结构与方程模型（精选十篇）
结构与方程模型 篇1
从大量事件样本进行统计分析,由事件的表象获得本质性的事件规律,是科研人员特别是管理工作者常见的研究工作方法,也是很有效的科学研究方法。 统计分析方法众多,深浅不一,效果各异。对于复杂事件而言,其牵涉的层面复杂,影响和制约因子众多,这些影响或制约因子往往又非孤立,而是相互牵涉、相互影响。故需要剖析事件的内在层面结构关系,分析事件的影响显在因子,并构建一定的结构方程模型, 进而挖掘出事件的影响潜在因子,综合分析并构建一个或若干个事件发展的判断指标,且设定某一程度的判断标准,判断事件的发展动态。这样的统计分析方法就是结构方程模型。结构方程模型因其优越性得到飞快的发展和广泛的应用。
1结构方程模型的研究
1.1基本概念、思想及本质阐述
人们对于结构方程模型(Structural Equation Modeling简称为SEM)的概念的阐述也是变化的,有从含糊到明确、由片面到全面、由肤浅到不断深入、由定格到扩充和发展的过程。
20世纪二三十年代,结构方程模型思想刚刚起源、萌芽时,起初确定为由Sewll Wright［1］最初提出了路径分析的概念,这种路径分析当时还没有定义为结构方程模型。之后的数十年中,对于路径分析的方法和内涵不断扩充与展开。直到20世纪70年代,一些学者以Joreskog和Wiley为代表,将因子分析和路径分析等统计方法加以整合,明确提出结构方程模型的概念［2］,结构方程模型的概念明确提出后,立即得到迅猛发展,内容进一步充实,方法扩充,针对实际研究对象的具体模式不断涌现,应用的范围迅速扩展。早期的结构方程模型跟数学中的数理统计方法不是很融合,结合不大,也没有注重数理统计方法的重要性和运用的实效性。结构方程模型所包含的内容也很少,结构较为简单,方法较为单一,所列出的影响因子较少,全为显性因子,对于潜在因子的重视和提出要求是在21世纪初的事情了。
进入21世纪后,人们对于结构方程模型的内在本质进一步明确,对其内涵进一步加以扩充,其模型结构图的构建越来越复杂,因子越列越多,潜在因子被明确提出并作为结构方程模型必须要求的内容。如今明确阐述结构方程模型为当代行为和社会领域量化研究的重要统计方法,是传统数理统计方法与一定的计算机技术相结合的产物(这一点对于现代和未来的结构方程模型的发展来说更为确切)。
当今学者［3，4］强调结构方程模型中包含显性指标、 潜在变量、干扰或误差变量间的关系,进而获得自变量对因变量的直接效果、间接效果或总效果。其基本上是一种验证性方法,通常必须有理论或经验法则的支持,在理论引导的前提下才能构建模型结构图,并进行后续工作。即便是对于模型的修正,也必须依据相关理论进行,强调理论的合理性,故结构方程模型是较为严谨的一种统计分析方法和理论。如今人们普遍认为结构方程模型的本质是一种验证式模型分析,它是利用研究者所搜集到的实证资料来确认假设的潜在变量间的可能关系,以及潜在变量与指标的一致性程度。即比较研究者所提供假设模型的协方差矩阵与实际搜集数据导出的协方差矩阵之间的差异性［4］。
1.2目前结构方程模型的特点分析
结构经过近一个世纪的发展与丰富,由简单到复杂,由雏形到成熟,由单一到多元化,由片面狭窄到全面宽广。目前的结构方程模型克服了先前一系列的弊端,而拥有以下公认的特点,这些特点包含优越性也包含局限性。
(1)理论的先验性。
结构方程模型分析假设的因果模型必须建立在一定的理论上,因而结构方程模型是一种验证某一模型或假设模型适应性与否的统计技术,故被视为验证性而非探索性的统计方法。
(2)结构方程模型的多元性。
首先结构方程模型研究问题的层次多元性,结构方程模型所考察研究的事件一般较为复杂,不是简单易解的问题,其结构层次非常复杂,具有多元性,所触及到的影响因子也具有多元性,不是简单在一个层面而是在复杂的多个层面,层层相关,环环相扣,相互影响,相互关联。
(3)研究方法的多样性。
结构方程模型的研究方法非常多样,它是综合多种方法的一种综合研究方法,是一种复合的方法,有归纳总结、演绎推理、公式推导、逻辑演算、相关分析法等等,并且灵活多样,在验证分析过程中允许测量误差的存在。
(4)潜在发现性。
结构方程模型还有一个最大的特点在于,它不光能研究显在变量间的相关关系,估计多元和相互关联的因变量之间的线性关系,还能处理不可观测的假设概念,说明误差,同时,还能分析潜在变量之间的结构关系,应用结构方程模型,在进行数据分析之前,将已标识潜在变量之间建立起假设路径,因观测变量与中心潜在变量都具相关性,潜在变量之间也可能发生关系,从而达到潜在发现性研究目的。
(5)研究工作的同步性。
结构方程模型可以同时处理测量与分析问题,做到研究工作的同步进行。其原因在于结构方程模型是一种将测量与分析整合为一的计量研究技术,它可以同时估计模型中的测量指标、潜在变量,不仅可以估计测量过程中指标变量的测量误差,也可以评估测量的信度与效度。
(6)协方差理论运用的核心地位性。
结构方程模型分析的核心概念是变量的协方差, 在其分析中,处处运用到协方差理论,协方差有两种功能:1利用变量间的协方差矩阵观察多个连续变量间的关联情形,此为结构方程模型的描述性功能;2结构方程模型是可以反映出理论模型所导出的协方差与实际搜集数据的协方差的差异,此为验证性功能。这两个功能决定了协方差理论在结构方程模型中运用的重要和核心地位。
(7)其他特性。
结构方程模型适用于大样本分析,对于小样本分析其结果不稳定,这样也就限制了结构方程模型的应用面的极大推广。第二,结构方程模型中的因子分析中存在局限,所测项目只能被分配给一个因子,并只有一个因子载荷量,如果测验题项与两个或两个以上的因子有关时,因子分析就无法处理。第三,结构方程模型中要求因子间要么是全有关系,要么是全无关系,这种过于武断极端式的要求对于自然和社会实际中所存在的复杂实情是不相符的。此外,结构方程模型因子分析中假设误差项不相关,但对于我们所研究的事件所涉及领域中,许多测验的题项与题项之间的误差来源是相似的,即误差间具有相关关系,从而研究分析的结果不能如实反映真实情况。
2结构方程模型的应用现状
结构方程模型应用一般都是在管理方面,其具体应用步骤是:首先理论分析,设定模型,然后进行模型识别,再选择测量变量和搜集资料进行模型的估计,接下来是模型的评价,如果发现模型不是很完善, 不太正确,无法达到可接收的程度则要求进行模型的修订［11］,如果能达到可接收的程度则解释完毕。
结构方程模型因其优越性在管理学方面得到非常广泛的应用,一般而言,只要是能将实际问题转化为方程的情况下,都适合应用结构方程模型来进行求解,像在物理、化学、工程、电子、建筑及经济等等诸多管理领域。如某种事件的满意度评价指标体系的构建［5 ］;高新技术创新能力的评价研究［6 ］;某事件绩效评价研究［7 ］;在财务管理方面的研究［8 ］;某事件认识与调控关系研究［9］;某介质中某物质的平衡关系研究［10］;某设计质量影响方面的研究［11］;大学生毕业就业去向分析等研究［12］;某种疾病症侯分析研究［13］等等。
结构方程模型的应用要有一定的条件,首先,在用前须先在理论分析基础上提出理论模型,包括指标的选取、变量关系的假设、参数的设定、模型的安排, 每一步都须有清楚的理论概念和严密的逻辑推理。其二,进行验证性因子分析时,要分析样本指标分布特征,要使变通为正态化,要进行数据的甄别。其三,样本量要适度,一般样本量大于100,样本收集要下很大工夫。
结构方程模型分析步骤一般为:第一步,提出理论模型;第二步,执行结构方程分析;第三步,模型评价;第四步,模型修正(如果达到预期效果是不用修正模型的)或进行结论解释。
并且随着结构方程模型在管理实践中的运用,其得到不断的完善和扩充,各种具体模式推陈出新,大量地涌现,各种分析软件也开发利用起来了,目前这些软件主要有LISREL,EQS,AMOS,MPLUS,CALIS, RAMONA等等,这些软件的应用也越来越方便,操作越来越简单。
3注意事项与展望
结构方程模型因其优越性,越来越被人们重视并广泛应用于管理各方面,也取得了不少成果。虽然,它汇合了多种传统分析方法优点,并有自身优点,但结构方程模型不是万能的。它也有自身不可克服的缺陷,在应用时必须注意。
从研究方面来说,结构方程模型只是一种验证性方法,非探索性方法,不能深入探索事件的内在本质规律。此外,在当数据与模型拟合时,只表示数据不否定统计分析者建立的理论模型,不表明证明了模型的正确性［14］。其三,人们应该尽可能多地比较多个模型,不能固定在某个模型,应注意等价模型的分析比较。最后,在模型建立时必须多组样本数据的分析基础上建立,并通过多组样本数据的检验。
结构方程模型要得到进一步深入发展与扩展应用,必须从其自身的内涵进行扩展和挖掘,深化其内涵建设,在很大程度上对结构方程模型进行改造,使其克服自身的缺陷,得到更为广泛拓宽的发展和更为便利的应用。
摘要：结构方程模型是目前较为热门的管理方面的统计分析方法与工具,文章就结构方程模型的概念、思想及本质进行了详细的阐述,对结构方程模型发展历程进行了详细的回顾,细致分析了结构方程模型的特性,剖析了结构方程模型的优点、缺点及局限性,并对结构方程模型的应用进行了全面性的概述,最后对结构方程模型应用中的注意事项进行了分析,并对其发展进行了展望。
结构与方程模型 篇2
简要介绍了结构方程模型的.基本原理,根据航空公司运营特点,给出航空公司顾客满意度的测评模型,并以中国国际航空公司顾客满意度的测评为例,进行理论模型的验证与顾客满意度的测评.结构方程模型可以对整个顾客满意度测评指标体系的合理性进行检验并做了系统分析.
