基于SPSS 大學生創(chuàng)業(yè)環(huán)境指標體系構建與實證

高 煥，諶 悅

（西安職業(yè)技術學院生物工程學院，陜西西安 710077）

SPSS（Statistical Product and Service Solutions)結(jié)合了統(tǒng)計學分析運算、數(shù)據(jù)挖掘、預測分析和決策支持任務等功能[1]，可以為用戶提供數(shù)據(jù)錄入、數(shù)據(jù)管理、統(tǒng)計分析運算、圖表分析、資料編輯、輸出管理、數(shù)據(jù)挖掘、預測分析等服務[2]。統(tǒng)計功能包括描述性統(tǒng)計、均值比較、一般線性模型、相關分析、回歸分析、方差分析、主成分分析和因子分析、卡方檢驗、t 檢驗和非參數(shù)檢驗、聚類分析、對數(shù)線性模型等[3-4]，涵蓋了《教育統(tǒng)計學》中的所有項目。利用SPSS 軟件運用定性與定量相結(jié)合的方法[5-7]，提升大學生創(chuàng)業(yè)環(huán)境評價精準度，有助于更好梳理創(chuàng)業(yè)環(huán)境指標體系中的薄弱點，有針對性地改善創(chuàng)業(yè)環(huán)境，激發(fā)學生創(chuàng)業(yè)意愿。

1 大學生創(chuàng)業(yè)環(huán)境指標體系

1.1 大學生創(chuàng)業(yè)環(huán)境指標體系構建需求分析

在大學生創(chuàng)業(yè)環(huán)境指標體系構建中，通過運用SPSS 軟件，可以收集影響大學生創(chuàng)業(yè)環(huán)境整體情況的因子，整理、檢驗因子數(shù)據(jù)，分析因子對大學生創(chuàng)業(yè)環(huán)境影響的顯著性等，確保該指標體系滿足用戶需求。用SPSS 統(tǒng)計分析軟件，構建大學生創(chuàng)業(yè)環(huán)境指標體系，提升大學生創(chuàng)業(yè)環(huán)境分析的精準性，提高工作效率，滿足指標體系構建需求。

1.2 大學生創(chuàng)業(yè)環(huán)境指標體系構建

1）大學生創(chuàng)業(yè)環(huán)境指標體系構建思路

該研究通過文獻研究法，對以往研究者關于創(chuàng)業(yè)環(huán)境的構成要素進行匯總梳理，對國內(nèi)外創(chuàng)業(yè)環(huán)境構成要素進行對比，認為GEM 模型對創(chuàng)業(yè)環(huán)境的概括最全面，能夠較完整地反映影響大學生創(chuàng)業(yè)的各類環(huán)境要素[8-11]。基于此，該研究在參考GEM 模型基礎上，通過調(diào)研走訪，聽取專家相關意見，考慮指標體系設計的科學性、可實施性、全面性等原則，構建了大學生創(chuàng)業(yè)環(huán)境指標體系。

2）大學生創(chuàng)業(yè)環(huán)境指標體系設計

根據(jù)構建思路，該研究主要將指標體系劃分為4個層次，分別為目標層、系統(tǒng)層、準則層和指標層。

①目標層是對大學生創(chuàng)業(yè)環(huán)境總體情況的反映。

②系統(tǒng)層是在綜合參考GEM 模型基礎上構建而成的，具體包括資金環(huán)境、政策環(huán)境、市場環(huán)境、教育環(huán)境、文化環(huán)境5 個系統(tǒng)。

③準則層是在系統(tǒng)層基礎上的進一步細化，具體分為13 個層面，其中資金環(huán)境系統(tǒng)層細化為4 個層面，政策環(huán)境系統(tǒng)層細化為2 個層面，市場環(huán)境細化為2 個層面，教育環(huán)境細化為3 個層面，文化環(huán)境細化為2 個層面。

④指標層用來具體描述準則層，反映準則層情況，文中共遴選了具有代表性的25項具體指標。

1.3 大學生創(chuàng)業(yè)環(huán)境指標體系理論模型與研究設計

1）理論模型

該研究在GEM 基礎上構建了大學生創(chuàng)業(yè)環(huán)境指標體系，認為大學生創(chuàng)業(yè)總體環(huán)境由資金環(huán)境、政策環(huán)境、市場環(huán)境、教育環(huán)境、文化環(huán)境5 個環(huán)境指標要素構成，如表1 所示，并假設該指標體系能夠較準確反映大學生創(chuàng)業(yè)環(huán)境總體情況，提出了以下研究假設。

