还剩25页未读，继续阅读
本资源只提供10页预览，全部文档请下载后查看！喜欢就下载吧，查找使用更方便
文本内容:
图为知识异质性、角色压力与创新绩效这三个变量之间的总体关系模型
4.
3.3描述性统计分析
6.1描述统计量N极小值极大值均值标准差偏度峰度统计量统计量统计量统计量统计量统计量标准误统计量标准误创新绩效1,
0581.
005.
003.
90351.01635-
1.
637.
075.999,1501,
0581.
005.
003.8396-
1.
381.
075.
270.150知识异质性
1.040751,
0581.
004.
693.
7972.98150-
1.
427.
075.
550.150角色压力角色冲突1,
0581.
005.
003.
84441.11954-
1.
402.
075.
638.150角色模糊1,
0581.
005.
003.
81551.08920-
1.399,075,408,150角色超载1,
0581.
005.
003.
75071.18324-
1.
334.
075.
143.150基本信息频率统计
一、企业概况、您目前所在企业的性质是1频率百分比有效百分比累积百分比国企/事业单
34132.
232.
232.2位有效民营/私企
42139.
839.
872.0外资/合资
28927.
327.
399.
311.
2081.
59797.
16612.
1871.
43698.
60213.
1821.
398100.000提取方法主成份分析系统是根据相关矩阵的特征值来确定提取的主成分因子个数本文按照系统默认的方法提取了特征值大于的因子，1结果提取的因子数为前个因子的累计方差贡献率达到远超过以上因此提取的公因子反映了原有3,
380.731%,30%变量的大部分信息，认为这个因子对量表的解释度比较好3为了保证最大限度提取原有量表的信息，以及对提取后的变量进行解释，采取旋转的方法进行分析，本文采用的是正交旋转法，结果如下所示表正交旋转后的因素负荷矩阵旋转成份矩阵a成份角色负荷角色模糊角色冲突Q14_l.
307.
290.795Q
14.
2.
263.
259.839Q
14.
3.
262.
290.816Q
14.
4.
272.
809.248Q
14.
5.
297.
810.200Q14_
6.
224.
815.215Q14_
7.
289.
816.248QI4_
8.
268.
825.263Q14_
9.
851.
273.192Q14_
10.
820.
294.
220.
811.
279.265Q14_llQ14_
12.
831.
232.254Q14_
13.
814.
282.246提取方法主成份旋转法具有Kaiser标准化的正交旋转法a.旋转在5次迭代后收敛在因子载荷矩阵中，因子载荷的绝对值表明了该主因子与该变量的信息重叠程度，信息重叠度越高，对主成分概括解释能力越大要求指标在该公因子的载荷大于上表为旋转后的因子载荷矩阵，各项指标都符合要求，可将
0.5o各指标归类为类因子，并根据专业知识分别进行命名如上表3创新绩效因子分析3运用对创新绩效数据进行和巴特莱球形显著性检验，结果如下:SPSS KMO表效度检验表KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量.963近似卡方8,
678.825Bartlett的球形度检验df36Sig..000由效度检验结果可知，对数据进行效度检验，得KMO值为
0.963大于
0.8；巴特利特球体检验的统计值的显著性为小于达显著性水平；说明使用数据的效度较好,适合做因子分析
0.000,
0.001,表因子总方差解释表解释的总方差成份初始特征值提取平方和载入合计方差的%累积%合计方差的%累积％
16.
68574.
28174.
2816.
68574.
28174.
2812.
4004.
44178.
7223.
3604.
00482.7264,
3473.
85486.
5805.
2843.
15789.
7376.
2733.
02992.
7667.
2302.
55695.
3228.
2132.
36397.
6859.
2082.
315100.000提取方法主成份分析系统是根据相关矩阵的特征值来确定提取的主成分因子个数本文按照系统默认的方法提取了特征值大于的因子，1结果提取个公因子，该因子的方差贡献率达到远超过以上因此提取的公因子反映了原有变量的大
174.281%,30%部分信息，认为这个因子对量表的解释度比较好表因素负荷矩阵成份矩阵a成份1Q
16.