作 者：于剑 YU Jian 作者单位：中国民航大学,经济与管理学院,天津,300300 刊 名：中国民航大学学报 ISTIC英文刊名：JOURNAL OF CIVIL AVIATION UNIVERSITY OF CHINA 年，卷(期)： 25(6) 分类号：V2 F562 关键词：结构方程模型 航空公司 顾客满意度
结构与方程模型 篇3
关键词：结构方程模型 游憩商业区 游客价值 北京
21世纪初，我国进入休闲需求快速增长并日益多样化的阶段。随着休闲时代的来临，城市旅游和本地居民游憩的集中承载空间——游憩商业区（Recreational Business District，简称RBD）逐渐兴起，国内多个城市掀起了建设RBD的热潮。与此同时，中国旅游已由卖方市场走进买方市场，游客需求层次逐步提升，竞争日趋激烈，基于消费者视角的游客价值研究迅速得到重视。就城市RBD而言，游客价值的基础性作用日益凸显，创造高的游客价值成为城市RBD获取竞争优势的重要途径。因此，选择发展较为成熟的北京城市RBD为案例区，探求游客价值的构成维度及其对游客行为的后续影响，有利于深化对RBD游客价值的理解和认识，全面提升RBD的开发管理水平，促进RBD的可持续发展。
一、城市RBD游客价值研究的基本设计
（一）相关理论基础
20世纪50年代中期，现代管理学之父德鲁克就已经认识到：顾客真正购买和消费的不是产品而是价值。20世纪80年代末，顾客价值理论基本形成，并于20世纪90年代中期开始在旅游业中得到应用，直接推动了游客价值研究的兴起，内容涉及旅游企业、旅游产品、旅游市场、旅游定价、旅游网站、旅游目的地等诸多方面，而专门针对城市RBD游客价值的研究还较少。
游客价值的构成具有复杂性。综合考虑城市RBD的特点，游客价值可细分为质量价值、效率价值、成本价值、社会价值、享乐价值五个维度。质量价值主要是指游客对于旅游资源禀赋或产品品质的感知；效率价值主要是指游客对于游憩便利程度的感知；成本价值主要是指游客对于游憩经济成本及非货币成本的感知；社会价值主要是指游客对于游憩是否能够增强社交能力和自身形象的感知；享乐价值主要是指游客对于游憩所带来的愉悦、新奇、趣味等方面的感知。游客价值的后续影响研究主要集中在游客价值对游客满意和游客忠诚的影响两个方面，即游客价值驱动游客满意和游客忠诚。
（二）量表与问卷编制
基于顾客价值相关理论，结合北京城市RBD的特点，从质量价值、效率价值、成本价值、社会价值、享乐价值五个维度筛选游客价值的影响因素。同时，从游客满意和游客忠诚两个维度来考虑游客价值的后续影响因素。然后进行专家咨询，并根据他们提出的意见对影响因素进行调整和完善，形成最终的游客价值测量量表（表1）并进行问卷设计，每个因子包含重要性和绩效两个方面。重要性是指游客认为该因子在整个游客价值体系中的相对重要程度，根据重要性可以计算出该因子在整个游客价值系统中的权重。绩效是指游客在游览过程中感知到的各个因子的实际表现。每个因子采用五级评测，以便于被调查人员选择。
（三）实地问卷调查
城市RBD有多种类型，北京城市RBD可划分为传统商业街区型、旧城历史文化改造区型、文化创意旅游区型三类，而王府井步行街、什刹海、798艺术区是其典型代表。调查时间为2012年2月和2012年7月，先后在以上三处分别发放问卷，调查对象为在此进行游憩活动的游客。两次调查在王府井、什刹海、798艺术区三处分别发放问卷200份、共发放600份；其中，王府井回收问卷196份、什刹海回收问卷192份、798艺术区回收问卷194份、共回收582份，回收率为97%；剔除填答不完整的问卷、所有项目得分没有显著差别（亦即得分完全相同）的问卷，王府井获得有效问卷183份、什刹海获得有效问卷175份、798艺术区获得有效问卷185份、共543份，有效回收率达90.5%，调查问卷完成的总体情况较好。调查问卷的总体信度为0.917，每个因子的CICT（纠正的项目——总体相关系数）值均大于0.3，说明问卷的信度很高，有效性较好，从而为结构方程模型（SEM）分析奠定了很好的数据基础。
二、北京城市RBD游客价值结构方程模型构建
（一）模型的逻辑假设
基于已有理论基础，提出以下三个逻辑假设：第一，城市RBD游客价值包括质量价值、效率价值、成本价值、社会价值、享乐价值；第二，游客价值对游客满意度具有显著的正向影响；第三，游客满意对游客忠诚具有显著的正向影响。
（二）路径图和数据准备
根据游客价值和SEM理论，绘制北京城市RBD游客价值SEM（图1），包括质量价值、效率价值、成本价值、社会价值、享乐价值、满意程度、推荐意愿、重游意愿八个观察变量，游客价值、游客满意、游客忠诚三个潜在变量。
在北京城市RBD游客价值SEM中，满意程度、推荐意愿、重游意愿三个可观察变量的数值可由调查问卷项目直接得到，而质量价值、效率价值、成本价值、社会价值、享乐价值五个可观察变量的数值需要根据调查问卷资料计算获得。具体步骤：第一步，根据游客对于17个因子重要程度的评分计算游客价值每个因子的权重（表1）；第二步，根据游客价值17个因子的绩效（实际表现）得分，结合因子权重，计算质量价值、效率价值、成本价值、社会价值、享乐价值的数值。
（三）模拟结果图和模型评价
将相关数据代入模型，通过AMOS17.0软件进行运算，输出结果见图1。
基于结构方程模型理论和现有评价方法和标准，一般采用x2、RMR、RMSEA、AGFI、GFI、CFI、IFI、NFI、x2/df等指标来评价模型的拟合程度。第一，卡方值（x2）：其值越小，表示模型因果路径图与实际资料越匹配，不显著（P大于0.05）的卡方值表示模型与实际资料不一致的可能性较小。第二，残差均方根（RMR）：其值需小于0.05。第三，近似误差的均方根（RMSEA）：其值小于0.08表示拟合程度较好，低于0.05表示拟合程度非常好，低于0.01表示拟合程度非常出色。第四，调整的拟合优度指数（AGFI）、拟合优度指数（GFI）、比较拟合指数（CFI）、增量拟合指数（IFI）、规范拟合指数（NFI）：这些指标的取值范围介于0到1之间，越接近1表示拟合程度越好。第五，卡方与自由度的比值（x2/df）：该值如介于1至2或在1到3之间，表示假设模型可以接受，一般该值需小于5。endprint
通过AMOS17.0软件对研究模型与实证数据进行拟合显示：模型的适配度卡方值为26.94，显著性概率值p=0.089>0.05，接受虚无假设，表示模型与样本数据可以适配；RMR、RMSEA、AGFI、GFI、CFI、IFI、NFI和x2/df的值分别为0.017、0.042、0.953、0.976、0.99、0.99、0.971和1.497，均在可接受范围内，且拟合度良好，表明现有模型能够很好反映各变量间的关系。
（四）模拟结果解释
根据模型的标准回归系数和多元相关平方数值（图1），可作以下判断：1、各变量间标准化回归系数介于0.55至0.95之间，均大于0.5，表明模型的基本适配度良好。2、标准化回归系数均为正且显著性概率小于0.001，说明变量之间的影响是正向的和显著的。3、游客价值对质量价值的解释程度为62.4%，对效率价值的解释程度为56.5%，对成本价值的解释程度为30.3%，对社会价值的解释程度为35.3%，对享乐价值的解释程度为45.6%。4、游客价值能够解释游客满意87.4%的变化，游客满意能够解释游客忠诚71.2%的变化。模型构建之初的三个假设得到验证。
三、结论与讨论
基于理论基础和逻辑假设，构建了城市RBD游客价值结构方程模型，选择北京王府井、什刹海、798艺术区三个比较成熟的RBD开展实证研究，得出以下几点结论与启示：
（一）游客价值提升是城市RBD获得竞争优势和可持续发展的有效途径
按照“游客价值决定游客满意、游客满意决定游客忠诚”的逻辑假设，构建的城市RBD游客价值SEM在实证研究中得到较好应用，游客价值构成及其后续影响的相关假设得到验证，即北京城市RBD游客价值由质量价值、效率价值、成本价值、社会价值、享乐价值五个维度构成，游客价值会影响游客满意和游客忠诚。实际上，具有相当满意度和忠诚度的顾客是企业的宝贵资产，追求顾客满意和忠诚已经成为企业的核心目标，谁能最大程度满足顾客的需求，提升顾客的满意度，维持顾客的忠诚度，谁就将占有市场。故城市RBD的管理者和经营者可以通过提升游客价值，增加游客满意度和游客忠诚度，从而实现游客为相关企业创造价值，城市RBD获得竞争优势和可持续发展。
（二）应根据北京城市RBD游客价值在不同维度上的特点采取相应对策
游客价值与各维度的相关性从大到小依次为质量价值、效率价值、享乐价值、社会价值和成本价值。这表明与游憩所付出的成本相比，北京城市RBD游客更关注游憩所带来的效用和收益，城市RBD的游憩功能性和娱乐性是影响游客价值的重要方面。为此，城市RBD的经营管理者应在合理控制游客游憩成本的基础上，高度重视提升游客的质量价值、效率价值和享乐价值。特别是要针对游客需求，结合城市RBD的类型和特色，进行科学合理的功能分区，布局适宜多样的商业业态，提供独特且参与性强的游憩项目，塑造鲜明而富有吸引力的RBD形象。目前，游客对社会价值不够重视可能有两方面的原因：一是北京城市RBD游客的需求层次偏低，不太重视因社会价值提升带来的满足；二是城市RBD提供的游憩产品和服务尚未很好地引导和满足游客社会价值方面的需求。根据马斯洛的需求层次理论，游客社会价值属于较高层次需求。随着游客自身综合素养和经济实力的增强，以及闲暇时间的增多，游客的需求层次会逐步提升，游客对社会价值的需求会越来越强烈。从这点上看，北京城市RBD游客的社会价值还有较大提升空间，在未来可加强圈子营销、策划有影响力的主题活动。
（三）城市RBD游客价值的动态研究和对比研究有待进一步深化
城市RBD游客价值SEM具有复杂性、开放性和动态性，其构成维度和影响因子应随着游客价值内涵和取向的变化而进行相应调整和完善。同时，不同地区、不同类型城市RBD游客价值具有不同特点和表现，有必要进一步开展对比分析，以深化城市RBD游客价值研究的理论和方法。
参考文献：
[1]马惠娣. 21世纪与休闲经济、 休闲产业、休闲文化[J].自然辩证法研究，2001，（1）：48—52
[2]Woodruff， R. Customer value： the next source for competitive advantage[J]. Academy of Marketing Science， 1997， 25（2）：124—129
[3]李佳，成升魁，钟林生.顾客价值理论在旅游中的应用研究进展[J].人文地理，2009，24（5）：21—24
[4]Neal W.D.Satisfaction is
nice，but value drives loyalty[J].Marketing Research，1999，（11）：20—23
[5]Joseph，M.S.Paul， A.D.Customer value，overall satisfaction，end-user loyalty，and market performance in detail intensive industries[J].Industrial Marketing Management， 2004， 33：675—687
[6]张建. 上海大都市游憩商业区的形态模式研究[J]. 地域研究与开发，2005，24（3）：63—67
[7]王毅菲. 基于长三角地区对比实证分析的城市游憩商业区深度体验研究[D]. 浙江大学硕士学位论文，2007.61
〔本文系北京市教育委员会社科计划面上项目“北京城市游憩商业区游客价值研究”（项目编号：SM201210
038006）阶段性成果〕
结构与方程模型 篇4
1 对象与方法
1.1 对象
采用整群抽样的方法,抽取某市区924名中小学教师做为研究对象,平均年龄(33.62±6.00)岁(表1)。
1.2 方法
教师职业紧张情况采用由美国科学家Osipow等研制建立的职业紧张量表修订版(OSI-R)进行问卷调查,此版本已经过了7次修改,是目前较为成熟的测定职业紧张的工具之一,经多次研究证明有良好的信度和效度[8,9,10]。
生存质量情况采用健康调查简表(SF-36)进行问卷调查。研究表明,SF-36量表是一个具有较好的信度、效度和灵敏度的生存质量调查量表[11,12,13]。
1.3 统计分析
结构方程模型可分为测量方程和结构方程2部分。测量方程描述潜变量与显变量(观察变量)之间的关系,结构方程描述潜变量之间的关系[7]。
