APP下载

地方高校创新创业训练对毕业生自主创业的影响*
——基于国家级大学生创新创业训练计划项目的数据

2018-07-10甄文昱彭萍德州一中德州学院

教书育人 2018年21期
关键词:显著性载荷变量

甄文昱 彭萍(德州一中;德州学院)

一 问题的提出

本文以2012年~2014年在国家级大学生创新创业训练计划方面总体评价高于平均水平的地方高校作为研究对象,通过梳理这些高校六年的创新、创业训练项目和创业实践项目数据,运用因子分析、相关性分析、回归分析等研究方法,探讨创新训练、创业训练和创业实践等因子对自主创业的影响。

二 研究假设

根据理论分析和以往的研究发现,创新创业训练与毕业生自主创业之间应该存在某种联系。因此,我们提出创新训练、创业训练和创业实践可能对毕业生自主创业产生直接的影响作用,毕业生规模则可能调节创新创业训练对自主创业的影响作用。从而提出相应的研究假设如下:H1:创新训练对自主创业有正向影响;H2:创业训练对自主创业有正向影响;H3:创业实践对自主创业有正向影响。

三 样本选择及变量设计

在样本选择上,我们在保留2012年~2014年在国家级大学生创新创业训练计划方面总体评价高于平均水平的71所地方高校的基础上,继续收集整理这些高校2015年~2017年国家级大学生创新创业训练计划项目数据,并剔除两所2015年数据缺失的高校。进而将2012年~2017年的数据进行因子分析,保留了比较突出的安徽省、广东省、山东省和河南省四省的四十四所高校,剔除无法获得2016年高校毕业生就业质量报告以及就业质量报告中未提及自主创业数据的高校,我们最终确定了28所高校作为研究样本。

在变量设计上,因变量为创业规模;自变量包括创新训练、创业训练和创业实践三个变量;毕业生规模作为控制变量。

表1 研究变量定义

基于前述假设与变量设计,构建多元线性回归分析模型如下:

其中,β0为常数项,βi表示各项的标准化回归系数,δ为随机误差项。

四 实证研究

(一)创新创业训练因子分析过程

通过原始变量之间的相关系数矩阵可见,同一项目不同年份相关性较高,同年间不同项目间的相关性却不明显,但各变量之间的相关系数的绝对值大部分都高于0.3,说明适合运用因子分析法进行相关性分析。但为了避免偶然性因素的存在,我们还进行了巴特利特球形检验和KMO检验。输出的KMO和Bartlett的检验结果显示,KMO测度值为0.730>0.5,近似卡方值为1064.911,自由度为153,显著性概率(Sig.)为0.000<0.01%,所以我们可以得出结论:变量间存在相关性,可以运用因子分析法进行相关性分析。

进而采用主成分分析法进行公共因子提取。为了使得到的主因子更容易说明,对相关系数矩阵进行了方差最大化旋转,并依据旋转后特征值大于1的原则提取了3个因子。这三个因子的累计方差贡献率达到67.257%,基本概括了原始数据所包含的信息。

从旋转后的因子载荷矩阵可见,各年创新训练项目在因子1中具有较高的载荷,载荷量分别为0.848、0.914、0.954、0.899、0.725和0.496,所以将因子1命名为创新训练因子F1;在因子2中各年创业实践项目具有较高的载荷,载荷量分别为 0.714、0.725、0.805、0.816、0.678 和 0.357,将因子 2 命名为创业实践因子F2;各年创业训练项目在因子3中具有较高的载荷,载荷量分别为 0.852、0.707、0.930、0.674、0.281 和 0.489,将因子3命名为创业训练因子F3。

运用SPSS20.0软件对数据分析得出成分得分系数矩阵,依据成分得分系数矩阵得出各因子的因子得分函数如下:

