6. Kết cấu của luận vă n:
2.3.4.1 Phân tích tương quan hệ số Pearson
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 các biến định lượng. Kiểm tra biến phụ thuộc và biến độc lập xem có tương quan với nhau không, nếu hai biến tương quan với nhau thì có hệ số tương quan Pearson |r| > 0,1. Kiểm tra giữa 2 biến độc lập, có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quỵ
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhaụ Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R square vẫn khá caọ Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS chuẩn đoán bằng lựa chọn
Collinearity Diagnostic.
Ma trận bên dưới (Phụ lục 15) cho thấy mối tương quan giữa biến phụ thuộc
Sự hài lòng của khách hàng với từng biến độc lập đều lớn hơn 0.1. Như vậy, ta có thể kết luận 6 biến độc lập gồm: REL Độ tin cậy, RES – Sựđáp ứng, ASS – Sựđảm bảo, EMP – Sự đồng cảm, PRI – Giá cả, có thểđưa vào mô hình để giải thích cho biến phụ thuộc QUAN - Sự hài lòng của Khách hàng. Ngoài ra, hệ số tương quan giữa các biến độc lập đều có r = 0, nên mối quan hệ giữa các biến này không cần phải xem xét kỹ trong phần phân tích hồi quy tuyến tính bội và hiện tượng cộng
tuyến của các biến này sẽ không xảy ra trong phân tích hồi quy bộị