基于结构方程的创新创业教育与实践衔接模型研究

张 晋（天津工业大学，天津 300387）

在社会快速发展的大环境和“创业拉动就业”的思想指导下，大学生群体的创业教育和创业实践培养日益受到重视。但当下最显著的问题是高校的学术导向型创业教育与实践导向型创业能力培养之间缺失和脱节，甚至引发了对“创业是否可教”的恐慌。虽然大学生经历的社会历练不足，自我学习能力也有待提高，但是对接受教育的大学生而言，其创业能力存在很大的提升空间，并且该能力的培养与学校教育整个过程是分不开的[1]。因此创业理论教育有其存在的必要性，只是需要有效的对接融合方式，将理论应用于实践，真正提高大学生的创业热情，减轻社会就业负担。

1991年，东京创业创新教育国际会议从广义上把“创业创新教育”界定为：培养最具有开创性个性的人，包括首创精神、冒险精神、创业能力、独立工作能力以及技术、社交和管理技能的培养[2]。1995年，亨利·埃茨科维兹（Henry Etzkowitz）等人在对大学、工业界、政府之间的三维螺旋关系进行分析时首先使用了“创业型大学”这一概念[3]。而现在的学者基于创新驱动发展战略的全面实施情况，提出了加强大学生创业教育的系统性、全覆盖性和创新性，着力加强大学生创业实践教育和创业能力分类培养的建议[4]。

国外许多国家在创业教育与实践方面已有相对成熟的科研理论和较新的科研进展。日本创业教育研究中心针对大学创业，提出了如下公式：创业家诞生＝开发可能的创业素质＋树立企业家精神＋营造良好的创业外部环境[5]。即是根据每个人不同的能力和性格，尽可能开发出创业所需的素质与技能，并在后期的学校教育和家庭成长环境中，潜移默化的培育他们的企业家精神，辅以稳定积极的外部条件作保障。美国是创新创业教育起步最早和发展最好的国家[6]，已逐渐构建出由政府、学校和社会机构作为支撑主体的教育体系[7]。此外，美国的大学还注重物质文化，精神文化和制度文化在创业教育中的积极作用[8]。而英国高校则是具有一体化的创业教育课程体系，将创业教育全面融入其他课程，配备经验丰富的师资队伍，提供有力的政策支持、资金保障和资源保证，并建立大学科技园创业实践平台，健全完善组织机构体系，为大学深入开展创业教育奠定良好基础[9]。

我国高校创业教育的演进也有十年。在20世纪90年代末，政府将“科教兴国”列为国家的重点工作之一，促使许多高校开始建立自己专门的创业研究中心。这些举措开启了高校创业教育新风[10]。自2005年8月起，中国大学推进开展KAB创业教育（中国）项目，着重点逐渐由师资培训转移到学生自身培养。2012年，教育部将创业类课程纳入学生必修课范围，同时各高校开始探索多种个性化创业教学模式[11]。创业教育走出课堂，结合实践已经成了现代高校的共识。

根据以上查阅的文献资料，借鉴国内外的相关研究，并请教了在创业教育方面卓有建树的教授和具有丰富经验的创业人士，最终确定了创新创业教育与实践衔接的结构方程模型的5个潜变量和16个观测变量。潜变量分别为：政府支持，高校师资，个人特质，创业教育，创业实践；
观测变量分别为：资金保障，制度保障，场地保障，企业中培训师和讲师，技术专业指导，创业成功人士宣讲会，创业动机，创新精神，社会资源，因材施教培养模式，教育内容与实际贴合度，深度融合专业教育，外出实训，创业类竞赛与社团，实地参观企业并学习，创业孵化器。

