Phương pháp phân tích nhân tố EFA được dùng để kiểm định giá trị khái niệm của thang đo. Phương pháp phân tích nhân tố dùng rút gọn một tập biến quan sát thành một tập các nhân tố cĩ ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát (Nguyễn Đình Thọ, 2011)
Sau khi đánh giá độ tin cậy thang đo bằng hệ số Cronbach’s Alpha, các biến khơng bị loại tiếp tục được đưa vào phân tích nhân tố bằng phương pháp trích Principal component với phép quay Varimax. Khi phân tích nhân tố khám phá, một số tiêu chuẩn cần được lưu ý là:
Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố cĩ khả năng khơng thích hợp với các dữ liệu. (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
Thứ hai, Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng khơng trong tổng thể. Nếu kiểm định này cĩ ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát cĩ tương quan với nhau trong trổng thể. (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
Thứ ba, Theo Hair và các cộng sự (1998), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loading > 0.3 được xem là đạt được mức tối thiểu, Factor loading > 0.4 được xem là quan trọng, ≥ 0.5 được xem là cĩ ý nghĩa thực tiễn. Tuy nhiên, trong nghiên cứu này, để đảm bảo mức độ quan trọng của các biến tác giả chọn Factor loading > 0.4. Vậy các biến cĩ trọng số nhỏ hơn 0.4 (<0.4) sẽ bị loại.
Thứ tư, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và eigenvalue cĩ giá trị lớn hơn hoặc bằng 1(≥1). Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) cĩ eigenvalue tối thiều bằng 1 (Nguyễn Đình Thọ, 2011)