5.2.1 量表的信度与效度分析
量表的信度是指数据获取的可靠性，表述的是测量结构反映出的系统变异程度，本书按照学术界普遍采用的内部一致性系数（Cronbach's α值，α值介于0和1之间）来检验量表的信度。
方法论学者Nunnally（1967）认为α系数介于0.5至0.7是可以接受的，α系数介于0.7至0.98则属于高信度值，若低于0.35则可以拒绝接受①。检验数据信度，本书通过SPSS15.0软件，利用Cronbach系数反映量表结构的内部一致性程度。基于破坏性创新影响因素量表的总体Cronbach系数值为0.955，各变量问项的Cronbach系数值都超过了0.6，符合Nunnally的最低要求，检验结果表明各量表都具有良好的内部一致性信度。则是基于破坏性创新的企业执行力变化的信度检验结果，Cronbach Alpha值同样也达到了信度要求。总体检验情况来看，本书的量表设计符合信度要求。
在进行问卷设计时，量表的所有问项都是建立在已有的知识和我们实地调研结果的基础之上的，给研究假设赋予了合乎逻辑的解释，有具有较好的内部效度。在进行数据采集时由于问卷的内容较多，需要占用被调研人员较长的时间，为了确保数据效度和节省调研时间，数据采集主要是通过MBA学员课堂采集获得的数据，从而保证了数据在时间和空间上的一致性。
5.2.2 因子分析
由于量表中考虑的变量较多，而且变量间可能存在着较强的相关关系，因而在研究基于破坏性创新的企业执行力影响因素及其与执行力变化所反映的绩效之间的关系前，有必要进行降维处理，从而减少变量个数。从问卷的第四部分来看，量表中的变量问项共31项，反映企业执行力变化的变量问项达到4项，显然变量较多，而且一些变量间可能存在着较强的相关关系，本书采取因子分析进行降维处理，归纳出公共因子，凝练影响变量。我们选取因子分析的主成分分析（principal components analysis）作为本书的分析方法，并采用方差最大旋转法（varimax）。在因子分析前，先对量表进行KMO（Kaiser-Meyer-Olkin Measure of Sampling Adequacy）样本充足度检测和巴特莱特球体检验（Bartlett test of sphericity）。Kaiser（1966）认为若KMO小于0.5①，表明样本不适合进行因子分析。而KMO值越接近1越适合进行因子分析。巴特莱特球体检验的目的在于检验变量间的相关性是否适合进行因子分析。我们对各子量表分别进行因子分析。
1、基于破坏性创新的企业执行力整体规划子量表因子分析
KMO值为0.911接近1，表明适合做因子分析；χ2统计值的显著性概率为0.000＜α=0.10，表明该部分量表具有显著相关性，适合进行因子分析。
通过主成分分析，执行力规划量表的分析数据包括总体变量解释以及最大方差旋转后的因子负荷矩阵。
根据企业的实际情况和本书的分析，执行力规划量表的因子可以选取三类因子，这三个因子累计解释总体方差的68.13%。显示了最大方差旋转后的因子负荷矩阵，因子2对支撑破坏性创新的资源、破坏性创新计划的完整性和清晰性、企业行为计划调整的时间表以及企业执行中对组织战略的贯彻程度等四个变量影响较大，而这四个变量反映了组织结构与资源配置方面的特征，因而本书将因子1命名为组织结构与资源配置因子。
因子1则对利益相关者的把握程度、企业管理层对企业现实状态的关注、破坏性目标与现实间差距的把握程度、破坏性创新目标的清晰度等四个变量的影响程度较大，而这四个变量表现了基于破坏性创新的企业执行力规划的特征①，因而可以将因子2命名为执行力规划因子。
因子3对破坏性创新数据的把握程度和组织调整自身行为的频率等两个变量有着较大的影响，这两个变量具有目标分析方面的特征，本书将其命名为目标分析因子。
