由于变量数量较多，且都集中在一个问卷中，可能导致共同测量偏误，所以应首先检测是否出现了这一问题。对调查表的总体效度分析采用主成分分析法。由于问卷度量采用的是统一的刻度标准，从相关系数出发求解主成分较为适宜。用SPSS12.0的因子分析命令运行样本数据后，得出如表6.10所示的总方差解释度量表。其中特征值大于1的主成分有7个，集中了总方差的73.782％，第一个主因子解释的方差比例为43.388％，显示共同测量偏误[1]并没有出现。

表6.10　对样本总体的主成分分析表

萃取法：主成分分析

进一步检验变量间的相关性，KMO样本测度值为0.909，远远高于0.5的可做因子分析最低标准，同时Bartlett半球体检验小于0.001，拒绝相关系数矩阵为单位矩阵的零假设，也支持因子分析。按照特征根大于1的原则和最大方差法正交旋转进行因子抽取，得到7个因子结构。

按照因子分析载荷评价标准，超过0.71被认为是优秀的，0.63被认为非常好，0.55被认为是好的，0.45被认为尚可，小于0.32被认为较差。按照此标准，舍去低于0.45的值，各因子的载荷如表6.11所示。

表6.11　正交旋转后变量总体的因子载荷矩阵(www.daowen.com)

续表

萃取方法：主成分分析；旋转方法：含Kaiser正态化的Varimax方法。
a 转轴收敛于16个迭代。

表6.11显示各变量对因子的载荷比较好，方差总和的73.782％能被7个因子解释。

对7个因子的识别比较容易，从问项对变量的相关陈述可以发现，第一个因子一方面与营销能力有关，另一方面与营销绩效密切相关，显示了营销能力和营销绩效之间的相关程度较高；第二个因子显示了对企业相关信息的沟通和管理；第三个因子同样对营销能力进行了部分解释；第四个因子解释了市场推广能力；第五个因子反映了部分企业内部信息管理的含义；其余两个因子也可以用一种变量来识别和命名。

总体而言，由探索性因子分析大致能看出问卷的总体设计比较合理。