Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được sử dụng để xác định độ giá trị hội tụ, độ giá trị phân biệt và đồng thời thu gọn các tham số ước lượng theo từng nhóm biến.
Để xác định sự phù hợp khi sử dụng EFA, người ta thường tiến hành dùng kiểm định Bartlett’s và KMO:
- Kiểm định Bartlett’s: dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I (indentify matrix) hay không. Kiểm định Bartlett’s có ý nghĩa thống kê khi Sig. < 0,05. Điều này chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
- Kiểm định KMO: là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan từng phần của chúng (Nguyễn Đình Thọ, 2013). Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, hệ số KMO phải đạt giá trị từ 0,5 trở lên (KMO ≥ 0,5).
- Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue cần lớn hơn 1 sẽ có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
- 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 sử dụng phương pháp rút trích nhân tố “principal components” nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt yêu cầu.
Trong nghiên cứu này, tác giả sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các nhân tố có
Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 hoặc bằng 1.