社会网络对大学教师创业意向的影响：基于多维度的实证研究

社会网络对大学教师创业意向的影响：基于多维度的实证研究一、引言1.1研究背景与意义1.1.1研究背景在当前社会经济发展的大背景下，创新创业已成为推动国家和地区发展的重要动力。国家对大学教师创业给予了大力支持，出台了一系列鼓励政策。2024年，新疆人社厅发布文件，明确鼓励高校教师和科研人员利用自己的专业领域在职创业或兼职，且创业成绩可作为职称评审、岗位竞聘的依据。云南省也明确兼职教师的业绩可作为晋升依据，安徽和河南推出“科技副总”政策，为高校教师提供在企业中兼职创新的机会，并配以丰厚的收入补助。这些政策的出台，为大学教师创业提供了良好的政策环境和发展机遇。与此同时，高校科研成果转化的现实需求也日益迫切。长期以来，我国存在高校科研成果与社会经济发展脱节的现象，许多具有良好应用前景的科研成果未能有效转化为生产力。据相关数据显示，过去5年我国发明专利产业化率整体呈稳步上升态势，2022年增至36.7%，创5年新高，其中企业发明专利产业化率为48.1%，然而高校发明专利产业化率仅为3.9%。这表明高校科研成果在有效转化方面存在较大挑战，不仅导致科研团队精力浪费、科研积极性被削弱，还造成高校资源投入浪费、科技成果“沉睡”等多重损失。在这样的时代背景下，大学教师作为高校科研的核心力量，其创业意向对于推动科研成果转化、促进经济发展具有重要意义。而社会网络作为大学教师获取资源、信息和支持的重要渠道，对其创业意向可能产生重要影响。不同类型的社会网络，如个体网络、政府支持性网络及商业性网络，可能从不同角度为大学教师创业提供资源、信息和支持，进而影响他们的创业意向。因此，研究社会网络对大学教师创业意向的影响具有重要的现实意义。1.1.2研究意义理论意义：本研究从网络联系主体的视角切入，探讨不同类型社会网络对大学教师创业意向的影响，丰富了创业意向研究的理论体系。以往研究多数以大学生为研究对象，对大学教师的研究较少，且对社会网络的维度划分多基于网络结构特征，基于不同联系主体的社会网络研究相对匮乏。本研究填补了这一领域在研究对象和研究视角上的部分空白，有助于深入理解社会网络在大学教师创业意向形成过程中的作用机制，为后续相关研究提供了新的思路和理论基础。实践意义：通过揭示社会网络与大学教师创业意向之间的关系，本研究能够为高校和政府部门制定相关政策提供科学依据。高校可以根据研究结果，有针对性地搭建平台，帮助大学教师拓展社会网络，提升其创业意向和创业能力。政府部门可以进一步完善支持大学教师创业的政策体系，优化创业环境，促进高校科研成果的转化和产业化，推动经济社会的发展。此外，对于大学教师个人而言，了解社会网络对创业意向的影响，有助于他们更好地认识自身的社会资源，积极拓展和利用社会网络，为创业做好充分准备。1.2研究方法与创新点1.2.1研究方法文献研究法：通过广泛收集国内外与社会网络、创业意向、创业态度等相关的学术文献、政策文件以及研究报告，对已有研究成果进行系统梳理和分析。了解社会网络理论、创业意向的影响因素以及两者之间关系的研究现状，为本文的研究提供坚实的理论基础和研究思路。例如，查阅国内外知名数据库如WebofScience、EBSCOhost、中国知网等，获取相关领域的权威文献，深入研究社会网络在创业领域的应用以及大学教师创业意向的相关理论，明确研究的切入点和重点方向。问卷调查法：基于研究目的和假设，设计科学合理的调查问卷，以南京地区高校教师为调查对象进行数据收集。问卷内容涵盖社会网络的不同维度、创业意向、创业态度以及其他相关控制变量。通过大规模的问卷调查，获取一手数据，确保研究数据的真实性和可靠性。为了保证问卷的有效性和科学性，在正式发放问卷之前，先进行小范围的预调查，对问卷的题项进行优化和调整。在正式调查过程中，采用线上与线下相结合的方式，扩大调查范围，提高问卷回收率。实证分析法：运用统计分析软件SPSS18.0和结构方程模型分析软件AMOS17.0对收集到的问卷数据进行实证分析。通过描述性统计分析，了解样本的基本特征和数据分布情况；运用信度和效度检验，确保量表的可靠性和有效性；采用相关性分析和回归分析，验证社会网络对创业意向的直接影响以及创业态度在其中的中介作用。通过严谨的实证分析，揭示社会网络与大学教师创业意向之间的内在关系，为研究假设提供有力的实证支持。1.2.2创新点研究视角创新：从网络联系主体的独特视角切入，研究不同类型社会网络对大学教师创业意向的影响。以往研究多从网络结构特征维度划分社会网络，而本研究基于不同联系主体，将社会网络分为个体网络、政府支持性网络及商业性网络，为社会网络与创业意向关系的研究提供了新的视角，有助于更全面、深入地理解社会网络在大学教师创业意向形成中的作用机制。研究对象创新：聚焦于大学教师这一特定群体，以往对创业意向的研究多数以大学生为对象，对大学教师的研究相对匮乏。大学教师具有独特的知识背景、职业特点和社会资源，研究他们的创业意向及其影响因素，不仅丰富了创业意向研究的对象范围，也对推动高校科研成果转化、促进产学研结合具有重要的实践意义。作用机制研究创新：深入探讨创业态度在社会网络与大学教师创业意向关系中的中介机制。通过实证研究，揭示了创业态度在不同类型社会网络影响创业意向过程中的桥梁作用，进一步深化了对社会网络影响大学教师创业意向内在机理的认识，为相关政策制定和实践指导提供了更具针对性的理论依据。二、理论基础与文献综述2.1相关理论基础2.1.1社会网络理论社会网络指社会个体成员之间因为互动而形成的相对稳定的关系体系，涵盖社会关系中的个体、个体间的连结以及连结上的资源等。其要素主要包括网络结构、节点、资源、关系（联接方式）等。在社会网络中，个体既可以是个人，也可以是集合单位，如家庭、部门、组织等。社会网络具有普遍性，马克思指出“人是一切社会关系的总和”，这表明任何个人和群体时刻都处于社会网络之中，进行社会互动，推动社会发展。同时具有多重性，它反映个人和社会关系的本质，受社会关系的规定和制约，又构成广泛、间接、更为复杂的个人和社会关系的基础。社会网络还具有滚珠性，它并非单纯的个人与个人关系的存在，还包含许多个人关系的外延，通过各种直接和间接的互动不断扩展，如同滚雪球一般，规模越来越大。另外，它具有多向性，是经过个人之间的社会互动所形成的，互动往来呈现多向特点。最后，社会网络具有隐蔽性，它是可感知的，但却是无形的，无法直接看到。网络结构包含网络密度、网络中心性、网络同质性等多个方面。网络密度指群体成员之间的连接程度，度量方法包括基于节点和基于边的指标，如平均度、密度、局部密度、簇系数等基于节点的指标，以及平均最短路径长度、直径等基于边的指标。网络密度与个人行为存在一定相关性，高网络密度往往与高水平的社会资本、信任和合作相关，低网络密度则与高水平的社会孤立、不信任和冲突相关。网络中心性用于衡量网络成员在网络中所处的位置和影响力，常用指标包括度中心性、接近中心性和中介中心性等。高网络中心性往往与高水平的权力、声望和影响力相关，低网络中心性则与低水平的权力、声望和影响力相关。网络同质性指网络成员之间在社会经济地位、文化背景、价值观等方面的相似程度，高网络同质性往往与高水平的社会凝聚力和信任相关，低网络同质性则与高水平的社会冲突和不信任相关。关系强度也是社会网络的重要内容，格兰诺维特提出了强关系和弱关系理论。强关系通常存在于关系紧密的群体内部，如家人、亲密朋友之间，其特点是互动频繁、情感深厚、信任度高。强关系能使各节点实现相互了解，并在此基础上发展出基于关系的信任与相互依存的优势，有利于传递情感支持、深度信息以及进行资源的整合与共享。