Thực hiện phân tích nhân tố khám phá (EFA) nhằm khám phá cấu trúc và khái niệm nghiên cứu, loại bỏ các biến đo lường không đạt yêu cầu. Tuy nhiên, trước khi đánh giá các khía cạnh này, việc kiểm định Bartlett và KMO được thực hiện để xem xét mức độ quan hệ giữa các biến nhằm bảo đảm khả năng sử dụng phân tích nhân tố khám phá (EFA) trong nghiên cứu. Cụ thể, trình tự và các yêu cầu khi thực hiện phân tích nhân tố khám phá(EFA) trong nghiên cứu như sau:
Xem xét giá trị KMO: 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO < 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố (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
Để phân tích EFA có giá trị thực tiễn: tiến hành loại các biến quan sát có hệ số tải nhân tố < 0.5.
Phần trăm tổng phương sai trích (cumulative) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
Hệ số eigenvalue > 1 (Gerbing và Anderson, 1998)
Nếu phân tích nhân tố khám phá làm thay đổi số lượng thành phần so với giả thuyết ban đầu thì các thang đo thành phần mới sẽ được tính toán lại Cronbach‟s Alpha để bảo đảm các yêu cầu về độ tin cậy.