H832H分析报告自命题-企业员工工作状况调查问卷

图4.3.3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。角色压力角色压力创新绩效知识异质性图4.3.3本文理论模型图 6.1描述性统计分析描述统计量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1,0581.005.003.90351.01635-1.637.075.999.150知识异质性1,0581.005.003.83961.04075-1.381.075.270.150角色压力1,0581.004.693.7972.98150-1.427.075.550.150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1、您目前所在企业的性质是频率百分比有效百分比累积百分比有效国企/事业单位34民营/私企42139.839.872.0外资/合资28927.327.399.3其他7.7.7100.0合计1,058100.0100.02、您所在企业的产业类别是频率百分比有效百分比累积百分比有效交通运输、仓储及邮电通信业9信息技术、软件和互联网行业7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1,058100.0100.03、您所在的企业属于频率百分比有效百分比累积百分比有效高新技术企业92587.487.487.4非高新技术企业13312.612.6100.0合计1,058100.0100.04、您所在企业的员工总数为频率百分比有效百分比累积百分比有效50以下451-10020018.918.923.2101-50024022.722.745.8501-100020819.719.765.51001-200021220.020.085.52000以上15314.514.5100.0合计1,058100.0100.05、您所在企业目前处于的发展阶段频率百分比有效百分比累积百分比有效初创期31529.829.829.8成长期42940.540.570.3成熟期13312.612.682.9二次创业（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6、您的性别频率百分比有效百分比累积百分比有效男52女53750.850.8100.0合计1,058100.0100.07、您的年龄频率百分比有效百分比累积百分比有效25岁及以下1026-30岁15714.814.824.631-35岁636-40岁21520.320.351.141-45岁20719.619.670.746-50岁22421.221.291.951-55岁868.18.1100.0合计1,058100.0100.08、您目前的婚姻状况是频率百分比有效百分比累积百分比有效未婚23722.422.422.4已婚45442.942.965.3离婚27125.625.690.9丧偶969.19.1100.0合计1,058100.0100.09、您的教育程度是频率百分比有效百分比累积百分比有效大专及以下17416.416.416.4本科71968.068.084.4硕士研究生10610.010.094.4博士研究生595.65.6100.0合计1,058100.0100.010、您目前的工作年限是频率百分比有效百分比累积百分比有效1年以内1281-5年17816.816.828.96-10年605.75.734.611-15年25724.324.358.916-20年23922.622.681.521年及以上19618.518.5100.0合计1,058100.0100.011、您所担任的工作职位是频率百分比有效百分比累积百分比有效普通员工66963.263.263.2基层主管26925.425.488.7中层管理者736.96.995.6高层管理者474.44.4100.0合计1,058100.0100.012、您所在的工作领域是频率百分比有效百分比累积百分比有效技术开发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1,058100.0100.06.2信度和效度检验信度（Reliability）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性程度。信度指标多以相关系数表示，Cronbachα信度系数是目前最常用的信度系数。美国统计学家海尔（JosephF.Hair.Jr）、安德森（Jr.RolphE.Anderson）、泰森（RonaldL.Tathan）和布莱特（WilliamC.black）指出：量表的信度系数最好在0.8以上，如果信度系数达到0.9以上，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's

alpha系数如果在0.6以下就要考虑重新编问卷。利用spss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。总体信度检验表Cronbach'sAlpha项数.90928知识异质性信度检验表Cronbach'sAlpha项数.9386角色冲突信度检验表Cronbach'sAlpha项数.8923角色模糊信度检验表Cronbach'sAlpha项数.9345角色超载信度检验表Cronbach'sAlpha项数.9415创新绩效信度检验表Cronbach'sAlpha项数.9579从研究变量的信度检验表可以看出，各变量的cronbach’s值均大于0.7，说明各变量的信度较好；同时总量表的信度值为0.909，大于0.8。由此可以认为研究变量的测量指标具有较高的内在一致性信度，调查数据是比较可靠的。6.3因子分析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KMO和Bartlett样本测度检验数据是否适合做因子分析，检验数据的效度。KMO越接近1表明数据越适合做因子分析，经验表明，KMO大于0.9表明极适合，KMO大于0.8小于0.9表明比较适合，KMO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。1知识异质性因子分析运用SPSS对知识异质性数据进行KMO和巴特莱球形显著性检验，结果如下：表效度检验表KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。.932Bartlett的球形度检验近似卡方5,096.325df15Sig..000由效度检验结果可知，对数据进行效度检验，得KMO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0.000，小于0.001，达显著性水平；说明使用数据的效度较好，适合做因子分析。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1的因子，结果提取1个公因子，该因子的方差贡献率达到76.349%，远超过30%以上。因此提取的公因子反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a成份1Q13_1.881Q13_2.898Q13_3.862Q13_4.876Q13_5.861Q13_6.864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0.5，符合要求，可命名该公因子为知识异质性因子。