例如，大学教师在创业过程中，家人和亲密朋友可能会给予情感上的鼓励和精神上的支持，帮助他们在面对困难时保持积极的心态。弱关系则更多地存在于关系较松散的群体之间，如泛泛之交、业务上的普通联系人等，其互动频率较低、情感联系相对较弱，但它能够提供更广泛的异质性信息和资源，帮助个体突破自身的社交圈子，接触到不同领域、不同层次的信息和机会。例如，大学教师通过参加学术会议结识的同行，虽然关系相对较弱，但可能会获取到不同研究方向的前沿信息，为创业项目带来新的思路。社会网络对个体行为的影响原理在于，个体嵌入在社会网络之中，其行为决策会受到网络中其他节点的影响。社会网络为个体提供信息和资源，影响个体对外部环境的认知和判断，进而影响个体行为。在大学教师创业的情境下，社会网络中的同行、合作伙伴等可能会为教师提供市场需求信息、技术发展趋势等，帮助教师识别创业机会，做出创业决策。社会网络还通过规范和价值观影响个体行为，网络中的成员遵循一定的行为规范和价值观，个体在与其他成员互动的过程中，会受到这些规范和价值观的约束和引导，从而调整自己的行为。如果社会网络中普遍认可创业行为，认为创业能够实现个人价值和社会贡献，那么大学教师受到这种价值观的影响，更有可能产生创业意向。2.1.2创业意向理论创业意向是指将创业者的注意力、精力和行为引向某个特定目标的一种心理状态，它是创业行为的最好预测指标。创业意向并非仅仅是一个简单的念头，而是包含了对未来创业活动的一系列思考和规划，是潜在创业者对从事创业活动与否的一种主观态度，体现了人们具有类似于创业者特质的程度以及对创业的态度、能力的一般描述。创业意向在创业行为中起着关键作用。它决定了创业者对市场机会的敏感度和捕捉能力。具有强烈创业意向的人，会更加敏锐地察觉市场中的细微变化和潜在需求，能够迅速从纷繁复杂的信息中筛选出有价值的商业机会。在资源配置方面，创业意向会引导创业者有针对性地积累和整合所需资源，比如积极学习相关技能、拓展人脉、筹备启动资金等。从风险承受角度来看，创业意向强烈的创业者往往更愿意承担较高的风险，他们对未来的成功充满信心，坚信自己能够克服困难，因此在面对不确定性时表现得更加勇敢和果断。创业意向还会影响创业者的行业选择，不同的创业意向会促使创业者聚焦于不同的领域，例如对科技创新充满热情的创业者可能会选择投身于前沿技术的研发和应用；而对社会服务有强烈意向的创业者，则可能会关注教育、医疗等民生领域。关于创业意向的主要理论模型，目前被广泛认可的有计划行为理论和创业事件模型。计划行为理论源于Fishbein的多属性态度理论，该理论认为行为态度决定行为意愿，预期的行为结果及结果评估又决定行为态度。后来，Fishbein和Ajzen进一步提出理性行为理论，主要观点是意愿是决定行为的直接因素，受行为态度和主观规范的影响。由于理性行为理论假定个体行为受意志控制，制约了理论的适用范围，Ajzen在此基础上提出了计划行为理论（TPB）。该理论认为外在因素通过态度影响意愿，意愿对行为具有预测作用，但不是决定作用。Krueger等认为，创业活动是一项意向性和计划性很强的行为活动，创业意愿是预测创业行为发生可能性的唯一指标，这种关系可解释为“信念—态度—意愿—行为”。创业事件模型由Shapero提出，该模型用以描述多种要素对创业活动发生的影响机制。促使创业事件发生的主要原因是个体自身和周围外部环境的一些变异，包括负面因素、离开某处和正面鼓励等方面，这些因素会对个体关于创业行为的感知愿望及感知可行性产生影响，最终影响创业行为。创业事件理论运用个体的意愿强度和能力认知来解释创业行为的形成，明确了创业过程中个体所拥有的素质、能力或资源等创业要素的客观水平并非是决定创业的主要原因，而是取决于个体对创业事件的主观感知和判断。2.2文献综述2.2.1社会网络与创业意向关系研究社会网络与创业意向的关系一直是创业研究领域的重要课题。诸多学者从不同角度进行研究，普遍认为社会网络对创业意向有着重要影响。从社会网络结构的角度，网络密度、中心性和同质性等特征被认为对创业意向有显著作用。学者[学者姓名1]通过对[具体样本数量]创业者的研究发现，网络密度较高的创业者更容易获取丰富的资源和信息，从而增强了他们的创业意向。在一个紧密的商业社交网络中，成员之间频繁的交流与合作，使得创业者能够及时了解市场动态、获取潜在的商业机会，进而激发他们的创业意愿。[学者姓名2]的研究则表明，处于网络中心位置的个体，由于其具有更强的信息传播和资源调配能力，更有可能识别创业机会，进而提升创业意向。例如，在行业协会组织的活动中，那些处于核心地位的企业家能够更早地获取行业政策调整、新技术突破等关键信息，这些信息为他们的创业决策提供了有力支持。关于网络同质性，[学者姓名3]指出，具有相似背景和价值观的网络成员之间更容易建立信任和合作关系，这有助于创业者获取认同感和支持，从而增加创业意向。在一些由校友或同乡组成的创业社群中，成员之间基于共同的背景和经历，更容易相互理解和支持，共同探索创业机会。在关系强度方面，格兰诺维特的强关系和弱关系理论为研究社会网络与创业意向的关系提供了重要的理论基础。[学者姓名4]通过对[具体样本数量]创业者的调查发现，强关系能够为创业者提供情感支持和稳定的资源保障，从而增强他们的创业信心和意向。在创业初期，创业者往往会从家人、亲密朋友等强关系网络中获得精神鼓励和启动资金，这些支持对于他们坚定创业信念起到了关键作用。而[学者姓名5]则强调了弱关系在提供异质性信息和拓展商业机会方面的重要性。弱关系能够帮助创业者接触到不同领域、不同层次的信息和资源，为他们带来新的创业思路和机会。例如，创业者通过参加行业展会结识的业务伙伴，虽然关系相对较弱，但可能会为其带来新的市场需求信息，从而激发创业意向。也有研究从社会网络提供的资源和信息角度探讨其对创业意向的影响。[学者姓名6]认为，社会网络是创业者获取资金、技术、人才等关键资源的重要渠道，丰富的资源能够降低创业门槛，提高创业成功的可能性，进而激发创业意向。一些创业者通过社会网络中的人脉关系，获得了风险投资的青睐，解决了创业资金短缺的问题，这使得他们更有信心和动力开展创业活动。[学者姓名7]指出，社会网络能够为创业者提供市场信息、行业趋势等关键信息，帮助他们识别创业机会，做出更明智的创业决策。创业者通过与行业专家、同行的交流，了解到市场上尚未满足的需求，从而发现了创业机会，提升了创业意向。尽管已有研究取得了丰富的成果，但仍存在一些不足。一方面，大多数研究侧重于单一维度的社会网络对创业意向的影响，缺乏对社会网络多维度综合作用的系统分析。社会网络是一个复杂的系统，其结构、关系强度以及提供的资源和信息等多个维度之间相互关联、相互影响，仅从单一维度进行研究难以全面揭示社会网络对创业意向的影响机制。另一方面，现有研究在研究方法上多以问卷调查和案例分析为主，缺乏对社会网络动态变化过程的跟踪研究。社会网络是不断发展变化的，其对创业意向的影响也会随着时间的推移而发生变化，因此需要采用更具动态性的研究方法，如纵向研究、网络分析技术等，深入探讨社会网络与创业意向之间的动态关系。2.2.2社会网络对大学教师创业意向的研究针对大学教师创业意向的研究相对较少，但随着大学教师创业现象的日益增多，这一领域逐渐受到关注。已有研究表明，社会网络在大学教师创业意向的形成过程中发挥着重要作用。在社会网络对大学教师创业意向的直接影响方面，[学者姓名8]通过对[具体样本数量]大学教师的调查发现，大学教师的社会网络规模越大，他们获取创业信息和资源的渠道就越广泛，从而更有可能产生创业意向。例如，一些大学教师通过参加学术会议、行业交流活动等，结识了来自不同领域的专家学者、企业家等，这些人脉资源为他们提供了创业所需的市场信息、技术合作机会等，激发了他们的创业意愿。