5.3 效度检验。
效度反映问卷的有效性及准确性，探索性因子分析对变量对应的测量题项提取因子，采用主成分分析法求解初始公因子，萃取出初始特征值大于 1 的公因子，探索出量表的最佳因素构面，进行因子分析的前提是首先通过 KMO 和巴特利特球形检验分析数据是否适合做因子分析，一般认为 KMO 的值越接近 1,因子分析效果越好，数据越适合做因子分析，当 KMO 大于 0.9 时，表示非常适合进行因子分析；KMO 值介于 0.8 与 0.9 之间时，表明很适合进行因子分析，KMO 值介于 0.7与 0.8 之间时，表明适合进行因子分析；KMO 值小于 0.5 时，表明不适合做因子分析（马国庆，2002）；巴特利特球形检验零假设相关系数矩阵为单位矩阵，可以用常规的假设检验判断相关系数矩阵是否显著异于零，考虑巴特利特球形检验的相伴概率小于显著性水平，表明数据适合做因子分析，一般 KMO 值大于 0.7,且巴特利特球形检验相伴概率的值小于显著性水平时，表明数据检验结果显著，可以对数据进行因子分析。本研究中测量题目为 37 个，样本数据为 779 份，符合因子分析对样本量的 5 倍以上的要求，进行探索性因子分析前先通过 KMO 值及巴特利特球形检验判断测量题项是否适合进行因子分析，利用初始特征值大于 1结合最大方差法提取公因子，同时剔除因子载荷小于 0.5 的相关题项。
5.3.1 创业素质的因子分析。
进行因子分析之前，首先对创业素质相关题项进行 KMO 检测及巴特利特球形检验，结果如下表所示，创业素质整体的 KMO 值为 0.925,大于 0.7,且巴特利特球形检验的相伴概率为 0.000 小于显著性水平（0.01），表明变量之间存在显著的相关性，适合进行因子分析。
KMO 及巴特利特球形检验结果表明适合进行因子分析，采用初始特征值大于1,结合最大方差法进行旋转，对创业素质的探索性因子分析结果如表 5.9 所示：
对 29 个测量题项共提取出 5 个公因子，共解释方差达到 59.919%,其中第一个因子解释 14.298%,第二个因子解释 13.502%,第三个因子解释 12.495%,第四个因子解释 12.402%,第五个因子解释 7.222%.
从创业素质旋转成份矩阵表中，我们可以看到创业素质测量题项的相应的因子载荷，当因子的载荷值小于 0.3 时，表明因子对变量变异的解释程度不足 10%（张文彤，2002）。本文的研究将采用 0.5 作为衡量变量的解释程度是否符合标准的临界值，对于测量题项因子载荷值小于 0.5,或者出现两个以上大于 0.5 的因子进行剔除，从表中结果可以看出创业素质题项的因子载荷值均在 0.5 以上，且没有出现两个以上载荷值大于 0.5 的测量题项，因此，创业素质测量题项均保留。
创业素质的探索性因子分析结果表明：利用初始特征值大于 1,且因子载荷值大于 0.5 对创业素质提取五个公因子，认为创业素质包括创业意识、创业品质、创业知识、创业能力及创业态度五个方面，与假设相一致。
5.3.2 创业意愿的因子分析首先对创业意愿的 5 个测量题项进行 KMO 检测及巴特利特球形检验，结果如表 5.11 所示：其中 KMO 值为 0.851,大于 0.7,巴特利特球形检验的相伴概率为0.000 小于显著性水平，说明创业意愿变量之间存在显著的相关性，适合进行因子分析。
KMO 检测及巴特利特球形检验结果表明创业意愿适合进行因子分析，采用初始特征值大于 1,及最大方差法进行旋转对创业意愿提取公因子，从解释的总方差表中可以看出，创业意愿被提取一个公因子，初始特征值为 3.379,解释的总方差为 67.581%.
创业意愿变量利用初始特征值大于 1 提取一个公因子，由于只提取出一个公因子，无法进行旋转，从成份矩阵表中看出因子载荷值均在0.5 以上，且没有出现两个以上载荷值大于 0.5 的测量题项，因此，创业意愿测量题项均保留。
5.3.3 创业氛围的因子分析。
首先对创业氛围的 3 个测量题项进行 KMO 检测及巴特利特球形检验，结果如表 5.14 所示：其中 KMO 值为 0.712,大于 0.7,巴特利特球形检验的相伴概率为0.000 小于显著性水平，说明创业意愿变量之间存在显著的相关性。
从表 5.15 中可以看出创业氛围被提取一个公因子，初始特征值为 2.160,解释的总方差为 72.002%.
