基于社会网络的隐性知识转移机制实证分析论文

基于社会网络的隐性知识转移机制实证分析论文

ID:10985566

大小:52.00 KB

页数:3页

时间:2018-07-09

基于社会网络的隐性知识转移机制实证分析论文_第1页
基于社会网络的隐性知识转移机制实证分析论文_第2页
基于社会网络的隐性知识转移机制实证分析论文_第3页
资源描述:

《基于社会网络的隐性知识转移机制实证分析论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于社会网络的隐性知识转移机制实证分析论文.freelith-Doerr(1996)Zhao与Aram(1995)对于网络规模的测量,结合本研究作了适当的修改。吸收能力是指网络成员能够识别有价值的知识并加以吸收、利用、并转换成自己知识的能力,其测量项来自Cohen与Levinthal(1990),Senge(1992)MoanDarr(1998),Starbuek(1992)和Leonard-Barton(1995)的研究。2.2数据收集研究样本来自知识密集性行业——IT行业,选定软件园中的企业作为调研对

2、象,因为软件园中的企业聚集在一起,更有可能发生合作行为。同时,IT行业具有技术更新快、隐性知识多、逻辑思维性强、团队合作性强以及企业人才主要由知识型员工构成等特点。数据收集主要采用实地纸质发放问卷的方式,在大规模问卷发放之前,先在小范围内对问卷进行预测,对其中出现的问题进行若干次修改。共发放问卷150份,回收93份,回收率为62%。对回收的93份问卷进行筛选,剔除存在有缺失项的和填写明显不认真的问卷,最终获得有效问卷92份,有效回收率为98.92%。样本的描述性统计部分主要包括性别、学历、年龄和从事本行业

3、时间,结果显示研究对象的年龄主要集中在20~30岁,学历基本在大学本科及以上样本总体上符合对知识型员工的定位和构想。3数据分析3.1信度分析采用Cronbachα系数对信度进行分析,包括检验各指标信度、变量总体信度和整个量表的总体信度。信度采用Nunnally(1978)、ChurChill和Peter(1984)提出的标准,Cronbachd系数在0.6以上可接受,0.7以上为较高的信度,大于0.8则表示信度非常好。为保证问卷具有较高信度,将Cronbachα系数的最低标准定为0.7。问卷信度检验结果如

4、表1所示:其中,组织文化环境Cronbachα系数小于0.7,信度不高,继续检验该变量各题项的信度发现,组织文化环境中第五个题项的信度小于0.4,删除该项后Cronbachα系数增加为0.775。根据Churchill(1979)、Kohile等(1993)和Parasuraman(1988)建议,凡是ItemTotalCorrelation小于0.4,且删除该测量项后Cronbacha系数会增加的测验项目都应该删除。删除后重新检验信度,组织文化环境的信度为0.775,大于0.7。3.2效度分析效度即有效

5、性也就是正确性程度,是指测量工具能够准确测出所要测量事物的程度。采用验证性因子分析来测量问卷的结构效度。进行验证性因子分析之前,首先对因子与测量项之间的关系进行检验,以确保每个因子对应一组意义相关的测量项。根据分析结果对题项进行调整后,题项由40个变为39个,新的量表中各因子的KMO值均大于0.7,Bartlett球体检验统计值通过显著性检验(p0.001),各题项的因子载荷均大于0.5。然后将这8个变量放在一起,通过验证性因子分析评估该测量模型的因子结构与研究构想是否相符。测量结果显示,各个题项在其对应

6、的因子上具有比较高的负荷,显示出较高的l值(通常取t值大于2为显著)。模型的拟合指数如表2所示:一般认为RMSEA在0.08以下(越小越好),NNFI和CFI在0.9以上(越大越好),所拟合的模型为一个“好”模型。3.3假设检验假设检验主要利用结构方程建模中的全模型进行分析。首先检验自变量和因变量之间的关系(结果见图2),然后再检验加入调节变量之后交互作用的自变量和因变量之间的关系(结果见图3)。交互作用变量是通过将自变量和调节变量相乘得出的,通过观察显著性的变化,解释调节变量的作用。由图2可以看出,H5

7、、H6、H7不显著,t值均小于2,但模型拟合指数较高,如表3所示:图3表明加人调节变量后呈现高显著性,拟合指数如表4所示:表4显示模型拟合较好,而且相对于没有添加调节变量时也有一定程度的改善。对于知识吸收能力中介作用的检验,要看是否满足以下几个条件:①自变量与因变量相关;②中介变量与因变量相关;③自变量与中介变量相关。通过假设检验得出H5和H6不显著,也就是说未满足自变量与中介变量相关这一条件,所以,知识吸收能力的中介作用不成立。假设验证结果如表5所示:4结果讨论实证结果表明,在强知识转移动机下,网络密度

8、越大,网络中心性越高,隐性知识转移效果越好(t值分别为3.17和2.31);同样在强组织文化环境下,网络密度和网络中心性与隐性知识转移效果显著正相关(t值分别为2.02和2.70),知识吸收能力越强,越有利于隐性知识转移的效果(t值为2.63)。网络结构特征是客观存在的条件,不会直接影响隐性知识转移效果,只有在一些因素调节作用下才会影响隐性知识转移,这些调节因素包括知识转移动机和组织文化环境,本文的数据证实了这一点。但是结构洞

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。