研发团队绩效影响因子及其作用机理研究

□ 曾泉毅

随着近年国家对基础科学领域原创研究的高度重视，国内的研发团队在科研硬件上的建设与世界优秀研发团队的差距正逐渐缩小甚至优于后者，但在团队的软件层面——团队绩效产出，这个发挥举足轻重作用的一环，尚不尽如人意。麦格拉斯（McGrath）提出的投入—过程—产出（IPO）理论勾勒了团队绩效影响因素作用路径，探讨不同输入因素在互动过程对团队绩效的影响，该理论被广泛应用并成为团队绩效行为动力学研究的标准范式。[1]如何使研发团队高效运作，产出更多创新性研究成果，不仅是团队建设的重要议题，也必然是机构人才与组织发展研究的应有之义。剖析研发团队绩效内在机理，首先需要厘清两个基本问题：一是影响研发团队绩效行为的关键因子是什么；二是这些因子通过怎样的机理影响研发团队绩效。

本文在组织绩效论、认知心理学及组织行为学的基础上开展研究。国内外关于研发团队绩效因子研究成果汗牛充栋，但通过回顾文献与提炼人力资源管理实践发现团队绩效机理的研究可进一步拓展。研究表明，作为集聚了不同文化价值、不同科学研究背景人员的科技组织，组织中各异的研发团队微生态及其内部运作机理所产生的绩效效果千差万别。鉴于此，本文试图探索影响研发团队绩效的关键因子有哪些以及这些因子是通过怎样的作用机理影响团队绩效行为的。诚然，上面所述的基本问题实质就是本文的核心及现实意义所在。

一、概念模型的提出与研究设计

研发团队绩效是一个在不同组织情境中，易受不特定因子影响的多维度变量。本文的主要任务是厘清影响研发团队绩效的关键因子，在现有研究的基础上建构研发团队绩效的作用机理概念模型和有关假设，通过中国散裂中子源（China Spallation Neutron Source，CSNS）的数据对概念模型及相关假设进行解构与验证。

国内外学界关于研发团队绩效因子关系已有大量的研究。侯二秀、贺瑞雪等对团队绩效影响因子进行了系统的探索梳理，认为团队绩效达成与否是团队内外部多方面共同作用的结果[2-3]。自不确定性规避概念提出以来，不确定性规避与团队绩效之间的关系受到学界与人力资源实践领域的颇多关注。穆勒（Mueller）认为低不确定性规避对探索性绩效目标具有正向效应，较低的组织与个体焦虑有利于团队绩效决策[4]。团队绩效行为具有显著的群体网格特征，团队绩效目标的达成是团队层面复杂的创造性互动过程，同时也是团队个体之间、团队个体与团队内外部环境之间互动与结合的过程。对团队绩效创造的研究应着重组织内隐群体性特征，注重非正式网络对于团队内部网格与绩效互动之间的特殊作用。诚然，团队绩效除受外部环境（不确定性）和内部环境（非正式网络）的影响外，还受团队共享心智的正向影响，并在两者之间发挥着中介变量的作用，共同将团队内部无序的个体行动整合为一组特定且有序的个体贡献，为团队绩效行为的形成奠定了坚实的基础。

图1 团队绩效因子作用机理概念模型

二、概念模型因子作用机理与研究假设

（一）不确定性规避作用机理与假设

不确定性规避与团队绩效之间关系的相关研究在人力资源管理实践中并不常见，对上述两者之间的分析散见于寥寥的文献中。索格和阿恩特（Sorge,Arndt）认为，不确定性规避是组织或组织中的个体在面对竞争或不确定性风险时的包容程度或忍耐阈值[5]。在VUCA时代，不确定性、易变性、模糊性与复杂性是其最显著的四大特征，组织及个体的创新活动与团队绩效受到多方面的严峻挑战，敏捷、变革、洞察和预见逐渐成为组织与个体应对不确定性的重要选项。

科技创新，尤其是基础研究领域的技术革命，是一项充满风险与不确定性的知识变革活动。众所周知，科技领域的变革往往要求研究人员有更高的对不确定性与试错容忍的阈值。伊瑙扎斯（Ynaouzas）认为拥有低不确定性规避基因的团队，接受失败和抗风险的能力更强[6]。研究表明，对于低不确定性规避的团队来说，团队中的个体更善于突破陈旧的规则与标准，更能接受风险，对具有创新性的想法及行为的容忍程度相对更高[7]。刘追、郑倩认为，不确定性规避较低的个体倾向于认为自己有足够的能力应付环境和未知的事件，其自我效能感较高，这有利于进一步促进研发团队整体绩效和效能的提升[8]。