2角色压力因子分析运用SPSS对角色压力数据进行KMO和巴特莱球形显著性检验，结果如下：表效度检验表KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。.942Bartlett的球形度检验近似卡方12,085.502df78Sig..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0.000，小于0.001，达显著性水平；说明使用数据的效度较好，适合做因子分析。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%17.87460.56860.5687.87460.56860.5684.00630.81730.81721.51211.63272.2001.51211.63272.2003.92830.21661.03331.1098.53180.7311.1098.53180.7312.56119.69980.7314.3702.84883.5795.3062.35285.9316.2872.20988.1407.2541.95190.0918.2501.92292.0139.2361.81593.82710.2261.74295.56911.2081.59797.16612.1871.43698.60213.1821.398100.000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1的因子，结果提取的因子数为3，前3个因子的累计方差贡献率达到80.731%，远超过30%以上。因此提取的公因子反映了原有变量的大部分信息，认为这3个因子对量表的解释度比较好。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_1.307.290.795Q14_2.263.259.839Q14_3.262.290.816Q14_4.272.809.248Q14_5.297.810.200Q14_6.224.815.215Q14_7.289.816.248Q14_8.268.825.263Q14_9.851.273.192Q14_10.820.294.220Q14_11.811.279.265Q14_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0.5。上表为旋转后的因子载荷矩阵，各项指标都符合要求，可将各指标归类为3类因子，并根据专业知识分别进行命名如上表。3创新绩效因子分析运用SPSS对创新绩效数据进行KMO和巴特莱球形显著性检验，结果如下：表效度检验表KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。.963Bartlett的球形度检验近似卡方8,678.825df36Sig..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0.000，小于0.001，达显著性水平；说明使用数据的效度较好，适合做因子分析。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%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1的因子，结果提取1个公因子，该因子的方差贡献率达到74.281%，远超过30%以上。因此提取的公因子反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a成份1Q16_1.857Q16_2.879Q16_3.837Q16_4.865Q16_5.851Q16_6.845Q16_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0.5，符合要求，可命名该公因子为创新绩效因子。6.4方差分析性别差异性分析性别N均值标准差tSig.(双侧)创新绩效男5213.9446.963391.295.196女5373.86361.06460知识异质性男5213.86081.03584.653.514女5373.81911.04605角色压力男5213.8047.96260.243.808女5373.79001.00034性别差异性独立样本T检验的结果显示，性别对创新绩效检验的T分布值为1.295，对应的显著性值为0.196，大于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T分布值为0.653，对应的显著性值为0.514，大于0.05，没有达到显著性水平。因此调查对象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T分布值为0.243，对应的显著性值为0.808，大于0.05，没有达到显著性水平。因此调查对象的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显著性创新绩效大专及以下1743.96041.00253.718.541本科7193.91131.01446硕士研究生1063.78621.02957博士研究生593.85121.06286总数1,0583.90351.01635知识异质性大专及以下1743.84291.06118.709.546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角色压力大专及以下1743.72151.05787.579.629本科7193.8011.98795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F分布值为0.718，对应的显著性值为0.541，大于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教育程度的差异。教育程度对知识异质性检验的F分布值为0.709，对应的显著性值为0.546，大于0.05，没有达到显著性水平。因此调查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F分布值为0.579，对应的显著性值为0.629，大于0.05，没有达到显著性水平。因此调查对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显著性创新绩效1年以内1283.9323.98509.234.9481-5年1783.86951.033636-10年603.8759.9969811-15年2573.94901.0100716-20年2393.86701.0378221年及以上1963.90871.01806总数1,0583.90351.01635知识异质性1年以内1283.66671.192721.370.2331-5年1783.75471.090426-10年603.81111.0225611-15年2573.8885.9805416-20年2393.90731.0122421年及以上1963.8920.99920总数1,0583.83961.04075角色压力1年以内1283.54331.150862.703.0201-5年1783.7692.993516-10年603.9295.8499111-15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F分布值为0.234，对应的显著性值为0.948，大于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工作年限的差异。