基于粗糙集理論和VIKOR的工作滿意度影響因素分析

尤建新 彭博達 王岑嵐

(1.同濟大學 經(jīng)濟與管理學院,上海 200092;2.展訊通信(上海)有限公司,上海 201203)

0 引言

哈佛大學心理學教授梅奧(Mayo)等人通過開展霍桑實驗,提出了員工是“社會人”、企業(yè)中存在“非正式組織”、新型領導能力在于提高員工滿足度等著名論斷,將管理研究的重點從物質(zhì)轉(zhuǎn)移到人的因素上,推動了管理學領域中對工作滿意度的研究。關于工作滿意度的含義,Hoppock在《Job Satisfaction》中最先作出定義,即員工在心理與生理兩方面對環(huán)境因素的滿意感受,是員工對工作情境的主觀反應。之后形成了許多測量工作滿意度的經(jīng)典量表,如明尼蘇達工作滿意度量表(Minnesota Satisfaction Questionnaire,MSQ)、工作描述指數(shù)(Job Descriptive Index,JDI)等。

研究表明,員工的工作滿意度對其工作績效和離職傾向有顯著影響。當工作滿意度較高時,員工的工作期望和積極性較高,樂意為工作付出更多時間和精力,有利于創(chuàng)造高績效;同時,員工也更愿意接受企業(yè)的發(fā)展愿景,對企業(yè)的認同度和忠誠度較高,有利于降低離職傾向。為進一步探索如何提高工作滿意度,國內(nèi)外學者主要使用回歸分析等統(tǒng)計學方法,對工作滿意度的影響因素進行研究。用于研究工作滿意度的調(diào)查問卷通常包含對整體工作滿意度和不同維度影響因素滿意度的量度,使用Likert五級量表進行評價,評價語言分別為非常不滿意、不太滿意、一般、比較滿意和非常滿意,而對應的數(shù)字范圍有所差異。

近年來,有學者開始將多準則決策(Multi-Criteria Decision Making,MCDM)方法應用于工作滿意度研究,對不同影響因素進行分析。如Maghsoodi等人分別使用模糊全乘比例分析多目標優(yōu)化(Fuzzy Multi-Objective Optimization on the Basis of Ratio Analysis plus the Full Multiplicative Form,F-MULTIMOORA)方法和基于偏最小二乘的結(jié)構(gòu)方程模型(Structural Equation Modeling Based on Partial Least Squares,PLS-SEM)計算不同因素對工作滿意度的影響水平,并通過斯皮爾曼等級相關系數(shù)(Spearman’s Rank Correlation Coefficient)驗證了兩種方法得到的結(jié)果具有較高相關性。Ni等人認為各類因素不僅會影響工作滿意度,這些因素之間還會相互影響,因此使用決策試驗與評價實驗室(Decision-Making Trial and Evaluation Laboratory,DEMATEL)方法和解釋結(jié)構(gòu)模型(Interpretive Structural Modeling,ISM)確定因素的重要性及其因果關系,并通過建立層次結(jié)構(gòu)模型明確了各種因素之間的影響機制。

本文以多準則決策方法為基礎,構(gòu)建工作滿意度影響因素分析模型。首先確定工作滿意度的影響因素及評價維度,然后結(jié)合粗糙集理論、熵權法和多準則妥協(xié)解排序法(Vlse Kriterijumska Optimizacija I Kompromisno Resenje,VIKOR)對影響因素進行排序,以確定需要優(yōu)先改善的因素。最后,將該模型應用于集成電路產(chǎn)業(yè)某企業(yè)中,以驗證方法可行性。

1 模型構(gòu)建

本文結(jié)合粗糙集理論和VIKOR方法,構(gòu)建員工工作滿意度影響因素分析模型,以幫助企業(yè)確定需要優(yōu)先改善的因素。首先,確定工作滿意度的影響因素;然后結(jié)合文獻分析和員工訪談確定評價維度;最后,分別使用粗糙集理論處理評價語言,使用熵權法對各個評價維度進行賦權,并結(jié)合VIKOR方法對工作滿意度影響因素進行排序。

