Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các khía cạnh khác nhau của các khái niệm nghiên cứu và tìm mối quan hệ giữa các biến với nhau. Trong phân tích EFA, đại lượng Bartlett là đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau (các biến đo lường phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). Do đó nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Trị số KMO (KaiMeyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để việc tiến hành phân tích nhân tố là thích hợp. Hệ số Factor Loading >=0.55 cỡ mẫu khoảng 100 -> 350 (Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International). Kiểm định Bartlett (Bartlett’s test) có ý nghĩa thống kê (sig < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể. Hệ số tải nhân tố (Factor Loading) là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA >= 0.5. Tổng phương sai trích (Total Varicance Explained) đạt giá trị từ 50% trở lên, các nhân tố trích ra giải thích được bấy nhiêu phần trăm sự biến thiên của dữ liệu nghiên cứu. (Gerbing & Anderson, 1988). Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) > 1 thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.