企业科技人才聚集对科技人才创新能力的影响机理研究<br/>——以知识型企业为例

企业科技人才聚集对科技人才创新能力的影响机理研究
——以知识型企业为例

2023-10-09罗玉越李元爱

顺德职业技术学院学报 2023年3期

罗玉越，李元爱

（顺德职业技术学院商学院，广东佛山 528333）

“人才是创新的第一资源”，创新人才的数量和水平对国家和企业的创新水平起决定性作用［1］。随着企业对科技人才重视程度提高，企业科技人才数量大幅增加，质量也有显著提高，但在当前管理机制体制下还有较多制约科技人才创新活力的地方，科技人才的创新潜能亟需进一步释放［2］。

针对科技人才创新能力影响因素问题，学者们展开了丰富的研究。目前已经探索到的影响因素根据所属环境层次可以分为宏观、中观和微观三个层面。宏观环境指科技人才作为一个社会人所面临的大环境，如科技体制改革政策、科研投入政策对科技人才创新能力有显著提升作用［3］。中观环境指科技创新人才所在的经济单位内部形成的人才成长和人才使用环境，如领导重视程度、企业激励政策被证明对科技人才创新能力有显著正向影响［4］。微观环境主要指个人心理特质，如科技人员的价值取向、环境—科研效能感等个人特质因素被证明能够显著正向影响科技人才创新能力［5］。在三个层面的环境因素中，相对于离科技人才“较远”的宏观社会环境，和偏重内在心理特质的微观个体环境，处于中间层级的企业内部环境是科技人才个体接触最直接、感受最深、受影响最大的环境。然而目前已经探索到的企业内部环境层面影响因素仅仅集中在领导重视程度、企业激励政策等管理因素方面。

在构成企业内部环境的众多要素中，人才环境尤其是科技人才资源环境是重要组成部分［6］。有关科技人才聚集对企业产生的影响，目前已经达成共识的结论是企业内部科技人才聚集会产生创新效应，具体包括创新意识增强、创新能力提升、创新绩效改善等［7］表现。然而该结论的得出仅仅是基于理论研究，尚缺乏实证支持，因此本研究将通过一手数据对企业内部科技人才聚集与科技人才创新能力之间的关系进行验证。梳理已有研究成果发现，企业科技人才聚集除了会产生上述创新效应外，还会产生学习效应，即人与人之间的知识交流、知识共享等相互学习的交互力度更大。然而，这些研究并未对这两种效应之间的关系及二者出现的先后顺序进行说明，导致我们对企业内部科技人才聚集产生创新效应的过程机理并不清晰。鉴于此，本研究将立足中观企业环境，以科技人才聚集为切入点，以知识型企业组织的科技人才为研究对象，采用回归分析的方法，探讨企业科技人才集聚如何通过知识交流对科技人才创新能力产生影响，且该过程是否存在边界条件。在理论方面，该研究充实了科技人才创新能力在企业环境层面的影响因素研究，使得科技人才创新能力影响因素领域的研究更加系统、完善；在实践方面，考察企业组织内部科技人才集聚是否有助于科技人才创新能力的提升及提升过程，可以为企业的科技创新工作提供人才管理方面的参考建议。

1 研究设计

1）科技人才聚集对科技人才创新能力的主效应。

“科技人才聚集”是指科技人才在组织间流动，一定数量的科技人才资源以企业组织为单位进行汇集、协作的过程。一般用聚集强度和聚集质量两个指标进行描述［8］。聚集强度是指人才的聚集程度，也就是总人口中科技人才的占比，反映一个地区或组织的人才聚集规模和水平。聚集质量是从人才内部结构特征方面反映一个地区或组织所聚集的科技人才的整体素质水平，具体包括人才的知识水平/结构、技能等级/结构、工作经验等。

科技人才创新能力具体包括创新思维能力、知识能力、提出问题能力和解决问题能力四个维度［9］。当企业组织内部科技人才聚集强度越高时，员工关系网络的知识异质性程度就越高，越有利于科技人才拓展视野、发散思维，群策群力，进而有利于创新思维的产生。故，本研究提出如下假设：

