五 实证分析

（一）团队层面数据聚合验证

本文的研究是基于团队层面的研究。组内一致性，即团队成员对于团队的认知是否具有一致性，用r_wg指标进行检验；组间相关性，即不同团队成员的认知是否具有差异性，用ICC（Intra-class Correlation Coefficient）指标来检验，ICC（1）表示组间方差与总方差的比值，ICC（2）表示群体平均数的信度，一般认为，ICC（1）的范围为0～0.5，ICC（2）的范围为0.5～0.8，则表明具有非常好的一致性。

从表1可以看出，使节行为（SJ）、任务协调行为（XT）、侦测行为（ZC）、团队创新效能感（CE）和变革型领导（TL）的r_wg平均数和中位数均大于0.7，并且r_wg大于0.7的团队比例都在90%以上，因此认为各变量具有非常好的组内一致性。同时，所有变量的ICC（1）均大于0.02，ICC（2）均大于0.6。通过以上指标分析，本文可以将个体层面数据聚合至团队层面，即团队层面的数据可以用每个团队个体评分的算术平均值计算。

表1 团队层面数据聚合描述

（二）信度和效度分析

由表2的数据分析结果可以看出，所有变量的Cornbach’s α值和CR值均大于0.7，说明所有变量的测量信度均符合标准；所有题项的因子载荷均大于0.7，所有变量的AVE值均大于0.5，因此量表的聚合效度符合要求；每一个变量的AVE值的平方根值比变量自身与其他变量之间的所有相关系数都大，说明量表的区分效度符合要求。

表2 各变量信度和效度分析结果

表2 各变量信度和效度分析结果-续表1

表2 各变量信度和效度分析结果-续表2

（三）数据分析与假设检验

（1）描述性统计分析

在假设验证之前，首先要对各变量进行描述性统计分析，以检验各变量之间的均值、标准差和相关系数。本文通过SPSS 22.0对多个变量进行Pearson相关性分析，结果如表3所示。

（2）假设检验

本节主要运用SPSS 22.0 对变量进行回归分析，以检验本文的假设。在回归分析中，本文将公司成立时间、公司规模、团队成立时间、团队规模作为控制变量。表4检验了团队创新效能感在使节行为与创新绩效之间的中介作用。其中模型1-1和模型2-1仅引入控制变量，检验控制变量对中介变量和结果变量的影响；模型1-2和模型2-2分别是自变量使节行为对中介变量团队创新效能感、因变量创新绩效的回归检验结果；模型2-3是中介变量对因变量的回归检验结果；模型2-4是在考虑中介变量的前提下，自变量对因变量的影响。同理，表5、表6分别检验了团队创新效能感在任务协调行为和侦测行为与创新绩效之间的中介作用。

表3 描述性统计和相关系数（N=74）

表4 团队创新效能感在使节行为与创新绩效之间的中介作用检验（N=74）

表5 团队创新效能感在任务协调行为与创新绩效之间的中介作用检验（N=74）

表6 团队创新效能感在侦测行为与创新绩效之间的中介作用检验（N=74）

①主效应检验

在模型1-1中，以团队创新效能感作为因变量，只将控制变量作为自变量引入回归模型，从回归结果可以看出，公司成立时间、公司规模、团队成立时间、团队规模四个控制变量对团队创新效能感均无显著影响。模型1-2中，在引入控制变量的基础上，将使节行为这一自变量考虑进来，结果显示，使节行为对团队创新效能感有显著正向影响，回归系数为0.609（p＜0.001），因此，假设H2a通过检验。同理，模型3-2显示，在加入控制变量的基础上，任务协调行为对团队创新效能感有显著的正向影响，回归系数为0.634（p＜0.001），因此，假设H2b通过检验。模型5-2也显示，在加入控制变量的基础上，侦测行为对团队创新效能感有显著的正向影响，回归系数为0.771（p＜0.001），因此，假设H2c通过检验。

在模型2-1中，以创新绩效作为因变量，只将控制变量作为自变量引入回归模型，从回归结果可以看出，公司成立时间、公司规模、团队成立时间、团队规模四个控制变量对创新绩效都没有显著影响。在模型2-2中，引入使节行为这一自变量，从结果可以看到，使节行为对创新绩效有显著的正向影响，回归系数为0.779（p＜0.001）；同理，模型4-2是在控制变量的基础上引入任务协调行为这一自变量，结果显示，任务协调行为对创新绩效有显著的正向影响，回归系数为0.736（p＜0.001）；模型6-2也是在控制变量的基础上引入侦测行为这一自变量，结果显示，侦测行为对创新绩效有显著的正向影响，回归系数为0.681（p＜0.001），因此假设H1a、H1b、H1c通过显著性检验。

模型2-3在模型2-1的基础上，引入团队创新效能感，从结果可以看出，团队创新效能感对创新绩效有显著的正向影响，回归系数为0.676（p＜0.001），因此假设H3也通过了显著性检验。

②中介效应检验

在模型2-4中，将使节行为和团队创新效能感同时引入回归模型，结果显示，团队创新效能感对创新绩效影响的回归系数为0.369（p＜0.01），且与模型1-2相比，使节行为对创新绩效影响的回归系数由0.609（p＜0.001）变为0.554（p＜0.01），系数绝对值减小，显著性程度降低；同样地，在模型4-4中，团队创新效能感对创新绩效影响的回归系数为0.472（p＜0.01），且任务协调行为对创新绩效影响的回归系数由0.634（p＜0.001）变为0.416（p＜0.01），系数绝对值减小，且显著性明显降低；在模型6-4中，团队创新效能感对创新绩效影响的回归系数为0.380（p＜0.05），且侦测行为对创新绩效影响的回归系数由0.771（p＜0.001）变为0.390（p＜0.05），系数绝对值减小，且显著性明显降低。因此，团队创新效能感对使节行为、任务协调行为和侦测行为与创新绩效间的关系均起到了部分中介作用，假设H4a、H4b和H4c均通过检验。

③调节效应检验

本文首先对自变量和中介变量进行中心化处理，并在此基础上，计算各交互项的值。为进一步检验变革型领导对使节行为和侦测行为与团队创新效能感的关系的调节作用，如表7所示，模型7-2是在控制变量存在的前提下，将使节行为与变革型领导同时引入回归模型，模型7-3在模型7-2的基础上再引入使节行为×变革型领导的交互项，结果显示，使节行为×变革型领导的交互项系数为0.222（p＜0.05），存在显著的调节作用，假设H5a成立；同理，模型7-5引入了任务协调行为×变革型领导的交互项，结果显示，任务协调行为×变革型领导的交互项系数为0.105，不存在显著的调节作用，因此假设H5b不成立；模型7-7引入了侦测行为×变革型领导的交互项，结果显示，侦测行为×变革型领导的交互项系数为0.102（p＜0.05），存在显著的调节作用，因此假设H5c成立。

表7 变革型领导的调节作用检验（N=74）