创业问卷量表效度检验,就业指导论文

创业问卷量表效度检验,就业指导论文本篇论文目录导航：【题目】【第一章】【第二章】【第三章】【第四章】【5.15.2】【5.3-5.5】创业问卷量表效度检验【5.65.7】【5.85.9】【结论/以下为以下为参考文献】5.3效度检验。效度反映问卷的有效性及准确性，探寻求索性因子分析对变量对应的测量题项提取因子，采用主成分分析法求解初始公因子，萃取出初始特征值大于1的公因子，探寻求索出量表的最佳因素构面，进行因子分析的前提是首先通过KMO和巴特利特球形检验分析数据能否合适做因子分析，一般以为KMO的值越接近1,因子分析效果越好，数据越合适做因子分析，当KMO大于0.9时，表示非常合适进行因子分析；KMO值介于0.8与0.9之间时，表示清楚很合适进行因子分析，KMO值介于0.7与0.8之间时，表示清楚合适进行因子分析；KMO值小于0.5时，表示清楚不合适做因子分析〔马国庆，2002〕；巴特利特球形检验零假设相关系数矩阵为单位矩阵，能够用常规的假设检验判定相关系数矩阵能否显著异于零，考虑巴特利特球形检验的相伴概率小于显著性水平，表示清楚数据合适做因子分析，一般KMO值大于0.7,且巴特利特球形检验相伴概率的值小于显著性水平常，表示清楚数据检验结果显著，能够对数据进行因子分析。本研究中测量题目为37个，样本数据为779份，符合因子分析对样本量的5倍以上的要求，进行探寻求索性因子分析前先通过KMO值及巴特利特球形检验判定测量题项能否合适进行因子分析，利用初始特征值大于1结合最大方差法提取公因子，同时剔除因子载荷小于0.5的相关题项。5.3.1创业素质的因子分析。进行因子分析之前，首先对创业素质相关题项进行KMO检测及巴特利特球形检验，结果如下表所示，创业素质整体的KMO值为0.925,大于0.7,且巴特利特球形检验的相伴概率为0.000小于显著性水平〔0.01〕，表示清楚变量之间存在显著的相关性，合适进行因子分析。KMO及巴特利特球形检验结果表示清楚合适进行因子分析，采用初始特征值大于1,结合最大方差法进行旋转，对创业素质的探寻求索性因子分析结果如表5.9所示：对29个测量题项共提取出5个公因子，共解释方差到达59.919%,华而不实第一个因子解释14.298%,第二个因子解释13.502%,第三个因子解释12.495%,第四个因子解释12.402%,第五个因子解释7.222%.从创业素质旋转成份矩阵表中，我们能够看到创业素质测量题项的相应的因子载荷，当因子的载荷值小于0.3时，表示清楚因子对变量变异的解释程度缺乏10%〔张文彤，2002〕。本文的研究将采用0.5作为衡量变量的解释程度能否符合标准的临界值，对于测量题项因子载荷值小于0.5,或者出现两个以上大于0.5的因子进行剔除，从表中结果能够看出创业素质题项的因子载荷值均在0.5以上，且没有出现两个以上载荷值大于0.5的测量题项，因而，创业素质测量题项均保存。创业素质的探寻求索性因子分析结果表示清楚：利用初始特征值大于1,且因子载荷值大于0.5对创业素质提取五个公因子，以为创业素质包括创业意识、创业品质、创业知识、创业能力及创业态度五个方面，与假设相一致。5.3.2创业意愿的因子分析首先对创业意愿的5个测量题项进行KMO检测及巴特利特球形检验，结果如表5.11所示：华而不实KMO值为0.851,大于0.7,巴特利特球形检验的相伴概率为0.000小于显著性水平，讲明创业意愿变量之间存在显著的相关性，合适进行因子分析。KMO检测及巴特利特球形检验结果表示清楚创业意愿合适进行因子分析，采用初始特征值大于1,及最大方差法进行旋转对创业意愿提取公因子，从解释的总方差表中能够看出，创业意愿被提取一个公因子，初始特征值为3.379,解释的总方差为67.581%.创业意愿变量利用初始特征值大于1提取一个公因子，由于只提取出一个公因子，无法进行旋转，从成份矩阵表中看出因子载荷值均在0.5以上，且没有出现两个以上载荷值大于0.5的测量题项，因而，创业意愿测量题项均保存。5.3.3创业气氛的因子分析。