H1a：组织内部科技人才聚集强度越高，科技人才创新能力越强。

当企业组织内部科技人才聚集质量水平越高时，组织内部知识质量就越高、知识种类越丰富，科技人才的开放和交互力度就越大，学习和创新能力就越强［10］；在提出问题、解决问题的过程中，科技人才聚集质量越高，越丰富、越多元的知识、信息能在实践中得到应用，则相关的投入性认知结构就越容易获得，将更有利于形成创造性解决问题的能力。故，本研究提出如下假设：

H1b：组织内部科技人才聚集质量水平越高，科技人才创新能力越强。

综上，本研究提出如下假设：

H1：组织内部科技人才聚集有利于提升科技人才创新能力。

2）知识交流的中介效应。

知识交流是指通过正式或非正式交流平台（或渠道），将学者的隐形知识显性化，从而达到知识传播、知识转移、知识吸收、知识共享和知识创新的目的［11］。根据新马歇尔理论，人才聚集为知识交流、共享提供了客观条件，并且可以加快知识在组织内部的扩散和传递，使得成员之间的知识交流更加频繁、深入［12］。当组织内部科技人才聚集强度很高时，意味着组织内部科技人才数量占比大，那么科技人才之间的交流机会就会增多，甚至可以通过面对面的接触来交流学习彼此的经验，也就增多了隐形知识传递、显化的机会［13］。故，企业组织内部科技人才聚集强度对人才知识交流有正向预测作用。

当组织内部科技人才聚集质量水平较高时，意味着组织内部科技人才整体素质水平较高。高素质的人才聚集会加剧组织内部的竞争，优胜劣汰的自然选择机制就会促使个体通过持续不断的学习来获得竞争优势。竞争的激励作用不仅会加强个体的自我学习，还能促进相互间的学习，使得知识资源在组织内的配置效率更高［14］。故，组织内部科技人才聚集质量对人才知识交流有正向预测作用。

根据创新成分理论，对个人创新能力最重要、最直接的影响因素是领域知识技能，即个体所具备的事实性知识、经验和操作技能或者是解决给定问题或者完成给定任务的一系列认知路径。对此，有研究者提出组织内部科技人才通过各种正式、非正式、线上或线下的科技知识交流渠道进行知识共享、知识互补、知识整合，能提升个人创新能力［15］。

综上，本研究提出以下假设：

H2：知识交流在科技人才集聚与科技人才创新能力的关系中存在中介效应。

H2a：知识交流在科技人才聚集强度与科技人才创新能力的关系中存在中介效应。

H2b：知识交流在科技人才聚集质量与科技人才创新能力的关系中存在中介效应。

3）组织支持感的调节效应。

根据资源保存理论，知识是一种能量资源，员工在与同事知识交流过程中，会觉得自己的知识资源有所损失，因而会产生一种努力获取、保持自己知识资源的倾向［16］。根据组织支持理论，员工会根据从组织获取的支持来决定他们的投入和付出程度。如果科技人才在知识交流过程中有较强的组织支持感，则会在一定程度上减少自身的资源损失感，甚至感觉到自己从组织获取的资源要大于与别人知识交流损失的资源，从而对组织产生一种“投桃报李”的心理，进而会增加知识交流频率和深度［17］。相反，如果科技人才在知识交流过程中的组织支持感较弱，他们会认为自己的知识资源受到了损失。出于保留、保护自有资源的考虑，他们会减少与其他人的知识交流频次和深度［17］。结合前文对知识交流与科技人才创新能力之间关系的论证，可以认为科技人才的组织支持感能够通过影响知识交流的频率和深度，放大或缩小知识交流对科技人才创新能力的影响。因此，提出以下研究假设：