根据侯杰泰等所推荐的结构方程模型拟合指数准则,即非范拟合指数NNFI(TLI)和比较拟合指数(CFI)大于0.90,近似误差均方根(RMSEA)小于0.08;以及HU和Bentler指数新准则,即TLI、渐增拟合指数(IFI)、CFI大于0.95,标准化残差均方根(SRMR)小于0.08,RMSEA小于0.6[14],评价模型拟合效果,以确定最终模型,分析职业紧张对中小学教师生存质量的综合作用效应。
1.4 质量控制
本次调查对调查员进行集中培训,统一进入现场进行问卷调查,现场核实问卷质量。建立EpiData数据库,设专人负责问卷录入,录入完成后抽取数据库10%问卷进行复核,以确保问卷质量。最后应用SPSS 14.0和AMOS 6.0结构方程模型分析软件进行统计分析。
2 结果
2.1 模型的建立和拟合优度检验
本次研究以职业任务和应对资源分量表各子项为外源性潜变量,以个体紧张反应为中介变量,以生理健康和心理健康为内生潜变量构建初始模型,依据模型修正原则并结合现有理论对初始模型进行修正[15],得到最终模型的卡方(χ2)=7696.7800,自由度(df)=4440,TLI=0.9049,CFI=0.9112,IFI=0.9119,SRMR=0.0531,RMSEA=0.0282。根据侯杰泰等模型拟合的观点:只要根据多个准则,模型是好的拟合,就可以从某些角度认为模型可以接受(其他指数不要离界值太远)[14]。因此可以认为本模型拟合程度较好,是可供参考的模型。
2.2 职业紧张对生存质量的标准化估计值
由表2可见,对中小学教师生理健康有直接影响的因素包括任务过重和自我保健,以自我保健作用效果最大,是生理健康的保护性因素;教师心理健康的直接影响因素包括任务不适、休闲和社会支持,以社会支持作用效果最大,是心理健康的保护性因素;生理健康和心理健康之间也有相互作用,心理健康对生理健康的作用效应较大。
2.3 职业紧张对生存质量的作用效应
表3显示,除任务模糊外,职业紧张各项目对生理健康和心理健康均有作用效应,其中既有直接作用也有间接作用的包括:任务过重和自我保健对生理健康;任务不适、休闲和社会支持对心理健康;其余各项目对生存质量的作用均表现为间接效应。生理健康和心理健康相互之间也有不同程度间接作用效应。
3 讨论
在职业紧张和生存质量研究中,反映职业紧张和生存质量状况的指标大多不能够直接测量,传统分析方法直接将显变量得分累加代表不能够测量的潜变量,不但存在测量误差,而且无法测量潜变量之间的作用。本次研究中,职业任务和应对资源对个体紧张反应、生理健康和心理健康均有作用,同时个体紧张反应对生理健康和心理健康也有影响,个体紧张反应是作为中介变量而存在的;职业任务和应对资源等自变量之间的作用、对心理健康和生理健康等因变量的作用以及因变量之间的相互作用都是相互关联和同时进行的。因此分析职业紧张对生存质量影响的问题应该同时分析自变量对自变量、自变量对因变量以及因变量对因变量的作用,并且考虑到中介变量的存在。传统分析方法在分析这类问题上有明显的局限性,而结构方程模型则有突出优势[5]。
本次研究结果显示,任务不适、任务界限、责任、工作环境、休闲、社会支持和理性处事对生理健康的间接作用效应大于直接作用效应,说明分析上述指标对生理健康的影响时应考虑中介变量(个体紧张反应)的作用。教师生理健康的危险因素以任务过重和任务界限作用效应最强,保护性因素中以自我保健和社会支持作用效应最强。任务过重、任务不适、任务界限、责任、工作环境、自我保健和理性处事对心理健康的间接作用效应大于直接作用效应,说明分析上述指标对生理健康的影响时应考虑中介变量(个体紧张反应)的作用。心理健康的危险因素以任务不适和任务界限作用效应最强,保护性因素中以社会支持和休闲作用效果最强。
任务界限是指在工作中任务需求或职责的冲突,当代教师肩负着多重社会角色,这种职业角色的多重性使教师在任务界限方面表现强烈。本次研究显示任务界限无论是在对个体紧张反应还是对生理健康和心理健康的作用上均处于较高水平,表明任务界限是职业紧张中影响教师生存质量重要因素;社会支持是指从周围环境中得到的支持和帮助,诸如来自家庭、朋友、同事、领导、学生家长等方面的支持,良好的社会支持能够缓解教师职业紧张,尤其是来自学校领导方面的支持。本次研究显示社会支持对个体紧张反应、生理健康和心理健康均有较强的保护作用,是职业紧张中教师生存质量的主要保护性因素。
结构与方程模型 篇5
学生满意对一个学校的发展至关重要。本文旨在揭示学生期望、感知质量、感知价值、学生满意、学生忠诚五个潜变量之间的结构关系。首先在前人研究的基础上，构建一个反映五个潜变量关系的结构方程模型，然后通过问卷设计、量表开发，对电大学生展开调查得到实际数据，再对量表数据进行缺失值处理，并据此对提出的结构方程模型进行拟合、修正和解释，最后得出潜变量之间关系的几点结论。
【关键词】 远程学习者；学生满意度；结构方程；满意度模型
【中图分类号】 G642.0 【文献标识码】 A 【文章编号】 １００９—４５８ｘ（２０12）03—００49—０7
学生满意对一个学校的发展至关重要。对于以远程开放教育为特征的广播电视大学来说，学生满意度研究的意义在于：为电大开放教育评估提供新的方法，完善教育教学质量评估体系；促使学校系统地考虑学生满意研究中反映的问题，改进各项工作，提高教学和服务质量；提高学生对学校的忠诚度，进而扩大招生生源；增强电大的办学竞争意识，提高市场竞争力[1]。
学生的满意度与其对学校的期望、对教学质量和服务质量的感知以及对学习价值的感知有关，高满意度可能带来学生对学校的忠诚。本研究旨在揭示学生期望、感知质量、感知价值、学生满意、学生忠诚五个潜变量之间的结构关系。首先在前人研究的基础上，构建一个反映五个潜变量关系的结构方程模型，然后通过问卷设计、量表开发，对电大学生展开调查得到实际数据，再对量表数据进行缺失值处理，并据此对提出的结构方程模型进行拟合、修正和解释，最后得出潜变量之间关系的几点结论。
一、研究方法及模型假设
1. 结构方程模型分析方法
本研究主要采用结构方程模型来评价研究模型和检验理论假设。结构方程模型（Structural Equation Modeling）是20世纪70年代在统计理论基础上提出并发展起来的，它作为一种通用的线性统计建模技术，因其自身的优点，日益得到社会学、教育学、心理学、计量经济学等领域的广泛关注和应用。结构方程模型主要作用是揭示潜变量之间（潜变量与可测变量之间以及可测变量之间）的结构关系，这些关系在模型中通过路径系数或负载系数来体现[2]。运用结构方程模型分析具体问题时，一般经过模型设定、模型识别、模型估计、模型评价、模型修正五个步骤。这种分析方法是一种验证性分析技术，而不是探测性手段。本研究是为了验证所设定的“远程学习者满意度结构模型”，因此，选择结构方程模型作为分析工具是适当的。
本研究综合运用结构方程软件AMOS16.0和统计分析软件SPSS16.0进行数据分析和各项检验。
2. 模型的构建思路与基本假设
本研究继承了美国顾客满意度ACSI模型的一些核心概念和架构，如顾客期望、感知质量、顾客满意、顾客忠诚等概念[3]，并吸收其它模型的一些创新之处[4][5]，通过结构调整和综合因素分析，建构了具有广泛适用性的远程学习者满意度模型。模型中包含五个潜变量：学生期望、感知质量、感知价值、学生满意、学生忠诚，如图1所示。其中学生期望是指学生在报读电大之前对学校的整体期望水平；感知质量和学生期望相对应，它是学生对三年学习过程的实际感受；感知价值是指学生的时间和金钱的付出与其所学到的知识相比是否值得；学生满意主要是指学生心理上的整体感觉；学生忠诚主要体现在学生的推荐意向、继续报读意向两个方面。每一个潜变量都有几个标识变量对其进行测量。
模型中包含以下6个路径假设：
（1）感知质量对学生满意有路径影响；
（2）感知质量对感知价值有路径影响；
（3）预期价值对学生满意有路径影响；
（4）预期价值对感知质量有路径影响；
（5）感知价值对学生满意有路径影响；
（6）学生满意对学生忠诚有路径影响。
二、量表设计与数据来源
为确保量表的内容效度，我们广泛借鉴了顾客满意研究领域中已有研究成果，包括理论研究成果和实证研究成果，并结合电大教学的特点对每个概念的量表进行设计。在量表设计过程中，广泛征求专家意见，对问项进行检验和修正，进而形成正式的调查问卷。我们还邀请了管理科学领域的专家以及富有经验的电大一线教学老师，对量表的问项进行筛选和修改，努力做到使量表中的每个问项对被测试概念的表征是最有效、最充分、最全面的。
模型中各潜变量需要观测的具体标识变量见表1，其中所有问项都采用LIKERT五级量表，数值“1” 表示非常不同意，“2” 表示不同意，“3” 表示中立，“4” 表示同意，“5” 表示非常同意。
此外，为了研究不同学生特征对满意度的影响，调查表中还包含有人口统计变量，如性别、年龄、收入、学历层次和工作年限等。
本次问卷调研的对象为深圳广播电视大学（包括经济管理系、人文科学系、外语系和工程系）在校本、专科在读学生，随机选取晚上课间15分钟时间，由各班班主任向学生发放调查问卷，要求学生当场填写，班主任当场回收。本次调查共发放问卷350份，收回有效问卷305份，回收率为87%。
缺失值的处理采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。但统计中发现，学生的个人统计信息缺失较多，考虑到样本数量的限制，所以处理方式调整为只要其它数据完整则该记录不予删除。经处理后，最终得到270条数据。
三、量表的信度检验与指标处理
尽管我们事先多次对调查量表中的问项进行筛选和修改，但仍不能保证每一个问项都是有效的和可信的，整个量表能否稳定地测量到想要测量的问题，还需要进一步用统计方法进行验证。此外，结构方程中的感知质量这一重要的潜在变量体现在课程教学质量和教学支持服务两个方面，每一个方面又包含很多问项，根据结构方程的要求，一个测量方程需要的标识变量一般不宜过多，所以还需要对这些问项进行分类合并。
信度是指如果测量被重复进行，一个量表产生一致性结果的可能性，也就是说测量工具能否稳定地测量到它要测量事项的程度。内部一致性是最常用的信度评价方法，其中Cronbach α系数用得最多。在理论研究中，信度α系数大于0.7，表明量表的可靠性较高；在探索性研究中，α系数应大于0.6。下面对量表中各潜变量的信度进行分析。
1. 教学质量
表2是教学质量量表的Cronbachα系数。表中数据显示α系数都在0.7以上，表明测量指标具有较高的内部一致性。但在全部15个项目中，删除第一个问项X1——教师“上课时迟到早退现象”指标后α系数得到提高，因此用这一指标来测量教学质量是不合适的，应该去除。进一步分析，删除指标X4——教师“对学生态度是否和蔼”，α系数没有变化，说明这一指标对教学质量的影响不大，也可去除。删除任意其它指标都会引起α系数的下降，所以其它13个指标要保留。
进一步分析，对于指标“上课时迟到早退现象”，我们认为，大多数学生之所以认为教师经常迟到，一方面是因为电大教师有一部分是外聘的，的确有个别教师会迟到，但另一个重要原因可能是学生迟到的太多。由于电大学生的工读性质，大部分学生很难准时到达课堂，这种情况下有些教师可能会等几分钟再上课，从而造成教师经常迟到的假象。所以这一指标不能考量教师教学质量水平的高低，应予以删除。对于指标“对学生态度是否和蔼”，我们认为，电大学生大多数是已参加工作的成人，不是小学生，看重的是学习收获，教师的态度是否和蔼应该影响不大。另一方面，这一指标与 “对学生要求是否严格”也在一定程度上存在冲突，所以去除它也是合理的。
nlc202309031732
这样量表中剩余有13个问项。根据结构方程的要求，需要进一步减少标识变量的个数，进行分类。我们采用主成份分析法进行确定。之所以采用这一方法，主要是因为该方法分类后信息损失最小。主成份分析时因子旋转采用的是平均方差（Equamax）方法，使得旋转后的因子方差大致相等，从而保证每个因子的解释力大致相等。如果采用最大方差(varimax)方法，得到的因子方差主要集中在第一个因子上，其它因子的解释力就会太弱。分析结果如表3和表4所示。
表3说明，教学质量量表中的13个标识变量被提取出3个因子，它们分别解释了总方差的29.44%、27.141%和19.568%，也就是说，这3个因子总计包含13个标识变量约76%的信息。
根据表4可对上述3个因子进行命名。因子1主要由“对知识点的讲解是否清楚”、“对讲授内容的熟悉程度”、“教学方法的灵活性”、“知识和信息量是否广博”和“上课用的幻灯片质量”这5个标识变量来解释，它们都反映了教师的教学水平，所以命名为“教学水平”，用XX1表示；因子2主要由“学生对课程理论知识的掌握程度”、“学生认识分析解决问题的能力”、“授课的深浅度和内容量”、“学生的收获”、“学生对老师上课的喜欢程度”和“学生对课程的总体满意度”这6个标识变量来解释，它们都说明了课堂教学效果，所以命名为“教学效果”，用XX2表示；因子3主要由 “对学生要求是否严格”和“对作业批改和讲评是否认真”这2个标识变量来解释，它们共同反映了教师的教学态度，所以命名为“教学态度”，用XX3表示。
