本篇论文目录导航：
【题目】IT公司知识型员工激励问题探究
【第一章】IT知识型新员工激励制度构建绪论
【第二章】IT企业知识型工作人员激励基本问题
【第三章】IT企业知识型人才激励因素问卷设计
【4.1 - 4.3】知识型员工激励因子分析
【4.4 4.5】IT知识型人才激励因素的方差与回归分析
【4.6】IT知识型新员工激励存在的问题及原因分析
【5.1 - 5.3】IT企业知识型新员工激励机制
【5.4】IT企业知识型新员工激励机制的配套措施
【结论/参考文献】IT知识型人员激励体系建设研究结论与参考文献
第四章 IT 企业知识型新员工激励因素实证分析
一、描述性统计分析
通过对数据进行描述性统计分析，本文得到了 IT 企业知识型新员工对各激励因素的实际感受程度平均得分，并依此进行满意度排序，具体如表 3.由表 3 可知，IT 企业知识型新员工实际感受的激励因素排名前十位的是：工作胜任（3.7176）、人际关系（3.6588）、团队合作（3.6471）、办公环境（3.5765）、企业文化（3.5267）、领导素质（3.4823）、挑战自我（3.4647）、他人认可（3.4176）企业前景（3.3529）、自主工作（3.3764）。本文的结果与胡岩（2008）、唐绍龙（2011）得出的结果有相似之处。
在本文的定义中，工作胜任是指个人能够胜任所从事的工作。工作胜任排在首位表明 IT 企业知识型新员工对自己工作能力有充分的自信。扎实的专业知识和技能是 IT 企业知识型新员工立足行业的根本，也是员工内在激励的源泉。
人际关系和团队合作也排名靠前，这与 IT 行业特征有关。在 IT 行业内部有较细的分工，每个人都专注某一领域，当需要完成大规模的项目时需要各专业人才协同完成。良好的人际关系和密切的团队合作，一方面能够快速、高效完成项目，获得成就感；另一方面，也能够在交往的过程中学习他人的经验，从而提高自己，得到成长。此外，对新员工而言较好的合群性也有助于他们融入企业。这些对 IT企业知识型新员工都很有意义。
由表 3 可知，知识共享（3.2117）、薪酬公平（3.1000）、职业生涯设计（3.0941）、薪酬水平（2.9823）、参与管理（2.9702）排在末尾。这表明 IT 企业知识型新员工对个人成长和薪酬保障的需求没有得到足够满足。要进一步激励这些员工，需要从个人成长和薪酬保障方面入手。
由表 3 可知，标准差最小的五个激励因素分别是：领导素质（0.5941）、薪酬水平（0.7942）、工作胜任（0.8031） 、自主工作（0.8366）和他人认可（0.8711）。这说明被调查者对这几个因素的满意度的离散程度较低。标准差最大的五个激励因素分别是：知识共享（1.0675）、教育培训（1.0551）、工作-生活平衡（0.9967） 、参与管理（0.9787）和职务（称）晋升（0.9681）。这说明被调查者对这些激励因素的满意度的离散程度较高。造成被调查者对部分激励因素的满意度的离散程度较高的原因，一方面可能在于本文的调查样本较少，另一方面也可能是这一员工群体依据人口统计变量的不同存在着细分群体，下文将进行进一步的方差分析。
从总体而言，IT 企业知识型新员工的激励状态为 3.2941,标准误差为 0.8261.
