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动态能力的因子负载矩阵，如表4-6所示。但测量项目IRC4和IRC5存在交叉载荷现象（CrossingLoading），并且大于0.4。根据陈晓萍、徐淑英和樊景立（2008）的建议，删去这两个测量项目，然后再进行探索性因素分析。
表4-6 企业动态能力探索性因素分析（EFA）
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；经过了五次迭代。
接着，我们对企业动态能力的各个测量项目（删去IRC4和IRC5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4-7是SPSS16.0统计软件包数据处理的输出结果。
表4-7 变量的KMO样本测度和巴特利特球体检验
表4-7结果显示：样本KMO值为0.795，表明该组变量数据是适合作探索性因子分析的（0.70＜KMO＜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）。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动态能力的因子负载矩阵，如表4-8所示。所有测量项目不存在交叉载荷现象，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，可以从企业动态能力的16个项目中提取4个因素。这些因素累计解释的总体变异为72.248%。对因素分析后的因素命名：分别有4个项目进入了F1，5个项目进入了F2，4个项目进入了F3，3个项目进入了F4，基本与原构思符合。根据因素归类中测量项目的内容，本研究将这四个因素命名为动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度。通过计算Cronbach内部一致性系数，我们发现动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度的一致性系数分别达到0.906、0.800、0.854和0.910。各个因素的α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4-8 企业动态能力探索性因素分析（EFA）
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；经过了五次迭代。
在对企业动态能力进行验证性因子分析之前，对企业动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度的均值和标准差作一个描述性统计，同时进行相关分析，样本结果显示，如表4-9所示。
从表4-9可以看出，企业动态能力在技术柔性能力维度、机会识别能力维度和整合重构能力维度上处于偏上水平，在组织柔性能力维度上处于中等偏上水平。从相关分析的结果来看，企业动态能力各个维度之间大多存在显著的相关关系。因为技术柔性能力维度和组织柔性能力维度的Pearson相关系数为0.526，在p＜0.01的水平上显著，并且在文献综述部分已有学者提出柔性能力应该体现在技术和组织结构两个方面（Wang ＆ Ahmed，2007），所以我们得出了这样的设想：这两个维度是否可以合并为柔性适应能力？这一设想是我们在下面的验证性因素分析中提出企业动态能力三维度备择模型的来源。
表4-9 企业动态能力各维度的描述统计值和相关分析
注：相关系数为pearson系数。**表示显著性水平p＜0.01；*表示显著性水平p＜0.05；双尾检验。
4.4.4 企业动态能力的验证性因素分析
