Phân tích tương quan hệ số Pearson là để kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, khoảng giá trị của hệ số tương quan chạy trong đoạn giá trị -1 đến 1] , nếu r = 0 hai biến khơng có mối quan hệ tuyến tính (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008), nếu hai biến tương quan với nhau thì hệ số tương quan Pearson l r l > 0.10. Hệ số tương quan càng lớn nói lên mức độ tương quan càng cao, điều này có thể dẫn tới hiện tượng đa cộng tuyến khi kiểm định mơ hình hồi quy.
Hiện tượng đa cộng tuyến giữa các biến sẽ có thể làm sai lệch diễn giải hồi quy, đó là hiện tượng các biến độc lập trong mơ hình phụ thuộc lẫn nhau. Nếu các biến độc lập lại phụ thuộc lẫn nhau có thể làm sai lệch kết quả một cách đáng kể. Dấu hiệu đa cộng tuyến sẽ được xem xét khi phân tích hồi quy (kiểm tra hệ số VIF).
Trước khi thực hiện phân tích tương quan giữa các biến độc lập và biến phụ thuộc ta phải tính được các nhân số đại diện cho các nhân tố, để thực hiện bước này ta có 2 cách:
Cách 1: Ta dùng hàm mean để tính trung bình cộng các biến quan sát thuộc nhân tố để làm nhân số đại diện.
Cách 2: Khi phân tích EFA trong SPSS 20, ta chọn nút Scores để lưu lại nhân số đại diện của nhân tố một cách tự động. Cách 2 có điểm hạn chế là nếu dùng để phân tích thống kê mơ tả, t-test hoặc ANOVA… thì khơng nên vì khi đó sẽ khó giải thích kết quả. Khơng sử dụng được khi phân tích t-test vì chúng có giá trị trung bình bằng 0 và phương sai bằng 1. Sau khi phân tích EFA, các 36 biến của nhân tố độc lập đã được gom vào 8 nhân tố, ta tính nhân tố đại diện cho nhân tố như sau:
Y1: đại diện cho X51, X52, X53, X54, X55 Y2: đại diện cho X61, X62, X63, X64, X65, X66 Y3: đại diện cho X21, X22, X23, X24, X25, X26 Y4: đại diện cho X11, X12, X13, X14, X15
Y5: đại diện cho X31, X32, X33, X34 Y6: đại diện cho X41, X42, X43, X45 Y7: đại diện cho X71, X72, X73 Y8: đại diện cho X81, X82, X83
Z: đại diện cho X91, X92, X93, X94, X95, X96 Gọi phương trình hồi quy như sau:
Z = 𝛃1.Y1 + 𝛃2.Y2 + 𝛃3.Y3 + 𝛃4.Y4 + 𝛃5.Y5 + 𝛃6.Y6 + 𝛃7.Y7 + 𝛃8.Y8 + R Trong đó:
𝛃1, 𝛃2, 𝛃3, 𝛃4, 𝛃5, 𝛃6, 𝛃7, 𝛃8: lần lượt là trọng số hồi quy của các biến Y1, Y2, Y3, Y4, Y5, Y6, Y7, Y8.
R: Hệ số nhiễu
Sau khi xử lý phân tích tương quan hệ số Pearson, ta có kết quả thể hiện Bảng 3.23 (phụ lục 3). Bảng 3.24 dưới đây tổng hợp kết quả Bảng 3.23 (phụ lục 3):
Bảng 3.24: Bảng tổng hợp các nhân tố khi thực hiện phân tích tương quan Yếu tố cần
đánh giá Nhân tố
Hệ số tương
quan Pearson Sig
Giá trị trong kiểm định hệ số tương quan
với biến phụ thuộc (Z)
Y1: Chất lượng dữ liệu 0.534 > 0.10 0.000 < 0.05 Y2: Tham gia của nhân viên 0.655 > 0.10 0.000 < 0.05 Y3: Kiến thức sử dụng công nghệ
HTTTKT của nhà quản lý 0.506 > 0.10 0.000 < 0.05 Y4: Cam kết của nhà quản lý 0.460 > 0.10 0.000 < 0.05 Y5: Kiến thức kế toán của NQL 0. 289 > 0.10 0.001 < 0.05 Y6: Hiệu quả của phần mềm và các
trình ứng dụng kế tốn 0.423 > 0.10 0.000 < 0.05 Y7: Huấn luyện và đào tạo 0.397 > 0.10 0.000 < 0.05 Y8: Mơi trường văn hóa 0. 513 > 0.10 0.000 < 0.05
Nhận xét:
Hệ số tương quan giữa các biến độc lập (Y1 – Y8) và biến phụ thuộc (Z) đều có Sig nhỏ hơn 5% và các hệ số tương quan Pearson > 0.10 điều này có nghĩa các biến có tương quan với nhau và có ý nghĩa thống kê để phân tích hồi quy.