Dữ liệu thu thập được kiểm tra lại, được mã hóa và đặt tên biến, được nhập dữ liệu và tiến hành phân tích bằng phần mềm SPSS 20.0 theo các phương pháp sau:
Phân tích mô tả: là phân tích thống kê tần số để mô tả các thuộc tính của mẫu khảo sát gồm: giới tính, tuổi, nghề nghiệp.
Kiểm định độ tin cậy (Cronbach’s Alpha) của thang đo: Thông qua hệ số Cronbach’s Alpha sẽ kiểm tra độ tin cậy của các biến dùng để đo lường từng nhân tố ảnh hưởng đến ý định mua sữa bột dành cho em bé của khách hàng. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo và sẽ không xuất hiện ở phần phân tích nhân tố, bao gồm các biến quan sát có hệ số tương quan biến tổng < 0,3, giá trị hệ số Cronbach’s Alpha ≥ 0,6 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Sau khi loại các biến không đảm bảo độ tin cậy, các biến giữ lại sẽ được xem xét phù hợp thông qua phân tích nhân tố khám phá để trả lời câu hỏi, hiệu chỉnh các thang đo để đánh giá hành vi chia sẻ tri thức có độ kết dính cao và chúng hội tụ lại theo đúng khái niệm nghiên cứu ban đầu không.
Phân tích nhân tố EFA: Chỉ số Kaiser-Meyer-Olkin Measure of Sampling Adequacy (KMO) được sử dụng đo lường độ chính xác của EFA. Trị số của KMO lớn (từ 0,5 đến 1) là điều kiện đủ để phân tích nhân tố thích hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa (Sig < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Phương pháp tính hệ số với phép quay Varimax và điểm dừng khi trích các yếu tố Eigenvalue > 1. Trong phân tích nhân tố các biến có hệ số tải nhân tố (factor loading) < 0,5 sẽ tiếp tục bị loại
(Hair và cộng sự, 1998). Nếu một biến quan sát nằm thuộc 2 nhân tố trở lên thì khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải >0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Nguyễn Đình Thọ, 2011).
Phân tích hồi quy tuyến tính: Trước hết, ma trận tương quan giữa biến phụ thuộc ý định mua của khách hàng với các biến độc lập được phân tích để xem xét mối quan hệ tương quan giữa biến độc lập với biến phụ thuộc cũng như hiện tượng đa cộng tuyến giữa các biến độc lập với biến độc lập. Tiếp đến, phân tích hồi quy tuyến tính đa biến bằng phương pháp bình phương nhỏ nhất thông thường (Rodinal Least Squares – OLS) được thực hiện và phương pháp lựa chọn biến Enter được tiến hành. Mô hình hồi quy sẽ được kiểm định độ phù hợp bằng kiểm định F và R2. Các giả thuyết nghiên cứu được kiểm định với mức ý nghĩa Sig < 0,05. Kiểm định đa cộng tuyến bằng hệ số phóng đại phương sai VIF < 10. Cuối cùng, để đảm bảo độ tin cậy của mô hình, tác giả thực hiện dò tìm các vi phạm giả định sau:
Giả định liên hệ tuyến tính:Thông qua biểu đồ Scatterrplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành. Nếu biểu đồ phân bố đều, rải rác thì giả định này không bị vi phạm. Giả định phương sai của phần dư không đổi thông qua hệ số tương quan hạng Spearman của giá trị tuyệt đối phần dư và các biến độc lập. Giả định này không bị vi phạm khi hệ số Sig. của các hệ số tương quan > 0.05.
Giả định phân phối chuẩn của phần dư: Thông qua biểu đồ Histogram với giá trị trung bình gần bằng 0 và độ lệch chuẩn gần bằng 1; và đồ thị Q-Q plot với các điểm quan sát tập trung sát đường chéo những giá trị kỳ vọng. Giả định về tính độc lập của phần dư thông qua đại lượng thống kê Durbin-Watson có giá trị từ 0 đến 4. Sau khi phân tích hồi quy, tác giả sử dụng kiểm định Independent-samples T-test cho biết so sánh giá tham khảo bên trong và giá tham khảo bên ngoài yếu tố nào tác động mạnh hơn và khách hàng cảm thấy tự tin khi có yếu tố nào xuất hiện.