Phân tích tương quan được thực hiện giữa các biến độc lập và biến phụ thuộc nhằm khẳng định có mối quan hệ tuyến tính của chúng theo từng cặp với nhau, khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Phân tích tương quan còn giúp cho việc phát hiện những mối tương quan chặt chẽ giữa các biến độc lập, vì những tương quan như vậy sẽ gây ra hiện tượng đa cộng tuyến, ảnh hưởng lớn đến kết quả hồi quy. Về nguyên tắc tương quan Pearson sẽ tìm ra một phương pháp phù hợp nhất cho mối quan hệ tuyến tính của hai biến này và có giá trị giao động từ -1 cho đến 1:
+ Nếu r càng tiến về 1, -1 thì tương quan tuyến tính càng lớn và chặt chẽ. Tiến về 1 sẽ tương quan dương (+), còn tiến vế -1 thì tương quan âm (-).
+ Nếu r càng tiến về 0 thì tương quan tuyến tính sẽ càng yếu đi. + Nếu r = 1 thì tương quan tuyến tính tuyệt đối.
48
+ Nếu r = 0 thì không có sự tương quan tuyến tính, có hai trường hợp sẽ xảy ra: một là không có mối quan hệ nào diễn ra giữa hai biến; hai là giữa hai biến có mối quan hệ phi tuyến tính.
Như vậy hệ số tương quan Pearson sẽ nhận giá trị từ +1 đến -1. Còn r >0 sẽ cho thấy một sự tương quan dương ở giữa hai biến tức là nếu giá trị của biến này tăng lên thì sẽ làm tăng giá trị của biến kia và ngược lại. Và ngược lại, r<0 sẽ cho thấy sự tương quan âm giữa hai biến, điều này có nghĩa là nếu giá trị của biến này tăng bao nhiêu thì sẽ làm giảm đi giá trị của biến còn lại và ngược lại. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) [15], giá trị tuyệt đối của hệ số tương quan Pearson càng lớn thì mức độ tương quan giữa hai biến càng mạnh hoặc được xem dữ liệu càng thích hợp với quan hệ tuyến tính giữa hai biến. Giá trị hệ số tương quan Pearson bằng 1 hay -1 điều này cho thấy dữ liệu hoàn toàn thích hợp với mô hình tuyến tính.
Bên cạnh đó cần phải xem xét đến giá trị Sig. (2-tailed) xem mối tương quan giữa hai biến có ý nghĩa hay không. Sig<0,05: Giá trị hệ số tương quan Pearson có ý nghĩa; Sig>0,05: Giá trị hệ số tương Pearson không có ý nghĩa.