Статья: Факторная модель и типология инновационного поведения молодых предпринимателей

Факторная модель и типология инновационного поведения молодых предпринимателей

Трушевская

доцент кафедры управления и интегрированных маркетинговых коммуникаций

Санкт-Петербургского университета Государственной противопожарной службы

В статье представлена операционализация понятия «инновационное поведение молодых предпринимателей», рассмотрены методы факторного анализа, которые позволяют строить факторные модели и изучать на основе типологии и типологического анализа социальные типы предпринимателей. Инновационное поведение моделировалось при помощи метода эксперимента, который позволил погрузить респондентов непосредственно в процесс деятельности и зафиксировать ее результативность, сведя независимые мешающие переменные к постоянным. Авторы, рассматривая инновационную направленность поведения предпринимателя, в качестве необходимого фактора достижения профессионализма, подтверждают в статье гипотезу существования социальных типов инновационного поведения молодых предпринимателей, где доминирующими факторами выступают личностная и социальная инновационная направленность

Ключевые слова: инновационное поведение, инновационная направленность, типология инновационного поведения, предпринимательство

инновационный поведение предприниматель личностный

Построение современной инновационной экономики невозможно без изучения основ инновационной деятельности и формирования инновационного поведения одной из важных социальных групп, участвующих в ее становлении и развитии -- молодых предпринимателей. Только установив механизмы инновационной деятельности личности, можно совершить осознанный и контролируемый переход к экономике инноваций. Готовность к инновационной деятельности можно трактовать как образование зрелой личности. При этом в структуре личности знания и умения составляют самостоятельную подструктуру, отношения определяются содержанием социального уровня направленности личности.

Сформированная в условиях современности, инновационная личность способствует рождению самоподдерживаемых изменений, которые постоянно революционизируют жизнь -- ее стандарты, ценности и т.д. Показателями инновационной направленности являются чувство нового, стремление к творчеству, осознание значимости инновационных процессов, избирательное оценивание инновационных альтернатив, предрасположенность к инновационному поведению, отношение к инновации.

Под инновационным поведением молодых предпринимателей следует понимать особый вид (тип) поведения, предусматривающий способность предвидеть будущие изменения условий окружающей среды и способность подготовиться к ним таким образом, чтобы использовать в свою пользу [1]. Основными характеристиками инновационного поведения являются: целенаправленность; ориентированность на преодоление возникающих препятствий, а не на переживания по их поводу; гибкость, подразумевающая адекватную реакцию на быстро меняющуюся обстановку; сочетание спонтанности с возможностью произвольной регуляции; настойчивость, но не переходящая в агрессивность [2].

Инновационное поведение личности связано с внедрением нестандартных решений, изменяющих в той или иной степени систему социальных отношений на различных уровнях организации, характеризуется качеством, масштабом и глубиной изменений, которые затрагивают сложившуюся систему интересов, и поведенческих стереотипов.

Потребность изучения принципов и механизмов формирования инновационной деятельности молодых предпринимателей определило необходимость изучения социальных типов инновационного поведения молодых предпринимателей.

В процессе исследования авторами была разработана операционализация понятия «инновационное поведение молодых предпринимателей», которая представлена на рис. 1.

Рис. 1. Операционализация понятия «инновационное поведение молодых предпринимателей»

В исследовании приняли участие 56 молодых предпринимателей в возрасте от 19 до 35 лет (средний возраст составил 28 лет), среди которых 73% мужчин и 27% женщин. Срок деятельности предприятий молодых предпринимателей составляет в среднем 5 лет (от 1 до 15 лет), на которых занято в среднем 10 человек (от 1 до 100 человек), среднемесячный доход предприятия молодых предпринимателей составляет в среднем 647 тыс. рублей (от 40 тыс. руб. до 3 млн руб.). Личный среднемесячный доход молодых предпринимателей составляет в среднем 95,5 тыс. рублей (от 20 тыс. руб. до 300 тыс. руб.).

На вопрос о понимании «инновационного поведения» молодыми предпринимателями были даны следующие ответы: нестандартное мышление (26,8%), новообразование (8,9%), развитие новых навыков (8,9%), способность к прогнозированию, инновациям (5,4%), стремление к профессиональному самообучению и саморазвитию (5,4%), инициативный тип поведения (5,4%) и другие.

Анализ ответов на вопрос «Как Вы оцениваете свой опыт инновационной деятельности?» показал, что 36,96% респондентов оценивают свой опыт инновационной деятельности как успешный, 30,43% -- оценивают как вполне успешный, 28,26% -- как нейтральный и 4,35% -- как не успешный.

Для обработки и анализа данных нами использована программа IBM SPSS Statistics (SPSS -- StatisticalPackagefortheSocialSciences) «статистический пакет для социальных наук», которая позволяет быстро и легко извлекать новую ценную информацию из данных, решать широкий спектр исследовательских и бизнес-задач.

В ходе проводимого исследования сформулирована следующая гипотеза: существуют социальные типы молодых предпринимателей в соответствии с типологией инновационного поведения, в которой доминирующими факторами являются личностная и социальная инновационная направленность.

Для проверки данной гипотезы нами проведен факторный анализ, который используется при изучении корреляции большого числа взаимосвязанных количественных переменных, группируя переменные в небольшое число факторов. Данный статистический метод позволяет дать как содержательную интерпретацию каждому фактору, основываясь на смысле переменных, так и выразить большое число переменных посредством нескольких факторов. Анализ главных компонент рекомендуется выполнять в том случае, когда основной задачей исследователя является определение минимального числа факторов, которые вносят максимальный вклад в дисперсию данных, чтобы в последующем использовать их в многомерном анализе. Эти факторы называют главными компонентами.

