Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn sau:
- Một là, Hệ số KMO (Kaiser- Meyer-Olkin), đây là một chỉ tiêu dùng
để xem xét sự thích hợp của EFA, nếu 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett để xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng 0 trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005, 262).
- Hai là, hệ số tải nhân tố (Factor Loading), theo Hair & ctg (1998), hệ
số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố bằng 0,3 được xem đạt mức tối thiểu; nếu đạt từ 0,4 trở lên, hệ số tải nhân tố được xem là quan trọng và đạt từ 0,5 được xem là có ý nghĩa thực tiễn. Ngoài ra, Hair & ctg (1998) cũng đề nghị: Nếu chọn tiêu chuẩn hệ số tải nhân tố ≥ 0,3 thì cỡ mẫu của nghiên cứu ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố≥ 0,55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải ≥ 0,75. Do đó, trong nghiên cứu này (với hơn 200 mẫu khảo sát), tác giả đề nghị
áp dụng nếu biến quan sát nào có hệ số tải nhân tố ≤ 0,50 sẽ bị loại.
- Ba là, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (Gerbing
& Anderson, 1988).
- Bốn là, điểm dừng khi trích các yếu tố phải có hệ số Eigenvalue phải có giá trị≥ 1 (Gerbing & Anderson 1988).
- Năm là, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥0,30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003).