Toàn bộ các biến quan sát được đưa vào phân tích nhân tố khám phá (EFA) để giảm bớt hay tóm tắt dữ liệu và tính độ tin cậy (Sig) của các biến quan sát có quan hệ chặt chẽ với nhau hay không. Một số tiêu chuẩn mà các nhà nghiên cứu cần quan tâm trong phân tích nhân tố khám phá (EFA) như sau:
- Hệ số KMO (Kaiser-Mayer-Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤ KMO <1 thì phân tích nhân tố là thích hợp và mức ý nghĩa của kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể, 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 Trọngvà Chu Nguyễn Mộng Ngọc, 2005).
- Theo Hair và cộng sự (2006) hệ số tải nhân tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố >0.3 được xem là đạt mức tối thiểu,hể 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 hệsố tải nhân tố > 0.55, nếu cỡmẫu khoảng 50 thì hệ số tải nhân tố phải > 0.75.
- Thang đo được chấp nhận khi tổng phương saitrích≥ 50%
- Hệ số eigenvalue >1 (Gerbing và Anderson, 1998)
- Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố(Jabnoun và Al-Tamimi, 2003).
Khi phân tích EFA đối với các thang đo quen thuộc, niềm tin, kết nối cá nhân và truyền miệng tác giả sử dụng phương pháp trích Principal Component Analysis với phép xoay Varimax và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1.
Sau khi kiểm định thang đo bằng công cụ Cronbach Alpha,tất cả18 biến quan sát của bốn thang đo tiếp tục được đưa vào phân tích EFA.