Sau khi phân tích độ tin cậy của các thang đo cho các khái niệm nghiên cứu, các thang đo được đánh giá tiếp theo bằng phương pháp phân tích yếu tố khám phá EFA. Phương pháp phân tích nhân tố khám phá EFA (Exploratory factor Analysis) thực hiện với các biến đạt yêu cầu về hệ số in cậy Cronbach Alpha. Sử dụng phương pháp trích yếu tố “Principal Component Analysis” với phép xoay Varimax để tìm ra các nhân tố đại diện cho các biến và điểm dừng khi trích các yếu tố cĩ Eigenvalues = 1. Tiến hành loại các biến cĩ trọng số nhân tố (hệ số chuyển tải) nhỏ hơn 0.5 và tổng phương sai trích được phải lớn hơn hoặc bằng 50%, thang đo được chấp nhận (Gerbing & Anderson, 1998; trích từ Nguyễn Thị Mai Trang & Nguyễn Đình Thọ, 2008). Việc phân tích nhân tố sẽ được thực hiện theo các tiêu chí sau:
✓ Kiểm định Bartlett: Là một kiểm định thống kê nhằm kiểm tra giữa các biến cĩ tương quan hay khơng. Nếu kiểm định này cĩ mức ý nghĩa thống kê dưới 0.05 thì xem như các biến cĩ tương quan với nhau (Hair et al., 1995).
✓ Phép đo sự phù hợp của mẫu KMO (Kaiser-Meyer-Olkin): là phép đo sự tương quan qua lại giữa các biến và sự phù hợp để phân tích nhân tố. Hệ số KMO
cĩ giá trị trong khoảng 0 đến 1. Giá trị KMO phụ thuộc vào cỡ mẫu, độ tương quan trung bình, số biến và số nhân tố. Nếu hệ số này lớn hơn 0.5 thì tập dữ liệu được xem là phù hợp để tiến hành phân tích nhân tố (Hair et al., 1995).
✓ Eigenvalue: Là tổng bình phương các trọng số của các biến trên một cột nhân tố, cịn được gọi là latent root. Nĩ đại diện cho mức độ biến động được giải thích bởi một nhân tố. Giá trị eigenvalue của các nhân tố được chọn phải từ 1 trở lên (Hair et al., 1995).
✓ Hệ số tải nhân tố: Là hệ số tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng cĩ quan hệ chặt chẽ với nhau. Để thang đo đạt giá trị hội tụ thì hệ số này phải lớn hơn 0.5 trong một nhân tố. Để đạt giá trị phân biệt, khác biệt giữa các hệ số tải nhân tố phải lớn hơn hoặc bằng 0.3 (Hồng Trọng, Chu Nguyễn Mộng Ngọc, 2005).