1.857Q16_
2.879Q
16.3,837Q
16.4,865Q16_
5.851Q16_
6.845QI6_
7.887Q16_
8.890Q16_
9.843提取方法主成份a.已提取了1个成份在因子载荷矩阵中，各指标在该公因子的载荷大于,符合要求，可命名该公因子为创新绩效因子
0.5方差分析
6.4性别差异性分析性别均值标准差（双侧）N t Sig.男
5213.
9446.
963391.
295.196创新绩效女
5373.
86361.06460男
5213.
86081.
03584.
653.514知识异质性女
5373.
81911.04605男
5213.
8047.
96260.
243.808角色压力女
5373.
79001.00034性别差异性独立样本检验的结果显示，性别对创新绩效检验的分布值为对应的显著性值为大于T T
1.295,
0.196,
0.05,没有达到显著性水平因此调查对象的创新绩效得分情况不存在性别差异性别对知识异质性检验的分布值为对应的显著性值为大于没有达到显著性水平因此调查对象T
0.653,
0.514,
0.05,的知识异质性得分情况不存在性别差异性别对角色压力检验的分布值为对应的显著性值为大于没有达到显著性水平因此调查对象的T
0.243,
0.808,
0.05,角色压力得分情况不存在性别差异教育程度差异性分析N均值标准差F显著性大专及以下
1743.
96041.00253,
718.541本科
7193.
91131.01446创新绩效硕士研究生
1063.
78621.02957博士研究生
593.
85121.06286总数1,
0583.
90351.01635“、口曰五口大专及以卜知
1743.
84291.
06118.
709.546识异质性—本科
7193.
86321.03457硕士研究生
1063.
72171.03221博士研究生
593.
75421.07806总数1,
0583.
83961.04075大专及以下
1743.
72151.
05787.
579.629本科
7193.
8011.98795角色压力硕士研究生
1063.
8665.87276博士研究生
593.
8488.85299总数1,
0583.
7972.98150教育程度差异性单因素方差分析的结果显示,教育程度对创新绩效检验的分布值为对应的显著性值为F
0.718,
0.541,大于没有达到显著性水平因此调查对象的创新绩效得分情况不存在教育程度的差异
0.05,教育程度对知识异质性检验的分布值为对应的显著性值为大于没有达到显著性水平因此调查F
0.709,
0.546,
0.05,对象的知识异质性得分情况不存在教育程度的差异教育程度对角色压力检验的分布值为对应的显著性值为大于没有达到显著性水平因此调查对F
0.579,
0.629,
0.05,象的角色压力得分情况不存在教育程度的差异工作年限差异性分析N均值标准差F显著性年以内
11283.
9323.
98509.
234.9481-5年
1783.
86951.033636-10年
603.8759,99698创新绩效UT5年
2573.
94901.01007年16-
202393.
86701.0378221年及以上
1963.
90871.01806总数1,
0583.
90351.016351年以内
1283.
66671.
192721.
370.233年1-
51783.
75471.090426-10年
603.
81111.02256知识异质性UT5年
2573.
8885.98054年16-
202393.
90731.01224年及以上
211963.
8920.99920总数1,
0583.
83961.040751年以内
1283.
54331.150861-5年
1783.
7692.993516-10年
603.
9295.84991角色压力11-15年
2573.8967,8844016-20年
2393.
76541.0245321年及以上
1963.
8564.93299总数1,
0583.
7972.98150工作年限差异性单因素方差分析的结果显示,工作年限对创新绩效检验的分布值为对应的显著性值为F
0.234,
0.948,大于没有达到显著性水平因此调查对象的创新绩效得分情况不存在工作年限的差异
0.05,工作年限对知识异质性检验的分布值为对应的显著性值为大于没有达到显著性水平因此调查F
1.37,
0.233,
0.05,对象的知识异质性得分情况不存在工作年限的差异工作年限对角色压力检验的分布值为对应的显著性值为小于达到显著性水平因此调查对象的F
2.703,
0.020,
0.05,角色压力得分情况存在显著的工作年限差异由分类均值统计结果可知，年以内的、年的调查对象角色压力得115分显著较低相关性分析
6.5相关分析是研究事物之间是否具有相关性及相关性强弱的一种统计方法,线性相关分析是研究两个变量之间的相关性强弱及方向的一种方法；主要目的是研究变量间关系的密切程度，在统计分析中，常利用相关系数定量地描述两个变量之间线性关系的紧密程度创新绩效相关分析表Mean SD123456789性别
1.
