2.高层管理团队特征的探索性因素分析
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。首先我们先对影响企业动态能力的高层管理团队特征的各个测量项进行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8-9是SPSS16.0数据处理的输出结果。
表8-9 变量的KMO样本测度和巴特利特球体检验
表8-9结果显示:样本KMO值为0.881,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,如果观测数据适合作因子分析,并且测量同一维度的指标因子负载较大(通常需要高于0.4),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0.4),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)。
在探索性因子分析中,采用主成分分析方法,特征根大于1.0,得到经过正交转换后高层管理团队特征的因子负载矩阵,如表8-10所示。所有测量项目不存在交叉载荷现象(Crossing Loading),并且因子负载大于0.4。这些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)。