[学者姓名9]的研究指出，大学教师在社会网络中的位置也会影响其创业意向。处于网络中心位置的教师，由于其具有更强的信息传播和资源整合能力，更容易获取创业所需的关键资源和支持，从而提升创业意向。在一些学术团队中，团队负责人往往处于网络中心位置，他们能够更好地协调各方资源，推动科研成果的转化和创业项目的开展。从社会网络提供的资源角度来看，[学者姓名10]认为，社会网络能够为大学教师提供资金、技术、人才等关键创业资源。例如，大学教师通过与企业合作，获得了企业的资金支持和技术需求信息，这为他们开展创业活动提供了有力保障，从而增强了创业意向。一些大学教师与企业联合开展科研项目，在项目实施过程中，企业不仅提供了资金支持，还为教师提供了实践平台和市场需求信息，使教师能够更好地将科研成果转化为实际产品或服务，进而激发了他们的创业意愿。[学者姓名11]指出，社会网络中的人脉资源还能够为大学教师提供创业指导和经验分享，帮助他们解决创业过程中遇到的问题，降低创业风险，从而提高创业意向。一些成功的企业家或创业导师，通过与大学教师分享自己的创业经验和教训，为教师提供了宝贵的指导意见，使教师在创业过程中少走弯路，增强了他们的创业信心。在研究现状方面，目前关于社会网络对大学教师创业意向的研究还处于起步阶段，研究成果相对较少。大多数研究主要集中在探讨社会网络的某个方面对创业意向的影响，缺乏对社会网络整体作用机制的深入研究。而且研究方法也较为单一，多采用问卷调查和访谈等传统方法，缺乏对大数据、网络分析技术等新兴研究方法的应用。此外，现有的研究样本大多来自少数高校，缺乏广泛的代表性，研究结果的普适性有待进一步验证。2.2.3研究述评现有研究在社会网络与创业意向关系以及社会网络对大学教师创业意向的影响方面取得了一定的成果，为本文的研究提供了重要的理论基础和研究思路。然而，这些研究仍存在一些问题和不足，需要在未来的研究中加以改进和完善。已有研究在研究对象上存在一定的局限性。大多数关于创业意向的研究以大学生为主要对象，对大学教师这一特殊群体的关注相对较少。大学教师具有独特的知识背景、职业特点和社会资源，他们的创业意向形成机制可能与大学生存在差异，因此需要更多针对大学教师的研究来深入探讨这一问题。在研究视角方面，虽然已有研究从社会网络的结构、关系强度、资源获取等多个角度探讨了其对创业意向的影响，但仍不够全面和深入。特别是在基于网络联系主体的社会网络研究方面，相关成果相对匮乏。本文将从网络联系主体的视角，将社会网络分为个体网络、政府支持性网络及商业性网络，深入研究不同类型社会网络对大学教师创业意向的影响，有望填补这一领域在研究视角上的部分空白。在研究方法上，现有研究多采用问卷调查、案例分析等传统方法，这些方法在揭示变量之间的相关性方面具有一定的优势，但在深入探究变量之间的因果关系和作用机制方面存在一定的局限性。未来的研究可以结合大数据分析、实验研究、纵向研究等多种方法，更全面、深入地揭示社会网络对大学教师创业意向的影响机制。关于社会网络对大学教师创业意向影响的研究还存在许多有待深入挖掘的领域。例如，如何进一步拓展大学教师的社会网络，提高其社会网络的质量和效率；不同类型社会网络之间的协同作用如何影响大学教师的创业意向；在数字化时代，虚拟社会网络对大学教师创业意向的影响机制等。这些问题都需要在未来的研究中加以关注和探讨。基于以上研究述评，本文将以大学教师为研究对象，从网络联系主体的视角出发，运用问卷调查和实证分析等方法，深入研究不同类型社会网络对大学教师创业意向的影响，并探讨创业态度在其中的中介作用，以期为相关研究提供新的理论和实践参考。三、研究设计3.1研究假设提出3.1.1社会网络对大学教师创业意向的直接影响假设社会网络作为大学教师获取资源、信息与支持的关键渠道，其不同维度对创业意向的直接影响不容忽视。从网络联系主体的视角出发，将社会网络分为个体网络、政府支持性网络及商业性网络，分别探讨它们对大学教师创业意向的直接影响。个体网络是大学教师基于个人情感、兴趣和专业联系而建立的人际关系网络，主要包括家人、朋友、同事和同行等。家人和朋友能给予教师情感支持和精神鼓励，增强其创业信心；同事和同行则可提供专业知识、技术经验和合作机会。有研究表明，在创业初期，创业者从家人和朋友处获得的支持能有效缓解压力，坚定创业信念。因此，提出假设：H1：个体网络对大学教师创业意向有显著正向直接影响。政府支持性网络体现了政府在大学教师创业过程中的引导与扶持作用。政府通过出台政策法规，为大学教师创业提供资金支持、税收优惠、场地支持等政策保障，降低创业门槛与风险；组织创业培训、研讨会和交流活动，提供创业指导和信息交流平台，提升教师创业能力和认知水平。例如，政府设立的创业基金为许多大学教师的创业项目提供了启动资金，助力其实现创业梦想。由此，提出假设：H2：政府支持性网络对大学教师创业意向有显著正向直接影响。商业性网络为大学教师与企业、投资者等商业主体搭建了合作桥梁。大学教师与企业合作，能将科研成果转化为实际产品或服务，获取市场需求信息和商业资源；与投资者建立联系，可获得资金支持和商业建议。如一些大学教师通过与企业合作，成功将科研成果产业化，实现了创业目标。基于此，提出假设：H3：商业性网络对大学教师创业意向有显著正向直接影响。3.1.2中介变量假设创业态度和创业自我效能感被认为是在社会网络与创业意向之间起重要中介作用的变量。创业态度反映了大学教师对创业活动的整体评价和情感倾向，涵盖对创业的兴趣、认同和积极预期等方面。积极的创业态度能激发教师的创业热情和动力，使其更倾向于将创业意向转化为实际行动。社会网络通过提供资源、信息和支持，影响教师对创业的认知和评价，进而塑造创业态度。个体网络中的家人、朋友对创业的积极态度，会感染大学教师，使其对创业产生更积极的看法；政府支持性网络出台的优惠政策，让教师感受到创业的良好前景，从而提升创业态度；商业性网络中企业的成功创业案例，也会激发教师的创业兴趣和积极性。因此，提出假设：H4：创业态度在个体网络与大学教师创业意向之间起中介作用。H5：创业态度在政府支持性网络与大学教师创业意向之间起中介作用。H6：创业态度在商业性网络与大学教师创业意向之间起中介作用。创业自我效能感指大学教师对自己成功开展创业活动能力的信心和信念。高创业自我效能感的教师相信自己具备识别创业机会、整合资源和应对挑战的能力，更有可能产生强烈的创业意向并付诸实践。社会网络为教师提供学习和实践机会，积累创业经验和技能，增强创业自我效能感。个体网络中的同行分享的创业经验，能让教师学习到成功的方法，提升自我效能感；政府支持性网络组织的创业培训，可帮助教师掌握创业技能，增强信心；商业性网络中与企业的合作项目，让教师在实践中锻炼能力，提高创业自我效能感。基于此，提出假设：H7：创业自我效能感在个体网络与大学教师创业意向之间起中介作用。H8：创业自我效能感在政府支持性网络与大学教师创业意向之间起中介作用。H9：创业自我效能感在商业性网络与大学教师创业意向之间起中介作用。3.1.3调节变量假设个体特质和学校环境等因素可能对社会网络与创业意向的关系产生调节作用。个体特质中的风险偏好和成就动机对大学教师创业意向的影响显著。风险偏好高的教师更愿意承担创业风险，在面对社会网络提供的创业机会时，更易产生创业意向；成就动机强的教师追求卓越和成功，社会网络提供的资源和支持能更好地满足其成就需求，从而增强创业意向。当社会网络为教师提供一个具有较高风险但潜在回报丰厚的创业项目时，风险偏好高的教师更有可能积极响应，而风险偏好低的教师可能会犹豫不决。