Phương pháp EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố chứa đựng ý nghĩa về mặt tính đơn hướng, hội tụ và tách biệt hơn. Cần chú ý là Cronbach’s alpha cần phải được thực hiện trước để loại các biến rác (garbage items) trước khi thực hiện phân tích EFA. Qui trình này giúp tránh được các biến rác vì các biến rác này có thể tạo nên các nhân tố giả (artificial factors) khi phân tích EFA (Churchill 1979). Tác giả tiến hành EFA theo từng bước như sau:
Bước 1: Kiểm tra điều kiện để phân tích EFA. Phân tích EFA dựa trên cơ sở mối quan hệ giữa các biến đo lường Xi. Vì vậy, trước khi quyết định sử dụng EFA chúng ta cần phải xem xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số tương quan (correlation matrix) có thể nhận biết được mức độ quan hệ giữa các biến. Theo Hair và cộng sự (2006), nếu hệ số tương quan nhỏ (< 0,3) sử dụng EFA là không phù hợp. Một số tiêu chí sử dụng để đánh giá mối quan hệ giữa các biến:
Kiểm định Bartlett (Bartlett ’s test of sphericity): nếu phép kiểm định có p < 0,05, ta kết luận ma trận tương quan là ma trận đơn vị, nghĩa là các biến có quan hệ nhau.
Kiểm định KMO (Kaiser – Meyer – Olkin measure of Sampling Adequacy) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan từng phần của chúng (Norusis 1994). KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn và để sử dụng EFA, KMO phải > 0,5 (Nguyễn Đình Thọ 2013).
Kích thước mẫu: để sử dụng EFA cần phải có kích thước mẫu lớn. Trong EFA, kích thước mẫu thường được xác định dựa vào kích thước tối thiểu và số lượng biến đo lường đưa vào phân tích. Theo mục 3.5, tác giả đã chọn kích thước mẫu tối thiểu là 130 mẫu.
Tóm lại, tiêu chuẩn cho nghiên cứu này của tác giả là mức ý nghĩa Sig của Barlett’s Test of Sphericity < 0,05; KMO > 0,5 và kích thước mẫu tối thiểu phải là 130 phiếu khảo sát.
Bước 2: Đánh giá giá trị thang đo bằng EFA
Trọng số nhân tố hay còn gọi là hệ số tải nhân tố (Factor loading). Đối với thuộc tính này, cần phải chú ý hai tiêu chí, một là hệ số tải nhân tố phải ≥ 0,5 (là giá trị được chấp nhận trong thực tiễn) và hai là nếu chênh lệch trọng số của biến đó < 0,3 thì cần loại bỏ biến này(Nguyễn Đình Thọ 2013). Hay theo Hair và cộng sự (1998) hệ số factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0,3 được xem là đạt mức tối thiểu, factor loading > 0,4
được xem là quan trọng, factor loading > 0,5 được xem là có ý nghĩa thực tiễn (Nguyễn Khánh Duy 2009). Đạt được tiêu chí này thì các biến quan sát đạt được giá trị hội tụ và giá trị phân biệt.
Số lượng nhân tố trích: có nhiều phương pháp chọn nhân tố hay còn gọi là chọn điểm dừng và dừng ở nhân tố thứ mấy. Có ba phương pháp thường được sử dụng là tiêu chí Eigenvalue, tiêu chí điểm gãy và xác định trước số lượng nhân tố. Trong bài nghiên cứu của mình tác giả chọn tiêu chí Eigenvalue vì đây là một tiêu chí được sử dụng phổ biến trong xác định số lượng nhân tố trong phân tích EFA hiện nay. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue tối thiểu = 1 (hoặc ≥ 1).
Tổng phương sai trích: khi đánh giá kết quả EFA cuối cùng ta cần xem xét phần tổng phương sai trích. Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường, và tổng này phải đạt từ 50% trở lên, thể hiện tỷ lệ giải thích của các nhân tố được rút ra. Thỏa được điều kiện này, ta kết luận là mô hình EFA phù hợp.
Như vậy, tiêu chuẩn cho nghiên cứu này của tác giả là đối với số lượng nhân tố trích (dừng ở Eigenvalue tối thiểu = 1); trọng số nhân tố (factor loading ≥ 0,5 và chênh lệch trọng số trong cùng 1 biến > 0,3); tổng phương sai trích > 50%.