这样，我们就可以用“教学效果”、“教学水平”和“教学态度”这三个因子作为新的标识变量，来取代原来的13个标识变量，参与结构方程的分析，如表5所示。
2. 支持服务
表6是支持服务量表的Cronbach α系数。表中数据显示α系数都在0.7以上，表明测量指标具有较高的内部一致性。但在全部8个项目中，删除“面授学习次数的多少”这一指标后α系数得到提高，因此用这一指标来测量服务质量是不合适的，应该去除。进一步分析，对于面授学习次数，不同性质的课程客观上要求的面授次数不一样；学生的层次不同、业余时间多少不同，要求面授学习的次数也不一样，所以这一问项很难反映支持服务的优劣。
同样地，我们采用主成份分析法来减少标识变量的个数。结果如表7和表8所示。
表7说明，服务质量量表中的7个标识变量被提取出2个因子，它们分别解释了总方差的37.285%和22.484%，两者总计解释了7个标识变量约60%的信息。
根据表8对2个因子进行如下命名：因子1主要由“教学设施是否齐全”、“师资力量是否强大”、“课程学习资源是否丰富”和“网上教学资源能否满足需要”这4个标识变量来解释，说明了教学资源情况，所以命名为“教学资源”，并以YY1表示；因子2主要由“教材站交费领书方便性”、“班主任工作态度”和“教学教务信息与沟通”这3个标识变量来解释，反映了学校对学生的服务水平，所以命名为“服务水平”，并以YY2表示。
这样，我们就可以用“教学资源”和“服务水平”这2个因子取代原来的7个标识变量，参与结构方程的分析。
3. 感知价值
感知价值量表中只有3个标识变量，其α系数为0.445，没有达到可接受水平，但鉴于该潜在变量的重要性，决定暂且予以保留。表9说明，3个项目中，删除“相对目前教学质量，学费水平”这一指标后α系数由0.445提升到0.662，基本达到可接受水平，因此该标识变量应该去除。这样，我们只能用“相对目前收费水平，教学质量高低”和“晚上来电大面授学习的价值”这2个标识变量来解释感知价值。
4. 预期质量
我们只设计了两个标识变量来表示“预期质量”这一潜变量，即“预期电大教学质量”和“预期电大支持服务”，其α系数为0.820，说明是可行的。
5. 学生满意
学生满意量表中有3个标识变量。表10说明，3个项目中，删除任一项目后α系数都会减少，因此这3个标识变量都是必要的。
6. 学生忠诚
我们用“向他人推荐报读电大的可能性”和“自己继续报读电大的可能性”这两个标识变量来测试“学生忠诚”这一潜变量，分析表明其Cronbach α系数为0.692，说明是可行的。
综上所述，经排除和压缩后的潜变量和标识变量如表11所示，这些变量将参与结构方程的分析。
四、结构方程模型分析
结构方程模型对数据的拟合水平可以用效度来衡量，效度水平由模型的拟合指数和标准化路径系数来检验（Mueller，1996）。拟合指数有一系列指标，常用的有卡方值、CFI、NFI、IFI、RMSEA、AIC、ECVI。其中卡方值、RMSEA、AIC、ECVI越小越好，且RMSEA要求小于0.05；CFI、NFI、IFI越大越好，且都要求大于0.9。如果模型的拟合指数达到统计要求，表明拟合水平是可以接受的，即理论模型较好地拟合了样本数据，那么可以进一步通过观察标准化路径系数的大小来检验其效度。
下面将根据表11中的潜变量和标识变量，对所设定的模型进行估计，做出必要的模型扩展和限制，在反复修正比较的基础上，确定一个最终模型。
1. 结构方程模型的设定与估计
根据前面设计的结构路径图（图1）以及路径初始假设，我们构建了如图2所示的初始模型。
在Amos软件中运用极大似然法进行模型估计，初步运算结果如图3所示。
表12显示的初始模型运算结果表明，各项拟合指数尚可。但从模型参数的显著性检验中可以看出，部分路径系数和负载系数值过小，没有达到统计显著水平，特别是从“预期价值”到“学生满意”的标准化路径系数仅为-0.08，说明这一路径是不存在的，“预期价值”对“学生满意”没有影响，基本路径假设3是不成立的。
2. 模型的评价与修正
根据初始模型的参数显著性结果以及Amos提供的模型修正指数和临界比率方法，经反复多次进行模型扩展（Model Building）和模型限制（Model Trimming）分析，得到如图4所示的参数估计结果。
从表12和表13可以看出，卡方值减小了很多，其它各拟合指数也都得到了改善，模型的各个参数在0.05的水平上都是显著的（见表14），这说明修正模型的整体结构效度较好。
值得一提的是，模型中反映学生满意的3个标识变量——教学质量满意度、支持服务满意度和总体满意度，三者残差之间是相关的，这些相关性没能被结构方程解释。而感知质量的5个标识变量是经过主成份分析处理得出的，它们的残差之间的相关系数并没有实际意义。
在修正后的模型中，从“预期价值”到“感知质量”的路径系数虽然是显著的（P=0.014），但标准化路径系数值仅为0.225，说明“预期价值”对“感知质量”的影响很小，故考虑删除此路径，对模型重新进行参数估计，从而得到竞争模型，如图5所示。
对比表13和表15不难发现，竞争模型的各项拟合指数都优于修正模型，并且模型的各个参数在0.05的水平上都是显著的（见表16），说明竞争模型更优。这说明在本研究中，删除从“预期价值”到“感知质量”的路径是正确的，进而假设4“预期价值对感知质量有路径影响”不成立。所以我们把竞争模型作为最终模型，以供进一步分析。
五、研究结果与结论
nlc202309031732
以最终的竞争模型为依据，分析各种变量之间的关系，并对理论假设进行检验。
1. 模型研究结果
我们将结构方程模型中变量间的直接作用和间接作用关系整理在表17中。从最终模型来看，共有4条路径关系成立（也即初始的6个假设中有4个是成立的），它们证实了感知质量、感知价值、学生满意与学生忠诚之间确实存在内在的逻辑关系。
2. 研究结论
（1）感知质量对学生满意有决定性的影响
表17说明，在其它条件不变的情况下，感知质量每提高1个单位，学生满意会提高0.95个单位。其中感知质量对学生满意的直接效应为0.493，通过感知价值而达到的间接效应为0.457。这说明感知质量对学生满意有重大影响，假设1是成立的。这意味着，电大要想提高学生满意度，提高学生的感知质量是各项工作的重中之重。
（2）感知质量对感知价值有重要影响
如表17所示，感知质量对感知价值的直接效应为0.874，假设2成立。也就是说，学生只有切实感受到学校高质量的课程教学水平和服务水平，才会觉得利用业余时间花钱来电大读书是值得的。
（3）感知价值对学生满意有一定影响
如表17所示，感知价值对学生满意的直接效应为0.523，假设5成立。即学生只有感觉到在电大学习的价值，才有可能对学校各项工作感到满意。
（4）学生满意对学生忠诚有重要影响
如表17所示，学生满意对学生忠诚的直接效应为0.82，假设6成立。换句话说，一个满意的学生有82%的可能性忠诚于学校，表现为自己继续报读电大或向他人推荐报读电大。
此外，感知质量和感知价值对学生忠诚的间接效应分别为0.779和0.429，表明两者对学生忠诚有不同程度的间接影响。
（5）教学资源对提高感知质量有重要作用
如前所述，感知质量包括对教学质量的感知和对服务水平的感知，前者包括教学水平、教学效果和教学态度3个标识变量，后者包含教学资源和服务水平2个标识变量。由图5或表16可知，在这5个因素中，教学资源对感知质量的影响最大，其负载系数为0.685。其次为服务水平（0.445）和教学效果（0.437）。换句话说，教学设施、师资力量、网络课程、学习资源等这些有形的硬件资源对学生的感知质量有重要影响，是学生判断一个学校教育质量的基础和前提。
六、研究的不足
本研究主要根据调查量表取得数据，通过结构方程模型分析学生满意度的相关潜变量之间的关系。所以，模型评价结果在很大程度上取决于量表设计与调查效度。从量表设计来看，尽管我们力图采用各种方法提高量表的信度，但通过信度检验仍有少量指标设计存在问题。另外在量表问项设计中，除感知质量和学生满意这两个潜变量之外，其它几个潜变量的支撑标识变量不够充分，可能会在一定程度上影响潜变量的准确考量。从调查对象来看，本研究调查对象仅为深圳广播电视大学在读学生，而没能有代表性地选取几个其他兄弟电大展开调查，所以在数据的代表性和普遍性方面显得不足，这可能也会在一定程度上影响结论的普适性。这些问题有待于在以后研究中加以克服解决。
?眼参考文献?演
[1] 苏胜强等. 远程学习者满意度模型的构建[J]. 中国远程教育，
2009，（6）.
[2] 候杰泰. 结构方程模型及其应用. 香港中文大学，2003，（12）.
[3] Claes Fomell，Michael D．Johnson，Eugene W．etc，The American Customer Satisfaction Index：Nature，Purpose，and Findings[J]．Journal of Marketing，1996，60(4)：7-18．
[4] 傅真放. 高等学校大学生满意度实证分析研究[J]. 高教论坛，
2004，（5）：15-16.
[5] 王莉艳，南旭光，刘万荣. 我国远程开放教育顾客满意度测评体
系构建[J]. 重庆广播电视大学学报，2007，（12）：6-8.
收稿日期： ２０11－11－30
作者简介：苏胜强，深圳广播电视大学（518001）。
责任编辑 石 子
结构与方程模型 篇6
本文基于上述理论现状和现实背景,采用实证方法研究政府行为对企业创新效益的关系,通过设计调查问卷,以重庆市121家企业为样本构建结构方程模型,得出政府行为与企业创新效益之间的相互影响关系。
1 研究方案
1.1 样本确定
本文以重庆市规模以上具有法人资格的工业企业为对象展开实证数据的收集工作,这些企业按注册类型包括国有、集体、股份合作、联营、有限责任公司、私营、港澳台投资等10类,按隶属关系有中央和地方企业,按行业大类分有采矿业、制造业、水电气业等,按地区分包括了重庆市九区十二县的企业。因此,这些企业的调查可以比较全面丰富地涵盖企业创新所需要的众多信息。本文的样本即来自这些众多工业企业,样本数121个。
1.2 指标体系设计
在政府行为与企业创新关系指标体系设计之前,我们首先与企业进行了座谈,针对企业领导所提供的想法初步确定观测变量,并在此基础上确定了政府的政策支持、环境支持和经费支持三个潜在因变量,企业创新效益这一结果变量以及实现具体测量的13个可观测变量。具体问卷设计如下:
1.2.1 政府的政策支持。政策支持指政府部门通过制定各种健全的法规政策来支持企业技术创新,使得政府支持行为有法可依,为企业创新提供相应的动力与保障[3][4]。问卷中对应的题目是,你认为以下政策对企业开展创新活动的影响程度:(1)金融政策;(2)产业政策;(3)知识产权保护政策;(4)税收政策;(5)对外经贸政策;(6)技术开发费用计入成本政策。
1.2.2 政府的环境支持。环境支持指政府为企业提供良好的软硬件环境,通过掌握足够的前沿信息和运用获取先进信息的手段来引导企业的创新活动,避免因市场信息不灵和不畅而造成决策失误和带来创新的低水平重复[5]。问卷中对应的题目是,你认为企业开发或引入新产品的构思的主要来源是以下哪些项及影响程度:(1)政府部门提供的信息;(2)商品交易会、展览会;(3)其他。
1.2.3 政府的经费支持。资金是创新的一个重要因素,也是许多企业创新的一个瓶颈。通过国内外政府创新政策的比较,可以发现政府往往作为创新资金的主要来源之一。经费支持指政府通过各种方式,包括减免税、政府资金等对企业创新的经费给予支持,起到有效的保障和推动作用[6]。问卷中对应的题目是:(1)政府资金在企业创新费用中所占比例;(2)减免税在企业创新费用中所占比例;(3)金融机构贷款在企业创新费用中所占比例。
1.2.4 企业创新效益。企业创新的目的是为了提高效益,效益最大化是企业进行创新的内在驱动力。创新效益是指企业一定的创新投入资本所取得的利润,它是衡量企业创新成败的关键因素。而创新效益最直接的体现就是新产品的产值和销售收入。因此问卷中对应的指标是:(1)新产品产值;(2)新产品销售收入。
2 政府行为与企业创新效益关系的结构方程模型
2.1 结构方程模型路径图
外生潜变量:政策支持ξ,对应6个可观测变量,分别为金融政策X1,产业政策X2,知识产权保护政策X3,税收政策X4,对外经贸政策X5,技术开发费用计入成本政策X6。