因此，提出假设：H10：风险偏好调节个体网络与大学教师创业意向的关系，风险偏好越高，个体网络对创业意向的正向影响越强。H11：风险偏好调节政府支持性网络与大学教师创业意向的关系，风险偏好越高，政府支持性网络对创业意向的正向影响越强。H12：风险偏好调节商业性网络与大学教师创业意向的关系，风险偏好越高，商业性网络对创业意向的正向影响越强。H13：成就动机调节个体网络与大学教师创业意向的关系，成就动机越强，个体网络对创业意向的正向影响越强。H14：成就动机调节政府支持性网络与大学教师创业意向的关系，成就动机越强，政府支持性网络对创业意向的正向影响越强。H15：成就动机调节商业性网络与大学教师创业意向的关系，成就动机越强，商业性网络对创业意向的正向影响越强。学校环境中的创业氛围和资源支持也会影响社会网络与创业意向的关系。创业氛围浓厚的学校，鼓励教师创新和创业，提供创业培训、指导和交流平台，使教师更易受到社会网络中创业信息和资源的影响，增强创业意向；资源支持丰富的学校，为教师创业提供资金、设备和场地等支持，降低创业难度，放大社会网络对创业意向的积极影响。在创业氛围浓厚的学校，教师之间频繁交流创业想法和经验，形成良好的创业文化，当教师从社会网络中获取创业信息时，更容易受到这种氛围的感染，激发创业意向。基于此，提出假设：H16：创业氛围调节个体网络与大学教师创业意向的关系，创业氛围越浓厚，个体网络对创业意向的正向影响越强。H17：创业氛围调节政府支持性网络与大学教师创业意向的关系，创业氛围越浓厚，政府支持性网络对创业意向的正向影响越强。H18：创业氛围调节商业性网络与大学教师创业意向的关系，创业氛围越浓厚，商业性网络对创业意向的正向影响越强。H19：资源支持调节个体网络与大学教师创业意向的关系，资源支持越丰富，个体网络对创业意向的正向影响越强。H20：资源支持调节政府支持性网络与大学教师创业意向的关系，资源支持越丰富，政府支持性网络对创业意向的正向影响越强。H21：资源支持调节商业性网络与大学教师创业意向的关系，资源支持越丰富，商业性网络对创业意向的正向影响越强。3.2变量测量3.2.1社会网络变量测量本研究从网络规模、网络异质性、关系强度等维度对社会网络进行测量。网络规模指大学教师社会网络中成员的总数。在测量时，询问教师“您与多少位家人、朋友、同事、同行等保持较为密切的联系？”通过统计回答的人数来确定网络规模的大小。网络规模越大，表明教师拥有的社会网络资源越丰富，获取信息和资源的渠道可能越多。网络异质性反映社会网络中成员在职业、行业、专业领域等方面的差异程度。采用以下题项进行测量：“您的社会网络中，成员的职业类型是否丰富多样？”答案选项设置为“非常丰富多样”“比较丰富多样”“一般”“不太丰富多样”“非常单一”，分别赋值5-1分。得分越高，说明网络异质性越高，教师能够从不同类型的成员处获取多元化的信息和资源，有助于拓展创业思路。关系强度分为强关系和弱关系。对于强关系，通过询问“在您遇到困难时，哪些人会给予您情感支持和实际帮助？（可多选）”，选项包括家人、亲密朋友、同事等，统计选择的人数来衡量强关系的数量。对于弱关系，询问“在过去一年中，您通过偶然结识的人（如业务上的普通联系人、会议上认识的人等）获取到有价值信息的频率是多少？”答案选项设置为“非常频繁”“比较频繁”“偶尔”“很少”“几乎没有”，分别赋值5-1分，得分越高，表明弱关系在获取信息方面的作用越强。此外，从网络联系主体的角度，将社会网络细分为个体网络、政府支持性网络及商业性网络。个体网络主要通过询问教师与家人、朋友、同事和同行等个体的联系频率、互动深度等方面进行测量，例如“您与家人每周交流的次数是多少？”“您与同行每月参加学术交流活动的次数是多少？”等问题。政府支持性网络的测量通过询问教师对政府创业政策的了解程度、参与政府组织的创业活动的频率以及获得政府创业支持的情况等，如“您是否了解当地政府出台的针对大学教师创业的优惠政策？”“过去一年中，您参加政府组织的创业培训或研讨会的次数是多少？”商业性网络则通过询问教师与企业、投资者等商业主体的合作关系、业务往来频率等进行测量，例如“您是否与企业有过科研合作项目？”“您与投资者接触的频率是怎样的？”。3.2.2创业意向变量测量采用李克特量表对大学教师创业意向进行测量，共设置5个题项。包括“您是否有意愿在未来3年内开展创业活动？”“如果有合适的创业机会，您是否会积极考虑创业？”“您是否认为创业是实现个人价值的重要途径？”“您是否已经为创业做了一些初步的准备，如市场调研、项目策划等？”“您对自己创业成功的信心程度如何？”答案选项均设置为“非常同意”“同意”“不确定”“不同意”“非常不同意”，分别赋值5-1分。得分越高，表示大学教师的创业意向越强。在进行测量时，为了确保教师能够准确理解题项的含义，在问卷开头对创业活动进行了明确的定义，说明创业活动包括创办新企业、将科研成果商业化、开展创业项目等形式。同时，在发放问卷时，向教师详细解释了填写要求和注意事项，以提高问卷回答的准确性和可靠性。3.2.3中介与调节变量测量中介变量测量：创业态度采用李克特量表进行测量，共设置4个题项。如“您对创业活动的整体评价是积极的”“您认为创业能够带来更多的发展机会”“创业是一种有意义的职业选择”“您对创业充满热情”，答案选项为“非常同意”“同意”“不确定”“不同意”“非常不同意”，分别赋值5-1分，得分越高表明创业态度越积极。创业自我效能感同样使用李克特量表测量，设置5个题项。包括“我有信心识别并抓住创业机会”“我相信自己能够有效地组织和管理创业团队”“我能够在创业过程中应对各种困难和挑战”“我有能力获取创业所需的资源和支持”“我对自己成功开展创业活动的能力充满信心”，答案选项和赋值方式与创业态度量表相同，得分越高代表创业自我效能感越强。调节变量测量：个体特质中的风险偏好通过询问教师对风险的态度和行为倾向进行测量，设置3个题项。如“在面对决策时，我更倾向于选择风险较高但回报可能较大的方案”“我愿意为了追求更高的回报而承担一定的风险”“我认为风险是创业过程中不可避免的，应该积极面对”，答案选项为“非常同意”“同意”“不确定”“不同意”“非常不同意”，分别赋值5-1分，得分越高表示风险偏好越高。成就动机采用成就动机量表进行测量，该量表包含追求成功和避免失败两个维度，共10个题项。例如“我总是努力追求卓越，在工作中取得更好的成绩”（追求成功维度）、“我害怕在工作中失败，所以会尽量避免承担有挑战性的任务”（避免失败维度），答案选项为“非常符合”“比较符合”“不确定”“不太符合”“非常不符合”，分别赋值5-1分，通过对追求成功维度得分减去避免失败维度得分来计算成就动机总分，得分越高表示成就动机越强。学校环境中的创业氛围通过询问教师对学校创业氛围的感知进行测量，设置4个题项。如“学校经常组织创业相关的活动和讲座”“学校鼓励教师开展创业活动，并提供相应的支持和指导”“学校的师生对创业持积极态度”“学校内部形成了良好的创业文化和氛围”，答案选项为“非常同意”“同意”“不确定”“不同意”“非常不同意”，分别赋值5-1分，得分越高表明学校创业氛围越浓厚。资源支持通过询问教师对学校提供的创业资源的满意度进行测量，设置4个题项。包括“学校为教师创业提供了充足的资金支持”“学校拥有完善的创业实践平台和设备”“学校能够为教师创业提供专业的法律咨询和服务”“学校在创业项目的孵化和推广方面给予了有力的支持”，答案选项为“非常满意”“满意”“一般”“不满意”“非常不满意”，分别赋值5-1分，得分越高表示学校的资源支持越丰富。3.3问卷设计与数据收集3.3.1问卷设计本研究的问卷设计遵循科学、严谨、全面的原则，旨在全面获取与研究假设相关的信息，确保研究结果的准确性和可靠性。