1 引言
工作场所中员工的跳槽问题是人力资源和就业研究关注的焦点[1,2]。由于工作质量是决定未来职业地位和收入的关键因素[3]，如果工作不佳导致跳槽，不仅会挫伤员工就业心理，影响员工的自我效能感，而且可能导致其失业，带来一系列社会问题。
随着企业人才竞争的日益加剧，提高员工的工作质量成为企业面临的重要问题之一。由于跳槽是工作质量的外显指标之一，从March和Simon(1958)的研究开始，越来越多的研究开始关注员工跳槽问题[4]。目前，员工跳槽的研究已经得到较多结论，但这方面的研究仍存在几个问题：
一是对新进员工的跳槽问题研究不多。一般来说，企业中的员工可分为新进员工和非新进员工[5-7]。他们在资历、经验和对企业的了解上存在差异，因而行为机制有很大不同[8]。但现有研究主要关注的是工作中的员工，没有对员工进行分类，在研究结论上存在一定的偏差。
就新进员工而言，目前研究笼统将所有新进入企业的员工统称为新进员工，但事实上，这些员工也存在很大区别。其中最主要的是他们以往的经验。因此新进员工又可以分为有工作经验的员工(再就业员工)[9]和无工作经验的员工(首次就业员工)。笼统地对新进员工进行研究将忽略过去的工作历史和经验带来的影响，会导致研究存在更大的误差。
二是对新进员工社会网络结构背景的研究不多。一般认为，决定员工跳槽的两个主要因素是：离开组织的期望(如工作满意度和组织承诺)和跳槽的难度[10]。以往研究者对跳槽的研究主要是从传统因素入手，如薪酬、集权化、工作负荷、晋升等[11]，认为这些因素会影响到员工的满意度和组织承诺，从而造成跳槽。许多研究还从社会化[12]、心理契约[13]和人-组织匹配[14]等视角进行了分析。然而，越来越多的学者发现，员工跳槽问题中仍有很多未解释的部分[10]。随着社会网络研究的兴起，研究者开始关注网络在员工跳槽中的角色[15，16]。例如Krackhardt和Porter发现，当组织中的朋友选择离开后，员工不但不会离职，反而会感到更加满意[17]。这个研究推翻了长久以来的假设，为社会网络视角下的跳槽研究提供了新观点。但是，Felps等的研究却表明，跳槽可以发生蔓延，同事的工作嵌入性和工作搜寻行为可以影响员工跳槽行为[10]。这表明，目前社会网络视角下员工跳槽行为的研究尚未取得一致结论。
最后，社会网络视角下的员工跳槽研究很少采用纵向分析。横截面数据的缺陷也导致研究结论的不一致。纵向研究可以动态发现员工跳槽行为的演化机制，有助于对社会网络在员工跳槽行为中的角色进行系统分析。
本研究采用纵向跟踪研究，聚焦无工作经验的新进员工群体——高校毕业生，探讨社会网络对新进员工跳槽的动态影响机制。虽然国内外学者针对毕业生这个特定的员工群体进行了很多研究[17]，但不得不指出的是，目前对毕业生作为新进员工在企业中的行为研究仍然较少，特别是国内相关研究尚不足。这与每年新进企业的庞大的毕业生群体数量严重不符。因此，研究毕业生作为新进员工的跳槽行为，不仅有利于理论上更加细致深入地完善员工工作行为研究，而且在实践上有助于企业更有针对性地进行员工管理，降低流动率，同时对毕业生更好地提高工作质量，降低职业发展风险也非常有益。最后，本研究对降低当前毕业生就业难、就业差的社会现状也具有一定的参考价值。
2 假设提出
2.1 入职前(Pre-entry)网络的影响
