Sau khi đánh giá đ tin c y c a thang đo b ng h s Cronbach’s Alpha, phân tích nhân t khám phá là k thu t đ c s d ng nh m thu nh và tóm t t d li u. Ph ng pháp này r t có ích cho vi c xác l p các t p h p bi n c n thi t cho v n đ
nghiên c u và đ c s d ng đ tìm m i quan h gi a các bi n v i nhau.
Trong phân tích nhân t , tr s KMO (Kaiser-Meyer-Olkin) là ch s dùng đ
xem xét s thích h p c a phân tích nhân t . Tr s KMO ph i có giá tr trong kho ng t 0.5 đ n 1 thì phân tích này m i thích h p. N u tr s này nh h n 0.5 thì phân tích nhân t có kh n ng không thích h p v i các d li u.
Ngoài ra, phân tích nhân t còn d a vào Eigenvalue đ xác đ nh s l ng nhân t . Ch s nhân t có Eigenvalue l n h n 1 thì m i đ c gi l i trong mô hình. i l ng Eigenvalue đ i di n cho l ng bi n thiên đ c gi i thích b i nhân t . Nh ng
nhân t có Eigenvalue nh h n 1 s không có tác d ng tóm t t thông tin t t h n m t bi n g c, vì sau khi chu n hóa m i bi n g c có ph ng sai là 1.
M t ph n quan tr ng trong b ng k t qu phân tích nhân t là ma tr n nhân t (component matrix) hay ma tr n nhân t khi các nhân t đ c xoay (rotated component matrix). Ma tr n nhân t ch a các h s bi u di n các bi n chu n hóa b ng các nhân t (m i bi n là m t đa th c c a các nhân t ). Nh ng h s t i nhân t (factor loading) bi u di n t ng quan gi a các bi n và các nhân t . H s này l n cho bi t nhân t và bi n có liên quan ch t ch v i nhau. M c dù ma tr n nhân t ban
đ u hay ma tr n nhân t không xoay này cho th y đ c m i quan h gi a các nhân t và t ng bi n m t, nh ng nó ít khi t o ra nh ng nhân t có th gi i thích đ c m t cách d dàng, b i vì các nhân t có t ng quan v i nhi u bi n. Thông qua vi c xoay các nhân t , ma tr n nhân t tr nên đ n gi n h n và d gi i thích h n. Nghiên c u s d ng ph ng pháp phân tích nhân t principal component nên các h s t i nhân t có tr ng s l n h n 0.5 thì m i đ t yêu c u.