基于偏最小二乘法的企業科研人員知識隱藏影響因素研究

任熠REN Yi；龐建剛PANG Jian-gang；秦宜QIN Yi

（西南科技大學經濟管理學院，綿陽621010）

1 緒論

經濟的結構性改革與產業優化升級的政策，在為企業提供了轉型升級，謀求高質量高效率發展的機會的同時，也加劇了企業之間的競爭壓力。企業為提升其內在創生動力，必然要以自身科研團隊的建設為著力點。但隨著科研團隊的建設逐步完善，人才競爭越發激烈，企業中科研工作者的知識共享意愿也隨之下降，知識隱藏問題成為企業創新力提升的阻礙。知識隱藏會在合作的工作者之間產生不信任環，進而抑制抑制團隊的創造活性[1]；與此同時，知識隱藏行為會降低團隊和組織的績效[2]，導致“回飛棒效應”的顯現[3]，還在一定程度上降低了個體的創新能力，并最終造成普遍意義上的員工創新力的下降，產生企業創新危機。目前，諸多組織與企業運用各種管理手段加強知識共享活動，提升知識共享意愿，從而避免其科研團隊內部的知識隱藏行為，并對企業發展的創生力危害提前防范。同時，企業內部的知識隱藏也成為了目前學術界理論研究的關注熱點。

Argote 和Ingram（2000）將雇員故意不與他人分享有價值的信息或知識的現象稱作“知識保留”[4]。Connely（2012）首次提出了“知識隱藏”這個概念，將其定義為“個體在受到他人詢問時為了保留或隱藏知識所作的有意嘗試”[5]，而Husted 等人（2012）提出，組織中普遍存在由于員工“知識共享敵意”而導致的知識貯存行為[6]。之后，國外學者交叉運用社會學、心理學以及經濟學領域多種理論，對影響知識隱藏行為的個體因素進行探索與研究。Lin 和Wang（2012）以大五人格和控制源理論為基礎建立了一個包括社會認同、獎勵預期、協作預期的多因素模型[7]；Connelly 和Zweig（2015）指出，人們在進行知識隱藏行為之前往往會權衡利弊，所以知識隱藏行為并不都是有害的[8]；Peng 和He（2013）建立了知識心理所有權與領地原因關聯的模型[9]；Tang 和Bavik 等（2015）的研究揭示了道德型領導對知識隱藏行為的抑制作用[10]。

2 研究背景與方法

2.1 理論基礎

通過文獻分析，現有企業人員知識隱藏現象的研究主要從心理期望、個人性格，同事關系幾個方面來進行研究。

在心理期望方面，姜榮萍，何亦名（2013）研究證明，消極互惠，組織氛圍與人際不信任對知識隱藏都有決定作用[11]；黃愛華、黎子森（2016）從資源保護理論出發，發現工作不安全感對知識隱藏有正向影響，并由此影響員工的創造力[12]；高天茹、賀愛忠（2019）研究證實了心理困擾在職場排斥對知識隱藏的正向影響中起鏈式中介作用[13]。

在個人性格方面，Lin（2012）探討了積極人格對知識隱藏行為的影響[14]；Tang（2015）探討了上司的道德領導力對下屬知識隱藏意愿的影響[15]；林陵娜（2015）實證研究表明知識共享自我效能與個體結果期望對知識隱藏具有顯著負相關關系[16]。

在同事關系方面，何亦名（2014）根據實證調研發現心理所有權對知識隱藏和領地行為存在顯著正向影響，并且領地行為在心理歸屬和知識隱藏之間起著中介作用[17]；何培旭，王曉靈等（2018）提出了上司辱虐管理影響下屬知識隱藏行為的中介效應模型[18]；魏峰、馬玉潔（2018）[19]與肖小虹、周正等（2018）[20]則分別探究了領導領地行為與自戀型領導對下屬員工知識隱藏的影響；趙紅丹、夏青（2019）提出消極情感在人際不信任與員工知識隱藏行為之間起部分中介作用[21]。

2.2 問卷設計

文章基于已有研究基礎，從1.2 所述五種指標出發設計問卷，問卷采用Likert5 級量表（1=非常不同意，2=不同意，3=不確定，4=同意，5=非常同意），每種指標設2-4 個問題作為顯變量。調查的對象包括正在任職的企業科研從業人員和在企業相關科研崗位有過實習經歷的大學生，收集的問卷涉及教育培訓、IT 電商、銀行證券、醫療衛生、建筑工程等多個行業，覆蓋四川、山東、湖南、廣東、上海、北京等地，基層員工以及公司中高層管理都有涉及，具有較強的代表性。

通過對收集到的答卷進行整理，篩選出239 份有效問卷，利用科隆巴赫α 系數來檢驗問卷的有效性，通過SPSS22.0 軟件測算出的科隆巴赫α 值為0.903，達到極高水平；KMO=0.891>0.8 且巴特雷特球形檢驗值為0.000，說明答卷數據可靠性極高，可以進行進一步分析。