内生潜变量:环境支持η1,包含政府部门提供信息Y1、交易展览会Y2这2个可观测变量;经费支持,包含政府资金Y3、减免税Y4和政策性贷款Y53个观测变量;企业创新效率η3,包含新产品产值Y6,新产品出口Y72个观测变量。
最终,得到政府行为与企业创新效益的结构方程模型路径图,见图1。
2.2 结构方程模型
结构方程模型包括测量模型和结构模型。测量模型反映观测变量与潜变量的关系,结构模型反映潜变量之间的关系[7]。测量模型的方程为:
undefined
其中,Y是由7个内生可观测指标组成的7×1向量,η是由3个内生潜变量组成的3×1向量,Λy是Y在上的因子负荷矩阵,ε是7个测量误差组成的7×1向量。X是由6个外生观测指标组成的6×1向量,ΛX是X在ξ上的因子负荷矩阵,δ是6个测量误差组成的6×1向量。
结构模型的方程为:η=Bη+Γξ+ζ (2)
其中B是3×3路径系数矩阵,描述了内生潜变量η之间的彼此影响,Γ是3×1路径系数矩阵,描述了外生潜变量ξ对内生潜变量的影响,ζ是3×1残差向量,描述模型中未被解释的部分。
3 实证分析
在结构方程模型中,模型的待估参数由模型结构中的方差—协方差决定[8]。模型(1)(2)中可观测指标共有13个,可以产生91个不同的方差或协方差。而模型中的待估参数个数为34﹤91,满足模型可识别的必要条件。
从模型的总体检验指标来看(见表1),相对卡方值χ2/df=1.345<3,比较拟合指数CFI=0.968>0.9,近似误差均方根RMSEA=0.061<0.08,这3个指标均达到可接受的范围,整体模型适配度可接收。
3.1 模型评价
用AMOS7.0软件,选用最大似然估计,得到观测变量各指标在相应潜变量上的因子负荷量与误差(见表2)。
把仅考虑2个变量的影响关系的检验结果与本模型的检验结果进行比较,得到路径系数(见表3)。
从表3可以看出,政策支持对企业创新效益的路径系数未达到显著水平,就是说政策支持不直接对创新效益产生影响;环境支持对经费支持有正面的路径系数,即有正面的直接影响;政策支持对经费支持和环境支持都有正面的路径系数,即也有正面的直接影响;经费支持对创新效益的路径系数最大,即有较大的直接影响。
模型修正后变量间的相互影响关系,见图2。
3.2 结果分析
(1)由图2可以看出,政府的政策支持与企业创新效益之间没有直接的路径关系,政策支持通过对环境支持和经费支持产生直接影响从而对创新效益产生间接影响,同时,企业的创新效益直接受到政府的环境和经费支持的影响。所以,政府在激励企业创新的行为中应加大这两方面的支持力度,创造更有利更便捷的创新环境,提供更多经费的帮助,可以大大激励企业的创新行为,提高企业创新的效益。
(2)通过潜变量之间路径系数的计算可以得出:路径“政策支持—环境支持—企业创新效益”的影响效应值为0.412×0.397=0.164;路径“政策支持—经费支持—企业创新效益”的影响效应值为0.603×0.951=0.573,说明后一条路径比前一条路径对企业创新效益的影响要大。政府通过制定相关政策对创新经费起到保障和支持作用,从而经费又最终更大的影响创新的效益。因此,政府部门在制定相关政策时可以侧重于对创新经费的政策制定。
4 结论
在研究政府行为与企业创新关系中,有许多变量不能直接测量,利用可观测变量作为潜变量又往往包含大量的测量误差[9],而本文运用结构方程模型来讨论政府行为与企业创新关系是一种有效的方法。结构方程模型能清晰地将潜在变量与可观测变量之间的相互关系表现出来,通过路径系数可以有效的度量潜变量之间的影响程度。本文最终得出经费支持、环境支持、政策支持和企业创新效益之间的相互影响关系。研究的结论对政府技术创新政策的制定有一定的指导作用,对企业创新行为的理论研究和实践都具有重要意义。
参考文献
[1]ARCHINUGI D,MICHIE J.Technology and Innovation:An Intro-duction[J].Cambridge Journal of Economics,1995(19):1-4
[2]李冬红,故文涛,李蕾.政府规制对企业自主创新的影响作用研究[J].科学学与科学技术管理,2007(10):88-92
[3]诺思,罗仲伟.制度变革的经验研究[M].北京:经济科学出版社,2003
[4]GIRMA S,GORG H,STROBLS E.The effect of government Grantson Plant Level Productivity[J].Economics Letters,2007,94:439-444
[5]包国宪,任世科.政府行为对企业技术创新风险影响路径[J].公共管理学报,2010(7):89-96
[6]孙余俊,董正英.技术创新过程中政府作用对技术吸收能力的影响分析[J].陕西农业科学,2010(2):198-201
[7]刘晓东,唐亚晖.结构方程模型在课程评价中的应用[J].统计与决策,2009(13):160-162
[8]易丹辉.结构方程模型方法与应用[M].北京:中国人民大学出版社,2008
结构与方程模型 篇7
澳洲学者Conduit[2]将内部行销分量表分为5个构面,分别是教育训练、管理支持、人力资源措施、内部沟通和外部沟通。本研究以此量表为原型,从各构面中共挑选25个题项,对措词进行适当修改,使其更符合测评环境。经探索性因子分析共抽得4个因子,前3个因子涵盖的题项与原量表各因子题项分布基本一致,按原量表因子分别命名为教育训练、管理支持、人力资源措施;第4个因子涵盖了原量表内部沟通与外部沟通的题项,命名为组织沟通。各因子涵义分别是:教育训练是指医院在员工培训方面采取的管理措施,如是否提供给员工各类培训机会、在员工培训上投入的费用及员工对培训效果的认同等;管理支持是指医院各科室主管为提升与员工之间的关系所采取的支持性管理措施,如科主任是否给予员工工作指导、员工的决策参与度、员工所在科室工作氛围是否融洽等;人力资源措施是指医院在人力资源管理方面的制度是否健全,如是否建立员工的升职、加薪、奖励、考核及申诉等制度;组织沟通是指医院在畅通员工沟通渠道方面所采取的一些管理措施,如员工能否按时了解发生在医院里的重大变化、医院的政策和目标等信息、医院如何评估员工的工作绩效、员工能否定期收到关于自己工作绩效的反馈、了解自己所在科室的计划和信息、收到来自人事部门的信息、是否可以阅读到医院的内部刊物及是否有机会外出参加各类学术活动以了解最新信息等方面的内容。传统的人力资源管理将重心放在人力资源的管理和控制上,依赖组织的制度和行政的观点来管理员工,遵循既有的制度原则进行员工的招募、选择、发展、培养及相关人事福利等人事作为;而内部行销应用行销哲学的原理,建立全体员工的服务观念,以帮助组织留住所需要的人才,最终目标为满足外部顾客的需求,除着眼于人力资源管理外,还包含着行销和组织行为等管理功能。
本研究以医院员工为研究对象,运用结构方程模型技术,探讨医院内部行销行为对员工工作满足和顾客导向的影响及三者之间的关系,实证研究结果可为医院管理者提高医院管理效率提供理论依据。
1 对象与方法
1.1 研究对象
上海市某二级甲等综合性医院共有在职职工695名,采用等比例分类随机抽样方法,抽取样本进行匿名书面问卷调查。发放问卷279份,回收有效问卷241份,有效回收率86.3%。性别方面,男性27%,女性73%;年龄方面,30岁以下24.5%,31～40岁29.0%,41～50岁27.4%,51岁以上19.1%;学历方面,中专及以下27.4%,大专29.5%,本科及以上38.1%,研究生5.0%;婚姻方面,已婚76.8%,未婚及其他23.2%;岗位方面,医疗30.0%,护理31.1%,医技17.8%,行政14.9%,后勤6.2%;工龄方面,10年及以下27.8%,11～20年27.8%,21～30年25.7%,31年以上18.7%;职务方面,普通职工77.2%,管理人员22.8%;职称方面,初级及以下职称53.9%,中级职称37.4%,高级职称8.7%;编制方面,正式在编89.2%,非在编10.8%。
1.2 研究工具
1.2.1 内部行销量表。
引用澳洲学者设计的内部行销问卷[2],共54个问项。根据受调查医院的实际情况,选择其中25个问项修订而成。采用5点法计分,由员工自评。删除分项对总项相关系数在0.5以下的题项(共2题),对量表结构效度进行探索性因素分析,结果表明,23个题项共抽得4个因素,解释的方差为68.340%。信度方面,总量表的Cronbach’s α系数为0.952 4,4个分量表的α系数分别为教育训练=0.780,管理支持=0.915,人力资源措施=0.884,组织沟通=0.929。
1.2.2 工作满足量表。
选用明尼苏达满意问卷[3],共20个问项。采用5点法计分,由员工自评。删除分项对总项相关系数在0.5以下的题项(共2题),经探索性因素分析,18个题项共抽得三个因素,解释的方差为63.500%。信度方面,总量表的Cronbach’s α系数为0.940,3个分量表的α系数分别为内在满足=0.820,外在满足=0.904,一般满足=0.837。
1.2.3 顾客导向量表。
由3个分量表组成,分别是SOSO量表[4]、顾客导向服务行为量表[5]、顾客导向服务能力量表[6],选择其中共15个问项修订而成。采用5点法计分,由员工自评。删除分项对总项相关系数在0.5以下的题项(共2题),经探索性因素分析,13个题项共抽得3个因素,解释的方差为68.258%。总量表的Cronbach’s α系数为0.912,3个分量表的 α系数分别为顾客至上=0.905,服务行为=0.808,服务能力=0.815。
1.3 统计方法
主要是探索性因素分析、路径分析,使用SPSS 13.0进行数据的录入、管理和统计,使用LISREL 8.7进行内部行销工作满足与顾客导向关系的结构方程模型的构建,参数估计方法选择最大似然法,检验水平α=0.05。
2 结果
本研究运用结构方程技术进行路径分析,探讨医院内部行销对员工工作满足和顾客导向的影响和三个变量之间的因果关系及关系强度。根据相关理论架构和已有的研究结果,设定各变量之间的关系为:内部行销对工作满足为正向关系, 工作满足对顾客导向为正向关系,内部行销对顾客导向为正向关系。
2.1 结构方程模型的构建
以内部行销为潜在自变量,工作满足为潜在应变量,进行路径分析。结果显示路径系数β=0.84,t=13.22,P<0.001,达显著水平,即内部行销与员工工作满足之间存在正向因果关系的假设成立。以工作满足为潜在自变量,顾客导向为潜在应变量,进行路径分析,结果显示路径系数β=0.68,t=8.62,P<0.001,达显著水平,即员工工作满足与其顾客导向之间存在正向因果关系的假设成立。以内部行销为潜在自变量,顾客导向为潜在因变量,进行路径分析,结果显示路径系数β=-0.19,t=-0.64,P>0.05,未达显著水平,即内部行销与员工顾客导向之间不存在直接因果关系,内部行销对顾客导向为正向关系的假设不成立。但通过路径分析结果可知,内部行销对工作满足的直接影响是0.84,工作满足对顾客导向的直接影响是0.68,而内部行销对顾客导向的因果关系,可以通过工作满足间接正向影响顾客导向,间接效果为0.84×0.68=0.571。也就是说,内部行销虽然不能直接影响员工的顾客导向行为,但医院可以通过实施内部行销,提高员工的工作满足,进而激发员工的顾客导向行为。
2.2 结构方程模型的修正
由于内部行销对顾客导向的路径系数(-0.19)不显著,在模型修正中删除了这条不显著的路径,重新调整路径图,得到修正模型图1。随后对模型进行拟合,即通过各参数标准化估计值和t值来检验指标和其对应潜变量的归属性。一般可简单地取t值大于2为显著,表明该指标归属与该潜变量有统计学意义。本研究中,修正模型拟合结果显示各项指标的t值均大于2,归属较好[7]。路径图所示模型的χ2=161.9;自由度υ=33;χ2/υ=4.88;近似误差均方根RMSEA=0.089;拟合优度指数GFI=0.90;调整的拟合优度指数AGFI=0.85;规范拟合指数NFI=0.93。模型各项拟合指数结果表明模型的拟合效果较好。
3 讨论
在采用结构方程模型分析时,为获得稳定可靠、有意义的结果和准确的参数估计值,需要有较大的样本保证。研究的样本量一般考虑样本代表性、模型估计和模型评价三方面的需要。有学者建议样本例数与模型中需要估计的参数比例最小应达到5∶1,如果数据偏离正态应达到10∶1,且随着所选用的估计方法和数据条件发生变化。Stevens认为样本含量至少应该是观测变量或指示变量数目的15倍[8]。综合以上理论,本研究的样本数为279名医院员工,使用结构方程模型技术进行实证研究,研究结果可以成立。
