1.条款净化和样本检验

从表5.9中可以看出，组织创业环境的30项测量条款中RE1-7，RE3-6，RE5-5这3项的CITC值都小于0.5，且删除这些项后α系数都会有所上升，并且整体α系数也由0.911 5上升到0.923 6，因而将这3个条款删除。

表5.9　区域创业环境五要素探索性因素分析结果（N＝225）

在做探索性因素分析之前，先检验剩余27项条款的KMO值和Bartlett's球形显著性，结果见表5.10。从表中可以看出KMO值大于0.8接近0.9，且Bartlett统计值不显著，可以进行因子分析。

表5.10　样本充分性和球形检验

2.创业环境的探索性因素分析结果

本研究首先对问卷中各变量测量条款的均值、标准差、偏度和峰度等描述性统计量进行分析，以检验调研所获取的数据是否服从分布，结果见表5.11。Kline（1998；转引自黄芳铭，2005）认为，当偏度绝对值小于3、峰度绝对值小于10时，表明样本基本上服从正态分布。从表5.11可以看出，各测量条款数据的评价值基本服从正态分布，可以进行下一步分析。

表5.11　探索性因素分析样本变量测量条款的描述性统计（N＝225）

续表

区域创业环境并没有形成统一的测量量表，本研究在试测结果分析的基础上进行探索性因素分析，采用最大方差主成分分析法。探索性因素分析结果如表5.12所示。产生了5个因素，支持了区域创业环境多维度的假设。基于上文的分析和各因子所属条款的意涵，将这5个因子分别命名为政府政策、资源基础、创业文化、创业网络和创业服务。5个因素共解释了区域创业环境变量68.338%的变异。

表5.12　区域创业环境探索性因素分析结果（N＝225）

续表

本研究通过探索性因素分析得到区域创业环境的5个维度，需要通过进一步的验证性因素分析，验证性因素分析可以对概念结构模型进行更有意义的检验和拟合指标。与探索性因素分析相比，验证性因素分析使得研究者在相关理论的基础上，通过具体的限制使得理论和测量相互融合（Hughes等1982；McDonald和Marsh，1990；转引自丁岳枫，2006）。

3.区域创业环境验证性因素分析结果

本研究对区域创业环境概念构思的验证性因素分析主要包括两方面内容：测量条款的信度与效度的评估；测量模型整体适配度的评鉴。

（1）测量条款的描述性统计

在进行正式的验证性因素分析之前，本研究先对调研所获取数据是否服从正态分布进行检验，所用方法与探索性因素分析样本相同。从表5.13可以看出，所有测量条款的偏度绝对值均小于3，峰度绝对值均小于10，表明样本基本上服从正态分布，可以进行下一步的分析。

表5.13　验证性因素分析样本描述性统计（N＝428）

（2）验证性因素分析模型

探索性因素分析将组织创业环境分为政府政策、创业资源、创业文化、创业网络和创业服务5个因子，这5个因子分别包括6个、6个、5个、5个、5个测量条款。基于这一模型，再对组织创业环境进行验证性因子分析，分析模型见图5.2。(www.daowen.com)

图5.2　组织创业环境验证性因素分析模型

（3）各测量条款的建构信度

探索性因素分析中采用的是α信度系数法，α信度经常与EFA结合使用。α系数的大小会受到受试者特质变异大小、题目间相关之平均、题目数量以及难度之同质性的影响，且α系数无法估计单一观测变量的信度，因此本研究在验证性因素分析中不采用α系数的方法来测量信度，而是分别计算出个别变项的R2^[6]，即变异比例。检验R2可以通过了解每一个测量条款解释潜在变项的变异程度，R2值越高则测量条款的解释力越强。

对于各个因素的整体信度，可以通过个别变项的信度指数来衡量，这种信度指标被称为建构信度（Construct Reliability，简称CR）。建构信度主要是评估一组潜在建构指标的一致性程度，信度高则表示指标之间有高度关联（黄芳铭，2005）。

