问卷测量属性的检验

（1）对量表测量题目的精简

第一个对主观知识量表进行的现场测试的目的是评价九个单个题目的内部一致性和效度。第一次数据收集以290个交大网络学院的大学生为对象。他们的年龄从18~41岁，平均年龄为21岁。其中，男性108人（37.2%），女性182（62.8%）。在这些测试中，只有一个题目出现过漏填的现象。除了九个知识题目，问卷中还包括了Zhang等（1995）的10题目的自我效能感量表（经过Zhang的修订，适合中国被试），以及Flynn，Goldsmith和Eastman（1996）的六个题目选择领导量表。Gatewood（1995）的创业活动问卷，包括五大类28项创业准备活动，并要求填写每周在五类活动上所花费的时间。

精简后自我报告量表的活动是由三部分构成的（Goldsmith & Hofacker，1991；Spector，1992）。Robinson，Shaver & Wrightsman（1991）认为，对于一个量表，不仅需要考察其因子结构和题目之间的内部一致性，检查单个题目的效度也是非常重要的。尽管我们还不能考察本量表的整体效度，我们能首先考察单个题目的效度。只有当一系列的题目在单个题目层次具有效度，这些题目组成一个整体时其整体效度将更高。对于九个主观知识题目，我们考察其维度（通过探索性因子分析）、信度（通过alpha系数）以及效标效度（通过与外部效标变量求相关）。

题目得分是通过正交旋转的方法做的因子分析。a系数和皮尔逊相关系数矩阵被计算出来。九个题目的a系数是0.91。只有一个题目，第九个，对a系数具有减低作用。与此同时，因子分析得出两个因子的结果，共计解释总变异的64.1%。题目1、4、5、6、、7、8为第一个因子、2、3、9形成第二个因子。这两个因子的相关系数为0.64。另外，题目9是最弱的一个，共同度（communality）只有0.32。

当采用个体题目与其他结构（construct）计算相关时，可以考察其潜在的效标效度。九个主观知识题目与创业活动问卷中的时间花费得分总和进行了相关分析。我们假设，基于以前的研究，主观知识题目应该与创业准备活动的强度（外部效标）存在相关，相关系数从0.54（题目1）到0.18（题目9）。题目2和3是第三和第四位相关度比较弱的。由于题目9的效度很差，并且对a也没有增量的贡献，因此去掉题目9。

对余下的八个题目进行因子分析，产生了一个因子，共计解释了60%的总变异。并且a系数为0.92。题目2和题目3仍然具有最低的复相关系数平方SMC（squared multiple correlation）。而且这时，题目2减低了a的值。由于其弱解释力以及他们与效标变量的相关系度比较弱。我们删除除了第二个题目。在第三轮中，七个题目形成了一个因子，共计解释了64%的变异。a值仍然是0.92。题目3的累计解释率为0.37，且降低了a值。题目3的共同度（communality）是0.34，其他题目的共同度大于0.5。因此，我们放弃了题目3。

第一轮剔除的三个题目，看起来形成了一个因子，并且聚焦于某种能判断其他企业创业前景的能力。尽管这个知觉到的能力显然与知觉到的创业客观知识相关，但我们相信，那是一个独立的潜在结构。因此，删除这些题目在理论和经验上都是适宜的。尽管题目7的各项测量指标比较好，但是我们怀疑这个题目会降低本量表的可应用程度，出于问题性质方面的考虑就将题目7也删除了。

余下的五个量表题目显示了比较好的内部一致性（a系数为0.93）；结构信度（0.93）及平均变异抽取（0.72）都很好（Fornell and Larcker，1981），并且，所有共同度均大于0.60。进一步用验证性因子分析，使用LISREL8.5版统计软件，得出了卡方值为45.09，自由度为5。其NFI（normed fit index）为0.976。此外，两个正面表达和三个反面表达的题目被留在量表中，也能起到平衡题目措辞方向性的作用（Ray，1985）。

（2）量表测量属性的验证

第二次收集数据的目的有三个。首先是验证经过修订的五题目的量表的维度构成（通过探索性和验证性因子分析）；其次，评价该量表的重测信度；第三是确定该量表的结构效度。

此次的被试是上海交大网络学院国际营销专业的学生。问卷的题目包括多特质、多方法分析，来自Flynn et al.（1996）八题目的意见征询量表（opinion seeking），及Mittal和Lee（1989）的七题目卷入量表（involvement scale）。这些都是专业领域的量表，也是主观知识的量表。多质多法分析（MTMM）在三类创业知识领域进行，每一类知识使用三种测量方法的一种。我们首先就三类知识的具体所指对被试进行培训。这些知识包括：创业机会知识、创业商业模式知识、创业避错知识（关于避免小企业劣势手段的知识）。其中商业模式的知识是重测问卷。