510.501教育程度
2.
050.70-
0.0041工作年限
3.
841.
660.
003.309**1创新绩效
3.
901.02-
0.04-
0.038-
0.0021知识异质性
3.
841.04-
0.02-
0.
03.074*,243**1角色压力
3.
800.98-
0.
0070.
037.067*063*.249**1角色冲突
3.
841.12-
0.
0010.
009.093**
0.
06.118**,807**1角色模糊
3.
821.09-
0.
0180.
0460.033077*.177**.878**.613**1角色超载
3.
751.
180.
0010.
0320.06099**.307**,891**,609**.625**1创新绩效相关分析的结果显示，创新绩效与知识异质性之间有显著的正向相关关系，相关系数为创新绩效
0.243o与角色压力之间有显著的负向相关关系，相关系数为知识异质性与角色压力之间有显著的正向相关关系，-
0.063o相关系数为进一步进行回归检验,研究各变量之间的影响情况
0.249o回归分析
6.6线性回归是利用数理统计中的回归分析，目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量回归分析法预测是利用回归分析方法，来确定两种或两种以上变量间相互依赖的定量关系；通过建立回归模型能够分析变量之间的相关的具体形式，确定他们之间的因果关系本部分以性别、教育程度、工作年限为控制变量，以知识异质性为自变量，以创新绩效为因变量，研究知识异质性对创新绩效的影响情况，并研究中介变量角色冲突、角色模糊、角色超载在上述影响关系中的中介作用、知识异质性对创新绩效影响分析1本部分以性别、教育程度、工作年限为控制变量，以知识异质性为自变量，以创新绩效为因变量，进行回归分析，结果如下______________________模型汇总_____________________模型方调整标准估计的方误差R R R
1.248a.
061.
058.98649预测变量（常量），知识异质性，性别，教育程度，a.工作年限Anovail模型平方和均方df FSig.回归
67.
098416.
77517.
237.000b残差11,
024.7381,
053.973总计1,
091.8361,057因变量创新绩效a.b.预测变量（常量），知识异质性，性别，教育程度，工作年限系数模型非标准化系数标准系数t Sig.B试用版标准误差（常量）
3.
210.
17917.
932.000性别
071.061035-
1.
172.2411教育程度
040.
046027868.386工作年限
007.019-
012368.713知识异质性.
237.
029.
2438.
088.000因变量创新绩效a.回归分析结果显示，回归调整的R方的值为
0.058；方差分析结果显示,F的值为
17.237,对应的显著性概率为小于达到显著性水平，模型拟合效果较好；回归结果显著有效
0.000,
0.05,自变量知识异质性的标准回归系数为显著性值为小于达到显著性水平，说明知识异质
0.243,sig
0.
0000.05,性对因变量创新绩效有显著的正向影响因此假设团队知识异质性与创新绩效存在显著的正相关作用成立H3角色冲突中介作用检验2本部分以性别、教育程度、工作年限为控制变量，以知识异质性为自变量，以角色冲突为因变量，进行回归分析，结果如下模型汇总模型R R方标准估计的误调整R方差1,146a,
021.
0181.10962预测变量（常量），知识异质性，性别，教育程度,工作年限a.Anova模型平方和df FSig.回归
28.
30147.
0755.
746.000b残差11,
296.5151,
0531.231总计1,
324.8161,057因变量角色冲突a.b.预测变量（常量），知识异质性，性别，教育程度，工作年限系数模型非标准化系数标准系数试t Sig.用版B标准误差（常量）
3.
202.
20115.
901.000性别.
003.
068.
001.
038.9691教育程度
026.052-.
016496.620工作年限.
061.
022.
0902.
800.005知识异质性.
119.
033.
1113.
621.000因变量角色冲突a.回归分析结果显示，回归调整的R方的值为
0.018；方差分析结果显示，F的值为
5.746,对应的显著性概率为小于达到显著性水平，模型拟合效果较好；回归结果显著有效
0.000,
0.05,自变量知识异质性的标准回归系数为显著性值为小于达到显著性水平，说明知识异质性
0.111,sig
0.
