4.2 Analisi dei dati e risultati
4.2.3 Fattori influenti sull’utilizzo dei social
Questa parte di analisi va a testare il modello del TOE applicato ai social media, presentato in tabella 4.1. La variabile dipendente è rappresentata dalla variabile “Social Media Use”, mentre le variabili indipendenti sono rappresentate dai sette costrutti considerati.
Ai fini di valutare l’efficacia della scala nel misurare effettivamente i costrutti preposti, si è ricorso ad una serie di analisi volte a valutare l’affidabilità (grado di accordo o coerenza tra misurazioni indipendenti dello stesso costrutto) e la validità (grado in cui uno strumento misura ciò che dice di misurare di essa).63 Per quanto riguarda la cosiddetta
“content validity”, ovvero la validità del contenuto dei costrutti, questa è in parte assicurata dalla formulazione delle domande e degli items sulla base della letteratura.64
Gli items inclusi nella scala, sebbene non ancora applicati al contesto dei social media, sono infatti stati già analizzati nella letteratura accademica relativa ad Internet e all’ICT.
Per valutare invece l’attendibilità della scala si è deciso di ricorrere alla cosiddetta “analisi degli elementi” (o più generalmente analisi delle domande) che prevede due differenti misurazioni: la correlazione elemento-scala e la coerenza interna della scala (alfa di Cronbach). Il ricercatore a seguito dell’analisi combinata di questi indici, decide solitamente quali sono gli items da scartare.
La correlazione elemento-scala65 serve per individuare gli elementi della scala che non
sono coerenti con gli altri. Il valore di correlazione elemento-scala è accettabile se
63Va sottolineato che l’obiettivo della tesi non è la costruzione e la validazione di una scala per la
valutazione di un atteggiamento o un costrutto, in quanto questi sono già stati testati in letteratura. La scala in questo caso è un aspetto della ricerca, e si segue l’approccio semplificato della tecnica delle scale descritto da Corbetta (2003) che prevede la copresenza nello stesso strumento di rilevazione (il questionario) di più scale piuttosto semplici, contenenti un numero di item ridotti, per i quali non serve soffermarsi sui controlli di validità. Ovviamente per questo motivo l’ambito di applicazione della scala è circoscritto alla specifica popolazione studiata.
64 La scala risulta infatti più valida (cioè con una maggiore capacità di rilevare effettivamente la proprietà
sottostante per la quale è stata costruita) se le affermazioni che essa contiene vengono effettivamente formulate dopo che sono stati individuati su piano teorico i differenti aspetti dei concetti da rilevare (Corbetta, 2003).
65Si calcola per ogni soggetto il punteggio su tutta la scala (somma o valore medio) e si calcola il
coefficiente di correlazione fra questo punteggio e il punteggio su ogni singolo item. Se le due variabili covariano il coefficiente assume un valore elevato (variabile tra -1 e 1), altrimenti i valori del coefficiente si approssimano allo 0. In pratica il coefficiente di correlazione elemento-scala dice se il punteggio di ogni singolo elemento si muove nella stessa direzione del punteggio globale che tiene conto di tutti gli altri elementi.
138 superiore allo 0.40. Dall’analisi dei dati emerge un indice di correlazione elemento-scala superiore a 0,40 per tutti gli items di tutti i costrutti, fatta eccezione per la dimensione “pressione competitiva”.
La coerenza interna della scala sta invece ad indicare se esistano elementi della scala che non siano coerenti con gli altri. L’indice utilizzato in questi casi è il Cronbach alfa che si basa sulla matrice di correlazione fra tutti gli elementi e il loro numero.66
Solitamente si accetta la scala per valori di α maggiori di 0,70 (Nunnally, 1978). Come è mostrato in tabella 4.7, gli indici Cronbach alfa risultano maggiori del valore soglia 0,70 in tutti i costrutti, fatta eccezione per il costrutto “pressione competitiva”.
Si può quindi affermare che le domande relative a sei costrutti su sette, sono discretamente affidabili nella valutazione delle dimensioni del TOE prese in considerazione. Per quanto riguarda il costrutto “pressione competitiva”, questo non soddisfa i valori soglia né della correlazione elemento-scala, né della coerenza interna. A questo punto si è scelto di eleminare tra i due item considerati, quello che mostra al proprio interno una deviazione standard minore. Così facendo la variabile “pressione competitiva” è costituita da un solo item: “la presenza sui social media permette di
ottenere un vantaggio competitivo nel nostro settore”. In tabella 4.7 sono riassunte le misure descrittive dei costrutti del TOE, con il relativo Cronbalch Alfa.
Tabella 4.7: Misure descrittive dei costrutti TOE.
Costrutto N items Cronbach α Media
Vantaggi percepiti 6 0,863 3,698
Complessità 5 0,736 3,211
Compatibilità 2 0,877 3,486
Competenza organizzativa 4 0,792 2,190
Top Management support 4 0,870 3,521
Servizi di supporto 2 0,763 3,271
Pressione competitiva* 2 0,157 3,800
*la pressione competitiva è stato ridotto ad un singolo item con media 4 Fonte: nostra elaborazione.