问卷内容主要涵盖以下几个部分：基本信息部分：这部分旨在收集大学教师的个人基本信息，包括性别、年龄、教龄、职称、学科领域等。性别和年龄信息有助于分析不同性别和年龄段教师的创业意向差异；教龄和职称反映教师的职业经验和学术地位，可能对其社会网络和创业意向产生影响；学科领域的划分则考虑到不同学科的特点和发展需求，对教师的创业意向和社会网络构成可能存在差异。例如，理工科教师可能在技术创业方面具有优势，其社会网络中可能更多地包含企业界和科研机构的联系；而文科教师可能更侧重于文化创意、教育培训等领域的创业，其社会网络可能更多地与文化产业、教育机构相关。社会网络部分：基于前文对社会网络变量测量的设计，从网络规模、网络异质性、关系强度以及网络联系主体等多个维度进行测量。通过询问教师与家人、朋友、同事、同行、政府部门、企业、投资者等不同主体的联系频率、互动深度、获取信息和资源的情况等，全面了解其社会网络的特征。对于网络规模，直接询问教师保持密切联系的人数；网络异质性通过了解其社会网络中成员的职业、行业、专业领域等多样性来衡量；关系强度则通过区分强关系（如家人、亲密朋友等提供的情感支持和实际帮助）和弱关系（如偶然结识的人提供的有价值信息）来评估。从网络联系主体角度，分别设计问题了解个体网络、政府支持性网络及商业性网络的情况。如在个体网络方面，询问与家人、朋友、同事和同行的交流互动情况；政府支持性网络方面，了解对政府创业政策的知晓度、参与政府创业活动的频率以及获得政府支持的程度；商业性网络方面，询问与企业的合作项目、与投资者的接触频率等。创业意向部分：依据前文确定的创业意向量表，设置5个题项，从教师对未来创业的意愿、对创业机会的态度、对创业实现个人价值的认知、创业准备情况以及创业成功信心等方面进行测量。每个题项采用李克特5级量表，从“非常同意”到“非常不同意”，便于教师根据自身实际情况进行选择，从而准确反映其创业意向的强度。中介变量部分：创业态度和创业自我效能感作为中介变量，分别采用相应的量表进行测量。创业态度量表设置4个题项，从教师对创业活动的整体评价、对创业带来发展机会的认知、对创业职业选择的意义以及对创业的热情程度等方面评估其创业态度；创业自我效能感量表设置5个题项，从教师对自身识别创业机会、组织管理创业团队、应对创业困难和挑战、获取创业资源和支持以及成功开展创业活动的能力信心等方面测量其创业自我效能感。同样采用李克特5级量表，保证测量的有效性和可操作性。调节变量部分：对于个体特质中的风险偏好和成就动机，以及学校环境中的创业氛围和资源支持，分别设计量表进行测量。风险偏好通过询问教师在决策时对风险和回报的态度倾向来测量；成就动机采用成就动机量表，从追求成功和避免失败两个维度进行评估；创业氛围通过教师对学校组织创业活动、鼓励创业的措施、师生对创业的态度以及学校创业文化的感知来衡量；资源支持则通过教师对学校提供的创业资金、实践平台、法律咨询和项目孵化推广等方面的满意度来评估。在问卷设计过程中，充分参考了国内外相关研究的成熟量表，并结合大学教师的实际情况进行了适当调整和优化。在正式发放问卷之前，邀请了部分专家学者和大学教师进行预测试，对问卷的内容效度、语言表达、题项合理性等方面进行评估和修改，确保问卷能够准确、有效地收集所需信息。3.3.2数据收集本研究以南京地区多所高校的教师为样本，采用线上与线下相结合的方式进行问卷发放，以确保样本的多样性和代表性。在样本选择上，涵盖了南京大学、东南大学、南京航空航天大学、南京理工大学、南京师范大学等不同层次、不同学科特色的高校。这些高校在学科设置、科研实力、师资队伍等方面存在差异，能够较好地反映南京地区高校教师的整体情况。同时，为了保证样本的随机性，在每所高校内部，通过随机抽样的方式选取不同学院、不同学科的教师作为调查对象，涵盖了理工科、文科、医科、商科等多个学科领域。线上问卷发放主要通过问卷星平台进行。首先，与各高校的相关部门（如科研处、人事处、学院办公室等）取得联系，获取教师的电子邮箱或手机号码。然后，通过邮件或短信的方式向教师发送问卷链接，并在邮件或短信中简要介绍研究目的、问卷填写要求和注意事项，鼓励教师积极参与调查。为了提高问卷的回收率，在问卷发放后的一周内，对未填写问卷的教师进行了提醒。线下问卷发放则主要依托于高校的学术会议、教师培训活动以及实地走访。在这些场合，向参会教师现场发放纸质问卷，并当场进行讲解和指导，确保教师理解问卷内容和填写要求。对于一些无法现场填写问卷的教师，提供了问卷和回寄信封，方便他们填写后寄回。在数据收集过程中，共发放问卷800份，回收问卷650份，其中有效问卷580份，有效回收率为72.5%。对有效问卷进行初步整理和筛选，检查数据的完整性和一致性，剔除了存在大量缺失值、逻辑错误或明显敷衍作答的问卷。通过对样本的基本信息进行描述性统计分析，发现样本在性别、年龄、教龄、职称、学科领域等方面分布较为均匀，具有较好的代表性，能够满足后续实证分析的要求。四、实证结果与分析4.1数据预处理4.1.1数据清理数据清理是数据分析的关键环节，对于确保数据质量和后续分析结果的准确性至关重要。在本研究中，对回收的580份有效问卷数据进行了全面的数据清理工作，主要包括异常值处理和缺失值填补。异常值处理方面，使用箱线图和离群值分析等统计方法对数据进行仔细检查。箱线图能够直观地展示数据的分布情况，通过观察数据点与箱体、whisker（须）之间的关系，可有效识别出可能的异常值。对于连续型变量，如教师的教龄、社会网络规模等，若数据点位于箱线图的whisker之外，则被初步判定为异常值。同时，结合离群值分析方法，通过计算数据的四分位数间距（IQR），进一步确定异常值的范围。具体来说，对于某一变量X，若X的值小于Q1-1.5\timesIQR或大于Q3+1.5\timesIQR（其中Q1为第一四分位数，Q3为第三四分位数），则该值被视为异常值。在检查过程中，发现个别教师的教龄数据出现异常，其教龄远超正常范围，经过进一步核实，确定为数据录入错误，遂将其修正为合理值。缺失值填补时，先对缺失值的类型进行识别。通过对比完整和缺失数据集的统计特征，如均值和方差，判断是否存在完全随机缺失（MCAR）；利用统计模型，如Logit模型，识别随机缺失（MAR）；通过比较响应者和非响应者的关键变量差异，识别非随机缺失（MNAR）。根据不同的缺失值类型和占比，采取了相应的处理方法。对于缺失值占比低于10%的变量，若变量为连续数值型且服从正态分布，采用均值填补缺失值；若不服从正态分布，则使用中位数填补。对于分类型变量，无论是无序分类还是有序分类，均采用众数填补缺失值。例如，在创业态度量表的某个题项中，缺失值占比为8%，该题项为数值型变量且经检验服从正态分布，因此使用该题项的均值对缺失值进行填补。当变量的缺失值占比在10%-30%之间时，选择多重插补法填补缺失值，通过生成多个含有不同插补值的数据集来减少分析的不确定性。对于缺失值占比超过30%的变量，若为无效题项，则直接删除该题。通过上述异常值处理和缺失值填补方法，确保了数据的完整性和准确性，为后续的数据分析提供了可靠的数据基础。4.1.2正态分布检验在进行进一步的统计分析之前，需要判断数据是否符合正态分布。因为许多统计方法，如参数检验、相关性分析和回归分析等，都基于数据服从正态分布的假设。若数据不满足正态分布，可能会导致分析结果的偏差和错误。本研究采用多种方法对数据进行正态分布检验，包括绘制直方图、Q-Q图以及进行统计检验。通过绘制直方图，直观地观察数据的分布形态。若数据呈现出中间高、两边低，左右对称的钟形分布，则初步表明数据可能服从正态分布。