2.3 建模分析——偏最小二乘法

本文采用偏最小二乘法進行路徑建模。1983年由伍德和阿巴諾等人首次提出偏最小二乘回歸分析方法，用于多自變量情況下的回歸建模。本方法通過迭代提取對因變量的解釋性最強且對因變量影響最大的綜合變量，可辨識出系統中的信息與噪聲，從而很好地克服了回歸路徑模型中變量之間的多重相關性的不良作用[28]。其主要原理如下：

①對于自變量數據表X={x1，x2，…，xp}和因變量數據表Y={y1，y2，…，yq}，分別提取出線性組合t1和u1，使得t1和u1盡可能大地攜帶它們各自數據表中的變異信息，且相關程度達到最大。

②分別實施X 對t1的回歸以及Y 對u1的回歸。檢驗模型的精度。如果精度已經達到要求，則終止提取，否則繼續提取（t2，u2），（t3，u3），……，重復此步驟。

③若取得達到要求的（tm，um），則可通過um對tm的回歸，來表達Y 對X 的回歸。

3 模型構建

3.1 提取因子

為構建PLS 模型，首先應當對觀測變量降維，再利用降維的結果設定潛變量。本文采用SPSS 22.0 軟件對收集的數據進行降維處理，得到主成分載荷表如表1 所示。

表1 主成分特征值及載荷平方和

由表1 可知，初始特征值大于1 的成分有3 個：第一個主成分的方差貢獻率為43.567%，第二個主成分的方差貢獻率為8.725%；第三個主成分的方差貢獻率為7.701%，這三個主成分貢獻率之和達到59.993%，說明這三個主成分反映了原始變量的大部分的信息。于是，可提取3 個成分作為主成分，作為原先15 個變量的代表。其中，各主成分的載荷如表2 所示。

表2 主成分載荷

由表2 可以看出，x7、x9、x10、x12、x13、x14、x15 在主成分1 當中的載荷超過0.5；x1、x2、x3、x6、x11 在主成分2當中的載荷超過0.5；x4、x5、x8 在主成分3 當中的載荷超過0.5。為了構建PLS 模型，分別將包含這些因素的三個主成分作為潛變量。

3.2 構建PLS 模型

上文已經通過主成分分析得出了能夠對原始變量有充分解釋力的三個主成分。為了構建偏最小二乘法路徑模型，首先需要對主成分的含義做出解釋，從而找到可能的自變量與因變量。本文根據各個主成分所含元素的內容，對主成分的含義做出的解釋如表3。

由表3 可以看出，在主成分A 當中，x7 的主成分載荷未超過0.5，可忽略不計。除x7 外，所有的變量都在強調外部因素對員工自身的影響。其中，x9、x10 強調了企業規章制度與結構的影響；x12、x13、x14、x15 強調了團隊氛圍對員工自身的影響，又以x12 的載荷最高，超過0.7。所以，可以認為主成分1 說明了團隊性質作為影響因素的存在，記為A。在主成分B 當中，載荷達到0.817 的x2 刻畫了來自同事的反饋對知識分享意愿的正向影響；而載荷0.75 的x3 則刻畫了工作環境的友好程度對知識分享意愿的影響，其余變量的載荷未超過0.65，可不予討論。綜合分析，可以認為主成分2 代表了工作環境對知識隱藏的影響，記為B。注意到在主成分C 中，直接強調個人知識分享意愿的成分x4、x5 的載荷超過0.8，而x8 的載荷不足0.4；而在主成分2 中，直接強調知識分享意愿的有x1，載荷為0.609。所以，為了研究其他因素對個人知識分享或隱藏意愿的影響，可以將主成分3 作為知識隱藏行為的結果（因變量），記為C；將主成分1 作為知識隱藏行為的原因（自變量），而由主成分2 作為中介變量。

表3 主成分表

按照模型草圖的演示，將得出的三個維度作為回歸的潛變量，利用SmartPLS 3.2.7 對模型展開運算：依次在軟件中點擊運算——PLS 算法，設定最大迭代次數為500次，設定加權方案為“路徑”，其余按照默認設置，點擊“開始計算”。為保證模型顯著性，將原成分中VIF 小于0.5 的因素刪去，得到改進后模型的結構信效度和VIF 分別如表4 和表5 所示。

表4 改進后的結構信度與效以及判定系數

表5 改進后的外部模型載荷（VIF）

從表5 中可以看出，改進后的模型中，各潛變量的外部模型載荷依舊超過0.7；并且，如表4 所示，改進后模型信效度與改進前基本保持一致。故對模型做出的刪改是有效的，并且讓模型顯得更加合理。此外，表4 中還加入了該模型下潛變量的判定系數值。在本文中，由于各判定系數均大于0.33，可以認為該模型擬合度適中，模型有效。

下面考察模型的路徑結構。路徑系數及其檢驗值結果如表6。

表6 路徑系數

從表6 中可以看出，對模型中三條路徑進行t 檢驗，得到的p 值都小于0.01，表明路徑均為極顯著，說明得出的路徑系數存在統計學意義，并進一步得出該模型可以成立。

3.3 模型解釋

在上述統計分析中，本文通過主成分降維的方法找到了三個潛變量，并運用PLS 方法成功構建了潛變量之間的結構模型。

首先需要根據模型解釋潛變量的現實含義。在上文中，已經依據主成分降維的結果對主成分做出了定義。但由于在構建PLS 結構模型的過程中對原始變量有所改動，所以不能照搬原來的定義，需要依據結構模型的結果重新進行分析。現將經過篩選的，各潛變量包含的原始變量例舉如表7。

表7 篩選后的原始變量

潛變量A*中各個分量都旨在說明公司、同事、團隊成員這些外部變量的影響，并且，根據表5，x9、x10 的VIF值較大，而x9、x10 主要是在說明公司對員工權益的保障程度和公司的管理結構的合理程度對員工知識分享意愿的影響。x14 和x15 則均表現了自己的團隊對知識分享意愿的影響。綜合考慮，可以認為潛變量1 表現了企業架構的影響。

潛變量B*中各個分量分別描繪了來自他人的尊重、工作環境的優劣、他人的理解和公司的獎勵，又以x2 的VIF 值最高。綜合考慮，可以認為潛變量2 考察了團隊成分對知識分享意愿的影響。

潛變量C*中各個分量都可以認為是直接表明了個人的知識分享的意愿。所以，從邏輯上來講，將潛變量3 作為路徑的終點是比較合理的。

最終結構模型如圖1 所示。在圖1 中，圓圈表示潛變量，方塊表示原始變量；圓圈內的數字表示R2，圓圈之間的箭頭上的數字表示路徑系數，上面的**表示極顯著；原始變量與潛變量之間的數字表示VIF。由圖形可知，該結構模型整體表現完好，可以用于說明問題。

3.4 結果分析

本文在已有文獻的基礎上，通過問卷調查收集數據，利用主成分分析法和偏最小二乘法得出了阻礙企業科研人員進行知識分享的一些重要因素，以及各個因素之間的關聯程度和關系大小。本文主要得出以下結論：

①企業架構對員工個人知識分享意愿有著重要影響。知識權益的保護程度也是影響從業者對企業架構的體驗的重要因素。科研人員如果感覺到企業尊重知識權益，他便更加愿意去進行知識分享活動。此外，在本研究中，同事的積極程度以及對同事的了解程度也歸入了企業架構的影響之內，且比重較高，這表明企業科研人員之中普遍存在著這樣一種心理：他們會將周圍的同事視為企業架構的一部分，從而將對同事的印象投射為對企業的印象。

②科研團隊自身的組成對科研從業者的知識分享意愿有一定影響。此外，本研究顯示，在企業科研從業人員的觀念中，工作環境的優劣、團隊成員的理解能力差距和企業獎懲制度這些因素是同構的，科研人員會將對這些事物的印象投射到對自身所處團隊的印象當中，并以此決定是否進行知識分享活動。

③從企業科研人員自身的角度而言，影響科研人員知識分享意愿的不但有企業管理方法、獎懲機制、對員工知識權益的保障等的變動，而且還有企業的人事變動：如果從業者感到公司人事變動頻繁，或者對相應職務的人事安排有所不滿，他們就會把這些不滿投射到公司的管理架構上，并且更加傾向于進行知識隱藏。

4 管理建議

基于上述研究結論，本文針對企業科研人員的知識隱藏提出如下建議：

①在管理架構方面，由于企業的管理結構和體制規章在很大程度上決定了科研從業者對企業的印象，因此，管理層在制定決策時，應當注意決策對企業管理結構和體制規章的影響。可以考慮增加研發部門在決策制定中的話語權，了解科研人員對公司決策的真實想法。在知識權益方面，管理層應向科研從業者明確公司及行業的相關制度，主動宣傳知識產權法律法規，并做好相應的表率。最后，管理者應當致力于塑造一種寬松友好的企業文化，增強員工歸宿感。

圖1 PLS 結構模型

②在團隊建設方面，應注意團隊中各成員的性格差異不要過大，并且應盡量將社會關系（地域、畢業院校、工作經歷等）相近的同事安排在一個團隊；在對員工間知識分享程度有較高要求的行業，企業應當保證人事安排的相對穩定，如確需變動，應當在人選上征求研發人員的意見。

③在現在通行的企業管理結構下，企業構架的變動會對科研團隊造成較大影響。因此，在某些對員工知識分享水平要求較高而企業架構又需要經常變動的行業中，可以嘗試引入科研團隊自治機制，給予科研團隊一定的穩定性，從而保障科研人員的知識分享意愿。