量表共有15個題項，在整體可解釋的變異量方麵，經主成分分析法抽取後，得到未經轉軸的整體解釋變異數，抽取特征值大於1的共同因子，共有4個。從碎石圖也可以看出第5個因子以後，坡度線趨於平坦，顯示保留4個或5個因子是適當。本研究參考這兩項結果作為挑選共同因子的判斷依據，抽取出4個因子。經最大變異法轉軸後，4個因子的特征值分別為2.42，2.10，1.83，1.72，可解釋的變異量分別為：16.13％，14.00％，12.21％，11.48％；這4個共同因子可以解釋的總變異量為53.8％，達到因子分析標準。
轉軸的主要目的在於重新安排題項在每個共同因子的因子負荷量，題項在所屬的因子層麵依照因子負荷量的高低排序，即為轉軸後的因子矩陣。為使共同因子更易於被辨識，表中僅保留各題項中因子負荷量的較大值。
根據因子分析結果，本研究的量表具有不錯的建構效度，社會資本量表共抽取出4個共同因子，分別命名為“社會資本的外向性”、“社會資本的同一性”、“社會資本的互惠性”、“社會資本的資源性”，分別代表社會的兩個維度：跨越型社會資本（Bridging Social Capital）和緊密型社會資本（Bonding Social Capital）。
（2）SNS網站使用行為的因子分析
本次研究中，SNS網站使用行為各題項的KMO值為0.773，KMO值達到進行因子分析的標準；而Bartlett球形檢驗值為946.168（自由度為66），p＝0.000，達到顯著。
調整後的量表有12個測量題項，在整體可解釋的變異量方麵，經主成分分析法抽取後，得到未經轉軸的整體解釋變異數，抽取特征值大於1的共同因子，有3個。本研究同時參考可解釋的變異量和相應的碎石圖，將這兩項結果作為挑選共同因子的判斷依據，抽取出3個因子。經最大變異法轉軸後，3個因子的特征值分別為2.670，2.129，1.235，可解釋的變異量分別為：22.25％，17.74％，10.29；這3個共同因子可以解釋的總變異量為50.29％。
根據因子分析的結果，SNS網站的使用行為被區分為3個維度。由因子矩陣圖可以發現，因子1由6道題構成，命名為“SNS網站使用偏好”，可解釋的變異量為：22.25％；因子2由4道題構成，命名為“SNS網站使用強度”，可解釋的變異量為17.74％；因子2由4道題構成，命名為“SNS網站使用預期”，可解釋的變異量為10.29％。將這3個因子累加之後，可解釋的變異量為50.29％。
（3）結構位置帶來的社會資本的因子分析
本次研究中，結構位置帶來的社會資本各題項的KMO值為0.912，KMO值足夠大，已經達到進行因子分析的標準；而Bartlett球形檢驗值為2282.235（自由度為190），p＝0.000，達到顯著。
量表共有20個題項，在整體可解釋的變異量方麵，經主成分分析法抽取後，得到未經轉軸的整體解釋變異數，抽取特征值大於1的共同因子有3個。本研究同時參考可解釋的變異量和碎石圖，將這兩項結果作為挑選共同因子的判斷依據，抽取出4個因子。經最大變異法轉軸後，4個因子的特征值分別為3.561，3.354，1.513，1.369，可解釋的變異量分別為17.806％，16.771％，7.564％，6.847％；這4個共同因子可以解釋的總變異量為48.99％。
根據因子分析的結果，結構位置帶來的社會資本的衡量被區分為4個維度。由因子矩陣圖可以發現，因子1由8道題構成，命名為“人際溝通的同理心”，可解釋的變異量為17.806％；因子2由7道題構成，命名為“人際溝通的主導力”，可解釋的變異量為16.771％；因子3由3道題構成，命名為“人際溝通的適當性”，可解釋的變異量為7.564％；因子4由2道題構成，命名為“社會實踐參與情況”，可解釋的變異量為6.847％；將這4個因子累加之後，可解釋的變異量為48.99％。
（4）SNS網站使用動機的因子分析
本次研究中，結構位置帶來的社會資本各題項的KMO值為0.773，KMO值足夠大，已經達到進行因子分析的標準；而Bartlett球形檢驗值為1093.021（自由度為120），p＝0.000，達到顯著。