Phân tích nhân tố khám phá là một nhóm các thủ tục, phƣơng pháp phân tích thống kê đƣợc sử dụng để thu nhỏ và rút gọn một tập dữ liệu gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (còn gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng đƣợc hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 1998).
Tiêu chuẩn đánh giá (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008):
Chỉ số KMO: là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố khám phá. Chỉ số KMO nằm từ 0.5 đến 1 là điều kiện đủ để đánh giá phƣơng pháp phân tích nhân tố là thích hợp.
Kiểm định Bartlett: xem xét giả thuyết các biến không có tƣơng quan trong tổng thể, nếu kiểm định cho mức ý nghĩa thống kê (sig < 0.05) thì có thể kết luận các biến có tƣơng quan với nhau trong tổng thể, việc phân tích nhân tố là phù hợp đối với tập dữ liệu đang xét.
Eigenvalue: đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích.
Hệ số phƣơng sai trích: phần trăm phƣơng sai toàn bộ đƣợc giải thích bởi các nhân tố. Phƣơng sai trích cần đạt mức tiêu chuẩn từ 60% trở lên để phần trăm sự biến thiên của các nhân tố có thể giải thích đƣợc phần trăm sự biến thiên của các biến quan sát.
Factor loading (hệ số tải nhân tố): là hệ số tƣơng quan đơn giữa các biến và các nhân tố. Hệ số tải nhân tố phải lớn hơn hoặc bằng 0.5 để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố khám phá.
Nhân số: ta thực hiện lấy Factor Score của các nhân tố bằng cách lấy trung bình cộng của các biến quan sát thuộc nhân tố để tiến hành thực hiện phân tích tiếp theo.