以下是就潜变量之间的结构关系提出的假设：

H1：政府支持对高校师资具有显著正向相关关系；

H2：政府支持对创业实践具有显著正向相关关系；

H3：高校师资对创业教育具有显著正向相关关系；

H4：高校师资对个人特质具有显著正向相关关系；

H5：个人特质对创业实践具有显著正向相关关系；

H6：创业教育对创业实践具有显著正向相关关系。

由此即初步构建出了创新创业教育与实践衔接的结构方程模型，如图1所示。

图1 创新创业教育与实践衔接的结构方程模型

（一）变量设置与结果量化

根据以上分析，我们已经得出了创新创业教育与实践衔接模型中的潜变量和观测变量，以及变量之间的关系。为了方便研究，我们将变量符号设置为英文首字母缩写，如表2所示。其中，GS为政府支持（Government support）的缩写，GS1是其第一个观测指标符号，以此类推；
CF为高校师资（College Faculty）的缩写，CF1是其第一个观测指标符号，以此类推；
IT为个人特质（Individual Trait）的缩写，IT1是其第一个观测指标符号，以此类推；
EE为创业教育（Entrepreneurship Education）的缩写，EE1是其第一个观测指标符号，以此类推；
EP为创业实践（Entrepreneurial practice）的缩写，EP1是其第一个观测指标符号，以此类推。

基于以上建立的指标体系，并参考之前已有的研究成果，结合量化满意度的等距量表，设置了该调查问卷。问卷中设计了16个问题，依次对应每个观测变量，并采用李克特量表，将被调研者对问卷问题的态度量化为5级指标，以便进行下一步的模型核验与修正。其中5代表非常重要，4代表重要，3代表一般，2代表不重要，1代表非常不重要，以此细化被访问者对创新创业教育与实践的看法。

根据实际情况，本文设定5个潜变量符号分别为：GS，CF，IT，EE，EP；
与此对应的16个观测变量符号 分 别 是GS1、GS2、GS3、CF1、CF2、CF3、IT1、IT2、IT3、EE1、EE2、EE3、EP1、EP2、EP3、EP4；
调 查 题项分别为：定期收到国家的拨款创业基金、国家有制定相关政策支持创业、有专门为创业教育预留的场地、高校返聘了曾在企业工作的讲师或培训师、高校返聘创业成功者为学生进行创业实践的宣讲、在任一领域创业时，都有该领域的最新技术支持人员、持有正确的创业动机进行创业活动、在创业活动中需要具备创新精神、在实际创业中要注重积累社会资源、依据学生的不同特点，因材施教培养创业实际能力、创业教育与生活实际相衔接、创业教育与自己原本的专业相融合、创业教学中定期外出，在实训基地进行实践、参加过创业类竞赛或者加入过创业类社团、定期组织参观企业的活动，并学习其文化和精神、企业提供帮扶支持，作为对应大学的创业孵化器。

（二）统计方法

本次研究主要通过问卷调查的方法，得出普适性模型。调查问卷主要在网络上以电子版发放并回收数据，共发出240份问卷，最终收回202份问卷，问卷回收率为84.2%，基本达到问卷调查规模。而本研究所采用的结构方程模型是多元数据分析的重要工具，用来研究不同变量之间的内在关系，验证假设模型与数据结果是否吻合，并进行进一步的拟合修正。本文主要采用SPSS22.0和Amos22.0对调查结果进行处理和检验。

（一）样本数据有效性检验

1.描述性统计

为了确保模型拟合的准确性，要先对收集到的数据进行分析和检验。首先采用SPSS22.0测量不同变量的描述性统计值如下：16个观察变量的均值、标准差、峰度值分别为GS1：3.79，0.867，-0.683，0.105，0.748，0.210，GS2：3.78，0.8 73，-0.664；
0.105，0.435，0.210；
GS3：3.08，1.109，-0.203，0.105，-0.713，0.210；
GS3：3.08，1.109，-0.203，0.105，-0.713，0.210；
CF1：3.37，0.989，-0.542，0.105，-0.014，0.210；
CF2：2.91，1.137，-0.179，0.105，-0.844，0.210；
CF3：3.75，0.920，-0.585，0.105，-0.086，0.210；
IT1：3.42，1.002，-0.409，0.105，-0.273，0.210；
IT2：3.11，1.068，-0.129，0.105，0.621，0.210；
IT3：3.12，1.049，-0.132，0.105，-0.589，0.210；
EE1：3.51，1.022，-0.546，0.105，0.064，0.210；
EE2：3.41，0.971，-0.330，0.105，-0.265，0.210；
EP1：3.48，0.932，-0.259，0.105，-0.166，0.210；
EP2：3.15，1.056，-0.275，0.105，-0.476，0.210；
EP3：3.16，1.027，-0.183，0.105，-0.489，0.210；
EP4：3.50，0.998，-0.373，0.105，-0.368，0.210。一般情况下，数据的描述性统计中偏度绝对值小于3，峰度绝对值小于10时[12]，即表示样本数据符合正态分布。由以上数据可知，创新创业教育与实践问卷调查所得的数据服从正态分布，适合做进一步的数据分析与修正。

