Phân tích nhân tố khám phá sẽ trả lời câu hỏi liệu các biến quan sát dùng để xem xét tác động của các yếu tố thành phần đến biến phụ thuộc có độ kết dính cao không và chúng có thể rút gọn lại thành một số yếu tố ít hơn để quan sát hay không. Các tham số thống kê trong phân tích EFA như sau:
Kiểm định hệ số KMO – chỉ số so sánh độ lớn của hệ số tương quan giữa hai biến quan sát với độ lớn của hệ số tương quan riêng phần của chúng (Norusis, 1994): KMO 1, KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO>0,50; KMO ≥ 0,90: rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: được; KMO ≥ 0,60: tạm được; KMO ≥ 0,50: xấu và KMO < 0,50 là không thể chấp nhận.
Kiểm định Barlett xem xét giả tuyết H0: Độ tương quan giữa các biến quan sát bằng 0. Nếu kiểm định này có ý nghĩa thống kê (sig <0.05) thì các biến có tương quan nhau trong tổng thể (Trọng và Ngọc, 2008).
Các hệ số tải nhân tố (factor loading) nhỏ hơn 0.4 trong EFA sẽ bị loại để đảm bảo sự hội tụ giữa các biến. Phương pháp trích hệ số sử dụng là Principal Components phép quay varimax và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1, tổng phương sai trích bằng hoặc lớn hơn 50% (Trọng và Ngọc, 2008).
Trong nghiên cứu này, tác giả sử dụng tiêu chuẩn sau để thực hiện phân tích nhân tố khám phá:
KMO nằm trong khoảng 0.5 đến 1.
Kiểm định Barlett có ý nghĩa thống kê (sig <0.05).
Giữ lại các biến có hệ số tải lớn hơn 0.5 và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1, tổng phương sai trích bằng hoặc lớn hơn 50%.