Kết quả phân tích Cronbach’s Alpha của các biến phụ thuộc và độc lập đều lớn hơn 0.6, hệ số tương quan biến tổng đều lớn hơn 0.3, do đó, tất cả các biến được chấp nhận và tiếp tục sử dụng để phân tích nhân tố.
Phân tích nhân tố nhằm nhóm các biến quan sát ban đầu thành những nhân tố mới có ý nghĩa và phát hiện cấu trúc tiềm ẩn giữa các khái niệm nghiên cứu theo dữ liệu thực tế nhằm hình thành những nhân tố mới có ý nghĩa sát với thực tế nghiên cứu.
Tiến hành kiểm định “KMO and Bartlett's Test” để chứng minh 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. 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 [3].
Tiêu chuẩn chọn biến cho nhân tố phải đảm bảo hệ số trích phương sai trong tổng thể các biến (Communality) >0.50; Hệ số tải lên nhân tố chính (>0.50); 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) [13].
Việc có loại bỏ biến hay không 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 [3].