H3：组织支持感对知识交流与科技人才创新能力之间的关系具有正向调节效应。

综上，本研究将探讨知识型企业组织内部科技人才聚集对科技人才创新能力的作用机制，并选取知识交流作为中介变量，选取组织支持感作为调节变量，构建理论概念模型，见图1。

图1 理论概念模型

2 样本和数据收集

2.1 样本选择

2.2 变量测量

为确保测量工具的信度和效度，本研究采用现有文献多次使用过的成熟量表，再根据本研究对象客观情况对量表进行适当修正，采用Likert5 级量表评分法作答（“1”表示完全不同意；“2”表示不同意；“3”表示不确定；“4”表示基本同意；“5”表示完全同意）。

1）自变量：科技人才集聚。

王君兰提出的科技人才聚集的测量方法受到了广大研究者的使用和认可［18］。本研究也将采用王君兰对科技人才聚集的测量方法，把知识型企业组织内部科技人才聚集分为聚集强度和聚集质量两个维度。聚集强度用企业科技人才数量在企业员工总量的占比来计算；聚集质量用企业中高级以上职称的科技人员数和本科及以上学历科技人员数来计算。

2）中介变量：知识交流。

知识交流是指通过正式或非正式交流平台（或渠道），将学者的隐形知识显性化，从而达到知识传播、知识转移、知识吸收、知识共享和知识创新的目的［11］。Bartol 开发的知识交流测量量表在国内外得到广泛使用，主要被用于测量企业员工、高校教师之间的知识交流情况［19］。该量表目前发展比较成熟，被多个研究者用于实证研究中，因此本研究也采用该量表对企业科技人才之间的知识交流情况进行测量。量表共有7 个题项，如“我愿意参加各种（线上、线下）的技术交流活动”；“我愿意通过各种渠道与其他成员分享我的专业知识和经验等交流行为”；“我经常在科技交流活动（线上、线下）中通过发言、发帖等方式与他人交流研发心得、经验和知识等”。

3）调节变量：组织支持感。

企业合并重组的过程中，存在着巨大的管理真空，其财务安全也存在较大的隐患。例如，在合并重组的过程中，部分闲置设备的公允价值难以界定，在出售的过程中存在着较大的财务风险。但若制定过高的出售价格，这部分设备又难以出售。再有，在合并重组的过程中，企业的人员流动极大，若部分环节出现交接失误，也将使企业资产出现流失。总之，企业重组的过程伴随着高频次的物资与人员流动，传统的财务管理体系，难以应对这一变化。

组织支持感作为组织支持理论的核心概念，最早由美国的Eisenberger 等人提出，是指员工对组织支持的感知，具体为员工对组织是否关心他们以及如何看待他们的贡献的一种看法和知觉［20］。Eisenberger 等人于1986 年开发了组织支持感的测量量表，被国内外研究者们广泛用于企业雇员、学校职员等人员组织支持感的测量，目前发展较为成熟。因此，本研究也采用该量表对知识型企业科技人才的组织支持感进行测量。该量表共4 个题项，包括“公司会因为我付出更多努力而表扬我”、“公司不会忽略我的抱怨”等题目。

4）因变量：科技人才创新能力。

科技人才的创新能力是由科技人才自身存量、科技投入和产出等多个因素决定，是反映科技人才创新思维能力、知识能力、提出问题及解决问题能力的重要指标［9］。有较多研究者开发了科技人才创新能力测量量表，其中崔颖开发的量表被用的最多，且主要被用于企业科技人才。因此，本研究也采用崔颖的量表，用10 个题项如“我觉得我的创新意识很强”、“我认为我有独特、出奇的思维方式”等题目［21］对知识型企业科技人才的创新能力进行测量。

3 实证分析

3.1 样本描述性统计分析

1）被调查企业的描述性统计分析。

被调查的10 家企业业务范围涵盖家电、生物、医疗、新能源等领域，主要研发生产知识型、信息型产品，能较好地代表知识型企业。其中有4 家人员规模在1 000 人以上，其余均为500 人以下。10 家企业科技人才占比在9%～35%之间。

