Toàn bộ các biến quan sát được đưa vào phân tích nhân tố khám phá EFA, để giảm bớt hay tóm tắt dữ liệu và tính độ tin cậy (Sig) của các biến quan sát có quan hệ chặt chẽ với nhau hay khơng. Các nhân tố được rút trích ra phải đảm bảo các điều kiện sau:
+ Hệ số KMO (Kaiser -Meyer – Olkin) ≥ 0.5 và mức ý nghĩa của kiểm định
Bartlett ≤ 0.05. Với KMO là 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 là thích hợp, cịn nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các nhân tố. Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng 0 trong tổng thể, nếu kiểm định này có
ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
+ Hệ số tải nhân tố (Factor loading) > 0.4, nếu biến quan sát nào có hệ số tải nhân
tố bé hơn 0.4 sẽ bị loại. Trích theo Hair & ctg (1988, 111) hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu, hệ số tải nhân tố > 0.4 được xem là quan trọng và hệ số tải nhân tố > 0.5 được xem là có ý nghĩa thực tiễn. Nếu chọn tiêu chuẩn hệ số tải nhân tố > 0.3 thì cỡ mẫu nghiên cứu phải ít nhất là 350, nếu cở mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải nhân tố > 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải > 0.75.
+ Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%.
+ Hệ số Eigenvalue > 1. Chỉ những nhân tố nào có Eigenvalue > 1 mới được giữ
lại trong mơ hình phân tích. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc, vì sau khi chuẩn hố mỗi biến gốc có phương sai là 1 (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 34).
+ Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để tạo
giá trị phân biệt giữa các nhân tố (Jabnoun và Al – Tamimi, 2003).