论文实证分析部分.docx

论文实证分析部分.docx

《论文实证分析部分.docx》由会员分享，可在线阅读，更多相关《论文实证分析部分.docx（44页珍藏版）》请在冰豆网上搜索。

论文实证分析部分

5实证分析

5.1研究设计

5.1.1样本选择

本研究的样本选择范围是西安高新技术产业开发区（简称西安高新区）和西安经济技术开发区（简称西安经开区）。

根据本文的调查目的，问卷的调查对象是西安高新区和西安经开区的研发型总部企业。

问卷填写人员需要对企业的经营状况有基本了解，包括企业高层管理人员（如总经理、副总经理）、中层管理人员、技术研发人员、其他人员等。

5.1.2问卷设计

本研究属于企业微观层面的研究，由于所需数据无法从公开资料中得到，因而采用问卷调查的方式收集所需数据。

为了验证本文提出的研发型企业总部集聚对创新型城市创新能力的关系研究概念模型和假设，在此专门设计了调查问卷。

首先，本人查阅了大量国内外相关文献，在国内外成熟量表的基础上，结合研发型企业总部集聚和创新型城市创新能力的实际背景对这些量表进行了有针对性的选择和补充，初步确定了问卷初稿。

接着，通过面对面沟通、电子邮件等方式就问卷初稿咨询了管委会专家和企业家，并根据他们提供的反馈意见，对问卷初稿进行了修改，最终形成预调研使用的问卷修改稿。

通过这种方式编制的问卷，可以保证量表中各变量的测量具有有效性和稳定性。

预调研的效果比较理想，针对预调研回收的问卷分析后，进行了再次修改，最后形成了结构更为合理、题项更为明确的最终问卷。

本研究所设计的问卷包括三个组成部分：

第一部分是企业的基本信息；第二部分是对研发型企业总部集聚产生的知识溢出和社会资本、集聚的创新资源的调查，包括知识溢出量表、社会资本量表、创新资源量表；第三部分是对创新型城市创新能力的调查，具体包括政府制度创新能力量表、企业技术创新能力量表、城市支撑创新能力量表。

所有量表均采用李克特五级量表度量，问卷填写人员由低到高对具体题目进行打分，其中1表示完全不符合，2表示比较不符合，3表示一般符合，4表示比较符合，5表示完全符合。

调查问卷详见附录2。

5.1.3问卷发放与回收

本研究通过向西安高新区和西安经开区的研发型总部企业发放调查问卷的方式来收集数据。

在发放正式问卷前，对高新区和经开区研发型企业总部进行了小范围预调研，在他们对问卷内容反馈的基础上进一步修改了问卷，并最终形成了问卷的最终稿。

正式调研在2013年7月下旬开始，到2013年8月下旬结束。

由于调查对象是高新区和经开区研发型企业总部的中高层管理人员和技术研发人员，不容易接触到。

因此，问卷的发放主要是依靠导师的关系，联系到高新区管委会和经开区管委会的相关领导，以西安市科技局、西安市财政局合作的课题项目的名义发放调查问卷。

一共发放问卷150份，回收问卷112份，其中有效问卷105份，问卷回收率约为75%，问卷有效率为70%。

5.1.4数据统计分析方法介绍

本研究采用SPSS17.0统计软件和AMOS7.0对问卷进行分析，采用的方法有描述性统计分析、项目分析、信度分析、效度分析、因子分析、相关分析、结构方程模型[王雯雯136-140]。