入职前的社会网络代表了新进员工的社会背景。研究认为，员工的工作背景对工作场所的行为有着深刻的影响。虽然针对新进员工入职前社会网络的研究并不多，但Granovetter弱联系理论的基础就是来自对员工入职前社会网络的研究。Granovetter认为弱联系在就业中发挥着重要作用，它能够帮助个体建立跨社会群体的人际关系网络[18]，因而可以将就业者与拥有资源的有影响的个体连接起来，便利工作的流动。一个有着弱联系或多样联系的个体可以获得新奇的信息和资源，这可以进一步强化他们的职业[19]。但是，Bian对中国的特殊情况提出了截然不同的强联系假设。Bian指出，在当时的中国，工作由官员秘密地分配给与他们有直接或间接关系的人，这种活动是建立在强联系基础上的[20]。到目前，虽然强弱联系理论对工作网络均进行了一些研究，但对强弱联系对员工入职后跳槽行为的影响，现有研究并没有给出一致的答案。
另一个重要的网络变量是网络规模。它是指与某个体联系的其他个体的数量。一般认为，网络的规模和跳槽意愿有显著相关关系。研究表明，网络规模越大，找工作者获取的工作信息越多，因而获得的工作机会也越多，对跳槽有着显著的影响。Lin认为，社会网络可以将人们连接到有影响力的其它人，并通过大量信息帮助人们探听工作机会，因而找到有资源的人是获得成功的关键[21]。Bian和Ang发现，在天津，超过51%的工作跳槽者通过亲戚网络找到帮助者。这些研究表明网络强度和规模越大，转换工作的可能性也越高[22]：
假设1：入职前网络强度负向影响新进员工工作的持续时间。
假设2：入职前网络规模负向影响新进员工工作的持续时间。
2.2 入职后(Post-entry)网络的影响
入职后网络主要是指新进员工进入组织后建立的各种人际网络。入职后网络没有入职前网络的广泛性，但因为局限于组织边界内，因而具有网络嵌入的深刻性。虽然Krackhardt和Porter提出了与人们常识相悖的研究结果，认为入职后网络的强度不会对员工的跳槽产生负面影响[17]，但这个结果并没有得到更多研究的证实。同时，研究认为较大的入职后网络规模不利于工作稳定。由于跳槽有蔓延效应[10]，具有较大规模入职后网络的员工更可能具有较高的跳槽倾向：
假设3：入职后网络强度负向影响新进员工工作的持续时间。
假设4：入职后网络规模负向影响新进员工工作的持续时间。
2.3 入职前后社会网络对跳槽的交互效应
现有研究认为，员工过去的行为会影响其在组织中的工作行为。虽然Saks和Ashforth发现新进员工进入企业前的匹配会对工作行为产生影响[23]，但目前新进员工的历史和经验对工作行为的影响机制研究非常缺乏。虽然无经验的新进员工没有工作历史的影响，但每个新进员工都必然有社会交往历史，入职前的社会网络结构必然与入职后的社会网络产生交互效应，并进而深刻影响其工作行为：
假设5：入职前网络强度和入职后网络强
[1] [2] [3] 下一页
度的交互效应负向影响工作的持续时间。
假设6：入职前网络强度和入职后网络规模的交互效应负向影响工作的持续时间。
假设7：入职前网络规模和入职后网络强度的交互效应负向影响工作的持续时间。
假设8：入职前网络规模和入职后网络规模的交互效应负向影响工作的持续时间。
3 研究方法
3.1 数据来源
本研究数据来源于对上海、浙江和江苏等地随机挑选的2008年毕业生的跟踪分析。问卷的跟踪收集进行了两次：第一次(入职前)是在毕业生刚就业时，共分发问卷1873份，回收问卷1332份，经整理有效问卷1021份，有效率76.7%；第二次(入职后)是在毕业生工作后的12个月时，问卷分发给入职前问卷有效的1021名毕业生，问卷共回收462份，回收率为45.2%①。经过整理，462份问卷中有效问卷共有321份。其中，41.7%是男性，58.3%是女性。本科学历毕业生比例为86.3%，研究生学历毕业生比例为13.7%。
3.2 变量测量
3.2.1 入职前网络强度
