CHƯƠNG 1 : CƠ SỞ LÝ LUẬN VÀ MƠ HÌNH NGHIÊN CỨU
3.3 Phân tích kết quả nghiên cứu
3.3.4.1 Phân tích tương quan giữa các biến hệ số Pearson
Bước đầu tiên khi phân tích hồi quy tuyến tính ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Người ta sử dụng một số thống kê có tên là Hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Trong phân tích tương quan Pearson, khơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem xét như nhau. Giá trị của biến phụ thuộc và biến độc lập là những nhân tố (factor score) được SPSS tính tốn qua phân tích nhân tố, là những kết hợp tuyến tính của các biến quan sát trong thang đo chất lượng dịch vụ đã được chuẩn hóa. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Mặt khác nếu giữa các biến độc lập cũng có tương quan chặt chẽ với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mơ hình hồi quy chúng ta đang xét.
Xem xét ma trận tương quan giữa các biến độc lập (Phụ lục 6), các biến độc lập Chất lượng cảm nhận vơ hình (X1), Chất lượng cảm nhận hữu hình (X2), Rào cản chuyển đổi (X3), Sự lựa chọn (X4), Sự tiện lợi khi sử dụng (X5), Sự thỏa mãn
của khách hàng (X6), Thói quen tiêu dùng (X7) khơng có tương quan với nhau (hệ số Pearson = 0, với độ tin cậy 99%), do đó ta có kết luận ban đầu rằng khả năng xảy ra hiện tượng đa cộng tuyến trong mơ hình hồi quy là rất hạn chế. Bên cạnh đó, biến phụ thuộc Y – lòng trung thành của khách hàng có mối tương quan tuyến tính với X1, X2, X3, X4, X5, X6, cụ thể qua hệ số tương quan như sau: X1 (0.396), X2 (0.153), (0.389), X4 (0.243), X5 (0.122), X6 (0.505). Mối liên hệ giữa biến Y với X7 là rất yếu, tuy nhiên chúng ta sẽ có kết luận rõ ràng hơn trong mơ hình phân tích hồi quy.