Kết quả khảo sát sau khi được thu thập sẽ được làm sạch để loại bỏ những bảng hỏi có lỗi trả lời như: (1) bảng hỏi bị thiếu câu trả lời; (2) bảng hỏi có xu hướng trả lời cùng 1 hướng; (3) bảng hỏi có những phương án trả lời đối lập trong cùng 1 thang đo.
Để thực hiện việc phân tích số liệu, nghiên cứu sử dụng phương pháp CB- SEM để đánh giá mô hình đo lường và mô hình cấu trúc với phần mềm IBM SPSS 26 và IBM AMOS 20 với phương pháp xử lý như sau:
Hình 3.3 Phương pháp xử lý dữ liệu
Nguồn: Tác giả đề xuất
Nội dung cụ thể được diễn giải như sau: - Thống kê mô tả mẫu
Mô tả những đặc trưng của mẫu nghiên cứu theo các dấu hiệu phân biệt được định sẵn.
Do các biến nghiên cứu được xây dựng từ 3 – 5 biến quan sát khác nhau, để kiểm tra sự tin cậy của các khái niệm nghiên cứu, phương pháp phổ biến là sử dụng hệ số Cronbach Alpha (Suanders và cộng sự, 2007). Để kiểm tra mức độ phù hợp của một biến quan sát phải xem xét hệ số tương quan biến tổng (Hair và cộng sự, 2006). Tiêu chuẩn kiểm định là hệ số Cronbach Alpha tối thiểu 0.7 và hệ số tương quan biến tổng tối thiểu 0.3 (Nunally và cộng sự, 1994).
- Phân tích nhân tố khám phá (EFA):
Phân tích nhân tố khám phá sẽ giúp nhà nghiên cứu rút gọn dữ liệu từ nhiều biến quan sát thành ít nhân tố hơn mà vẫn phản ánh được ý nghĩa của dữ liệu nghiên cứu. Một số tiêu chuẩn khi phân tích khám phá nhân tố là hệ số KMO tối thiểu bằng 0.5, kiểm định Bartlett có p-value nhỏ hơn 0.05, hệ số eigenvalue tối thiểu bằng 1, phương sai giải thích tối thiểu là 50% (Hair và cộng sự, 2006). Phương pháp rút trích nhân tố sử dụng là phương pháp principal component với phép xoay promax để giải thích cấu trúc dữ liệu tốt hơn khi sử dụng CFA (Nguyễn Khánh Duy, 2009)
- Phân tích nhân tố khẳng định (CFA):
Là phương pháp phân tích dựa trên sự hiểu biết nhân định về các nhân tố tiềm ẩn trong mô hình thông qua lý thuyết hoặc thực nghiệm (thông qua EFA). Phân tích khẳng định nhân tố cho phép nhà nghiên cứu khẳng định sự tồn tại của các nhân tố trong mô hình, dữ liệu nghiên cứu có tương thích với dữ liệu thị trường hay không. Phương pháp ước lượng sử dụng là ước lượng bằng hàm hợp lý cực đại (maximum likelihood estimation). Mô hình được xem là phù hợp với dữ liệu thị trường khi các chỉ số: Chi-square hiệu chỉnh theo bậc tự do (Chi-square/df) nhỏ hơn 2, một số trường hợp nghiên cứu mới có thể nhỏ hơn 3 (Camines và cộng sự, 1981 dẫn theo Nguyễn Khánh Duy, 2009), chỉ số thích hợp so sánh CFI (Comparative fit index), chỉ số Turker – Lewis TLI (Turker
– Lewis index), lớn hơn 0.9 mô hình được xem là tốt, các chỉ số NFI, GFI có thể dưới 0.9 cũng có thể chấp nhận được (Hair và cộng sự, 2006), chỉ số RMSEA (Root Mean Square Error of Approximation) tốt ở mức dưới 0.05.
Tại Việt Nam tác giả Nguyễn Đình Thọ và cộng sự (2009) đề nghị RMSEA ở mức dưới 0.08.
- Phân tích và kiểm định mô hình bằng bằng phương trình cấu trúc (SEM):
Sau khi đã kiểm tra tính tin cậy, tính phù hợp của các nhân tố trong mô hình bằng phân tích khám phá nhân tố và khẳng định nhân tố, để kiểm định các giả thuyết nghiên cứu
mô hình cấu trúc tuyến tính sẽ được sử dụng. Khác với thế hệ phân tích dữ liệu thứ nhất (tương quan, hồi quy), trong mô hình phương trình cấu trúc tuyến tính sẽ xem xét đồng thời ảnh hưởng của các biến độc lập với nhau và biến phụ thuộc. Mô hình cấu trúc tuyến tính cũng cho phép giải quyết vấn đề đa cộng tuyến, sai số đo lường mà các phương pháp ước lượng bằng phân tích hồi quy không thực hiện được. Tiêu chuẩn kiểm định được lựa chọn theo thông lệ ở mức ý nghĩa 5%. Về cơ bản CFA là một dạng của SEM (Hair và cộng sự, 2006), vì vậy các chỉ số phù hợp mô hình của SEM được xem như trong kiểm định bằng CFA.
Ghi chú: Các bước phân tích được thực hiện với sự hỗ trợ của phầm mềm IBM SPSS 26 và IBM AMOS 20
CHƯƠNG 4
THỰC TRẠNG HIỆU QUẢ HOẠT ĐỘNG CỦA VIETTEL VÀ BỐI CẢNH CHUYỂN ĐỔI SỐ TẠI CÁC DOANH NGHIỆP VIỆT NAM, XU HƯỚNG CHUYỂN ĐỔI SỐ TRÊN THẾ GIỚI