1.1 確定工作滿意度的影響因素

使用以下工作滿意度影響因素,具體因素及其含義如表1所示。

表1 工作滿意度的影響因素及其含義

1.2 確定評價維度

使用統(tǒng)計學方法分析工作滿意度的影響因素時,可以確定各類因素對工作滿意度影響的顯著性水平,并根據(jù)回歸系數(shù)等確定各類因素的影響力大小并對其進行排序;企業(yè)在實際調(diào)查過程中,為簡化實施方法,常常僅統(tǒng)計員工對不同因素的滿意程度,根據(jù)不滿意程度最高的因素確定優(yōu)化方案。Maghsoodi等人則綜合考慮了各類因素對工作滿意度的影響水平和這些因素的重要性,但在確定因素的重要性時是從管理者視角出發(fā),而非員工自身的視角。2021年,《Nature》雜志對全球科研人員開展了工作滿意度問卷調(diào)查,問卷中不僅詢問了科研人員對各類因素的滿意程度,同時還詢問了對各類因素的重視程度。因此,本文首先確定了兩個評價維度,分別為重要性和滿意度。

之后,通過員工訪談,結(jié)合員工工作中的實際經(jīng)歷,本文發(fā)現(xiàn)對于某些因素,當這些因素阻礙員工工作正常開展或破壞員工心情時,員工可以在一定程度上通過自身行為去改善該因素或規(guī)避該因素對工作或自身的不利影響,從而減少該因素對工作滿意度的負面影響。如通過溝通等方式改善同事關系,通過情緒調(diào)節(jié)和鍛煉等方式改善身心狀況,等等。而對于一些硬性規(guī)定、宏觀環(huán)境,如晉升、工作環(huán)境、企業(yè)文化、規(guī)章制度等,相對難以通過員工自身行為去改善。本文認為,對于員工可自行改善或規(guī)避的因素,管理者可適當減少對該因素的控制和改善;而對于員工無法自行改善或規(guī)避的因素,管理者更需主動采取措施,從企業(yè)層面統(tǒng)一制定改善方法。因此,本文提出第三個評價維度,稱為可改善度。

重要性表示員工對某一影響因素的重視程度,滿意度表示員工對企業(yè)現(xiàn)狀或個人現(xiàn)狀的滿意程度,可改善度表示員工可以通過自身行為改善該因素或避免某一因素對工作不利影響的程度。本文使用五粒度語言集,分別對重要性、滿意度和可改善度進行評價。而VIKOR方法排序時評分高的對象排名靠前,本文中重要性高、滿意度低、可改善度低的因素應是企業(yè)需要優(yōu)先改善的因素,即這類因素應排名靠前,因此重要性的五粒度語言集為{非常不重要(l1)、不重要(l2)、一般(l3)、重要(l4)、非常重要(l5)},滿意度的五粒度語言集為{非常滿意(l1)、滿意(l2)、一般(l3)、不滿意(l4)、非常不滿意(l5)},可改善度的五粒度語言集為{非常容易改善(l1)、容易改善(l2)、一般(l3)、難改善(l4)、非常難改善(l5)}。如重要性選l5表示員工對某一因素非常重視;滿意度選l5表示員工對企業(yè)現(xiàn)狀或個人現(xiàn)狀非常不滿意;可改善度選l5表示員工自身對于改善某一因素或避免某一因素對工作的不利影響幾乎無能為力。

