首页 理论教育 研究设计与分析过程-实现高质量发展的路径研究

研究设计与分析过程-实现高质量发展的路径研究

时间:2023-08-01 理论教育 版权反馈
【摘要】:本研究数据来源于2017年6月—2018年9月对秦巴山区制造、食品、服装、医药、畜牧、林产等行业企业的调查,分研究所内师生评价和实况评价两阶段进行。最终收集265份有效问卷,分别来自制造企业91份、食品企业26份、服装企业33份、医药企业5份、养殖业52份、渔业27份、其他31份。综上,我们设计了14个题项的量表和5个客观性指标。本研究将各潜变量建构信度能否被接受的临界标准选用了0.5这一标准。

研究设计与分析过程-实现高质量发展的路径研究

在上述假设推导基础上,结合实地访谈,我们设计了包容性创新目标的评价量表,在借鉴前人研究成果的基础上形成了价值创造、价值传递、价值分配、企业效益的评价量表。构建的相应理论模型如图4−4所示。

图4−4 创新目标影响企业效益的理论模型

创新目标:结合包容性创新大众参与过程和大众共享成果的要求,设计了共振性题项;抛弃企业传统技术创新模式,根据BOP群体的现实情况,进行产品开发,设计了颠覆性题项;结合产品特点以及脱贫地区的环境特点,设计了专业性题项;按照系统性原则,结合政府、企业、用户、第三方机构的共同推动,设计了多边性题项。

包容性创新技术和产品的价值创造:包含带来企业价值链变化的核心资源、创新流程、产品生产特征、客户适用性等4个题项,共有7个等级,1~7表示由不一致到一致的程度。

包容性创新技术和产品的价值传递:包含企业对BOP群体目标客户定位销售渠道、价值提供3个题项,共有7个等级,1~7表示由不一致到一致的程度。

包容性创新技术和产品的价值分配:包含企业盈利模式变化、价值链环节合理性、公益活动参与等3个题项,共有7个等级,1~7表示由不一致到一致的程度。

企业效益:选取了市场占比(CP1)、销售收入(CP2)、利润增长率(CP3)、投资回报率(CP4)以及利润率(CP5)等5个指标。

综上,我们设计了14个题项的量表和5个客观性指标。目的在于检验各个概念间是否存在因果联系,无须进行单个假设,把包容性创新中的创新目标视作整体,从整体视角开展实证分析有助于提高模型的可靠性,能够对问题进行较好的阐释。鉴于此,本书把包容性创新中创新目标和企业效益分别视作整体概念。

本研究数据来源于2017年6月—2018年9月对秦巴山区(主要是河南省和湖北省)制造、食品、服装、医药、畜牧、林产等行业企业的调查,分研究所内师生评价和实况评价两阶段进行。在实况调查中,我们挑选了解包容性创新领域的专家和企业管理人员,开展小规模问卷调查与测试。最终收集265份有效问卷,分别来自制造企业91份、食品企业26份、服装企业33份、医药企业5份、养殖业52份、渔业27份、其他31份。在企业规模方面,中小企业204份,大企业61份。

本研究中的各观察变量间的内部一致性信度可被接受的临界值标准采用了通常的克朗巴哈系数(Cronbach’s α)大于或等于0.7。我们认为,如果潜变量各测度指标在该显著水平下具有良好的聚合效度,那必须满足观察变量对其潜变量因子负载大于0.7,同时要满足T值大于相应显著水平下临界值的条件。关于测度某观察变量被其所反映之潜在变量解释的程度,我们认为观察变量的信度指标可以采用平方复相关系数R2值(通常介于0.00至1.00之间)。我们认为,观察变量的信度值R2应该大于0.5。结构方程模型(SEM)常用建构信度作为潜变量的信度指标,其计算公式为ρ=(∑λ)2/[(∑λ)2+∑(0)],其中ρ指代建构信度,λ 为观察变量在潜变量上的标准化负载,∑(0)为观察变量的测度误差。本研究将各潜变量建构信度能否被接受的临界标准选用了0.5这一标准。

按照有关测度的理论推断,测度误差是绝对存在的,在测度方法中存在的误差界定问题通常根据指标的测度误差是否显著来判断。测度误差与相应潜变量决定了观察变量的方差,观察变量的总方差中有多少来自其对应潜变量的方差通常用平均抽取方差(AVE)来反映。

(www.xing528.com)

其中,λ 表示观察变量在潜变量上的标准化负载,∑(0)表示观察变量的测度误差。

对于各维度间的区分效度是否足够大,通常采用各维度自身AVE的平方根值大小来判断,结果显示各变量的区别效度较高(见表4−6)。

表4−6 基于脱贫地区高质量发展目标的包容性创新影响企业效益的探索性因子分析

分析各变量测度指标的维度采用探索性因子分析方法,分析各变量某一特定维度的一维性程度也采用探索性因子分析方法。变量各测度指标之间具有相关性是对某变量进行因子分析的前提。因此,进行KMO样本测度与巴特利特(Bartlett)球形检验是对各变量测度指标进行因子分析的前提。采用以下标准判断各变量测度数据是否适合做因子分析:KMO≤0.5,不适合;0.5<KMO≤0.6,很勉强;0.6<KMO≤0.7,不太适合;0.7<KMO≤0.8,适合;0.8<KMO≤0.9,很适合;KMO>0.9,非常适合:当Bartlett统计值的显著性概率小于或等于某一特定系数Q(通常取显著性水平α = 0.01)时,可以做因子分析。各测度模型对样本数据的整体拟合水平通过常用的绝对与相对拟合指数进行分析,表 4−7列出了模型可被接受的各类拟合指数的标准。

表4−7 基于脱贫地区高质量发展目标的包容性创新影响企业效益的模型拟合指数体系

基于表4−7进行收敛效度分析,主要指标包括标准化因子负荷、标准化误差项以及平均方差提取量,所得结果见表 4−8,表明测量量表的收敛效度较好。

表4−8 基于精准扶贫目标的包容性创新影响企业效益的模型收敛效度分析结果

续表

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