Bước tiếp theo sau khi Phân tích Cronbach’s Alpha, phương pháp phân tích nhân tố EFA được sử dụng để xác định: (1) độ giá trị hội tụ (convergent validity), (2) giá trị phân biệt (discriminant validity), (3) đồng thời gom các tham số ước lượng theo từng nhóm biến (các câu hỏi được sắp xếp phù hợp theo nhóm nhân tố). Một số tiêu chuẩn đo lường như sau: để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải đảm bảo lớn hơn hoặc bằng 0.4; để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn hoặc bằng 0.3; số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue - đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố - theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mô hình; tiêu chuẩn phương sai trích (Variance explained criteria): Tổng phương sai trích phải lớn hơn 50%. Xem xét giá trị KMO: 0.5 < KMO < 1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO < 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Gerbing & Anderson, 1988). Sử dụng phương pháp trích yếu tố Pricipal axis factoring với phép xoay Promax (kappa = 4) và điểm dừng khi trích các yếu tố có Eigen values lớn hơn 1 đối với các biến quan sát đo lường 7 khái niệm thành phần tác động lên sự hài lòng của khách hàng sử dụng DVTĐG. Theo phương pháp này phát hiện ra các thứ nguyên (thành phần) tiềm ẩn trong dữ liệu gốc (phát hiện cấu trúc). Việc chọn phép xoay Promax sẽ phản ảnh chính xác cấu trúc dữ liệu tiềm ẩn hơn. Sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigen values lớn hơn 1 với các biến quan sát đo lường khái niệm sự hài lòng khách hàng.