66 La formula standardizzata è la seguente:
=1 + ̅( − 1)̅
dove n= numero elementi della scala, ̅= correlazione media degli items
L’alfa di Cronbach è un indice positivo che oscilla tra 0 e 1; più alti sono i valori, maggiore è la coerenza interna della scala.
139 Come si può vedere dalla tabella, la dimensione “vantaggi percepiti” e “top management support” mostrano la media più elevata. Questo sta ad indicare che le imprese considerano i social media come portatori di importanti benefici in termini di comunicazione, maggiore competitività aziendale, profittabilità, mercati di sbocco raggiungibili, conoscenza del cliente e miglioramento immagine aziendale. Allo stesso modo le imprese del campione sembrano essere gestite da vertici aziendali aperti al cambiamento, all’innovazione e disposti ad investire in questi nuovi mezzi di comunicazione.
Infine, per testare l’esistenza di una relazione tra le variabili del TOE e la variabile “Social Media Use” sì è ricorso allo studio delle correlazioni tramite l’utilizzo del Coefficiente di Pearson.
Per semplicità si è lavorato con analisi univariate e bivariate senza ricorrere ai principi della statistica multivariata. Di conseguenza, sono state create delle nuove variabili da utilizzare come variabili indipendenti per accorpare le sette dimensioni alla base del TOE attraverso la somma dei punteggi di ciascun item, per ciascun costrutto.
In questo caso si è deciso di procedere con lo studio dei coefficienti di correlazione tra le 7 variabili del TOE, che si considerano variabili indipendenti, e l’indicatore “Social Media Use”. Per valutare la forza di una relazione fra due variabili cardinali, come in questo caso, si utilizza il coefficiente di correlazione r, (coefficiente di correlazione di Pearson67).
Inoltre, per approfondire la significatività della correlazione l’indice di Pearson è stato sottoposto a test inferenziale. Si è proceduto quindi con il calcolo della matrice di correlazione fra i punteggi somma delle variabili che costituiscono le scale del TOE e l’indicatore “Social Media Use”.
67 La formula del coefficiente di correlazione è la seguente:
: ∑( − )( − ) ∑( − ) ∑( − )
Il coefficiente di correlazione di Pearson può variare tra –1 (correlazione negativa perfetta), zero (assenza di correlazione) e +1 (correlazione positiva perfetta) ed in genere valori > |0,50| indicano una correlazione di elevata intensità tra le due variabili.
140 Come si può vedere in tabella, il test di significatività a due code ha mostrato l’esistenza di 5 correlazioni lineari significative (r>0,30; pvalue< 0,01).
Tabella 4.8: Matrice di correlazione tra le variabili del TOE e l’indicatore “Social Media Use”.
Social Media Use
Social Media Use Correlazione di Pearson 1
Sign. (a due code)
N 105
VSVantaggiPercepiti Correlazione di Pearson ,341**
Sign. (a due code) ,000
N 105
VSComplessità Correlazione di Pearson -,139
Sign. (a due code) ,158
N 105
VSCompatibilità Correlazione di Pearson ,392**
Sign. (a due code) ,000
N 105
VSTopManagement Correlazione di Pearson ,348**
Sign. (a due code) ,000
N 105
VSCompOrganizzativa Correlazione di Pearson ,308**
Sign. (a due code) ,001
N 105
VPressCompetitiva Correlazione di Pearson ,218*
Sign. (a due code) ,026
N 105
VSServiziSupporto Correlazione di Pearson ,161
Sign. (a due code) ,101
N 105
***La correlazione è significativa a livello 0,01 (a due code). Fonte: nostra elaborazione.
I risultati indicano che l’utilizzo dei social media è significativamente correlato con i vantaggi percepiti derivanti dall’utilizzo (H1 confermata), con la compatibilità (H3 confermata), con il supporto da parte del top management (H4 confermata), con la
141 competenza organizzativa (H5 confermata) e con la pressione competitiva (H6 confermata). Le altre due variabili (complessità e servizi di supporto) sono risultate non essere significative. Di conseguenza le ipotesi H2 e H7 non sono supportate dai dati empirici.
Tabella 4.9: risultati delle ipotesi
Ipotesi Risultato
H1 I vantaggi relativi percepiti sono correlati positivamente con il livello di utilizzo dei social media da parte delle imprese
Supportata
H2 La complessità percepita relativamente all’utilizzo dei social media è correlata negativamente al livello di utilizzo dei social media da parte dell’impresa
Non supportata H3 La compatibilità è correlata positivamente con il livello di utilizzo dei social
media da parte dell’impresa
Supportata
H4 Il supporto del top management è correlato positivamente all’utilizzo dei social
media da parte dell’impresa Supportata
H5 La competenza organizzativa è correlata positivamente all’utilizzo dei social
media da parte dell’impresa Supportata
H6 La pressione competitiva è correlata positivamente all’utilizzo dei social media
da parte dell’impresa Supportata
H7 La presenza di servizi di supporto è correlata positivamente all’utilizzo dei social media da parte dell’impresa
Non supportata
Fonte: nostra elaborazione.