根据Granovetter的定义[18]，本研究对入职前网络强度的测量采用了三个题项：“在与你的朋友交往中，下列哪项较好地描述了你与朋友的社会生活”、“一般来说，您与您的同学、家庭或者朋友分享遇到的问题和成就的频率为”、“总体看，您与您的同学、家庭或者朋友的关系是否密切”，均使用Liker5点量表测度。信度检验Cronbach-α系数为.73，表明量表内部一致性好。
3.2.2 入职前网络规模
根据网络规模的定义，入职前网络规模的测量采用了三题项：“您在首次就业过程中向周围多少个人提出过就业方面的帮助或咨询要求”，采用实际数字组中值处理；“您寻找首份工作时，最多曾找过多少个关系”，采用实际填报数字测度；“总体看，您在首次就业时使用到的社会关系数量”，采用Likert5点量表测度。信度检验Cronbach-α系数为.81，表明量表内部一致性良好。
对入职前网络变量进行样本充分性和球度检验，样本充分性为.66，球度检验显著(X[2]=191.40，p＜.001)，显示入职前网络变量可以进行因素分析。结果见表1。
图1 入职前网络验证性因子分析
Figure 1 Confirmatory Factor Analysis on Pre-entry Network Variables
3.2.3 入职后网络规模
根据网络规模的定义，入职后网络规模采用了三维度题项：“认识组织或本部门大部分人”、“认识组织中各个不同职位的人”、“经常与组织其他部门人员一起工作”，均使用Likert5点量表测度。信度检验Cronbach-α系数为.84，表明量表内部一致性好。
3.2.4 入职后网络强度
根据Granovetter对网络强度的定义，入职后网络强度采用三维度题项：“您与同事经常互相帮助”、“您与同事经常互赠礼品”、“您与同事一起吃饭时是互相轮流请客，而不是AA制”，均使用Likert5点量表测度。信度检验Cronbach-α系数为.80，表明量表内部一致性好。
对入职后网络变量进行样本充分性和球度检验，样本充分性为.86，球度检验显著(X[2]=1473.41，p＜.001)，显示入职后网络变量可以进行因素分析，结果见表2。
3.2.5 工作时间
因变量是新进员工的工作时间，以毕业生进入企业开始到研究窗口结束所经历的时间进行测度，单位以月计。
3.2.6 控制变量
控制变量包括人口统计学特征和工作满意度。人口统计学特征主要从性别、年龄、学校背景等方面进行测量。性别采用分类变量，“1”代表男性，“2”代表女性；年龄采用毕业生工作时的实际年龄；学校背景则按照教育部公布的全国学科排名算出各学校平均值作为测度。工作满意度采用Saks和Ashforh的量表[23]，但本研究使用Likert5点量表。信度检验Cronbach-α系数为.90，表明量表内部一致性好。
采用Harman的单因子测量方法检验表明，相关题项产生了4个因子，其中第一个因子解释了22.51%的方差变异。并且没有通用因子，因此本研究的共同方法偏差问题不显著。
图2 入职后网络验证性因子分析
Figure 2 Confirmatory Factor Analysis on Post-entry Network Variables
3.3 分析方法
生存分析是一种以删失数据为研究对象的统计方法，美国国家科学院很早就把生存分析列为六大发展方向之一[24]。由于跳槽研究涉及工作持续时间，因此不可避免的因为失访(失去联系)、退出研究和终止观察等产生删失数据。因为删失数据会严重违反模型假设，应用传统的回归分析会存在显著偏误[25]。因此西方研究者很早就推荐使用生存分析研究员工跳槽问题。本研究采用生存分析中的Cox回归模型进行分析[25]。Cox模型是一种通过建立生存时间随影响因素变化的回归模型，并根据这些因素在模型中的影响对生存率进行预测的生存分析方法[26]。
4 分析结果
4.1 控制变量