1.3 基于粗糙集理論的猶豫模糊評價語言轉(zhuǎn)化

1.3.1建立猶豫模糊評價語言集

在應用粗糙集理論之前,首先建立有序離散的猶豫模糊評價語言集合L={li;i=1,2,…,g}。設HL(θi)={lf,…,lu}是L的一個子集,其中θi代表評價主體,li代表語言評價變量。企業(yè)員工可與管理者通過協(xié)商選擇合適語言粒度的評價語言集合L,本文中采用五粒度評價語言集。企業(yè)員工可根據(jù)自身在工作過程中的經(jīng)歷和感受,從三個維度對影響工作滿意度的各個因素進行評價,并將評價語言表示為HL(θi)={lf,…,lu}的形式。然后根據(jù)二元語義處理方法,HL(θi)可轉(zhuǎn)化為Δ-1HL(θi)={f,…,u}。

1.3.2粗糙集理論應用于猶豫模糊評價語言轉(zhuǎn)化

粗糙集理論是一種處理模糊和不確定性信息的數(shù)學工具,采用目標集合的下近似域和上近似域表達模糊信息。粗糙數(shù)采用區(qū)間數(shù)的形式表達信息的不確定性,可利用所需處理的數(shù)據(jù)確定區(qū)間的下限和上限。粗糙數(shù)的確定過程對數(shù)據(jù)量沒有要求,不需要其他外部信息以及數(shù)據(jù)的分析調(diào)整,可保持信息的客觀性。

假設U是包含在信息表中的所有對象組成的論域,所有對象可以分為K個類,K個類組成集合R,R={C1,C2,…,CK}。假如K個類的排序為C1

Apr(Ck)=∪{Y∈U|R(Y)≤Ck}

(1)

Ck的上近似域定義為

(2)

(3)

(4)

其中,Ml和Mh分別為Ck下近似域和上近似域中對象的個數(shù)。

利用粗糙數(shù)的概念將Ck表示為區(qū)間數(shù)S(Ck),表示為

(5)

(6)

(7)

l為集合Δ-1HL(θi)中元素的個數(shù)。

則p個猶豫模糊語言評價集構(gòu)成的群評價結(jié)果為

(8)

1.3.3構(gòu)建區(qū)間數(shù)群評價矩陣

(9)

1.4 確定評價維度權重

在使用VIKOR方法時,需確定三個評價維度的權重,本文采用熵權法對評價維度進行賦權。在使用熵權法之前,將群評價矩陣中的區(qū)間數(shù)轉(zhuǎn)化為具體實數(shù),可依照區(qū)間數(shù)之間的距離公式進行轉(zhuǎn)化。

1.4.1建立參考矩陣

1.4.2計算區(qū)間數(shù)距離

(10)

1.4.3建立距離群評價矩陣

(11)

1.4.4計算評價維度權重

由于距離群評價矩陣中的數(shù)據(jù)是無量綱的,因此不需再做無量綱化處理。設第j個評價維度的客觀權重為ωj,則

(12)

(13)

(14)

1.5 基于VIKOR的影響因素優(yōu)先度排序

VIKOR由Opricovic和Tzeng提出,含義是多目標優(yōu)化和妥協(xié)解決方案,該方法可對備選方案進行排序和選擇,確定妥協(xié)解決方案,妥協(xié)意味著通過相互讓步達成協(xié)議,妥協(xié)解決方案則為最接近理想的解決方案。VIKOR方法的獨特優(yōu)勢在于可以得到帶有優(yōu)先級的妥協(xié)方案,因而排序后得到的優(yōu)先級最高的方案可能不止一個。該方法較為適合對影響工作滿意度的因素進行排序,因為在確定完各種因素的改善優(yōu)先級之后,一方面,企業(yè)未必只針對排序最高的因素進行改善,可兼顧多種因素;另一方面,企業(yè)在對影響工作滿意度的因素進行改善時,受個體差異的影響,同一因素的改善效果對不同員工工作滿意度的提高程度有所差異,通過確定妥協(xié)解可以滿足較多人的需求,從而更大程度地提高員工的整體工作滿意度。

1.5.1確定正、負理想解

(15)

(16)

1.5.2計算群體效益值和個別遺憾值

(17)

(18)

(19)

(20)

1.5.3計算VIKOR綜合指標

(21)

(22)