对于创业意向、社会网络规模等变量，绘制直方图后发现，部分变量的分布形态接近正态分布，但仍需进一步通过统计检验来确认。Q-Q图也是检验数据正态性的常用工具。它通过将数据的分位数与理论正态分布的分位数进行对比，若数据点紧密分布在一条直线上，则说明数据服从正态分布。在绘制Q-Q图时，将各个变量的数据点与理论正态分布的分位数进行对应绘制，观察数据点的分布情况。对于一些变量，如创业自我效能感，数据点在Q-Q图上基本分布在一条直线附近，表明该变量近似服从正态分布。在统计检验方面，使用了Shapiro-Wilk检验和Kolmogorov-Smirnov检验。Shapiro-Wilk检验适用于小样本数据（样本量n\leq50），而Kolmogorov-Smirnov检验适用于大样本数据（样本量n>50）。在本研究中，由于样本量较大，主要采用Kolmogorov-Smirnov检验。对于创业态度变量，进行Kolmogorov-Smirnov检验后，得到的p值大于0.05，表明在给定的显著性水平下，不能拒绝数据服从正态分布的原假设，即该变量服从正态分布。然而，对于个别变量，如风险偏好，检验结果显示p值小于0.05，说明该变量不服从正态分布。对于不服从正态分布的变量，在后续分析中，采用非参数检验方法或对数据进行转换，以满足分析方法的假设要求。通过以上多种方法的正态分布检验，全面了解了数据的分布特征，为后续选择合适的统计分析方法提供了重要依据。4.2信效度检验4.2.1信度检验信度检验用于评估量表测量结果的一致性和稳定性，是确保研究数据可靠性的重要环节。本研究运用Cronbach'sα系数对各变量量表的内部一致性信度进行检验，该系数取值范围在0-1之间，数值越接近1，表示量表的信度越高。利用统计分析软件SPSS18.0对数据进行信度分析，将社会网络、创业意向、创业态度、创业自我效能感以及各调节变量等量表中的题项依次导入分析界面。对于社会网络量表，包含网络规模、网络异质性、关系强度以及基于网络联系主体划分的个体网络、政府支持性网络和商业性网络等多个维度的测量题项。分析结果显示，社会网络量表的Cronbach'sα系数为0.856，表明该量表具有较高的内部一致性信度，能够较为稳定地测量大学教师的社会网络特征。创业意向量表的Cronbach'sα系数为0.882，说明该量表在测量大学教师创业意向方面具有良好的信度，各题项之间具有较强的关联性，能够准确反映教师的创业意向程度。创业态度量表的Cronbach'sα系数达到0.835，表明该量表能够可靠地测量大学教师对创业的态度，各题项能够有效反映教师在创业态度方面的一致性认知和情感倾向。创业自我效能感量表的Cronbach'sα系数为0.867，显示该量表在测量大学教师对自身创业能力的信心和信念方面具有较高的信度，能够稳定地反映教师的创业自我效能感水平。在调节变量方面，风险偏好量表的Cronbach'sα系数为0.813，成就动机量表的Cronbach'sα系数为0.848，创业氛围量表的Cronbach'sα系数为0.827，资源支持量表的Cronbach'sα系数为0.839，均表明这些量表具有较好的信度，能够有效地测量相应的调节变量。一般认为，Cronbach'sα系数大于0.8表示信度极好，大于0.7表示较好，至少应大于0.6。本研究中各变量量表的Cronbach'sα系数均大于0.8，说明量表的信度较高，测量结果较为可靠，能够用于后续的数据分析和假设检验。4.2.2效度检验效度检验旨在考察量表是否能够准确测量所要研究的概念或变量，是衡量研究质量的重要指标。本研究采用探索性因子分析（EFA）和验证性因子分析（CFA）相结合的方法对量表的结构效度进行检验。探索性因子分析：首先，使用KMO（Kaiser-Meyer-Olkin）检验和Bartlett球形检验来判断数据是否适合进行因子分析。KMO值用于衡量变量间的偏相关性，取值范围在0-1之间，一般认为KMO值大于0.7表示数据适合进行因子分析；Bartlett球形检验用于检验相关矩阵是否为单位矩阵，若检验结果的显著性水平（p值）小于0.05，则拒绝原假设，表明变量间存在相关性，适合进行因子分析。对社会网络量表进行KMO和Bartlett球形检验，结果显示KMO值为0.812，Bartlett球形检验的p值小于0.001，说明数据适合进行因子分析。采用主成分分析法提取因子，并使用最大方差法进行旋转，以获得更清晰的因子结构。共提取了3个公因子，这3个公因子累计解释了68.56%的方差，表明提取的公因子能够较好地解释原始变量的信息。其中，第一个公因子主要包含个体网络相关的题项，第二个公因子主要与政府支持性网络相关，第三个公因子主要反映商业性网络的特征，与理论预期的网络联系主体划分维度相符。对于创业意向量表，KMO值为0.835，Bartlett球形检验的p值小于0.001，适合进行因子分析。提取1个公因子，该公因子解释了72.38%的方差，表明创业意向量表的结构效度良好，能够有效测量大学教师的创业意向。创业态度量表的KMO值为0.798，Bartlett球形检验的p值小于0.001，提取1个公因子，解释方差为70.45%，说明该量表能够准确测量大学教师的创业态度。创业自我效能感量表的KMO值为0.826，Bartlett球形检验的p值小于0.001，提取1个公因子，解释方差为71.63%，表明该量表在测量创业自我效能感方面具有较好的结构效度。验证性因子分析：运用结构方程模型分析软件AMOS17.0对各变量进行验证性因子分析，以进一步验证量表的结构效度。构建理论模型，将各变量的测量题项作为观测变量，与对应的潜变量建立关系路径。通过比较模型的拟合指数与标准值，判断模型的拟合优度。常用的拟合指数包括卡方自由度比（χ²/df）、比较拟合指数（CFI）、增量拟合指数（IFI）、塔克-刘易斯指数（TLI）和近似误差均方根（RMSEA）等。一般认为，χ²/df应小于3，CFI、IFI、TLI的值越接近1表示模型拟合越好，RMSEA的值小于0.08表示模型拟合可接受。对于社会网络量表的验证性因子分析结果显示，χ²/df=2.456，CFI=0.912，IFI=0.920，TLI=0.905，RMSEA=0.072，各项拟合指数均达到可接受水平，表明理论模型与实际数据拟合良好，进一步验证了社会网络量表的结构效度。创业意向量表的验证性因子分析结果为：χ²/df=2.238，CFI=0.935，IFI=0.942，TLI=0.928，RMSEA=0.068，模型拟合效果较好，说明创业意向量表能够有效测量教师的创业意向。创业态度量表的验证性因子分析中，χ²/df=2.347，CFI=0.923，IFI=0.931，TLI=0.916，RMSEA=0.070，表明该量表的结构效度得到验证。创业自我效能感量表的验证性因子分析结果：χ²/df=2.195，CFI=0.940，IFI=0.948，TLI=0.933，RMSEA=0.065，模型拟合良好，证明了该量表的结构效度。通过探索性因子分析和验证性因子分析，本研究中各变量量表均具有较好的结构效度，能够准确测量相应的概念和变量，为后续的实证分析提供了有力支持。4.3相关性分析相关性分析用于初步探究社会网络、创业意向及其他变量之间的相关关系，判断变量间联系的紧密程度和方向，为后续回归分析提供基础。