2.信度检验

一般情况下，稳定性高的信度测量工具是指，一群人在不同的时空条件下，接受相同的工具测量后，所得结果的差异很小，即测量的可靠性较高。根据评价对象的不同，信度分析可分为内在信度和外在信度。其中，内在信度是衡量量表的问题之间是否具有较高的内在一致性，常用的内在信度系数为克隆巴赫（Cronbach’s Alpha）系数和分半信度。本研究是采用SPSS22.0对样本数据进行信度检验，并利用克隆巴赫系数来衡量6个潜变量和问卷总体变量的信度值，如表1所示。通常在社会科学研究中克隆巴赫系数达到0.600表明信度较好，0.700-0.800表明信度相当好，而0.800以上表明信度非常好[13]。由表1数据可知，该研究中创新创业教育与实践衔接模型的潜变量信度均高于0.7，说明问卷的题项设置较为合理，结果分析可信。总体信度达到0.933，说明样本数据的总体信度很高，调研结果非常可靠。

表1 调查数据的克隆巴赫系数

3.KMO检验和Bartlett球形度检验

为了确保数据的可靠性和有效性，还需要进一步做KMO检验和Bartlett球形度检验，来确定问卷是否有结构效度，是否能继续进行因子分析。KMO检验是主要应用于多元统计中因子分析的方法，在实际分析中，KMO检验统计量高于0.7为理想值，低于0.5就已不适合用来做因子分析。Bartlett’s球形度检验是检验各变量之间的相关性，一般来说，Bartlett’s球形度检验的显著性水平低于0.05时，拒绝原假设，说明检验模型可靠。

由表2可知，各潜变量KMO检验统计量和Bartlett’s球形度检验结果都在规定的参数范围内，说明问卷调研中为潜变量选取的观测变量之间具有较高的相关性，能够真实反映出潜变量的特征；
同时，总体变量的KMO检验统计值为0.929，在Bartlett’s球形度检验结果中，近似卡方值是613.022，自由度是120，显著性水平为0.000，低于0.05，说明用本次调查数据做因子分析是非常合适的。

表2 KMO检验和Bartlett检验结果

（二）模型构建与分析

基于结构方程的创新创业教育与实践衔接模型为标准化的路径系数及各项参数估计分别对应的参数为：估计值，测量误差、临界比、概率、标签；
变量预制对应的数据分别为：GS2：0.961，0.031，12.657，0.000，par1；
GS3：0.639，0.058，10.932，0.000，par2；
CF2：1.082，0.097，11.164，0.000，par3；
CF2：1.026，0.089，11.483，0.000，par4；
EE2：1.023，0.070，14.689，0.000，par5；
EE3：0.829，0.077，10.793，0.000，par6；
IT2：1.076，0.058，18.659，0.000，par5；
IT3：0.971，0.055，17.775，0.000；
par9；
EE2：0.730，0.061，12.03，0.000，par9；
EE3：0.829，0.055，15.044，0.000，par10；
EE4：1.088，0.045，14.381，0.000，par11.

通过以上可以看出潜变量与观测变量之间的关系，从而初步确定出已建立的测量模型之间直观的数据关系。已有理论模型的临界比值均大于1.96，概率P值均为0.000，且测量误差都为正值，即样本数据都达到了0.05的显著性水平，结构方程模型的路径系数总体显著，理论模型基本没有问题。

建立出理论模型并进行了初步运算后，我们可以得到关于已设定的理论模型的一些拟合指标的数值，以此来确定模型中潜变量和观测变量之间的关系是否显著，结构模型是否正确，问卷调研数据与结构方程模型的匹配度和拟合度是否较高。在对样本数据进行验证性因子分析的时候，需要同时考虑绝对拟合指标、相对拟合指标、调整拟合指标这3种指标，以对模型的可接受性或拒绝产生比较共识的结果[14]。

