5.1.1 方法选取
影响高新技术园区创业机制形成的涉及到众多的因素,但是,如果将这些因素均进行研究,不但增加研究的复杂性,而且也会给合理地分析和解决问题带来困难。实际上,现实工作中多变量(因素)问题是经常遇到的,在多数情况下,不同变量之间可能存在一定的相关性和信息重叠。人们总是希望通过克服相关性、重叠性,用较少的变量来替代原来较多的变量,并且这种替代可以反映原来多个变量的大部分信息,就产生了主成分分析方法。
主成分分析的基本原理是把众多变量转化为少数的几个综合指标,即,设法将原来众多具有一定相关性的变量(比如p个变量),重新组合成一组新的互相无关的几个综合指标来替代原来的变量,同时根据实际需要从中选取几个较少的综合指标尽可能多的反应原来变量的信息。通常的处理方法是将原来p个变量作线形组合,作为新的综合指标。但是,如果不加限制,这种线形组合会有很多,因而,存在一个如何去取舍的问题。如果新的综合指标的变异性越大,说明它对各种场景的“遍历性”越强,包含的信息越多。因此,在主成分分析中,经典的方法就是在所有原变量的线形组合中选择方差最大的作为第一主成分。如果第一主成分不足以代表原来p个变量的信息,再考虑选择方差次大的线形组合作为第二主成分。为了有效的反映原来信息,第一主成分已有的信息不需要再出现在第二主成分中,也就是要求这两个主成分不相关。以此类推可以构造出第三,四……,第p个主成分。不难想象,这些主成分之间不仅不相关,而且它们的方差依次递减。因此,挑选前几个最大主成分,虽然会损失一部分信息,但由于抓住了主要矛盾,并从原始数据中进一步提取了某些新的信息,因而,在某些实际问题的研究中得益比损失大。
可见,采取主成分分析方法可以把影响高新技术园区创业机制形成的众多变量归结为几个重要变量,便于对创业机制形成的动力问题进行深入分析和探讨。
5.1.2 问卷设计及样本获取
本文采用自行设计的问卷作为研究工具,调查问卷共分为21项,主要是被调查者对所列举的对推动创业机制形成变量的重要程度进行评价。这些变量是在借鉴国内外相关研究成果的基础上,结合本文的实际情况进行必要的修正后形成的,主要包括了创业者、创业企业、政府等创业机制构建主体所关心的主要问题,其中一些指标是对创业利益、创业成长、政府政策以及示范效应等核心指标的分解和深化,便于多角度和深层次地考察被调查者的看法。
这些变量(指标)包括:创业风险回报(X1)、彰显企业家精神(X2)、硅谷的示范效应(X3)、文化环境与制度环境因素(X4)、获得社会尊重和成就感(X5)、创业者社会地位的提高(X6)、创业企业的集聚效应(X7)、促进风险投资体系和资本市场的发育(X8)、推动创业经济发展(X9)、创业者队伍的壮大(X10)、获得创业企业的控制权(X11)、创业企业的数量增多(X12)、生产要素报酬(X13)、创新报酬(X14)、创业企业的成长(X15)、政府的创业政策和鼓励措施(X16)、增加就业机会(X17)、便捷的创业融资渠道与退出机制(X18)、促进经济增长(X19)、完善的创业服务体系(X20)、国外创业政策(X21)等。
根据上述情况,设计了《高新技术园区创业机制形成动因调查表》,见附录1.对上述变量的评价测评采用5等制,即非常重要、重要、一般、不重要和非常不重要,采用分数与评价正方向计分,即评价越高,分数越高。
本文共发放调查问卷180分,收回有效问卷139份。选择北京中关村科技园区、郑州国家高新技术开发区和西安国家高新技术开发区作为区域抽样范围,采取随机抽样方法对上述三个园区的创业者和企业管理人员进行问卷调查。但是,这种方法也存在着调查员的选择偏好,因而,很难避免主观因素的影响。如果在严格控制调查员和调查过程的情况下,可以大大提高调查结果的可靠性。本文为了提高调查的准确性,在调查之前首先对调查员详细说明了本研究的目的、内容以及各个变量测评项目的含义,与此同时要求调查员对被调查对象进行适当的培训,以便使其对调查的内容和目的有恰当的认识。
5.1.3 主成分分析结果
对调查所得数据运用SPSS软件进行统计。具体步骤为:建立数据文件,定义推动高新技术园区创业机制形成的变量,输入原始数据,形成原始数据矩阵,进行统计分析,可得各变量的相关系数阵和各主成分的特征值及方差贡献率,根据主成分的累积贡献率确定抽取主成分的个数,进而确定高新技术园区创业机制形成动因的主成分。相关系数阵的特征值和各主成分的贡献率。