本研究结果如下:内部行销直接正向影响工作满足,员工对医院内部行销的认同度越高,其工作满足越高;工作满足直接正向影响顾客导向,员工工作满足越高,其顾客导向行为表现越好;内部行销间接正向影响顾客导向,内部行销可通过提高员工的工作满足,激励其顾客导向行为,即工作满足在内部行销对顾客导向行为的影响中起中介变量的作用,这个结果与台湾地区研究者的研究结果基本一致[9,10]。但也有研究显示,工作满足与顾客导向行为没有因果关系存在[11]。造成与本研究结果差异的原因,可能是由于样本导致,也有可能是职业不同或文化背景不同所致。
根据“服务-利润链”理论,内部行销之所以受到服务业重视,主要原因是内部行销以内部员工为顾客,透过企业主动关心与满足全体员工的需求,使员工建立顾客导向的意识与态度,从而真诚地提供顾客优质的服务,最后提高企业的营运绩效[12]。公立医院在提升患者满意度的过程中,同样要倡导内部行销的管理理念,视员工为内部顾客,通过提高员工的工作满足,实现员工与外部顾客(患者)之间的良好互动。Joseph提出建立员工满意的内部行销做法包含以下几点:倾听内部员工;参与、赋权及释权;高层主管常亲临第一线服务现场;培养团队精神;正式及非正式的沟通;财物报酬;扩展生涯路线;支持员工的各种生活方式[13]。因此,医院管理者应建立畅通的沟通渠道,关注员工的意愿及需求,提高员工的工作满足,营造全员服务的内部共识,使员工具备提供良好服务给内部顾客(医院内各岗位员工)和外部顾客(患者)的意识和能力。另外,路径分析结果显示,内部行销可以通过工作满足间接正向影响顾客导向,工作满足具有中介效应,这在一定程度上拓展了我们对中介变量的认识。
结构与方程模型 篇8
物流金融是指通过综合运用各种金融服务和产品,调节整个供应链上的资金流通,进而提高资金周转的活动。
结构方程模型是运用协方差矩阵分析变量之间相互关联的方法,由结构方程和测量方程构成,结构方程主要描绘多个变量之间的关系;描绘指标和潜变量间关系就是测评方程。 对测评方程的分析是本文的研究重点。
2实证分析
2.1影响因素分析及样本数据的采集
本文将物流金融和区域经济的影响因素分为9个外生潜变量和1个内生潜变量,如表1,针对指标变量进行结构方程模型分析。为保证回收率和回收周期,本研究主要运用现场调研,以邮件调研为辅。如果被访问者未能及时回答问题,可以通过发送邮件的方式进行。本研究共发放550份问卷,收回493份,回收率为89.6%,问卷收回后,剔除无效问卷,最终有效问卷为457份,有效率约为93%。
2.2调查问卷信度与效度分析
2.2.1问卷信度分析
在进行信度分析时经常运用Cronbacha系数,其取值范围是从0到1。根据Nunally理论,系数值的增加,信度就会相应的提高,若Cronbacha系数值小于0.3.则删除该指标就可以增加变量的Cronbacha系数值,即认为是可以删除的指标。本问卷的整体Cronbacha系数大于0.7,如表3,则表示该问卷具有一定的使用价值。
由表可知,区域经济中的资源自然资源数量和资源类型的Cronbacha系数值小 于0.3 , 并且删除 变量中的Cronbacha系数值可以增加问卷的信度,从实际情况分析, 资源数量和资源类型不易精确衡量,所以可删除这两个指标。
2.2.2问卷效度分析
效度主要包括内容效度、效标关联度和建构效度。由于本文在量表制定过程中,根据文献探讨、前人研究结果,并运用成熟量表来进行测量,因而本研究的量表效度分析的重点在于检验量表的建构效度。本文通过探索性因子分析法来衡量量表的建构效度。采用SPSS 21.0软件进行问卷效度分析,KMO是常用统计量,其取值范围也是从0到1,KMO值越接近1,则表明各变量之间存在的相关性就越强,做因子分析就比较适合。KMO的度量标准是:0.9以上为非常适合;0.8为适合;0.7为一般;0.6为不太适合;0.5以下为极不适合。本研究的KMO值为0.872,大于0.8,为适合做因子分析。本文进行因子分析后,各变量的因子负载如表4所示。
2.2.3整体结构方程分析及排序
通过上述信度和效度分析,对各因素筛选分析后,已符合结构方程模型的要求,利用lisrel 8.7软件,描绘结构方程路径图,并按路径系数大小对因素进行排序,各变量对物流金融与区域经济的影响效果如表5所示。
通过对以上影响因素分析,可以得出物流金融中的完善性和银行选择客群标准是主要的影响因素,业务的可操作性和风险控制是次要因素,而复杂性为物流金融的微小影响因素。本文从物流金融和区域经济两方面对影响因素进行筛选。
2.3物流金融与区域经济协同发展模型
对物流金融与区域经济协同发展反映了物流金融与区域经济发展之间的辨证关系。物流金融为企业提供了新的融资方式,其在很大程度上促进区域经济的发展,反过来区域经济的发展推动了物流金融业务的展开,两者协同进步,共同促进区域物流金融的持续发展。
2.3.1物流金融与区域经济协同发展评价指标体系建立
针对物流金融与区域经济的影响因素进行了指标筛选, 本文主要根据其指标选取了以下几个方面,构建指标体系。
1物流金融方面的指标。
关于物流金融的评价指标,国内还没有系统的指标体系。 因此本文主要从反映其完善性、银行选择客群标准、复杂性、 可操作性和服务的角度选取指标,主要有管理水平、监管服务、质押物风险、合同风险、客户信用以及外部环境六个指标。
2区域经济发展的指标。
目前有关区域经济的指标体系比较完善,本文在前人研究的基础上,结合本文的研究需要,从人力资源和资本方面选取了6个具有代表性的指标。社会消费品总额是各行业通过流通渠道向居民提供的生活消费品总量;GDP是反映国民经济的一个最权威的指标;人均可支配收入反映居民的消费开支的指标,衡量一个地区的生活水平;进出口总额反映某个地区对外贸易的总规模;固定资产投资是一个综合性的指标,主要反映固定资产的投资规模以及速度等,工业生产总值是最基础的一个指标。
2.3.2协同度的计算函数
计算协同度主要是反映物流金融与区域经济发展之间的协同发展程度,动态的反映了两者之间的关系。本文研究的是两个系统的协同程度,可以借鉴耦合度函数D(t)Î(0,1) ,所以可以定义物流金融与区域经济的综合发展水平为:QI =2( ( f(L, t) ´f(C, t) / ( f(L, t) +f(C, t))2)1/2,两者之间的协同程度用以下公式计算:D(t) =(QI *F)1/2。其中,F表示t时刻物流金融与区域经济的发展水平,D(t)∈(0,1) ,表示两者之间的协同度就越大,系统就会趋向新的有序结构;反之协同度就越小,系统就趋向无序结构。
本文将协 同度划分 为三个阶 段 , 分别由 : 1当D(t) (0, 0.3) 时,物流金融与区域经济之间呈现低协同阶段, 此时两者之间就为传统协同发展模式,区域经济发展水平比较低,物流金融发展比较缓慢。2当D(t)(0.3,0.6) 时,物流金融与区域经济之间呈现中协同阶段,此时两者之间就为物流金融带动型模式。3当D(t)(0.6,1) 时,物流金融与区域经济之间就呈现高协同阶段,此时两者之间就达到协调发展阶段,两者会以结合的方式发展,物流金融不仅满足区域经济内企业资金的要求,而且区域经济也为物流金融提供了发展更广阔的平台和空间。
2.4长三角地区物流金融与区域经济发展协同度的测算分析
根据上文构建的物流金融与区域经济协同发展模型以及2014年上海市、江苏省、浙江省、安徽省相关统计年鉴中的数据,运用公式计算2000-2014年长三角地区物流金融与区域经济协同发展的程度,其相关数据如表:
2000-2003年,上海市的物流金融与区域经济的指标数值相同,说明在这段时间内物流金融与区域经济发展水平大体相同。2004-2008年,物流金融的指标数值大于区域经济的指标数值,并且两者都是增长趋势,这说明物流金融的开展促进了区域经济的发展,物流金融的带动作用比较显著。
从2000-2014年,物流金融与区域经济的协同程度是不断增加的。2000-2002年两者之间是低协同阶段; 2003-2008年两者之间是中协同阶段;2009-2014年是高协同阶段,但主要是物流金融促进型。
2000-2004年,江苏省物流金融与区域经济发展水平大体相同。2005-2007年,物流金融的开展促进了区域经济的发展,物流金融的带动作用比较显著。2000-2014年,协同程度不断增加。2000-2002年是低协同阶段;2003-2008年两者之间是中协同阶段;2010-2014年是高协同阶段。
2000-2003年浙江省物流金融与区域经济发展水平大体相同。2004-2009年,物流金融的指标数值大于区域经济的指标数值,并且两者都是增长趋势,这说明物流金融的开展促进了区域经济的发展,物流金融的带动作用比较显著。 2000-2014年,物流金融与区域经济的协同程度是不断增加的。2000-2005年两者之间是低协同阶段;2006-2009年两者之间是中协同阶段;2010-2014年是高协同阶段。
对于安徽省来说,2000年到2014年,区域经济发展的综合水平一直大于物流金融业务的综合发展水平,说明吉林省物流金融业务发展比较缓慢,但增长率不断提高,区域经济的发展推动了物流金融业务的发展,物流金融的促进作用在未来几年会展现出来;2008年安徽省的区域经济发展和物流金融业务两者之间的协同发展阶段由低协同阶段发展到了中协同阶段。
3结论和建议
通过以上分析可以发现,安徽省的物流金融与区域经济的协同发展程度比上海市、江苏省和浙江省的协同发展程度低,因此安徽省应该以江苏省或者浙江省为参照,为提高两者之间的协同程度制定相关政策,从而实现安徽省物流金融与区域经济由低协同阶段向中协同阶段发展。
在政策层面,首先应加强政府的推动和支持力度,努力营造区域经济与物流金融相适应的社会、经济、技术环境, 完善区域经济与物流金融协调发展的法律体系,完善物流金融风险防范制度、物流金融的操作指南以及管理办法等制度。
其次,政府要制定相应的人才培养战略,使培养的人才与物流金融和区域经济的发展相适应;鼓励高等学校培养物流金融方面的人才,制定长期的物流金融专业型的人才计划; 最后政府要引导企业以及银行等金融机构建立人才培养基地,从而促进物流金融与区域经济协同发展进程的加速。
结构与方程模型 篇9
关键词：种业,创新环境,协同机制,协同创新,参与度,结构方程模型
我国是农业生产大国和用种大国,种业位于农业产业链的最上游,是促进农业长期稳定发展、确保粮食安全和主要农产品有效供给的基础性产业,是涉及国家安全的战略性产业[1]。现代种业是一条完整的产业链,包括种质创新、品种选育、种子生产、种子加工和种子营销,而种业科技创新贯穿于现代种业的全过程。种子产业链的每个环节需要不断地进行科技创新、技术升级,其滞后或发展将直接影响到我国种业总体竞争力[2]。当前,我国育种资源、人才、技术主要集中在农业企业,农业科研院所和农业高校拥有国内一流的育种技术、人才和丰富的种质资源,种子企业拥有管理、资金和市场资源优势。种子新品种从研发→生产→销售的整个过程是彼此脱节的,而长期计划经济体制下形成的条块分割现象依然存在于这种科研体制之中,这不仅制约了研发成果的合理流动,而且产学研分离又导致研发成果与实际需求脱节,直接影响到科研成果转化效率的提高。为此,《国务院关于加快推进现代农作物种业发展的意见》(国发[2011]8号)和《国务院办公厅关于深化种业体制改革提高创新能力的意见》(国办发[2013]109号),提出坚持产学研相结合,支持和鼓励科研院所和高等院校的种质资源、科研人才等要素向种子企业流动,逐步形成以企业为主体、市场为导向、资本为纽带的利益共享、风险共担的农作物种业科技创新模式。值得深思的是,为什么在种业科企协同创新过程中,农业科研院所和农业高校的优势创新资源和科研成果不能迅速流入种业企业与企业的优势资源有机融合,而种业企业虽有管理、资金和市场优势却不能迅速实现科研、生产与推广营销一体化?为什么在研发新品种、新技术的过程中,科学家和企业家并未交互作用,知识创新和技术创新会出现脱节,种业科企双方仅在各自的领域内自主创新或合作创新,而不是协同创新?制约种业企业协同创新的关键因素是什么?多年来,这一经济现象一直未引起学者们的足够重视,由此引出的关键性问题也一直未得到解答。因此,在我国种子产业转型升级特定背景下,深入探讨影响种业企业协同创新参与程度的关键因素,理清关键要素之间的因果关系和作用机理,对丰富产学研协同创新机理研究和实现种业企业的优势资源向种业企业有效流动具有一定的理论价值和现实意义。研究问题的解决在一定程度上能为促进种业科企协同创新提供决策依据,也能为我国政府进一步深化种业体制改革提供决策参考。
1 理论模型与研究假设
1.1 理论模型构建
1.1.1 协同创新环境与协同创新机制。
