Sau khi đánh giá độ tin cậy của thang đo với hệ số Cronbach’s Alpha thì bước tiếp theo phải đánh giá giá trị của nó. Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Để đánh giá hai giá trị này, tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA. Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là không có biến phụ thuộc và độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k các biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn việc rút gọn này dựa vào mối quan hệ tuyến tính giữa các nhân tố với biến quan sát. Để xác định sự phù hợp khi dùng EFA thì ta dùng hai loại kiểm định là Barlett và kiểm định KMO.
Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I, là ma trận có các thành phần bằng 0 và đường chéo bằng 1. Nếu phép kiểm định Bartlett có Sig < 5% chúng ta từ chối giả thuyết H0 (ma trận tương quan là ma trận đơn vị), nghĩa là các biến có tương quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2011).
Kiểm định KMO 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 riêng phần của chúng. Để sử dụng EFA, KMO phải > 0.5 (Nguyễn Đình Thọ, 2011).
Để chọn số lượng nhân tố, ba phương pháp thường được sử dụng là tiêu chí Eigenvalue, tiêu chí điểm uốn, xác định trước số lượng nhân tố. Trong nghiên cứu này tác giả chọn tiêu chí eigenvalue. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1 (>=1) (Nguyễn Đình Thọ, 2011).
lệch trọng số phải ≥ 0.3 (Nguyễn Đình Thọ, 2011).
Cuối cùng là khi đánh giá ta cần xem xét tổng phương sai trích Total Variance Explained. Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Tổng này phải đạt từ 50% trở lên (Gerbing và Anderson, 1988), nghĩa là phần chung phải lớn hơn phần riêng và sai số (từ 60% trở lên là tốt) (Nguyễn Đình Thọ, 2011).