Dữ liệu sơ cấp sau khi được thu thập sẽ được tác giả tổng hợp và làm sạch (loại bỏ những phiếu điều tra rác). Các thông tin thu thập được thiết kế trên bảng hỏi gồm:
(1) Thông tin về nhân khẩu học như độ tuổi, giới tính, thu nhập, ngân hàng công tác
(2) Thông tin về các yếu tố tác động đến sự thay đổi công nghệ trong hoạt động kinh doanh ngân hàng thời đại CMCN 4.0 tại Việt Nam.
Sau khi thu thập thông tin từ các nhà quản lý ngân hàng từ các phiếu điều tra, tác giả sẽ tiến hành tổng hợp và xử lý trên phần mềm SPSS và AMOS để thực hiện phân tích dữ liệu qua các bước:
- Thống kê mô tả: dùng để thống kê các đối tượng nghiên cứu như giới tính, tuổi tác, thu nhập... để rút ra kết luận đối tượng cần hướng tới để đưa ra giải pháp.
- Kiểm định độ tin cậy thang đo Cronbach’s Alpha Kiểm định Cronbach’s Alpha sử dụng để nhằm loại bỏ biến có hệ số tương quan biến tổng nhỏ sẽ cho phép loại bỏ biến không phù hợp trong mô hình nghiên cứu. Theo Kline (1994); Hair và cộng sự (2006), thông thường sử dụng hai chỉ số thống kê là hệ số Crobach’s Alpha và hệ số tương quan biến tổng để kiểm định. Hệ số Cronbach’s Alpha từ 0.6 - 0.8 là thang đo lường tốt, nếu lớn hớn 0.95 là không tốt vì các biến đo lường hầu như là một. Mặt khác, hệ số tương quan biến tổng phải lớn hớn 0.3 nếu nhỏ hơn 0.3 được xem là biến rác cần loại ra khỏi thang đo, Kline (1994).
- Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA): là phương pháp phân tích thống kê dùng để rút gọn một tập hợp nhiều quan sát phụ thuộc lẫn nhau thành một tập ít biến hơn nhưng có ý nghĩa hơn mà và vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu mà vẫn đảm bảo mối quan hệ phụ thuộc lẫn nhau. Trong phân tích EFA thông thường cần phải đáp ứng các điều kiện sau: Factor loading > 0.5 (hệ số tải nhân tố càng lớn chứng tỏ các biến quan sát có mối quan hệ càng chặt chẽ với nhân tố); 0.5 <KMO < 1; Kiểm định Bartlett có Sig <0.05 (các biến quan sát có tương quan với nhau trong tổng thể); Tổng phương sai trích Total Varicance Explained > 50%; Eigenvalue > 1.
- Phân tích nhân tố khẳng định (Confirmatory Factor Anlysis - CFA): là một trong những kỹ thuật cho phép kiểm định các quan sát (measured variables) đại diện cho các nhân tố (constructs) tốt đến mức nào, tức là giúp nghiên cứu kiểm định các thang
đo có đạt yêu cầu của một thang đo tốt không (các thang đo có cũng thể hiện một khái niệm nghiên cứu không?). Phân tích nhân tố khẳng định (CFA) được sử dụng để đánh giá thang đo trước khi đưa vào phân tích mô hình cấu trúc SEM. Mô hình đo lường sẽ phân tích được mối quan hệ của một biến tiềm ẩn với một số biến quan sát dựa trên mô hình lý thuyết đề xuất.
- Phân tích mô hình cấu trúc SEM: bằng phương pháp phân tích đường dẫn để phân tích mối quan hệ phức tạp trong mô hình nhân quả. Mô hình cấu trúc chỉ rõ mối quan hệ giữa các biến tiềm ẩn với nhau.