群体成员差异性对社会网络的影响:个体及群体层次的实证研究

王振源 戴瑞林

摘 要：基于相似-吸引典范及社会归类理论，本研究认为群体中人口统计变量和工作价值观的个体间差异性及组成差异性分别对个体情感网络中心性与整体情感网络密度产生影响。本研究用45个工作群体（246个个体）样本对假设进行验证，结果表明：社会互动及自我实现取向的差异性对个体情感网络中心性有显著负向影响，人口统计变量的差异性则对个体情感网络中心性没有显著影响；群体层次的情感网络密度假设也得到相似的验证结果。最后，讨论了本研究的理论和实践意义以及研究限制。

关键词：社会网络；关系人口统计学；组成人口统计学；工作价值观

中图分类号：C936 文献标识码：A 文章编号：1003-5192(2012)01-0020-07

The Impact of Group Members Differences in Demography and Work Values on Social

Networks: Examinations in Individual-level and Group-level

WANG Zhen-yuan, DAI Rui-lin

(School of Management, Shanghai University, Shanghai 200444, China)

Abstract:Based on similarity-attraction paradigm and social categorization theory, we propose that the group members dissimiliarity in demography and work values would influence his/her centrality in the affective network within the group. Furthermore, we argue that the compositional diversity of the group in those variables would have impact on the density of the affective network. The empirical result with 45 groups(246 respondents)shows that the dissimiliarities of an individual in social interaction and self-fulfill with other group members have negative impact on the centrality of the affective network, but the dissimilarities in demography have no impact on it. In group level, group diversities in the same variables as individual level have impact on the density of affective network. Finally, implications and limitations are discussed.

Key words:social networks; relational demography; compositional demography; work values

1 引言

社会网络及社会资本是目前管理学研究的热点之一，以往的研究已经证实社会网络或社会资本对个体、群体的许多结果变量有重要的影响，例如个体及群体绩效［1］、权力［2］、升迁［3］等等。上述研究在个体层次特别集中探讨了个体在社会网络中的位置（如中心性）能为个体提供取得或控制信息、获取资源等优势，进而能为个体带来效益；在群体层次则关注网络结构特性（如密度）对群体绩效或领导效能等变量的影响。然而，这些个体为什么会位于网络的中心位置？某些群体为什么密度比较高呢？这些问题在过去的研究中很少涉及，并没有很好地被回答［4,5］。许多学者也注意到这样的现象，并且一再呼吁未来的学者需要更多地关注社会网络的前因变量［4~6］，特别是一些个体特质［5,6］对社会网络的位置及结构特性的影响。

相似-吸引典范（Similarity-Attraction Paradigm）以及社会归类理论（Social Categorization Theory）认为表层可观察（如年龄、性别）、表层不可观察（如年资、教育程度）以及深层不可观察（如人格特质、价值观等）［7］的相似性/差异性会对成员满意度、组织承诺、人际互动等结果变量有所影响［8~10］。因此，本研究试图探讨人口统计变量和工作价值观的个体间差异性如何影响个体在社会网络的位置（中心性），以及群体内组成差异性如何影响整体网络的结构特性（密度）。由于差异性/相似性对人际交往的影响较大［5,11］，因此本研究主要探讨对情感网络特性的影响。

2 理论与假设

2.1 相似-吸引典范和社会归类理论

一般将人口统计学的研究视角分为两大类：一是在个人层次为关系人口统计学，探讨特定个体和其他成员在人口统计背景变量的差异性对个体行为及态度的影响；另一则是在群体层次为组成人口统计学，探讨团队/组织组成成员在人口统计背景变量上的多样化程度对团队层次后果变量的影响［12］。此研究视角的理论基础是相似-吸引典范和社会归类理论。

