Sau khi loại bỏ các biến không đảm bảo độ tin cậy thông qua kiểm định độ tin cậy của thang đo, phương pháp phân tích yếu tố khám phá EFA (Exploratory Factor Analysis) để xác định giá trị hội tụ, giá trị phân biệt và thu gọn các tham số ước lượng theo từng nhóm.
EFA rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn vẫn chứa đựng đầy đủ thông tin của một tập biến ban đầu (Hair & ctg, 1998). Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các yếu tố với các biến quan sát. Phân tích EFA được thực hiện thông qua đánh giá các chỉ tiêu sau:
+ Kiểm định trị số KMO (Kaiser – Meyer - Olkin): KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến với hệ số tương quan riêng phần của chúng. Hệ số KMO phải thỏa mãn điều kiện: 0,5 ≤ KMO ≤ 1. Nếu KMO nhỏ hơn 0,5 thì phân tích yếu tố có khả năng không thích hợp với các dữ liệu. (Nguyễn Đình Thọ, 2011)
+ Kiểm định tương quan của các biến quan sát trong thước đo đại diện (Kiểm định Bartlett): Kiểm định Bartlett dùng để xem xét các biến quan sát có tương quan tuyến tính với nhau trong một thang đo (yếu tố). Nếu phép kiểm định Bartlett có ý nghĩa thống kê Sig Bartlett’s Test < 0,05, chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
+ Phương sai trích (Percentage of variance): Dùng để kiểm định mức độ giải thích của các biến quan sát đối với yếu tố. Chỉ tiêu này 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 yếu tố giải thích được bao nhiêu %. Trị số này nhất thiết phải lớn hơn 50% thì mô hình EFA là phù hợp.
+ Hệ số tải yếu tố (Factor loadings - FL): Hệ số tải hay còn gọi là trọng số yếu tố,là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số này biểu thị mối quan hệ tương quan đơn giữa các biến quan sát với các yếu tố. Hệ số tải càng cao nghĩa là tương quan giữa biến quan sát đó với yếu tố càng lớn và ngược lại. Giá trị tiêu chuẩn của hệ số tải phụ thuộc vào kích thước mẫu. Với kích thước mẫu khác nhau thì hệ số tải khác nhau. Theo Hair & ctg (1998), FL lớn hơn 0,3 được xem là đạt được mức tối thiểu, FL lớn hơn 0,4 được xem là quan trọng , FL lớn hơn hoặc bằng 0,5 được xem là có ý nghĩa thực tiễn. Hair & ctg (1998) cũng khuyên như sau: nếu chọn tiêu chuẩn FL lớn hơn 0,3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn FL lớn hơn 0,55 (thường có thể chọn 0,5), nếu cỡ mẫu khoảng 50 thì FL lớn hơn 0,75. Luận văn sử dụng 350 phiếu nên hệ số này bằng 0,3.
+ Đánh giá giá trị Eigenvalue: Giá trị này đại diện cho lượng biến thiên được giải thích bởi mỗi yếu tố. Đánh giá hệ số Eigenvalue là một trong những cách để xác định số lượng yếu tố. Theo đó, yếu tố nào có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Yếu tố nào có Eigenvalue nhỏ hơn 1 sẽ bị loại vì khong có tác dụng tóm tắt thông tin tốt hơn một biến gốc (Garson, 2003).