数据处理与模型建立

3.3.3　数据处理与模型建立

1.研究设计

根据研究目的和思路，本书主要采用文献研究法和问卷调查法，对创业企业社会网络“关系、规模、结构”演化纠错的机理进行探讨。通过对社会网络相关文献的阅读总结，设计测量的量表。问卷调查则是通过问卷收集数据，并对数据进行统计分析来对论文的构思进行探索性研究。通过SPSS对数据进行信度与效度检验，并运用探索性因素分析来观测各个因素的维度结构，最后，构建结构方程模型，分析各因素之间的相关性。

本研究以随机抽样的方式发放问卷，以武汉地区为主，共发放240份问卷，回收201份问卷，其中188份有效问卷，问卷的回收率为83.75%，有效率为78.3%。在受访的对象中，男性占52.94%，女性占47.06%；在创业者中，专科及以下学历的占13.9%，本科学历的占73.26%，硕士研究生及以上学历的占12.84%。此次调查对象的94%，年龄在40岁以下，第三产业的创业者居多。

2.信度分析

信度检验是为了保证收集的数据在研究分析中是可信的而进行的检验，反映了问卷测量结果的一致性或稳定性程度。本书采用学术界普遍使用的内部一致性系数对研究中所使用量表的信度进行分析评价。运用SPSS软件对本研究中各潜变量的信度进行检验，潜变量GXGM（关系、规模演化）、GMJG（规模、结构演化）、SC（演化试错）、JC（演化纠错）的Cronbachα值分别为0.708、0.778、0.740、0.710，整体的Cronbachα值为0.871，均大于0.7，说明数据信度较好。

3.因子分析

作者选用SPSS 17.0统计分析软件，对各变量进行探索性因子分析。在数据分析中，只有在样本量与变量数之比至少在5∶1以上时进行因子分析才是有效的，而且理想的样本量应为变量数的10～25倍，本次调查研究的样本量为188，可观测变量数为14，样本数量是变量的13倍，符合要求。在进行探索性因子分析之前先进行KMO和Bartlett检验，如表3－2所示。

表3－2　KMO和Bartlett检验2

本研究的KMO值为0.877，说明观测值适合做因子分析。本研究的探索性因子分析通过SPSS 17.0中的主成分法和方差最大正交旋转法实现，依据因子载荷系数对各项进行取舍，将各类因子归为4类，由成分旋转矩阵可以看出，各指标在所属因子上载荷系数较高，而在其他因子上载荷系数均较低，因此具有较好的收敛度与区分度。

本研究采用LISREL 8.70软件对各变量进行验证性因子分析。其中，χ²／df的值为1.84＜3；RMSEA的值为0.067＜0.08；NFI、NNFI、CFI、GFI、IFI的值均大于0.9，表示观测变量与内生变量的拟合较好。观测变量在因子负荷值上均大于0.50，表明观测变量显著地落在了相应的因子上，即可观测变量与内生变量之间表现出较强关系连接。