结构方程模型的总体拟合度有许多测量标准[15]，在一般情况下，拟合指数的适配范围如下：CMIN越小，模型与样本数据拟合的越好；
CMIN/DF低于2为理想值，低于3表明模型拟合程度较好；
RMR，RMSEA变化范围在0到1之间，越小越好，其中RMR低于0.05为理想值，RMSEA低于0.05为优良拟合模型，低于0.08为良好拟合模型；
GFI，NFI，RFI，IFI，CFI，AGFI，TLI变化范围均在0到1之间，高于0.90为理想值；
PGFI，PNFI，PCFI高于0.50为理想值；
AIC和CAIC的值都应当遵循理论模型值小于独立模型值，且同时小于饱和模型值的数值要求。根据计算得到本模型RMR，RMSEA，CMIN/D，GFI分 别 为：0.108，0.076，2.163，0.925。由此可以看出，RMSEA和CMIN/DF基本达到拟合指数的要求范围，说明已设定的理论模型是可以被接受的。只有RMR的值相对偏大，而GFI等7项指标均在0.9左右，调整拟合指标和信息指数都在理想值范围内，整体拟合指标良好，理论模型比较合理，对调研数据的反映程度较高。

（三）模型的运算与修正

根据以上分析可知，问卷结构效度较高，调研数据服从正态分布，可信度和有效性都较高，适合做因子分析；
理论模型初步的参数估计和因子分析拟合值都在可接受的范围内，因此可以进行模型路径拟合与路径系数运算。由Amos22.0输出结果发现，初步理论模型与观测数据匹配度还不够理想，因此需要根据修正指标数据对模型进行修正，尽可能使模型的各项数据达到理想化的范围，修正后模型如图2所示。

图2 修正后的标准化结构方程模型路径

由图2可知，标准化后的修正模型中，各潜变量和测量变量之间的路径系数，即已反映出各变量之间的相关关系以及影响方式，进一步检验本次研究所有假设的正确性和需要进一步探究改正的地方。

由软件SPSS22.0和Amos22.0得出的上述结构方程模型路径图拟合效果，得出本次关于创新创业教育与实践衔接模型的理论假设有4条得到验证。研究分析如下。

一是创业教育对创业实践具有显著的正向相关关系，路径系数为0.77，表明创业教育的3个观测变量对创业实践有积极正向的影响。创业教育因子每提高1%，将导致创业实践因子提高77%，进而改善创业教育和创业实践的衔接效果。其中，教育内容与实际的贴合度是创业教育中最重要的影响因素，路径系数为0.82。高校开展的创业教育应当注意要与学生实际需求相结合，注重因材施教培养模式、教育内容与实际贴合度和深度融合专业教育等方面的合理分配与优化，才能使得学生在外出实训，创业孵化期，创业类竞赛社团和参观学习企业等创业实践活动中真正提高自己，将创业教育所学内容学以致用。

二是高校师资对个人特质具有显著的正向相关关系，路径系数为0.87，表明高校师资的3个观测变量对个人特质有积极正向的影响。高校师资因子每提高1%，将导致个人特质因子提高87%，进而改善创业教育和创业实践的衔接效果。其中，创业动机是个人特质中最重要的影响因素，路径系数为0.73。高校在配备师资力量时，应当注意返聘一些企业讲师和培训师，创业成功人士和技术专业指导等方面的稀缺优秀人才，作为创业教育方面特有的教师储备，才能使得学生树立正确的创业动机，开拓创新精神，并积累社会资源，为今后真正参与创业打下良好的基础。

三是高校师资对创业教育具有显著的正向相关关系，路径系数为0.93，表明高校师资的3个观测变量对创业教育有积极正向的影响。高校师资因子每提高1%，将导致创业教育因子提高93%，进而改善创业教育和创业实践的衔接效果。其中，技术指导是高校师资中最重要的影响因素，路径系数为0.66。一个高校的师资力量可以直接决定创业教育效果如何，只有真正合理配备师资，并贴合学生实际需求，因材施教，才能将创业教育做好，才能与实际中的创业实践有效衔接，提高学生实践能力。

