因子分析是一种降维的相关分析技术，通过考查一组变量（观测变量）之间的协方差和相关系数结构，用以解释这些变量与为数较少的因子（不可观测的潜变量）之间的关联（王松涛，2006）。一般研究者在进行因子分析之前对观察变量中的因子结构并没有已知或预设的立场，探索性因子分析（Exploratory Factor Analysis，简称EFA）就是利用因子分析的原理通过分析观测变量之间的关系结构来确定因子维数的一种方法。

本研究在对服务补救资源、意愿和绩效的量表开发过程中，对量表的维度有一个初步的设想，但并不能够保证所设想的因子结构能够完全解释研究对象，因此对量表进行探索性因子分析可以进一步精炼题项，科学地确定量表中各个项目的维度。

探索性因子分析主要包括收集观测变量、获得协方差矩阵、验证协方差矩阵、确定因子个数、提取因子及其载荷、因子旋转、解释因子结构以及计算因子得分等内容。本书主要利用SPSS软件对观测变量进行探索性因子分析。

在初始量表确定之后，本研究开始选择适当的被试集对量表进行探索性因子分析，为了能够真实地体现物流服务供应链的服务补救情况，被试集选择了物流服务供应链相关的各个部门，既包括集成物流服务提供商，又包括功能性物流服务提供商和客户。第一批问卷收集从2013年11月6日开始，2013年12月20日结束，共发放110份问卷，发放对象包括西门子、博世、联合利华、中国海运以及张江物流园区企业等在内的8家典型物流服务供应链企业或其供应链部门，填写问卷的受访者都是具有3年以上供应链工作经验，并有过突发事件下服务补救经历的专业从业人员，共回收有效问卷53份，回收率为48.18%。

数据收集完成后，首先进行可行性检验，即检验观察变量是否适合做因子分析，对观察变量进行KMO测度和Bartlett球形检验。根据Kaiser（1974）的观点，KMO值大于0.9是最好的，大于0.8是比较好的，0.7以上代表中等水平，大于0.5小于0.7是最低水平，如果KMO值小于0.5，则说明数据不适合作因子分析，无法达到降维的效果。对于Bartlett球形检验来说，一般在做因子分析时，要求Bartlett球形检验结果中的χ²值必须达到显著水平，即p&lt0.05。当p>0.05时，则表明该数据不适合做因子分析。解释总方差代表所进行的因子降维分析结果在多大程度上代表了原有的变量信息。一般来讲，所提取的因子越多，累积方差也就越大。我们认为解释总方差越大越好，当只提取一个公因子的情况下，解释总方差应当至少大于50%。最后利用斜交旋转法计算因子载荷，重点考虑在所有因子载荷都低于0.5或者在一个以上因子中载荷均大于0.5的题目，考虑将其删除或修订，修订或删除后需要对新的量表进行KMO测度和Bartlett球形检验、显著性检验以及解释总方差和因子载荷方面的考核。

信度是指对于同一变量进行反复测量时所得到的结果是否一致，即能够对量表的稳定性、可靠性和真实程度进行检验。从计量角度来考虑，信度可以被定义为测量结果受随机误差影响的程度，而系统误差将不会影响信度。常用的信度检验方法有分半信度法、Cronbach's α系数法、重测信度法等。由于重测信度法的实际操作难度较大并有自身的局限性，本书采用Cronbach's α系数法来进行量表的信度检验。

Cronbach's α系数创立于1951年，是用来评价问卷内部一致性的常用信度系数。一般来讲，α系数的取值在0到1之间。α系数的取值越高，表明量表的信度越高，量表的内部一致性也就越好。此外，有研究表明α系数与题目数量有关，一般题目数量增加时，α系数也会随之升高。根据这一原理，若发现可能会影响量表有效性的题项可以分别计算原本的α系数和剔除该题目后的α系数。如果剔除后的α系数有所提高，则说明只有删除该问卷题目才能够使其他问卷题目的总体相关性提高，增加了调整后问卷的科学性。本书认为若Cronbach's α系数大于0.8，则说明量表是可靠的并且具有使用价值。

首先是对服务补救资源中的人力资源初始量表的探索性因子进行分析。

如表4-20~表4-22所示，人力资源量表的KMO值为0.823，p=0.000，远小于0.05，这说明观测变量的数据很适合做因子分析。此外，在人力资源量表的观测数据中提取一个因子，解释总方差为56.231%，在可接受的范围之内。在所提取的这一个因子中，各个题项都有较高的因子负载，均大于0.65。

表4-20　人力资源初始量表的KMO度量和Bartlett检验

表4-21　人力资源初始量表的解释总方差

表4-22　人力资源初始量表的成分矩阵^*

注：提取方法为主成分分析法。

*已提取了1个成分。

根据上述效度检验输出结果，原始问卷设想从“人力资源基础”和“人力资源水平”两个测量变量来体现潜变量“人力资源”，但通过探索性因子分析，人力资源量表中的6个问题收敛于同一因子，这可能是由于受访者无法判断人力资源数量和人力资源值（技能水平）之间的差别，因此将这6个题项归为一类，体现“人力资源基础与水平”，简称HRBD。