相似-吸引典范的主要论点是个体间若在某些特征上具有相似性，则容易互相吸引及喜欢［8,9］。这是由于具有相似背景的人容易分享共同的生活经验及价值观，相处时较为自在，易于沟通，因此，人们倾向和自己相似的人进行互动［9］。社会归类理论指出，人们会使用一些社会特征来定义心理的群体或提升自己的社会认同［8,9］。个体的社会归类通过两个机制来完成：其一是自我强化（Self-Enhancement），指个体将自己和他人进行某些特性的比较来进行归类（例如性别、年龄及教育程度等人口统计背景），完成归类后将对自己所属的类别产生社会认同；另一个则是自我持续（Self-Continuity），指个体持续和其他人进行社会比较，以确保在社会类别内相似性及社会类别间的差异性能达到最大来维持其自尊和对社会认同的正面评价［8,9］。

Riordan［7］提供了一个整合性的研究架构，表明年龄、种族或性别等表层可观察的变量，是社会归类、社会认同的重要依据，但是最易产生刻板印象、偏误。无法从表层观察到的变量（如年资、教育程度、人格特质和价值观等）则需要成员间较长时间而持续的互动，才能发现彼此的相似性或差异性，此时则是通过喜欢/吸引、行为整合等机制对态度和行为产生影响。

2.2 人口统计变量及价值观的个体间差异性对个体情感网络中心性的影响

以往已有一些研究证实，性别、年龄、教育程度以及年资的相似性会影响个体间的互动、沟通以及建立友谊关系。例如Tsui & OReilly［8］证实若下属和上级性别不同则上级对该下属的正面情感会是较低的，给予绩效评分较低；上司更喜欢与其教育程度差异小的下属；上司喜欢年资差异性小的下属，就会给予较高绩效评价。

过去的研究主要聚焦于对偶关系，然而本研究认为群体内彼此的相似性/差异性将影响到个体在其中社会网络的位置。基于相似-吸引理论，如果某一个体和其他成员在人口统计变量上的差异性小，则他容易和其他成员互相吸引并且建立起连结，因此该成员的情感网络中心性会是较高的；相反地，基于社会归类理论，如果某一成员和其他成员在人口统计变量的差异性大，则该成员较难和其他成员产生融洽的感觉，同时由于差异性大也不会被归类到同一类，因此该成员和其他成员的连结就少或连结不紧密，他的情感网络中心性就会是低的。

假设1 个体与其他成员人口统计变量上差异性越大，其情感网络中心性越低。

假设1a 个体与其他成员性别差异性越大，其情感网络中心性越低。

假设1b 个体与其他成员年龄差异性越大，其情感网络中心性越低。

假设1c 个体与其他成员教育程度差异性越大，其情感网络中心性越低。

假设1d 个体与其他成员团队年资差异性越大，其情感网络中心性越低。

价值观是一种持久的信念，将影响个人的偏好或厌恶，进而指导个人的行为方式［13］。价值观的相似性主要基于相似-吸引典范制影响人际间的互动。个体和其他成员的价值观越相似，则他们的认知处理历程相似，行为、途径及目标的选择也会较为一致，彼此行为可预测性高，这将使得他们的行为表现、喜欢/厌恶的事物将越相近，因此互动后容易达成共识、建立互信或友谊［9］。反之，价值观差异大的成员之间进行互动时，少了上述的机制或历程，将使得互动的程度较差。综上所述，我们认为个体若与其他成员在价值观上差异程度小或相似性高，则容易和其他成员建立情感连结或人际信任，因此他的情感网络中心性会较高；反之，该成员若是和其他成员在价值观上的差异很大，则不容易和其他人有好的互动，其情感网络中心性就会是比较低的。在工作价值观方面，本研究主要关注社会互动取向、受人尊敬取向以及自我实现取向。社会互动取向是指对在工作中良好人际互动情形的重视程度；受人尊敬取向是指对在工作中获得自我肯定与别人尊重的重视程度；而自我实现取向则是指对工作中能否实现人生目标、展现个人才华的重视程度［14］。