0000.05,对角色冲突有显著的正向影响因此假设知识异质性对角色冲突有正向影响成立Hla角色冲突的中介回归在知识异质性与创新绩效的关系上，引入中介变量角色冲突，分析角色冲突的中介作用回归分析结果如下模型汇总模型R R方标准估计的误调整R方差
1.
2502.
063.
058.98639预测变量（常量），角色冲突，性别，教育程度，知识异质性，工作年限a.Anovaa模型平方和均方df FSig.回归
68.
284513.
65714.
036.000b1残差1,
023.5531,
052.973总计1,
091.8361,057因变量创新绩效a.b.预测变量（常量），角色冲突，性别，教育程度，知识异质性，工作年限系数模型非标准化系数标准系数t Sig.B试用版标准误差（常量）
3.
113.
19915.
618.000性别
071.061035-
1.
174.241教育程度
039.
046027851.3951工作年限一.
009.019-.
015461.645知识异质性.
233.
029.
2397.
916.000角色冲突.
030.
027.
0331.
104.270因变量创新绩效a.中介回归结果显示，调整的R方的值为
0.058；方差分析结果显示，F的值为
14.036,对应的显著性概率为
0.000,小于达到显著性水平，模型拟合效果较好；回归结果显著有效
0.05,中介变量角色冲突的标准回归系数为显著性值为大于没有达到显著性水平，说明角色冲
0.033,sig
0.
270.05,突对创新绩效没有显著的影响因此假设角色冲突对创新绩效有正向影响不成立H2a角色冲突对创新绩效的影响不成立，因此对知识异质性的中介作用也不成立假设角色冲突对知识异质性H4a与创新绩效起中介作用不成立角色模糊的中介作用检验3本部分以性别、教育程度、工作年限为控制变量，以知识异质性为自变量，以角色模糊为因变量，进行回归分析，结果如下其他合计1,
058100.
0100.
0、您所在企业的产业类别是2频率百分比有效百分比累积百分比交通运输、仓储及邮电通
979.
29.
29.2信业信息技术、软件和互联网
757.
17.
116.3行业批发零售贸易、住宿餐饮
959.
09.
025.2建筑、房地产业
747.
07.
032.2文化、体育和娱乐业
948.
98.
941.1环境和公共设施管理业
1049.
89.
850.9有效金融、保险业
858.
08.
059.0教育、卫生
10810.
210.
269.2制造业
938.
88.
878.0电力、燃气和供水排水
847.
97.
985.9地质和环境
898.
48.
494.3居民、商务和社会服务业
585.
55.
599.8其他行业
2.
2.
2100.0合计1,
058100.
0100.
0、您所在的企业属于3频率百分比有效百分比累积百分比高新技术企业
92587.
487.
487.4非高新技术企有效
13312.
612.
6100.0业合计1,
058100.
0100.
0、您所在企业的员工总数为4频率百分比有效百分比累积百分比以下
50454.
34.
34.3有效51-
10020018.
918.
923.2101-
50024022.
722.
745.8模型汇总模型R R方标准估计的误调整R方差
1.
1852.
034.
0301.07247预测变量（常量），知识异质性，性别，教育程度,工作年限a.Anova模型平方和均方df FSig.回归
42.
826410.
7079.
308.000b残差11,
211.1601,
0531.150总计1,
253.9861,057因变量角色模糊a.b.预测变量（常量），知识异质性，性别，教育程度，工作年限系数模型非标准化系数标准系数试t Sig.B用版标准误差（常量）
2.
976.
19515.
294.000性别
031.066-
014468.6401教育程度.
078.
050.
0501.
558.120工作年限.
003.
021.
005.
153.879知识异质性.
186.
032.
1785.
844.000因变量角色模糊a.回归分析结果显示，回归调整的R方的值为
0.03；方差分析结果显示，F的值为
9.308,对应的显著性概率为小于达到显著性水平，模型拟合效果较好；回归结果显著有效
0.000,
0.05,自变量知识异质性的标准回归系数为显著性值为小于达到显著性水平，
0.178,sig
0.