工作年限对知识异质性检验的F分布值为1.37，对应的显著性值为0.233，大于0.05，没有达到显著性水平。因此调查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F分布值为2.703，对应的显著性值为0.020，小于0.05，达到显著性水平。因此调查对象的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，1年以内的、1-5年的调查对象角色压力得分显著较低。6.5相关性分析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MeanSD123456789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3.821.09-0.0180.0460.033-.077*.177**.878**.613**1角色超载3.751.180.0010.0320.06-.099**.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0.243。创新绩效与角色压力之间有显著的负向相关关系，相关系数为-0.063。知识异质性与角色压力之间有显著的正向相关关系，相关系数为0.249。进一步进行回归检验，研究各变量之间的影响情况6.6回归分析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。1、知识异质性对创新绩效影响分析本部分以性别、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RR方调整R方标准估计的误差1.248a.061.058.98649a.预测变量:(常量),知识异质性,性别,教育程度,工作年限。Anovaa模型平方和df均方FSig.1回归67.098416.77517.237.000b残差1,024.7381,053.973总计1,091.8361,057a.因变量:创新绩效b.预测变量:(常量),知识异质性,性别,教育程度,工作年限。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)3.210.17917.932.000性别-.071.061-.035-1.172.241教育程度-.040.046-.027-.868.386工作年限-.007.019-.012-.368.713知识异质性.237.029.2438.088.000a.因变量:创新绩效回归分析结果显示，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0.000，小于0.05，达到显著性水平，模型拟合效果较好；回归结果显著有效。自变量知识异质性的标准回归系数为0.243，显著性sig值为0.000小于0.05，达到显著性水平，说明知识异质性对因变量创新绩效有显著的正向影响。因此假设H3团队知识异质性与创新绩效存在显著的正相关作用成立。2角色冲突中介作用检验本部分以性别、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RR方调整R方标准估计的误差1.146a.021.0181.10962a.预测变量:(常量),知识异质性,性别,教育程度,工作年限。Anovaa模型平方和df均方FSig.1回归28.30147.0755.746.000b残差1,296.5151,0531.231总计1,324.8161,057a.因变量:角色冲突b.预测变量:(常量),知识异质性,性别,教育程度,工作年限。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)3.202.20115.901.000性别.003.068.001.038.969教育程度-.026.052-.016-.496.620工作年限.061.022.0902.800.005知识异质性.119.033.1113.621.000a.因变量:角色冲突回归分析结果显示，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0.000，小于0.05，达到显著性水平，模型拟合效果较好；回归结果显著有效。自变量知识异质性的标准回归系数为0.111，显著性sig值为0.000小于0.05，达到显著性水平，说明知识异质性对角色冲突有显著的正向影响。因此假设H1a 知识异质性对角色冲突有正向影响成立。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RR方调整R方标准估计的误差1.250a.063.058.98639a.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。Anovaa模型平方和df均方FSig.1回归68.284513.65714.036.000b残差1,023.5531,052.973总计1,091.8361,057a.因变量:创新绩效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a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)3.113.19915.618.000性别-.071.061-.035-1.174.241教育程度-.039.046-.027-.851.395工作年限-.009.019-.015-.461.645知识异质性.233.029.2397.916.000角色冲突.030.027.0331.104.270a.因变量:创新绩效中介回归结果显示，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0.05，达到显著性水平，模型拟合效果较好；回归结果显著有效。中介变量角色冲突的标准回归系数为0.033，显著性sig值为0.27大于0.05，没有达到显著性水平，说明角色冲突对创新绩效没有显著的影响。因此假设H2a 角色冲突对创新绩效有正向影响不成立。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H4a 角色冲突对知识异质性与创新绩效起中介作用不成立。3角色模糊的中介作用检验本部分以性别、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：模型汇总模型RR方调整R方标准估计的误差1.185a.034.0301.07247a.预测变量:(常量),知识异质性,性别,教育程度,工作年限。Anovaa模型平方和df均方FSig.1回归42.826410.7079.308.000b残差1,211.1601,0531.150总计1,253.9861,057a.因变量:角色模糊b.预测变量:(常量),知识异质性,性别,教育程度,工作年限。