CO EM BO SV TR LO
Tương quan Pearson 1 .440** .354** .429** .353** .235**
Sig. (2-tailed) .000 .000 .000 .000 .001
CO
N 213 213 213 213 213
Tương quan Pearson 1 .326** .471** .340** .443**
Sig. (2-tailed) .000 .000 .000 .000
EM
N 213 213 213 213
Tương quan Pearson 1 .413** .344** .332**
Sig. (2-tailed) .000 .000 .000
BO
N 213 213 213
Tương quan Pearson 1 .313** .297**
Sig. (2-tailed) .000 .000
SV
N 213 213
Tương quan Pearson 1 .357**
Sig. (2-tailed) .000
TR
N 213
Tương quan Pearson 1
Sig. (2-đuôi)
LO
N
**. Tương quan chặt chẽ tại mức 0.01 (2 đi).
4.4.2. Mơ hình hồi quy tuyến tính bội
Giả sử các yếu tố marketing quan hệ theo mơ hình 4.1 đều có quan hệ tuyến tính với lịng trung thành. Phân tích hồi quy tuyến tính sẽ giúp biết được cường độ
ảnh hưởng của các biến độc lập: Niềm tin (TR), Cam kết (BO), Truyền thông (CO),
Giá trị chia sẻ (SV), Sự cảm thơng (EM) lên biến phụ thuộc (lịng trung thành). Do vậy, mơ hình hồi quy tuyến tính bội được phát triển như sau:
Lịng trung thành = β0 + β1 * Truyền thông + β2 * Sự cảm thông + β3 * Mối ràng buộc + β4 * Giá trị chia sẻ + β5 * Niềm tin + ei
Hay: LO = β0 + β1*CO + β2*EM + β3*BO + β4*SV + β5*TR + ei
Lệnh hồi quy tuyến tính trong chương trình SPSS 16.0 được sử dụng để chạy phân tích phần mềm hồi quy bằng phương pháp Enter. Hệ số xác định (R2) đo lường tỷ
lệ tổng biến thiên của biến phụ thuộc, được giải thích bởi các biến độc lập trong mơ hình. Giá trị R2 càng cao thì khả năng giải thích của mơ hình hồi quy tuyến tính bội càng cao và việc dự đốn biến phụ thuộc càng chính xác.
Phép phân tích phương sai (Anova) được tiến hành. Nếu giá trị F có ý nghĩa đáng kể về mặt thống kê (p < 0,05), giả thuyết thuần của mối quan hệ khơng tuyến tính
bị bác bỏ. Hệ số β là hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số
xem như là khả năng giải thích biến phụ thuộc. Trị tuyệt đối của một hệ số β chuẩn hóa
càng lớn thì tầm quan trọng tương đối của nó trong dự báo biến phụ thuộc càng cao.