Trong phân tích nhân tố phương pháp Principal components analysis đi cùng với phép xoay varimax thường được sử dụng. Phân tích nhân tố phải thỏa mãn 5 điều kiện như sau:
(1) Hệ số KMO ≥ 0.5 và mức ý nghĩa của Kiểm định Bartlet ≤ 0.05. ( Theo Hoàng
Trọng và Chu Nguyễn Mộng Ngọc, 2008).
(2) Hệ số tải nhân tố (Factor Loading) ≥ 0.5 để tạo giá trị hội tụ - Theo Hair và Anderson (1998, 111). Hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu thì cỡ mẫu ít nhất phải là 350; hệ số tải nhân tố > 0.4 được xem là quan trọng; và ≥ 0.5 được xem là có ý nghĩa thực tiễn. Nếu cỡ mẫu khoảng 100 thì nên thì nên chọn tiêu chuẩn hệ số tải nhân tố > 0.55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố > 0.75. Trong phần phân tích nhân tố này, tác giả chấp nhận hệ số tải nhân tố từ 0.5 trở lên, nếu các biến quan sát không đạt yêu cầu này thì không phải là biến quan trọng trong mô hình và bị loại để chạy tiếp phân tích nhân tố.
(3) Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%. (Hair và Anderson,
1998)
(4) Hệ số eigenvalue >1 (Gerbing và Anderson, 1998). Số lượng nhân tố được xác định dựa trên chỉ số eigenvalue - đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.
(5) Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003).
Sau khi kiểm tra điều kiện (1) của phân tích nhân tố, tiến đến xác định số lượng nhân tố thông qua điều kiện (3) là phương sai trích ≥ 50% và (4) là eigenvalue >1. Tiếp đến, kiểm tra giá trị hội tụ theo điều kiện (2) và giá trị phân biệt theo điều kiện (5) của các thang đo nhằm điều chỉnh để phục vụ cho việc chạy hồi quy mô hình tiếp theo. Kết quả phân tích EFA cuối cùng sẽ đáp ứng giá trị hội tụ và giá trị phân biệt. Các nhân số của các nhân tố dùng để tính toán chỉ được hình thành sau khi kiểm tra EFA và Cronbach alpha. Nhân số bằng trung bình cộng (Mean) của các biến số (hoặc items) của từng nhân tố (factors).