表1 大學生創(chuàng)業(yè)環(huán)境指標體系

①資金環(huán)境越充足，大學生創(chuàng)業(yè)總體環(huán)境越好。資金環(huán)境用來反映大學生在創(chuàng)業(yè)過程中能夠獲得金融支持的程度，包括政府撥款、家庭親屬贈予、創(chuàng)業(yè)資本、權益資本等創(chuàng)業(yè)資金來源。

②政策環(huán)境越寬松，大學生創(chuàng)業(yè)總體環(huán)境越好。政策環(huán)境主要用來反映政府對大學生創(chuàng)業(yè)的扶持力度，其內(nèi)容包括政府政策與政府項目，諸如政府政策中涉及到的與創(chuàng)業(yè)有關的稅收優(yōu)惠減免政策、財政扶持政策、行政規(guī)費減免等有利于創(chuàng)業(yè)的政策以及政府政策的具體化操作，比如大學生能否直接參與政府科技項目等。

③市場環(huán)境越好，大學生創(chuàng)業(yè)總體環(huán)境越好。市場環(huán)境主要用來反映大學生在創(chuàng)業(yè)過程中可以獲得的“軟件資源”和“硬件資源”，包括市場環(huán)境、獲取商業(yè)服務的可得性，獲得公共基礎設施、自然資源、交通設施、通訊設施的可得性等。

④教育環(huán)境越完善，大學生創(chuàng)業(yè)總體環(huán)境越好。教育環(huán)境主要用來反映大學生接受創(chuàng)業(yè)教育的情況，體現(xiàn)在大學生通過教育獲得的創(chuàng)業(yè)技能、創(chuàng)業(yè)思維等方面。

⑤文化環(huán)境越鼓勵創(chuàng)業(yè)，大學生創(chuàng)業(yè)總體環(huán)境越好。文化環(huán)境主要用來反映社會文化以及社會規(guī)范對大學生創(chuàng)業(yè)的態(tài)度，包括是否支持創(chuàng)業(yè)，以及對大學生創(chuàng)業(yè)成敗的評價等。

2）研究設計與變量說明

該研究所用的調(diào)查問卷是在之前構建的大學生創(chuàng)業(yè)總體環(huán)境指標體系的框架基礎上設計而成的。主要由三部分構成，分別是個人基本信息、大學生創(chuàng)業(yè)總體環(huán)境評價、大學生創(chuàng)業(yè)環(huán)境指標。在大學生創(chuàng)業(yè)總體環(huán)境評價和大學生創(chuàng)業(yè)環(huán)境指標下各設置了5 個肯定性題項，采用Likert 五星級量表記錄調(diào)查對象從“很差”到“很好”的評價態(tài)度，分別賦值1～5進行計分。

在研究過程中，共涉及6 個主要研究變量，其中大學生創(chuàng)業(yè)總體環(huán)境（Y）為因變量，資金環(huán)境（F1）、政策環(huán)境（F2）、市場環(huán)境（F3）、教育環(huán)境（F4）、文化環(huán)境（F5）為自變量。

2 大學生創(chuàng)業(yè)環(huán)境指標體系數(shù)據(jù)處理

2.1 搭建SPSS軟件應用平臺

對于大學生創(chuàng)業(yè)環(huán)境指標體系的設計，基于SPSS 軟件進行驗證、優(yōu)化指標體系，其SPSS 軟件應用平臺如圖1 所示。

圖1 SPSS應用平臺

1）建立SPSS 數(shù)據(jù)文件：通過SPSS 讀取調(diào)研數(shù)據(jù)時，要注意利用SPSS 命令（TYPE 子命令、SHEEET 子命令、CELLRANGE 子命令、READNAMES 子命令）將數(shù)據(jù)表中的題目、變量名等信息排除在數(shù)據(jù)之外。讀取調(diào)研數(shù)據(jù)的命令語句如下：

GTE DATA

/TYPE=XLS

/FILE=調(diào)研數(shù)據(jù)儲存的根目錄

/SHEEET=NAME′大學生創(chuàng)業(yè)環(huán)境總體情況′

/CELLRANGE=RANGE′A2：AE′

/READNAMES=on.

