Khi kiểm định một lý thuyết khoa học ta cần đánh giá độ tin cậy thang đo và giá trị thang đo. Để thực hiện, sau khi thực hiện kiểm đinh Cronbach’s Alpha ta tiếp tục phân tích nhân tố khám phá (EFA). Phân tích nhân tố khám phá (EFA) dùng để rút gọn một tập hợp biến quan sát ban đầu thành tập hợp biến nhỏ hơn nhưng bao gồm các nhân tố có ý nghĩa hơn. Phân tích nhân tố khám phá nhằm xem xét mối quan hệ giữa các biến ở tất cả các yếu tố khác nhau để từ đó phát hiện các biến quan sát phân sai nhân tố. Mỗi một biến quan sát sẽ được tính một tỷ số gọi là hệ số tải nhân tố (factor loading), hệ số này cho các nhà nghiên cứu biết được mỗi biến đo lường sẽ thuộc về những nhân tố nào. Các tiêu chí trong phân tích EFA bao gồm:
Hệ số KMO (Kaiser–Meyer–Olkin) dùng để xem xét sự thích hợp của phân tích nhân tố, hệ số KMO phải có giá trị trong khoảng 0,5 < KMO < 1. Nếu hệ số này có giá trị nhỏ hơn 0,5 thì có thể kết luận phân tích nhân tố không phù hợp với dữ liệu nghiên cứu.
Trọng số nhân tố (factor loading) biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số này càng cao suy ra sự tương quan giữa biến quan sát và nhân tố càng lớn và ngược lại. Giá trị tiêu chuẩn của hệ số tải nên
được xem xét cùng kích thước với mẫu. Theo bài nghiên cứu với kích thước mẫu trung bình lớn hơn 120 nhưng nhỏ hơn 350 thì thường lấy hệ số tải 0,5 là tiêu chuẩn.
Trị số Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Chỉ các nhân tố có trị số Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Tổng phương sai trích (Total Variance Explained) lớn hơn 50% cho thấy mô hình phân tích nhân tố khám phá là phù hợp. Trị số này thể hiện các nhân tố được trích cô đọng bao nhiêu phần trăm và thất thoát bao nhiêu phần trăm của các biến quan sát.