如表4-23所示，人力资源初始量表的Cronbach's α为0.838，证明该量表有较高的可靠性。

表4-23　人力资源初始量表的可靠性统计量

如表4-24和表4-25所示，物流资源初始量表的KMO值为0.837，p=0.000，远小于0.05，这说明观测变量的数据很适合做因子分析。此外，在物流资源量表的观测数据中提取了两个因子，累积解释总方差为67.689%，在可接受的范围之内。在所提取的两个因子中，测量题项的因子负载都大于0.6，如表4-26所示。

表4-24　物流资源初始量表的KMO度量和Bartlett检验

表4-25　物流资源初始量表的解释总方差

注：提取方法为主成分分析法。

表4-26　物流资源初始量表的旋转成分矩阵^*

注：①提取方法为主成分分析法。

②旋转法为具有Kaiser标准化的正交旋转法。

^*旋转在3次迭代后收敛。

物流资源量表的效度检验结果与量表的初步设想一致，VAR0007、VAR0008、VAR0009、VAR00010收敛于因子1，主要用来测量企业中物流设施设备的情况，简称“LFC”。VAR00011、VAR00012、VAR00013、VAR00014收敛于因子2，主要用来测量企业的物流信息技术水平，简称“LIT”。两个因子的解释总方差为67.689%，说明这两个因子已经能够很好地解释企业的物流资源情况。

因子1物流设施设备（LFC）和因子2物流信息技术（LIT）的信度检验结果如表4-27所示，该量表具有较高的可靠性。

表4-27　物流资源初始量表的可靠性统计量

如表4-28和表4-29所示，资金资源初始量表的KMO值为0.681，p=0.000，远小于0.05，这说明观测变量的数据很适合做因子分析。此外，在资源量表的观测数据中提取了两个因子，累积解释总方差为73.605%，在可接受的范围之内。在所提取的两个因子中，测量题项的因子负载都大于0.75，如表4-30所示。

表4-28　资金资源初始量表的KMO度量和Bartlett检验

表4-29　资金资源初始量表的解释总方差

注：提取方法为主成分分析法。

表4-30　资金资源初始量表的成分矩阵^*

注：提取方法为主成分分析法。

^*已提取了1个成分。

VAR00015、VAR00016、VAR00017收敛于因子1，证明资金资源量表与原有设想一致，能够较好地体现企业资金资源的水平，简称“CR”。

根据表4-31，我们可以判断资金资源初始量表有较高的可靠性。

表4-31　资金资源初始量表的可靠性统计量

个人服务补救意愿初始量表的效度检验结果如表4-32~表4-44所示。个人服务补救意愿初始量表的KMO值为0.845，p=0.000，远小于0.05，这说明观测变量的数据很适合做因子分析。此外，在个人服务补救意愿初始量表的观测数据中提取了两个因子，累积解释总方差为51.003%，在可接受的范围之内。

表4-32　个人服务补救意愿初始量表的KMO度量和Bartlett检验

表4-33　个人服务补救意愿初始量表的解释总方差

注：提取方法为主成分分析法。

表4-34　个人服务补救意愿初始量表的旋转成分矩阵^*

注：①提取方法为主成分分析法。

②旋转法为具有Kaiser标准化的正交旋转法。

^*旋转在5次迭代后收敛。

VAR00018、VAR00019、VAR00020、VAR00021、VAR00022、VAR00023、VAR00027、VAR00028、VAR00024收敛于因子1，这与原始量表的设计稍有出入，因子1可以用来测量员工对突发事件的认知程度，简称“CD”。

VAR00026、VAR00029、VAR00030、VAR00025收敛于因子3，根据四个题目的意思，因子3可以代表员工对组织安排的反馈，简称“AF”。

因子1员工对突发事件的认知程度（CD）、因子2员工的工作压力（WP）、因子3员工对组织安排的反馈（AF）的信度检验结果如表4-35所示，可见个人服务补救意愿量表具有较高的可靠性。

表4-35　调整后个人服务补救意愿量表的可靠性统计量

根据上文的修订，调整后的个人服务补救意愿量表如表4-36所示。

表4-36　调整后的个人服务补救意愿量表(www.daowen.com)

组织服务补救意愿初始量表的效度检验结果如表4-37~表4-39所示。组织服务补救意愿初始量表的KMO值为0.733，p=0.000，远小于0.05，这说明观测变量的数据很适合做因子分析。此外，在组织服务补救意愿初始量表的观测数据中提取了四个因子，累积解释总方差为66.513%，在可接受的范围之内。

表4-37　组织服务补救意愿初始量表的KMO度量和Bartlett检验

表4-38　组织服务补救意愿初始量表的解释总方差

注：提取方法为主成分分析法。

表4-39　组织服务补救意愿初始量表的旋转成分矩阵^*

注：①提取方法为主成分分析法。

②旋转法为具有Kaiser标准化的正交旋转法。

^*旋转在6次迭代后收敛。

根据上述效度检验结果可以看到，VAR00031~VAR00048收敛于5个因子，其中VAR00032在因子1和因子4中的负载均大于0.5，VAR00032的题目为“突发事件下公司支持以客户为先的行为准则”，分析原因可能是受访者无法判断这种行为准则所代表的是什么，考虑将VAR00032删除。

