高 煥，諶 悅

（西安職業(yè)技術(shù)學(xué)院生物工程學(xué)院，陜西西安 710077）

SPSS（Statistical Product and Service Solutions)結(jié)合了統(tǒng)計(jì)學(xué)分析運(yùn)算、數(shù)據(jù)挖掘、預(yù)測(cè)分析和決策支持任務(wù)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(jì)分析運(yùn)算、圖表分析、資料編輯、輸出管理、數(shù)據(jù)挖掘、預(yù)測(cè)分析等服務(wù)[2]。統(tǒng)計(jì)功能包括描述性統(tǒng)計(jì)、均值比較、一般線性模型、相關(guān)分析、回歸分析、方差分析、主成分分析和因子分析、卡方檢驗(yàn)、t 檢驗(yàn)和非參數(shù)檢驗(yàn)、聚類分析、對(duì)數(shù)線性模型等[3-4]，涵蓋了《教育統(tǒng)計(jì)學(xué)》中的所有項(xiàng)目。利用SPSS 軟件運(yùn)用定性與定量相結(jié)合的方法[5-7]，提升大學(xué)生創(chuàng)業(yè)環(huán)境評(píng)價(jià)精準(zhǔn)度，有助于更好梳理創(chuàng)業(yè)環(huán)境指標(biāo)體系中的薄弱點(diǎn)，有針對(duì)性地改善創(chuàng)業(yè)環(huán)境，激發(fā)學(xué)生創(chuàng)業(yè)意愿。

1 大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系

1.1 大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系構(gòu)建需求分析

在大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系構(gòu)建中，通過(guò)運(yùn)用SPSS 軟件，可以收集影響大學(xué)生創(chuàng)業(yè)環(huán)境整體情況的因子，整理、檢驗(yàn)因子數(shù)據(jù)，分析因子對(duì)大學(xué)生創(chuàng)業(yè)環(huán)境影響的顯著性等，確保該指標(biāo)體系滿足用戶需求。用SPSS 統(tǒng)計(jì)分析軟件，構(gòu)建大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系，提升大學(xué)生創(chuàng)業(yè)環(huán)境分析的精準(zhǔn)性，提高工作效率，滿足指標(biāo)體系構(gòu)建需求。

1.2 大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系構(gòu)建

1）大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系構(gòu)建思路

該研究通過(guò)文獻(xiàn)研究法，對(duì)以往研究者關(guān)于創(chuàng)業(yè)環(huán)境的構(gòu)成要素進(jìn)行匯總梳理，對(duì)國(guó)內(nèi)外創(chuàng)業(yè)環(huán)境構(gòu)成要素進(jìn)行對(duì)比，認(rèn)為GEM 模型對(duì)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(xué)生創(chuàng)業(yè)的各類環(huán)境要素[8-11]?；诖耍撗芯吭趨⒖糋EM 模型基礎(chǔ)上，通過(guò)調(diào)研走訪，聽(tīng)取專家相關(guān)意見(jiàn)，考慮指標(biāo)體系設(shè)計(jì)的科學(xué)性、可實(shí)施性、全面性等原則，構(gòu)建了大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系。

2）大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系設(shè)計(jì)

根據(jù)構(gòu)建思路，該研究主要將指標(biāo)體系劃分為4個(gè)層次，分別為目標(biāo)層、系統(tǒng)層、準(zhǔn)則層和指標(biāo)層。

①目標(biāo)層是對(duì)大學(xué)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(chǔ)上構(gòu)建而成的，具體包括資金環(huán)境、政策環(huán)境、市場(chǎng)環(huán)境、教育環(huán)境、文化環(huán)境5 個(gè)系統(tǒng)。