由于创业氛围只提取一个公因子，无法对其进行旋转，创业氛围的成份矩阵如表 5.16 所示，其中各观测指标的因子载荷值均大于 0.5,符合实证分析的要求。
5.4 平均数差异检验。
对于个体背景量表中性别、年龄、学历、专业及户口属地变量，采用平均数差异检验的方法对其进行分析，平均数差异检验用以检验样本平均数差异是否具有统计意义，研究个体背景变量不同时对创业意愿是否有显著差异，本研究中平均数差异检验采用独立样本 t 检验和方差分析两种方法探讨性别、年龄、学历、专业及户口属地不同时对创业意愿是否有显著性差异。独立样本 t 检验适用于两组样本的平均数差异检验，独立样本 t 检验采用 F 统计量及 sig.对方差齐性进行检验，采用 t 统计量及 sig.值对样本均值进行检验，方差齐性检验的 sig.值大于 0.05,表明方差齐性，对样本均值的检验我们关注假设方差相等栏中的 t值及 sig.值，相反，应关注假设方差不相等栏中 t 值及 sig.值；均值检验中的sig.值小于 0.05,表明该变量对相应的观测变量有显著差异，均值检验中 sig.
值大于 0.05,表明该变量对相应的观测变量无显著差异；单因素方差分析适用于三组以上样本的平均数差异检验，本文单因素方差分析用来研究个体背景变量的不同水平是否给创业意愿造成了显著差异和变动，采用的统计推断方法是计算F 统计量，进行 F 检验，零假设：个体背景变量不同水平下观测变量各总体均值无显著差异，根据方差分析表中 F 统计量及相应的显著性进行分析，显著性大于0.05,表明该变量对相应的观测变量无显著性差异；显著性小于 0.05,表明该变量对相应的观测变量有显著差异，进而根据多重比较表中显著性分析不同组别样本之间的显著性差异，最后根据描述性统计表中样本均值进行分析。
（1）性别对创业意愿的独立样本检验结果如表 5.17 所示：从表中结果可以看出性别对创业意愿的显著性为 0.000 小于 0.05,表明个体不同性别对于创业意愿均有显著性差异。
为了进一步探讨性别对创业意愿的显著性差异，进行描述性统计分析，结果如表 5.18 所示，男性的创业意愿显著高于女性创业意愿。
（2）年龄有三组样本，因此年龄对创业意愿的平均数差异检验采用单因素方差分析方法，单因素方差分析结果如表 5.19 所示：根据 F 统计量及相应的显著性水平可以看出，年龄对创业意愿的显著性水平为 0.007 小于 0.05,表明年龄不同水平对创业意愿均有显著性差异。
结合多重比较表 5.20 和描述性统计表 5.21 可以看出，第 1 组和第 2 组年龄之间创业意愿有显著差异，与第 3 组均无显著性差异，且第 2 组创业意愿显著高于第 1 组创业意愿。
（3）不同学历对创业意愿的独立样本 t 检验结果如表 5.22 所示：从表中可以看出学历对创业意愿的均值检验显著性为 0.329 大于 0.05,表明学历对创业意愿无显著差异。
（4）专业有 3 组样本，因此采用单因素方差分析进行平均数差异检验，结果如表 5.23 所示：专业对创业意愿的显著性 0.324 大于 0.05,表明不同专业对创业意愿无显著性差异。
（5）户口属地有两组样本，采用独立样本 t 检验对平均数差异进行分析，结果如表 5.24 所示：从表中结果看出户口属地对创业意愿的显著性为 0.120 大于0.05,表明户口属地对创业意愿无显著性差异。
5.5 相关分析。
相关分析是研究变量之间不确定性关系的一种统计方法，可说明变量之间的关联程度（马国庆，2003），相关系数的取值介于-1 和 1 之间，绝对值接近 1说明变量之间的相关程度越高，相关分析主要用以确定两类变量在发展变化的方向和强弱上是否存在关系，而不能确定变量间的因果关系。连续变量之间的相关性常用 Pearson 简单相关系数来测定。
从表 5.25 结果可以看出：创业意识与创业品质、创业知识、创业能力、创业态度、创业意愿、创业氛围在 0.01 的显著性水平上有正相关关系；创业品质与创业知识、创业能力、创业态度、创业意愿、创业氛围在 0.01 的显著性水平上有正相关关系；创业知识与创业能力、创业意愿、创业氛围在 0.01 的显著性水平上有正相关关系；创业能力对创业态度、创业意愿、创业氛围在 0.01 的显著性水平上有正相关关系，创业态度与创业意愿、创业氛围在 0.01 的显著性水平上有正相关关系，创业意愿与创业氛围在 0.01 的显著性水平上有正相关关系。
