Tương quan Pearson nhằm kiểm tra để đánh giá mức độ tương quan độc lập giữa các biến được sử dụng trong mô hình nhằm kiểm tra mối tương quan tuyến tính giữa biến phụ thuộc với các biến độc lập để tránh hiện tượng đa cộng tuyến khi các biến độc lập có tương quan mạnh với nhau. Kết quả phân tích tương quan với hệ số Pearson và kiểm định 2 phía được trình bày ở Bảng 4.9.
Bảng 4.9 Ma trận tương quan Pearson
Correlations
Pearson Correlation
VSMT Sig. (2-tailed)
N
Pearson Correlation
CSAT Sig. (2-tailed)
N Pearson Correlation NLTD Sig. (2-tailed) N Pearson Correlation HL Sig. (2-tailed) N **. Correlation is significant at the 0.01 level (2-tailed).
Nguồn: Tác giả tự tổng hợp qua kết quả phân tích SPSS **Tương quan có ý nghĩa ở mức 0.01 (2 phía)
Bảng 4.9 cho thấy tất cả các biến độc lập đều có tương quan với biến phụ thuộc ở mức ý nghĩa 1%, độ tin cậy 99%. Từ kết quả ma trận hệ số tương quan Pearson, có thể nhận thấy rằng có 4 hệ số Pearson lớn hơn 0,3, hệ số Sig. của hệ số tương quan của biến độc lập đối với biến phụ thuộc HL đều bằng 0,000 < 0,05, nên các hệ số Pearson có ý nghĩa thống kê và từ đó có thể đưa ra kết luận các cặp biến độc lập – phụ thuộc trong mô hình có mối quan hệ tương quan tuyến tính chặt chẽ
với nhau. Thêm vào đó, tác giả cũng nhận thấy hệ số tương quan của các nhân tố độc lập với biến phụ thuộc đều mang dấu dương, nên có thể suy ra được các biến độc lập có mối quan hệ tương quan tuyến tính cùng chiều với biến phụ thuộc, trong đó biến CSAT có mối tương quan mạnh nhất với hệ số Pearson = 0.778 và biến NLTD có mối tương quan yếu nhất với hệ số Pearson = 0,465. Vì thế, các biến độc lập đều đủ điều kiện để đưa vào mô hình hồi quy tuyến tính để giải thích cho biến phụ thuộc.
Như vậy, các biến độc lập và biến phụ thuộc đều đủ điều kiện để đưa vào mô hình hồi quy tuyến tính để xem xét sự tác động một chiều của các biến độc lập đến biến phụ thuộc HL nhằm kiểm định các giả thuyết nghiên cứu của mô hình hồi quy.