基于结构方程的科技工作者创业意愿-中国科学技术协会.doc

基于结构方程的科技工作者创业意愿 影响因素驱动路径分析 中国科协创新战略研究院 李慷 [摘要] 在全社会创业热潮中，科技人员作为生力军的作用还未被充分调动激发出来。为探析影响科技工作者创业意愿的因素，及因素间的相互影响关系，本文在使用中国科协科技工作者创新创业情况调查问卷数据的基础上，引入结构方程模型，建模并分析中国科技工作者创业意愿影响因素的驱动路径。 [关键词] 结构方程，创业意愿，科技工作者 一、引言 两年多来，国务院及其组成部门先后围绕“推进大众创业、万众创新”（以下简称“双创”）出台22个文件，涉及创新创业的体制机制、财税政策、金融政策、就业政策等多个领域。中国科协受国务院办公厅委托，于2015年7月对国务院近年出台的“双创”有关政策措施的落实情况进行了评估。综合来看，各地政府部门贯彻落实“双创”政策措施迅速有力，政策效果持续释放，社会公众反应热烈，创新热情和创造活力得到明显激发。 但当前仍存在“双创”主力军缺位等问题。科技人员作为“双创”生力军的作用还未被充分调动激发出来，本应成为“双创”主力军的高校、科研机构和国有企业，创新创业活力依然不足。调查表明，尽管六成科技人员有创业意愿，但真正开始创业的只有2.5%，科研院所的这一比例甚至只有1.2%[1]。 为探析影响科技工作者创业意愿的因素，及因素间的相互影响关系，本文在使用中国科协科技工作者创新创业情况调查问卷数据的基础上，引入结构方程模型，建模并分析中国科技工作者创业意愿影响因素的驱动路径。 二、数据来源 为了从多维度、多层次进行分析，本文将影响因素分为个体属性、个体认知和社会属性三个维度。其中，个体属性指科技工作者性别、年龄和学历，个体认知指科技工作者的创业意愿、政策认知、改革效果、创业支持和身边创业氛围，社会属性指社会经济情况、网络环境、社会创业氛围。 本文使用的数据来源于中国科协科技工作者创新创业情况问卷调查，科技工作者创新创业情况问卷调查于2015年7—8月展开，通过中国科协504个全国调查站点及部分省级站点调查全国31个省区市科研院所、高等院校、企业、卫生机构、普通中学、园区、地县和全国学会所涉及的科技工作者，共收回问卷17865份。 由于存在表征社会属性的题项，故在清理无效问卷的基础上，筛除地理属性为“全国学会”的问卷。由于问卷部分题项对科技工作者的单位性质进行了限制，在尽可能保留影响因素的前提下，对科技工作者的单位属性进行筛选，选择“科研院所”“高等院校”“医疗卫生机构”“技术推广与服务组织”的科技工作者填答的9658份有效问卷作为本文的基础数据。 三、样本描述 整体而言，样本未呈现明显偏性。样本中男女占比分别为41.9%和58.1%。样本的职务以工程师/工程技术人员（27.5%）、科研人员（21.4%）和大学教师（19.6%）为主，图1展示了样本职业分布。在学历分布方面，如图2所示，样本以大学本科为主，占39.5%，硕士研究生和博士研究生受访者占比分别为31.3%和21.2%。图3展示了样本在四类单位中的分布，可以看出，样本相对平均地分布在四类单位中，并未表现出过度集中性。 图1 样本职业分布 图2 样本学历分布 图3 样本单位类型分布 四、数据质量的信度和效度分析 1、效度分析 效度分析用于检测问卷的有效性，即题项真实客观度量事物的程度，多分为内容效度和结构效度两部分。内容效度指分析题项内容的适当性和相符性。本文所应用的问卷是在文献调研的基础上设置的，有理论和实践支撑，具有内容效度。 结构效度是1954年由美国心理学会（APA）、美国教育研究协会（AERA）和美国国家教育测量协会（NCME）联合委员会共同提出的。当所测属性没有确定的标准，而必须使用间接的测量来证实理论有效性时应用。本文首先通过KMO样本测度与Bartlett球体检验法对题项进行有效性检验，分析相关阵是否为单位阵，进而选择验证性因子分析方法检验结构效度。KMO统计量常用于比较变量间简单相关系数和偏相关系数，计算公式如（1）所示。 （1） 其中，表示变量与变量之间的相关系数，表示变量与变量之间的偏相关系数。KMO取值在0到1区间内。取值越接近1表明变量之间的相关性越强，即变量越适合做因子分析检验。取值越接近0，表明变量之间的相关性越弱，即变量越不适合做因子分析检验。当KMO取值小于0.5时，通常认为不适合进一步做因子分析检验，当KMO取值大于0.8时，认为非常适合进一步做因子分析检验[2]。本文选择验证性因子分析方法检验问卷的结构效度，采用主成分因子方法提取公因子，采用方差最大法旋转因子，将旋转后因子载荷值大于0.5的题项归为一类。 问卷的KMO值为0.776，大于阈值标准0.5，较为接近0.8；Bartlett球体检验值为