các biến độc lập cũng đều tồn tại thấp nhất từ 0,142 đến cao nhất là 0,499 nên không gây quan ngại về hiện tượng đa cộng tuyến giữa các biến độc lập trong quá trình phân tích hồi quy. Tuy nhiên cũng cần có thêm những đánh giá khi tiến hành phân tích hồi quy để xem xét hiện tượng này
Bảng 4.7: Ma trận hệ số tương quan giữa các biến nghiên cứu
LTT NBTH GCN TNSP TDCT UTTH LTT 1 0,187* 0,142* 0,217** 0,289** 0,517** NBTH 0,187* 1 0,284** 0,319** 0,268** 0,394** GCN 0,142* 0,284** 1 0,244** 0,317** 0,376** TNSP 0,217** 0,319** 0,244** 1 0,237** 0,499** TDCT 0,289** 0,268** 0,317** 0,237** 1 0,479** UTTH 0,517** 0,394** 0,376** 0,499** 0,479** 1 **. Tương quan tại mức ý nghĩa 0,01 (2-tailed).
*. Tương quan tại mức ý nghĩa 0,05 (2-tailed)
Trong đó: LTT: lòng trung thành, NBTH: Nhận biết thương hiệu, GCN: Giá cảm nhận, TNSP: Tính năng sản phẩm, TDCT: Thái độ đối với chiêu thị, UTTH: Uy tín thương hiệu.