Phương pháp phân tích nhân tố khám phá EFA giúp chúng ta đánh giá hai loại giá trị: giá trị hội tụ và giá trị phân biệt (Nguyễn Đình Thọ, 2012). Cụ thể hơn, EFA sẽ giúp trả lời câu hỏi rằng liệu các biến quan sát dùng để xem xét sự tác động của các yếu tố ảnh hưởng có độ kết dính cao không và chúng có thể gom gọn lại thành một số nhân tố ít hơn để xem xét không. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo. Các bước thực hiện đối với nghiên cứu này như sau:
Đầu tiên, ta thực hiện các kiểm định để đánh giá mối quan hệ giữa các biến:
- Kiểm định KMO: là chỉ số để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan riêng phần của chúng. Để sử dụng EFA, giá trị KMO nằm trong khoảng [0.5 – 1] (Nguyễn Đình Thọ, 2012).
- Kiểm định Bartlett: dùng để xem xét ma trận tương quan có phải là ma trận đơn vị không (Nguyễn Đình Thọ, 2012). Nói cách khác, đây chính là giả thuyết xem xét các biến có tương quan trong tổng thể không. Kiểm định Bartlett phải có ý nghĩa thống kê
(Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Sau đó, ta đánh giá giá trị thang đo bằng EFA thông qua ba thuộc tính quan trọng từ kết quả:
- Số lượng nhân tố trích: Ta sử dụng tiêu chí phổ biến là Eigenvalue nhằm xác định số lượng nhân tố trong EFA. Số lượng nhân tố được xác định ở nhân tố có Eigenvalue tối thiểu lớn hơn hoặc bằng 1. Phương pháp trích hệ số được sử dụng là mô hình thành phần chính (PCA) với phép trích Principal Components.
- Tổng phương sai trích: thể hiện nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Tổng này phải đạt từ 50% trở lên (Nguyễn Đình Thọ, 2012).
- Trọng số nhân tố: Các trọng số nhân tố (Factor Loading) sau khi quay phải đạt được điều kiện là cao đối với biến đo lường và thấp đối với biến không đo lường. Điều này giúp thang đo đạt giá trị hội tụ. Và ở đây ta xét các trọng số dựa trên hai (2) điều kiện. Một là, các trọng số nhân tố phải lớn hơn hoặc bằng 0.5. Hai là, chênh lệch trọng số của từng biến quan sát tương quan với các nhân tố khác nhau phải lớn hơn hoặc bằng 0.3. Các biến quan sát sẽ bị loại nếu không thỏa mãn các điều kiện trên (Nguyễn Đình Thọ, 2012).
Trong đề tài này phân tích nhân tố khám phá EFA được thực hiện với phương pháp
rút trích các nhân tố (Principal Components) với phép quay Varimax và điểm dừng khi
trích các yếu tố Eigenvalue =1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích. KMO được sử dụng để xem xét sự thích hợp của phân tích nhân tố.
Theo sách Phương pháp nghiên cứu khoa học trong kinh doanh của Nguyễn Đình Thọ (2011), để sử dụng EFA thì hệ số KMO phải lớn hơn 0.5.