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)2.976.19515.294.000性别-.031.066-.014-.468.640教育程度.078.050.0501.558.120工作年限.003.021.005.153.879知识异质性.186.032.1785.844.000a.因变量:角色模糊回归分析结果显示，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0.000，小于0.05，达到显著性水平，模型拟合效果较好；回归结果显著有效。自变量知识异质性的标准回归系数为0.178，显著性sig值为0.000小于0.05，达到显著性水平，说明知识异质性对角色模糊有显著的正向影响。因此假设H1b 知识异质性对角色模糊有正向影响成立。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RR方调整R方标准估计的误差1.276a.076.072.97927a.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。Anovaa模型平方和df均方FSig.1回归83.001516.60017.310.000b残差1,008.8361,052.959总计1,091.8361,057a.因变量:创新绩效b.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。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)3.551.19618.076.000性别-.075.060-.037-1.240.215教育程度-.031.046-.021-.678.498工作年限-.007.019-.011-.351.725知识异质性.258.030.2648.740.000角色模糊-.115.028-.123-4.072.000a.因变量:创新绩效中介回归结果显示，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0.000，小于0.05，达到显著性水平，模型拟合效果较好；回归结果显著有效。中介变量角色模糊的标准回归系数为-0.123，显著性sig值为0.000小于0.05，达到显著性水平，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H2b角色模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H4b 角色模糊对知识异质性与创新绩效起中介作用成立。4角色超载的中介作用检验本部分以性别、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RR方调整R方标准估计的误差1.310a.096.0931.12690a.预测变量:(常量),知识异质性,性别,教育程度,工作年限。Anovaa模型平方和df均方FSig.1回归142.647435.66228.082.000b残差1,337.2181,0531.270总计1,479.8651,057a.因变量:角色超载b.预测变量:(常量),知识异质性,性别,教育程度,工作年限。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)2.202.20410.769.000性别.016.069.007.238.812教育程度.056.052.0331.068.286工作年限.020.022.027.888.375知识异质性.347.033.30610.386.000a.因变量:角色超载回归分析结果显示，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0.000，小于0.05，达到显著性水平，模型拟合效果较好；回归结果显著有效。自变量知识异质性的标准回归系数为0.306，显著性sig值为0.000小于0.05，达到显著性水平，说明知识异质性对角色超载有显著的正向影响。因此假设H1c 知识异质性对角色负荷有正向影响成立。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方调整R方标准估计的误差1.307a.094.090.96972a.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。Anovaa模型平方和df均方FSig.1回归102.583520.51721.818.000b残差989.2531,052.940总计1,091.8361,057a.因变量:创新绩效b.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。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)3.569.18519.248.000性别-.068.060-.034-1.148.251教育程度-.031.045-.021-.680.496工作年限-.004.019-.006-.206.837知识异质性.293.030.3019.709.000角色超载-.163.027-.190-6.143.000a.因变量:创新绩效中介回归结果显示，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0.000，小于0.05，达到显著性水平，模型拟合效果较好；回归结果显著有效。中介变量角色超载的标准回归系数为-0.19，显著性sig值为0.000小于0.05，达到显著性水平，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H2c角色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H4c 角色负荷对知识异质性与创新绩效起中介作用成立。6.7假设检验结果汇总假设内容是否支持H1知识异质性对角色压力有正向影响支持H1a知识异质性对角色冲突有正向影响支持H1b知识异质性对角色模糊有正向影响支持H1c知识异质性对角色负荷有正向影响支持H2角色压力对创新绩效有负向影响支持H2a角色冲突对创新绩效有正向影响不支持H2b角色模糊对创新绩效有负向影响支持H2c角色负荷对创新绩效有负向影响支持H3团队知识异质性与创新绩效存在显著的正相关作用。支持H3a团队成员教育背景差异程度越高，其创新绩效越好。支持H3b团队成员知识技能差异程度越高，其创新绩效越好。支持H3c团队成员职业经验差异程度越高，其创新绩效越好。支持H4角色压力对知识异质性与创新绩效起中介作用。支持H4a角色冲突对知识异质性与创新绩效起中介作用。支持H4b角色模糊对知识异质性与创新绩效起中介作用。支持H4c角色负荷对知识异质性与创新绩效起中介作用。支持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1、您目前所在企业的性质是[单选题]*○国企/事业单位○民营/私企○外资/合资○其他2、您所在企业的产业类别是[单选题]*○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○环境和公共设施管理业○金融、保险业○教育、卫生○制造业○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3、您所在的企业属于[单选题]*○高新技术