乡村振兴背景下农业科技人才胜任力模型构建研究／杨月坤 陈 鑫

　　再次，将通过上述两种途径收集到的41项农业科技人才胜任力条目，经过归纳、修正或删减内涵重复条目，提炼出符合乡村振兴发展要求的农业科技人才初始胜任特征28项（见表1）。

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　（二）问卷调查与样本特征

　　以上述28项胜任特征为框架，结合乡村振兴战略的要求，本文初步设计了《乡村振兴背景下农业科技人才胜任力调查问卷》。预先发放50份问卷进行预测试，并运用统计软件SPSS20.0对问卷进行检验。结果显示，本次预调查中仅有一个题项“市场知识”的因素负荷量低于0.4，其余均大于0.6，因此删除该题项。通过对初始问卷语义和内容的修正，本文最终确定了包含27项胜任特征条目的农业科技人才胜任力正式调查问卷。

　　正式调查以江苏、浙江、广东、北京、天津、上海、黑龙江、山东、甘肃等省份的农业科技创新主体（涉农高校、农业科研院所、涉农企业）中的科研人才为目标，通过网络发放问卷。本次调查共回收问卷356份，其中有效问卷306份，问卷有效率为85.96%。问卷基本信息部分结果显示：在受教育程度方面，硕士及以上占35.0%，本科占46.4%，专科及以下占18.6%；在工作单位性质方面，涉农高校占62.4%，农业科研院所占16.0%，涉农企业占21.6%；在职称级别方面，初级及以下占14.4%，中级占45.1%，副高级占38.2%，正高级占2.3%。

　　（三）统计方法

　　本文运用探索性因子分析（EFA）及验证性因子分析（CFA）构建并验证农业科技人才胜任力模型。同时，对量表进行信度与效度分析，以确保胜任力模型的有效性与科学性。根据探索性因子分析及验证性因子分析必须各自使用独立样本的统计原则，将306份有效问卷随机排序、按奇偶数分类，分别用作探索性因子分析和验证性因子分析。统计软件为SPSS20.0和AMOS22.0。

　　三、实证分析与结果

　　（一）探索性因子分析

　　1.因子提取

　　为检验样本数据是否适合进行因子分析，对奇数组的153份样本进行KMO和Bartlett球形检验。检验结果显示，KMO值为0.846，Bartlett球形检验　　值为3348.538（p＜0.001），表明样本的相关矩阵间存在共同因素，可以进行因子分析。

　　采用主成分分析法，经方差极大正交旋转后获得因子载荷矩阵，上述27项胜任特征项目因子载荷绝对值大于0.4，全部得以保留（见表2）。遵循Kaiser准则，抽取特征值大于1的5个公因子作为农业科技人才胜任力模型的5个维度，5个公因子共解释总变异的76.147%。其中，因子F1解释总变异的20.068%，因子F2解释总变异的15.771%，因子F3解释总变异的14.722%，因子F4解释总变异的12.812%，因子F5解释总变异的12.774%。

　　2.因子命名

　　根据各公因子所解释的胜任特征项目，对抽取的5个公因子命名。第一个因子F1指农业科技人才从事农业科技研究活动应当具备的基本实践能力，包括抗压能力、终身学习能力、农业科技推广能力、农业科技成果转化