Sau khi phân tích hệ số tin cậy Cronbach alpha thì vấn đề tiếp theo là các thang đo phải được đánh giá giá trị của nó và phương pháp phân tích nhân tố khám phá EFA (exploratory factor analysis) được đưa vào sử dụng để đánh giá các thang đo. Phân tích này nhằm mục đích kiểm tra và xác định lại các nhóm biến trong mô hình nghiên cứu. Nó dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát). Một số tiêu
chuẩn mà các nhà nghiên cứu cần quan tâm trong phân tích nhân tố khám phá (EFA) như sau:
1) Hệ số KMO (Kaiser-Meyer-Olkin) càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO phải lớn hơn 0,50 nhưng tốt hơn là KMO ≥ 0,80; và kiểm định Bartlet xem xét giả thuyết về độ tương quan giữa các biến quan sát, nếu kiểm định này có ý nghĩa thống kê (sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, p.262).
2) Theo Hair và đồng sự (1998), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố hay trọng số nhân tố (factor loading) > 0,5 thì thang đo đạt giá trị hội tụ. Với các biến không đạt tiêu chí này thì bị loại vì không phải là biến quan trọng trong mô hình, nó thực sự không đo lường khái niệm chúng ta cần đo lường. Hệ số tải nhân tố > 0,3 được xem là đạt mức tối thiểu, hệ số tải nhân tố > 0,4 được xem là quan trọng và ≥ 0,5 được xem là có ý nghĩa thực tiễn. Nếu chọn tiêu chuẩn hệ số tải nhân tố > 0,3 thì cỡ mẫu nghiên cứu phải ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải nhân tố cần > 0,55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải > 0,75.
3) Tổng phương sai trích thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường và thang đo được chấp nhận khi tổng phương sai trích ≥ 60% (Hair và Ctg, 1998; Gerbing và Anderson, 1988).
4) Hệ số Eigenvalue ≥ 1. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue tối thiểu bằng 1 (≥ 1) (Gerbing và Anderson, 1988).
5) Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003)
Khi phân tích EFA với thang đo các thành phần, tác giả sử dụng phương pháp trích hệ số sử dụng là Principal Component Analysis với phép xoay Varimax và điểm dừng trích các yếu tố có eigenvalue >1