表2 安徽省、广东省、山东省和河南省的44所高校各因子得分

进而根据因子得分函数求出各高校的创新训练因子得分、创业实践因子得分和创业训练因子得分(见表2仅保留后续研究所需样本数据)。

(二)相关性分析

通过SPSS20软件对各变量进行相关性分析可见(表3),因变量创业规模与自变量创新训练、创业实践、创业训练的相关性均不显著;控制变量毕业生规模与自变量的相关性也不显著,但控制变量毕业生规模与因变量在0.05显著性水平上显著相关,自变量创业实践与自变量创新训练在0.01显著性水平上显著相关。

(三)简单回归分析

通过SPSS20软件对因变量、自变量和控制变量进行简单回归分析可见(表4、表5、表6),创新训练、创业实践、创业训练与毕业生创业规模的多元相关系数为0.526,判定系数为0.276,回归模型显著性P值分别为0.600、0.363、0.693,均大于0.05,未达到显著性水平,因此我们的假设没有得到验证。

五 研究结论

我们通过对地方高校创新创业训练对毕业生自主创业影响的实证分析表明,创新训练、创业实践对毕业生自主创业的影响均呈负向且不明显,创业训练对毕业生自主创业的影响虽呈正向但也不明显,因此,我们的假设没有得到验证。究其原因主要有:其一,为了数据的可得性和可比性,选取的样本高校主要集中在安徽省、广东省、山东省和河南省2016年对外发布毕业生就业质量报告的高校,最终仅确定28所高校为分析样本,样本数据偏少对研究结论存在一定的影响。其二,创业需要一个过程,不是一蹴而就能实现的,而我们的研究仅局限在毕业当年的自主创业数据,局限于2016年对外发布毕业生就业质量报告中公布的自主创业数据,所以创业规模的数据还不够全面。其三,创业的关键要素包括机会、资源和创业者,高校的创新创业教育和创新创业训练主要是针对大学生培养他们的创业素质和创业能力,要真正自主创业还需要积累资本、人才等资源,还需要选择合适的创业机会。并且创业模式除自主创业外,还有先就业后创业、就业创业一体化、团队创业等,但这些模式的创业数据因难于获取而均未纳入创业规模中。

虽然我们没有能够在研究中证实大学生创新创业训练对其未来创业的积极影响,但我们坚信,随着国家级大学生创新创业训练计划项目开展,各高校紧紧围绕创新训练、创业训练和创业实践对在校大学生进行创新创业教育和培训,培养了一大批具备创业素质和创业能力的毕业生,一旦创业时机成熟、创业条件具备,他们就是未来自主创业的引领者和生力军。创新是创业的灵魂,实践是创新的沃土,高校的创新创业教育任重而道远,国家级大学生创新创业训练对高校毕业生自主创业的影响是未来久远的正向影响。

表3各变量的相关矩阵

?

?

[1]中华人民共和国教育部门户网站[EB/OL].http://www.moe.gov.cn/.

[2]山东省高校毕业生就业信息网站[EB/OL].http://www.sdbvs.cn/.

[3]周曼,李红春,华磊,余韵.创新创业教育与大学生高质量就业——基于江西五所高校调研数据的实证分析[J].教育学术月刊,2015(09).

[4]陈诗慧.大学生创业教育绩效影响因素评价研究——基于对广东省15所高校的问卷调查[J].职业技术教育,2016(10).

[5]彭萍.地方高校创新创业教育评价——基于国家级大学生创新创业训练计划项目的数据[J].教书育人(高教论坛),2016(03).

猜你喜欢

显著性载荷变量
交通运输部海事局“新一代卫星AIS验证载荷”成功发射
高速列车构架载荷解耦降维标定方法及试验验证
一种结合多尺度特征融合与像素损失加权的显著性目标检测方法
视频序列中视觉显著性图像区域自动提取仿真
抓住不变量解题
压缩载荷下钢质Ⅰ型夹层梁极限承载能力分析
飞行载荷外部气动力的二次规划等效映射方法
欧盟法院判决明确欧盟商标通过使用获得显著性的地域认定标准
商标显著性的司法判断(一)
分离变量法:常见的通性通法