0000.05,说明知识异质性对角色模糊有显著的正向影响因此假设知识异质性对角色模糊有正向影响Hlb成立角色模糊的中介回归在知识异质性与创新绩效的关系上，引入中介变量角色模糊，分析角色模糊的中介作用回归分析结果如下模型汇总模型R R方标准估计的误调整方差R
1.276a.
076.
072.97927预测变量（常量），角色模糊，性别，工作年限，知识异质性，教育程度a.Anova1模型平方和均方df FSig.回归
83.
001516.
60017.
310.000b残差11,
008.8361,
052.959总计1,
091.8361,057因变量创新绩效a.预测变量（常量），角色模糊，性别，工作年限，知识异质性，教育程度b.系数模型非标准化系数标准系数t Sig.B试用版标准误差（常量）
3.
551.
19618.
076.000性别
075.060-.037-
1.
240.215教育程度
031.
046021678.4981工作年限
007.019-.
011351.725知识异质性.
258.
030.
2648.
740.000角色模糊-
115.028-123-
4.
072.000因变量创新绩效a.中介回归结果显示，调整的R方的值为
0.072；方差分析结果显示，F的值为
17.31,对应的显著性概率为小于达到显著性水平，模型拟合效果较好；回归结果显著有效
0.000,
0.05,中介变量角色模糊的标准回归系数为显著性值为小于达到显著性水平，-
0.123,sig
0.
0000.05,说明角色模糊的中介作用存在角色模糊对创新绩效也有显著的负向影响，因此假设角色模H2b糊对创新绩效有负向影响成立知识异质性对角色模糊有显著的正向影响，角色模糊对创新绩效有显著的负向影响，因此角色模糊在知识异质性与创新绩效的关系中起到显著的中介作用假设角色模糊对知识异质性H4b与创新绩效起中介作用成立角色超载的中介作用检验4本部分以性别、教育程度、工作年限为控制变量，以知识异质性为自变量，以角色超载为因变量，进行回归分析，结果如下模型汇总模型R R方标准估计的误调整R方差1,310a.
096.
0931.12690预测变量（常量），知识异质性，性别，教育程度,工作年限a.Anovaa模型平方和均方df FSig.回归
142.
647435.
66228.
082.000b残差11,
337.2181,
0531.270总计1,
479.8651,057因变量角色超载a.b.预测变量（常量），知识异质性，性别，教育程度，工作年限系数模型非标准化系数标准系数试t Sig.B用版标准误差（常量）
2.
202.
20410.
769.000性别.
016.
069.
007.
238.8121教育程度.
056.
052.
0331.
068.286知识异质性.
347.
033.
30610.
386.000因变量角色超载a.工作年限.
020.
022.
027.
888.375回归分析结果显示，回归调整的R方的值为
0.093；方差分析结果显示,F的值为
28.082,对应的显著性概率为小于达到显著性水平，模型拟合效果较好；回归结果显著有效
0.000,
0.05,自变量知识异质性的标准回归系数为显著性值为小于达到显著性水平，
0.306,sig
0.
0000.05,说明知识异质性对角色超载有显著的正向影响因此假设知识异质性对角色负荷有正向影响Hlc成立角色超载的中介回归在知识异质性与创新绩效的关系上，引入中介变量角色超载,分析角色超载的中介作用回归分析结果如下模型汇总模型RR方标准估计的误调整R方差
1.307a.
094.
090.96972预测变量（常量），角色超载，性别，教育程度，知识异质性，工作年限a.Anova1模型平方和土萌df FSig.回归
102.
583520.
51721.
818.000b残差
1989.2531,
052.940总计1,
091.8361,057因变量创新绩效a.预测变量（常量），角色超载，性别，教育程度，知识异质性，工作年限b.系数a模型非标准化系数标准系数tSig.标准误试用版B差（常量）
3.
569.
18519.
248.000性别二
068.060034-
1.
148.251教育程度
031.
045021680.4961工作年限004,
019006206.837知识异质性.
293.
030.
3019.
709.000角色超载-
163.027-190-
6.
143.000因变量创新绩效a.中介回归结果显示，调整的R方的值为
0.09；方差分析结果显示，F的值为
21.818,对应的显著性概率为小于达到显著性水平，模型拟合效果较好；回归结果显著有效
0.000,
0.05,中介变量角色超载的标准回归系数为显著性值为小于达到显著性水平，-
0.19,sig
0.