③準(zhǔn)則層是在系統(tǒng)層基礎(chǔ)上的進(jìn)一步細(xì)化，具體分為13 個(gè)層面，其中資金環(huán)境系統(tǒng)層細(xì)化為4 個(gè)層面，政策環(huán)境系統(tǒng)層細(xì)化為2 個(gè)層面，市場(chǎng)環(huán)境細(xì)化為2 個(gè)層面，教育環(huán)境細(xì)化為3 個(gè)層面，文化環(huán)境細(xì)化為2 個(gè)層面。

④指標(biāo)層用來(lái)具體描述準(zhǔn)則層，反映準(zhǔn)則層情況，文中共遴選了具有代表性的25項(xiàng)具體指標(biāo)。

1.3 大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系理論模型與研究設(shè)計(jì)

1）理論模型

該研究在GEM 基礎(chǔ)上構(gòu)建了大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系，認(rèn)為大學(xué)生創(chuàng)業(yè)總體環(huán)境由資金環(huán)境、政策環(huán)境、市場(chǎng)環(huán)境、教育環(huán)境、文化環(huán)境5 個(gè)環(huán)境指標(biāo)要素構(gòu)成，如表1 所示，并假設(shè)該指標(biāo)體系能夠較準(zhǔn)確反映大學(xué)生創(chuàng)業(yè)環(huán)境總體情況，提出了以下研究假設(shè)。

表1 大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系

①資金環(huán)境越充足，大學(xué)生創(chuàng)業(yè)總體環(huán)境越好。資金環(huán)境用來(lái)反映大學(xué)生在創(chuàng)業(yè)過(guò)程中能夠獲得金融支持的程度，包括政府撥款、家庭親屬贈(zèng)予、創(chuàng)業(yè)資本、權(quán)益資本等創(chuàng)業(yè)資金來(lái)源。

②政策環(huán)境越寬松，大學(xué)生創(chuàng)業(yè)總體環(huán)境越好。政策環(huán)境主要用來(lái)反映政府對(duì)大學(xué)生創(chuàng)業(yè)的扶持力度，其內(nèi)容包括政府政策與政府項(xiàng)目，諸如政府政策中涉及到的與創(chuàng)業(yè)有關(guān)的稅收優(yōu)惠減免政策、財(cái)政扶持政策、行政規(guī)費(fèi)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(xué)生能否直接參與政府科技項(xiàng)目等。

③市場(chǎng)環(huán)境越好，大學(xué)生創(chuàng)業(yè)總體環(huán)境越好。市場(chǎng)環(huán)境主要用來(lái)反映大學(xué)生在創(chuàng)業(yè)過(guò)程中可以獲得的“軟件資源”和“硬件資源”，包括市場(chǎng)環(huán)境、獲取商業(yè)服務(wù)的可得性，獲得公共基礎(chǔ)設(shè)施、自然資源、交通設(shè)施、通訊設(shè)施的可得性等。

④教育環(huán)境越完善，大學(xué)生創(chuàng)業(yè)總體環(huán)境越好。教育環(huán)境主要用來(lái)反映大學(xué)生接受創(chuàng)業(yè)教育的情況，體現(xiàn)在大學(xué)生通過(guò)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(lì)創(chuàng)業(yè)，大學(xué)生創(chuàng)業(yè)總體環(huán)境越好。文化環(huán)境主要用來(lái)反映社會(huì)文化以及社會(huì)規(guī)范對(duì)大學(xué)生創(chuàng)業(yè)的態(tài)度，包括是否支持創(chuàng)業(yè)，以及對(duì)大學(xué)生創(chuàng)業(yè)成敗的評(píng)價(jià)等。