科企协同创新是企业、科研院所和高校三个基本主体投入各自的优势资源和能力,在政府、科技中介机构、金融机构等相关主体的协同支持下,共同进行技术开发的协同创新活动[3]。创新环境和创新机制是影响科企协同创新实现的主要因素[4]。科企各方的战略协同和风险共担、利益共享的协同机制,可以使合作各方保持长期、稳定的协作关系[5]。科企协同创新机制在动力方面需要政策、技术、资金支持,协同创新机制内的各个主体在战略协同的引领下,各个成员拥有相同的价值和行为取向[6]。
1.1.2 协同创新环境与创新战略协同。
创新战略是指创新主体为提升自主的创新竞争力对技术创新的发展目标和计划进行全局性的谋划[4]。在国家创新系统中,企业、科研院所和高校既存在着明确的创新职能分工,也存在各自的创新资源缺口[5],其优势资源和能力,只有在政府、中介、金融机构相关主体协同支持下,才能提高战略创新的协同度[7]。战略协同就是要把政府引导、企业需求与科研院所和高校的科研成果有机地整合起来,实现政府、企业、科研院所和高校创新战略的耦合。
1.1.3 协同创新环境与协同创新行为。
科企协同创新是以企业、科研院所和高校为核心,按照一定的机制和规则进行合作,其协同创新行为受到外部政策环境[8,9,10]、科技中介机构和金融保险机构的影响,政府在科企合作中起着直接和间接的作用,间接的作用包括搭建科企合作平台,营造良好的创新环境[11],科技中介机构和金融保险机构服务也起着间接的作用。在不同的合作模式中,政府的介入程度不同,合作各方的合作关联度也有所不同,对科企协同创新会产生不同的影响。风险投资介入科企协同创新不仅能分解合作风险,还能通过风险投资者所提供的专业化增值服务降低风险[12]。
1.1.4 创新战略协同与协同创新行为。
科企的深度合作需要战略协同,它首先包含了产业界和学术界在价值观和文化上的协同[13]。企业、科研院所和高校由于在创新过程中的战略定位,资源和能力上存在着明显差异,形成了不同的组织文化和行为准则[14]。创新系统的匹配度是影响协同创新行为的重要原因,系统内知识、资源、战略的协同度都将影响到企业的协同创新行为[15]。战略协同是科企成功合作的基础,科企协同创新显著不同于企业与企业之间的协同创新,只有找准了“利益—风险”均衡点,建立战略性伙伴关系,才能使产业创新链得以互补、拓展和延伸[13]。
1.1.5 协同创新机制与协同创新行为。
科企协同创新机制主要包括激励机制、利益分配机制、风险分担机制、文化机制和沟通机制。就激励机制而言,激励是科企协同创新的主要动力,政府的支持政策有助于形成良好的外部激励机制、改善合作条件,从而促进科企协同创新的进行[16]。就利益分配机制而言,利益分配机制是目前制约科企协同创新的一个关键性问题,也是影响科学家参与协同创新的主要因素[17]。就风险分担机制而言,创新本身是一项存在风险的活动,任何参与协同创新的主体,既做出了贡献,也承担一定的风险。就文化机制而言,科企合作中存在明显的以自由探索真理为内涵的学术文化和以追逐利润为内涵的商业文化[18],科企协同创新的文化价值差异在于各方文化的协同。就沟通机制而言,有效的沟通可以把隐性知识转化为显性知识,把个人知识整合为组织知识,从而发挥知识的整体效益[19]。
依据上述理论分析,本文基于要素流动视角,借鉴并拓展了Barnes[20]提出的“要素—过程—结果”三阶段分析模型,构建创新环境、协同创新机制与协同创新行为作用机理的结构模型(图1),从种业企业层面提出相应研究假设,然后运用结构方程模型,采用中西部地区8省(市)大中型种业企业的抽样调查数据对研究假设和理论模型进行实证检验,回答本文提出的关键性问题。
1.2 研究假设的提出
依据上述理论模型(图1),结合我国中西部地区大中型种业企业协同创新参与度影响因素的现实考虑,本文提出如下研究假设:
H1:协同创新环境对科企创新战略的协同程度具有正向显著影响;
H2:协同创新环境对科企协同创新机制的构建具有正向显著影响;
H3:协同创新环境对种业企业协同创新参与度具有正向显著影响;
H4:科企创新战略的协同程度对种业企业协同创新参与度具有正向显著影响;
H5:科企协同创新机制对种业企业协同创新参与度具有正向显著影响;
H6:科企创新战略的协同程度对种业企业协同创新参与度具有中介作用;
H7:科企协同创新机制对种业企业协同创新参与度具有中介作用。
2 研究设计
2.1 问卷设计与变量设定
2.1.1 问卷设计。
调查问卷量表设计中所使用的指标均为反应性指标,包括4个潜变量(1个外生潜变量、2个中介变量、1个内生潜变量)和17个观测变量。在量表设计之初,先根据4个潜变量设计了四个分量表,然后根据17个观测变量设计了17个测量题项附属于四个分量表。在问题项的测量上,本文涉及的所有观测变量的测量题项均采用Likert(李克特)5级量表设置,量表数据主要是反映受访者主观判断的离散选择数据,量表中各观测变量的属性和尺度设计分别是1表示“非常不同意”;2表示“不同意”;3表示“不一定”;4表示“同意”;5表示“非常同意”,1~5无大小之分,属于顺序尺度测量,依次表示每一个陈述句所描述的观测变量与实际情况相符的程度。
2.1.2 变量设定与测量。
基于调查问卷量表设定,本文对研究变量进行了进一步的设定与测量,为后续结构方程模型的构建和实证分析提供理论依据。(1)协同创新环境的测量。主要根据Martinez[9]、Thorgren[10]、解学梅[8]等人的理论观点提炼出政策支持、中介服务、金融支持和保险服务四个反应性指标。(2)创新战略协同度的测量。主要参考Geisler[21]、何郁冰[5]、陈劲[15]等人对创新战略的研究成果提炼出种业发展战略协同度、知识创新战略协同度、技术创新战略协同度三个反应性指标。(3)协同创新机制的测量。主要借鉴Lope[22]、Yong[23]、夏红云[6]等人对协同机制的界定,从激励机制、沟通机制、知识产权保护机制、利益分配机制、风险分担机制、资源共享机制和文化机制七个方面来测量。(4)协同创新参与度的测量。主要参考Di Maggio[24]、Hardy[25]、赵文红[26]等人对参与度的界定与测量,在他们研究的基础上提炼出合作模式、合作方式和合作频次三个反应性指标。研究变量的设定与测量见表1。
2.2 数据收集
本文依托2013年国家社会科学基金一般项目“基于商业化视角的农作物种业科企合作的实现机制研究”来选择研究样本,以种业企业作为分析单位,以种业企业的协同创新行为作为研究对象。根据农业部种子管理局和农业部信息中心主办的中国种业信息网公布的种业企业名单进行抽样调查,调查采用了分区域与分类别相结合的分层随机抽样的方法选取样本。首先,把中西部地区8省(市)作为总体区域,按照样本总体的区域分布,从总体中抽出样本企业数目大于5家的地级市;其次,从抽中的每一个地级市中抽出注册资本在3000万以上的种业企业;再次,从抽中的3000万以上的种业企业中,按照地理分布特征,在每个省(市)随机抽出3—5个县(市、区);最后,从抽中的每个县(市、区)随机抽取符合设定条件的2—3个样本企业。研究样本分布范围较广,具有较好的代表性,样本特征的描述性统计见表2。
本文主要选择大中型种业企业作为实证对象进行实地调研,采用实地访谈和问卷调查相结合的方式来获取样本数据,基础数据来源于对中西部地区8省(市)区注册资本在3000万以上的126个种业企业进行的抽样调查,问卷调查的区域包括四川、云南、贵州、重庆、陕西、甘肃、湖南、河南8省(市)。调研时间从2014年9月至2015年7月,历经11个月。调查方法是采用“一对一专访”方式,整个调研共发放问卷526份,实际获得的有效问卷为505份,问卷有效率达到96.01%,数据来源具有较好的代表性和真实性。有效问卷的总量大于200份,符合结构方程模型实证分析的样本数要求。
2.3 信度与效度检验
2.3.1 信度检验。
综合运用SPSS22.0和AMOS17.0统计软件,在对测量模型进行验证性因子分析的基础上,删除研究变量设定与测量表中代码为y5的观测变量,对研究变量进行信度检验。检验结果如表3所示,结果显示:(1)整个问卷的Cronbach'sα=0.828>0.70,说明问卷的整体信度较高;(2)各潜变量的Cronbach'sα系数值均大于或接近0.70,说明潜变量信度较高;(3)各潜变量的组合信度(CR)系数值均大于0.80,表明各潜变量的相应观测变量之间具有较强的相关性和内部结构一致性,各测量模型具有较好的稳定性和可靠性。总体来看,检验结果表明本文设定的测量模型整体信度较高。
2.3.2 效度检验。
采用验证性因子分析法(CFA)对4个潜变量的测量模型进行聚合效度和区别效度检验。验证性因子分析结果如表4和表5所示,检验结果表明:(1)4个测量模型所有观测指标在各自归属潜变量的标准化因子载荷值位于0.514-0.899区间,均大于0.50;(2)各潜变量对应观测变量的所有路径系数的临界比值位于8.513-13.427区间,均大于3.28,且均通过p<0.001显著性水平的统计检验。说明各观测指标均聚合于相应潜变量,各潜变量对其观测指标均具有较好的解释力,表明测量模型具有较好的聚合效度;(3)从表5可以看出,各潜变量平均方差抽取量(AVE)的平方根(表中对角线上的数值)均大于该潜变量与其它潜变量之间的相关系数(表中非对角线上的数值),表示各潜变量之间有较好的区分度,表明测量模型的区别效度较高。
注:***表示通过0.001显著性水平的统计检验。
注:对角线上的数值表示各潜变量平均方差抽取量(AVE)的平方根,非对角线上的数值表示各潜变量间的相关系数。
2.4 结构方程模型设定
结构方程模型一般用线性方程系统表示,包含测量模型和结构模型,测量模型反映观测变量与潜变量之间的关系,各潜变量不可直接测量,可由观测变量定义,需要有从概念性变量转换到操作性变量的设计过程。结构模型发展了路径分析的优势,可以计算潜变量之间的直接效应,推导间接效应和总效应,表达中介作用,从而表示潜变量之间的因果关系。
结构方程实证模型(SEM)一般由3个矩阵方程式组成,数学表达式如下:
式(1)表示外生观测变量的测量模型;式(2)表示内生观测变量的测量模型;式(3)表示内生潜变量之间的结构模型;X和Y分别表示外生观测变量矩阵(q×1)和内生观测变量矩阵(p×1);ξ和η分别表示外生潜变量矩阵(n×1)和内生潜变量矩阵(m×1);∧x表示外生观测变量在外生潜变量上的因子载荷矩阵(q×n);∧y表示内生观测变量在内生潜变量上的因子载荷矩阵(p×m);δ表示外生观测变量的测量误差矩阵(q×1),ε表示内生观测变量的测量误差矩阵(p×1);B表示内生潜变量之间的路径系数矩阵(m×m),Γ表示外生潜变量对相应内生潜变量的路径系数矩阵(m×n);ζ表示内生潜变量的测量误差矩阵(p×1);p是内生观测变量的数目,q是外生观测变量的数目;m是内生潜变量的个数,n是外生潜变量的个数。
基于上述理论模型和研究设计,本文运用A-MOS17.0统计软件,在对测量模型进行验证性因子分析的基础上,删除研究变量设定与测量表中属于协同创新机制潜变量的代码为y5(沟通机制)的观测变量,通过对变量进行信度和效度检验后,建立创新环境、协同创新机制与种业企业协同创新参与度作用机理的结构方程实证模型,以路径图表示,具体如图2所示,共需估计六个基础参数矩阵。
图2中,椭圆表示潜变量,方框表示观测变量,圆表示残差变量;ξ1表示外生潜变量协同创新环境,η1表示中介变量创新战略协同度,η2表示中介变量协同创新机制,η3表示内生潜变量协同创新参与度;x1~x4表示外生潜变量协同创新环境(ξ1)对应的外生观测变量;y1~y3表示中介变量创新战略协同度(η1)对应的内生观测变量,y4~y10表示中介变量协同创新机制(η2)对应的内生观测变量,y11~y13表示内生潜变量协同创新参与度(η3)对应的内生观测变量;λ1~λ4表示外生潜变量ξ1指向对应外生观测变量x1~x4的路径系数,ω1~ω13表示各内生潜变量指向对应内生观测变量的路径系数;γ11、γ21、γ31、β31、β32表示各潜变量之间相互作用的路径系数;δ1~δ4表示外生观测变量的测量误差,ε1~ε13表示内生观测变量的测量误差,ζ1~ζ3表示内生潜变量的测量误差,e1~e16表示各观测变量的残差;设定每一测量误差的回归系数值均为1。
3 实证分析
3.1 模型估计
依据设定的结构方程实证模型,运用A-MOS17.0统计软件,采用最大似然估计法(Maximum Likelihood Estimation)对上述实证模型设定的6个方面的基础参数进行估计,得到结构方程初始模型(M1),初始模型路径及参数估计结果如图3所示。
3.2 模型评价与假设检验
3.2.1 模型评价与修正。
