Phân tích nhân tố khám phá (EFA) được sử dụng để đánh giá giá trị hội tụ và giá trị phân biệt của thang đo (Nguyễn Đình Thọ, 2011). Nói cách khác, phân tích nhân tố khám phá giúp tìm ra mối quan hệ giữa các biến với nhau và xác định các nhóm biến đo lường cùng một khái niệm cần thiết cho vấn đề nghiên cứu. Một số tiêu chuẩn được tác giả áp dụng khi phân tích nhân tố khám phá (EFA) như sau:
- Kiểm định sự thích hợp của phân tích nhân tố với dữ liệu nghiên cứu qua giá trị thống kê Kaiser-Meyer-Olkin (KMO): Giá trị KMO nằm trong khoảng 0,5 đến 1 thì phân tích nhân tố là thích hợp với dữ liệu nghiên cứu và ngược lại (Garson, 2002).
nhỏ nhất, tác giả sử dụng phương pháp các thành phần chính (Principal components) với phép xoay vuông góc (Varimax) (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Số lượng nhân tố: Tác giả xác định số lượng nhân tố trích được dựa vào chỉ số Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu (Garson, 2002).
- Phương sai giải thích: Tổng phương sai trích được phải lớn hơn 50% (Hair và cộng sự, 1998).
- Hệ số chuyển tải nhân tố: Các hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0,5 trong mỗi nhân tố thì thang đo mới đạt được giá trị hội tụ (Gerbing và Anderson, 1988).
Sau khi phân tích nhân tố khám phá (EFA), tác giả sẽ tiến hành điều chỉnh mô hình cũng như các giả thuyết ban đầu cho phù hợp với dữ liệu nghiên cứu.