Phương pháp phân tích nhân tố khám phá là thuộc nhóm phân tích trong các trường hợp các nhân tố không phân biệt rõ ràng giữa nhân tố phụ thuộc và nhân tố độc lập mà nó phân tích dựa trên mối tương quan giữa các biến với nhau nhằm rút gọn tập nhân ban đầu thành tập nhân tố mới gọn, rõ ràng và có ý nghĩa hơn, giúp đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
Sử dụng phương pháp trích nhân tố dựa trên mô hình thành phần chính Principal Component Analsyis model (PCA), cùng với phép vuông góc là Varimax (Được sử dụng trong thang đo lường đơn hướng – các biến tác động) cho phép trích được nhiều phương sai từ các biến đo lường vào phân tích. PCA xây dựng một tập nhân tố mới ít hơn tập nhân tố cũ nhưng vẫn có độ tin cậy như nhân tố cũ, các mối liên kết dữ liệu trong tập nhân tố mới có thể được khám phá mà ở trong tập cũ thì khó hơn hoặc không thể hiện rõ.
Chọn số lượng nhân tố hay thành phần chính trong PCA chính là điểm dừng khi trích các yếu tố Eigenvalue có giá trị tối thiểu bằng một Nguyễn Đình Thọ (2011).
Điều kiện để phân tích nhân tố được xem là thỏa mãn nhu cầu có ý nghĩa thực tiễn khi hệ số tải nhân tố ( Factor loading) > 0.5 Gerbing & Anderson (1988).
KMO (Kaiser-Meyer-Olkin) chỉ số dùng để so sánh độ lớn của hệ số tương quan của các nhân tố trong EFA 0.5 ≤ KMO ≤ 1 là phân tích nhân tố phù hợp.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Trọng số nhân tố phải ≥ 0.5 thì thang đo mới đạt giá trị hội tụ sử dụng EFA là phù hợp, để kết quả của EFA là có giá trị và đáng tin cậy tổng phương sai trích TVE phải đạt từ 50% trở lên nghĩa là có mối tương quan lớn giữa các nhân tố và sai số phải từ 60% trở lên là tốt. Nguyễn Đình Thọ (2011).