2）被调查科技人才的描述性统计分析。

调查对象具体人口特征分布如表1 所示。从表1 可以看出235 名科技人才以男性为主，占比达74%；在年龄方面，被调查对象多数集中在40岁及以下，其中30 岁及以下与31～40 岁的人员数量相当，分别为109 人、105 人；文化程度方面，以本科为主，占46%，大专学历次之，硕士及以上占比最少，仅为23.8%；调查对象的岗位主要是电气工程师（38%）和结构工程师（24.3%）；学科专业主要为软件工程（24.2%）和电子信息专业（22.4%）。

表1 调查对象个体特征描述性统计

3.2 信度检验

人才聚集、知识交流、组织支持感、科技人才创新能力四个变量的信度系数如表2 所示。根据表2，人才聚集的信度系数为0.728；知识交流量表的信度系数为0.929；组织支持感量表的信度系数为0.875；创新能力量表的信度系数为0.944。四者均大于0.7，说明问卷具有较好的可信度。

表2 测量模型信度系数表

3.3 效度检验

本研究对问卷效度的检验主要从内容效度和结构效度两方面进行。内容效度是指量表实际测到的内容与所要测量的内容之间的吻合程度。通过KMO 检验和Bartlett 球形检验分析发现问卷的KMO 值为0.822，并且Bartlett 球形检验的卡方统计值为1 216.431，其显著性水平（sig.）值达到0.000。数据表明本问卷的内容效度很好，适合做因子分析。

结构效度是指量表实际测到的所要测量的理论结构和特质的程度，或者是测量值能够说明理论的某种结构或特质的程度，包括共同因子下各测量变量间的收敛效度以及因子之间的区别效度［22］。收敛效度是指测量同一潜在变量的测量项目会落在同一个因子层面上，且各测量项目的测量值之间具有高度相关性。收敛效度用主成分分析法，采用最大方差旋转，并提取特征根大于1 的因子，可得到各变量的因子载荷如表3。基于因子载荷可计算出变量的组合信度（CR）和平均变异数提取量（AVE）。由表3 可知，人才聚集、知识交流、组织支持感、人才创新能力四个变量的CR值均大于0.6，AVE值均大于0.5，说明四个因子均具有良好的收敛效度。

区分效度是指同一个量表内部的不同维度或因子之间差异程度，当潜变量的AVE平方根大于该潜变量与其他变量的相关系数时，表明量表的区分效度良好［22］。对三个潜变量的AVE值取平方根，发现均大于相应的相关系数，如表4，说明三个变量具有较好的区分效度。

表4 测量模型的区分效度

3.4 假设检验

为了分析不同解释变量对因变量科技人才创新能力的影响，采用层次回归分析法对假设进行检验，检验过程和结果见表5。表5 中，模型1 中仅包含控制变量性别、岗位、单位规模、学科专业，检验控制变量对知识交流的影响；模型2 在模型1 的基础上引入主效应变量科技人才聚集强度，检验科技人才聚集强度对知识交流的影响；模型3 在模型1 的基础上引入主效应变量科技人才聚集质量，检验科技人才聚集质量对知识交流的影响；模型4 仅包含控制变量，检验控制变量对科技人才创新能力的影响；模型5 在模型4 的基础上引入主效应变量科技人才聚集强度，检验科技人才聚集强度对科技人才创新能力的影响，验证H1a是否成立；模型6 在模型4 的基础上引入主效应变量科技人才聚集质量，检验科技人才聚集质量对科技人才创新能力的影响，验证H1b是否成立；模型7 在模型4 的基础上引入知识交流，检验知识交流对科技人才创新能力的影响，模型8 在模型7 的基础上再引入自变量科技人才聚集强度，检验知识交流在二者之间的中介效应，验证H2a；模型9 在模型7 的基础上引入自变量科技人才聚集质量，检验知识交流在二者之间的中介效应，验证H2b；模型10 在模型7 的基础之上引入调节变量组织支持感及组织支持感与知识交流的交互项，检验组织支持感对知识交流与科技人才创新能力之间关系的调节作用，验证H3是否成立。

