我们对企业绩效的各个测量项目（删去Short_per5和Long_per2后的其他项目）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7-9是SPSS16.0统计软件包数据处理的输出结果。
表7-9结果显示：样本KMO值为0.832，表明该组变量数据是很适合作探索性因子分析的（0.80＜KMO＜0.90）。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）。
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企业绩效的因子负载矩阵，如表7-10所示。所有测量项目不存在交叉载荷现象（CrossingLoading），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）。
探索性因素分析结果表明，可以从企业绩效的7个项目中提取2个因素。这些因素累计解释的总体变异为79.47%。对因素分析后的因素命名：分别有4个项目进入了F1，3个项目进入了F2，基本与原构思符合。根据因素归类中测量项目的内容，本研究将这2个因素命名为企业绩效的短期财务绩效维度和长期竞争优势维度。通过计算Cronbach内部一致性系数，我们发现企业绩效的短期财务绩效维度和长期竞争优势维度的一致性系数分别达到0.912和0.872。各个因素的a系数均大于0.70，表明同一个维度间测量项目的内部一致性程度较好，并且内部结构良好，问卷测量的信度是可以接受的。
表7-10 企业绩效量表的探索性因素分析
注：提取方法：主成分分析法；旋转方法：正交的方差极大法旋转；经过了三次迭代。
7.4.3 验证性因素分析
本章节根据黄芳铭（2005）的建议，量表效度的评价根据模型整体拟合优度进行检验。若通过该检验则表示模型整体上具有效度。整体模型拟合的评估是一个相当复杂的问题。可以根据绝对拟合指标和相对拟合指标两大类整体拟合指标做综合性的判断。
1.双元式创新的验证性因素分析
为了进一步确证探索性因素分析所得的双元式创新两因素结构模型，本研究基于随机抽取的另一半样本数据（共79份），采用验证性因素分析的方法，进行分析。一般而言，利用结构方程模型来进行验证性因子分析时，我们需要考察各构面是否具有足够的收敛效度（ConvergentValidity）和区别效度（DiscriminantValidity），并可以依据检验结果对部分测量项目进行调整和修正，最终达到相对适合本研究的结果。
接下来，我们根据上面描述的三个标准进行双元式创新两因素结构模型的验证性因素分析。在进行验证性因素分析前，首先我们根据探索性因素分析结果和理论推导设定假设模型。探索性因素分析得到了一个二因素的双元式创新模型，我们将其作为本研究验证性因素分析的基本模型。
采用AMOS18.0结构方程建模软件，对基本模型进行了构思验证。实证数据对这基本模型的整体拟合情况，如表7-11所示。
表7-11 多模型拟合情况汇总
