Sau khi các khái niệm (nhân tố) đƣợc kiểm định thang đo bằng Cronbach‟s Alpha sẽ tiếp tục đƣợc đƣa vào phân tích khám phá nhân tố (EFA). Phân tích nhân tố sẽ giúp nhà nghiên cứu rút ra đƣợc những nhân tố tiềm ẩn từ một tập hợp các biến quan sát nhỏ hơn, có ý nghĩa hơn. Một số tiêu chuẩn khi phân tích EFA trong nghiên cứu nhƣ sau:
Kiểm định sự thích hợp của phân tích nhân tố: Với dữ liệu của mẫu thông
qua giá trị thống kê Keiser-Meyer-Olkin (KMO). Theo đó, trị số của KMO lớn hơn 0,5 thì phân tích nhân tố là thích hợp (Garson, 2002), ngƣợc lại nếu trị số KMO nhỏ hơn 0,5 thì áp dụng phƣơng pháp phân tích nhân tố không thích hợp với dữ liệu đang có.
Số lƣợng nhân tố: Số lƣợng nhân tố đƣợc xác định dựa vào chỉ số eigenvalue
đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có eigenvalue >1 sẽ đƣợc giữ lại trong mô hình nghiên cứu (Garson, 2002) vì những nhân tố này có tác dụng tóm tắt thông tin tốt hơn so với những nhân tố Eigenvalue nhỏ hơn 1.
Phƣơng sai trích (variance explained criteria): Tổng phƣơng sai trích phải
lớn hơn 50% (Hair và cộng sự, 1998).
Độ giá trị hội tụ: Để thang đo đạt giá trị hội tụ thì hệ số tƣơng quan đơn giữa
các biến và các hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0.5 trong một nhân tố (Gerbing & Anderson, 1988)
Phƣơng pháp trích hệ số yếu tố Principal component với phép xoay Varimax để đảm bảo số lƣợng nhân tố là bé nhất (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Sau khi tiến hành phân tích EFA, căn cứ trên dữ liệu thực tế chúng ta cần kiểm định lại độ tin cậy của các nhân tố này. Tiêu chuẩn để đánh giá độ tin cậy là hệ số tin cậy Alpha phải lớn hơn 0.6 và đồng thời hệ số tƣơng quan biến tổng của các biến phải lớn hơn 0.3. (Hoàng Trọng, 2008)