Trước khi kiểm định lý thuyết khoa học, thang đo cần phải được đánh giá độ tin cậy và giá trị của nó. Đểđánh giá độ tin cậy thang đo, hệ số Cronbach’s alpha được sử
dụng. Còn để đánh giá giá trị của thang đo, hai giá trị quan trọng của thang đo cần
được xem xét là giá trị phân biệt và giá trị hội tụ. Phương pháp phân tích yếu tố khám phá EFA sẽ giúp đánh giá 2 loại giá trị này. Trình tự thực hiện việc đánh giá là phải
đánh giá độ tin cậy thang đo thông qua hệ số Cronbach’s alpha trước để loại các biến rác rồi sau đó đánh giá giá trị thang đo thông qua phương pháp phân tích yếu tố khám phá EFA với dữ liệu thu thập từ nghiên cứu chính thức dựa trên nền tảng phần mềm SPSS_16.0. Cần thiết phải theo trình tự này vì các biến rác nếu không được loại sớm
sẽ tạo ra các yếu tố giả ảnh hưởng đến kết quả phân tích yếu tố khám phá EFA (Nguyễn Đình Thọ, 2011).
Khi sử dụng hệ số Cronbach’s alpha để đánh giá độ tin cậy của thang đo thì phải
đánh giá độ tin cậy của các biến quan sát trên từng khái niệm nghiên cứu. Mỗi khái niệm nghiên cứu phải có tối thiểu 3 biến đo lường. Giá trị nhỏ nhất của hệ số này được chấp nhận là 0.6. Ngoài ra, cũng cần xem xét đến hệ số tương quan biến – tổng. Đây là hệ số nói lên sự tương quan của biến đang xem xét với tổng các biến còn lại. Hệ số này (có hiệu chỉnh) có giá trị nhỏ nhất được chấp nhận là 0.3. Nếu có 1 biến có hệ số
Cronbach’s alpha nhỏ hơn 0.6 hoặc lớn hơn 0.6 nhưng hệ số tương quan biến – tổng nhỏ hơn 0.3 thì thang đo không đạt độ tin cậy hoặc cần phải loại bỏ biến có hệ số
tương quan biến – tổng không đạt và sau đó tiến hành đánh giá lại. Tuy nhiên, việc loại biến cần phải xem xét thêm về giá trị nội dung của nó (Nguyễn Đình Thọ 2011).
EFA là phương pháp phân tích đa biến phụ thuộc lẫn nhau. Nó phân tích sự tương quan của tất cả các biến nhằm rút gọn một tập biến quan sát thành một tập các nhân tố
có ý nghĩa hơn. Hay nói cách khác, tập các nhân tố có ý nghĩa này chính là tập các khái niệm được rút ra từ các biến quan sát đang đo lường nó. Xem xét, liệu thật sự các biến quan sát có được giải thích bởi các khái niệm nghiên cứu hay không thông qua 2 giá trị là, giá trị phân biệt và giá trị hội tụ của thang đo. Khi phân tích nhân tố khám phá EFA, theo nguyên tắc, thì phải thực hiện cùng một lúc cho tất cả các biến quan sát
đo lường các khái niệm trong mô hình nghiên cứu để kiểm tra giá trị hội tụ và giá trị
phân biệt cũng như loại một số biến quan sát không phù hợp. Có một số chỉ tiêu được dùng để phân tích EFA. Thứ nhất là hệ số tải nhân tố (factor loading) hay trọng số
nhân tố, là phần trăm phương sai trích được của từng biến quan sát trên mỗi nhân tố. Trọng số nhân tố của 1 biến quan sát trên nhân tố mà nó đo lường phải lớn hơn trọng số trên nhân tố mà nó không đo lường. Giá trị của trọng số nhân tố được chấp nhận phải lớn hơn 0.5. Tuy nhiên, trong thực tế đo lường, trọng số nhân tố có thể nhỏ hơn 0.5 mà vẫn được chấp nhận (nếu không quá nhỏ). Theo Hair et al. (1998), trọng số
nhân tố≥ 0.3 là mức tối thiểu (mẫu ít nhất 350), trọng số nhân tố≥ 0.4 là quan trọng, trọng số nhân tố ≥ 0.5 là có ý nghĩa thực tiễn. Nếu cỡ mẫu 100 thì trọng số nhân tố≥
0.55. Giá trị thường được các nhà nghiên cứu dùng là hiệu 2 trọng số lớn nhất của 1 biến trên 2 nhân tố phải lớn hơn 0.3. Nếu tất cả các trọng số đều đạt thì thang đo đạt giá trị hội tụ. Thứ hai là tổng phương sai trích được (TVE) và điểm dừng eigenvalue.
Tổng phương sai trích nói lên phần trăm phương sai mà các nhân tố trích được từ các biến quan sát hay tổng phần trăm phương sai các biến quan sát được giải thích từ các nhân tố. Tổng phương sai trích được chấp nhận phải lớn hơn 50%. Điểm dừng eigenvalue là tiêu chí xác định số lượng nhân tố trích được trong EFA. Số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1. Nếu số lượng nhân tố phù hợp với khái niệm nghiên cứu, thang đo sẽđạt giá trị phân biệt. Thứ ba là hệ số KMO và Bartlett. Hệ số KMO xem xét sự phù hợp khi sử dụng EFA để phân tích nhân tố, còn hệ số bartlett để kiểm tra sự tương quan của các biến quan sát trong tổng thể. Hệ
số 0.5 ≤KMO≤1 và kiểm định bartlett có ý nghĩa thống kê (sig ≤ 0.05) thì đạt yêu cầu. Tuy nhiên, khi có sự hổ trợ của phần mềm SPSS thì kiểm định KMO và Bartlett không còn ý nghĩa nữa vì khi trọng số nhân tố và phương sai trích đạt yêu cầu thì các hệ số
này luôn luôn đạt yêu cầu (Nguyễn Đình Thọ, 2011).
Như đã trình bày ở chương 3, nghiên cứu có 6 thang đo cho 6 khái niệm nghiên cứu, đó là lòng trung thành thương hiệu (LO), mức độ nhận biết thương hiệu (AW), lòng ham muốn thương hiệu (BPI), chất lượng cảm nhận (QL), thái độ đối với quảng cáo (AA) và chi tiêu quảng cáo (AS). Thang đo các khái niệm này bao gồm 30 biến quan sát. Các thang đo này được đánh giá hệ số Cronbach’s alpha cho từng khái niệm và phân tích yếu tố khám phá EFA.