Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) nhằm rút gọn một tập hợp nhiều biến quan sát phụ thuộc lẫn nhau thành một tập hợp có ít biến quan sát hơn để chúng có ý nghĩa hơn, nhƣng vẫn đảm bảo chứa đầy đủ thông tin của tập hợp ban đầu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Phân tích nhân tố khám phá giúp loại bỏ các biến đo lƣờng không đạt yêu cầu và đảm bảo cho thang đo có tính đồng nhất. Để quyết định giữ biến hoặc loại biến trong phân tích nhân tố khám phá EFA, dữ liệu cần thỏa mãn hai điều kiện (Nguyễn Đình Thọ, 2009).
- Thỏa mãn giá trị hội tụ: Các biến quan sát hội tụ về cùng một nhân tố.
- Đảm bảo Giá trị phân biệt: Các biến quan sát thuộc về nhân tố này và phân biệt với nhân tố khác.
Các tiêu chuẩn trong phân tích nhân tố khám phá EFA:
- Hệ số KMO (Kaiser – Meyer – Olkin): là một tiêu chuẩn đƣợc dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của hệ số KMO phải đạt giá trị cao hơn 0,5 (0,5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu giá trị của trị số này nhỏ hơn 0,5 (KMO ≤ 0,5) thì phân tích nhân tố này không
thích hợp với tập dữ liệu nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Kiểm định Bartlett (Bartlett’s test): là đại lƣợng thống kê dùng để xem xét các biến có tƣơng quan với nhau hay không. Nếu mức ý nghĩa thống kê (Sig Bartlett’s Test) nhỏ hơn 0,05 (Sig. < 0,05), cho thấy các biến quan sát có tƣơng quan với nhau trong nhân tố. Ngƣợc lại, mức ý nghĩa thống kê lớn hơn 0,05 (Sig. > 0,05) chứng tỏ kiểm định không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét (Nguyễn Đình Thọ, 2009).
- Tổng phƣơng sai trích (Total Variance Explained - % cumulative variance): cho biết các nhân tố giải thích đƣợc bao nhiêu phần trăm biến thiên của các biến quan sát. Trị số này thể hiện các nhân tố đƣợc cô động đƣợc bao nhiêu phần trăm và bị thất thoát bao nhiêu phần trăm. Tiêu chuẩn của trị số này phải đạt từ 50% trở lên. - Trị số Eigenvalue: là một tiêu chuẩn dùng để xác định số lƣợng nhân tố trong phân
tích EFA, nó đại diện cho một phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Chỉ những nhân tố có Eigenvalue có giá trị từ 1 trở lên (Eigenvalue ≥ 1) mới đƣợc chấp nhận giữ lại trong mô hình.
- Hệ số tải nhân tố (Factor Loading): hệ số này biểu thị mối quan hệ tƣơng quan giữa các biến quan sát với nhân tố. Hệ số tải nhân tố đạt giá trị càng cao thì tƣơng quan giữa biến quan sát với nhân tố càng lớn và ngƣợc lại. Hệ số này phải lớn hơn hoặc bằng 0,5 (≥ 0,5) mới đƣợc chấp nhận. Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải từ 0,3 trở lên (≥ 0,3) để đảm bảo giá trị phân biệt của các nhân tố (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).