Sau khi phân tích độ tin cậy của thang đo, bước tiếp theo nhằm xác định tập hợp biến cần thiết cho vấn đề nghiên cứu, chúng ta tiếp tục sử dụng phương pháp phân tích nhân tố khám phá A nhằm xem xét mức độ hội tụ của các biến uan sát theo t ng thành phần và giá trị phân biệt giữa các nhân tố.
Sau khi phân tích nhân tố, chỉ những nhóm nhân tố thỏa mãn điều kiện mới có thể tham gia vào phần chạy hồi uy trong phân tích tiếp theo.
Các tham số thống kê quan trọng trong phân tích nhân tố gồm:
Chỉ số KMO (Kaiser – Meyer – Olkin measure of sampling ade uacty): là một chỉ số dùng để xem xét mức độ thích hợp của phân tích nhân tố. Chỉ số KMO phải
đủ lớn ( 0.5) (Hair cộng sự, 2006) thì phân tích nhân tố là thích hợp, còn nếu nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
Chỉ số igenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố có igenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích, các nhân tố có igenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình (Hair cộng sự, 2006).
Phương sai trích (Variance xplained Criteria): t ng phương sai trích phải lớn hơn 50% (Hair cộng sự, 2006).
Hệ số tải nhân tố (factor loadings): là hệ tố tương uan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có uan hệ chặt chẽ với nhau. Với mẫu khoảng 200, hệ số tải nhân tố được chấp nhận là lớn hơn 0.5 (Hair cộng sự, 2006), các biến có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại khỏi mô hình.
Kiểm định Bartlett: để kiểm tra độ tương uan giữa các biến uan sát và t ng thể, phân tích chỉ só ý nghĩa khi sig. có giá trị nhỏ hơn 5% (Hair cộng sự, 2006).