运用统计分析软件SPSS18.0对各变量进行皮尔逊（Pearson）相关性分析，结果如表1所示：表1变量相关性分析结果变量个体网络政府支持性网络商业性网络创业意向创业态度创业自我效能感风险偏好成就动机创业氛围资源支持个体网络1政府支持性网络0.356**1商业性网络0.428**0.395**1创业意向0.482**0.406**0.467**1创业态度0.453**0.378**0.436**0.525**1创业自我效能感0.435**0.369**0.412**0.508**0.556**1风险偏好0.285**0.247**0.263**0.321**0.276**0.258**1成就动机0.312**0.278**0.305**0.356**0.302**0.289**0.423**1创业氛围0.347**0.315**0.338**0.385**0.332**0.316**0.291**0.324**1资源支持0.326**0.301**0.317**0.368**0.314**0.303**0.275**0.298**0.456**1注：**表示在0.01水平（双侧）上显著相关从表1中可以看出，个体网络与创业意向呈显著正相关（r=0.482，p<0.01），这表明大学教师的个体网络越丰富，其创业意向越强，初步支持了假设H1。例如，教师与家人、朋友、同事和同行等个体的联系越紧密，互动越频繁，就越有可能从他们那里获得创业的灵感、资源和支持，从而增强创业意向。政府支持性网络与创业意向也呈现显著正相关（r=0.406，p<0.01），说明政府支持性网络对大学教师创业意向有积极影响，假设H2得到初步验证。政府通过出台优惠政策、组织创业活动等方式，为教师创业提供了良好的环境和支持，使教师感受到创业的可行性和前景，进而提高创业意向。商业性网络与创业意向同样显著正相关（r=0.467，p<0.01），支持了假设H3。大学教师与企业、投资者等商业主体的合作和联系，能够为其提供市场需求信息、资金支持和商业机会，激发教师的创业意愿。创业态度与个体网络（r=0.453，p<0.01）、政府支持性网络（r=0.378，p<0.01）、商业性网络（r=0.436，p<0.01）以及创业意向（r=0.525，p<0.01）均显著正相关，表明社会网络对创业态度有积极影响，且创业态度与创业意向密切相关，这为假设H4、H5、H6提供了初步证据。个体网络中的积极反馈、政府支持性网络的政策引导以及商业性网络的成功案例，都可能使教师对创业产生更积极的态度，而这种积极态度又会进一步促进创业意向的形成。创业自我效能感与个体网络（r=0.435，p<0.01）、政府支持性网络（r=0.369，p<0.01）、商业性网络（r=0.412，p<0.01）和创业意向（r=0.508，p<0.01）也显著正相关，说明社会网络有助于增强大学教师的创业自我效能感，且创业自我效能感与创业意向相关，为假设H7、H8、H9提供了初步支持。社会网络为教师提供了学习和实践的机会，使其在与不同主体的互动中积累经验和技能，从而增强对自身创业能力的信心，进而提高创业意向。在调节变量方面，风险偏好与个体网络（r=0.285，p<0.01）、政府支持性网络（r=0.247，p<0.01）、商业性网络（r=0.263，p<0.01）和创业意向（r=0.321，p<0.01）均显著正相关；成就动机与个体网络（r=0.312，p<0.01）、政府支持性网络（r=0.278，p<0.01）、商业性网络（r=0.305，p<0.01）和创业意向（r=0.356，p<0.01）显著正相关；创业氛围与个体网络（r=0.347，p<0.01）、政府支持性网络（r=0.315，p<0.01）、商业性网络（r=0.338，p<0.01）和创业意向（r=0.385，p<0.01）显著正相关；资源支持与个体网络（r=0.326，p<0.01）、政府支持性网络（r=0.301，p<0.01）、商业性网络（r=0.317，p<0.01）和创业意向（r=0.368，p<0.01）显著正相关。这些相关性为后续进一步检验调节效应假设H10-H21奠定了基础。相关性分析结果表明，各变量之间存在不同程度的相关关系，初步验证了本研究提出的部分假设，为深入探究社会网络对大学教师创业意向的影响机制以及中介变量和调节变量的作用提供了有力的支持。但相关性分析只能揭示变量之间的线性关联程度，无法确定变量之间的因果关系，因此还需要进一步进行回归分析等更深入的统计检验。4.4回归分析4.4.1社会网络对创业意向的回归分析为了检验社会网络对大学教师创业意向的直接影响假设，构建如下多元线性回归模型：创业意向=\beta_0+\beta_1个体网络+\beta_2政府支持性网络+\beta_3商业性网络+\sum_{i=1}^{n}\beta_{i+3}控制变量_i+\epsilon其中，\beta_0为常数项，\beta_1、\beta_2、\beta_3分别为个体网络、政府支持性网络、商业性网络的回归系数，\beta_{i+3}为第i个控制变量的回归系数，\epsilon为随机误差项。控制变量包括大学教师的性别、年龄、教龄、职称、学科领域等，以排除这些因素对创业意向的干扰。运用统计分析软件SPSS18.0进行回归分析，将创业意向作为因变量，个体网络、政府支持性网络、商业性网络作为自变量，控制变量依次纳入模型。回归结果如表2所示：表2社会网络对创业意向的回归分析结果变量非标准化系数B标准误差标准化系数βt值p值(常量)0.8620.256-3.3680.001个体网络0.3250.0780.3164.1670.000政府支持性网络0.2470.0690.2283.5800.000商业性网络0.2840.0750.2693.7870.000性别-0.0850.052-0.076-1.6350.103年龄0.0560.0310.0531.8060.072教龄0.0480.0290.0461.6550.099职称0.1230.0680.1121.8090.071学科领域0.0970.0610.0901.5900.112从表2中可以看出，个体网络的回归系数\beta_1=0.325，t值为4.167，p值小于0.001，在0.01水平上显著，表明个体网络对大学教师创业意向有显著正向直接影响，假设H1得到验证。这意味着大学教师的个体网络越丰富，与家人、朋友、同事和同行等个体的联系越紧密，其创业意向越强。例如，教师在与同行的交流中，可能会获得新的科研成果转化思路，或者从家人和朋友那里得到创业的鼓励和支持，从而激发创业意向。政府支持性网络的回归系数\beta_2=0.247，t值为3.580，p值小于0.001，在0.01水平上显著，说明政府支持性网络对大学教师创业意向有显著正向直接影响，假设H2得到支持。政府通过出台优惠政策、组织创业培训等方式，为教师创业提供了良好的环境和支持，增强了教师的创业意向。例如，政府设立的创业基金为教师提供了资金支持，降低了创业门槛，使教师更有信心开展创业活动。商业性网络的回归系数\beta_3=0.284，t值为3.787，p值小于0.001，在0.01水平上显著，表明商业性网络对大学教师创业意向有显著正向直接影响，假设H3得到证实。大学教师与企业、投资者等商业主体的合作和联系，能够为其提供市场需求信息、资金支持和商业机会，激发教师的创业意愿。比如，教师与企业合作开展科研项目，了解到市场对相关技术的需求，从而产生将科研成果商业化的创业意向。在控制变量方面，性别、年龄、教龄、职称和学科领域等变量的p值均大于0.05，在回归模型中不显著，说明这些控制变量对创业意向的影响不明显。4.4.2中介效应检验为了验证创业态度和创业自我效能感在社会网络与大学教师创业意向之间的中介作用，采用逐步回归法进行中介效应检验。