首先，对问卷进行描述性统计分析。

然后，采用项目分析、信度分析、效度分析检测本文量表的质量，并对研究变量进行因子分析。

最后，采用结构方程模型的方法对本文提出的假设进行验证。

a.描述性统计分析本文描述性统计包括两部分：

（1）样本企业基本情况，包括样本企业类型、被调查人员所任职务、在西安设立研发总部的最重要原因的描述性统计分析；

（2）样本企业总体现状分析，包括6个量表及其子维度均值、标准差的统计分析。

b.项目分析项目分析采用每一个测量题项的“临界比率”（又叫决断值，简称CR值）来说明测量题项是否具有鉴别度，其原理和独立样本的T检验相同。

项目分析通过将未达显著性水平的题项删除以提高量表的信度、效度。

c.信度分析信度，即可靠性。

所谓信度分析是对测量结果的一致性程度或者可靠性程度的估计，由于本文采用李克特五级量表，故选用内部一致性系数Alpha系数来检验信度。

d.效度分析效度，即测量有效性。

所谓效度分析是指测量工具能够准确测出所需要测量特性的程度。

效度一般分为内容效度（测量工具内容的适合性，即设计的题目能否反应想要测评的全部内容）和结构效度（指测量工具的内容能够推论或者衡量抽象概念的能力）。

由于本文量表的题目设计均参考了大量国内外文献，同时结合导师、管委会、企业的意见进行了修改，因而可以认为本文量表具有良好的内容效度。

而对于结构效度而言，一般采用因子分析法进行检验，而因子分析法的使用要求变量间有相关关系，可以采用样本适当性系数检验（KMO检验）和Bartlett球形检验（BTS值）进行因子分析适宜性检验。

e.相关分析相关分析就是根据样本数据推断总体是否相关的一种统计方法，用于研究变量间线性关系的紧密程度，这种分析过程就是相关分析。

本文采用Person简单相关系数对本文构建的概念模型中变量之间的线性相关关系进行探讨。

在Pearson相关分析中相关系数r的取值在-1和1之间，r绝对值越大，表示变量间相关程度越强，r取值为0则表示变量间无线性相关关系。

f.结构方程模型：

结构方程模型是一种综合了因子分析、回归分析、t检验、方差分析、路径分析等多种方法来处理因果关系模型的统计分析工具，是基于

变量的协方差矩阵来分析变量之间关系的方法，因而，也叫协方差结构模型。

结构方程模型由测量模型和结构模型组成，其中测量模型由潜变量与观察变量（即测量指标）组成，是通过验证性因子分析以考察测量模型的效度。

结构模型描述了潜变量（外生潜变量和内生潜变量）间的因果路径关系，是通过对潜变量的路径分析来考察结构模型的适配性。

测量模型和结构模型具体如下：

（1）测量模型，通常写成下面的测量方程：

其中，

是外生指标组成的向量，

是内生指标组成的向量，

是外生指标在外生潜变量上的因子负荷矩阵，

是内生指标在内生潜变量上的因子负荷矩阵，

是外生指标

的误差项，

是内生指标

的误差项。

（2）结构模型。

通常写成下面的结构方程：

其中，

是内生变量，

是外生变量；

是内生变量系数矩阵，描述了内生潜变量

间的关系，

是外生潜变量系数矩阵，描述了外生潜变量

对内生潜变量

的影响；

是结构方程的残差项，反映了

在方程中未能解释的部分。

一般需要对构建的结构方程模型进行模型整体适配度的检验和模型内在质量的检验。

检验方法具体分析如下：

（1）对模型整体适配度的检验。

一般采用适配度指数（也叫拟合指数）进行检验。

由于拟合指数有很多种，本文主要采用国际上通用的CMIN/DF、GFI、AGFI、IFI，CFI、CFI和RMSEA等拟合指标来评价结构方程模型的整体适配度，这些拟合指标及其标准见表5-1。