假设2 个体与其他成员在工作价值观上的差异性越大，其情感网络中心性越低。

假设2a 个体与其他成员“社会互动取向”价值观差异性越大，其情感网络中心性越低。

假设2b 个体与其他成员“受人尊敬取向”价值观差异性越大，其情感网络中心性越低。

假设2c 个体与其他成员“自我实现取向”价值观差异性越大，其情感网络中心性越低。

2.3 人口统计变量及价值观群体内组成差异性对群体情感网络密度的影响

在群体层次，过去已有一些关于群体内部人口统计背景变量的组成差异性(异质性、歧异性、多样性)对群体层次变量的影响的研究，如团队凝聚力（Group Cohesion）、社会整合（Social Integration）。社会整合是群体成员心理上和其他成员建立连结或和其他成员互相吸引及互动的情形，进而能追求共同的目标，而团队凝聚力则是社会整合的感情维度［10,15］。OReilly等人［10］认为社会整合包括几个因子，例如被团队吸引（凝聚力）、对其他成员的满意度以及成员间互动的程度。他们证实了年资的差异性对社会整合有显著的负面影响，年龄的差异性也是负向的影响(但不显著)。Smith等人［16］证实高层管理团队的年资差异性对非正式沟通的程度有显著的负向影响。

我们认为，整个群体在性别、年龄、教育程度及工作年资的差异性对成员彼此间的互动会有影响，进而影响到整体社会网络密度。从相似-吸引典范来看，若群体在人口统计背景变量的组成相似性越高，成员间的互动就会越频繁，网络密度越高。从社会归类理论来看，工作群体内成员的人口统计背景变量相似性高，成员间更易将自己和其他团队成员归为同一类别，同类别内建立连结的程度是高的（网络密度高）；反之，成员间连结程度较低（网络密度低）。

假设3 群体内的人口统计变量组成差异性越大，群体的情感网络密度将越低。

假设3a 群体内的性别组成差异性越大，群体的情感网络密度越低。

假设3b 群体内的年龄组成差异性越大，群体的情感网络密度越低。

假设3c 群体内的教育程度组成差异性越大，群体的情感网络密度越低。

假设3d 群体内的团队年资组成差异性越大，群体的情感网络密度越低。

在相似性的探讨里，以往更多的研究是有关人格特质、态度等对群体社会整合的研究，关于群体层次价值观的组成相似性/差异性的实证研究是比较少的［15,17,18］。如同个体层次，群体内成员在工作价值观的差异性越小或相似性越高，彼此间对工作和对事物所持的信念越一致，彼此对事情的看法和对事物的喜恶越相似，越容易产生共识，容易相互吸引而成为一个内团体。随着彼此的互动增加，整个群体网络连结密度是高的。

假设4 群体内的工作价值观组成差异性越大，群体的情感网络密度将越低。

假设4a 群体内的“社会互动取向”价值观组成差异性越大，群体的情感网络密度越低。

假设4b 群体内的“受人尊敬取向”价值观组成差异性越大，群体的情感网络密度越低。

假设4c 群体内的“自我实现取向”价值观组成差异性越大，群体的情感网络密度越低。

3 研究设计

3.1 调查程序

本研究采取整体网络（Whole Network）的社会网络研究取向，以立意取样获取样本，采用问卷调查方式收集数据。由于进行社会网络研究涉及问题比较敏感，填答者可能会有拒答等情形［19］。因此，第一步，我们联系有意愿参与调查的企业或者群体，以得到领导的同意。第二步，将人员名单录入到问卷当中，避免受访者遗漏并缩短填答时间。第三步，在进行实地调查时，我们采用几种手段来降低社会称许性（Social Desirability）或心理防卫机制产生的偏误，如在介绍词中说明此份问卷的目的是作为研究用途，不会单独揭露个人信息，此外，受访者在填完问卷后，可以将问卷放入信封中并进行封口。这些做法在其他社会网络的研究中也是经常见到的［20］。