Для нашего исследования вполне логично предположить, что некоторые переменные будут коррелировать между собой, так как они измеряют одну характеристику респондента -- его инновационную направленность, хотя и по-разному. Если переменных в исследовании слишком много (x1, x2, ..., xp), а некоторые из них взаимосвязаны, то целесообразно уменьшить сложность данных, сократив количество переменных. Для этого используем метод главных компонент, который создает несколько новых переменных y1, y2, ..., yp, каждая из которых является линейной комбинацией первоначальных переменных x1, x2, ..., xp. Переменные y1, y2, ..., yp называются главными компонентами или факторами.

Спецификой данного метода является, то, что, во-первых, в ходе вычислительных процедур одновременно получают все главные компоненты и их число первоначально равно числу исходных переменных (в нашем случае 21 переменная), а, во-вторых, постулируется возможность полного разложения дисперсии всех исходных переменных, т.е. ее полное объяснение через латентные факторы (обобщенные признаки).

Таким образом, фактор -- это искусственный статистический показатель, возникающий в результате специальных преобразований корреляционной матрицы. Процедура извлечения факторов называется факторизацией матрицы. В результате факторизации из корреляционной матрицы может быть извлечено разное количество факторов вплоть до числа, равного количеству исходных переменных. Однако факторы, определяемые в результате факторизации, как правило, не равноценны по своему значению.

Коэффициенты aij, определяющие новую переменную, выбираются таким образом, чтобы новые переменные (главные компоненты, факторы) описывали максимальное количество вариативности данных и не коррелировали между собой.

В предложенной респондентам анкете содержались вопросы, связанные с личностными качествами молодых предпринимателей. Респондентам предлагалось оценить, насколько они обладают данными качествами по 5-балльной шкале от 1 до 5:

1 -- не обладаете,

2 -- почти не обладаете,

3 -- и да, и нет,

4 -- обладаете, но не в полной мере,

5 -- обладаете в полной мере.

Далее в таблицах 1-2 представлены результаты выполнения факторного анализа.

Как видно из таблицы 1, максимальные значения имеют два собственных фактора. Следовательно, для дальнейшего анализа было отобрано только два фактора нашей модели. Первый фактор объясняет 24,536% суммарной дисперсии и второй фактор 23,615%. Из таблицы 1 видно, что качество построенной факторной модели, состоящей из 2 факторов, сохраняет 48,151% исходной информации (см. последний столбец). Как отмечалось ранее, при группировке исходного массива переменных потеря информации неизбежна. Однако, принимая во внимание, что в ходе факторного анализа число переменных сократится в 10 раз (с 21 до 2), этот показатель можно считать приемлемым для построения факторной модели.

Таблица 1

Определение числа компонентов факторной модели (метод выделения: анализ главных компонент)

Тест Кайзера-Мейера-Олкина (КМО) позволяет оценивать, насколько полно построенная факторная модель описывает структуру ответов респондентов на вопросы анкеты, представляющие исследуемые переменные. Для расчёта критерия используется следующая формула:

 (1)

где rij -- коэффициент корреляции Пирсона между переменными i и j,

pij -- частный коэффициент корреляции между переменными i и j.

Результаты теста КМО варьируются в интервале от 0 (факторная модель абсолютно неприменима) до 1 (факторная модель идеально описывает структуру данных).

Результаты факторного анализа могут считаться действительными, если значение теста КМО более 0,5. В нашем случае значение теста КМО равно 0,633, что свидетельствует о приемлемости построенной факторной модели.

Критерий сферичности Бартлетта позволяет проверять равенство дисперсий нескольких (двух и более) выборок. Так, у нас имеется k выборок xn11, ... , xnkk объемом ni (i = 1, ..., k) каждая. Дисперсии выборок и выборочные оценки дисперсий обозначим через д2i и s2i соответственно. Критерий Бартлетта проверяет гипотезу H0 о том, что дисперсии всех k выборок одинаковы H0: д21 = д22 = ... = д2k. Альтернативная гипотеза H1 существует, по крайней мере, две выборки i и j (i ? j) с несовпадающими дисперсиями H1: д2i = д2j для некоторых i ? j.

Статистика критерия Бартлетта вычисляется в соответствии с соотношением:

Критерий Бартлетта проверяет исходную гипотезу H0, согласно которой между переменными, участвующими в факторном анализе, не существует корреляционной зависимости. В нашем случае, исходная гипотеза H0 может быть сформулирована так: заданные 21 переменные, которые соответствуют 21 вопросу анкеты, никак не связаны между собой и поэтому их группировка с целью уменьшения их числа невозможна.

Для нашего случая значимость теста Бартлетта равна 0,000, что означает, что исходная гипотеза H0 может быть отклонена с вероятностью ошибки 0,000. Таким образом, исходная гипотеза H0 отклоняется, а принимается альтернативная гипотеза H1. Между переменными, участвующими в факторном анализе, существует корреляционная зависимость, поэтому мы можем утверждать, что корреляционные связи между переменными существуют и возможна их группировка на основании тесноты корреляции.

Результаты тестов КМО и Бартлетта свидетельствуют о пригодности исходных данных нашей модели для проведения факторного анализа. Содержательный смысл выделенных на предыдущем этапе главных компонент, объясняющих большую часть общей дисперсии переменных, позволяет объяснить такая математическая процедура как вращение факторов.