本文认为不确定性规避程度越高，越缺乏突破旧式思维结构和鼓励创新的源动力，降低了团队及个体对风险承受力和风险的识别，影响团队绩效目标的达成，对此，本文假设：

H1a：低不确定性规避与团队绩效正相关。

H1b：低不确定性规避对团队绩效有正面影响。

（二）非正式网络作用机理与假设

团队绩效行为是个体、团队与外部环境共同作用的结果，在过往的研究与实践中，团队绩效的研究关注更多的是显性因子，而对内隐性因子的关注较少。团队绩效行为的实践证明，团队内部隐性因子及互动网络对团队绩效达成的影响理应得到更多重视，社会网络理论的视角为研究者解构团队内部生态作用机理提供了更多突破口。

一般而言，任何一个组织中都存在着正式与非正式两种网络。所谓非正式网络是由个体的社会关系或人际关系所构成的网络，它能够穿透团队内的层层壁垒，作为组织或团队信息感知的神经末梢，发挥着正式网络无法取代的作用。[9-10]温格、斯奈德和麦克德马（Wenger,Snyder &Mcdernott）认为，团队中非正式网络可有效打破组织传统的边界，可有效就团队实践、经验以及信息反馈进行传递。[11]这种方式有效地促成团队内部隐性知识的传递、人际沟通的有效交汇，提高了沟通发生的频率，强化了成员的交流意愿，在多样化和差异化的团队内部有利于产生新的创新并转变为绩效行为，提升团队效能。[12]梅赫拉、迪克逊、布拉斯和罗柏逊（Mehra,Dixon,Brass &Robertson）研究发现，有较多非正式联结或在团队或组织中拥有不同的社会交际圈的员工的绩效要比联结较少的员工要更高，同时，通过非正式网络能够有效利用这些内在的非正式联结缓和团队冲突，起到传递资源、提高团队绩效的积极作用。[13-14]对此，本文提出以下基本假设：

H2a：非正式网络与团队绩效正相关。

H2b：非正式网络对团队绩效有正面影响。

（三）团队共享心智作用机理与假设

心智模型最早源于认知心理学，作为一种共享的、有组织的认知和心理机制，逐渐从聚焦个体认知向聚焦团队认知发展。20世纪90年代初，坎农斯和萨拉斯（Cannon &Salas）首次提出团队共享心智概念，认为团队共享心智是团队成员所共有的一种知识结构，可协调团队成员自身行为使之适应团队整体要求，包含了任务理解共享、团队认知共享和交互协作共享。[15]

研发团队是一个协作性、专业性及系统性极强的组织，团队绩效的达成需要分享理解和共享认知。白新文认为，共享心智模型为团队成员共同执行任务及有效互动提供了一个基于共同价值观的知识框架，以促进成员就团队的任务情境、执行策略以及团队的统一行动等形成一致的认知预期。[16]团队共享心智通过促进个体间的协作与内隐沟通，形成认知共享。德彻奇和梅斯默（DeChurch&Msemer）研究认为，在互依性程度较低的团队中，团队共享心智可以有效提升团队绩效。[17]众所周知，团队绩效不是个体绩效行为的简单相加，而需经团队价值创造过程所依赖的媒介最终得以转化。同时，团队共享心智的形成，取决于团队非正式网络、组织氛围以及对不确定性规避的阈值与容忍程度。一般而言，对不确定性容忍程度越高、非正式网络越活跃的团队内部更易形成组织内部特有的开放、共享、协作的团队文化，更能够促进团队共享心智的形成，同时通过形成的共享心智，促进团队绩效达成与组织效能提升。对此，本文假设：

H3a：团队共享心智与团队绩效正相关。

H3b：团队共享心智对团队绩效有正面影响。

H3c：低不确定性规避与团队共享心智正相关。

H3d：低不确定性规避对团队共享心智有正向影响。

H3e：非正式网络与团队共享心智正相关。

H3f：非正式网络对团队共享心智有正向影响。

H3g：团队共享心智在不确定性规避与团队绩效之间起着部分中介作用。

H3h：团队共享心智在非正式网络与团队绩效之间起着部分中介作用。

三、实证检验——基于（CSNS）的数据

（一）实证前测

本研究在归纳、援引已有相关成熟量表的基础上，根据CSNS 被测样本所处行业、组织特质、个体工作性质等，对原始成熟的量表表述与内容进行了较大的修正。本研究包括不确定性规避、非正式网络、团队共享心智以及团队绩效4 个变量，测量方法采用李克特（Likter）5 级衡量尺度；对于数据的处理，采用了SPSS 19.0 的相关方法与技术。

1.结构效度检验

所谓结构效度，是指一个测验实际测到所要测量的理论结构或特质的程度，换言之，指测验分数能够说明理论的某种结构或特质的程度。本文使用因子分析法中的KMO（Kaiser-Meyer-Olkin）检验和巴特利特（Bartlett）球体检验测量结构效度，检验结果如表1所示：

