Các thang đo đạt độ tin cậy sau khi kiểm định Cronbach Alpha được đưa vào phân tích nhân tố khám phá EFA. Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng để thu nhỏ và tóm tắt các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
+ Hệ số KMO (KaiserMeyerOlkin) dùng để đánh giá sự thích hợp của phân tích nhân tố. Theo đó, phân tích nhân tố được cho là thích hợp khi 0.5 ≤ KMO ≤ 1, còn nếu như trị số KMO < 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu đang có (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Đồng thời, với mức ý nghĩa của kiểm định Bartlett (Sig. < 0.05) để xem xét bác bỏ giả thuyết các biến không có tương quan với nhau trong tổng thể, tức là các biến có tương quan với nhau trong tổng thể.
+ Tiêu chuẩn rút trích nhân tố gồm chỉ số Eigenvalue (đại diện cho phần biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Eigenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc, vì sau khi chuẩn hóa mỗi biến gốc mỗi biến gốc có phương sai là 1. Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích phải lớn hơn 50%.
Tuy nhiên, trị số Engenvalue và phương sai trích là bao nhiêu còn phụ thuộc vào phương pháp trích và phép xoay nhân tố. Phương pháp trích Pricipal Axis Factoring với phép xoay Promax có phương sai trích bé hơn, song sẽ phản ánh cấu
trúc dữ liệu chính xác hơn phương pháp trích Pricipal components với phép xoay Varimax (Gerbing và Anderson, 1988). Nếu sau phân tích nhân tố khám phá EFA là phân tích hồi quy thì có thể sử dụng phương pháp trích Pricipal components với phép xoay Varimax, còn nếu sau EFA là phân tích nhân tố khẳng định CFA và phân tích mô hình cấu trúc tuyến tính SEM thì nên sử dụng phương pháp trích Pricipal Axis Factoring với phép xoay Promax (Nguyễn Khánh Duy, 2009).
+ Tiêu chuẩn hệ số tải nhân tố (Factor loading) biểu thị tương quan đơn giữa các biến và các nhân tố, dùng để đánh giá mức ý nghĩa của phân tích nhân tố. Theo Hair và cộng sự (1998), Factor loading > 0.3 được xem là đạt mức tối thiểu, Factor loading > 0.4 được xem là quan trọng, Factor loading > 0.5 được xem là có ý nghĩa thực tiễn. Đồng thời, nếu chọn Factor loading > 0.3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn Factor loading > 0.55, nếu cỡ mẫu khoảng 50 thì Factor loading phải > 0.75. Ngoại lệ, có thể giữ lại biến có Factor loading < 0.3, nhưng biến đó phải có giá trị nội dung.
Ngoài ra, nhiều nhà nghiên cứu còn quan tâm đến tiêu chuẩn 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 (Nguyễn Đình Thọ, 2011).