式中:v為最大群體效用決策策略系數(shù),v>0.5時,表示根據(jù)大多數(shù)人意見,即以最大化群體效益占比重較大的方式制定策略;v≈0.5時,表示根據(jù)均衡情況制定策略;v<0.5時,表示根據(jù)反對情況,即以最小化個別遺憾占比重較大的方式制定策略。v的取值范圍為[0,1],通常取0.5。

1.5.4排序

(23)

(3)根據(jù)λi的數(shù)值對區(qū)間數(shù)進行排序。

1.5.5確定妥協(xié)解

若判別準則1或判別準則2中有一個不滿足,則得到一組妥協(xié)解。

①若不滿足判別準則2,則IF(1)和IF(2)均為妥協(xié)解。

2 模型應用

2.1 影響因素排序

以集成電路產(chǎn)業(yè)中的某企業(yè)為例進行案例分析。在企業(yè)管理者的協(xié)助下,于2022年10月24日通過問卷星收集數(shù)據(jù)。因員工對企業(yè)的第一印象較為重要,員工的初期感受在一定程度上影響著其決定是否在企業(yè)長久工作,且近年來新入職員工的所屬部門分布廣泛,有統(tǒng)一的企業(yè)微信群便于發(fā)放問卷,因此選取新入職員工為主要研究對象。描述統(tǒng)計分析結(jié)果如圖1、圖2和圖3所示。從圖中可以看出,研究對象主要為90后年輕人,大部人的從業(yè)年限在2年之內(nèi),且學歷均在本科以上,碩士人數(shù)最多。

圖1 研究對象年齡的人數(shù)分布柱狀圖

圖2 研究對象從業(yè)年限的人數(shù)分布柱狀圖

圖3 研究對象學歷的人數(shù)分布柱狀圖

設計問卷時,“工作負荷”和“工作矛盾”采用反向提問方式,且在滿意度評價中,增加了一道整體工作滿意度的問題,選項仍為{非常滿意(l1)、滿意(l2)、一般(l3)、不滿意(l4)、非常不滿意(l5)}。受調(diào)查條件限制,被調(diào)查者在填寫問卷時僅選擇一個評價語言li,即在HL(θi)中只含有一個li,式(6)和式(7)中l(wèi)=1。問卷收集后,剔除異常問卷,如答題時間過短或過長、所有題目均選同一選項,最終共保留了91份,其中一份問卷數(shù)據(jù)如表2所示。

表2 問卷數(shù)據(jù)示例

由式(1)至式(9),得到區(qū)間數(shù)群評價矩陣,如表3所示(表中數(shù)值僅保留了三位小數(shù))。

表3 區(qū)間數(shù)群評價矩陣

表和的計算結(jié)果

表5 排序結(jié)果

因此,IF20為最優(yōu)妥協(xié)解,即企業(yè)當前最需要改善的方面是股權。

2.2 對比分析

根據(jù)滿意度調(diào)查結(jié)果,以各影響因素為自變量,整體工作滿意度為因變量,進行回歸分析,計算結(jié)果如表6和表7所示。多重判定系數(shù)為0.754,調(diào)整后為0.597,方程擬合優(yōu)度一般。P值小于0.01,說明自變量與因變量之間線性關系顯著。而各自變量回歸系數(shù)的t檢驗卻不顯著,且部分回歸系數(shù)存在負號,部分自變量的方差擴大因子VIF大于10,說明自變量之間存在多重共線性。有研究表明,員工身心健康與工作特征有一定關系,領導行為對工作自主性、工作矛盾、員工成就感等會產(chǎn)生影響。因此,當工作滿意度的影響因素過多時,使用回歸分析會存在一定問題。

表6 回歸統(tǒng)計結(jié)果

表7 方差分析結(jié)果

再對各影響因素和整體工作滿意度進行相關分析,得到Pearson相關系數(shù)的P值均小于0.01,相關性顯著。各影響因素與整體工作滿意度的相關系數(shù)如表8所示,其中與整體工作滿意度相關系數(shù)最高的是工作樂趣,為0.650。

