4.4.3 企业动态能力的探索性因素分析
我们对收取数据的83份组织水平的随机数据进行了探索性因素分析。具体而言，利用巴特利特球体检验和KMO测度来判断观测数据是否适合做因子分析。巴特利球体检验从检验整个相关矩阵出发，其零假设为相关矩阵是单位矩阵，如果不能拒绝该假设的话，应该重新考虑因子分析的使用（郭志刚，2004）。KMO测度从比较观测变量之间的简单相关系数和偏相关系数的大小出发，其值的变化范围从0～1，该值越大则越适合做因子分析。
首先我们先对企业动态能力的各个测量项目进行KMO测度和巴特利特球体检验，看样本数据是否适合作探索性因子分析，表4-5是SPSS16.0统计软件包数据处理的输出结果。
表4-5 变量的KMO样本测度和巴特利特球体检验
表4-5结果显示：样本KMO值为0.809，表明该组变量数据是很适合作探索性因子分析的（＞0.80）。同时，巴特利特球体检验的γ2统计值的显著性概率是0.000（＜0.001），说明数据具有相关性，所以这组数据是很适合作探索性因子分析的（马庆国，2002）。并且，如果观测数据适合做因子分析，并且测量同一维度的指标因子负载较大（通常需要高于0.400），同时这些指标在其他维度上的因子负载较小（通常需要低于0.400），则表明该量表具有良好的内部结构，构念效度较高（陈晓萍、徐淑英和樊景立，2008）。