Thang đo được sử dụng để đo lường tính cách thương hiệu và lịng trung thành khách hàng là thang đo Likert 5 điểm (cấp độ đánh giá của khách hàng đối với tính cách thương hiệu và lịng trung thành khách hàng sẽ tăng từ 1 đến 5, từ rất khơng đồng ý đến rất đồng ý).
Các thang đo được đánh giá qua 2 cơng cụ chính là hệ số tin cậy Cronbach’s Alpha và phương pháp phân tích nhân tố khám phá EFA.
Hệ số Cronbach Anpha được sử dụng để loại các biến khơng phù hợp trước. Các biến cĩ hệ số tương quan biến – tổng (Item – Total Corelation) nhỏ hơn 0.3 sẽ bị loại. Nhiều nhà nghiên cứu đồng y rằng khi Cronbach Anpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng cĩ nhà nghiên cứu đề nghị rằng Cronbach Anpha từ 0.6 trở lên là cĩ thể sử dụng đưuọc trong trường hợp khái niệm nghiên cứu đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Hoàng Trọng – Chu Nguyên Mộng Ngọc, phân tích dữ liệu nghiên cứu với SPSS).
Phân tích nhân tố là tên chung của một nhĩm các thủ tục được sử dụng chủ yếu để thu nhu nhỏ và tĩm tắt các dữ liệu. Phân tích nhân tố khám phá EFA (Exploratoy Factors Anlysis) là một phương pháp phân tích định lượng dùng để ruát gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biên ít hơn (gọi là các nhân tố) để chúng cĩ ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thơng tin của tập biến ban đầu (Hair và cộng sự, 1998).
Các biến cĩ hệ số tải nhân tố (Factor loadings: là những hệ số tương quan đơn giữa các biến đối với các nhân tố) nhỏ hơn 0.5 trong EFA sẽ tiếp tục bị loại. Phương pháp trích hệ số sử dụng là principal components với phép xoay varimax (là phép xoay nguyên gốc các nhân tố để tối thiểu hố số lượng biến cĩ hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố (Hồng Trọng – Chu Nguyễn Mộng Ngọc 2005), điểm dừng khi trích các yếu tố cĩ eigenvalue >=1. Thang đo được chấp nhận khi tổng phương sai trích >= 50% (Gerbing & Anderson, 1998), với điều kiện là chỉ số KMO >= 0.5. KMO (Kaiser Meyer Olkin: là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố). Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để
phân tích nhân tố thích hợp, cịn nếu trị số này nhỏ hơn 0.5 thì phần tích nhân tố cĩ khả năng khơng thích hợp với các dữ liệu.
Kiểm định Bartlett xem xét giả thuyết Ho là các biến khơng cĩ tương quan với nhau trong tổng thể. Đại lượng Bartlett cĩ giá trị càng lớn thì càng cĩ nhiều khả năng bác bỏ giả thuyết Ho này. Nếu kiểm định này cĩ ý nghĩa thống kê (Sig <0.05) thì các biến quan sát cĩ tương quan với nhau trong tổng thể, ngược lại nếu giả thuyết Ho khơng thể bị bác bỏ thì phân tích nhân tố rất cĩ khả năng khơng thích hợp. (Hồng Trọng - Chu Nguyễn Mộng Ngọc, Phân tích dữ liệu với SPSS 2008 tập 2, trang 32).