表5 假设检验结果

1）主效应检验。

由表5 模型5 可知，科技人才聚集强度能够显著正向影响科技人才创新能力，β=0.585，p<0.001，假设H1a得到验证；由模型6 可知，科技人才聚集质量能够显著正向影响科技人才创新能力，β=0.485，p<0.005，假设H1b得到验证。综上，假设H1得到验证，即组织内部科技人才聚集强度越高、聚集质量水平越高，员工的科技创新能力水平就越高。由此说明知识型组织内部科技人才聚集能够正向影响科技人才创新能力。

2）知识交流的中介效应检验。

由模型2 可知，科技人才聚集强度对人才知识交流有显著正向影响，β=0.325，p<0.001，表明科技人才聚集强度越高，人才知识交流水平就越高；由模型7 可知，加入知识交流这一变量后，与模型5 相比，科技人才聚集强度对科技人才创新能力的回归系数虽然由0.585 下降至0.465，但仍然显著，β=0.465，p<0.001，且知识交流对科技人才创新能力的回归系数显著，β=0.369，p<0.001。因此，知识交流对科技人才聚集强度与科技人才创新能力之间的关系存在部分中介效应，假设H2a得到验证。表明在科技人才聚集强度与知识交流对科技人才创新能力的共同作用中，一部分由自变量人才聚集强度直接发挥，另一部分由知识交流通过中介作用发挥。

由模型3 可知，科技人才聚集质量对人才知识交流有显著正向影响，β=0.481，p<0.05，表明科技人才聚集质量水平越高，人才知识交流水平就越高；由模型8 可知，知识交流能够显著正向影响科技人才创新能力，β=0.293，p<0.001，表明知识交流水平越高，科技人才创新能力就越强。由模型8 还可以发现，加入知识交流这一变量后，与模型6 相比，科技人才聚集质量对科技人才创新能力的回归系数虽然由0.485 下降至0.344，但仍然显著，β=0.344，p<0.001。因此，知识交流部分中介科技人才聚集质量与科技人才创新能力之间的关系，假设H2b得到验证。说明科技人才聚集质量对科技人才创新能力的影响一部分是直接作用，一部分是通过知识交流间接作用。综上，假设H2得到验证。

3）组织支持感的调节效应检验。

由模型9 可知，知识交流能够显著影响科技人才创新能力，β=0.248，p<0.001；由模型10 可知，在模型9 的基础上加入调节变量和交互项之后，知识交流的回归系数由0.248 上升至0.295，且组织支持感和知识交流的交互项回归系数也显著，β=0.351，p<0.001。假设H3得到验证，即组织支持感正向调节知识交流与科技人才创新能力之间的关系。以上说明组织支持感正向影响知识交流与科技人才创新能力之间的关系，即当组织支持感越高时，知识交流对科技人才创新能力的正向促进作用越大；反之，则越小。

4 结论与启示

4.1 研究结论与贡献

本研究以知识型企业为例，揭示了科技人才聚集对科技人才创新能力的作用机理，得出以下三个结论：1）企业内部科技人才聚集有利于科技人才创新能力提升。2）知识交流在科技人才聚集对科技人才创新能力作用过程中起到部分中介作用。3）组织支持感对知识交流与科技人才创新能力之间关系具有正向调节作用。

本研究的理论贡献体现在以下三个方面：1）基于勒温的动力场理论，探讨了企业内部科技人才聚集对科技人才创新能力的影响，丰富了科技人才创新能力在企业环境层面影响因素研究。2）澄清了科技人才聚集对科技人才创新能力的作用机制，发现企业内部科技人才聚集会增加内部知识交流，进而提升科技人才创新能力。3）发现了知识交流作用于科技人才创新能力的边界条件，解释了为何同一个组织中不同的科技人才创新能力提升幅度不一致的现象。