3.2 样本及其特性

本研究共发出问卷275份，回收255份。根据罗家德［21］的建议，在进行整体网络的研究时，社会网络题目必须有80%以上的成员填答，所得出网络结构才具有可信度。经过剔除网络题目填答率过低的组别后，本研究的有效问卷数为246份，其中包括45个群体/团队领导，201个成员，有效问卷回收率为89.5%。每个群体的有效回收率皆在80%以上。

在员工分布上，29个团队、173个个体来自于经营床上用品的生产及销售的A公司，7个团队、34个个体来自于某通信集团的市级分公司的B公司，9个团队、39个个体来自于某石油化工集团市级分公司的C公司。在样本特征上，女性共157人(占比约63.8%)；平均年龄为32.4岁；初中学历以下共108人，高中71人，专科47人，本科以上15人；平均团队年资为4.6年。

3.3 变量的测量

3.3.1 社会网络变量

情感网络是指群体内个体间交流的内容是工作之外的事项，彼此形成信任关系、心理支持关系。本研究的社会网络题目修订自罗家德［19,21］，包括：“我可以很放心地将私事、个人的想法和愿望和他/她分享”、“我可以很自在地向他/她诉说工作上遇到的困难，我知道他/她愿意听”。该量表的内部一致性信度为0.81。Brass等人［6］曾建议应对连结强度进行量测，因此本量表采用李克特6点设计，同意程度越高表示连结强度越强。此外，本研究将连结视为对称关系以补足网络缺失值。

本研究的网络中心性是内向程度中心性，指某特定个体被其他个体认定有连结关系的情况［1］。实际计算时，分子部分是其他个体指向特定个体的实际强度加总，分母则是最大可能的连结强度［1,22］。密度指一个网络中个体之间连结的紧密程度，计算公式是所有个体间实际连结强度之和除以所有个体间最大可能连结强度之和［1,19］。

3.3.2 工作价值观变量

工作价值观的定义为个体在从事工作时，用于判断工作事物、行为或目标的持久性信念与标准。本量表题目修订自台湾学者吴铁雄等人［14］，并用李克特5点量表形式，其中“1”表示非常不重要，“5”表示非常重要。社会互动取向考察受访者对在工作中良好的同事互动的重视程度，示范题目如：同事之间能融洽相处等；受人尊敬取向关心的是受访者对工作中能否满足成就感、受到他人肯定的程度，示范题目如：获得别人的肯定等；自我实现取向则是考察受访者对工作中能实现自己的目标、展现自己才华的重视程度，示范题目如：工作中能实现自己的理想等［14］。

因子分析结果表明三个维度的题目可以良好地区分，量表具有较佳的建构效度。在内部一致性信度方面，社会互动取向Alpha值为0.755，受人尊敬取向为0.810，自我实现取向为0.781。

3.3.3 个体及群体层次差异性的计算

本研究遵循Tsui等［8,9］的做法计算个体间差异，取个体和群体内其他个体在某人口统计变量差数的平方和，除以群体人数后开根号。公式如下（n为群体人数，i指特定成员，j指其他成员）

其中性别、教育程度是非连续变量或类别变量，属于同一类别则差数为0，属于不同类别则差数为1；而年龄、团队年资及工作价值观部分则视为连续变量，直接计算实际数字。

在群体层次差异性方面，本研究采取Blau［11］的异质性指数来计算群体内性别及教育程度等类别变量的差异程度，公式如下（P璳指k类成员占所有成员的比例，m指共m类。该公式是用1减去所有类别的平方总和）

当计算群体层次的年龄、团队年资及工作价值观等连续变量的组成差异性时，本研究依Allison［23］的做法将该变量的标准差除以平均数。

4 结果

从个体层次相关分析得知，社会互动（r= 0.23，p< 0.001）及受人尊敬（r= 0.11，p< 0.1）和情感网络中心性显著正相关；社会互动差异性（r=-0.16，p<0.05）及自我实现差异性（r=－0.19，p< 0.01）和情感网络中心性显著负相关；人口统计变量差异性和因变量的相关系数都不显著。

