2. Phân tích tương quan Pearson trên SPSS 26

Thực hiện phân tích tương quan để thẩm định quan hệ giữa các biến bằng phương pháp vào Analyze > Correlate > Bivariate…

Bạn Đang Xem: Phân tích tương quan Pearson trong SPSS

Tại đây, tất cả chúng ta đưa hết tất cả những biến muốn chạy tương quan Pearson vào mục Variables. Để tiện cho việc đọc kết quả, tất cả chúng ta nên đưa biến phụ thuộc lên trên cùng. Trong ví dụ phía bên dưới biến phụ thuộc là F_HL, các biến còn sót lại là độc lập. Nhấp vào OK để xác nhận thực hiện lệnh.

Xem Thêm : Toxic là gì? Người toxic trong game và ngoài xã hội có biểu hiện như thế nào?

Kết quả tương quan Pearson sẽ tiến hành thể hiện trong bảng Correlations. Điểm qua các ký hiệu trong bảng này: Pearson Correlation là hệ số tương quan Pearson (r), Sig. (2-tailed) là giá trị sig của kiểm định t thẩm định hệ số tương quan Pearson có ý nghĩa thống kê hay là không, N là cỡ mẫu.

3. Đọc kết quả tương quan Pearson

Tất cả chúng ta sẽ xem xét hai loại quan hệ tương quan: tương quan giữa biến phụ thuộc với những biến độc lập và tương quan giữa các biến độc lập với nhau. Sở dĩ việc chia ra như vậy, vì sự kỳ vọng về kết quả sẽ sở hữu đôi chút khác biệt giữa hai loại quan hệ này.

3.1 Tương quan giữa biến độc lập với biến phụ thuộc

Trong bảng kết quả phía bên trên là các giá trị sig được tô red color. Khi xây dựng mô hình nghiên cứu tất cả chúng ta đã tìm hiểu rất kỹ để tìm ra các biến độc lập có sự tác động lên biến phụ thuộc. Việc đưa ra các biến độc lập này dựa trên nền tảng cơ sở lý thuyết, các nghiên cứu tương tự trước đó và sự thẩm định tình hình thực tế tại môi trường xung quanh khảo sát. Do đó, tất cả chúng ta kỳ vọng rằng kết quả phân tích từ tài liệu sẽ cho thấy các biến độc lập có sự tương quan với biến phụ thuộc hoặc có sự tác động lên biến phụ thuộc. Nếu tất cả chúng ta thực hiện phân tích tương quan trước hồi quy, kết quả từ tương quan Pearson cho thấy biến độc lập có tương quan với biến phụ thuộc, khả năng biến độc lập này sẽ tác động lên biến phụ thuộc ở hồi quy sẽ lơn hơn.

Trong bảng kết quả ví dụ, sig kiểm định t tương quan Pearson các giữa sáu biến độc lập F_LD, F_DN, F_CV, F_TL, F_DT, F_DK với biến phụ thuộc F_HL đều nhỏ hơn 0.05. Như vậy, có mối liên hệ tuyến tính giữa các biến độc lập này với biến phụ thuộc.

Xem Thêm : Dev là gì? Làm Dev là gì? Tổng hợp những thông tin quan trọng liên quan tới nghề Developer

Kỳ vọng: sig tương quan giữa độc lập với phụ thuộc nhỏ hơn 0.05 và hệ số tương quan càng cao càng tốt.

3.2 Tương quan giữa các biến độc lập với nhau

Trong bảng kết quả phía bên trên là các giá trị sig được tô màu xanh dương. Tên gọi “biến độc lập” phần nào nói lên được đặc điểm kỳ vọng của dạng biến này: chúng độc lập về ý nghĩa với nhau. Giữa hai biến độc lập nếu có sự tương quan quá mạnh, có khả năng hai biến này thực chất chỉ là một biến, một khái niệm. Hai biến độc lập không có tương quan (sig to thêm 0.05) thì gần như không có khả năng xẩy ra cộng tuyến giữa hai biến này. Hai biến độc lập có tương quan (sig nhỏ hơn 0.05) và trị tuyệt đối hệ số tương quan to thêm 0.7 thì khả năng xẩy ra cộng tuyến giữa chúng là tương đối cao (Carsten F. Dormann và các cộng sự, 2013).

Cần lưu ý, khi thẩm định đa cộng tuyến tất cả chúng ta nên phối hợp hệ số tương quan Pearson ở bước này cùng với chỉ số VIF trong phân tích hồi quy tuyến tính để sở hữu thể đưa ra thẩm định một cách xác thực nhất. Bạn xem cách thẩm định VIF tại nội dung bài viết Đa cộng tuyến: Nguyên nhân, tín hiệu nhận mặt và cách khắc phục.

Kỳ vọng: (1) sig tương quan giữa các biến độc lập to thêm 0.05 hoặc (2) sig nhỏ hơn 0.05 và hệ số tương quan sẽ càng thấp càng tốt (nên dưới 0.5).

** Ý NGHĨA 2 DÒNG CUỐI TRONG KẾT QUẢ PEARSON