Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được sử dụng để giảm bớt dữ liệu, giúp ta “rút trích” từ các biến quan sát thành phần thành một số biến tổng hợp (gọi là nhân tố hay thành phần) với mục đích làm cho chúng có ý nghĩa hơn mà vẫn chứa đựng được hầu hết các nội dung thông tin của tập biến ban đầu.
Khi tiến hành phân tích nhân tố EFA cần xem xét đến giá trị của KMO, kiểm định Bartlett và phương sai trích.
KMO (Kaiser – Meyer –Olkin) là chỉ tiêu dùng để đánh giá sự thích hợp của phân tích nhân tố. Nếu giá trị KMO: 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp, ngược lại nếu KMO <0.5 thì dữ liệu phân tích nhân tố có khả năng là không thích hợp (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định Bartlett dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể.
Hệ số tải nhân tố (Factor loadings): Là hệ số tương quan đơn giữa các biến và các nhân tố. Với cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố phải lớn hơn 0.3; nếu cỡ mẫu khoảng 100 thì chọn hệ số tải nhân tố lớn hơn 0.55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0.75 (Hair, Anderson, Tatham và Black; 2008).
Giá trị tổng phương sai trích cho biết các nhân tố được trích giải thích được bao nhiêu % sự biến thiên của các biến quan sát, giá trị yêu cầu phải ≥ 50%.
Cách thức thực hiện: sử dụng phương pháp trích nhân tố là Principal components với phép quay Varimax và điểm dừng khi trích các yếu tố là Eigenvalues. Chỉ giữ lại những nhân tố có giá trị Eigenvalues > 1. Tiến hành loại các biến số có hệ số tải nhân tố nhỏ hơn 0.55 và tổng phương sai trích ≥ 50%.