Phương pháp phân tích nhân tố EFA được dùng để kiểm định giá trị khái niệm của thang đo. Phương pháp phân tích nhân tố dùng rút gọn một tập biến quan sát thành một tập các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ
tuyến tính của các nhân tố với các biến quan sát (Nguyễn Đình Thọ, 2011). Cụ thể, khi
đưa tất cả các biến thu thập được (32 biến) vào phân tích, các biến có thể có liên hệ với nhau.
Biến quan sát thang Trung bình đo nếu loại biến Phương sai thang đo nếu loại biến Tương quan biến tổng hiệu chỉnh Cronbach's Alpha nếu loại biến Y1 Anh/ Chị hài lòng với chất lượng đào tạo các học phần cũng như môi trường học tập của Trường Đại học Văn Lang 19.51 12.621 .716 .814
Y2 Anh/ Chị lĩnh hội được nhiều kỹ năng cần thiết trong cuộc sống khi đang theo học tại Trường Đại học Văn Lang
19.58 13.678 .608 .834
Y3 Anh/ Chị hài lòng về năng lực, trình độ của cán bộ công nhân viên, giảng viên của trường
19.65 13.660 .560 .843
Y4 Anh/ Chị hài lòng về chính sách học phí của trường ổn định không thay đổi trong suốt thời gian học
19.06 14.258 .489 .855
Y5 Anh/ Chị cảm thấy yên tâm và tự tin khi theo học tại Trường
Đại học Văn Lang 19.43 12.448 .754 .806 Y6 Anh/ Chị sẽ giới thiệu với người thân, bạn bè của mình về Trường Đại học Văn Lang Mức độ tin cậy: Cronbach's Alpha = 0.853 19.49 12.272 .712 .814
Nghiên cứu tiến hành sử dụng phương pháp trích hệ số Principal component với phép quay Varimax tại điểm dừng khi trích các nhân tố có Eigenvalue > 1. Thang đo nào có tổng phương sai trích từ 50% trở lên là được chấp nhận (Gerbing & Anderson, 1988). Các biến có trọng số (Factor loading) nhỏ hơn 0.5 sẽ bị loại. Tại mỗi khái niệm có chênh lệch trọng số (Factor loading) lớn nhất và bất kỳ phải đạt ≥ 0.3 (Jabnoun & AL-Tamini, 2003). Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser – Meyer – Olkin) phải có giá trị lớn (0.5 ≤ KMO ≤ 1), điều này thể hiện phân tích nhân tố là thích hợp. Nếu hệ số KMO < 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Theo Kaiser (1974), KMO ≥ 0.9 là rất tốt; 0.8 ≤ KMO < 0.9 là tốt; 0.7 ≤ KMO < 0.8 là được; 0.6 ≤ KMO < 0.7 là tạm được, 0.5 ≤ KMO < 0.6 là xấu và KMO < 0.5 là không thể chấp nhận được (Hoàng Trọng và Mộng Ngọc, 2008).
Nghiên cứu tiến hành phân tích nhân tố khám phá (EFA) theo từng bước. Lần
đầu thực hiện EFA, 26 biến đã nhóm lại thành 5 nhân tố. Sau 1 lần thực hiện phép quay, chỉ có 5 nhóm chính thức được hình thành.