应用基础项目的模型调整与分析

时间：2023-06-02 理论教育 版权反馈

【摘要】：图4-8 合并“知识产出”与“人才培养”的模型统计量：χ2=45.382，df=19，GFI=0.937，TLI=0.927，CFI=0.961，RMSEA=0.098图4-9 删除“项目对科学研究的促进作用”的模型统计量：χ2=36.548，df=15，GFI=0.943，TLI=0.932，CFI=0.963，RMSEA=0.0995.机构创新环境与地区创新环境“机构创新环境”与“地区创新环境”初始模型如图4-12所示。

应用基础项目的模型调整与分析

对收集到的193份有效问卷进行分析，其结构方程模型构建与修正如下：

1.创新需求、创新模式、研究的思路设计和农业领域创新的特点

“创新需求”“创新模式”“思路设计”和“农业创新特点”的原模型（应用基础项目）如图4-3所示。

图4-3 “创新需求”“创新模式”“思路设计”和“农业创新特点”的原模型（应用基础项目）

统计量：χ²=87.773，df=44，GFI=0.916，TLI=0.891，CFI=0.927，RMSEA=0.083

单独将“农业创新特点”列出，条目的相关性过强，其中“项目难点的处理办法”并入“思路设计”中，“项目多学科的融合”与“借鉴其他领域的研究经验”自相关，且与“创新模式”同时相关，故删除“农业创新特点”指标，如图4-4所示。

结合应用基础项目的特点，将“集成创新”与“引进消化吸收再创新”合并，对于项目来讲，积极鼓励原始创新，同时兼顾“集成创新”或“引进消化吸收再创新”，如图4-5所示（为方便显示，图中将“集成创新/项目中引进消化吸收再创新”简单表示为“集成创新”）。

由图4-5可见，通过合并“集成创新”与“引进消化吸收再创新”，因子结构中的相关关系得到了明显的改善。

图4-4 删除“农业创新特点”，将“项目难点的处理办法”并入“思路设计”模型（应用基础项目）

统计量：χ²=54.922，df=28，GFI=0.935，TLI=0.915，CFI=0.947，RMSEA=0.081

2.研究基础、创新方法的掌握和项目的投入

“研究基础”“方法的掌握”和“项目的投入”初始模型（应用基础项目）如图4-6所示。

不管是因子结构还是相关关系，指标较好。图中可以看出，申请书中有关“研究基础-国内外研究前沿的掌握”与“项目的投入-时间投入”残差相关，可以理解为，目前对于国内外研究前沿掌握好的项目组在项目申请上很可能花费了较多的时间和精力，那么项目立项后很可能会花更多时间投入到项目中来。这两者的相关性还将在应用开发项目中有所体现。

3.预期产出和预期效益

“预期产出”和“预期效益”初始模型（应用基础项目）如图4-7所示。

图4-5 合并“集成创新”与“引进消化吸收再创新”后的模型（应用基础项目）

统计量：χ²=74.356，df=36，GFI=0.923，TLI=0.890，CFI=0.928，RMSEA=0.085

从图4-7可以看出，不仅RMSEA大于0.1即模型拟合不好，特别是“知识产出”和“人才培养”与“预期产出”的相关系数分别为0.24、0.39，从统计学来看是弱相关，可考虑在模型中删除这两个要素，但这两个指标的打分均值分别5.64、5.41，说明这个指标较为重要，即需要对这两个指标进行重新分类，此外，在这个模型中还存在多个因素的相关，更需要对该模型进行调整。

如图4-8所示，将“知识产出”与“人才培养”单独提出来作为一类命名为“论文和人才培养”发现，虽然模型拟合指数有所提高，但因素间的相关关系依旧存在，考虑到“预期效益-项目对科学研究的促进作用”与其他诸多项目相关以及与“预期效益”的相关系数仅为0.18，考虑删除该指标，如图4-9所示。同时对“预期产出与风险”也进行了调整，将其删除。

4.申请人创新能力

“创新能力”初始模型（应用基础项目）如图4-10所示。

“学术背景”与“学术影响”存在高度相关，比较两个指标与上一级“创新能力”指标的相关系数，删除“学术背景”后对“创新能力”进行结构调整，如图4-11所示。