对已经提取的三类因子进行信度检验的结果显示，因子1的Cronbach Alpha系数为0.796，因子2为0.814，因子3为0.638，显然因子1和因子3的Cronbach Alpha系数都属于Nunnally界定的高信度值，因子1也是属于可以接受的范围。三类因子都具有良好的内部一致性程度。
2、基于破坏性创新的企业执行力推动子量表因子分析
分析结果可以看出，KMO值为0.843，大于0.5表明适合做因子分析；χ2统计值的显著性概率为0.000，表明该部分量表具有显著相关性，适合进行因子分析。
因子分析的最终结果，执行力推动量表中的变量可以归结为两个因子，两个因子的特征根累计解释总体方差的63.65%。
因子1对企业行为不连续所需的关键资源的把握程度、企业针对不连续性的学习程度、企业技能和知识的适应性程度、培训与教育对破坏性创新的帮助程度等四个变量的影响较大，这一因子反映了企业内部培训与教育方面的一些特点，因而本书将其命名为教育与培训因子。因子2对整个企业内部对不连续性的认知程度、管理层对不连续性的认知程度、员工对变革过程的了解程度等三个变量的影响较大，而这一因子反映了信息传递方面的特点，因而本书将其命名为信息传递因子。
本部分所提取的两类因子Cronbach Alpha系数分别为0.763和0.728，都属于Nunnally界定的高信度值，两类因子都具有良好的内部一致性程度。
3、基于破坏性创新的企业执行力自我管理子量表因子分析
分析结果可以看出，KMO值为0.834，大于0.5表明适合做因子分析；χ2统计值的显著性概率为0，表明该部分量表具有显著相关性，适合进行因子分析。
因子分析的最终结果，执行力推动量表中的变量可以归结为两个因子，两个因子的特征根累计解释总体方差的70.41%。
因子1对破坏性创新过程中隐性知识的挖掘程度、破坏性创新的成功执行过程的规律性程度以及失败的教训在企业内部的沟通程度等三个变量的影响较大，这三个变量具有隐性知识转化方面的特点，因而本书将因子1命名为隐性知识转化因子。因子2对成功执行过程在公司内部分享程度、成功的执行过程在内部形成习惯的时间长短、高层管理者参与经验分享的积极性等三个变量影响较大，这三个变量描述了企业学习分享的过程，因而可以将因子2命名为学习分享因子。
该部分因子1的Cronbach Alpha系数为0.832，因子2Cronbach Alpha系数为0.707，具有较高的内部一致性。
4、基于破坏性创新的企业执行力引导子量表因子分析
分析结果可以看出，KMO值为0.824，大于0.5表明适合做因子分析；χ2统计值的显著性概率为0.000＜α=0.10，表明该部分量表具有相关性，适合进行因子分析。
因子分析的最终结果，执行力引导量表中的变量可以归结为两个因子，两个因子的特征根累计解释总体方差的62.56%。
因子1对企业对执行行为变化过程信息的把握程度、企业所获取的信息对企业行为调整的有益性、采取措施不断纠正企业行为的效果、变革的流程的可执行性等四个变量的影响较大，这四个变量描述了企业执行评估与修正的内容，可将因子1命名为执行行为评估与修正因子。因子2对员工新角色和责任与目标的紧密程度、员工的个人绩效评估情况、员工的创新行为是否在经济上得到鼓励、企业领导承担创新失败责任的程度等4个变量的影响较大，这四个变量表明了企业管理者对破坏性创新条件下企业执行情况的认可肯定程度，可将因子2命名为认可肯定因子。Cronbach α系数同样属于高信度范畴。
5、基于破坏性创新的企业执行力变化所反映的绩效量表因子分析
KMO和巴特莱特球体检测的结果都表明量表适合做因子分析。
因子分析的结果显示，量表中的绩效变量可归结为一个因子，该因子的特征根累计解释了总体方差的66.95%，本书将其定义为执行力变化因子。
5.2.3 因子归类结果
通过对调查问卷各子量表的因子分析，可将问卷中显示的31个因素归纳为9个公共因子。