表5-1结构方程模型适配度的评价指标及其标准

模型拟合指数名称

评价标准

绝对适配

度指数

值

P>0.5（未达显著水平）

RMSEA值

<0.08（若<.05优良；<.08良好）

AGFI

>0.9以上

GFI

>0.9以上

近似误差的均方根RMSEA

RMSEA<0.08，越接近0越好

增值适配

度指数

CFI

>0.9以上

IFI

>0.9以上

简约适配度指数

CMIN/DF

<2.00

（2）对模型内在质量的检验。

同样的，对结构方程模型内在质量的检验有多种评价项目，本文采用国际上通用的2种评价项目。

第一种是要求所估计的参数均达到显著水平，即t值介于5.488至13.270。

第二种是要求模型的修正指标小于4.00，如果修正指标不满足小于4，那么通常需要对模型进行修正。

5.2数据统计结果

5.2.1样本企业基本情况描述性统计分析

本次调查的有效样本中高新区有67个，占总数的64%；经开区有38个，占总数的36%。

这主要是因为是高新区研发资源密集度高，创业文化和创新氛围浓厚。

高新区样本所在主导行业分布，见表5-2。

其中，高新区样本企业类型中电子信息行业占比最多，为56.7%，生物医药占比最少，为4.5%

表5-2高新区样本所在主导行业分布表

行业分类

样本数（个）

百分比（%）

累积百分比（%）

电子信息

38

56.7

56.7

生物医药

3

4.5

61.2

先进制造

4

6.0

67.2

现代服务业

12

17.9

85.1

其他

10

14.9

100.0

合计

67

100.0

经开区样本所在主导行业分布，见表5-3。

其中，经开区样本企业类型中机械电力行业占比最多，为36.8%，食品饮料占比最少，为5.3%；

表5-3经开区样本所在主导行业分布

行业分类

样本数（个）

百分比（%）

累积百分比（%）

商用汽车

3

7.9

7.9

机械电力

14

36.8

44.7

食品饮料

2

5.3

50

新材料

10

26.3

76.3

其他

9

23.7

100.0

合计

38

100.0

本次被调查者在研发型企业总部内所任职务的分布如表5-4所示。

其中中层管理者比例最高，样本数为45，比例高达44.5%，再次为技术研发人员，样本数为37，比例为36.6%，然后为高层管理人员，样本数为8，比例为8%，最后有11个样本不在本研究问卷所列类别之中，占10.9%

表5-4被调查者所任职务分布

职务级别分类

样本数（个）

百分比（%）

累积百分比（%）

中层管理人员

45

42.9

42.9

高层管理人员

8

7.6

50.5

技术研发人员

37

35.2

85.7

其他

15

14.3

100

合计

105

100.0

样本企业入驻西安的最重要原因分布，见表5-5。

51.4%的样本企业在西安设立研发总部的最重要原因是西安的人才资源，占比最大。

这是因为研发总部集聚区需要丰富的人才、科技等战略资源作为支撑，所以研发总部聚集区通常布局在专业技术人才集中的区域。

此外，有7.7%的样本企业在西安设立研发总部的最重要原因是西安的优惠政策，占比最小。

表5-5样本企业入驻西安的原因分布

职务级别分类

样本数（个）

百分比（%）

累积百分比（%）

人才资源

54

51.4

51.4

地理位置

18

17.1

68.5

寻求市场

16

15.2

83.7

基础设施

9

8.6

92.3

优惠政策

8

7.7

100.0

合计

105

100.0

5.2.2项目分析

本文对问卷第二、三部分的6个量表借助SPSS17.0forWindows进行项目分析，这些量表的项目分析结果分别见表5-6到表5-11。

其中，A1-A6表示知识溢出量表的6个题目，B1-B8表示社会资本的8个题目，C1-C9表示创新资源的9个题目，D1-D9表示政府制度创新能力的9个题目，E1-E9表示企业技术创新能力的9个题目，F1-F9表示城市支撑创新能力的9个题目。