四是政府支持对高校师资具有显著的正向相关关系，路径系数为0.81，表明政府支持的3个观测变量对高校师资有积极正向的影响。政府支持因子每提高1%，将导致高校师资因子提高81%，进而改善创业教育和创业实践的衔接效果。其中，资金保障是政府支持中最重要的影响因素，路径系数为0.93。在高校开展多样化的创业教育形式来促进学生对创业的接受程度时，来自政府和国家的支持才是高校创业的硬性保障，应当注意对社会资源和政府支持的充分利用，注重资金保障、制度保障和场地保障等方面的合理分配与优化，提高创业教育质量，为创业实践提供保障。

本研究的假设H2、H5没有得到验证，但这并不是说政府支持和个人特质对创业实践就没有影响。在已经被验证的假设中，可以理解为政府可能是通过影响高校师资，进而影响了创业教育，对创新创业教育与实践的衔接有不可忽视的作用。而政府支持直接影响创业实践的路径系数较低，可能有其他实际的原因导致。个人特质因素中所考虑的创业动机，创新精神和社会资源都是创业实践成功与否的重要影响因素，路径系数较低可能是由其他实际中不确定的原因导致。

高校大学生的创新创业教育与实践衔接融合效果已经成了当前高校开展创业教育过程中最关注的核心问题。提高创业教育的有效性，使学生在实际生活中真正拥有创业实践能力才是创业教育与实践衔接需要达到的最终目标。根据本研究得出的模型最终路径图和变量间的路径系数，我们可以得出政府支持、高校师资、个人特质等因素都会对创业教育、创业实践及二者的衔接产生显著的影响。政府需要完善资金、制度、场地等各方面的保障举措，为开展创业教育提供良好的硬性条件；
高校需要合理配备师资，返聘企业培训师和讲师、技术指导及创业成功人士等作为教师队伍储备建设；
学生个人要积极接受创业教育，树立正确的创业动机，培养创新精神并积累社会资源；
创业教育要努力满足学生需求，采用因材施教培养模式，贴合实际并融合专业；
创业实践要结合竞赛社团、外出实训、参观企业、创业孵化器等多种实地实践形式，使学生能够学以致用，学习效果得到及时反馈。只有通过以上几个方面的不断完善与提高，才能真正达到创新创业教育与实践理想的衔接效果，使创业理论落到实处，使创业教育的开展更加有效有意义。

本研究基于结构方程模型对教育与实践的协同对接进行了探讨和分析，参考前人文献和专家意见确定了潜变量和观测变量，并以此为依据设计了问卷调研，并参照了等距满意度量表完成调查。所得数据在SPSS和Amos软件中进行可信度和有效性分析，并最终基本通过了二阶结构模型方程中各项拟合指标的检验。但是仍有部分数据未能达到设定的标准范围且仍有部分假设未得到验证，可能是由于潜变量和观测变量划分的还不够细致全面，实际中不确切的其他因素还考虑的不够到位，需要进行后续的探讨和研究。同时本研究的主要成果可以为各个高校深入开展创业教育提供更强的针对性与努力方向，为各个高校的就业指导中心提供创业引导，减轻就业压力，并最终为创业教育主管部门如教委、教育工委以及团市委等单位提供决策咨询。

猜你喜欢 信度师资变量 《广东地区儿童中医体质辨识量表》的信度和效度研究世界科学技术-中医药现代化(2021年7期)2021-11-04作为数学教育研究质量分析的信度中学数学研究(江西)(2021年7期)2021-07-24抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29也谈分离变量河北理科教学研究(2020年2期)2020-09-11——基于体育核心期刊论文（2010—2018年）的系统分析">问卷是否可信
——基于体育核心期刊论文（2010—2018年）的系统分析体育科学(2020年2期)2020-04-09北京印刷学院新媒体学院师资介绍流行色(2018年10期)2018-03-23幼教师资培训班在京开班中国火炬(2015年8期)2015-07-25分离变量法：常见的通性通法新高考·高二数学(2014年7期)2014-09-18“假”师资培训之平台，析专业发展之成效——论参与体育师资培训的体会与思考体育师友(2013年5期)2013-03-11体育科学定量研究中测验的信度与效度分析体育教育学刊(2010年6期)2010-12-29

推荐访问:衔接 方程 模型