Là phương pháp phân tích thuộc nhĩm đa biến phụ thuộc lẫn nhau, cĩ nghĩa là khơng cĩ biến phụ thuộc và biến độc lập mà nĩ dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k)
các nhân tố cĩ ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến
tính của các nhân tố với các biến nguyên thuỷ (biến quan sát). Phân tích nhân tố EFA trong đề tài sử dụng phương pháp trích hệ số là Principal Component Analysis và phép quay Varimax để phân nhĩm các nhân tố bởi vì các biến quan sát đo lường 5 khái niệm thành. Các tiêu chí trong phân tích EFA:
Hệ số Kaiser - Meyer - Olkin (KMO) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố thoả mãn 0.5 ≤ KMO ≤ 1. Nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố cĩ khả năng khơng thích hợp với dữ liệu nghiên cứu.
Bartlett’s test of sphericity: Bartlett là đại lượng thống kê dùng để xem xét các giả
thuyết biến khơng cĩ tương quan trong tổng thể. Nếu kiểm định cĩ ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát cĩ mối tương quan với nhau trong tổng thể. Trị số Eigenvalue là một tiêu chí sử dụng để xác định số lượng nhân tố trong phân
tích EFA. Những nhân tố nào cĩ Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích (Giá trị này khơng xem xét với đề tài chạy CFA, SEM).
- Total Variance Explained (Tổng phương sai trích) ≥ 50% cho thấy mơ hình là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cơ đọng được bao nhiêu % và bị thất thốt bao nhiêu % của các biến quan sát. Hệ số tải nhân tố (Factorloading): Theo (Hair et al. 2006), hệ số tải nhân tố hay cịn gọi là trọng số nhân tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA là Factor loading > 0.3 được xem là đạt mức tối thiểu, nếu Factor loading > 0.4 được xem là quan trọng hoặc Factor loading > 0.5 được xem
là cĩ ý nghĩa thực tiễn.