表8 各影響因素與整體工作滿意度的相關系數(shù)

2.3 結(jié)果分析

根據(jù)相關分析,與整體工作滿意度相關系數(shù)最高的為工作樂趣,而問卷中對工作樂趣的滿意度評價的均值約為2.044,接近于“滿意(l2)”,在所有因素的滿意度評價中排名第十(按數(shù)值升序排列),因此員工對工作樂趣是比較滿意的。另外,工作樂趣的重要性均值約為4.275,接近于“重要(l4)”,按數(shù)值降序排名第十四;可改善度均值約為2.308,接近于“容易改善(l2)”,按數(shù)值升序排名第五。綜上,工作樂趣并不應該是企業(yè)最需要優(yōu)先改善的因素。

而股權因素的重要性均值約為4.352,接近于“重要(l4)”,按數(shù)值降序排名第九;滿意度均值約為2.846,接近于“一般(l3)”,按數(shù)值升序排名第三十五;可改善度均值約為2.890,接近于“一般(l3)”,按數(shù)值升序排名第三十五。即股權因素的滿意度和可改善度最低,且重要性較高,在考慮了三個維度的權重并通過VIKOR方法計算之后,股權因素為企業(yè)最需要優(yōu)先改善的因素。一方面,該結(jié)果與數(shù)據(jù)分布情況較為一致,較好地反映了員工對各個影響因素的評價狀況。另一方面,集成電路行業(yè)人才培養(yǎng)難度大、培養(yǎng)周期長,股權激勵在吸引和長久保留人才,尤其是核心技術和管理人才上可以發(fā)揮重要作用,而企業(yè)當前還未制定有效的針對各個員工的股權激勵制度,導致部分核心員工流失。該結(jié)果與企業(yè)現(xiàn)狀較為符合,較好地反映了企業(yè)當前在員工工作滿意度方面所面臨的困境。

3 結(jié)論

探索和確定企業(yè)中最需要優(yōu)先改善的影響員工工作滿意度的因素,對于明確管理方向、制定管理制度和提高員工工作滿意度具有重要意義。本文將多準則決策方法應用于工作滿意度研究,構(gòu)建了工作滿意度影響因素分析模型,通過文獻分析和員工訪談確定了重要性、滿意度和可改善度三個維度,對各個影響因素進行評價;使用粗糙集理論將評價語言對應的具體數(shù)值轉(zhuǎn)化為區(qū)間數(shù),更好地保留了評價語言信息;使用VIKOR方法進行排序,計算得出需要優(yōu)先改善的因素。將本文方法應用于集成電路產(chǎn)業(yè)中的某企業(yè)進行案例分析,計算結(jié)果符合企業(yè)現(xiàn)狀,證明了方法的可行性,且該模型有以下優(yōu)點:(1)可從多個維度對工作滿意度影響因素進行評價,并可增減評價維度及評價語言粒度;(2)對工作滿意度影響因素的數(shù)量沒有特別要求,對問卷數(shù)量同樣沒有特別要求;(3)當需要分析的工作滿意度影響因素數(shù)量較多時仍可適用。

本文研究存在一定的局限,進一步拓展的空間包括:(1)本文構(gòu)建的模型只含有三個評價維度且使用了五粒度評價語言,可繼續(xù)探索新的維度和更多粒度的評價語言,以使評價信息更加精確;(2)本文確定評價維度權重時只使用了客觀賦權法,權重在一定程度上受數(shù)據(jù)質(zhì)量影響,可再結(jié)合主觀賦權方法,以借助隱性知識的支持;(3)工作滿意度影響因素較多,填寫問卷需要花費較多時間,而且不同時間的感受會有變化,為提高數(shù)據(jù)準確性,可考慮多時段獲得研究數(shù)據(jù)的方法,拓展研究的廣度、深度和動態(tài)性。