判别项目分析的结果时，先看每个题目组别总体方差相等性的F检验。

第一种情况是如果F值显著（即显著性一栏其值小于0.05），表示原假设不成立，表示两个组别的总体方差不相等。

再看“假设方差不相等”对应的t值栏，如果显著（即显著性一栏其值小于0.05），则表明此题目具有鉴别度。

第二种情况是如果F检验值不显著，表示两个组别总体方差相等。

再看“假设方差相等”对应的t值栏，如果显著（即显著性一栏其值小于0.05），则表明此题目具有鉴别度。

根据这种判读准则，可知6个量表的所有题目决断值均达到显著，故保留所有题目。

表5-6知识溢出量表的项目分析

方差相等Leven检验

平均数相等的t检验

F检验

显著性

t

显著性

（双侧）

差异的95%置信区间

下界

上界

A1

假设方差相等

1.858

.178

7.794

.000

1.230

2.081

假设方差不相等

7.794

.000

1.229

2.082

A2

假设方差相等

2.478

.121

10.864

.000

1.687

2.450

假设方差不相等

10.864

.000

1.686

2.452

A3

假设方差相等

2.898

.094

8.412

.000

1.235

2.007

假设方差不相等

8.412

.000

1.234

2.007

A4

假设方差相等

.625

.432

9.676

.000

1.477

2.248

假设方差不相等

9.676

.000

1.476

2.248

A5

假设方差相等

1.050

.310

13.988

.000

1.861

2.484

假设方差不相等

13.988

.000

1.861

2.484

A6

假设方差相等

.211

.647

7.283

.000

1.100

1.935

假设方差不相等

7.283

.000

1.100

1.935

表5-7社会资本量表的项目分析

方差相等Leven检验

平均数相等的t检验

F检验

显著性

t

显著性

（双侧）

差异的95%置信区间

下界

上界

B1

假设方差相等

1.497

.226

10.164

.000

1.295

1.930

假设方差不相等

10.164

.000

1.294

1.932

B2

假设方差相等

3.668

.060

6.074

.000

.736

1.458

假设方差不相等

6.074

.000

.734

1.459

B3

假设方差相等

13.709

.000

9.813

.000

1.258

1.903

假设方差不相等

9.813

.000

1.256

1.906

B4

假设方差相等

.661

.419

6.742

.000

.885

1.631

假设方差不相等

6.742

.000

.885

1.631

B5

假设方差相等

2.317

.133

9.989

.000

1.316

1.975

假设方差不相等

9.989

.000

1.315

1.976

B6

假设方差相等

.308

.581

7.799

.000

1.031

1.743

假设方差不相等

7.799

.000

1.031

1.743

B7

假设方差相等

1.487

.228

8.814

.000

1.122

1.781

假设方差不相等

8.814

.000

1.122

1.781

B8

假设方差相等

5.878

.018

8.452

.000

1.010

1.636

假设方差不相等

8.452

.000

1.009

1.636

表5-8创新资源量表的项目分析

方差相等Leven检验

平均数相等的t检验

F检验

显著性

t

显著性

（双侧）

差异的95%置信区间

下界

上界

C1

假设方差相等

2.960

.090

5.309

.000

.655

1.448

假设方差不相等

5.235

.000

.649

1.454

C2

假设方差相等

1.717

.195

4.011

.000

.427

1.276

假设方差不相等

3.971

.000

.422

1.281

C3

假设方差相等

9.762

.003

5.443

.000

.728

1.575

假设方差不相等

5.298

.000

.713

1.590

C4

假设方差相等

2.976

.090

7.935

.000

1.172

1.961

假设方差不相等

7.902

.000

1.170

1.963

C5

假设方差相等

1.570

.215

5.646

.000

.779

1.633

假设方差不相等

5.608

.000

.776

1.637

C6

假设方差相等

6.699

.012

6.491

.000

1.019

1.926

假设方差不相等

6.416

.000

1.013

1.933

C7

假设方差相等

.579

.450

8.815

.000

1.207

1.915

假设方差不相等

8.706

.000

1.201

1.920

C8

假设方差相等

4.044

.049

8.438

.000

1.138

1.844

假设方差不相等

8.358

.000

1.134

1.848

C9

假设方差相等

.130

.719

6.968

.000

.879

1.587

假设方差不相等

6.914

.000

.876

1.591

表5-9政府制度创新能力量表的项目分析