2）研究設(shè)計(jì)與變量說(shuō)明

該研究所用的調(diào)查問(wèn)卷是在之前構(gòu)建的大學(xué)生創(chuàng)業(yè)總體環(huán)境指標(biāo)體系的框架基礎(chǔ)上設(shè)計(jì)而成的。主要由三部分構(gòu)成，分別是個(gè)人基本信息、大學(xué)生創(chuàng)業(yè)總體環(huán)境評(píng)價(jià)、大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)。在大學(xué)生創(chuàng)業(yè)總體環(huán)境評(píng)價(jià)和大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)下各設(shè)置了5 個(gè)肯定性題項(xiàng)，采用Likert 五星級(jí)量表記錄調(diào)查對(duì)象從“很差”到“很好”的評(píng)價(jià)態(tài)度，分別賦值1～5進(jìn)行計(jì)分。

在研究過(guò)程中，共涉及6 個(gè)主要研究變量，其中大學(xué)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(chǎng)環(huán)境（F3）、教育環(huán)境（F4）、文化環(huán)境（F5）為自變量。

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

2.1 搭建SPSS軟件應(yīng)用平臺(tái)

對(duì)于大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系的設(shè)計(jì)，基于SPSS 軟件進(jìn)行驗(yàn)證、優(yōu)化指標(biāo)體系，其SPSS 軟件應(yīng)用平臺(tái)如圖1 所示。

圖1 SPSS應(yīng)用平臺(tái)

1）建立SPSS 數(shù)據(jù)文件：通過(guò)SPSS 讀取調(diào)研數(shù)據(jù)時(shí)，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(yǔ)句如下：

GTE DATA

/TYPE=XLS

/FILE=調(diào)研數(shù)據(jù)儲(chǔ)存的根目錄

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

/CELLRANGE=RANGE′A2：AE′

/READNAMES=on.

2）處理大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)數(shù)據(jù)：通過(guò)SPSS 對(duì)調(diào)研數(shù)據(jù)進(jìn)行信度和效度分析，使用因子分析法對(duì)調(diào)研數(shù)據(jù)進(jìn)行主成分分析，利用因子分析的結(jié)果計(jì)算出主成分。

3）擬合大學(xué)生創(chuàng)業(yè)環(huán)境評(píng)價(jià)指標(biāo)體系：通過(guò)SPSS，采用回歸分析法，檢驗(yàn)大學(xué)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(chǎng)環(huán)境（F3）、教育環(huán)境（F4）、文化環(huán)境（F5）之間的關(guān)系。

4）統(tǒng)計(jì)結(jié)果分析：通過(guò)模型擬合優(yōu)度、回歸方程整體顯著性檢驗(yàn)、系數(shù)顯著性檢驗(yàn)來(lái)得出自變量對(duì)因變量的影響程度。

2.2 數(shù)據(jù)處理分析代碼實(shí)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(guò)read_csv 來(lái)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(yàn)

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

new_Dimensions_data.boxplot()

plt.savefig("boxplot.jpg")

plt.show()

##相關(guān)系數(shù)矩陣r(相關(guān)系數(shù))=x 和y 的協(xié)方差/(x 的標(biāo)準(zhǔn)差*y 的標(biāo)準(zhǔn)差)==cov（x,y）/σx*σy

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

print(new_Dimensions_data.corr())

#建立散點(diǎn)圖來(lái)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(duì)應(yīng)Y 的散點(diǎn)圖。通過(guò)設(shè)置size 和aspect 參數(shù)來(lái)調(diào)節(jié)顯示的大小和比例。

# 通過(guò)加入一個(gè)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(duì)數(shù)據(jù)集進(jìn)行劃分，以此來(lái)創(chuàng)建訓(xùn)練集和測(cè)試集

#train_size 表示訓(xùn)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(xùn)練數(shù)據(jù)特征:",X_train.shape,

",測(cè)試數(shù)據(jù)特征:",X_test.shape)

print("原始數(shù)據(jù)標(biāo)簽:",new_Dimensions_data.environment.shape,

",訓(xùn)練數(shù)據(jù)標(biāo)簽:",Y_train.shape,

",測(cè)試數(shù)據(jù)標(biāo)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(cè)

