Bảng câu hỏi sau khi được xây dựng xong, ta đưa vào khảo sát thực tế. Sau khi thu thập thông tin từ bảng câu hỏi khảo sát thì tiến hành xử lý dữ liệu bằng phần mềm SPSS 22 dựa trên kết quả của hệ số Cronbach’s Alpha, phân tích nhân tố khám phá, kiểm định sự phù hợp của mô hình và phân tích hồi quy đa biến. Dữ liệu được mã hoá thành các biến, nhập và làm sạch dữ liệu trước khi xử lý nhằm mục đích phát hiện các sai sót như khoảng trống hoặc trả lời không hợp lệ. Thông tin thu thập được sẽ sử dụng phần mềm SPSS 22 để xử lý qua 3 bước:
Bước 1: Kiểm định chất lượng của thang đo
Đánh giá độ tin cậy và độ giá trị các thang đo. Độ tin cậy của thang đo được đánh giá qua hệ số Cronbach’s Alpha, qua đó các biến không phù hợp sẽ bị loại nếu hệ số tương quan biến tổng của các biến quan sát (Corrected Item-Total Correlation) lớn hơn 0,3 và tiêu chuẩn để chọn thang đo là có độ tin cậy Alpha từ 0,6 trở lên (Nunnally và Burnstein, 1994)
Bước 2: Phân tích nhân tố khám phá (Exploratory Factor Analysis, EFA) Kiểm định tính thích hợp của EFA
Sử dụng thước đo KMO (Kaiser – Meyer – Olkin measun) để đánh giá sự thích hợp của mô hình EFA đối với ứng dụng vào dữ liệu thực tế nghiên cứu.
Khi trị số KMO thỏa mãn điều kiện: 0,5 < KMO <1, phân tích nhân tố khám phá là thích hợp cho dữ liệu thực tế.
Kiểm định tương quan của các biến quan sát trong thước đo đại diện.
Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (nhân tố). Khi mức ý nghĩa (Significance, Sig.) của kiểm định Bartlett nhỏ hơn 0,05 thì các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố
Sử dụng phương sai trích (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phương sai trích nhất thiết phải lớn hơn 50%. Ví dụ khi phương sai trích là 65% có nghĩa là 65% thay đổi của các nhân tố được giải thích bởi các biến quan sát (thành phần của Factor).
Bước 3: Phân tích hồi quy đa biến (Multiphe Regression Analysis, MRA) Kiểm định tương quan từng phần của các hệ số hồi quy
Mục tiêu của kiểm định này nhằm xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ý nghĩa (Significance, Sig.) của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig. ≤ 0,05), ta kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.
Mức độ phù hợp của mô hình
Mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình được xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng không, và mô hình được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không.
Giả thuyết: Ho: các hệ số hồi quy đều bằng không H1: có ít nhất một hệ số hồi quy khác không
Sử dụng phân tích phương sai (analysis of variance, ANOVA) để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig.≤ 0,05), chấp nhận giả thiết H1, mô hình được xem là phù hợp.
Hiện tượng phương sai của phần dư thay đổi
Phương sai của phần dư thay đổi (heteroskedasticity) là hiện tượng các giá trị phần dư có phân phối không giống nhau; và giá trị phương sai không như nhau. Bỏ qua phương sai của phần dư thay đổi sẽ làm cho ước lượng OLS của các hệ số hồi quy không hiệu quả, các kiểm định giả thiết không còn giá trị, các dự báo không còn hiệu quả. Để kiểm tra hiện tượng này, ta sử dụng kiểm định Spearman, nếu mức ý nghĩa Sig. của các hệ số tương quan hạng Spearman đảm bảo lớn hơn 0,05 ta kết luận phương sai của phần dư không đổi.
Về hiện tượng đa cộng tuyến (multicollincaryty), do bước 2 đã tiến hành phân tích nhân tố khám phá, các biến độc lập của mô hình phân tích hồi quy (các nhân tố của mô hình EFA) sẽ không có hiện tượng đa cộng tuyến. Do đó không cần thiết phải thực hiện kiểm định hiện tượng đa cộng tuyến.