模型的修正与确定包括两个阶段:(1)按照模型简约的原则,对通过参数合理性检验和模型整体适配度检验的初始模型进行模型简约方向的修正。(2)按照修正指数MI的提示对M1进行扩展方向的修正,通过增加模型的路径关系以减少卡方值来提高模型的整体拟合程度。模型修正前后的拟合参数比较如表6所示,从表6可以看出,各项拟合指数检验指标均达到评价标准的良好或理想水平,表明修正模型通过了模型整体适配度检验,修正后的模型与样本观测数据的整体拟合程度较理想。因此,修正后的模型可以作为本文求证的最终模型(图4),最终模型参数的显著性检验结果见表7。
注:***、**、*分别表示通过0.001、0.01、0.05显著性水平的统计检验。
从图4和表7可以看出,所有参数的估计值均合理,测量模型各路径系数的标准化因子载荷值均大于或接近0.50,C.R.值均大于1.96(临界值),各参数的标准差均大于零,p值均小于0.05,各参数均通过0.05显著性水平的统计检验,各路径关系较显著,表明最终模型通过了参数显著性检验。
3.2.2 假设检验。
总体来看,最终模型通过了参数合理性检验、整体适配度检验和参数显著性检验,既具有良好的整体适配度或拟合优度,又具有较好的模型解释力,表明最终模型能较好地拟合样本观测数据,能充分反映出调查数据中所包含的大部分信息,实现了理论模型与样本观测数据的较优拟合。研究假设检验结果见表8。
注:***表示研究假设通过0.001显著性水平的统计检验。
3.3 实证结果与分析
实证分析结果如图4和表7所示,从图4和表7可以看出:(1)ξ1→η1影响的路径系数为0.596,C.R.=7.836>3.28,ξ1→η2影响的路径系数为0.697,C.R.=8.836>3.28,说明这两条路径均通过p<0.001显著性水平的统计检验,且方向为正,表明创新环境对科企创新战略协同度和协同创新机制的影响较显著,H1和H2得到验证;(2)ξ1→η3影响的路径系数为-0.122,C.R.的绝对值为1.157<1.96(临界值),说明这条路径未通过p<0.05显著性水平的统计检验,且方向为负,表明创新环境对种业企业协同创新参与度的影响不显著,H3不成立;(3)η1→η3影响的路径系数为0.315,C.R.=4.500>3.28,η2→η3影响的路径系数为0.274,C.R.=4.247>3.28,说明这两条路径均通过p<0.001显著性水平的统计检验,且方向为正,表明创新战略协同度和协同创新机制对种业企业协同创新参与度的直接影响较显著,H4和H5得到验证;(4)ξ1→η1→η3影响的中介效应为0.596×0.315=0.188,C.R.值分别为7.836和4.500,均大于3.28,说明ξ1通过η1间接影响η3,表明创新战略协同度对种业企业协同创新参与度具有中介作用,H6得到验证;(5)ξ1→η2→η3影响的中介效应为0.697×0.274=0.191,C.R.值分别为8.836和4.247,均大于3.28,说明ξ1通过η2间接影响η3,表明协同创新机制对种业企业协同创新参与度具有中介作用,H7得到验证。
4 结论与政策启示
4.1 主要结论
研究结果表明:(1)创新环境对种业企业协同创新参与度的直接影响不显著,但间接影响较显著;(2)创新环境可以通过协同创新机制与创新战略协同度两条路径间接影响种业企业协同创新参与度;(3)创新环境对科企创新战略协同度和协同创新机制具有直接影响效应;(4)创新战略协同度和协同创新机制对种业企业协同创新参与度具有直接影响效应和中介作用。
本文基于要素流动视角,构建了“要素—过程—行为”分析框架,验证了创新环境对我国种业科企协同创新的间接影响效应。实证结果发现:创新环境并不能直接对种业企业协同创新参与度产生显著影响,但可以作为种业科企协同创新的催化剂,推动科企实现协同创新,而科企创新战略协同度和协同创新机制被调查数据证明对创新环境的推动力起到了中介桥梁作用,是影响种业企业协同创新参与度的直接原因。研究还发现更深层次的传导机理:(1)保险服务对科企双方激励机制影响较显著;(2)资源共享机制对科企双方合作方式的选择影响较显著;(3)技术创新战略协同度对科企双方合作模式的选择影响较显著。
4.2 政策启示
双语教学影响因素结构方程模型研究 篇10
2001年国家教育部把双语教学作为普通高校本科教学工作水平评估的一项指标,双语教学越来越受到国内各高校的重视,也成了教学研究的一个热点问题。很多学者也对相关问题进行了一些研究,但是应用定性和定量结合的方法,对双语教学影响因素进行系统分析的研究成果还十分罕见。本文通过问卷调查,采用结构方程对双语教学效果的影响因素进行了系统研究。
1 研究变量
通过查阅国内外的相关文献和对双语教学教师及相关研究专家的访谈,初步确定影响双语教学效果的因素主要包括教学过程(JXGC)、教师素质(JSSZ)、学生素质(XSSZ)、学生积极性(XXJJ)等四个潜在变量。教学过程通过教学方法灵活性(A07)、教材选择适宜性(A08)、教学中中英文比例(A09)、教学氛围活跃性(A10)、师生互动性(A11)等几个变量进行测量;教师素质通过教师专业素质(A01)、教师英文素质(A02)和教师综合能力(A03)等三个变量进行测量;学生素质通过学生专业素质(A04)、学生英文基础(A05)和学生综合能力(A06)等三个变量进行测量;学生积极性通过主动课前预习(A12)、主动课后复习(A13)和学习兴趣(A14)三个因素进行测量。对于双语教学效果的衡量,借用国内外相关文献的研究成果,主要从专业效果(A15)、语言效果(A16)和能力效果(A17)三个方面进行测量。应用以上因素的相关变量,结合被调查对象姓名、年级、专业等基本情况的几个问题,笔者设计了《双语教学影响因素调查问卷》,问卷度量采用10点李克特量表。
应用调查问卷对116名接受双语教学的学生进行初步测试,测试数据的信度检验结果如表一所示。检验结果显示,问卷各因素的克隆巴赫系数(Cronbach'sα)大部分在0.8以上。根据Cuieford(1965)的观点,克隆巴赫系数大于0.7者为高信度。因此,测量量表具有良好的信度。由于量表是在参照国内外相关研究成果的基础上结合专家访谈设计的,各方面的各个问题具有一定的代表性,量表总体的内容效度较高。通过对全部测量问题进行主成分分析,结果显示各个问题的因子载荷均在0.5以上,测量量表具有较好的结构效度。
2 研究假设与模型构建
2.1 研究假设
对于双语教学效果的影响因素,有不少学者采用定性方法对这一问题进行了大量的研究,并对后续的研究提供了值得借鉴的思路。何阅雄认为,教师是双语教学的直接实施者,是开展双语教学和保证双语教学质量的先决条件,教师的英语综合应用能力和专业基础严重影响双语教学质量[1]。何长虹认为,在双语教学过程中,教师要赋予教学积极的情感特征,让每一个细小动作和微妙暗示都能起到调控学生情趣变化的作用,实现师生心灵与情感的沟通[2]。张敏瑞认为,双语教学是一个需要教师、学生和教学内容三者相互配合的复杂过程[3]。余青明、金维芬认为,双语教学是双向的,学生自身运用外语的水平是影响双语教学效果的关键[4]。
根据上述理论研究成果,结合自己的推理,笔者提出以下五个假设:
H1:教师素质对学生双语课程学习积极性具有直接的积极影响;H2:教师素质对双语教学过程各个环节具有直接的积极影响;H3:教学过程各个环节对学生的积极性具有直接的积极影响;H4:学生的素质对学生双语学习积极性具有直接的积极影响;H5:学生的学习积极性是直接影响双语教学效果的重要因素。
2.2 模型构建
根据以上理论与假设,构建以下概念模型:
3 模型检验与分析
3.1 样本描述
正式研究中,共发放问卷583份,收回问卷487份。经仔细检查,其中有86份数据不全或数据明显有错误,最后留下有效问卷401份,有效回收率为68.78%。样本基本情况如表二所示。从表中数据可以看出,样本和我国学生结构状况基本相符,具有较好的代表性。
3.2 模型检验
运行AMOS7.0,使用样本数据对模型进行整体拟合优度分析,得到结构方程全模型及路径系数如图二所示。
模型检验结果显示,x2/df=2.920<2,RM-SEA=0.072<0.08,其他拟合指标均在0.9以上(见表三)。由表三可知,模型拟合度较好。
从结构模型的路径分析结果可以看出,五条路径系数在0.001显著水平下均显著异于0,所以,假设H1、H2、H3、H4、H5均得到支持(见表四)。
4 结果分析及管理建议
4.1 结果分析
由表四β1=0.33,β3=0.64,可以看出教师素质对学生双语教学课程学习积极性的直接影响小于教学过程对学生双语课程学习积极性的影响(β1<β3)。学生认为,对双语教师素质的影响首先是教师的专业素质,其次是教师的英语素质,最后是教师的其他综合能力。
由β3=0.64,β5=0.73,可知β3×β5=0.4672,可以看出教学过程通过直接影响学生双语课程学习的积极性,对教学效果具有显著的间接影响;学生双语课程学习的积极性对双语教学效果具有显著影响。
由β1=0.33,β2=0.84,β3=0.64,可以看出教师素质对学生双语课程学习的积极性既有直接的影响,又有间接的影响;教师素质对教学过程具有十分显著的直接影响。但是由于β1=0.33<β2×β3=0.5376,所以,教师素质对学生双语课程学习积极性的间接影响大于直接影响。
由β4=0.09,可以看出学生素质对学生双语课程学习的积极性具有直接影响,但从系数较小可以看出,其影响程度不是很大。学生素质对双语教学效果有间接影响,同样其影响程度也不高(0.09×0.73=0.0657),这与传统的认为双语教学要求学生具有较好的专业和外语基础的观点不一样。实际上双语教学使用的原版教材一般词汇和语法均比较简单,专业知识一般也比较通俗易懂,所以学生的基础对其双语课程学习的积极性和效果影响均不是十分明显。并且随着人们对外语重视程度的提高,我国中学和公共外语教学水平也不断提高,加上国际互联网络的普及,很多学生都具有较好的英语听、说、读、写能力。这已经不是影响学生双语课程学习积极性和效果的明显因素。传统观点可能只是一种主观的臆测,也可能是随着时代的发展而发生了变化。
4.2 管理建议
研究结果表明,学生的专业性基础、外语基础和其他综合能力,是学生参与双语课程学习之前已经具有的客观条件,其对学生双语课程学习积极性及效果具有一定程度的影响,但是影响程度并不是很高。而教师素质直接影响学生双语课程学习的积极性,并通过教学过程间接影响学生双语课程学习的积极性,最后,两方面都通过间接作用对双语教学效果产生较为明显的影响。因此,为了进一步提高我国高校双语教学的质量,我们必须十分注意以下几个方面的问题。
4.2.1 加强双语教学师资队伍的建设
在双语教学师资队伍的引进与培养上,除了考核应聘者的外语能力外,同时,更要强调其专业背景和综合能力。双语教学的目的也绝不仅仅是外语水平的提高,借助外语接受和理解专业知识才是双语教学的核心目标。目前很多学校对双语教学的目标把握不准,对双语教学教师的要求定位不清,把很多外语老师直接引进来,作为专业课双语教学的教师。实际上,这严重影响了双语教学的效果,也偏离了双语教学的目标。
4.2.2 加强双语教学过程的管理工作
虽然很多高校已经开展双语教学,但对于双语教学的评估、考核及管理过程比较薄弱。对教学方法、教材选择及教学过程中使用中外文的比例等相关问题应对方法还没有形成比较有效的理论。其实,教学方法是多种多样的,没有统一的模式,也不可能强求一致,关键是要突破传统模式,从以教师为主的灌输型教学模式向以学生为主的师生互动型教学模式转变;教师在课堂教学中使用中文和英文的比例,应由任课教师根据每届学生的专业和英语水平来自行决定,学校管理部门不要作太过于硬性的规定。教材是教学工作的依据,能否选择一本合适的教材进行教学是决定双语教学成败与否的关键。一本合适的教材应具有篇幅大小适当、内容难易适中、语言流畅易读、知识简明清晰的特点。学校相关部门应专门制定针对双语教学的评估指标体系,同时规范双语教材的选择。
4.2.3 注意双语教学对象与课程的选择
由于双语教学需要使用第二语言对专业课程进行课堂教学,其对外语和专业基础的要求相对于非双语课程更高。因此,双语教学的对象最好是有一定基础的大学二年级以后的学生。经历了中学时期和大学两年的公共外语和专业基础课程的学习,他们多数具备了较好的专业基础和外语听说读写能力,同时在学习方法和能力上也有了一定程度的提高。这些都是提高学生双语课程学习的积极性和教学效果的有利条件。
参考文献
[1]何阅雄.对普通高校提高双语教学质量的思考[J].教育探索,2007(,05):47-48.
[2]任长虹.高等学校实施双语教学的现状分析与对策[J].辽宁商务职业学院学报,2002(,04):17-18.
[3]张敏瑞.高校双语教学的教材建设和使用[J].北京大学学报,2007(,05):273.
