Nghiên cứu chính thức là nghiên cứu khẳng định, sau khi thực hiện nghiên cứu sơ bộ để đánh giá độ phù hợp và điều chỉnh thang đo.
Tiến trình xử lý dữ liệu
Bước 1: dữ liệu được làm sạch. Dữ liệu thu thập được tiến hành kiểm tra và loại bỏ các dữ liệu không hợp lệ do chưa hoàn tất, trả lời bằng cách chọn một câu trả lời duy nhất cho tất cả các câu hỏi hoặc người tham gia khảo sát là người chưa từng sử dụng qua Cloud-ERP.
Bước 2: dữ liệu đã mã hóa được xử lý với kỹ thuật thống kê tần số của SPSS để tìm ra đặc điểm của mẫu nghiên cứu (các thông tin về nhân khẩu học).
Bước 3: dữ liệu được đưa vào phân tích hệ số tin cậy Cronbach’s Alpha nhằm đánh giá sơ bộ thang đo để xác định mức độ tương quan giữa các mục hỏi, làm cơ sở loại những biến quan sát, những thang đo không đạt yêu cầu. Hệ số Cronbach’s Alpha là một hệ số kiểm định thống kê về mức độ tin cậy và tương quan trong giữa các biến quan sát trong thang đo, với tiêu chuẩn các biến có hệ số tương quan biến tổng nhỏ hơn 0,4 được đánh giá là không có giá trị đo lường và bị loại ra khỏi mô hình. Thang đo có hệ số Cronbach’s Alpha lớn hơn 0,6 sẽ được chấp nhận (Hair và cộng sự, 2019).
Bước 4: sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích yếu tố khám phá (EFA) là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Trước khi tiến hành phân tích yếu tố, ta cũng cần kiểm tra xem việc dùng phương pháp này có phù hợp hay không. Theo Hair và cộng sự (2019), giá trị KMO (Kaiser-Meyer-Olkin) nằm giữa 0,5 đến 1 có nghĩa là phân tích yếu tố là thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích yếu tố có khả năng không thích hợp với các dữ liệu. Kết quả phân tích EFA cho giá trị phân biệt để xác định tính phân biệt của các khái niệm nghiên cứu, với các tiêu chuẩn cần quan tâm như sau:
Các giá trị về Eigenvalues (lớn hơn 1) là tiêu chuẩn khẳng định số yếu tố được rút trích phù hợp.
Tổng phương sai trích (TVE) (lớn hơn 50%) cho biết được tổng yếu tố rút trích được tại giá trị Eigenvalues (lớn hơn 1) sẽ giải thích được bao nhiêu phần trăm độ biến thiên của dữ liệu nghiên cứu.
Hệ số tải yếu tố (Factor loading) được kiểm tra để đánh giá về giá trị hội tụ và giá trị phân biệt của thang đo lường.
Bước 5: Sau khi phân tích và điều chỉnh các biến cho phù hợp tại bước 4, dữ liệu được đưa vào phân tích hồi quy đa biến 2 lần theo phương pháp Factor scores với mức ý nghĩa là 5% nhằm kiểm định sự phù hợp của mô hình nghiên cứu, kiểm định các giả thuyết để xác định được rõ ràng mức độ ảnh hưởng của từng yếu tố độc lập tác động đến yếu tố trung gian và kiểm định giả thuyết để xác định được mức độ ảnh hưởng của yếu tố trung gian đến yếu tố phụ thuộc kết quả như thế nào.
Bước 6: Tiến hành phân tích đường dẫn (Path Analysis) để xác định mức độ ảnh hưởng của yếu tố độc lập đối với yếu tố phụ thuộc là bao nhiêu.