首先对创业气氛的3个测量题项进行KMO检测及巴特利特球形检验，结果如表5.14所示：华而不实KMO值为0.712,大于0.7,巴特利特球形检验的相伴概率为0.000小于显著性水平，讲明创业意愿变量之间存在显著的相关性。从表5.15中能够看出创业气氛被提取一个公因子，初始特征值为2.160,解释的总方差为72.002%.由于创业气氛只提取一个公因子，无法对其进行旋转，创业气氛的成份矩阵如表5.16所示，华而不实各观测指标的因子载荷值均大于0.5,符合实证分析的要求。5.4平均数差异检验。对于个体背景量表中性别、年龄、学历、专业及户口属地变量，采用平均数差异检验的方式方法对其进行分析，平均数差异检验用以检验样本平均数差异能否具有统计意义，研究个体背景变量不同时对创业意愿能否有显著差异，本研究中平均数差异检验采用独立样本t检验和方差分析两种方式方法讨论性别、年龄、学历、专业及户口属地不同时对创业意愿能否有显著性差异。独立样本t检验适用于两组样本的平均数差异检验，独立样本t检验采用F统计量及sig.对方差齐性进行检验，采用t统计量及sig.值对样本均值进行检验，方差齐性检验的sig.值大于0.05,表示清楚方差齐性，对样本均值的检验我们关注假设方差相等栏中的t值及sig.值，相反，应关注假设方差不相等栏中t值及sig.值；均值检验中的sig.值小于0.05,表示清楚该变量对相应的观测变量有显著差异，均值检验中sig.值大于0.05,表示清楚该变量对相应的观测变量无显著差异；单因素方差分析适用于三组以上样本的平均数差异检验，本文单因素方差分析用来研究个体背景变量的不同水平能否给创业意愿造成了显著差异和变动，采用的统计推断方式方法是计算F统计量，进行F检验，零假设：个体背景变量不同水平下观测变量各总体均值无显著差异，根据方差分析表中F统计量及相应的显著性进行分析，显著性大于0.05,表示清楚该变量对相应的观测变量无显著性差异；显著性小于0.05,表示清楚该变量对相应的观测变量有显著差异，进而根据多重比拟表中显著性分析不同组别样本之间的显著性差异，最后根据描绘叙述性统计表中样本均值进行分析。〔1〕性别对创业意愿的独立样本检验结果如表5.17所示：从表中结果能够看出性别对创业意愿的显著性为0.000小于0.05,表示清楚个体不同性别对于创业意愿均有显著性差异。为了进一步讨论性别对创业意愿的显著性差异，进行描绘叙述性统计分析，结果如表5.18所示，男性的创业意愿显著高于女性创业意愿。〔2〕年龄有三组样本，因而年龄对创业意愿的平均数差异检验采用单因素方差分析方式方法，单因素方差分析结果如表5.19所示：根据F统计量及相应的显著性水平能够看出，年龄对创业意愿的显著性水平为0.007小于0.05,表示清楚年龄不同水平对创业意愿均有显著性差异。结合多重比拟表5.20和描绘叙述性统计表5.21能够看出，第1组和第2组年龄之间创业意愿有显著差异，与第3组均无显著性差异，且第2组创业意愿显著高于第1组创业意愿。〔3〕不同学历对创业意愿的独立样本t检验结果如表5.22所示：从表中能够看出学历对创业意愿的均值检验显著性为0.329大于0.05,表示清楚学历对创业意愿无显著差异。〔4〕专业有3组样本，因而采用单因素方差分析进行平均数差异检验，结果如表5.23所示：专业对创业意愿的显著性0.324大于0.05,表示清楚不同专业对创业意愿无显著性差异。〔5〕户口属地有两组样本，采用独立样本t检验对平均数差异进行分析，结果如表5.24所示：从表中结果看出户口属地对创业意愿的显著性为0.120大于0.05,表示清楚户口属地对创业意愿无显著性差异。5.5相关分析。相关分析是研究变量之间不确定性关系的一种统计方式方法，可讲明变量之间的关联程度〔马国庆，2003〕，相关系数的取值介于-1和1之间，绝对值接近1讲明变量之间的相关程度越高，相关分析主要用以确定两类变量在发展变化的方向和强弱上能否存在关系，而不能确定变量间的因果关系。连续变量之间的相关性常用Pearson简单相关系数来测定。从表5.25结果能够看出：创业意识与创业品质、创业知识、创业能力、创业态度、创业意愿、创业气氛在0.01的显著性水平上有正相关关系；创业品