可以看出，这些人大部分处于激励“亚健康”状态。亚健康通俗的讲是指虽然不患病，但自我感觉身体不舒服的状态。IT 企业知识型新员工的激励状态虽然现在不至于对企业造成重大的伤害，但是如果放任这种状态的存在，这些员工的激励状态将会越来越差，在企业遇到暂时不景气的情况下，将会造成破坏性影响。
二、信度和效度分析
一份调查问卷的好坏，除了需要设计科学的题项，还需要有足够高的信度和效度。虽然本文在问卷设计、发放和筛选的过程中都注意提高问卷的针对性，但仍然有必要进行专门的信度和效度分析。
信度，又称可靠度，指的是一份量表所测得分数的一致性与稳定性。信度越高，表示同一群体的被调查者在多次填写同一份问卷的答案有很高的一致性；相反，量表的信度越低，则测量的结果会有很大差异43.对量表进行信度分析的常用工具是 Cronbach α系数。当题目间的相关系数越大时，α系数也会越大。一般认为，用 Cronbach α系数测量量表的信度，在基础研究中至少要达到 0.80 才可接受；在探索性研究中，信度需要达到 0.70 才可以接受44.利用 spss 对本问卷进行信度分析，得出结果如下。
由图 2 可知，本问卷的 Cronbach α系数为 0.93,满足接受的要求。因此，可以认为本问卷有较好的一致性和稳定性。效度，也成为科学性，是表示一份量表能真正测量到该量表所要测量的能力或功能的效度45.效度有三种，即内容效度、校标关联效度和建构效度。效度分析有多种方法，其中之一便是因子分析法，后文将专门进行因子分析。
三、因子分析
因子分析能够在不造成信息的大量丢失的前提下，大大降低参与数据建模的变量个数，因而得到广泛的应用。在因子分析之前，需要对样本进行 KMO 检验（Kaiser-Meyer-Olkin）和巴特利特球度检验（Bartlett Test of Sphericity），然后根据检验系数来判断是否可以进行因子分析。Kaiser 认为，KMO 值 0.9 以上表示非常适合；0.8 表示适合；0.7 表示一般；0.6 表示不太适合；0.5 以下表示极不适合46.
巴特莱特球度检验统计量的概率小于或等于 a 时，可以作因子分析。由图 3 可知，KMO=0.915﹥0.9,根据 Kaiser 给出的度量标准可知原有变量非常适合进行因子分析。巴特莱特球度检验统计量的概率接近于 0,小于显着性水平0.01,说明数据适合进行因子分析。采用主成分分析法提取因子并选取特征值大于 1 的特征根，共提取 4 个因子。
由图 4 可知，4 个因子的累计方差贡献率为 64.019%,这表明公因子解释了大部分的方差。根据图 5,可以对因子做如下命名：
F1:由 8 项激励因素提取而成，分别是职务（称）晋升、参与管理、教育培训、职业生涯设计、知识共享、企业前景、挑战自我和自主工作。这些因素与 IT企业知识型新员工的个人成长密切相关，因此可以把 F1 命名为成长激励因素。
F2:由 6 项激励因素提取而成，分别是人际关系、办公环境、团队合作、兴趣匹配、领导素质和企业文化。这些因素与 IT 企业知识型新员工的成长环境密切相关，因此可以把 F2 命名为环境激励因素。（从数据上看，企业文化划分到成长激励因素更合适，但为了研究方便，本文将之划分到环境激励因素）F3:由 3 项激励因素提取而成，分别是他人认可、工作胜任和工作-生活平衡。这些因素与 IT 企业知识型新员工的本职工作密切相关，因此可以把 F3 命名为工作激励因素。
F4:由 2 项激励因素提取而成，分别是薪酬水平和薪酬公平。这些因素与 IT企业知识型新员工的薪酬密切相关，因此可以把 F4 命名为薪酬激励因素。
由第 1 个因子的累计方差贡献率可知，F1 即成长激励因素解释了原来 19 个变量总方差的 44.823%.这表明，对 IT 企业知识型新员工而言，激励效果最大的是成长激励因素，然后依次是环境激励因素、工作激励因素和薪酬激励因素。这完全符合前文关于 IT 企业知识型新员工特征的论述。
根据图 6,可以写出以下因子得分函数：【1】
其中，1F 、2F 、3F 、4F 分别代表成长激励因素、环境激励因素、工作激励因素和薪酬激励因素；1x 、2x 、3x 、4x 、5x 、6x 、7x 、8x 、9x 、10x 、11x 、12x13x 、14x 、15x 、16x 、17x 、18x 、19x 分别代表薪酬水平、薪酬公平、挑战自我、自主工作、兴趣匹配、他人认可、工作胜任、工作-生活平衡、教育培训、知识共享、参与管理、职务（称）晋升、职业生涯设计、人际关系、办公环境、企业前景、领导素质、企业文化、团队合作。
以 4 个因子的方差贡献率为权数，可以得到如下计算公式：1 2 3 4F = 0.448 F + 0.076 F + 0.063 F +0.053F其中，F 、1F 、2F 、3F 、4F 分别代表 IT 企业知识型新员工的总体激励状态、成长激励因素、环境激励因素、工作激励因素和薪酬激励因素。