表1 结构效度检验指标

以上结果表明，不确定性规避、非正式网络、团队共享心智和组织绩效的KMO 值均大于0.6，Bartlett 球体检验显著性概率为0.000（＜0.001），说明结构效度良好。

2.结构信度检验

结构信度是指测验工具（量表）所得到的结果的一致性或稳定性，反映被测特征真实程度的指标。本文采用Cronbach’s α 系数对结构信度进行检验分析，各研究变量信度检验结果如表2所示：

表2 结构信度检验结果

上述检验结果表明，本研究量表的Cronbach’s α 系数均大于0.7，说明各因子的内部具有很好的稳定性，测量量表通过检定。

（二）CSNS 被测样本描述与方差分析

1.被测样本描述性分析

本文对CSNS 被试样本均采用电子问卷进行测量，发放问卷145 份，回收问卷143 份，剔除漏填、选填不清或明显有误等无效问卷23份，实际有效问卷120 份。样本基本情况如表3：

表3 被测样本相关特征量

续表3

2.方差分析

本文采用独立样本T 检验与单因素方差分析的方法研究对以人口变量学划分的不同员工群体在不确定性规避、非正式网络、团队共享心智及组织绩效上有无显著差异。对于按性别划分的两类群体，本文采用独立样本T 检验完成差异性显著检验；对其他的则采用单因素方差的方法进行分析。

表4 人口学变量对各变量的差异性分析

通过对问卷量表数据的统计分析，将上述统计结果归纳如下：

对不确定性规避的检验中，除性别与学历外，年龄、工作年限以及专业技术职务对不确定性规避存在较显著差异。

对非正式网络的检验中，上述特征量对非正式网络均无显著差异。

对团队共享心智的检验中，除性别、年龄与学历外，工作年限与专业技术职务对团队共享心智存在较显著差异。

对团队绩效的检验中，除性别外，工作年限、年龄、学历与专业技术职务对组织绩效存在较显著差异。

（三）相关性分析

相关性分析是研究变量之间相关性强弱的一种常用方法。本文采用Pearson 相关性测量方法，Pearson 系数的大小，反映了两个变量之间关联程度的强弱。

1.不确定性规避、非正式网络与团队共享心智的相关性分析

从表5的分析数据可以看出，低不确定性规避、非正式网络与团队共享心智之间均存在显著的正相关关系，相关系数分别为0.867 与0.844，在0.01 水平（双侧）上显著相关，证明假设H3c 与H3e 的成立。

表5 不确定性规避、非正式网络与团队共享心智的相关系数

2.不确定性规避、非正式网络与团队绩效的相关性分析

从表6的分析数据可以看出，低不确定性规避、非正式网络与团队绩效之间均存在显著的正相关关系，相关系数分别为0.940 与0.921，在0.01 水平（双侧）上显著相关，证明假设H1a 与H2a 成立。

表6 不确定性规避、非正式网络与团队绩效的相关系数

3.团队共享心智与团队绩效的相关性分析

从表7的分析数据可以看出，团队共享心智与团队绩效之间存在显著的正相关关系，相关系数为0.905，在0.01 水平（双侧）上显著相关，证明假设H3a 成立。

表7 团队共享心智与团队绩效的相关系数

（四）回归分析

本文上述分析在一定程度上解释了各变量之间相关性的存在、紧密程度与方向性问题。但是上述分析仅解释了变量之间的相关关系，未能区别变量之间的因果关系，对此，运用回归分析可有效地解决。本文拟采用一元线性回归与多元回归分析方法，对各变量之间的因果关系进行论证，以厘清研发团队绩效影响因子内在作用机理。

1.不确定性规避、非正式网络对团队绩效的回归分析

综合表8、表9关于不确定性规避（X1）、非正式网络（X2）分别对团队绩效的回归结果，决定系数R2分别为0.883 与0.848，拟合程度较高，回归系数分别为0.604 与0.934，均为正数，且达到了0.05 上的显著性。低不确定性规避、非正式网络分别对团队共享心智产生的正面影响，验证了假设H1b 与H2b 的成立。回归方程如下：

表8 不确定性规避（X1）对团队绩效（Y1）回归结果

表9 非正式网络（X2）对团队绩效（Y2）回归结果

Y1=0.604×X1

Y2=0.934×X2

2.不确定性规避、非正式网络对团队共享心智的回归分析

综合表10、表11关于不确定性规避（X1）、非正式网络（X2）分别对团队共享心智的回归结果，决定系数R2分别为0.752 与0.713，拟合程度较高，回归系数分别为0.741与1.137，均为正数，且达到了0.05 以上的显著性。低不确定性规避、非正式网络分别对团队共享心智产生的正面影响，验证了假设H3d与H3f 的成立。回归方程如下：