0000.05,说明角色超载的中介作用存在角色超载对创新绩效也有显著的负向影响，因此假设角色H2c负荷对创新绩效有负向影响成立知识异质性对角色超载有显著的正向影响，角色超载对创新绩效有显著的负向影响，因此角色超载在知识异质性与创新绩效的关系中起到显著的中介作用假设角色负荷对知识异114c质性与创新绩效起中介作用成立假设检验结果汇总
6.7假设内容是否支持知识异质性对角色压力有正向影响支持H1知识异质性对角色冲突有正向影响支持Hla知识异质性对角色模糊有正向影响支持Hlb知识异质性对角色负荷有正向影响支持Hlc角色压力对创新绩效有负向影响支持H2角色冲突对创新绩效有正向影响不支持H2a角色模糊对创新绩效有负向影响支持H2b角色负荷对创新绩效有负向影响支持H2c团队知识异质性与创新绩效存在显著的正相关作用支持H3团队成员教育背景差异程度越高，其创新绩效越好支持H3a团队成员知识技能差异程度越高，其创新绩效越好支持H3b团队成员职业经验差异程度越高，其创新绩效越好支持H3c角色压力对知识异质性与创新绩效起中介作用支持H4角色冲突对知识异质性与创新绩效起中介作用支持H4a角色模糊对知识异质性与创新绩效起中介作用支持H4b角色负荷对知识异质性与创新绩效起中介作用支持H4c附录企业员工工作状况调查问卷尊敬的先生/女士您好！非常感谢您百忙之中抽出时间来参与本次问卷调查！本调查是一份关于知识异质性、角色压力和创新绩效的关系研究，旨在探讨如何改善员工工作压力状况以及如何提高创新绩效来提升企业竞争力本问卷不涉及个人隐私及商业用途，对于您的回答将采取保密的方式进行请您仔细阅读问卷内容后按实际情况填写，答案无对错之分，您的回答会影响结果的准确性，数据仅以汇总的形式出现，填写完毕后，请您领取红包，非常感谢您的协助与合作！
一、企业概况、您目前所在企业的性质是［单选题］*1国企/事业单位民营/私企外资/合资其他、您所在企业的产业类别是［单选题］*2交通运输、仓储及邮电通信业信息技术、软件和互联网行业批发零售贸易、住宿餐饮建筑、房地产业文化、体育和娱乐业O环境和公共设施管理业金融、保险业教育、卫生O制造业OO电力、燃气和供水排水地质和环境居民、商务和社会服务业其他行业、您所在的企业属于［单选题］*3高新技术企业非高新技术企业、您所在企业的员工总数为［单选题］*4以下050051-1000101-5000501-100001001-2000以上
02000、您所在企业目前处于的发展阶段［单选题］*5初创期OO成长期O成熟期二次创业（转型）期衰退期
二、填卷者基本信息、您的性别［单选题］*6男女、您的年龄［单选题］*7岁及以下25岁026-30岁031-35岁036-40岁041-45岁046-50岁051-55岁（含）以上
056、您目前的婚姻状况是［单选题］*8未婚已婚O离婚丧偶、您的教育程度是［单选题］*9大专及以下本科硕士研究生博士研究生O、您目前的工作年限是［单选题］*10年以内O1年01-5年06-10年011-15年016-20年及以上
021、您所担任的工作职位是［单选题］*11普通员工基层主管中层管理者高层管理者、您所在的工作领域是［单选题］*12技术开发研究咨询市场营销O管理服务财务会计生产运营广告公关其他
三、量表维度知识异质性量表［矩阵单选题］*完全不同意比较不同意没有意见比较同意完全同意、团队成员的学历背景差异很大、团队成员所学专业差异很大、团队成员所具1o O2O O O3有的专业知识涉及许多领域O、我们每位团队成员各自负责不同方面的专长、我具有其他成员45所不了解的与项目有关的知识、我们团队中每一位成员都具有与任务有关的某方面的知识O
6、团队成员之间的文化背景存在很大差异O
7、团队成员之间的对任务本身的理解差别很大、团队成员在工作上的价值观差异很大、89O10团队成员对于如何完成任务的认识差异很大、团队成员工作时意见和观点差异很大11O完全不同意比较不同意没有意见比较同意完全同意角色压力量表［矩阵单选题］*、我经常要面对一些要求彼此冲突的情形、我从两个或者更多的人那里接收到互1O O O2相矛盾的要求、我不得不去面临一些不同的情形，并以不同的方式来做这些事、我的工作O34有明确、计划好的目标与目的、我确切地了解单位对我的期望是什么O、我知道我的职责是56什么、我非常明确我承担多大的责任、我的职责有明确的界定O O78O O、很需要减轻我的部分工作、在工作中，我感觉负担过多、我承担了太多的职责9O1011OO、我的工作负担太重12O、我所承担的工作量太大，以致于我不能保证工作的质量13O创新绩效量表［矩阵单选题］*完全不同意比较不同意没有意见比较同意完全同意、我经常会产生一些新想法以改进工作、在工作中，我会努力寻找新的工作方法、1O O2技术和工具、我会努力想要找到解决问题的根本方法、我会想办法调动各种资源支持实3O O O O O4施新创意O、我会努力让新的创意获得认可、我会努力使组织内的成员对新创意产生热5OOOOO6情、我能够把创新性的想法转化成实际的应用、我会积极地把新想法用系统的方式介绍7O