对于信度系数的最低指标，学者们的要求各不相同，有些学者认为信度系数指标应大于0.6（Bagozzi和Yi，1998）；有学者认为信度系数指标大于0.5即可（Hair等，1998；Kline，1998；Raine-Eudy，2000）；也有学者对于个别变项信度检验采用0.5做指标，而对于潜在变量的信度检验要求要高些，采用0.6做指标（黄芳铭，2005；转引自杨静，2006）。

验证性因素分析信度分析结果如表5.14所示。各测量条款的R2基本在0.5左右，除个别条款的R2值在0.4以下外，本研究有一些测量条款是通过访谈研究修订或开发的，可以认为测量条款的单个测量信度基本符合要求。就各因子的信度而言，政府政策、创业资源、创业文化、创业网络、创业服务这5个因子的建构信度均大于0.7，表明该量表各条款的整体信度及内部一致性较高。

表5.14　区域创业环境测量的信度分析结果

续表

（4）聚合效度

对于聚合效度，使用平均变异数抽取量来测量，标准为测量项目的解释力超过其误差方差。Fornell和Larcker（1981）认为，若误差解释大于测量项目的话，则表示该变量的效度是有问题的，因此AVE的数值范围应大于0.5（Baggozzi和Yi，1988；Fornell和Larcher，1981，转引自杨静，2006）。

政府政策、创业资源、创业文化、创业网络、创业服务这5个因子的平均变异数抽取量分别为0.513，0.509，0.503，0.499和0.510，只有“创业网络”因子的AVE为0.499，在0.5以下，但与0.5非常接近，其他三个因子的AVE都在0.5以上，说明该量表具有可以接受的聚合效度。

（5）区分效度

对构思变量区分效度的检验，本研究采取比较两个构思变量AVE的均方根与这两个构思变量之间的相关系数的方法。如果构思变量（或因子）与测量条款的共有方差多于其他潜变量（或因子）与测量条款的共有方差，则其就具有了区分性。因此，如果两个构思变量之间的相关系数（Φ估计）小于这两个构思变量的AVE的均方根，那么区分效度就得到支持（Fornell和Larcke，1981；转引自王庆喜，2005）。表5.15显示了各因子间的相关系数，对角线为各因子AVE的平方根，表中显示各因子AVE的平方根均大于其所在行和列的相关系数值，说明该量表具有可接受的区分效度。

表5.15　区域创业环境测量区分效度分析

（6）模型适配性

测量SEM模型的适配度检验主要体现在以下三方面：一是模型整体拟合情况，包括绝对拟合优度指标（χ2、χ2/df、RMR、GFI、AGFI、RMR）、相对拟合优度指标（NFI、FII、CFI、TLI）以及简约拟合优度指标（PNFI）等，表5.16显示了SEM模型的常用适配度指标及建议值；二是基本拟合标准，主要包括测量误差不能有负值，以及因子载荷适中（标准化因子载荷一般要在0.5至0.95之间）且达到显著水平；三是模型内在结构拟合检验，主要考察模型中显变量能否合理地反映对应潜变量以及理论模型的因果关系。

表5.16　SEM检验的适配度指标及其建议值

主要参考资料：黄芳铭，2002；侯杰泰等，2004.

尽管很多学者认为GFI、AGFI、NFI、IFI和CFI等拟合指数的值大于0.9时，才表示模型拟合良好，但实际研究中往往会由于拟合的变量较多、拟合的模型较复杂等原因，导致某些拟合指数难以达到0.9的取值标准。因此，可以视具体情况适当放宽某些指数的取值最低标准。Bentler（1992）认为，当GFI大于等0.9时，模型可以接受；但当CFI大于等于0.9时，只要GFI大于等于0.85即可认为模型具有满意的拟合度。Bollen（1989；转引自Bacharach，等，2002）则认为，在开拓性研究中，拟合指数大于0.85也是可接受的。

区域创业环境的测量模型拟合优度指标如表5.17所示，与适配度指标建议值对比可以发现，除了NFI小于建议值0.9以外，其他值都较理想，测量模型是有效的。另外，从测度模型的参数估计可以看出，所有参数的标准化估计值都在0.5至0.95之间，且建构信度CR检验值都大于1.96；参数估计值的标准差都大于零，表明该模型满足基本拟合标准。

表5.17　区域创业环境测量模型拟合优度指标（χ2＝369.9，df＝237，p＝0.000）