表10 不确定性规避（X1）对团队共享心智（M1）回归结果

表11 非正式网络（X2）对团队共享心智（M2）回归结果

M1=0.741×X1

M2=1.137×X2

3.团队共享心智对团队绩效的回归分析

结合表12关于团队共享心智对团队绩效的回归结果，决定系数R2为0.819，拟合程度较高，回归系数为0.681，为正数，且达到了0.05 上的显著性。团队共享心智对团队绩效产生了正面影响，验证了假设H3b 的成立。回归方程如下：

表12 团队共享心智（M）对团队绩效（Y）回归结果

Y=0.681×M

4.不确定性规避、团队共享心智对团队绩效的回归分析

表13关于不确定性规避、团队共享心智对团队绩效的回归结果，决定系数R2为0.916，拟合程度较高，变量回归系数达到了0.05 水平上的显著性。回归方程如下：

表13 不确定性规避（X1）、团队共享心智（M1）对团队绩效（Y1）回归结果

Y1=0.401×X1+0.274×M1

5.非正式网络、团队共享心智对团队绩效的回归分析

表14关于非正式网络、团队共享心智对团队绩效的回归结果，决定系数R2为0.951，拟合程度较高，变量回归系数达到了0.05 水平上的显著性。回归方程如下：

表14 非正式网络（X1）、团队共享心智（M2）对团队绩效（Y）回归结果

Y2=0.553×X2+0.335×M2

6.团队共享心智的中介效应检验

中介效应包含完全中介效应与部分中介效应。当控制中介变量时，自变量对因变量的影响为零，则是完全中介效应；反之，影响不为零，且影响的强度显著弱于没控制时的影响时，则视为部分中介效应。

根据上述回归分析结果，开展团队共享心智中介效应检验。X1表示不确定性规避，X2表示非正式网络，M1-2表示团队共享心智，Y1-2表示团队绩效。

从表15可以看出，在检验次序1 中，Y1、Y2分别对X1、X2的结果在0.05 水平上显著，系数分别为0.604 与0.934，说明X1、X2对Y1、Y2的影响都很显著。

表15 团队共享心智中介效应检验程序

在检验次序2 中，M1、M2分别对X1、X2的结果在0.05 水平上显著，系数分别为0.741与1.137，说明X1、X2对M1、M2的影响也很显著。

在检验次序3 中，回归方程系数分别为0.401、0.553 与0.274、0.335，结果在0.05 水平上显著，说明将团队共享心智加入到X1、X2与Y1、Y2的因果关系模型后，团队共享心智对团队绩效有显著影响。但是，与检验次序1 相比，检验次序3 的回归系数均有所降低（0.401＜0.604；0.553＜0.934），鉴于此，初步判定M1-2在X1、X2与Y1、Y2之间起部分中介效应。对于部分中介效应的检定，需进行中介效应的Sobel 分析。参见表16。

表16 团队共享心智部分中介效应检验结果

团队共享心智分别在不确定性规避、非正式网络与团队绩效之间的作用机理中，Z=3.397，P=0.0007＜0.001；Z=4.016，P=0.0001＜0.001，证明了团队共享心智分别在不确定性规避、非正式网络与团队绩效之间，起着部分中介效应。此结论验证了假设H3g、H3h 的成立。

四、主要结论与展望

本文基于CSNS 研发团队开展的探索性实证研究，初步回答了前文所述的两个基本问题，研究假设得到了实证数据的支持和验证，结论如下：①低不确定性规避、非正式网络与团队共享心智、团队绩效正相关，且前二者对后二者其具有正面的影响。②团队共享心智在不确定性规避、非正式网络与团队绩效两两之间起着部分中介作用。

综上所述，本文认为：第一，低不确定性规避、非正式网络有助于团队接受风险，突破固有思维，起到知识传递与缓和冲突的作用，并通过媒介转化提升团队绩效。第二，团队共享心智作为团队绩效的桥梁和中介，通过团队个体绩效行为的整合，引导并促成研发团队核心效能的发挥。参见图2。

表17 基本假设验证

图2 经实证的概念模型因子作用机理

不足与展望：基于实证数据获取的便利性及研究的针对性，本研究径直选取了CSNS 工程与研究团队。除此之外，尚有高校及其他一些研究机构的研发团队未纳入研究中，一定程度上影响了研究样本的代表性。诚然，扩大研究样本范围深入研究将必定有更深刻的收获。鉴于此，在后续的研究中，将着重融合不同领域研发团队来进一步探讨团队绩效影响因子及其作用机理，提高研究样本及结论的代表性，以此夯实理论分析的基础。同时，在实证结论基础上，将研究成果应用于团队管理的实践，对加强和深化本研究的认知定有所裨益。