调整后的量表效度检验结果如表4-40~表4-42所示。调整后的组织服务补救意愿量表的KMO值为0.720，p=0.000，远小于0.05。此外，在量表的观测数据中提取了3个因子，累积解释总方差为60.949%，在可接受的范围之内。

表4-40　调整后组织服务补救意愿量表的KMO度量和Bartlett检验

表4-41　调整后组织服务补救意愿量表的解释总方差

注：提取方法为主成分分析法。

表4-42　调整后组织服务补救意愿量表的旋转成分矩阵^*

注：①提取方法为主成分分析法。

②旋转法为具有Kaiser标准化的正交旋转法。

^*旋转在5次迭代后收敛。

删掉VAR00032之后，VAR00031~VAR00048收敛于4个因子，但其中VAR00038在4个因子中的负载都没有超过0.5，因此考虑将VAR00038删除。再次对修正后的量表进行效度检验，如表4-43所示。第二次修订后的KMO值为0.766，有所提高，p=0.000，远小于0.05，这说明观测变量的数据更加适合做因子分析。此外，在量表的观测数据中提取了3个因子，累积解释总方差为61.226%，稍有提高并且在可接受的范围之内。

表4-43　再次调整后组织服务补救意愿量表的KMO度量和Bartlett检验

表4-44　再次调整后组织服务补救意愿量表的解释总方差

注：提取方法为主成分分析法。

表4-45　再次调整后组织服务补救意愿量表的旋转成分矩阵^*

注：①提取方法为主成分分析法。

②旋转法为具有Kaiser标准化的正交旋转法。

^*旋转在5次迭代后收敛。

VAR00031、VAR00033、VAR00034、VAR00035、VAR00036、VAR00037、VAR00039收敛于因子1，我们认为这些量表题项都代表组织对突发事件的授权情况，简称“OE”。VAR00044、VAR00045、VAR00046、VAR00047、VAR00048收敛于因子2，与原有设想一致，代表组织在服务补救中的合作态度，简称“OA”。VAR00040、VAR00041、VAR00042、VAR00043收敛于因子3，也与原有的设想一致，代表组织对服务补救培训的情况，简称“RT”。

因子1组织对突发事件处理的授权情况（OE）、因子2组织在服务补救中的合作态度（OA）、因子3组织对服务补救培训的情况（RT）的可靠性检验结果如表4-46所示，均处于较高水平。

表4-46　调整后组织服务补救意愿量表的可靠性统计

根据上述分析，调整后的组织服务补救量表如表4-47所示，组织服务补救意愿量表分为三个维度，分别是组织授权（OE）、服务补救培训（RT）以及合作态度（OA）。

表4-47　调整后组织服务补救意愿量表

服务补救绩效初始量表的效度检验结果如表4-48~表4-50所示，服务补救绩效初始量表的KMO值为0.808，p=0.000远小于0.05，这说明观测变量的数据很适合做因子分析。此外，在量表的观测数据中提取了四个因子，累积解释总方差为72.675%，在可接受的范围之内。

表4-48　服务补救绩效初始量表的KMO度量和Bartlett检验

表4-49　服务补救绩效初始量表的解释总方差

注：提取方法为主成分分析法。

表4-50　服务补救绩效初始量表的旋转成分矩阵^*

注：①提取方法为主成分分析法。

②旋转法为具有Kaiser标准化的正交旋转法。

^*旋转在6次迭代后收敛。

VAR00052在四个因子中的负载都不超过0.5，因此考虑删除该题目。此外，VAR00053、VAR00056在四个因子中的负载有两项以上超过0.5，因此也考虑将这两项题目删除。

调整后的量表效度检验结果如表4-51所示，KMO值为0.811稍有提高，p=0.000远小于0.05。量表中共提取了三个因子。

表4-51　调整后服务补救绩效量表的KMO度量和Bartlett检验

表4-52　调整后服务补救绩效量表的解释总方差

注：提取方法为主成分分析法。

表4-53　调整后服务补救绩效量表的旋转成分矩阵^*

注：①提取方法为主成分分析法。

②旋转法为具有Kaiser标准化的正交旋转法。

^*旋转在6交迭代后收敛。

VAR00055、VAR00057、VAR00058、VAR00059、VAR00060、VAR00054收敛于因子1，代表服务改善绩效，简称“IP”。VAR00061、VAR00062、VAR00063、VAR00064收敛于因子2，代表服务补救中的协同绩效，简称“CP”。VAR00049、VAR00050、VAR00051收敛于因子3，代表服务补救中的财务绩效，简称“FP”。

因子1服务改善绩效（IP）、因子2服务补救中的协同绩效（CP）、因子3服务补救中的财务绩效（FP）的信度检验结果如表4-54所示，均大于0.80，处于较高水平，说明服务补救意愿量表具有较高的可靠性。

表4-54　调整后服务补救绩效量表的可靠性统计量