前4个特征值累计贡献率已达88.665%,说明前4个主成分已基本包含了全部变量具有的信息,保留前4个主成分,取前4个特征值,并计算出相应的特征向量。相关系数阵对应的特征向量。
这些特征向量就是对应的主成分的表达式中各个变量前的系数,因此,我们可以构建主成分模型,得出前4个主成分如下:
Y1=0.2802X1+0.2663X2+0.0948X3+0.0612X4+0.3054X5+0.0877X6+0.2564X7+0.3036X8+0.2599 X9+0.1203X10+0.2623X11+0.1102X12+0.3221X13+0.3337 X14
+0.0351X15+0.0934X16+0.3132X17+0.0237X18+0.3138X19+0.0395X20+0.0621X21
Y2=0.1017X1+0.1317X2+0.0171X3+0.0478X4+0.1477X5+0.4799X6+0.1816X7+0.1683X8+0.1586 X9+0.5038X10+0.1079X11+0.3961X12+0.0755X13+0.0704X14
+0.3447X15+0.1949X16+0.0925X17+0.1006X18+0.1309X19+0.0679X20+0.0278X21
Y3=0.1636X1+0.1298X2+0.0342X3+0.3459X4+0.1815X5+0.1167X6+0.1309X7+0.1675X8+0.2083 X9+0.1377X10+0.0972X11+0.1538X12+0.1509X13+0.0911X14
+0.1382X15+0.4655X16+0.0424X17+0.4848X18+0.1284X19+0.3789X20+0.0234X21
Y4=0.0402X1+0.0904X2+0.4918X3+0.2172X4+0.1401X5+0.2244X6+0.1546X7+0.1372X8+0.1184X9+0.0504X10+0.1766X11+0.0689X12+0.1166X13+0.0817X14
+0.0209X15+0.1486X16+0.1391X17+0.1709X18+0.0467X19+0.2361X20+0.6093X21
在上述主成分分析模型中,4个主成分表达式各变量前系数的数值大小,确定了每个主成分(即因素)所包含的主要变量。
在第一主成分的表达式中,第一、二、五、七、八、九、十一、十三、十四、十七、十九这十一个变量的系数大,起主要作用,我们可以把第一主成分看成是创业风险回报、彰显企业家精神、生产要素报酬等11个变量的综合指标,称其为创业利益;
在第二主成分的表达式中,第六、十、十二、十五这4个变量的系数大,起主要作用,可以将其看成是创业者社会地位的提高、创业者队伍的壮大等4个变量的综合指标,称其为创业成长;
在第三主成分的表达式中,第四、十六、十八、二十这四个变量的系数大,起主要作用,可以将之看成是创业政策、完善的创业服务体系等4个变量的综合指标,称其为政府政策;
在第四主成分的表达式中,第三、二十一这2个变量的系数大,起主要作用,可以将之看成是国外创业政策、硅谷的示范效应的综合指标,称其为示范效应。
这样,我们可以把推动高新技术园区创业机制形成的主要动因综合归纳为以下4大因素:
(1)因素1:创业利益
创业利益主要包括创业者利益、创业企业利益以及创业的社会利益。如生产要素报酬、创新报酬、创业风险回报、企业家精神、企业的控制权、社会尊重和成就感、创业企业的集聚效应、经济增长、就业机会、风险投资体系和资本市场的发育、创业经济形态的形成等。
(2)因素2:创业成长
创业成长主要是指创业者以及创业企业成长对创业环境、资源等方面的新需求。如创业者队伍壮大、创业者社会地位提高、创业企业的数量增多、创业企业成长等。
(3)因素3:政府政策
政府政策主要包括政府为推动创业,降低创业成本制定相关的政策和措施。如创业政策和鼓励措施、创业融资渠道与退出机制、文化与制度环境、创业服务体系等。
(4)因素4:示范效应
示范效应主要是指一些国家和地区成功的创业政策和创业机制对我国创业机制构建的示范作用。如国外创业政策、美国的硅谷等。