thống kê dùng để rút gọn một tập gồm nhều biến quan sát phụ thuộc lẫn nhau, thành một tập hợp biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dụng thông tin của các biến ban đầu. Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu, phân nhóm các dữ liệu trừu tượng và phức tạp hình thành các biến mới cho các nghiên cứu tiếp theo.
EFA được dùng đến trong trường hợp mối quan hệ giữa các biến quan sát và biến tiềm ẩn là không rõ ràng hay không chắc chắn. Phân tích EFA theo đó được tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở như thế nào, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến mô tả bằng phương trình:
F1 = a11x1 + a12x2 + a13x3 + … +a1pxp F1 = a21x1 + a22x2 + a23x3 + … +a2pxp
Số lượng các nhân tố cơ sở tùy thuộc vào mô hình nghiên cứu, trong đó chúng ràng buộc nhau bằng cách xoay các vector trực giao nhau để không xảy ra hiện tượng tương quan. Phân tích nhân tố khám phá EFA rất hữu dụng trong bước thực nghiệm ban đầu của các nghiên cứu
Tham số thống kê trong phân tích nhân tố khám phá EFA:
Kiểm định KMO là chỉ tiêu dùng để xem xét thích hợp của phân tích nhân tố khám phá. Giá trị giữa 0 và 1 với KMO > 0.5 thì phân tích nhân tố là thích hợp. Còn nếu KMO <0.5 là không phù hợp.