Trong thống kê đa biến, phân tích nhân tố khám phá (EFA) là một phương pháp thống kê được sử dụng để khám phá cấu trúc cơ bản của một tập hợp các biến tương đối lớn. EFA là một kỹ thuật trong phân tích nhân tố có mục tiêu bao quát là xác định các mối quan hệ cơ bản giữa các biến được đo lường. Phương pháp này thường được sử dụng khi phát triển thang đo và dùng để xác định một tập hợp các cấu trúc tiềm ẩn bên dưới một loạt các biến được đo lường. EFA nên được sử dụng khi nghiên cứu không có các giả thuyết tiên nghiệm về các yếu tố hoặc mẫu của các biến đo lường. EFA được tiến hành dựa trên mô hình nhân tố chung. Trong mô hình này, các biến biểu hiện được biểu thị dưới dạng một hàm của các yếu tố chung, yếu tố duy nhất và sai số đo lường.
Một số tiêu chí được áp dụng khi tiến hành phân tích nhân tố khám phá EFA, đầu tiên là hệ số tải nhân tố, factor loading. Factor loading lớn hơn 0.4 được xem là nhân tố quan trọng, factor loading lớn hơn 0.5, nhân tố được xem là có ý nghĩa thực tiễn. Đồng thời hệ số KMO (Kaiser-MeyerOlkin) phải lớn hơn 0.5. Đây là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân
tích nhân tố là thích hợp. Và kiểm định Bartlett phải có ý nghĩa thống kê, tức là p- value nhỏ hơn 0.05. Đây là một đại lượng thống kê dùng để kiểm tra các biến không có tương quan trong tổng biến thống kê. Nếu kiểm định này có p-value nhỏ hơn 0.05 thì các biến quan sát có mối tương quan với nhau. Cuối cùng là tổng phương sai giải thích (TVE) phải nhỏ hơn 50%. Đây là đại lượng thể hiện phần trăm biến thiên của các biến quan sát.