Phương pháp phân tích nhân tố khám phá EFA 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.
Sau khi loại bỏ các biến không đảm bảo độ tin cậy, các thang đo được đánh giá bằng phương pháp phân tích nhân tố khám phá (Exploratoty Factor Analysis – EFA). Phân tích nhân tố khám phá nhằm xem xét giá trị hội tụ và giá trị phân biệt của các biến trong thành phần các nhân tố cấu thành giá trị cảm nhận của khách hàng là cao hay thấp và các biến này có thể thu gọn lại thành một tập hợp các biến (nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các thông tin của tập biến ban đầu (Hair, 1998). Các tham số thống kê trong phân tích nhân tố khám phá EFA:
- Hệ số KMO (Kaiser Mayer Olkin): dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0,5 và 1) có ý nghĩa là phân tích nhân tố là thích hợp, còn nếu như số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Kiểm định Barlett’s là kiểm định thống kê nhằm xem xét giả thuyết các biến không có tương quan trong tổng thể. Điều kiện cần để phân tích nhân tố là các biến phải có tương quan với nhau. Nếu kiểm định thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Khi mức ý nghĩa của kiểm định Barlett’s nhỏ hơn 0,05 (Sig. < 0,05), các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
- Hệ số nhân tố tải (Factor Loading) < 0,5 và chênh lệch hệ số tải lên hai nhân tố của cùng một biến quan sát ≤ 0,3 trong EFA sẽ bị loại để đảm bảo gía trị hội tụ giữa các biến cũng như đảm bảo độ phân biệt của nhân tố.
- Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%. - Hệ số Eigenvalue có giá trị > 1.