8、我的创新性想法能被实际应用且取得了成效9OOOOO本问卷到此结束，再次感谢您的支持！祝贵公司蒸蒸日上！祝您及家人生活幸福，万事如意!501-
100020819.
719.
765.51001-
200021220.
020.
085.52000以上
15314.
514.
5100.0合计1,
058100.
0100.
0、您所在企业目前处于的发展阶段5频率百分比有效百分比累积百分比初创期
31529.
829.
829.8成长期
42940.
540.
570.3成熟期
13312.
612.
682.9侣双二次创业（转型）期
13712.
912.
995.8衰退期
444.
24.
2100.0合计1,
058100.
0100.0
二、填卷者基本信息、您的性别6频率百分比有效百分比累积百分比男
52149.
249.
249.2女
53750.
850.
8100.0有效合计1,
058100.
0100.
0、您的年龄7频率百分比有效百分比累积百分比岁及以下
251039.
79.
79.726-30岁
15714.
814.
824.631-35岁
666.
26.
230.836-40岁
21520.
320.
351.1有效41-45岁
20719.
619.
670.746-50岁
22421.
221.
291.951~55岁
868.
18.
1100.0合计1,
058100.
0100.
0、您目前的婚姻状况是8频率百分比有效百分比累积百分比未婚
23722.
422.
422.4已婚
45442.
942.
965.3有效离婚
27125.
625.
690.9丧偶
969.
19.
1100.0合计1,
058100.
0100.
0、您的教育程度是9频率百分比有效百分比累积百分比大专及以下
17416.
416.
416.4本科
71968.
068.
084.4有效硕士研究生
10610.
010.
094.4博士研究生
595.
65.
6100.0合计1,
058100.
0100.
0、您目前的工作年限是10频率百分比有效百分比累积百分比年以内
112812.
112.
112.11-5年
17816.
816.
828.96-10年
605.
75.
734.6有效11-15年
25724.
324.
358.916-20年
23922.
622.
681.521年及以上
19618.
518.
5100.0合计1,
058100.
0100.
0、您所担任的工作职位是11频率百分比有效百分比累积百分比普通员工
66963.
263.
263.2基层主管
26925.
425.
488.7有效中层管理者
736.
96.
995.6高层管理者
474.
44.
4100.0合计1,
058100.
0100.
0、您所在的工作领域是12频率百分比有效百分比累积百分比技术开发
14613.
813.
813.8研究咨询
16215.
315.
329.1市场营销
17516.
516.
545.7管理服务
17316.
416.
462.0有效财务会计
13112.
412.
474.4生产运营
16215.
315.
389.7广告公关
989.
39.
399.0其他
111.
01.
0100.0合计1,
058100.
0100.0信度和效度检验
6.2信度即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致Reliability性程度信度指标多以相关系数表示，信度系数是目前最常用的信度系数Cronbach a美国统计学家海尔安德森泰森Joseph F.Hair.JrJr.Rolph E.AndersonRonald LTathan和布莱特指出量表的信度系数最好在以上,如果信度系数达到以上，William C.black
0.
