Để xác định mối quan hệ nhân quả giữa các biến trong mô hình, bước đầu tiên ta cần phân tích tương quan giữa các biến xem thử có mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc hay không. Kết quả của phần phân tích này dù không xác định được mối quan hệ nhân quả giữa biến phụ thuộc và biến độc lập nhưng nó đóng vai trò làm cơ sở cho phân tích hồi quy. Các biến phụ thuộc và biến độc lập có tương quan cao với nhau báo hiệu sự tồn tại của mối quan hệ tiềm ẩn giữa hai biến. Đồng thời, việc phân tích tương quan còn làm sơ sở để dò tìm sự vi phạm giả định của phân tích hồi quy tuyến tính: Các biến độc lập có tương quan cao với nhau hay hiện tượng đa cộng tuyến.
Bảng 4.14: Ma trận hệ số tƣơng quan giữa các biến
(Kết quả phân tích dữ liệu bằng SPSS)
Correlations CKTC CKTT CKQP LTT CKTC Pearson Correlation 1 .155* .317** .564** Sig. (2-tailed) .022 .000 .000 N 218 218 218 218 CKTT Pearson Correlation .155* 1 .479** .294** Sig. (2-tailed) .022 .000 .000 N 218 218 218 218 CKQP Pearson Correlation .317** .479** 1 .330** Sig. (2-tailed) .000 .000 .000 N 218 218 218 218 LTT Pearson Correlation .564** .294** .330** 1 Sig. (2-tailed) .000 .000 .000 N 218 218 218 218 *. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
Qua bảng trên ta thấy có mối quan hệ tương quan tuyến tính dương và mạnh giữa biến lòng trung thành và các biến độc lập trong mô hình (các hệ số tương quan từ 0.294 – 0.564 và đều có ý nghĩa thống kê). Cho thấy mối quan hệ giữa lòng trung thành với các biến độc lập là khá chặt chẽ. Tương quan giữa các biến độc lập với nhau đều ở mức nhỏ hơn 0.8 nên khó có khả năng xảy ra hiện tượng đa cộng tuyến.