Факторы формирования предпринимательской активности студентов

В целях оценки качества модели измерения проводился подтверждающий факторный анализ. Для оценки валидности «схождения» было использовано два базовых теста [Hair et al., 2010]. Во-первых, для всех латентных переменных было подтверждено, что все факторные нагрузки значимы на уровне 0,05. Во-вторых, все значения показателей композитной надежности, а также значения коэффициента альфа Кронбаха оказались выше уровня 0,7. Указанные обстоятельства свидетельствуют о достаточной валидности «схождения» полученных оценок рассматриваемых теоретических конструктов.

Проверка на дискриминантную валидность осуществлялась при помощи трех базовых тестов. В первую очередь были проанализированы оценки коэффициентов корреляции между всеми рассматриваемыми конструктами (табл. 1.6). Достаточный уровень дискриминантной валидности достигается в том случае, если все оценки коэффициентов корреляции значимо отличаются от 1 [Bagozzi, Yi, 1988]. Анализ оценок коэффициентов корреляции с применением статистического бутстрэпа с генерацией 1 тыс. выборок подтвердил выполнение этого условия.

Согласно второму критерию, дискриминантная валидность достигается, если квадратный корень показателя средней объясненной дисперсии для латентных переменных превышает оценку коэффициента корреляции между ними [Fornell, Larcker, 1981]. Данный критерий был выдержан для всех пар латентных переменных, использованных в модели. Помимо этого, был проведен тест с использованием критерия хи-квадрат: осуществлялось сравнение двух моделей измерения, в одной из которых корреляция между двумя составными конструктами не фиксировалась, а в другой – приравнивалась единице. Результаты оценки показали, что все пары конструктов имели статистически значимые различия на уровне р < 0,001. Принимая во внимание полученные результаты, можно сделать вывод о наличии достаточной дискриминантной валидности.

Поскольку переменные модели измерялись с помощью субъективных оценок, существует потенциальная угроза возникновения общей ошибки смещения [Podsakoff, MacKenzie, Podsakoff, 2012]. Для исключения данной проблемы был проведен тест Хармана: анализ главных компонент выявил восемь факторов с собственными числами больше единицы [Harman, 1967]. Помимо этого, в рамках подтверждающего факторного анализа было выявлено, что соотнесение всех индикаторов с единым конструктом приводит к существенному снижению в качестве подгонки модели по сравнению с ситуацией, в которой индикаторы сопоставлены с соответствующими им теоретическими конструктами. Итак, что возникновение общей ошибки смещения в данном исследовании крайне маловероятно.

Результаты анализа данных

Тестирование гипотез исследования проводилось при помощи оценки иерархической регрессии методом наименьших квадратов. Для исключения проблемы гетероскедастичности, вызванной асимметричностью распределения зависимой переменной, а также автокорреляции ошибок, при оценке модели использовались робастные стандартные ошибки с кластеризацией по университетам. Такой подход широко используется в исследованиях, применяющих методы эконометрического моделирования [Cameron, Miller, 2015], в случаях, когда идиосинкразические характеристики каждого отдельно взятого кластера (университета) могут свести на нет предположение о независимости отобранных наблюдений, что может способствовать возникновению ошибки первого рода.

Показатели VIF (Variance inflation factor) приняли допустимые значения для регрессионной модели, оценивающей основные эффекты (средний VIF = 1,35; максимальный VIF = 2,

04). Такой результат позволяет вести речь об отсутствии мультиколлинеарности в модели.

Результаты тестирования гипотез представлены в табл. 1.7.

Таблица 1.7

Результаты тестирования гипотез

Примечания: N = 70 164. Количество университетов: 700;

***р < 0,001; **р < 0,01, *р < 0,05, †p < 0,1; в моделях 2 и 3 переменные «возраст», «университетская предпринимательская среда» и «избегание неопределенности» центрированы.

Проверка проводилась в три этапа:

1) оценка эффектов контрольных переменных (модель 1);

2) оценка основных эффектов (модель 2);

3) оценка модерирующих эффектов (модель 3).

Гипотеза 1, постулирующая положительную связь между предпринимательскими намерениями и масштабами действий по созданию бизнеса, нашла свое подтверждение в рамках модели 2 (b = 0,014, р < 0,001). Результаты тестирования показали, что увеличение показателя предпринимательских намерений на 1 SD (стандартное отклонение) приведет к росту индекса масштабов деятельности по созданию бизнеса на 0,271 SD. Указанные результаты подтверждают одно из основных положений теории запланированного поведения относительно важности намерений в процессе реализации задуманных действий.