5. Cấu trúc đề tài
2.3.4.1 Kiểm định hệ số tương quan
Trong thống kê, hệ số tương quan có ý nghĩa đặc biệt quan trọng. Tương quan hiểu một cách đơn giản là mối quan hệ tương đối giữa các biến. Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập vì điều kiện để hồi quy là trước nhất phải tương quan.
Thực hiện tính toán các biến mới đại diện cho từng nhóm biến theo giá trị trung bình: GD = (GD1 + GD2 + GD3 + GD4 + GD5) / 5 TT = (TT1 + TT2 + TT3) / 3 TC = (TC1 + TC2 + TC3) / 3 TN = (TN1 + TN2 + TN3 + TN4 + TN5) / 5 KD = (KD1 + KD2 + KD3 + KD4 + KD5) / 5 CN = (CN1 + CN2 + CN3) / 3
Sau khi lập biến đại diện các nhóm nhân tố được phân chia từ bảng ma trận xoay ở bước trước ta tiến hành phân tích tương quan. Hệ số tương quan cụ thể như sau:
Bảng 2.19: Phân tích tương quan Pearson
Tên biến CN GD TT TN TC KD
CN Hệ số tương quan Pearson 1
GD Hệ số tương quan Pearson 0,453** 1
Mức ý nghĩa 0,000
TT Hệ số tương quan Pearson 0,421** 0,032 1
Mức ý nghĩa 0,000 0,714
TN Hệ số tương quan Pearson 0,406** 0,301** 0,018 1
Mức ý nghĩa 0,000 0,000 0,840
Mức ý nghĩa 0,006 0,507 0,906 0,014
KD Hệ số tương quan Pearson 0,498* -0,027 0,147 0,018 0,113 1
Mức ý nghĩa 0,000 0,753 0,090 0,835 0,193
**. Có tương quan với độ tin cậy 99% *. Có tương quan với độ tin cậy 95%
(Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả bảng 2.19 cho thấy, các biến độc lập đều có mức ý nghĩa <0,05 với biến phụ thuộc, điều này có nghĩa là các biến độc lập có mối quan hệ tương quan tuyến tính với biến phụ thuộc. Trong đó, tương quan chặt chẽ nhất với biến phụ thuộc là biến KD (0,498); sau đó lần lượt là biến GD (0,453); TT (0,421) tương quan ở mức trung bình; biến TN (0,406) có mức tương quan thấp. Ít tương quan nhất với biến phụ thuộc là biến TC (0,235). Như vậy, các biến độc lập đều có ý nghĩa và có thể đưa được vào mô hình hồi quy để giải thích trong bước tiếp theo.