Được tiến hành sau khi đánh giá độ tin cậy của thang đo bằng hệ số Conbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và ctg, 1998). Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser – Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá
trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Có 5 phương pháp để xác định số lượng nhân tố: Xác định từ trước, dựa vào eigenvalue, biểu đồ dốc, phần trăm biến thiên giải thích được, chia đôi mẫu, kiểm định mức ý nghĩa, nhưng phổ biến nhất là phương pháp xác định từ trước và dựa vào eigenvalue.
Phương pháp xác định từ trước: Phương pháp này người nghiên cứu dựa vào kinh nghiệm bản than và hiểu biết từ trước, từ phân tích lý thuyết, từ kết quả của các cuộc nghiên cứu trước… Người nghiên cứu biết được có bao nhiêu nhân tố có thể rút ra và như vậy có thể chỉ định trước số nhân tố cần phải rút ra để báo cáo cho chương trình máy tính.
Phương pháp dựa vào eigenvalue: Phương pháp này dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau.
Nghiên cứu định tính sẽ xác định các yếu tố đặc trưng cần phải đo lường trong mỗi biến số… Điểm của các yếu tố cụ thể được “lượng hóa” thông qua thang Likert 5 mức độ. Điểm của biến số là điểm trung bình của các yếu tố cụ thể được sử dụng để hình thành nên biến số đó.
Fi = Wi 1 X1 + Wi 2 X2 + Wi 3 X3 + … + Wi k Xk
Trong đó: Fi: Ước lượng trị số của nhân tố thứ i Wi: Quyền số hay trọng số nhân tố k: Số biến