个体层次阶层式回归分析（Hierarchical Regression Analysis）结果如表1。从模型2中得知人口统计变量的差异性对情感网络中心性没有显著影响，假设1未得到支持。从模型3中可得知整体模型是显著的（F= 1.935，p< 0.05），增加解释力4.6%（p< 0.05），其中社会互动取向价值观对情感网

络中心性有显著正向影响（β= 0.20，p< 0.01）。模型4结果表明，模型解释力增加5.9%（p< 0.01），社会互动取向差异性（β=－0.12，p< 0.1）及自我实现取向差异性（β=－0.20，p< 0.01）对情感网络中心性有显著负向影响。假设2a及2c得到支持。

从群体层次相关分析结果可得知，群体人口统计变量的差异性和情感网络密度的相关系数都不显著；而社会互动取向差异性（r=－0.38，p<0.01）及自我实现取向差异性（r=－0.33，p<0.01）和情感网络密度显著负相关。

群体层次阶层式回归分析结果如表2。由于团队样本小，本研究控制了领导的教育程度、团队年资、团队规模及公司别的影响，领导的人口统计变量与因变量相关系数上都不显著，不予以考虑。模型2整体模型及群体人口统计变量的差异性都没有达到显著水平。假设3不支持。模型3结果表明，解释力增加27.6%（p< 0.01），群体在社会互动取向差异性（β=－0.41，p< 0.05）及自我实现取向差异性（β=－0.28，p< 0.1）对情感网络密度有显著的负向影响。假设4a、4c得到支持。

5 讨论与结论

本研究的目的是从人口统计变量和工作价值观的个体间差异性及群体内组成差异性的视角，探讨影响个体社会网络位置及群体社会网络结构特性的前因变量。本研究的贡献在于推进了关于社会网络前因变量的研究，同时扩展了关系人口统计学和组成人口统计学的研究范围。

本研究发现：无论是个体或群体层次，人口统计变量的差异性对社会网络中心性或密度都没有显著影响，但工作价值观的差异性则有显著影响。此结果与Klein等人［4］和Harrison等人［17］的研究是一致的。本研究认为这是因为团队成员相处的时间久，彼此熟悉，人口统计变量影响弱化，而价值观的差异性的作用增大，这样的解释和推论得到Harrision等人［15,17］的证实。

进一步地，在个体层次的价值观方面，Klein等人［4］研究发现工作取向本身（如让自己整天保持很忙的状态）以及享乐主义或称快乐主义（如享受生活）的相似性对成员处于友谊网络中心性有正向显著的影响；然而，本研究表明社会互动取向本身及其差异性和自我实现取向差异性对成员的情感网络中心性有显著的作用。这似乎暗示着国家文化［24］(如个人主义和集体主义)在其中发挥一定的作用。这值得未来研究深入探索。

此外，在群体层次价值观方面，Harrison等人［17］研究发现对任务结果重视程度的组成差异性对社会整合(其中涉及群体内人际互动与对其他成员的满意度)影响最大；然而，本研究表明群体社会取向和自我实现差异性对情感网络密度的影响最大。对任务结果重视程度更关注于目的性、工具性、短期的外在动机，而社会取向及自我实现取向则是目的性较弱、长期的以及是一种内在动机。这可能也是由不同的国家文化而引起的差异，例如中国文化受儒家思想影响，属于长期导向，而西方文化更倾向于目的导向、短期导向［24］。这也值得未来进一步深入的研究。

本研究对个体及群体乃至组织的管理实践都是有指导意义的。由于每个人在价值观的各个维度有着不同的组合，因此，个体间在价值观上某些方面是相似的，某些方面则有差异。个体应该了解与其他成员在不同价值观上的差异情况，在“求同存异”的前提下，扩大在相同价值观上的共性，这将有利于和其他成员互动，进而提高其网络中心性。群体或组织在进行人员甄选时，应更看重成员间在工作价值观上的相似情形，这将有助于成员间的互动与凝聚力的塑造。

