Sau khi phân tích Cronbach Alpha, hệ số tin cậy của các nhóm biến đạt khá cao và đều lớn hơn 0.6, các hệ số tương quan biến - tổng đều lớn hơn 0.3, vì vậy tất cả các biến được chấp nhận trừ biến SCT6; LI4; LI5. Do đó, 37 biến được đưa vào để phân tích nhân tố. Phân tích nhân tố nhằm nhóm gọn các biến quan sát ban đầu thành những nhân tố mới có ý nghĩa, đồng thời phát hiện cấu trúc tiềm ẩn giữa các khái niệm nghiên cứu (nhân tố ban đầu) theo dữ liệu thực tế nhằm hình thành những nhân tố mới có ý nghĩa sát với thực tế nghiên cứu.
Đầu tiên, thực hiện hai kiểm định là “KMO and Bartlett's Test”. Kết quả chứng tỏ là việc sử dụng phân tích nhân tố trong trường hợp là thích hợp (KMO từ 0.8 trở lên >0.5, và Sig. =0.000). Phân tích nhân tố cho tất cả mọi biến trong mô hình được thực hiện với phương pháp rút trích nhân tố là “Principal component” và phương pháp xoay là “Varimax”, phép xoay vuông góc được lựa chọn nhằm mục đích trích tối đa % phương sai của các biến quan sát ban đầu và làm gọn các biến quan sát (Hair và ctg, 2010). Còn tiêu chuẩn rút trích là Eigenvalues > 1 nhằm đảm bảo mỗi nhân tố hình thành có thể giải thích tối thiểu biến thiên trọn vẹn của một biến quan sát (Hair và ctg, 2010).
Tiêu chuẩn chọn biến cho nhân tố đảm bảo một số điều kiện sau:
- Đảm bảo hệ số trích phương sai trong tổng thể các biến (Communality) >0.50, - Hệ số tải lên nhân tố chính |>0.50| được xem là có ý nghĩa thực tiễn,
- Tối thiểu các biến có hệ số tải chéo lên nhiều nhân tố (khoảng cách độ lớn của hệ số tải giữa hai nhân tố <0.30) (Nguyễn Đình Thọ, 2010).
Tuy nhiên, việc xác định biến loại bỏ hay không còn phụ thuộc vào mức ý nghĩa của biến quan sát đó trong mô hình, số biến trong cùng một cấu trúc tiềm ẩn nhằm đảm bảo các cấu trúc biến tiềm ẩn sau khi hình thành có ý nghĩa về mặt thực tiễn và khái niệm lý thuyết (Hair và ctg, 2010).