Phân tích nhân tố là thủ tục thống kê nhằm thu nhỏ và tóm tắt dữ liệu. Trong quá trình nghiên cứu thường chúng ta phải sử dụng nhiều biến quan sát để đo lường các nhân tố được rút trích từ lý thuyết và các mô hình đã được kiểm định. Việc gom các biến quan sát thành một biến duy nhất đại diện cho một nhân tố là cần thiết để tiến hành việc kiểm định các giả thiết.
Trong phân tích nhân tố, chỉ số KMO (Kaiser-Meyer-Olkin) được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO thường phải lớn hơn 0,2 nhưng đối với các nghiên cứu thực nghiệm thì KMO phải lớn hơn 0,5 và bé hơn 1 mới đạt yêu cầu.
Trong phân tích nhân tố, hệ số chuyển tải trong nghiên cứu thực nghiệm cần đạt giá trị trên 0,5 và nếu các biến quan sát đạt dưới mức giá trị này chúng ta sẽ loại ra khỏi mô hình và việc phân tích nhân tố, phân tích hồi quy bội sẽ tiếp tục với các biến
còn lại. Các biến không đạt đồng nghĩa với việc bản thân các biến này không có ý nghĩa về mặt thống kê trong việc giải thích các nhân tố. Hệ số này biểu diễn tương quan giữa các nhân tố và các biến quan sát, hệ số càng lớn gần đến 1 thì mối tương quan giữa nhân tố và các biến quan sát càng chặt chẽ.
Một trị số khác cũng được xem xét và đánh giá trong phân tích Nhân tố khám phá là Eigenvalues hay còn gọi là giá trị đặc trưng. Trong phân tích Nhân tố khám phá, việc gom các biến quan sát thành các nhân tố sẽ cần phải đạt được giá trị đặc trưng Eigenvalues lớn hơn 1, khi đó nhân tố mới được chấp nhận về mặt thống kê và việc rút gọn các biến quan sát thành một nhân tố là có ý nghĩa về mặt thống kê.