125个被试完成了第一个问卷，101人完成了两份问卷。学生的年龄跨度为19到34岁，平均年龄为21岁。男性51人、女性50人，他们都完成了重测和非重测问卷。

1）维度验证

为了评价知识量表的维度，我们采用了探索性和验证性因子分析。探索性因子分析（正交旋转）发现了单个因子的结果（三类知识领域都是如此）。四种处理的因子负载分别从0.73到0.94。说明这些题目带来的变异总量可以被一个共同的因子所解释。

单因子的结论同样得到了验证性因子分析的支持（见表2-9）。验证性因子分析分别在三类创业知识的五个主观知识题目上进行。采用Lisrel8.5版软件为统计工具。

表2-9　创业主观知识的心理测量属性与验证性因子分析结果

（注：BK、OK、EK分别代表商业模式知识、机会知识、避错知识）

结果显示，无论在三类知识量表之间，还是在对量表的四次使用中，主观知识量表都呈现单维度。例如，第一类处理是采用商业模式知识为知识类别对象的，得出卡方值为13.90，自由度为5，此时所有的五个题目被强制性负载于一个因子上了。该统计的p值是0.016。另外一个支持单因素的测量结果是标准残差与0值存在显著性差异。理想的情况是，一个测量应该不超过5%的标准残差，这个值是个有效范围（Netemeyer，Durvasula & Lichtenstein，1991）。为了进一步分析验证性因子分析的结果是否适宜。我们采用了总体中20%的数据再次计算标准残差。总体来说，如果一个大小为100的样本，其20%分位的部分数据的平均数与这个样本平均数的相关性应该在统计上显著大于0。除了平均数，其标准残差也存在如此规律（Byrne，1994）。对于商业模式知识（BK）这个情况，标准残差的绝对值没有超过0.20。实际上两次测量中，最大的也只有0.05。对于其他知识类别的测验也得到同样的结果。其中，结果最差的是避错知识（EK）的测量。尽管其他3次测量的标准残差超过了0.10，不过这次仍然没有超过0.20。

2）信度

为全面考察量表的信度，我们首先评价了两种实验处理的内部一致性。表2-9显示所有三个知识领域的信度，发现其a系数都很高（机会知识0.92；商业模式知识0.94；避错知识0.88），其结构效度和平均变异抽取值也非常好。第一种实验处理的各个题目之间的相关性是0.71，并且a系数是0.92。商业模式知识量表的重测结果表明，其a值为0.93，且题目间的一致性为0.72。三周后的重测信度是0.79（p<0.0000）。这些结果显示，题目5的主观知识量表有很强的内部一致性和可重复性（repeatability）。

3）效度

为了提供量表效度的证据，我们设计了MTMM测试。三个特质就是对应的三类知识范围（机会知识、商业模式知识、避错知识）。三种方法是：①五题目的主观知识量表、七点利克特量表。其中1表示“比大多数人差”，7表示“比大多数人好”；②七点意见征询（opinion seeking）利克特量表（Flynn et al.，1996）；③决策卷入（involvement scale）量表（Mittal & Lee，1989）。

Lisrel8.5程序采用最大似然法估计MTMM矩阵。运行了四个模型：一个零假设模型、一个关于所有商业模式知识类别的特质因素模型、机会知识的所有题目、所有避错知识的题目。它们都分别负载于三个因子。此外，还估计一个方法因子模型，其中，主观知识题目在第一个因子上、意见征询题目在第二个量纲上、决策卷入题目在第三个因子上。我们知道，多质多法方法本质上是将特质和方法结合起来。多质多法模型具有六个潜变量，并且，所有的测量指标同时负载于一个变量上。比如，商业模式主观知识测量（fashion scalar measure）负载在“商业模式”因素上，并且还在“主观知识”因素上。该分析的相关矩阵见表2-9。

独立模型的卡方值为667.17，自由度是36（p<0.001）。方法模型中含九个变量，负载于代表三个方法的因子上。方法模型的卡方值是422.26，自由度是24。特质模型的拟合比方法模型更好。自由度是24，卡方值是110.81。p值也是显著的。NFI和NNFI分别是0.834和0.794。带有特质和方法因素的完整模型拟合程度非常好。12个自由度，卡方值为14.69（p=0.259）。NFI是0.978，NNFI是0.987，RMSEA是0.043，并且这个模型最大的标准残差为0.15。多特质多方法的分析结果显示，方法因子、特质因子，以及两者的组合，增加了数据的变异量。这证实了该知识量表的判别效度和聚合效度。注意，这些结论稍微受到加总机会知识的测量弱点的影响，尽管其信度较差，但在MTMM分析中，仍然运行得挺好。关于创业机会的主观知识与关于避错的主观知识存在相关，显示了创业知识之间的内在联系。

表2-10　多质多法（MTMM）矩阵