研究采用样本一的(N尸345)数据，进行探索性因子分析。在进行因子分析之前，笔者先利用KMO (Kaiser-Meyer Olkin)系数和Bartlett球形检验来判断数据是否适合进行因子分析。KMO指数代表所有变量整体的取样适当性。KMO值在0，50以上，表示数据适合进行探索性因子分析，KMO值越LL…大，表示变量间的共同因素越多，越适合进行因子分析。本研究样本的KMO值=0.95，超过0.9，表明已经达到介于“有价值”和“极佳”之间，因此适合进行因素分析。Bartlett's球形度检验近似卡方值(X2，为12142.23，自由度(df)为1830，p值达到显著性水平，表明题项相关矩阵间有共同因子存在，也适合进行因子分析。
    通过标准方差检验，发现所有题目的标准方差SD介于1.2 --1，7之间，均1，所以全部题目均予以保留。笔者对样本一进行探索性因子分析，以主成分分析法初步抽取共同因素（初始特征值）后，通过分析得知，共有11个因子特征值大于1，所解释的方差占总方差的61.6%。
    除了根据特征值大于1这项标准判断应保留几个共同因子之外，还要同时参考坡度检验，如图6-1所示。根据点间连线坡度的陇电缓程度，从碎石图以很清晰地看出因子的重要程度。从碎石图可以看出，坡度线不明显，从第3个因子开始基本就趋于斗平缓，因子并不突显，表明提取2-5个因子比较妥当，然后再逐个采用2、3、4、5个因子进行探索性因子分析。本研究的调查结果表明，对抽取出来的因子未能给予合理的解释和命名，与原定假设不符合。
    此研究假设体育界的运动员训练能力的维度对于企业多习丁教练性的研究仍然适用，且员工可教练性量表的5-7个因子结构能够得到验证。但是根据初步编制的员工可教练性量表，经因子分析却无法提取合理的因子并给予解释和命名。因此，原有研究假设基本不成立。也正是因为如此，笔者拟采用一个多维的员工可教练性量表进行后续的研究暂时无法实现。
    究其原因，主要有以下两点氨缘由：第一，虽然原假设是沿用企业教练技术的来源方式进行理论移植，但是在企业环境中，上下级之间的关系比教练与运动员的关系要复杂得多，涉及的内在因素和环境因素相对比较复杂。因此，运动员训练能力的维度可能无法直接借鉴于员工可教练性维度的构建，还需要更加深入的实证研究来进行重新调整。第二，在国内，企业教练技术还是一个全新的领域，在企业中的实践应用并不普遍，只有少数企业中高管理者进行过知识培训，一般员工基本不了解企业教练技术，所以在企业测试过程中，难免因为理解不透彻而造成成测试结果术不准确角。访谈对象和测试对象的样本选择可能需要更加精准，要求研究对时象了解以及亲身体验过教练技术。