Sau khi xem xét độ tin cậy của thang đo bằng phương pháp kiểm định Cronbach‟s Alpha bỏ ra 2 biến không phù hợp là QHCV4 và QHCV6, tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA nhằm giúp đề tài đánh giá các giá trị của thang đo bao gồm giá trị hội tụ và giá trị phân biệt. Từ đó có thể rút gọn tập hợp các biến quan sát có quan hệ chặt chẽ thành một nhân tố mà không làm giảm giá trị thông tin các biến ban đầu và làm tiền đề cho việc nghiên cứu tương quan của các biến.
Các tiêu chí cần lưu ý khi tiến hành phương pháp phân tích nhân tố khám phá EFA như sau:
- Hệ số tải nhân tố (Factor loading): là hệ số tương quan đơn giữa các biến và các nhân tố. Theo Hair và cộng sự (1998), hệ số này phải lớn hơn 0.5 mới được xem là có ý nghĩa thực tiễn. Trường hợp một biến quan sát có factor loading ở cả 2 nhân tố thì phải đảm bảo hai hệ số cách nhau 0,3 đơn vị và factor loading ở nhân tố nào cao hơn thì biến quan sát sẽ thuộc về nhân tố đó (Jabnoun & Altamimi, 2003). Nếu không thỏa mãn điều kiện cách nhau 0,3 đơn vị thì nên loại bỏ biến quan sát này.
- Hệ số KMO (Kaiser-Meyer-Olkin): là chỉ số xem xét sự thích hợp của phân tích nhân tố. Chỉ số KMO với giá trị 0,5<KMO<1 là điều kiện đủ để phân tích nhân tố là thích hợp.
- Kiểm định Bartlett: có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể (Theo vivuspss.com)
- Hệ số Eigenvalue: của các nhân tố phải lớn hơn hoặc bằng 1.Theo Hair và cộng sự (1998) yêu cầu phương sai trích phải đạt từ 50% trở lên.