Phân tích nhân tố khám phá EFA là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu(Hair et al. 2009).
Phan tich nhan to EFA theo nguồn chia sẻ từ SPSS Phạm Lộc Blog thường được sử dụng nhiều trong các lĩnh vực quản trị, kinh tế, tâm lý, xã hội học, . . ., khi đã có được mô hình khái niệm(Conceptual Framework) từ các lý thuyết hay các nghiên cứu trước.Trong các nghiên cứu về kinh tế, người ta thường sử dụng thang đo(scale) chỉ mục bao gồm rất nhiều câu hỏi(biến đo lường) nhằm đo lường các khái niệm trong mô hình khái niệm, và phân tích nhân tố EFA sẽ góp phần rút gọn một tập gồm rất nhiều biến đo lường thành một số nhân tố.Khi có được một số ít các nhân tố, nếu chúng ta sử dụng các nhân tố này với tư cách là các biến độc lập trong hàm hồi quy bội thì khi đó, mô hình  sẽ giảm khả năng vi phạm hiện tượng đa cộng tuyến.
Ngoài ra, các nhân tố được rút ra sau khi thực hiện phan tich nhan to kham pha EFA sẽ có thể được thực hiện trong phân tích hồi quy đa biến (Multivariate Regression Analysis), mô hình Logit, sau đó có thể tiếp tục thực hiện phân tích nhân tố khẳng định(CFA) để đánh giá độ tin cậy của mô hình hay thực hiện mô hình cấu trúc tuyến tính (Structural Equation Modeling, SEM) để kiểm định về mối quan hệ phức tạp giữa các khái niệm.
SPSS là một phần mềm phổ biến hiện nay hỗ trợ cho việc phân tích nhân tố. Phân tích nhân tố khám phá EFA trong SPSS có đưa ra được các bảng kết quả output có các chỉ số như KMO, Communalities, Factor Loading giúp nhà nghiên cứu đánh giá được tính hội tụ, tính phân biệt cũng như ý nghĩa của các quan sát.
Xem chi tiết bài phân tích trên SPSS tại đây.