2）處理大學生創(chuàng)業(yè)環(huán)境指標數(shù)據(jù)：通過SPSS 對調(diào)研數(shù)據(jù)進行信度和效度分析，使用因子分析法對調(diào)研數(shù)據(jù)進行主成分分析，利用因子分析的結(jié)果計算出主成分。

3）擬合大學生創(chuàng)業(yè)環(huán)境評價指標體系：通過SPSS，采用回歸分析法，檢驗大學生創(chuàng)業(yè)總體情況（Y）和資金環(huán)境（F1）、政策環(huán)境（F2）、市場環(huán)境（F3）、教育環(huán)境（F4）、文化環(huán)境（F5）之間的關系。

4）統(tǒng)計結(jié)果分析：通過模型擬合優(yōu)度、回歸方程整體顯著性檢驗、系數(shù)顯著性檢驗來得出自變量對因變量的影響程度。

2.2 數(shù)據(jù)處理分析代碼實現(xiàn)

import pandas as pd

import seaborn as sns

from sklearn.linear_model import Linear Regression

import matplotlib.pyplot as plt

From sklearn.cross_validation import train_test_split

#通過read_csv 來讀取目的數(shù)據(jù)集

Dimensions_data=pd.read_csv("C:/Users/Administrator/Desktop/Dimensions.csv")

#清洗不需要的數(shù)據(jù)

new_Dimensions_data=Dimensions_data.ix[:,1:]

#得到所需要的數(shù)據(jù)集且查看其前幾列以及數(shù)據(jù)形狀

print(′head:′,new_Dimensions_data.head(),′ Shape:′,new_Dimensions_data.shape)

#數(shù)據(jù)描述

print(new_Dimensions_data.describe())

#缺失值檢驗

print(new_Dimensions_data[new_Dimensions_data.isnull()==True].count())

new_Dimensions_data.boxplot()

plt.savefig("boxplot.jpg")

plt.show()

##相關系數(shù)矩陣r(相關系數(shù))=x 和y 的協(xié)方差/(x 的標準差*y 的標準差)==cov（x,y）/σx*σy

#相關系數(shù)：0～0.3 表示弱相關，0.3～0.6 表示中等程度相關，0.6～1 表示強相關

print(new_Dimensions_data.corr())

#建立散點圖來查看數(shù)據(jù)集里的數(shù)據(jù)分布

#seaborn 的pairplot 函數(shù)繪制X 的每一維度和對應Y 的散點圖。通過設置size 和aspect 參數(shù)來調(diào)節(jié)顯示的大小和比例。

# 通過加入一個參數(shù)kind='reg'，seaborn 可添加一條最佳擬合直線和95%的置信帶。

sns.pairplot(new_Dimensions_data,x_vars=[′F1′,′F2′,′F3,″F4′,′F5′,′F6′,′F7′,′F8′,′F9′],y_vars=′environment′,size=7,aspect=0.8,kind=′reg′)

plt.savefig("pairplot.jpg")

plt.show()

#利用sklearn 對數(shù)據(jù)集進行劃分，以此來創(chuàng)建訓練集和測試集

#train_size 表示訓練集所占總數(shù)據(jù)集的比例

X_train,X_test,Y_train,Y_test=train_test_split(new_Dimensions_data.ix[:,:3],new_Dimensions_data.environment,train_size=.80)

print("原始數(shù)據(jù)特征:",new_Dimensions_data.ix[:,:9].shape,

",訓練數(shù)據(jù)特征:",X_train.shape,

",測試數(shù)據(jù)特征:",X_test.shape)

print("原始數(shù)據(jù)標簽:",new_Dimensions_data.environment.shape,

",訓練數(shù)據(jù)標簽:",Y_train.shape,

",測試數(shù)據(jù)標簽:",Y_test.shape)

model=Linear Regression()

model.fit(X_train,Y_train)

a=model.intercept_#截距

b=model.coef_#回歸系數(shù)

print("最佳擬合線:截距",a,",回歸系數(shù)：",b,")

#y=b0+b1X1+b2X2+b3X3+b4X4+b5X5

#R 方檢測

#決定系數(shù)r平方

#對于評估模型的精確度

#y 誤差平方和=Σ(y 實際值-y 預測值)^2

#y 的總波動=Σ(y 實際值-y 平均值)^2

#有多少百分比的y 波動沒有被回歸擬合線所描述=SSE/總波動

#有多少百分比的y 波動被回歸線描述=1-SSE/總波動=決定系數(shù)R 平方

#對于決定系數(shù)R 平方來說1）回歸線擬合程度：有多少百分比的y 波動刻印有回歸線來描述(x 的波動變化)

#2）值大小：R 平方越高，回歸模型越精確(取值范圍0～1)，1 無誤差，0 無法完成擬合

score=model.score(X_test,Y_test)

print(score)

#對線性回歸進行預測

Y_pred=model.predict(X_test)

print(Y_pred)

plt.plot(range(len(Y_pred)),Y_pred,'b',label="predict")

#顯示圖像[12]

