Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật sửdụng để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng nhưtìm ra các mối quan hệ giữa các biến với nhau. Phép phân tích nhân tố của các kháiniệm nghiên cứu được xem xét để cung cấp bằng chứng về giá trị phân biệt và giátrị hội tụ của thang đo.Mức độ thích hợp của tương quan nội tại các biến quan sát trong khái niệmnghiên cứu được thể hiện bằng hệ số KMO (Kaiser – Mever – Olkin). Trị số KMO lớn ( giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố làthích hợp, còn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khôngthích hợp với dữ liệu.
Đo lường sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Bartlett‟s Test of Sphericity trong phân tích khám phá dùng để xem xét sự thích hợp của phân tíchnhân tố. Rút trích nhân tố đại diện bằng các biến quan sát được thựchiện với phép quay Varimax và phương pháp trích nhân tố Principle components.Các thành phần với giá trị Eigenvalue lớn hơn 1 và tổng phương sai trích bằng hoặclớn hơn 50% được xem như những nhân tố đại diện các biến. Hệ số tải nhân tố(Factor loading) biểu diễn các tương quan đơn giữa các biến và các nhân tốbằng hoặc lớn 0.5 mới có ý nghĩa.
Từ kết quả phân tích nhân tố khám phá, tác giả sẽ xem xét lại mô hình nghiên cứu giả thiết, cân nhắc việc liệu có phải điều chỉnh mô hình hay không, thêm, bớt các nhân tố hoặc các giá trị quan sát của các nhân tố hay không?