80.9说明该量表的信度很好；在
0.7-
0.9之间良好；
0.6-
0.7之间还可以接受Cronbach Js alpha系数如果在以下就要考虑重新编问卷
0.6利用软件，对问卷内容进行内在一致性信度分析，计算得到系数如下表所示spss总体信度检验表Cronbach1s Alpha项数.90928知识异质性信度检验表.9386角色冲突信度检验表Cronbachs Alpha项数,8923角色模糊信度检验表Cronbachs Alpha项数.9345角色超载信度检验表Cronbachs Alpha项数.9415创新绩效信度检验表.957从研究变量的信度检验表可以看出，各变量的值均大于说明各变量的信度cronbach s
0.7,较好；同时总量表的信度值为大于由此可以认为研究变量的测量指标具有较高的
0.909,
0.8内在一致性信度，调查数据是比较可靠的因子分析
6.3因子分析是根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间的相关性较低每组变量用一个不可观测的假想变量表示，将这个假想变量称为公共因子，这几个公共因子能够反映原始变量的主要信息；即用较少的综合指标来表示原有变量提供的大部分信息效度分析是衡量测量工具或手段所测量出来结果的有效性程度，测量结果与考察内容的吻合程度数据样本采用和样本测度检验数据是否适合做因子分析，检验数据的效KM0Bartlett度越接近表明数据越适合做因子分析，经验表明，大于表明极适合，KM01KM
00.9KM0大于
0.8小于
0.9表明比较适合，KM0大于
0.6小于
0.8表明适合做因子分析，在0・5以下则不宜做因子分析知识异质性因子分析1运用对知识异质性数据进行和巴特莱球形显著性检验，结果如下SPSS KM0表效度检验表KM0和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量.932近似卡方5,
096.325Bartlett的球形度检验df15Sig..000由效度检验结果可知，对数据进行效度检验，得KM0值为
0.932大于
0.8；巴特利特球体检验的统计值的显著性为小于达显著性水平；说明使用数据的效度较好,适合做因子分
0.000,
0.001,析表因子总方差解释表解释的总方差成份初始特征值提取平方和载入合计方差的%累积％合计方差的%累积%
14.
58176.
34976.
3494.
58176.
34976.
3492.
3585.
97382.
3223.
3025.
02987.
3514.
2724.
52791.
8785.
2604.
33796.
2156.
2273.
785100.000提取方法主成份分析系统是根据相关矩阵的特征值来确定提取的主成分因子个数本文按照系统默认的方法提取了特征值大于的因子，结果提取个公因子，该因子的方差贡献率达到远超过以上因此提取的公因子反
1176.349%,30%映了原有变量的大部分信息，认为这个因子对量表的解释度比较好表因素负荷矩阵成份矩阵3成份1Q13_l.881Q
13.
2.898Q13_
3.862Q13_
4.876QI3,
5.861Q13_
6.864提取方法主成份已提取了个成份a.1在因子载荷矩阵中，各指标在该公因子的载荷大于,符合要求，可命名该公因子为知
0.5识异质性因子角色压力因子分析2运用对角色压力数据进行和巴特莱球形显著性检验，结果如下SPSS KMO表效度检验表KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量.942近似卡方12,
085.502Bartlett的球形度检验df78Sig..000由效度检验结果可知，对数据进行效度检验，得KMO值为
0.942大于0・8；巴特利特球体检验的统计值的显著性为小于达显著性水平；说明使用数据的效度较好,适合做因子分析
0.000,
0.001,表因子总方差解释表解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%
17.
87460.
56860.
5687.
87460.
56860.
5684.
00630.
81730.
81721.
51211.
63272.
2001.
51211.
63272.
2003.
92830.
21661.
03331.
1098.
53180.
7311.
1098.
53180.
7312.
56180.
73119.
6994.
3702.
84883.
5795.
3062.
35285.
9316.
2872.
20988.
1407.
2541.
95190.
0918.
2501.
92292.
0139.
2361.81593,
82710.
2261.
74295.569。
个人认证
优秀文档
获得点赞 0