#決定系數(shù)r平方

#對(duì)于評(píng)估模型的精確度

#y 誤差平方和=Σ(y 實(shí)際值-y 預(yù)測(cè)值)^2

#y 的總波動(dòng)=Σ(y 實(shí)際值-y 平均值)^2

#有多少百分比的y 波動(dòng)沒(méi)有被回歸擬合線所描述=SSE/總波動(dòng)

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

#對(duì)于決定系數(shù)R 平方來(lái)說(shuō)1）回歸線擬合程度：有多少百分比的y 波動(dòng)刻印有回歸線來(lái)描述(x 的波動(dòng)變化)

#2）值大?。篟 平方越高，回歸模型越精確(取值范圍0～1)，1 無(wú)誤差，0 無(wú)法完成擬合

score=model.score(X_test,Y_test)

print(score)

#對(duì)線性回歸進(jìn)行預(yù)測(cè)

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(biāo)簽

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

plt.y label('value of environment')

plt.savefig("ROC.jpg")

plt.show()

3 大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系實(shí)證

為了檢驗(yàn)該研究構(gòu)建的大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系是否與實(shí)際調(diào)研數(shù)據(jù)一致，利用經(jīng)過(guò)主成分分析處理后的調(diào)研數(shù)據(jù)對(duì)構(gòu)建的大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系進(jìn)行線性回歸[13-17]。

3.1 信度與有效度檢驗(yàn)

KMO 檢驗(yàn)和Bartlett 球度檢驗(yàn)是因子分析前的檢驗(yàn)，主要用來(lái)衡量問(wèn)卷結(jié)構(gòu)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(yàn)結(jié)果KMO 均大于0.8，Bartlett 球度檢驗(yàn)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(guān)性，十分適合做因子分析。通過(guò)對(duì)大學(xué)生創(chuàng)業(yè)環(huán)境調(diào)查問(wèn)卷的總體以及各指標(biāo)進(jìn)行可信度檢驗(yàn)，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(qiáng)。

表2 KMO 和Bartlett 的檢驗(yàn)

表3 可靠性統(tǒng)計(jì)量

3.2 創(chuàng)業(yè)環(huán)境指標(biāo)對(duì)創(chuàng)業(yè)總體環(huán)境回歸分析

將經(jīng)過(guò)主成分計(jì)算得分的5 個(gè)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(jìn)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(biāo)的5 個(gè)維度為自變量，以創(chuàng)業(yè)總體環(huán)境為因變量進(jìn)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(gè)維度可以解釋創(chuàng)業(yè)環(huán)境總體情況的90%的變差，設(shè)計(jì)的大學(xué)生創(chuàng)業(yè)環(huán)境評(píng)價(jià)指標(biāo)體系模型與實(shí)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(chǎng)環(huán)境、教育環(huán)境以及文化環(huán)境能較好地反映大學(xué)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(shè)計(jì)的大學(xué)生創(chuàng)業(yè)環(huán)境指標(biāo)體系模型中，資金環(huán)境、政策環(huán)境、市場(chǎng)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(yù)期，表明改善創(chuàng)業(yè)環(huán)境指標(biāo)5個(gè)維度均有助于大學(xué)生創(chuàng)業(yè)環(huán)境總體情況的提升。但是，各維度對(duì)大學(xué)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(chǎng)環(huán)境、教育環(huán)境均對(duì)大學(xué)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(guò)顯著性檢驗(yàn)，對(duì)大學(xué)生創(chuàng)業(yè)環(huán)境總體情況的影響不顯著。

3）大學(xué)生創(chuàng)業(yè)環(huán)境總體情況是一個(gè)相對(duì)復(fù)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(shí)代發(fā)展，創(chuàng)業(yè)環(huán)境評(píng)價(jià)指標(biāo)體系也會(huì)不斷進(jìn)行完善和改進(jìn)，是一個(gè)開(kāi)放發(fā)展的系統(tǒng)。

4 結(jié)束語(yǔ)

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