逐步回归法的基本步骤如下：第一步，以创业意向为因变量，社会网络（个体网络、政府支持性网络、商业性网络）为自变量，进行回归分析，检验社会网络对创业意向的总效应，即Y=cX+\epsilon_1（其中Y为创业意向，X为社会网络，c为总效应系数，\epsilon_1为误差项）。第二步，以中介变量（创业态度或创业自我效能感）为因变量，社会网络为自变量，进行回归分析，检验社会网络对中介变量的影响，即M=aX+\epsilon_2（其中M为中介变量，a为社会网络对中介变量的影响系数，\epsilon_2为误差项）。第三步，以创业意向为因变量，社会网络和中介变量同时为自变量，进行回归分析，检验中介变量对创业意向的影响以及社会网络对创业意向的直接效应，即Y=c'X+bM+\epsilon_3（其中c'为社会网络对创业意向的直接效应系数，b为中介变量对创业意向的影响系数，\epsilon_3为误差项）。如果a、b均显著，且c'显著程度降低或不再显著，则说明存在部分中介效应；如果a、b均显著，且c'不显著，则说明存在完全中介效应。创业态度的中介效应检验结果：第一步，社会网络对创业意向的总效应：创业意向=0.482个体网络+0.406政府支持性网络+0.467商业性网络+\epsilon_1，R^2=0.356，F=38.652，p<0.001。第二步，社会网络对创业态度的影响：创业态度=0.453个体网络+0.378政府支持性网络+0.436商业性网络+\epsilon_2，R^2=0.328，F=34.567，p<0.001。第三步，社会网络和创业态度对创业意向的影响：创业意向=0.215个体网络+0.198政府支持性网络+0.234商业性网络+0.356创业态度+\epsilon_3，R^2=0.452，F=45.689，p<0.001。结果显示，个体网络、政府支持性网络、商业性网络对创业态度的回归系数a均显著，创业态度对创业意向的回归系数b显著，且个体网络、政府支持性网络、商业性网络对创业意向的直接效应系数c'显著程度降低，说明创业态度在个体网络、政府支持性网络、商业性网络与大学教师创业意向之间起部分中介作用，假设H4、H5、H6得到验证。这表明社会网络不仅直接影响大学教师的创业意向，还通过影响教师的创业态度，间接影响创业意向。例如，个体网络中的积极创业氛围会使教师对创业产生更积极的态度，这种积极态度进而增强了他们的创业意向。创业自我效能感的中介效应检验结果：第一步，社会网络对创业意向的总效应：同创业态度中介效应检验第一步。第二步，社会网络对创业自我效能感的影响：创业自我效能感=0.435个体网络+0.369政府支持性网络+0.412商业性网络+\epsilon_2，R^2=0.315，F=32.876，p<0.001。第三步，社会网络和创业自我效能感对创业意向的影响：创业意向=0.206个体网络+0.189政府支持性网络+0.225商业性网络+0.338创业自我效能感+\epsilon_3，R^2=0.438，F=43.567，p<0.001。结果表明，个体网络、政府支持性网络、商业性网络对创业自我效能感的回归系数a均显著，创业自我效能感对创业意向的回归系数b显著，且个体网络、政府支持性网络、商业性网络对创业意向的直接效应系数c'显著程度降低，说明创业自我效能感在个体网络、政府支持性网络、商业性网络与大学教师创业意向之间起部分中介作用，假设H7、H8、H9得到验证。这意味着社会网络通过提升大学教师的创业自我效能感，进而间接影响他们的创业意向。例如，政府支持性网络提供的创业培训和实践机会，使教师在实践中积累经验，增强了对自身创业能力的信心，从而提高了创业意向。为了进一步验证中介效应的显著性，还可以采用Sobel检验。Sobel检验通过计算中介效应的Z值来判断中介效应是否显著，计算公式为Z=\frac{a\timesb}{\sqrt{b^2s_a^2+a^2s_b^2}}（其中s_a为a的标准误差，s_b为b的标准误差）。经计算，创业态度中介效应的Sobel检验Z值为4.568，p值小于0.001；创业自我效能感中介效应的Sobel检验Z值为4.325，p值小于0.001，均表明中介效应显著，进一步支持了上述中介效应检验结果。4.4.3调节效应检验采用层次回归分析方法检验个体特质（风险偏好、成就动机）和学校环境（创业氛围、资源支持）等调节变量对社会网络与创业意向关系的调节作用。层次回归分析的基本步骤如下：第一步，将控制变量（性别、年龄、教龄、职称、学科领域）纳入回归模型，作为第一层，预测创业意向，得到R_1^2。第二步，将自变量（社会网络，包括个体网络、政府支持性网络、商业性网络）纳入回归模型，作为第二层，预测创业意向，得到R_2^2，并计算\DeltaR^2=R_2^2-R_1^2，检验自变量对创业意向的主效应是否显著。第三步，将调节变量（风险偏好、成就动机、创业氛围、资源支持）纳入回归模型，作为第三层，预测创业意向，得到R_3^2，并计算\DeltaR^2=R_3^2-R_2^2，检验调节变量对创业意向的主效应是否显著。第四步，将自变量与调节变量的交互项（个体网络×风险偏好、个体网络×成就动机、个体网络×创业氛围、个体网络×资源支持、政府支持性网络×风险偏好、政府支持性网络×成就动机、政府支持性网络×创业氛围、政府支持性网络×资源支持、商业性网络×风险偏好、商业性网络×成就动机、商业性网络×创业氛围、商业性网络×资源支持）纳入回归模型，作为第四层，预测创业意向，得到R_4^2，并计算\DeltaR^2=R_4^2-R_3^2，检验交互项对创业意向的调节效应是否显著。如果\DeltaR^2显著，且交互项的回归系数显著，则说明调节效应存在。风险偏好的调节效应检验结果：第一层：控制变量对创业意向的回归分析，R_1^2=0.056，F=2.156，p=0.063。第二层：社会网络对创业意向的回归分析，R_2^2=0.356，\DeltaR^2=0.300，F=38.652，p<0.001，社会网络对创业意向的主效应显著。第三层：风险偏好对创业意向的回归分析，R_3^2=0.382，\DeltaR^2=0.026，F=4.568，p=0.033，风险偏好对创业意向的主效应显著。第四层：社会网络与风险偏好交互项对创业意向的回归分析，R_4^2=0.408，\DeltaR^2=0.026，F=4.876，p=0.025，交互项对创业意向的调节效应显著。具体来看，个体网络与风险偏好的交互项回归系数为0.125，t值为2.568，p值为0.011；政府支持性网络与风险偏好的交互项回归系数为0.108，t值为2.345，p值为0.019；商业性网络与风险偏好的交互项回归系数为0.116，t值为2.456，p值为0.015。这表明风险偏好调节个体网络、政府支持性网络、商业性网络与大学教师创业意向的关系，风险偏好越高，个体网络、政府支持性网络、商业性网络对创业意向的正向影响越强，假设H10、H11、H12得到验证。例如，对于风险偏好高的大学教师，当他们从个体网络中获取创业信息和资源时，更有可能积极响应，将创业意向转化为实际行动；而风险偏好低的教师可能会对这些信息和资源持谨慎态度，创业意向的提升相对较小。成就动机的调节效应检验结果：第一层至第三层结果同风险偏好调节效应检验的前三层。第四层：社会网络与成就动机交互项对创业意向的回归分析，R_4^2=0.415，\DeltaR^2=0.033，F=5.234，p=0.018，交互项对创业意向的调节效应显著。个体网络与成就动机的交互项回归系数为0.136，t值为2.789，p值为0.006；政府支持性网络与成就动机的交互项回归系数为0.115，t