对控制变量的分析发现(见表3)，性别对工作时间的影响系数为.22(p＜.01)，统计上显著，说明女性比男性在首份工作上的时间更短(exp(.22)=1.25)；年龄对工作时间的影响为-.23(p＜.01)，统计上显著，表明年龄越高其跳槽的可能性越低(exp(-.23)=.79)；学校背景对工作时间的影响系数为-.25(p＜.001)，统计上十分显著，表明学校背景越好的毕业生，其跳槽可能性反而要低(exp(-.25)=0.78)。薪酬对工作时间的影响系数为-.24(p＜.01)，统计上显著，表明薪酬越高，毕业生跳槽可能性要低(exp(-.24)=0.79)。
单独引入工作满意度变量，发现其对工作时间的影响系数为-.23(p＜.01)，统计上显著，说明工作满意度有助于延长毕业生的工作时间(exp(-.23)=.79)。总体看，学校背景和工作满意度对工作持续时间有显著影响，因此将其作为控制变量有助于下面的研究。
4.2 社会网络因素
4.2.1 入职前网络分析
将入职前网络变量放入模型中(见表4)，结果发现：入职前网络强度对工作持续时间有显著影响，系数为.54(p＜.001)，表明新进员工具有越强的入职前网络强度，其工作的持续时间越短(exp(.66)=1.72)，假设1得到验证。但入职前的网络规模对工作时间的影响不显著(B=.02，p＞.05)，假设2未得到证实。
4.2.2 入职后网络分析
将入职后的网络变量放入模型中(见表4)，结果发现：入职后网络强度的系数为.40(p＜.05)，统计上显著，表明入职后网络强度越高，工作持续时间越短(exp(
上一页 [1] [2] [3] 下一页
.40)=1.49)，假设3得到验证；入职后网络规模的系数为-.68(p＜.01)，统计上显著，但假设4未得到验证，恰恰相反，表明新进员工入职后网络规模越大，工作持续时间越长(exp(-.68)=0.51)。
4.2.3 交互效应的检验
检验发现(见表4)，入职前后网络强度对工作时间的交互效应显著(B=-.22，p＜.05)，但假设5未得到验证，恰恰相反，入职前后网络强度的相互作用会正向影响工作时间；入职前网络强度与入职后网络规模对工作时间的交互效应显著(B=-.38，p＜.001)，但假设6未得到验证，恰恰相反，入职前强度和入职后规模的相互作用会正向影响工作时间。由于入职前网络规模对工作时间无显著影响，因此假设7和8未得到验证。
5 结论和讨论
5.1 结论
国内外研究一直非常关注员工跳槽问题，但目前研究很少细致区分研究对象。且多采用横截面研究，对社会网络在跳槽行为中的动态影响分析不足。本研究基于社会网络视角，采用生存分析证明，无工作经验的新进员工的社会网络会在不同时点对跳槽行为产生不同的影响。
首先，对控制变量的检验发现，女性新进员工比男性的工作持续时间更短，较好学校背景的新进员工的工作持续时间较长，工作满意度、年龄以及薪酬也与工作时间正相关。
其次，新进员工入职前网络强度能够很好地预测未来的工作时间。具体来说，无工作经验的新进员工入职前网络强度越高，未来1年的工作持续时间越短。这表明，强联系虽然有助于获取更多的就业信息，但很难帮助员工在首份工作上停留较长时间。由于中国背景下强联系的巨大作用，新进员工更可能利用其来便利跳槽。
再次，新进员工入职后网络规模和强度对工作持续时间的影响存在差异。那些能够广泛发展企业内部联系的新进员工，其工作的持续时间显著增加。而积极建立企业内部强联系的新进员工，其工作的持续时间会显著降低。
交互效应分析发现，入职前网络强度和入职后网络会共同对工作持续时间产生显著影响。对于具有入职前强网络联系的员工，越是提高企业内部网络规模和强度，越有利于工作时间的持续；而具有入职前弱网络强度的员工，提高企业内部网络规模和强度则不利于工作时间的持续。
