Phương pháp dùng ñể xác ñịnh cấu trúc thang ño với phương pháp Principal Components cùng với phép xoay Varimax ñược áp dụng cho nghiên cứu này ñể giúp phân biệt rõ hơn giữa các nhân tố và khả năng giải thích các nhân tố do kết quả phân tích cho ra trọng số nhân tố rất cao hoặc trọng số nhân tố rất thấp là 0. Một vài thông số cần lưu ý:
+ Thông số KMO (Kaiser – Meyer – Olkin) có giá trị từ 0.0 ñến 1.0, dùng ñể
kiểm ñịnh sự phù hợp của tập dữ liệu khảo sát. KMO có giá trị từ 0.8 ñến 1.0 là rất tốt; 0.5 ñến 0.8 là trung bình. Theo Hair và ctg (1995), KMO phải lớn hơn 0.5 thì tập dữ
liệu mới phù hợp cho các phân tích thống kê hồi qui tiếp theo.
+ Trọng số nhân tố (factor loading) là chỉ tiêu ñể ñảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Theo Hair và ctg (1998, 111), factor loading > 0.3 ñược xem là ñạt ñược mức tối thiểu, factor loading > 0.4 ñược xem là quan trọng, > 0.5 ñược xem là có ý nghĩa thực tiễn. Hair và ctg (1998, 111) cũng khuyên như sau: nếu cỡ mẫu khoảng 50 thì factor loading phải > 0.75, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0.55, nếu chọn tiêu chuẩn factor
loading > 0.3 thì cỡ mẫu ít nhất phải là 350. Như vậy factor loading của nghiên cứu này > 0.3 do cỡ mẫu là 398.
+ Thông số Eigenvalue biểu thị sự biến thiên theo các nhân tố của biến khảo sát. Theo Hair và ctg (1995), thông số Eigenvalue > 1 thì các nhân tố thành phần mới có ý nghĩa.
+ Thông số phần trăm tổng phương sai trích biểu thị sự biến thiên ñược giải thích bởi các nhân tố, thang ño ñược chấp nhận khi tổng phương sai trích của tất cả các nhân tố > 50%.