Phân tích nhân tố khám phá EFA nhằm rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập hợp có ít biến quan sát hơn để chúng có ý nghĩa hơn, đồng thời vẫn đảm bảo chứa đầy đủ thông tin của tập hợp ban đầu (Hoàng
Trọng & Nguyễn Mộng Ngọc, 2008). EFA được xem là phù hợp phải thỏa những điều kiện sau:
- Hệ số tải nhân tố (Factor loading)
Hệ số tải nhân tố là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan
giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại.
Theo Hair & ctg (1998, 111), hệ số tải nhân tố hay trọng số nhân tố(Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
+ Nếu Factorloading > 0.3 được xemlà đạt mức tối thiểu.
+ Nếu Factorloading > 0.4 được xemlà quan trọng.
+ Nếu Factorloading > 0.5 được xemlà có ý nghĩa thực tiễn .
- Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05)
Kiểm định Bartlett là một đại lượng thống kê được dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Trong trường hợp kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
- Hệ số KMO (Kaiser-Meyer-Olkin)
Hệ số KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập
Phần trăn phương sai tích thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
- Trị số Eigenvalue
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích.