论领导成员交换与创造力的关系——基于社会认知理论的元分析研究*

杨 刚，谢 懿，纪谱华

(西南大学 经济管理学院，重庆 400715)

一、引言

在现今竞争如此激烈的动态商业环境中，面对快节奏的变化和短暂的市场机会，创造力在提高组织效率和获得竞争优势方面越来越发挥关键作用。有学者认为，创造力是组织的“强有力的竞争武器”[1]，并强调培养员工、团队和组织的创造力是21世纪领导者的重要目标和任务[2]。创造力的形成受多种因素的影响，领导的作用被认为是必不可少的、最重要的因素之一。[3]以前的研究长期以来一直承认领导者在培养员工创造力方面的关键作用[4][5]，突出了领导者对下属创造力影响的三个方面：领导者的个人特质，领导者行为以及领导者与下属的关系。其中，关注领导者与员工之间二元关系的领导成员交换理论(LMX)在领导力理论中是独一无二的。它的基本原则是领导者不会以同样的方式对待所有下属，而是发展和维持与下属之间不同质量的人际关系。[6]大量研究已经证明，领导成员交换的质量可以预测员工的态度和与绩效相关的工作成果。[7]本研究在已有研究的基础之上运用元分析方法进一步整合和验证了领导成员交换与创造力之间的关系，并结合结构方程模型深入探讨了社会认知理论视角下领导成员交换对创造力的作用机制，力图为领导追随理论相关研究成果提供更多依据。

二、理论基础与研究假设

(一)领导成员交换与创造力的关系

领导成员交换可以追溯到社会交换理论，该理论根植于社会心理学，最初源于 Gouldner(1960)[8]的文章，将社会变革解释为人与人之间互动交流的过程。社会交换理论被学者视为是将领导行为与员工表现连接起来的桥梁和框架，而员工与其领导之间的交流则是社会交换的核心机制。1972年，Graen & Dansereau提出了领导成员交换(LMX)的概念，以角色承担和社会交换为基础，将领导与成员的关系视为一种“垂直二元”的结构关系，认为领导者会与不同的员工建立不同质量的关系，包括高质量的领导成员交换关系和低质量的领导成员交换关系。高质量交换关系是长期的，涉及信任、互惠、资源与支持，这种关系下的员工受到领导者重视并表现出高满意度和高承诺。而低质量交换关系是短期的、涉及经济和交易行为，这种关系下的员工只是执行他们领导者要求他们做的事情，具有高离职倾向率和较低的绩效水平。[9]领导成员交换相关研究表明，追随者和领导者之间的交流质量有助于创造力的提升。[10]低质量的关系是基于受限制的互动为特征的契约交换，高质量关系是基于相互信任、尊重、信息共享的交换，能为下属提供更大的决策余地。[11]与和主管经历低质量交流关系的人相比，经历高质量关系的个人被认为更具创造性。首先，高水平的领导成员交换为扩大信息交流创造了更多机会，领导者和追随者可以自由地表达自己的想法。[12]其次，以互信为特征的高质量领导成员交换中的员工更可能在不担心责备的情况下从事具有挑战性和冒险性的工作行为。[13]最后，具备高领导成员交换质量的员工获得领导者强烈的支持[14]，可以增加他们在工作中产生和实现新想法的可能性[15]。而在低质量领导成员交换的情境下，领导者和下属之间的沟通频率较低且不太及时，下属可能更容易忽视领导者鼓励创新的行为线索，他们在工作中犯错误时常常受到领导者的责怪从而害怕失败并避免参与冒险的创造性行为。[16]因此，低质量领导成员交换的下属很难获得工作自主权[17]，领导者也不太可能提供反馈信息，下属只能依靠自己的能力来产生创造性的想法。基于此，本文提出假设H1：

H1：领导成员交换正向影响员工创造力。

高创造性的成员可以帮助团队形成创新的价值判断和行为选择，这对促进创造力至关重要。[18]除了具备高创造性的成员之外，外向、尽责、乐观的成员可能会表现出激发讨论、激励团队以及与其他团队的成员合作的行为。所以当资源有限时，领导者可以为这些员工分配更具挑战性或更关键的任务，并给予他们更多的信任鼓励，更高的期望和强烈的情感支持；对于能力较低或表现不佳的下属，领导者可以分配更多的琐事，提供较低水平的支持。因此领导者越清楚地认识到下属各方面的差异，团队的工作成果就越好。另外，高领导成员交换差异可能会导致员工之间形成团队内和团队外的感知，从而引发人际关系和情感冲突[19]，使得团队的整体目标无法趋于一致，最终将会抑制创造力的提升。基于此，本文提出假设H2、H3：

H2：领导成员交换差异正向影响团队创造力。

H3：领导成员交换差异负向影响团队创造力。

(二)创造性自我效能的中介作用——社会认知理论的解释

Tierney等(2002)提出的创造性自我效能的概念，指的是个体相信自己有能力产生创造性成果的信念。Bandura认为，言语劝说、情绪唤起、经验学习等行为能够影响个体的自我效能。根据此理论，领导成员交换通过上述三种行为影响员工的创造性自我效能，再通过认知机制、动机机制、情感机制过程最终提高员工的创造力。首先，高领导成员交换质量下的领导给予员工情感支持，避免员工因失败而带来的负面情绪影响，从而更积极地投身于创造性任务当中；其次，高领导成员交换质量下的领导将自己掌握的部分信息与员工进行分享，给予员工充分的自主权和决策权，增强员工对创造性活动以及个人和团队总体目标的认知；最后，高领导成员交换水平下的领导不会规定员工严格按照某一套具体的程序完成任务，员工可以在既定目标下采取多样、灵活的方式以达到领导最终的要求，拥有更多自主选择的权利和更高的动机水平来产生创造性的角色外行为。基于此，本文提出假设H4：

H4：高质量领导成员交换关系通过提高员工的创造性自我效能，进而促进员工创造力。

(三)潜在的调节变量

1.文化情境

文化资本理论指出，社会文化环境影响着个体和群体的行为方式。[20]互联网经济的快速发展和全球化趋势的进一步深化推动了文化间的相互融合，在一定程度上对人们的社会认知产生潜移默化的影响。但由于传统的文化观念、政策引导和长期的历史积淀使得不同国家或区域所形成的文化氛围根深蒂固，并仍然呈现较大的差异化特征。东方情境下的员工注重以差序格局为核心的社会网络，并一开始就与领导保持清楚的上下级关系，这种关系与家长型或威权型领导与员工的关系是较为相似的。[21]员工尤为在意领导的评价，对领导行为也更为敏感。而西方则更倡导个性化主义，员工往往与领导在平等的基础之上再明晰权力关系，从而促进了上下级之间信息的有效传递和团队成员知识共享的频率。因此，在东西方文化情境下，领导与成员之间的关系对员工行为的影响是不同的。此外，Hofstede提出的文化维度理论也为我们提供了划分不同文化特征和价值观念的标准和参考依据[22]，该理论涉及五个方面，分别是“权力距离”“个人主义与集体主义”“阳刚型与阴柔型”“不确定性规避”以及“长期和短期调节导向”。其中高权力距离表现出集权性特征，会在一定程度上抑制员工的自由行为；个人主义文化下，人们重视自主、独立与自我表达，更愿意去接受各种新鲜事物和挑战来实现目标。高不确定性规避文化强调稳定性，与创造力的本质特征相冲突。但同时高不确性规避可以通过技术的手段来实现，而对技术的需求需要高创造性和创新能力。基于此，本文提出假设H5：

H5：文化情境的不同使得领导成员交换与创造力的关系具有差异性。

2.国家属性

发达国家和发展中国家由于经济、技术和社会发展水平的差异，使得不同国家属性背景下组织的性质和组织内个体的能力和认知存在较大差异。一方面，发达国家背景下，企业处在一个资源相对更为丰富的环境中，拥有创新所需要的更加完备的先天条件，并且完善的市场机制和社会体制使企业面临更低的风险，这使得处在各个生命周期的企业更加愿意从事冒险活动。另一方面，发达国家很大程度上来说员工的创造力已经得到较大的发挥，不管是崇尚集体主义的日本还是崇尚自由主义的美国，领导与下属之间都保持着较高的交换关系，比如忠诚、奉献、尊重等。而以中国为主的发展中国家，社会网络、生活水平等因素束缚了员工的思维，使得员工即使拥有高度的创造力也无法得到有效发挥。这种背景下，领导成员交换质量的向好发展，或许能对员工的创造力产生更高的效应。基于此，本文提出假设H6：

H6：国家属性的不同使得领导成员交换与创造力的关系具有差异性。

3.行业属性

根据企业所处行业领域可将企业分为知识型企业和非知识型企业。两者在市场需求、资源诉求、产品供给、发展环境、组织架构等方面都存在较大的差异。因此，同样的领导成员交换质量得分在两种类型的行业中可能会对创造力产生不同的影响。知识型企业内的员工具有更高的信息和技能水平，能够更快地适应环境的变化，也会产生更多的创造性想法，因此更需要领导与下属以及下属之间进行沟通合作整合异质性想法来达成共识。而非知识型企业不要求员工具备特别高的创造性技能，企业本身的创新活动和创新机会相对更少。创新本身就具有很高的风险性，并且创新价值链的创意产生、创意转化、创意推广整个环节是一个长期的过程，需要付出很高的机会成本，甚至可能牺牲掉企业的一部分绩效。企业的创造性活动最终是来源于员工，这种客观现实条件对领导者提出了更高的要求，需要领导者具有前瞻性眼光和大的格局观，与追随者保持动态的良好关系，需要领导者能够尊重员工、鼓励员工进行冒险并宽容他们的失败。只有这样才能共同应对激烈的竞争环境。基于此，本文提出假设H7：

H7：行业属性的不同使得领导成员交换与创造力的关系具有差异性。

4.测量因素

此部分主要考察中国情境下领导成员交换质量测量工具的不同对创造力的影响。通过对现有关于领导成员交换与创造力关系研究的测量工具进行整合后发现，研究的具体情境和对象不同使得采用的领导成员交换量表也不完全相同。虽然对某一变量的测量都反映了该变量的核心内涵和特征，但基于不同的理论基础和测量方式，以及根据不同研究环境进行适当调整后所形成的测量工具是存在差异的。具体表现为量表维度、长度、题项内容、表达方式以及信效度等方面的不同。[23]从本研究所整理的相关文献所使用的量表来看，中国情境下该类研究的测量工具主要分为三类：分别是Graen等的LMX—7量表、Liden和Maslyn等的LMX-MDM量表以及王辉的量表。其中LMX—7包含七个条目，代表题项为“您的主管在多大程度上认可您的潜力”等[24]，LMX-MDM包含四个维度，分别为情感、忠诚、贡献和专业尊敬，代表题项如“我敬重我的直接上司在工作方面的知识和能力”等[25]，相比于LMX—7量表，LMX-MDM量表所包含的范围更为全面，且更能体现出领导与员工的相互关系和互动评价。而王辉的量表在过去LMX-MDM量表的基础上进行了修订，结合了我国的具体情况增添了部分题项[26]，相比直接使用国外翻译而来的量表更能够体现中国情境。因此基于元分析技术将测量工具作为调节变量来考察其对领导成员交换与创造力关系的影响，可以更加深刻地揭示是否考虑情境因素而形成的量表所得出的不同结果。基于此，本文提出假设H8：

H8：中国情境下测量工具的不同使得领导成员交换与创造力的关系具有差异性。

综合以上分析，构建相应理论模型，如图1所示。

三、研究方法

Meta分析是对具有共同研究目的的相互独立的多个研究结果进行系统合并，剖析研究间差异特征，定量综合评价研究结果的统计方法。分析过程中对于效应量一致的同类研究应尽可能准确估算出效应值，并就此报告其在所合成的研究中是稳健的；如果效应量各异，就应量化其变异程度并考虑其意义。[27]这样做可以增加统计功效，最大限度控制可能出现的偏差，提高结论的论证强度。此外，Meta分析可回答单个试验难以回答或尚未提及的问题，发现新的视角或隐藏于其他汇总性研究中的效应或关系。

为了研究创造性自我效能的中介机制，本文使用了元分析结构方程模型(MASEM)。MASEM是一个复杂的因果关系模型，可以测试因果结构和估计回归效应，也可进一步检验调节效应。[28]该模型的基础是元分析计算推导出来的相关矩阵，包含各变量整体效应之间的相关性。研究遵循Cheung[29]等提出的两阶段分析步骤：第一阶段分析的主要目的是计算变量的联合相关矩阵，第二阶段是采用最大似然法计算结构方程模型，基于联合相关矩阵探索变量之间的关系。对于结构方程模型的计算，较为流行的统计软件包括LISREL、AMOS和EQS等，如果将相关矩阵作为协方差矩阵输入这些软件时可能会导致不正确的结果。[30]因此，本文使用包含在Statistica软件中的结构方程计算程序SEPATH，它能够正确地对相关矩阵进行分析。

(一)文献检索、筛选及纳入标准

采用电子和手动搜索的方式以广泛识别各期刊文章、会议论文和涉及研究主题的硕博士论文，并使用了3种不同的搜索策略：(1)在CNKI、万方、Ebsco、Web of science、Elsevier、Emerald、JSTOR等数据库中检索篇名、关键词、摘要或主题中涉及“领导—成员交换”“领导—下属交换”“领导成员关系”“领导下属关系”“LMX”“创造力”“创造性”“创新”“创新行为”“发散性思维”“创造性自我效能”“创新自我效能”“leader-member exchange”“leader-subordinate exchange”“leader-follower exchange”“LMX”“creativity”“creative”“innovation”“innovative”“idea generation”“divergent thinking”“creative self-efficacy”“innovation self-efficacy”等主要词汇的文献。(2)对国内外相关权威期刊进行人工专项搜索以确保不遗漏重要文献，如管理评论、南开管理评论、管理科学、心理学报、管理学报、JournalofOrganizationalBehavior，CreativityResearchJournal，JournalofCreativeBehavior，LeadershipQuarterly等。(3)在中国博士学位论文全文数据库、ProQuest学位论文全文检索平台对未发表的硕博士论文进行检索。通过对初次检索到的所有结果的题名、关键词和摘要进行阅读查看之后，剔除掉与本研究不相关的文献，共获得518篇潜在的可以纳入Meta分析的文献，其中外文文献270篇，中文文献248篇。

然后，剔除重复文献，并通过参考已有研究，进一步筛选余下的文献，只有同时符合以下几项标准的研究才能够纳入最终的Meta分析：(1)必须是实证研究文献。(2)研究中必须包含领导成员交换或其维度、创造力或创新行为、创造性或创新自我效能。(3)必须是明确报告了样本量，信度系数，Pearson相关系数或能转化为相关系数的回归系数、路径系数等，以及F值、T值等统计量。(4)对于多阶段发表以及重复发表、样本相同的文献，将其归为同一项研究。通过上述筛选标准，共获得311篇符合本文元分析要求的、独立的实证研究文献，文献采纳率为60.04%。其中，中文文献189篇，外文文献122篇；博士论文7篇，硕士论文73篇，期刊论文229篇，会议论文2篇；领导成员交换对员工创造力影响的文献162篇；报告了领导成员交换各维度与创造力关系的文献10篇。在最终能够纳入元分析的文献中最早出现在1999年，如表1所示。

表1 文献信息

(二)文献编码

为了确保编码的准确性，由两位研究生进行独立编码，具体包括文献作者、题目、发表时间、文献来源、样本容量、研究对象、变量类型等实质性描述特征信息，以及pearson相关系数、P值、T值、F值、均值、标准差、路径系数、回归系数等统计数据信息。在对文献中的效应值及相关统计量进行提取录入时，首先梳理每篇文献中包含多少独立样本及相关系数，如果一篇文献中同时报告了多个相关系数，则采用如下方式进行编码：(1)如果这些相关系数来自不同的研究样本，则将其作为独立相关效应值分别进行编码。(2)如果来自相同样本总体的多个相关系数中既包括LMX与创造力的整体相关系数，又包括LMX各维度与创造力的相关系数，则作为同一项研究分别进行编码，若只报告了LMX各维度与创造力的相关系数，则逐层平均得到整体关系之后再分别进行编码。除此之外，为了考虑调节效应，本文还对研究样本的文化情境、国家属性、行业属性、测量工具等信息进行了编码。其中，文化情境主要分为东方情境和西方情境；国家属性分为发达国家和发展中国家；行业属性主要考虑实证对象是否属于高新技术等知识型行业；测量工具在中国情境下主要分为LMX-7、LMX-MDM以及王辉的量表。最终，编码产生342项研究，包含105 484个样本。

(三)统计方法及分析程序

本研究综合使用Statistica和Meta分析专用软件Comprehensive Meta-Analysis(CMA)3.0对数据进行分析处理，采用转换后的相关系数(r值)作为输入效应值，并将各独立样本的效应值最终合成为一个效应值。首先，根据Peterson & Brown(2005)[31]的研究，将回归系数转换为相关系数，转换公式为：r=0.98*β+0.05(β≥0)；r=0.98*β(β<0)(β(0.5,0.5))(1)对于回归系数与相关系数的转换公式，依据Peterson & Brown( 2005)的研究：r=0.98*β+0.05(β≥0)；r=0.98*β(β<0)(β(0.5, 0.5))。；为了防止由于量表的信度缺陷所导致的相关系数的衰减偏差，对每项研究的r值以及由回归系数转换而来的r值进行信度修正，当独立研究没有报告整体信度系数时，使用各维度信度的平均数替代(2)借鉴陈春花教授在《中国情境下变革型领导与绩效关系的Meta分析》中的研究与Hunter在Dichotomization of Continuous Wiables:The Implications for Meta-Analysis中的研究，如果个别变量信度值缺失的研究可利用其他相似研究样本的加权平均信度来代替。[32]，公式为：

(1)

其中,r为观察到的相关系数,αx为变革型领导的信度系数，αy为创造力的信度系数[33]。

(2)

(3)

(4)

每项研究观察到的效应大小不同通常有两种原因:一是研究内部的抽样误差，二是异质性。而要定量研究异质性，则需要引入Q统计量(服从自由度为k-1的卡方分布)来描述观察变异与内部误差的比值，同时也是估计模型选择的参考依据，如果Q显著说明存在异质性，应选用随机效应模型以防止样本量不同带来的估计偏差，如果Q不显著，则选择固定效应模型。此外，Q统计量如果显著，则预示着效应值可能受到潜在的调节变量影响[35]。Q的公式为：

(5)

如果采用固定效应模型对效应值进行估计，可按以上几个公式进行转换和计算，但是面对大部分使用随机效应模型更为适当的情况，那么权重就需要同时考虑组内和组间方差，组间方差用τ2表示，此时的权重计算公式为：

(6)

根据Hedges的研究，τ2的计算公式为τ2=(Q-(k-1))/c。

随机效应模型中，除了权重发生变化之外，Zri的加权平均值的计算采用与固定效应模型相同的公式：

(7)

四、实证结果

(一)异质性检验

异质性检验的两个重要观测指标是Q值和I2值。[36]Q统计量检验统计显著性，I2指标反映实际显著性，可以解释有多少比例的观察方差反映了真实效应的差别，类似于信号噪声比。已有研究表明，Q值如果显著，则应当拒绝同质性零假设，采用随机效应模型估计综合效应值，Q值如果不显著，则采用固定效应模型估计综合效应值。[37]前者不是为了估计一个真实效应值，而是效应值分布均值，它允许一部分效应值的离散来自不同研究间研究的真实差异，可更为合理地对样本赋予权重，而后者则没有考虑此因素，需要说明的是，当τ2=0(总体研究效应值参数的方差为0时)固定效应模型与随机效应模型的估计是相同的。异质性检验是否显著的判断标准为Q>k-1且I2>0.6。本文效应值异质性检验的结果如表2所示：

表2 效应值异质性检验结果

从表2可以看出，LMX与员工创造力、分维度LMX与创造力、LMX差异与团队创造力、LMX与创造性自我效能以及创造力与创造性自我效能的Q值均大于其对应的(k-1)的值，且均在0.001的水平上显著，说明各研究间的效应量都存在异质性，那么效应估计应采用随机效应模型。此外各类关系的I2均大于80%，表明有超过80%的观察方差反映了真实效应的差别。τ表示效应的离散程度，以LMX与创造力的整体关系为例，τ为0.497，若其效应为R总，那么预计95%的真实效应将降落在[R总-1.96τ，R总+1.96τ]，即[R总-0.77,R总+0.77]这个区间之内，可反映研究间的真实差异。对于其余几项效应的分析同此。

(二)发表偏倚检验

若干不同领域的研究已经表明，具有统计学意义结果的研究更可能被发表[38]，也意味着要想在Meta分析中包含所有的灰色文献几乎是不可能的，这种现象可能导致效应值的估计产生较大偏倚。发表偏倚的检验可以通过CMA2.0软件实现。图2是领导成员交换与创造力整体关系的效应值分布的漏斗图，这可以对发表偏倚进行定性分析。横轴表示转换后的效应值，纵轴表示标准误差。从图中可以看出，效应值大部分位于漏斗图顶部且对称分布在平均效应值周围，只有小部分研究发生偏离，说明本文纳入元分析的研究出现发表偏倚的可能性较小。

引入Rosenthal的失安全数和Egger’s偏倚检验进行定量分析[39]，见表3。Rosenthal的失安全数(classic Fail-safe N)用来计算需要加上多少个漏掉的研究才能使分析结果变得没有统计学意义。如果失安全数大于5k+10(k指研究的数量)，那么受到发表偏倚的影响小，反之，则需要重视发表偏倚的影响。Egger偏倚检验则是根据效应值的自然对数来检测漏斗图的对称性，用标准正态离差对效应估计值的精确度作回归分析。

表3 失安全数与Egger’s检验

从表中可以看出，上述8对关系中的失安全数均大于各自相对应的(5k+10)的临界值，表明研究结果的稳定性较好，均不存在发表偏倚的问题；从Egger’s偏倚检验发现，表中的8对关系的漏斗图均呈对称分布，说明也不存在发表偏倚的问题。

(三)主效应关系

领导成员交换与创造力的总体效应、领导成员交换与跨层面创造力的效应、领导成员交换不同维度与创造力的效应估计结果见表4。

表4 主效应检验结果

从表中可以看出，LMX对员工创造力的效应值为0.51，在0.001的水平上显著，H1得到验证；从多维度视角来看，LMX的情感、忠诚、贡献、专业尊敬几个维度与创造力关系的效应值分别为0.536，0.430，0.529，0.503，且均在0.001的水平上显著。LMX差异化对创造力的效应值为-0.186，在0.001的水平上显著，H2得到验证。此外，在LMX不同维度与创造力的关系中，效应值大小的关系依次是情感>贡献>专业尊敬>忠诚。

(四)调节效应检验

本文采用元回归的方式来检验调节变量的影响，对于发现结果显著的调节变量再进一步采取分组分析的方法进行检验，涉及的调节变量包括文化情境(东方文化和西方文化)、行业因素(知识型行业和非知识型行业)、国家属性(发达国家和发展中国家)、测量工具(中国情境下直接引用国外量表和改编过的量表)。元回归结果见表5。从表中可以看出，除行业因素外(P>0.05)的调节作用不显著外，测量工具的调节作用在0.05的水平上显著，文化情境、国家属性均在0.001的水平上显著，表明这三个因素对LMX与创造力的总体关系具有显著的调节作用，H5、H6、H8得到验证。

表5 元回归结果

接着，使用分组分析进一步检验调节效应[40]，结果见表6。由表6的异质性检验结果可以看出，文化情境、行业因素、国家属性、测量工具对LMX与创造力的总体关系具有调节作用。从文化情境来看，相比于西方情境(r=0.279)，东方文化情境下(r=0.464)LMX对创造力的效应更强。从行业因素来看，非知识型行业(r=0.457)比高技术等知识型行业(r=0.362)对LMX与创造力的关系具有更强的预测作用。从测量工具来看，中国情境下使用Graen等的LMX—7量表效应值更高。综合来看，行业因素的调节作用存在不确定性，文化情景、国家属性、测量工具对LMX与创造力的关系都具有显著的调节效应。

表6 领导成员交换与创造力总体关系的调节效应检验

五、创造性自我效能的中介效应检验

表7是将要用于结构方程模型计算的各变量之间的元分析相关矩阵。从矩阵当中可以看出，领导成员交换和创造性自我效能(r=0.469，P<0.01)、创造力(r=0.438，P<0.01)都具有显著的正相关关系，创造力与创造性自我效能(r=0.733，P<0.01)同样具有显著的高度正相关关系，这些结果与假设保持一致。以此矩阵为基础进行结构方程模型计算，其中，样本量通过各个效应值样本量的调和平均数来衡量[41]，最终的路径如图3所示。需要说明的是，由于采用元分析相关矩阵的结构方程模型是饱和模型，所以不存在测量误差，故不能估计其拟合指数[42]。从图中可以看出领导成员交换正向影响创造力自我效能(B=0.469，P<0.01)，创造力自我效能正向影响创造力(B=0.676，P<0.01)，创造性自我效能在领导成员交换与创造力之间起部分中介作用，H5得到支持。

表7 领导成员交换、创造性自我效能和创造力的联合相关矩阵

六、结论、局限与展望

(一)结论

本文在已有文献的基础之上，采用元分析方法，对领导成员交换与创造力之间的关系进行了总结和验证，并得出以下几点结论：

第一，领导成员交换质量对创造力具有显著的影响，在高质量的LMX下，员工及团队的创造力也会更高。从领导成员交换的各维度来看，情感、忠诚、贡献以及专业尊敬四个维度均会对创造力产生积极的影响，其中，情感维度的作用最强。此外，领导成员交换差异对创造力有着显著的负向影响，也就是说，领导对于组织或团队内成员表现出的关系差异越大，越不利于员工或团队创造力的提升。

第二，文化情境、国家属性、测量工具对领导成员交换与创造力之间的关系具有显著的调节效应。具体而言，相比于西方文化，在东方文化情境下的高质量的领导成员交换关系对创造力具有更加显著的促进效应；相比于发达国家，发展中国家情境下的高质量领导成员交换关系对创造力具有更加显著的促进效应。而在中国情境下，不同的测量LMX的工具所反映出来的效应也不相同，使用Graen的LMX—7量表测量出来的LMX对创造力的促进效应更高，其次是结合了中国具体情况的王辉的量表，最低的是Liden的LMX-MDM量表。从以上调节因素所导致的具体差异我们可以知道，由于不同情境下所覆盖的各种因素复杂多样，因此即使采用同样的量表并控制其他多种变量，也会得出不同的结果。中国和西方国家在经济、文化、政治、社会环境等方面表现出高度的异质性，因此直接采用国外的成熟量表测量中国的情况可能会与实际发生偏离，在国外已有量表的基础之上结合中国的文化和社会网络等特殊因素，在保证量表信效度的基础之上进行改编与修订，可能对中国的管理实践更具实际意义。此外，本研究中行业属性对LMX与创造力关系的调节并不显著，一方面可能是因为本文在进行文献编码时未将知识型行业与非知识型行业进行严格分离，部分同时涵盖两种行业属性的研究样本也归入了非知识型行业范围之内；另一方面可能是因为LMX与创造力差异的程度不仅仅体现在知识型和非知识型行业的属性划分当中，在非知识型行业本身内也存在着显著的差异，比如高端服务业和低端制造业等，这也导致了结果的不确定性。

第三，本研究基于社会认知理论，运用元分析结构方程模型探讨了创造性自我效能在领导成员交换与创造力关系当中的作用机制。已有研究大多从实证角度研究了三者之间的内在关系，也有研究从元分析的角度验证了领导成员交换对员工绩效等变量的积极作用，个体情绪与创造力的关系或是将创造力作为预测变量验证其对创新绩效的影响等，但几乎没有研究从元分析角度来验证领导成员交换、创造性自我效能与创造力的关系。本研究运用元分析方法证实了创造性自我效能对创造力的积极效应，以及创造性自我效能在LMX于创造力之间所起的中介作用。而三者之间或者LMX与创造力两者之间是否还有其他作用机制以及效应大小如何还有待用元分析方法进行进一步探讨。

(二)局限

一是由于元分析技术本身带来的限制，使得研究无法纳入所有的调节变量。本研究虽然验证了文化情境、国家属性、行业属性、测量工具的调节效应，但是还有大量的可能性因素未考虑进去，比如性别、学历、管理者的层级等，这些因素在元分析方法当中都可能成为显著调节领导成员交换与创造力关系的因素。二是在潜在文献纳入的过程中没有考虑所有可能涉及领导成员交换与创造力关系的文献，使得部分公开发表过的文献出现遗漏，比如一些包含员工行为、员工角色外行为、员工创新绩效的研究，在衡量的过程中可能也同样使用了创造力或者创新行为的量表。三是部分未公开发表的灰色文献难以全部获得，也包括一些只有论文标题和摘要的会议论文，涉及该方面的研究但并未报告相关统计数据的论文等，通过联系原文作者的方式也无法获得最原始的文献。四是本文在软件使用的过程中没有遵循Cheung的研究使用R软件来进行元分析相关研究，使得部分信息无法通过图形或表格的形式展示出来以获得最直观的感受。在中介变量的选择上，本文只是站在了单一的社会认知理论视角选取了创造性自我效能变量，而没有考虑到其他可能会在LMX与创造力之间发生作用机制的变量。

(三)展望

首先，关于元分析研究方法，其从循证医学引入心理学、管理学等社会科学领域后已经得到了广泛的运用，取得了丰硕的成果，并且不断地扩展和成熟，其与结构方程模型的结合使得研究不仅仅只探讨变量之间或其维度之间的效应关系，也能够引入更多的中介变量或调节变量探讨更为复杂的机制，从而为现有的研究提供更强有力的解释。MASEM不是依靠传统的科学复制过程来搭建几个概念或概念之间的桥梁，而是提供了一个不断扩展的视角，研究人员可以将注意力转向能够反映整体框架和理论观点的模型。将其更多地应用到组织行为学、战略管理等领域，可以丰富企业的管理实践，并为领导者的决策和行为改变等提供依据和指导。其次，员工的工作态度与行为的动机基础是与管理实践相关的研究领域的重要组成部分，而领导者的特质、风格及其与追随者之间的关系是员工认知和行为选择的重要预测因素。虽然已有很多研究考察了LMX与创造力之间的关系，但本研究提供了一个新的视角，并增强了已有研究的解释力。未来学者们可以通过元分析以及元分析结构方程模型方法引入更多的中介变量来探讨LMX与创造力之间的多重作用机制，也可以将该方法应用到除领导成员理论之外的其他组织行为领域，并结合国内外的前沿研究问题找到更多有价值的主题来进行元分析。