HM CL NB TT Pearson Correlation HM 1 .616(**) .552(**) .626(**) CL .616(**) 1 .429(**) .646(**) NB .552(**) .429(**) 1 .447(**) TT .626(**) .646(**) .447(**) 1 Sig. (2-tailed) HM . .000 .000 .000 CL .000 . .000 .000 NB .000 .000 . .000 TT .000 .000 .000 . ** Correlation is significant at the 0.01 level (2-tailed).
Từ bảng 3.7, ta lại có kết quả kiểm định cho thấy mối tương quan giữa biến phụ thuộc (TT) với từng biến độc lập (CL, HM, NB) là khá chặt chẽ, trong đó, yếu tố chất lượng cảm nhận (r = 0.646) có tương quan thuận với lòng trung thành cao hơn của yếu tố lòng ham muốn thương hiệu với lòng trung thành (r = 0.626) và có mối tương quan thấp nhất với lịng trung thành là yếu tố nhận biết thương hiệu (r = 0.447). Ta sẽ lưu ý kết quả này với kết quả phân tích hồi qui tiếp theo.
Tóm lại, hệ số tương quan giữa biến phụ thuộc (TT) và các biến độc lập (NB, HM, CL) ở mức chấp nhận được (thấp nhất là 0.447). Sơ bộ ta có thể kết luận các biến này có thể đưa vào mơ hình để giải thích cho lịng trung thành thương hiệu
tivi. Hệ số tương quan giữa các biến độc lập với nhau ở mức tương đối (thấp nhất là 0.429, cao nhất là 0.616) điều này không đáng lo ngại về vai trò của các biến độc lập trong mơ hình hồi qui tuyến tính bội ta xây dựng có thể xảy ra hiện tượng đa
cộng tuyến.
3.4.2. Đánh giá và kiểm định độ phù hợp của mơ hình
Khi đánh giá mơ hình hồi qui tuyến tính bội, hệ số R Square được dùng để đánh giá độ phù hợp của mơ hình nghiên cứu. Hệ số xác định R Square được chứng minh là hàm không giảm theo số lượng biến đưa vào mơ hình. Hệ số R Square có xu
là phương trình có càng nhiều biến thì sẽ càng phù hợp hơn với dữ liệu. Để đánh giá độ phù hợp của mơ hình hồi qui tuyến tính bội thì R Square có khuynh hướng là
ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong
trường hợp có hơn một biến giải thích trong mơ hình. Mơ hình thường khơng phù hợp với dữ liệu thực tế như giá trị R Square thể hiện. Do đó, hệ số R Square điều chỉnh cũng được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính đa biến vì nó khơng phụ thuộc vào độ lệch phóng đại của R Square (Hồng Trọng và Chu Nguyễn Mộng Ngọc, tập 2, trang 238 – 239).
Từ bảng 3.8, ta thấy hệ số R2 = 0.507 là khá cao để đánh giá độ phù hợp của mơ hình. Mặt khác, kết quả nghiên cứu cho thấy R Square điều chỉnh là 0.502 nhỏ hơn R2, do đó dùng hệ số này để đánh giá độ phù hợp của mơ hình nghiên cứu sẽ an
tồn và chính xác hơn vì nó khơng thổi phồng độ phù hợp mơ hình. Kết quả kiểm
định hệ số R Square điều chỉnh là 0.502 nghĩa là mơ hình hồi qui tuyến tính bội đã
xây dựng phù hợp với tập dữ liệu là 50.2%. Hay nói cách khác, hơn 50% khác biệt của xu hướng trung thành quan sát được giải thích bởi sự khác biệt của ba yếu tố gồm nhận biết thương hiệu, lòng ham muốn thương hiệu, chất lượng cảm nhận thương hiệu.