总之，本研究细致区分了企业新进员工群体，并采用社会网络观点，对无工作经验的新进员工(毕业生)进行了纵向生存分析，研究结论丰富了社会网络视角下的员工跳槽研究。同时，本研究首次分析了入职前后社会网络对员工跳槽的影响，显示了不同时点社会网络的动态关联机制，为员工跳槽的社会网络研究提供了新的观点。
5.2 讨论
本研究认为，虽然在进入组织前后积极建立并发展强关系网络，有利于新进员工充分利用强关系的优势提高就业水平，但也必须认识到强关系在一定程度上不利于工作的稳定和持久，较强的网络关系易造成工作时间缩短，导致更加频繁的跳槽，不利于自身人力资本的持续积累，同时对企业和社会也会带来不稳定因素。
从社会网络的结构角度，新进员工还需注重组织内部网络的扩展。积极扩大入职后网络规模，跟企业中不同层次、不同部门的员工建立更多而不是更强的联系，有助于适应企业环境，更好地融入工作场所，降低跳槽的发生。然而需要注意的是，对于外部网络强度高的新进员工，提高组织内部网络的规模和强度，有利于中和外部网络的不利影响，降低跳槽发生的可能。而对于外部网络强度较弱的新进员工，增加内部网络规模和强度并不能有助于其在企业中呆得更久。广泛的入职后网络和亲密的同事关系虽然可以帮助获得更多的企业信息，但这些网络联系的建立，使得新进员工寻找到可资利用的就业网络资源，如果再考虑跳槽连带效应的影响，将在一定程度上导致新进员工工作持续时间的缩短，最终引起跳槽。
同时，本研究提出的问题也需要引起企业重视。企业应当进一步从社会网络的角度考虑对新进员工的选用。由于企业往往乐意选拔那些社会活动能力强的毕业生，认为他们是为企业创造价值的最佳人选。然而企业也必须认识到，这些具有较好社会网络背景的新进员工的工作稳定性较差。由于他们社会关系强度更大，可资利用的机会更多，与企业博弈的能力也更强，导致工作持续时间不会太久，企业需要认真思考如何招聘、使用并激励这些新进员工。本文建议通过调节组织内部网络的规模和强度，帮助他们尽快融入组织中，降低跳槽的概率。而对于企业中需要长期稳定的工作岗位，应当尽量选拔那些入职前网络强度较弱的新进员工，这样可以提高他们工作持续的时间，维持稳定的员工队伍。但企业应当同时注意控制这些员工内部网络关系的规模和强度。控制网络规模和强度并不等于防止员工融入企业，而是注意适当限制内部网络关系的建立，尽量减少强关系发生的机会，降低跳槽的可能。
本研究尚存在一定的局限性：首先，本研究针对的是无工作经验的新进员工，以高校毕业生为研究对象，这虽然聚焦了研究问题，有助于研究的细腻性，但在推广到其他新进员工群体(其他学历的毕业生或者农民工)上存在适用性问题；其次，考虑到研究的探索性质，本研究没有区分自愿跳槽还是非自愿跳槽，这在一定程度上会对研究结论产生一定影响。未来研究将会对因变量进行更加细致的区分，提高研究的效度；最后，本研究的时间窗口仅为1年。由于跟踪时间较短，虽然降低了自变量随时间变化的风险(对Cox模型的Schoenfeld残差检验表明比例风险假设成立)，但可能会在一定程度上影响研究的结论。后续研究将继续延长研究跨度，提高研究的水平。
注释：
①我们通过毕业生自己提供的E-mail地址和邮政地址分发了电子版问卷和纸质版问卷。由于很多毕业生在毕业后更改了E-mail地址，或者有些毕业生在12个月内因更换单位或住址，导致对部分毕业生的跟踪失败。考虑此种情况，样本的回收比例并不是很低。在假设跟踪调研失败呈随机分布下，我们没有进一步与失访的毕业生进行电话、邮件或是通过其他渠道进行联系，以便保证样本获得的独立性和随机性。对性别和学历的检验没有发现回收样本、失访样本和无效样本间存在显著差异。
上一页 [1] [2] [3]
