Kết quả phân tích hồi quy cũng cho thấy các giả định về giả thuyết hồi quy không bị vi phạm:
Giả định về phân phối chuẩn của phần dư: Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,….Vì vậy chúng ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của phần dư đã chuẩn hóa: Biểu đồ tần số Histogram (Xem phụ lục E), cho thấy phần dư phân phối xấp xỉ chuẩn với Mean = 0, độ lệch chuẩn 0.990 gần bằng 1, như vậy giả thuyết về phân phối chuẩn của phần dư không bị vi phạm. Hoặc xem xét biểu đồ tần số Q-Q plot (Xem phụ lục E), Q-Q plot thể hiện những giá trị của các điểm phân vị của phân phối của biến theo các phân vị của phân phối chuẩn.
Hiểu biết thương hiệu Cảm nhận tính dễ sử dụng Lợi ích cảm xúc Giá trị tiền Sự tiện ích Hành vi lựa chọn thương hiệu .400 .200 .155 .131 .094 Lợi ích chất lượng Lợi ích xã hội .088 Sig>0.05 Ảnh hưởng xã hội Sig>0.05
Những giá trị kỳ vọng này tập tạo thành một đường chéo, các điểm quan sát phân tán sát với đường chéo, phân phối phần dư có thể xem như chuẩn. Do đó có thể kết luận Giả thuyết phân phối chuẩn không bị vi phạm.
Giả định về tính độc lập của các sai số (không có tương quan giữa các phần dư): Kiểm định Durbin-Watson cho giá trị 2.065 (Bảng 4.6), vận dụng quy tắc kiểm định đơn giản với 1<D<3: không có tự tương quan (Hoàng Trọng & Chu nguyễn Mộng Ngọc, 2010) cho thấy giả thuyết không có hiện tượng tự tương quan giữa các biến là phù hợp.
Giả định phương sai của sai số không đổi: Phương sai thay đổi làm cho các ước lượng của hệ số hồi quy không chệch nhưng không hiệu quả (tức là không phải là ước lượng phù hợp nhất) dẫn đến kiểm định các giả thuyết mất hiệu lực khiến việc đánh giá nhầm về chất lượng mô hình hồi quy tuyến tính (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
Một công cụ hữu hụng là sử dụng đồ thị phân tán phần dư đã chuẩn hóa (Biểu đồ Scatterplot - Xem phụ lục E), cho thấy các phần dư phân tán ngẫu nhiên quanh trục 0 trong một phạm vi không đổi, như vậy có thể thấy giả định về phương sai của sai số không đổi không bị vi phạm và mô hình hồi quy là phù hợp
Giả định không có mối tương quan giữa các biến độc lập (đo lường hiện tượng đa cộng tuyến): Chỉ số thường dùng để đo lường hiện tượng đa cộng tuyến là chỉ số VIF (Variance Inflation Factor), nếu VIF của một biến độc lập nào đó >10 thì biến này hầu như không có giá trị giải thích biến thiên của Y trong mô hình hồi quy bội, tuy nhiên trong thực tế, chuẩn VIF thường được chấp nhận là VIF<2 (Nguyễn Đình Thọ, 2011). Kết quả hồi quy cho thấy tất cả các biến độc lập đều có VIF<2, thấp nhất là biến khuyến mãi (VIF=1,390) và cao nhất là biến lợi ích cảm xúc (VIF=1.750). Như vậy, một cách tổng thể, mô hình hồi quy không bị vi phạm giả thuyết hiện tượng đa cộng tuyến.