#plt.savefig("predict.jpg")

plt.show()

plt.figure()

plt.plot(range(len(Y_pred)),Y_pred,′b′,label="predict")

plt.plot(range(len(Y_pred)),Y_test,′r′,label="test")

plt.legend(loc="upper right")#顯示圖中的標簽

plt.x label("the number of environment")

plt.y label('value of environment')

plt.savefig("ROC.jpg")

plt.show()

3 大學生創(chuàng)業(yè)環(huán)境指標體系實證

為了檢驗該研究構建的大學生創(chuàng)業(yè)環(huán)境指標體系是否與實際調(diào)研數(shù)據(jù)一致，利用經(jīng)過主成分分析處理后的調(diào)研數(shù)據(jù)對構建的大學生創(chuàng)業(yè)環(huán)境指標體系進行線性回歸[13-17]。

3.1 信度與有效度檢驗

KMO 檢驗和Bartlett 球度檢驗是因子分析前的檢驗，主要用來衡量問卷結(jié)構效度，判斷調(diào)查數(shù)據(jù)是否適合因子分析。該研究的檢驗結(jié)果KMO 均大于0.8，Bartlett 球度檢驗P值=0.000＜0.05，如表2 所示。表明所選調(diào)研數(shù)據(jù)成球形分布，數(shù)據(jù)之間具有相關性，十分適合做因子分析。通過對大學生創(chuàng)業(yè)環(huán)境調(diào)查問卷的總體以及各指標進行可信度檢驗，Cronbach’s Alpha 系數(shù)均大于0.7，如表3 所示，表明該調(diào)查具有較好的內(nèi)在一致性，可靠性較強。

表2 KMO 和Bartlett 的檢驗

表3 可靠性統(tǒng)計量

3.2 創(chuàng)業(yè)環(huán)境指標對創(chuàng)業(yè)總體環(huán)境回歸分析

將經(jīng)過主成分計算得分的5 個維度作為自變量，創(chuàng)業(yè)總體環(huán)境作為因變量，基于SPSS 軟件進行多元線性回歸分析[18-19]，如表4 所示。

表4 線性回歸分析結(jié)果

3.3 研究結(jié)論

1）以創(chuàng)業(yè)環(huán)境指標的5 個維度為自變量，以創(chuàng)業(yè)總體環(huán)境為因變量進行回歸分析的結(jié)果顯示，回歸模型整體的解釋度較高，5 個維度可以解釋創(chuàng)業(yè)環(huán)境總體情況的90%的變差，設計的大學生創(chuàng)業(yè)環(huán)境評價指標體系模型與實際調(diào)研數(shù)據(jù)之間擬合度較好。因此，可以判定資金環(huán)境、政策環(huán)境、市場環(huán)境、教育環(huán)境以及文化環(huán)境能較好地反映大學生創(chuàng)業(yè)整體環(huán)境。但是仍有一部分因素未在研究中得到揭示，在今后的研究中需要更加全面考慮影響因素。

2）設計的大學生創(chuàng)業(yè)環(huán)境指標體系模型中，資金環(huán)境、政策環(huán)境、市場環(huán)境、教育環(huán)境以及文化環(huán)境的系數(shù)均為正值，符合研究預期，表明改善創(chuàng)業(yè)環(huán)境指標5個維度均有助于大學生創(chuàng)業(yè)環(huán)境總體情況的提升。但是，各維度對大學生創(chuàng)業(yè)環(huán)境總體情況的影響程度不同，其中資金環(huán)境、政策環(huán)境、市場環(huán)境、教育環(huán)境均對大學生創(chuàng)業(yè)環(huán)境總體情況的影響顯著，文化環(huán)境的影響未通過顯著性檢驗，對大學生創(chuàng)業(yè)環(huán)境總體情況的影響不顯著。

3）大學生創(chuàng)業(yè)環(huán)境總體情況是一個相對復雜的系統(tǒng)，影響創(chuàng)業(yè)環(huán)境總體情況的因素也有很多，隨著時代發(fā)展，創(chuàng)業(yè)環(huán)境評價指標體系也會不斷進行完善和改進，是一個開放發(fā)展的系統(tǒng)。

4 結(jié)束語

該研究基于GEM 模型構建了大學生創(chuàng)業(yè)環(huán)境指標體系，通過SPSS 軟件驗證了該體系能夠較為科學地反映大學生創(chuàng)業(yè)環(huán)境整體情況，有利于快速獲得大學生創(chuàng)業(yè)環(huán)境整體情況，有針對性地改善創(chuàng)業(yè)環(huán)境，從而提高了大學生創(chuàng)業(yè)的意愿和成功率。