方差相等Leven检验

平均数相等的t检验

F检验

显著性

t

显著性

（双侧）

差异的95%置信区间

下界

上界

D1

假设方差相等

7.352

.009

10.060

.000

1.140

1.706

假设方差不相等

10.191

.000

1.143

1.703

D2

假设方差相等

1.029

.314

10.937

.000

1.309

1.895

假设方差不相等

11.034

.000

1.311

1.893

D3

假设方差相等

1.530

.221

11.303

.000

1.517

2.170

假设方差不相等

11.377

.000

1.519

2.168

D4

假设方差相等

.085

.771

10.400

.429

1.482

2.188

假设方差不相等

10.424

.431

1.483

2.188

D5

假设方差相等

2.138

.149

11.203

.329

1.508

2.163

假设方差不相等

11.295

.328

1.510

2.161

D6

假设方差相等

.744

.392

10.872

.000

1.333

1.934

假设方差不相等

10.982

.000

1.335

1.931

D7

假设方差相等

.623

.433

9.295

.000

1.225

1.896

假设方差不相等

9.418

.000

1.228

1.893

D8

假设方差相等

.690

.410

11.462

.000

1.379

1.962

假设方差不相等

11.605

.000

1.382

1.959

D9

假设方差相等

3.633

.061

9.984

.000

1.338

2.008

假设方差不相等

10.171

.000

1.342

2.004

表5-10企业技术创新能力量表的项目分析

方差相等Leven检验

平均数相等的t检验

F检验

显著性

t

显著性

（双侧）

差异的95%置信区间

下界

上界

E1

假设方差相等

25.046

.000

7.571

.000

.889

1.528

假设方差不相等

7.728

.000

.893

1.523

E2

假设方差相等

16.730

.000

6.544

.000

.813

1.529

假设方差不相等

6.670

.000

.818

1.524

E3

假设方差相等

7.613

.008

9.002

.000

1.131

1.777

假设方差不相等

9.161

.000

1.135

1.773

E4

假设方差相等

.533

.468

8.888

.000

1.292

2.042

假设方差不相等

9.018

.000

1.296

2.037

E5

假设方差相等

2.276

.137

8.167

.000

1.022

1.686

假设方差不相等

8.245

.000

1.025

1.683

E6

假设方差相等

.611

.438

8.854

.000

1.193

1.890

假设方差不相等

8.958

.000

1.197

1.887

E7

假设方差相等

.059

.808

9.342

.000

1.251

1.932

假设方差不相等

9.425

.000

1.254

1.930

E8

假设方差相等

3.119

.082

11.607

.000

1.398

1.981

假设方差不相等

11.609

.000

1.398

1.981

E9

假设方差相等

.752

.389

6.607

.000

.951

1.778

假设方差不相等

6.634

.000

.953

1.776

表5-11城市支撑创新能力量表的项目分析

方差相等Leven检验

平均数相等的t检验

F检验

显著性

t

显著性

（双侧）

差异的95%置信区间

下界

上界

F1

假设方差相等

4.811

.032

9.084

.000

1.198

1.876

假设方差不相等

9.099

.000

1.199

1.875

F2

假设方差相等

.452

.504

9.044

.000

1.276

2.002

假设方差不相等

9.015

.000

1.275

2.004

F3

假设方差相等

.602

.441

10.238

.000

1.452

2.158

假设方差不相等

10.176

.000

1.448

2.161

F4

假设方差相等

1.232

.272

10.595

.000

1.355

1.987

假设方差不相等

10.574

.000

1.355

1.988

F5

假设方差相等

1.804

.185

10.168

.000

1.427

2.127

假设方差不相等

10.119

.000

1.425

2.129

F6

假设方差相等

5.659

.021

12.030

.000

1.419

1.986

假设方差不相等

12.040

.000

1.419

1.985

F7

假设方差相等

6.881

.011

8.868

.000

1.137

1.801

假设方差不相等

8.888

.000

1.138

1.800

F8

假设方差相等

5.801

.019

10.249

.000

1.376

2.045

假设方差不相等

10.299

.000

1.377

2.043

F9