由于资源限制，本研究存在一些不足。本研究样本的群体规模平均是5.5人，属于小群体，可能无法概括群体规模较大的情况，建议未来学者可以扩大群体的规模重新进行研究。此外，本研究群体样本量为45个，在进行群体层次分析时可能因为自由度小会有统计稳定性差的风险。不过，由于社会网络数据收集的难度特别高，这样的群体数量在社会网络方面的研究也是比较常见的。尽管如此，本研究在个体及群体层次上还是得出了一些有意义结果可以供学术界及实务界参考。

参 考 文 献：

［1］ASparrowe R T, Liden, R C, Wayne, S J, et al.. Social networks and the performance of individuals and groups［J］. Academy of Management Journal, 2001, 44(2): 316-325.

［2］AIbarra H. Network centrality, power, and innovation involvement: determinants of technical and administrative roles［J］. Academy of Management Journal, 1993, 36(3): 471-501.

［3］ABurt R S. The contingent value of social capital［J］. Administrative Science Quarterly, 1997, 42(2): 339-365.

［4］AKlein K J, Lim B, Saltz J L, et al.. How do they get there an examination of the antecedents of centrality in team networks［J］. Academy of Management Journal, 2004, 47(6): 952-963.

［5］AMehra A, Kilduff M, Brass D J. The social networks of high and low self-monitors: implications for workplace performance［J］. Administrative Science Quarterly, 2001, 46: 121-146.

［6］ABrass D J, Galaskiewicz G H R, Tsai W. Taking stock of networks and organizations: a multilevel perspective［J］. Academy of Management Journal, 2004, 47(6): 795-817.

［7］ARiordan C. Relational demography within groups: past developments, contradictions, and new directions［J］. Research in Personnel and Human Resources Management, 2000, 19: 131-173.

［8］ATsui A S, OReilly C A. Beyond simple demographic effects: the importance of relational demography in superior-subordinate dyads［J］. Academy of Management Journal, 1989, 32(2): 402-423.

［9］ATsui A S, Terri D E, OReilly C A. Being different: relational demography and organizational attachment［J］. Administrative Science Quarterly, 1992, 37(4): 549-579.

［10］AOReilly C A, Caldwell D F, Barnett W P. Work group demography, social integration, and turnover［J］. Administrative Science Quarterly, 1989, 34(1): 21-37.

［11］ABlau P M. A macrosociological theory of social structure［J］. American Journal of Sociology, 1977, 83(1): 26-54.

［12］A陈德荣.组织内部社会网络的形成与影响：社会资本观点［D］.高雄：中山大学企业管理研究所,2004.

［13］ARokeach M. The nature of human values［M］. New York: Free Press, 1973.

［14］A吴铁雄,李坤崇,刘佑星,等.工作价值观之编制研究［M］.台北：行政院青年辅导委员会,1995.

［15］AHarrison D A, Price K H, Bell M P. Beyond relational demography: time and the effects of surface- and deep-level diversity on work group cohesion［J］. Academy of Management Journal, 1998, 41(1): 96-107.

［16］ASmith K G, Smith K A, Olian J D, et al.. Top management team demography and process: the role of social integration and communication［J］. Administrative Science Quarterly, 1994, 39(3): 412-438.

［17］AHarrison D A, Price K H, Gavin J H, et al.. Time, teams, and task performance: changing effects of surface- and deep-level diversity on group function［J］. Academy of Management Journal, 2002, 45(5): 1029-1045.

［18］ABarsade S G, Ward A J, Turner J D F, et al.. To your hearts content: a model of affective diversity in top management teams［J］. Administrative Science Quarterly, 2000, 45(4): 802-836.

［19］A罗家德.社会网分析讲义［M］.北京：社会科学文献出版社,2005.

［20］ATsai W, Ghoshal S. Social capital and value creation: the role of intra-firm networks［J］. Academy of Management Journal, 1998, 32: 402-423.

［21］A罗家德.NQ风暴：关系管理的智慧［M］.北京：社会科学文献出版社,2002.