《表6 大中型企业fs QCA分析结果》
鉴于原始数据不符合布尔逻辑分析的条件,在进行fs QCA分析之前,需要进行校对处理。与明确集合不同,模糊集合允许研究者定义成员状态隶属或不隶属的程度,如1代表完全隶属,0代表完全不隶属,0.5代表转折点。参考Wu et al[27]的成果,本研究对于7点Likert量表的校准,7分代表完全隶属(fuzzy score=0.95),1分代表完全不隶属(fuzzy score=0.05),4分为转折点(fuzzy score=0.50)。由于创新能力的得分水平普遍偏低,根据描述性统计和正态分布情况,将其完全隶属值设为6分,转折点设为3分,完全不隶属值设为1分。此外,针对控制变量的校准,采用均衡分配的思想,天然数据1,2,3,4分别对应模糊集0,0.33,0.66,0.99.为深入探讨企业规模对员工素养的制约效应,原始数据模糊集生成后,从中选取36个员工信息素养数值在[0.43,0.65]区间(即原始量表得分在3.5———5之间)的样本进行定性比较分析,其中企业规模为1,2(总人数小于500)和3,4(总人数大于500)的样本各18个。具体运算结果如表5和表6所示。
图表编号 | XD00120654100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.20 |
作者 | 王宗军、蒋振宇 |
绘制单位 | 华中科技大学管理学院、华中科技大学管理学院 |
更多格式 | 高清、无水印(增值服务) |